功能說明 01：編排引擎

從第一個委託到經驗證的補丁

Agent Argo 並非由單一模型組成，該模型盡可能長時間地處理一項任務。它是一個將軟體工作轉化為可追溯步驟的系統：規劃、拆分、處理、檢查、修正，然後才提交採納。

本文開啟 「功能說明」 系列。它沿著實際部署情境，而非行銷承諾，闡述 Agent Argo 的核心機制。首篇聚焦編排引擎：將需求轉化為受控工作流程的過程。

1. 啟動前：確定品質、成本與自主權

Argo 處理任務前，需做兩項決策。它們刻意分離：

1. Argo 應如何在成本與結果品質間權衡？
2. Argo 在專案中可擁有多大自主行動權？

這避免了典型的目標衝突：徹底執行不必自動獲得更多寫入權限。自主執行也不必自動選用昂貴模型。

成本與品質的三個階層

模型路由器提供三種易懂模式。它們改變價格與模型等級在選型中的權重；所需技能始終是核心。

階層	路由器模式	適用場景
節省	economy	常規任務、擷取、明確界定的變更。成本權重大。
均衡	balanced	大多數執行的預設值：技能匹配、成本與品質等級保持平衡。
進階	expert	架構、研究、複雜分析與嚴格審查。模型等級權重明顯較高，成本權重較低。

運營配置檔 快速且廉價、均衡 與 徹底 將此路由器模式與其他決策打包：例如協同思考僅觀察還是主動執行、驗證是否具約束力、Argo 在失敗時是否可更強力地升級處理。

自主權的三個階層

自主權規定的不是 Argo 認為 什麼正確，而是 何時 需要人介入。

階層	行為
安全	Argo 分析並規劃。變更保留供審查；執行寫入或風險操作前會詢問。
均衡	一般變更可在隔離工作狀態產生。刪除、命令、下載、網路存取或受保護路徑仍會詢問。
完全自主	執行無常規回詢。硬性安全、策略與預算邊界仍生效。

代碼中這些規則以 readonly、confirm_write、auto_write 和 bypass 更精確實現。三個階層使其可操作；專案策略始終是最終裁決者。它可排除雲供應商、僅允許本地模型、封鎖網路存取、限制命令、保護密鑰或設定成本上限。

2. CEO 層將委託轉化為計畫

使用者先以自然語言描述目標。Argo 的 CEO 層獲得有限的專案概覽、可用模型目錄與相關專案資訊。它可先就未決問題提問，或直接生成計畫。

計畫不僅是待辦清單。每項任務獲得角色、描述、依賴與所需能力——例如 coding、planning、qa_review 或 context_comprehension。困難任務可標記更高難度。CEO 層不硬性指定模型：它描述工作，路由器稍後按任務選型。

因此計畫成為人類可讀的專案共識，而執行保持適應性。

3. 從計畫生成任務圖

計畫核准後，Argo 將任務轉為任務圖。節點僅在依賴成功完成後才能執行。獨立任務可並行。

調度器按可理解的效用啟發式排序就緒節點：預期品質減去成本、時間與風險懲罰。若節點位於關鍵路徑，平手時優先，因它決定整體執行時長。

高不確定性或高風險時，Argo 可在處理前啟用協同思考模式：多視角開發方案、相互批判，為 Worker 提供有理據的工作方案。是否僅記錄或真正執行，由啟動前選定的運營配置檔決定。

4. 每個任務前：適配上下文、技能與模型

Worker 啟動前，Argo 依角色與任務構建專用上下文。包含相關檔案、依賴結果、啟用時的緊湊記憶包與適配技能指南。Argo 不盲目將全部專案知識塞入提示。記憶與技能按相關性、來源、時效性、成本與安全狀態選取。

隨後模型路由器選型。先排除不可達、上下文窗口不足、額度耗盡或違反當前策略的候選。對剩餘模型評估四因子：

• 能力匹配度： 模型對所需技能評分如何？多技能取平均。
• 成本： 請求多貴——或啟用成本路由時，預期成功結果的成本。 | 模型等級： 困難、安全關鍵、架構與審查任務可偏好旗艦等級。
• 經驗值： 足夠真實結果後，納入模型/技能組合的近期成功率與重試率。

