proxycast/docs/roadmap/lime-service-skill-cloud-config-prd.md

Lime 服务型技能：端优先执行、云配置同步 PRD

状态：提案
更新时间：2026-03-24
目标：吸收 Ribbi 式服务型技能入口的产品方法，但保持 Lime 的端优先执行与低云成本架构

1. 文档依据

本文不是从抽象产品概念反推，而是基于当前 lime 与 limecore 两个仓库的现役事实源编写。

lime 侧主要事实源：

• src/components/agent/chat/index.tsx
• src/components/agent/chat/components/EmptyState.tsx
• src-tauri/src/skills/README.md
• src-tauri/src/services/automation_service/mod.rs
• src-tauri/src/services/execution_tracker_service.rs

limecore 侧主要事实源：

• docs/api/lime-client-integration.md
• services/control-plane-svc/internal/model/client_bootstrap.go
• services/scene-orchestrator-svc/README.md
• services/control-plane-svc/internal/model/commercial.go

关键环境事实：

1. lime 已有任务入口、技能执行链、自动化调度链、执行追踪链。
2. limecore 已有 control-plane-svc / gateway-svc / scene-orchestrator-svc，并已有客户端 bootstrap 聚合接口。
3. bootstrap.serviceCatalog 现有语义偏商业服务目录，不适合直接承载新的服务型技能目录。
4. scene-orchestrator-svc 已定位为 Scene 运行时服务，但不应在本方案中演进为默认主执行流。

2. 背景与问题

Ribbi 这类产品最值得借鉴的，不是“49 个技能入口”或“看起来像多 Agent”，而是它把底层复杂能力包装成了用户能直接理解的服务项：

• 复制短视频
• 每日趋势摘要
• 跟踪账号表现

这种产品方式对 Lime 有吸引力，但如果简单把所有入口、参数、执行器和 OEM 配置都堆进客户端，会出现三个问题：

1. 产品入口层、执行层、配置层混在一起，客户端越来越杂乱。
2. OEM/租户差异化无法优雅下发，只能写死在本地版本里。
3. 如果为了统一而把执行迁到云端，又会把云成本做重，违背 Lime 想利用客户端算力的目标。

因此，本方案要解决的核心矛盾是：

既要获得服务型技能的产品入口优势，又不能把主执行流云化。

3. 核心判断

本方案采用如下主张：

端优先执行，云端优先配置。

具体含义：

1. lime 客户端负责即时执行、本地工作区、本地调度、本地素材与项目上下文、本地执行追踪。
2. limecore 负责 OEM/租户级目录发布、开关、排序、默认参数、版本、连接器引用，以及少量必须云托管的特例场景。
3. 默认所有服务型技能都先尝试在客户端执行，只有显式标记为 cloud_required 的场景才允许走云执行。
4. 服务型技能目录采用 云主本辅：
   • 云目录是产品默认事实源
   • 本地技能与项目级技能继续存在，但不污染 OEM 正式目录

一句话总结：

Lime 继续是工作站，LimeCore 负责目录、策略与发布，而不是默认运行时。

4. 目标与非目标

4.1 总目标

为 Lime 增加一层 ServiceSkill 产品对象，让用户以“我要完成什么任务”作为入口，而不是先理解模型、Provider 和能力开关。

目标链路：

服务型技能入口 -> 参数采集 -> 执行路由 -> 本地执行 / 云特例执行 -> 结果与追踪

4.2 子目标

1. 首页优先展示云下发的服务型技能目录。
2. 参数采集走结构化 slotSchema，不再单靠 prompt 模板。
3. 默认执行继续落在客户端 skill / agent / browser / automation。
4. 离线时仍可使用缓存目录与本地执行能力。
5. 为 OEM/租户提供目录与策略配置能力，但不引入重云执行成本。

4.3 非目标

1. 不重写 AgentChatWorkspace。
2. 不把 scene-orchestrator-svc 变成普通任务的默认执行器。
3. 不在本阶段做云端大规模内容生成或视频处理。
4. 不在本阶段做本地技能反向发布云端。
5. 不在本阶段做完整运营后台编辑器。

