proxycast/docs/roadmap/managed-objective

Lime Managed Objective 路线图

状态：proposal
更新时间：2026-05-05
目标：把“一轮 agent turn”升级为“围绕一个业务目标持续推进，直到完成、阻塞、需要输入或耗尽预算”，同时确保执行仍收敛到 Lime current 主链。

依赖文档：

• ../../research/codex-goal/README.md
• ../../aiprompts/query-loop.md
• ../../aiprompts/task-agent-taxonomy.md
• ../../aiprompts/state-history-telemetry.md
• ../../aiprompts/harness-engine-governance.md
• ../creaoai/README.md

配套文档：

• ./architecture.md
• ./implementation-plan.md
• ./diagrams.md
• ./prototype.md

1. 这套路线图回答什么

Managed Objective 回答的问题是：

当用户给出一个可判断完成的目标后，Lime 如何在多轮 agent turn / subagent turn / automation job 之间持续推进它，并在正确的时候停下来。

它不回答：

1. skill 如何生成。
2. tool 如何注册。
3. 模型如何选择。
4. automation job 如何调度。
5. evidence pack 如何导出。

这些能力分别已有自己的 current 主链。Managed Objective 只能消费它们，不能替代它们。

这也是为什么实现 CreoAI 方向时，不能只实现 Managed Objective：Coding Agent / Skill Forge 仍然必须作为上游能力生成层单独落地，详见 ../creaoai/coding-agent-layer.md。

2. 先给结论

Managed Objective 是 目标推进控制层，不是新 runtime。

固定判断：

1. 前台继续走 agent turn。
2. 协作继续走 subagent turn。
3. 后台继续走 automation job。
4. 续跑继续通过 agent_runtime_submit_turn / runtime_queue。
5. 完成审计继续消费 artifact / thread_read / evidence pack。
6. Workspace 只展示 objective 状态，不反向定义完成真相。

一句话：

Managed Objective 让现有执行实体“知道为什么继续、何时停止”，但不新增第四类执行实体。

3. 固定主链

后续所有实现必须收敛到下面这条链：

用户目标 / 成功标准
  -> 绑定 owner：agent session / subagent session / automation job
  -> objective state：目标、状态、预算、阻塞原因、审计摘要
  -> continuation policy：是否允许启动下一轮
  -> agent_runtime_submit_turn / runtime_queue
  -> Query Loop / tool_runtime / automation service
  -> timeline / artifact / thread_read / evidence pack
  -> completion audit
  -> continue / needs_input / blocked / budget_limited / completed / failed / paused

这条主链意味着：

1. objective state 只保存目标推进状态，不保存另一份执行历史。
2. continuation policy 只决定是否发起下一轮，不执行工具。
3. completion audit 只消费 current 事实源，不让模型自报成为唯一依据。
4. durable 后台能力必须落到 automation job，不允许 objective 自己当 scheduler。
5. 子代理推进必须仍是 child session / subagent turn，不允许 objective 自己创建团队 runtime。

4. current / compat / deprecated / dead 分类

current

后续继续强化的主路径：

1. agent_runtime_submit_turn -> runtime_turn -> runtime_queue -> stream_reply_once。
2. agent turn / subagent turn / automation job 三类一等执行实体。
3. SessionDetail / AgentRuntimeThreadReadModel 状态读模型。
4. agent_runtime_export_evidence_pack 证据事实源。
5. automation job 作为 durable 后台承载。
6. Workspace artifact / task center / evidence UI 作为展示面。

compat

允许短期存在、但只能做适配的路径：

1. 将旧 prompt 续写语义映射为明确的 objective metadata。
2. 将现有 automation payload 适配为 objective owner。
3. 将已有 thread summary 显示为 objective audit 的辅助上下文。

