# 如何开始一个需求（Kickoff） 从零开一个需求的启动手册。角色/权限见 `roles-and-permissions.md`，闭环见 `closed-loop.md`，模型见 `model-routing.md`。 --- ## 前提：谁是 Coordinator **你（发起编排的强模型会话）就是 Coordinator (PM) / 产品。** 你负责写文档、拆任务、 编排、终检，**不亲自写代码、不亲自跑测试**。开发和测试是另起的 worker agent； 具体 CLI、模型、reasoning effort 和执行模式的机器事实源是 `docs/ack/tasks.yaml` 的 `project.orchestration`。`docs/ack/project.md` 只解释项目 差异，不能提供另一套启动命令。 --- ## 第 0 步：给 Coordinator 的开场指令（复制改需求） ```text 我要做一个新需求：<一句话需求>。 你作为 ack 的 Coordinator(PM)，按 ACK Skill 的 references 规范执行： 1. 先读 docs/ack/project.md，并用 `scripts/select_tasks.py docs/ack/tasks.yaml` 读取有预算的 project、summary 和可工作任务；已知任务时传 `--task-id`，不要把 完整 tasks.yaml 注入上下文。校验 docs/ack/knowledge.yaml 并用 `scripts/select_knowledge.py` 只读取当前任务相关的 active 条目，再读 references/roles-and-permissions.md、closed-loop.md、optimization-method.md。 如果 tasks.yaml 声明 project.deliveryFile，再读取 delivery.yaml 与 references/delivery.md，但不要把配置本身当作执行授权。 2. 写产品文档到 docs/（PRD / 交互 / 验收），把需求拆成任务，每个任务的验收写成可观测信号（可见文本 / API 结果 / 交互结果）。 3. 按任务 scope 从 knowledge.yaml 推荐 active 知识，确认后把固定 revision 的 knowledgeRefs 写入任务；不要派发 candidate 或全量知识库。 4. 把任务写进 docs/ack/tasks.yaml（只有你写），校验 tasks.yaml 和 knowledge.yaml。 5. 先把「产品文档 + 任务拆分 + 验收信号 + 适用知识引用」给我确认；若启用了交付， 同时列明本次 profile、目标、停止点与审批步骤。不要急着派发或交付。 6. 我确认后，按 ack 闭环循环：先用 `scripts/launch_worker.py` 校验结构化 Developer/Test profile；优先选择同一轮内角色/profile/worktree 匹配的空闲 worker， 只有历史消息已可信清理并取得新会话身份才复用，否则审阅 plan 后用 expected fingerprint 创建 fresh worker； dispatch 开发 → worker_done → dispatch 测试独立复测 → 你读证据终检 → 回写 tasks.yaml； 每个任务最多三轮有效产品复验，三轮不过记 leftover 并升级我复盘；环境失败单独 记录、恢复并告诉我下一步，不占产品复验轮次。 7. 所选任务都 verified 后，只有本次计划包含交付时才按 profile 顺序执行并写 deliveryRuns；启用 delivery 时不能省略 defaultProfile，默认停在 validation_ready 或 review_ready，stable/production 步骤再次向我确认。 ``` --- ## 第 1 步：Coordinator 产出（确认前） 1. 产品文档 → `docs/PRD-.md` 等（Coordinator R/W）。 2. 任务板 → `docs/ack/tasks.yaml`，每条任务带 `expected` + `verification`，验收写成可观测信号（见 `optimization-method.md` §1）。 3. 项目知识 → 从 `docs/ack/knowledge.yaml` 按 component、path、dependency、version 和 tag 推荐 `active` 条目，Coordinator 确认后写入固定 revision 的显式 `knowledgeRefs`。candidate 不参与选择。 4. 校验结构与引用： ```bash python3 /scripts/validate_tasks.py docs/ack/tasks.yaml python3 /scripts/validate_knowledge.py docs/ack/knowledge.yaml --tasks docs/ack/tasks.yaml ``` `project.orchestration` 是 worker profile 的机器 SSOT；未知字段、非 allowlist 模型、 不匹配的角色/档位和非安全权限必须在派发前 fail closed。 读取任务上下文使用： ```bash python3 /scripts/select_tasks.py docs/ack/tasks.yaml python3 /scripts/select_tasks.py docs/ack/tasks.yaml \ --task-id ``` 选择器解析并校验完整任务板，但只输出命中任务及其 receipt/delivery run；超过预算时 显式失败，不得改用 `cat` 或整文件 `sed`。 5. **停下来给人确认**：这是强模型该花时间的地方，不要跳过。 如果 `delivery.enabled: true`，确认内容还必须列出：profile、关联 task IDs、构建产物、 发布 channel、部署环境、PR 是否创建/标 ready、停止点，以及哪些步骤会再次审批。 --- ## 第 2 步：决定 worktree 见 `closed-loop.md` §「子任务放哪」： - 需求大 / 要并行 / 要保基线分支干净 → 新建隔离 worktree。 - 小改动 / 串行修复 → 当前 worktree 起子 agent。 --- ## 第 3 步：审阅并启动 worker 先读 `tasks.yaml.project.orchestration` 的结构化 profiles。历史 receipt 或既有 Orca terminal 不能单独授权复用。复用候选必须属于同一轮 ACK、处于空闲状态，且角色、 profile、worktree 与启动身份仍完全匹配；还必须通过受信后端清理历史消息并取得可核对 的新会话身份。当前 Orca 接口缺少该清理证明，所以 Orca 派发仍创建 fresh worker。 原因和边界见 `model-routing.md` §「Receipt、审计与复用边界」。 先查看目标 profile hash，确认本次结构化配置。