5. 术语与对象模型

5.1 ServiceSkill

ServiceSkill 是面向用户的产品入口对象，不等同于现有 Agent Skills 标准包。

建议最小字段如下：

字段	说明
id	服务型技能唯一标识
title	用户可理解的名称
summary	服务收益描述
category	分类，如社媒、视频、图文、运营
slotSchema	参数槽位定义
runnerType	instant / scheduled / managed
defaultExecutorBinding	native_skill / agent_turn / browser_assist / automation_job / cloud_scene
executionLocation	client_default / cloud_required
readinessRequirements	模型、浏览器、技能、项目、账号等依赖
version	目录版本或服务项版本
source	cloud_catalog / local_custom

5.2 ServiceSkillCatalog

新的客户端目录字段命名为：

serviceSkillCatalog

而不是复用现有 bootstrap.serviceCatalog。

原因：

• 现有 serviceCatalog 在 limecore 中偏商业服务目录与计费目录
• 新目录是客户端任务入口目录，语义不同
• 强行复用会让商业服务和服务型技能混成一层

建议结构：

字段	说明
version	目录版本
tenantId	所属租户
syncedAt	同步时间
items	ServiceSkill[]

5.3 SlotSchema

服务型技能的参数采集协议，首期支持以下类型：

• text
• url
• file
• enum
• platform
• region
• schedule_time
• account_list

每个槽位至少包含：

• key
• label
• type
• required
• placeholder
• defaultValue
• helpText

5.4 RunnerType 与 ExecutionLocation

runnerType 表示任务形态：

• instant：一次性交付
• scheduled：定时运行
• managed：持续跟踪或持续托管

executionLocation 表示默认执行位置：

• client_default：默认客户端执行
• cloud_required：必须云执行

约束：

• 不是所有 managed 都必须上云
• 不是所有 scheduled 都必须上云
• 只有显式声明 cloud_required 的场景才允许默认路由到 scene-orchestrator-svc

6. 系统架构

6.1 总体架构图

flowchart TB
    subgraph UX["用户交互层（Lime 客户端）"]
        Home["首页服务型技能入口"]
        Slots["参数采集 / Slot Filling"]
        Workspace["Workspace / 任务中心"]
    end

    subgraph Client["客户端运行层（lime）"]
        Cache["serviceSkillCatalog 缓存"]
        Router["执行路由器"]
        SkillRuntime["Skills / Agent Runtime"]
        Browser["Browser Assist"]
        Automation["Automation"]
        Tracker["ExecutionTracker"]
    end

    subgraph CloudControl["云端控制层（limecore）"]
        Bootstrap["control-plane-svc\nclient bootstrap"]
        SkillCatalog["serviceSkillCatalog\nOEM/租户目录"]
        Policy["开关 / 排序 / 默认参数 / 版本"]
    end

    subgraph CloudRuntime["云端特例运行层（仅 cloud_required）"]
        Scene["scene-orchestrator-svc"]
        Gateway["gateway-svc"]
        Connector["Hosted Connector / 外部连接器"]
    end

    Home --> Slots --> Router
    Home --> Cache
    Workspace --> Tracker
    Bootstrap --> Cache
    Policy --> SkillCatalog --> Bootstrap

    Router --> SkillRuntime
    Router --> Browser
    Router --> Automation

    SkillRuntime --> Tracker
    Browser --> Tracker
    Automation --> Tracker
    Tracker --> Workspace

    Router -. 仅 cloud_required .-> Scene
    Scene --> Gateway
    Scene --> Connector
    Scene -. 返回结果 .-> Workspace

6.2 职责划分

lime 客户端负责

• 首页入口展示
• 参数采集
• 本地即时执行
• 本地定时与持续任务
• 本地工作区与结果展示
• 本地执行追踪
• 云目录缓存与离线回退
• 本地自定义技能发现

limecore control-plane-svc 负责

• serviceSkillCatalog 下发
• OEM/租户级目录配置
• 开关、排序、默认参数、版本
• 客户端 bootstrap 聚合

limecore scene-orchestrator-svc 负责

• 少量 cloud_required 场景运行
• 调用 native / gateway / hosted connector
• 输出统一云端运行结果

limecore gateway-svc 负责

• 网关型模型访问
• OpenAI 兼容补全接口
• 不承担服务型技能目录职责

7. 核心流程

7.1 目录同步时序图

sequenceDiagram
    participant User as 用户
    participant Lime as Lime 客户端
    participant Cache as 本地目录缓存
    participant CP as control-plane-svc

