Agent Loop 与上下文预算设计
原创工具 · AI Agent Workbench
SeekPilot
面向 DeepSeek 的本地优先 AI 编程智能体工作台，覆盖项目上下文理解、安全工具调用、补丁预览与回滚、测试执行及对抗式验收数据结构。
- 项目类型
- 工具与引擎
- 开发时间
- 个人项目
- 我的职责
- 产品设计 / Agent 架构 / Python 开发
- 当前状态
- v0.2 开发中
01 / BACKGROUND
项目背景与目标
SeekPilot 用于验证一个可控的本地编程 Agent：模型不直接任意修改工程，而是先读取上下文、生成可审查的修改提案，再经过风险分级、Diff 预览、应用和测试闭环。
- →建立可继续执行的 Agent Loop
- →限制高风险工具调用
- →让补丁可预览、应用与回滚
- →用测试和 Judge 数据结构记录验收结果
02 / RESPONSIBILITY
我负责的部分
SEARCH/REPLACE Patch Engine
Proposal Gate 与多文件修改流程
Shell 风险分级与测试执行
JSONL 会话持久化与桌面端骨架
03 / SYSTEMS
核心玩法与技术架构
安全工具闭环
将 read、search、git、shell 与测试工具纳入统一循环，并按 safe、confirm、dangerous 划分执行权限。
Patch Engine
生成 SEARCH/REPLACE 提案，先校验并展示 Diff，再批量应用；失败或结果不符合预期时支持回滚。
上下文预算
通过 ProjectOverview、可配置 max_steps 与可恢复会话减少重复读取，在步骤上限后保留继续分析能力。
DeepJudge
以 TaskContract、ChangeManifest、JudgeVerdict 和 Objection 描述任务、变更与验收意见，为后续对抗式验证预留运行时。
04 / PROBLEM SOLVING
开发难点与解决过程
问题 01
Agent 能力越强，误改文件或执行危险命令的风险越高。
解决方案
把修改拆成 proposal、diff、apply 和 rollback 阶段，并对 shell 操作做风险分级。
结果模型输出与真实工程写入之间形成可审查的安全边界。
问题 02
长任务会反复读取项目并耗尽上下文。
解决方案
增加一次性 ProjectOverview、步骤预算和会话恢复，保存已完成操作摘要。
05 / RESULT
最终效果
- ✓已完成流式对话与 reasoning 展示
- ✓已完成 Agent 工具调用闭环和 Patch Engine
- ✓已接入 pytest 结构化结果
- ✓DeepJudge 数据结构已就绪，桌面 MVP 正在推进
06 / MEDIA
项目截图与演示
该研发项目的结构图与演示素材正在整理，暂不使用虚构截图。
07 / RETROSPECTIVE
项目复盘
智能体的价值不仅是生成代码，还包括限制权限、保留证据与可恢复执行。
下一阶段重点是完成 DeepJudge Runtime 和 PySide6 Desktop MVP。