成本計算可用 預期成功成本：直接價格、預期重試、驗證開銷、可能返工與小延遲懲罰。單次廉價調用非自動最優，若頻繁失敗或觸發返工。

顯式模型推薦僅在可用、策略允許且上下文窗口足夠時採納。CEO 層的規劃、委派與上下文理解另用專為這三能力挑選的強模型。

5. Worker 以細小可驗證步驟處理任務

Worker 不單次回覆完成。它跑有限 ReAct 迴圈：

1. 模型提結構化動作——如讀檔、搜尋、跑測試或寫入變更。
2. Executor 檢查權限、路徑、命令風險與當前策略。
3. Argo 僅執行允許動作。
4. 結果、差異與錯誤作為觀察回傳模型。
5. 基此 Worker 修正下一步或結束任務。

因此 Agent 可先讀受影響代碼、再改動、跑測試、將結果納入下一決策。完整流程在執行日誌可見。

輸出本身也被檢查。模型產出無效動作 JSON 時，Argo 可要求有限修復迴圈。嚴格模式下，持續錯誤輸出被受控拒絕，而非將不明文本解釋為動作。

6. 錯誤時：針對性修正而非盲目重試

非每個失敗任務意味整個執行失敗。編排引擎區分錯誤原因並受控反應：

• 暫時性錯誤可在固定邊界內重試。
• 硬性驗證判定提供具體異議作為下一次嘗試的指令。
• 啟用級聯時，下一次嘗試承接前一次認知，而非歸零。
• 失敗後 Argo 可偏好更強模型。
• 預算耗盡時不啟動昂貴盲試：節點以文檔化部分結果結束或可見升級。

節點策略最終決定任務可否跳過、受控失敗或需用戶決策。依賴任務僅獲得確認的部分結果。由此局部錯誤不成為靜默傳播至後續計畫的錯誤。

7. 實作後：審查、驗證與可能的進一步週期

計畫任務完成後，Argo 從多視角檢查整合狀態：

• QA Agent 可讀檔案並執行測試命令。
• 架構 Agent 僅讀取檢查結構，刻意無寫入權限。
• 確定性驗證器可跑測試、型別檢查或 Lint 作為客觀神諭。
• 模型基礎與確定性判定融合為整體裁決。

若 QA、架構或具約束力驗證器發現問題，Argo 將判定歸因至受影響任務。僅這些任務帶著具體反饋重做。隨後再次審查與驗證。無共識模式時迴圈有限；顯式選擇共識模式時，持續至用戶停止或檢查者同意。

觀察模式驗證器記錄判定但不阻擋。約束模式下硬性判定可阻止結果視為成功。由此可按運營配置檔選擇嚴格度，不犧牲可追溯性。

8. 僅當狀態經驗證：文檔與 CEO 總結

完成工作與驗證週期後，文檔 Agent 可記錄變更。隨後 CEO 層生成用戶總結：完成什麼？遺留什麼？跑了哪些檢查？涉及哪些檔案或決策？

結果不只是聊天文本。執行擁有共同標識，串聯計畫、模型選擇、成本、動作、驗證裁決、用戶中斷與後續補丁決策。由此可追溯 Argo 如何得出結果。

9. 最後由人決定真實工作區

預設 Argo 在隔離 worktree 工作。變更作為補丁存在，非靜默進入真實專案。視自主權階層，隨後發生三種情況之一：

• 補丁保留供採納、部分採納、編輯或捨棄。
• 成功補丁自動採納。
• 與間時修改檔案衝突時 Argo 可見停止；不覆蓋外部變更。

失敗執行不自動應用。高自主配置也不會解除策略：密鑰保護、命令規則、供應商邊界、預算限制與必要人工關卡持續生效。

編排引擎的成果

編排引擎不只決定下一個回答的模型。它將用戶意圖、設定、規劃、並行化、模型選擇、工具使用、錯誤修正、品質保證與安全採納串聯為連貫流程。

衡量標準非「盡可能多 Agent」。額外工作僅在有理據處產生：困難架構決策用更強模型、不確定性時第二思考路徑、驗證器異議後針對性重試、或風險生效前的人工批准。

航向已定。