    User->>Lime: 启动客户端
    Lime->>CP: GET /client/bootstrap
    alt 拉取成功
        CP-->>Lime: bootstrap + serviceSkillCatalog
        Lime->>Cache: 写入目录缓存(version, syncedAt, items)
        Lime-->>User: 首页展示云目录服务项
    else 拉取失败
        Lime->>Cache: 读取最近一次成功目录
        alt 缓存存在
            Cache-->>Lime: 返回缓存目录
            Lime-->>User: 首页展示缓存目录服务项
        else 无缓存
            Lime-->>User: 回退本地技能入口
        end
    end

7.2 本地即时执行时序图

sequenceDiagram
    participant User as 用户
    participant Lime as Lime 客户端
    participant Router as 执行路由器
    participant Runtime as Skills/Agent/Browser
    participant Tracker as ExecutionTracker

    User->>Lime: 选择 ServiceSkill
    Lime-->>User: 展示 slotSchema 参数采集
    User->>Lime: 提交参数
    Lime->>Router: 根据 runnerType + defaultExecutorBinding + executionLocation 决策
    Router->>Runtime: 启动本地执行
    Runtime->>Tracker: 记录 run metadata(service_skill_id 等)
    Runtime-->>Lime: 返回结果 / 产物 / 状态
    Tracker-->>Lime: 返回执行摘要
    Lime-->>User: 在 Workspace 展示结果与轨迹

7.3 云端特例执行时序图

sequenceDiagram
    participant User as 用户
    participant Lime as Lime 客户端
    participant Router as 执行路由器
    participant Scene as scene-orchestrator-svc
    participant Gateway as gateway-svc / hosted connector

    User->>Lime: 选择 cloud_required ServiceSkill
    Lime-->>User: 展示 slotSchema 参数采集
    User->>Lime: 提交参数
    Lime->>Router: 识别 executionLocation = cloud_required
    Router->>Scene: 创建 Scene Run
    Scene->>Gateway: 调用 gateway / connector
    Gateway-->>Scene: 返回执行结果
    Scene-->>Lime: 返回 Scene Run 结果
    Lime-->>User: 展示云端结果与状态

7.4 启动与目录选择流程图

flowchart TD
    A["客户端启动"] --> B{"bootstrap 拉取成功?"}
    B -- 是 --> C["读取 serviceSkillCatalog"]
    C --> D["写入本地缓存"]
    D --> E["首页优先展示云目录服务项"]
    B -- 否 --> F{"本地有缓存目录?"}
    F -- 是 --> G["读取缓存目录"]
    G --> E
    F -- 否 --> H["回退本地技能入口"]

7.5 执行决策流程图

flowchart TD
    A["用户选择 ServiceSkill"] --> B["按 slotSchema 采集参数"]
    B --> C{"必填参数齐全?"}
    C -- 否 --> D["继续补参"]
    D --> B
    C -- 是 --> E{"readiness 满足?"}
    E -- 否 --> F["提示缺失模型/浏览器/技能/账号"]
    E -- 是 --> G{"executionLocation"}
    G -- client_default --> H{"runnerType"}
    H -- instant --> I["路由到 native_skill / agent_turn / browser_assist"]
    H -- scheduled --> J["创建本地 automation job"]
    H -- managed --> K["创建本地持续任务 / automation job"]
    G -- cloud_required --> L["创建 Scene Run"]
    I --> M["进入 ExecutionTracker 与 Workspace"]
    J --> N["进入任务中心与本地调度"]
    K --> N
    L --> O["展示云端运行结果"]

7.6 任务生命周期流程图

flowchart LR
    A["创建 scheduled / managed 任务"] --> B["待运行"]
    B --> C["运行中"]
    C --> D{"执行结果"}
    D -- 成功 --> E["写入历史结果"]
    E --> F["等待下次运行"]
    F --> C
    D -- 失败 --> G["记录失败原因"]
    G --> H{"是否重试 / 下次调度?"}
    H -- 是 --> F
    H -- 否 --> I["暂停 / 停止"]

8. 产品与接口设计

8.1 目录事实源

采用 云主本辅：

• 云目录：默认首页产品事实源
• 本地技能：补充来源
• 项目级技能：本地能力延伸，不写回 OEM 目录

展示策略：

1. 首页优先展示 source = cloud_catalog 的服务型技能。
2. 本地技能放在“本地技能 / 自定义技能”分组。
3. 不允许用本地同名覆盖云目录入口。