退出条件：这些适配一旦能直接从 current state / evidence 读取，就删除兼容映射。

deprecated

禁止继续扩展的方向：

1. 只靠 slash command 实现 /goal，但没有持久状态与审计。
2. 在 Query Loop 外新增 objective runner。
3. 让 automation job、UI、review 各自判断“目标是否完成”。
4. 给 objective 新增独立 queue、scheduler、tool registry 或 evidence exporter。
5. 把 auto_continue 当成 persistent objective。

dead

可以直接否定的方向：

1. goal_runtime 作为第四类 runtime taxonomy。
2. objective_evidence 作为 evidence pack 的平行事实源。
3. 未绑定 owner 的后台 objective 自动执行。
4. 未经 artifact / evidence / thread_read 审计的自动完成状态。

5. 与 Codex /goal 的关系

Codex /goal 给 Lime 的启发是：

persistent thread goal（同一会话线程上的持久目标状态）
  -> idle continuation
  -> completion audit
  -> budget / pause / resume / complete

这条链在研究文档里称为 thread goal loop：

1. thread 是会话线程，不是系统线程。
2. goal 是绑定在该线程上的持久目标状态。
3. loop 是 runtime 在每轮 turn 结束后检查是否要继续发起下一轮 continuation turn。

但 Lime 不能照搬：

1. Codex /goal 是 thread-level experimental feature。
2. 它没有 Lime 的 automation job / workspace artifact / evidence pack 体系。
3. 它没有 needs_input / blocked / failed / verifying 这类业务状态。
4. 它的完成判断更依赖 prompt discipline，Lime 必须引入结构化 evidence audit。

因此本路线图只借鉴 runtime pattern，不复制 command surface。

6. 与 CreoAI / Skill Forge 的关系

CreoAI 路线图关注：

能力生成 -> Skill / Adapter 编译 -> verification gate -> 注册 -> 执行

Managed Objective 关注：

已存在的执行实体 -> 围绕目标继续推进 -> 审计完成或停止

二者关系：

1. Skill Forge 生产可复用能力。
2. Managed Objective 驱动这些能力围绕目标持续运行。
3. automation job / subagent / Query Loop 仍是实际执行者。
4. evidence pack 仍是完成审计事实源。

固定边界：

不要把 Managed Objective 塞进 Skill Forge，也不要把 Skill Forge 当作 objective runtime。

7. 首个推荐场景

推荐首个场景仍然保持低风险：

给一个已验证的只读 workspace-local skill 创建每日目标：每天 9 点生成 Markdown 趋势摘要，直到满足“连续 7 天产出并无失败”或用户暂停。

这个场景能覆盖：

1. objective 绑定 automation job。
2. 每次运行走 Query Loop。
3. artifact 保存 Markdown 报告。
4. evidence pack 记录 skill 调用、产物、失败和审计。
5. completion audit 判断是否继续。
6. 失败时进入 needs_input / blocked，而不是盲目续跑。

首期不做：

1. 外部发布。
2. 自动下单或付款。
3. 自动改价。
4. 跨 workspace objective。
5. 多 agent 自主扩队。

8. 先读顺序

建议按下面顺序阅读和实现：

1. ../../research/codex-goal/README.md
2. ../../aiprompts/task-agent-taxonomy.md
3. ../../aiprompts/query-loop.md
4. ../../aiprompts/state-history-telemetry.md
5. ./architecture.md
6. ./implementation-plan.md
7. ./diagrams.md

9. 完成判定

这套路线图完成时，Lime 至少应该能做到：

1. 用户能给 agent session 或 automation job 设置明确目标。
2. 系统能保存 objective state，并在 app 重启后恢复。
3. 系统能在安全条件满足时触发下一轮 continuation turn。
4. 系统能在证据不足、缺输入、阻塞、预算耗尽时停止自动续跑。
5. 系统能用 evidence pack / artifact / thread_read 支撑完成审计。
6. Workspace 能展示目标、状态、下一步、阻塞原因和证据入口。

一句话：

目标推进不是“AI 再努力一点”，而是 runtime 用状态、预算、证据和停止条件把多轮执行管起来。