这个 hash 只用于审计和漂移比较， 不能用于匹配或复用旧 receipt / 既有终端： ```bash python3 /scripts/launch_worker.py profile-hash \ --project-root --profile-id ``` 生成只读计划： ```bash python3 /scripts/launch_worker.py plan \ --project-root --task-id \ --attempt-id -A --role \ --profile-id --worktree --slot <1..99> ``` 审阅计划后执行唯一创建入口： ```bash python3 /scripts/launch_worker.py launch \ --project-root --task-id \ --attempt-id -A --role \ --profile-id --worktree --slot <1..99> \ --expected-launch-fingerprint ``` `launch` 的 fingerprint 必须来自刚才审阅的 plan；若中间任何关键事实漂移，重新 plan，不得覆盖检查。标准输出是单一 JSON。Coordinator 校验其中的 receipt 后，把 receipt 原样追加到 `tasks.yaml.workerReceipts`，把 `receipt.id` 写入该任务 `dispatch..receiptId`、把 `profileId` 写入 `dispatch..profileId`，并把 本轮稳定 ID 写入 `dispatch..attemptId`。三者必须与 receipt 的当前 task/role/profile/attempt 完全绑定；不得把旧任务或旧轮次的 receipt 改挂到当前 dispatch。后续 紧随其后的本次 Orca dispatch 只使用这次 fresh receipt binding 中的 handle；持久化 receipt 仅用于审计，不能在后续轮次单独授权复用。不要自行拼装 Agent CLI 或 Orca 的 底层创建命令。 新 worktree 时可先运行 `orca worktree create --name --base-branch --json`，再对返回的绝对 worktree 走同一套 `plan` -> 带 expected fingerprint 的 `launch`。在调用 launcher 前，先把新 路径加入 `project.orchestration.allowedWorktrees` 并重新运行任务板校验。profile 只允许 `read-only` 或 `workspace-write`；v0.10 的 full-access 授权通道尚未实现， 任何 bypass、YOLO/force 或关闭 sandbox 的请求都必须失败，不能手写命令兜底。 选型与升级见 `model-routing.md`。 --- ## 第 4 步：跑闭环（每个任务） ```text task-create → dispatch 给 DEV → 等 worker_done → 每个角色先检查可安全重置的空闲 worker；不符合即通过 plan + expected fingerprint launch fresh worker → 每轮使用 Coordinator 分配的稳定 -A → 回写 fixed_by_dev → dispatch 给 TEST 复测 → 等 retest_result → Developer 回 knowledgeApplied / knowledgeCandidates，Test 回 knowledgeChecks → 环境无法完成：记录 environmentIncidents，报告影响与用户下一步，恢复后重新复验（不计轮次） → Coordinator 读证据终检 → 过则 verified，产品失败则 failed_retest 再派 DEV（最多累计 3 轮） → 三轮有效产品失败：leftover，升级复盘，继续下一个 ``` 具体命令见 `orca-adapter.md`（Orca）或 `closed-loop.md` §「手动模式」（无 Orca）；派发文案见 `prompt-templates.md`。 Coordinator 只内联本轮 `knowledgeRefs` 指向的少量知识，不要求 worker 全量读取 知识库。知识正文不得作为自由 shell 执行；需要命令时只能引用项目已审查的检查 入口，并把它的 registry ID 交给 `/scripts/run_verification.py`， 不自行拼接 path/args。Test 独立验证且 gate 通过后，Coordinator 才能把 candidate 写成 active 知识；关键约束应继续下沉为测试、lint、CI 或正式规范。 --- ## 第 5 步：可选交付 所选任务都由 Coordinator 标记为 `verified` 后，若用户确认的计划包含交付，按 `delivery.md` 执行所选 profile。启用交付时必须在计划中默认列出 `defaultProfile`， 用户可明确取消，Coordinator 不能静默省略。先重新校验 `delivery.yaml`，固定当前 commit 和 config revision，然后按有序步骤调用项目入口与已安装的低层 skill。每一步证据写入 `tasks.yaml.deliveryRuns`；默认 profile 到 `validation_ready` 或 `review_ready` 即停止。 前者必须把测试环境地址和用户下一步交付出来；stable 发布和 production 部署必须在 approval 步骤再次确认。失败时保留任务的 `verified`，把 delivery run 标为 `blocked` 或 `failed`。 ## 第 6 步：收尾 一轮结束时 Coordinator 必须能回答 `optimization-method.md` §「结束条件」的问题： 哪些 verified、哪些 leftover、各失败几轮、工作树是否干净、还有没有未处理项。 Coordinator 最后标记整轮任务完成后，关闭所有只关联 `verified` 任务的 Developer/Test 终端并核对关闭回执；receipt 和落盘证据继续保留。仍关联 `blocked`、`failed_retest`、 `leftover` 或其它未完成任务/未解决环境事件的终端保留，不设置 TTL。一个终端只要仍被 任一这类任务引用，就不能因为同时关联了 verified 任务而关闭。 --- ## 一句话 产品文档 + 验收信号写在前（你，强模型）→ 确认显式 `knowledgeRefs` → 从 `tasks.yaml.project.orchestration` 解析安全 profile → 审阅 plan 并用 expected fingerprint 启动 fresh DEV/TEST → dispatch / 复测 / 终检循环 → 任务结论落 `tasks.yaml` → 可选 delivery profile 到审核点，验证后的 跨任务知识由 Coordinator 落 `knowledge.yaml` → 整轮完成后回收仅属于 verified 任务的 worker，保留 blocked/failed/leftover worker。