8.2 客户端 bootstrap 扩展

建议在现有 bootstrap 中新增：

{
  "serviceSkillCatalog": {
    "version": "2026-03-24-v1",
    "tenantId": "tenant-0001",
    "syncedAt": "2026-03-24T00:00:00Z",
    "items": []
  }
}

不建议复用现有：

• serviceCatalog
• sceneCatalog

原因：

• serviceCatalog 偏商业计费目录
• sceneCatalog 偏云运行场景目录
• ServiceSkill 是前台产品入口目录，语义独立

8.3 本地缓存模型

客户端缓存最小结构：

字段	说明
tenantId	当前租户
version	云目录版本
syncedAt	最近同步时间
items	缓存的 ServiceSkill[]

缓存规则：

1. 启动时优先拉取在线目录。
2. 拉取失败时回退缓存。
3. 缓存只作为只读目录快照，不承载用户编辑。

9. 默认执行策略

9.1 规则

默认执行位置如下：

runnerType	默认执行位置	默认绑定
instant	客户端	native_skill / agent_turn / browser_assist
scheduled	客户端	automation_job
managed	客户端	automation_job 或本地持续任务模型

只有下列情况才允许 cloud_required：

1. 必须使用受保护的云连接器密钥
2. 必须跨设备持续在线
3. 必须依赖租户侧受控外部系统

9.2 成本原则

本方案明确规定：

1. 云端默认不承担 CPU 密集型内容生产任务。
2. 云端默认不承担大规模定时创作。
3. 云端默认不承担普通技能主执行流。
4. 所有能在客户端执行的任务，默认都应留在客户端。

10. MVP 范围

首期只做 6 个服务型技能入口，覆盖三类 runner。

服务型技能	runnerType	executionLocation	默认执行绑定
复制轮播帖	instant	client_default	native_skill
复制短视频脚本	instant	client_default	agent_turn
文章转 Slide 视频提纲	instant	client_default	native_skill
视频配音成其他语言	instant	client_default	agent_turn
每日趋势摘要	scheduled	client_default	automation_job
跟踪账号表现	managed	client_default	automation_job

首期不把这些默认迁到云端。

11. 实施阶段

Phase 1：目录与即时执行

• limecore 下发 serviceSkillCatalog
• lime 接收并缓存云目录
• 首页展示服务型技能卡片
• 跑通 instant + client_default

Phase 2：本地任务化

• 跑通 scheduled + managed
• 增加任务中心中的参数摘要、最近运行、失败原因
• 增加离线目录与本地技能并存展示

Phase 3：云端特例分支

• 为少量 cloud_required 场景接入 scene-orchestrator-svc
• 增加客户端提示与状态展示
• 完善 OEM 目录版本与灰度策略

12. 验收标准

满足以下条件视为本 PRD 成立：

1. 客户端可从 bootstrap 读取独立的 serviceSkillCatalog。
2. 云目录可本地缓存，离线时可回退展示。
3. 首页可直接启动服务型技能，而不是先选模型和能力开关。
4. 参数采集由 slotSchema 驱动，而不是纯 prompt 注入。
5. 至少一个 instant、一个 scheduled、一个 managed 场景可闭环。
6. 普通服务型技能默认留在客户端执行。
7. 只有显式声明 cloud_required 的场景才允许走云执行。
8. 执行结果仍统一进入现有 ExecutionTracker 体系。

13. 风险与约束

1. 客户端职责膨胀风险
   • 如果目录、参数采集、执行、任务中心同时无边界扩张，客户端仍会变重
2. 术语冲突风险
   • serviceCatalog / sceneCatalog / serviceSkillCatalog 若不统一，会让实现和产品都混乱
3. 本地调度可靠性风险
   • scheduled / managed 留在本地会受到应用在线状态影响
4. 云执行漂移风险
   • 如果实现时偷懒把普通服务项转去 scene-orchestrator-svc，成本结构会失控

14. 结论

Ribbi 式产品方式值得借鉴，但 Lime 不应复制其重 SaaS 执行模式。

正确路线是：

把服务型技能的目录、配置、策略和版本放到 LimeCore；把主要执行留在 Lime 客户端。

这能同时满足四个目标：

1. 前台入口更清晰
2. OEM 配置可下发
3. 云成本可控
4. 客户端算力得到充分利用