设备修好不等于商品安全,独立验证每一次关键处置
团队:逐光|夏志强(浙江吉利控股)、马荣(OPPO)
领域:零售连锁 / Agent Infra(世界人工智能开源大赛 GOAI 2026 决赛参赛作品)
核心原则:对于证据不足、处置未完成或商品仍存在风险的情况,系统继续保持停售并阻止事件关闭,是设计中的正确结果,而不是流程失败。
逐光是参赛队伍名称;店巡 Agent是面向连锁便利店的多 Agent 异常闭环基础设施,也是 GOAI Agent Infra 赛道参赛作品。项目采用“一主两辅”展示策略:以冷柜失温事件作为首要完整验证场景,缺货与价签异常作为可独立运行的补充场景。
队名统一为逐光;作品名与产品能力统一为店巡 Agent,dianxun 保持为工程包、命令与资源前缀,仓库地址保持 zhuguang。
决赛二轮反馈交接:队友部署服务端请先读部署与取证手册,再按统一待办 F01–F08逐项验收。真实 AT/PolarDB 环境暂未提供,外部运行项保持待验。
服务端新增 /operations 只读事件追溯页,支持按门店身份查看设备、商品、Worker 输出和独立核验;已有运行库可用 scripts/capture_runtime.py 封存并离线回放。场景接入、AT 消息关联、PostgreSQL 导出及恢复对账命令见交接手册。
2026-09-17 现场部署记录:广州承载控制端,Worker 分布于上海、首尔、新加坡及 AWS 东京;Executor 已从下线节点迁入东京。详见部署与 Worker 核查。容器和心跳验证不代表 F02 真实业务主链通过。
当前材料见文档中心与决赛讲稿。09-12 准备稿中的 VeriAgent 为工作标题,不据此改变上面的仓库作品名。本地文档/门户重建不代表以下网站已同步发布。
作品名称:店巡 Agent
参赛队伍:逐光(第 3 组|第 13 队 · GOAI 赛道一 Agent Infra)
历史展示入口:https://mazhi.icu/zhuguang/(备用镜像:https://mazhi.icu/dianxun/)
| 体验通道 | 访问地址 | 说明 |
|---|---|---|
| 🌟 历史评审与演示入口 | https://mazhi.icu/zhuguang/ | 历史展示站,含模拟架构交互与场景资料;实际部署版本另核 |
| 🌟 店巡镜像备用入口 | https://mazhi.icu/dianxun/ | 同步备用镜像地址 |
| 📑 方案 PPT 在线演示 | https://mazhi.icu/zhuguang/ppt/ | 历史 PPT 地址;本地源为12页,线上版本本轮未核验 |
| ⬇️ 历史方案 PDF | https://mazhi.icu/zhuguang/ppt/店巡Agent方案.pdf | 历史导出,不能代表当前稿或正式提交回执 |
| 📊 事故指挥台 (六场景完整版) | https://mazhi.icu/zhuguang/command-center.html | A-F 合成场景的状态与证据展示,不能代替真实传感器数据 |
| 🤖 公开状态快照接口 | https://mazhi.icu/zhuguang/status.json | 必须核对原始观测时间、来源及版本;不能由配置推断当前在线 |
| 评审关注点 | 逐光的回答 |
|---|---|
| 解决什么真实问题 | 冷柜失温跨越设备、商品、审批、维修和复核,真正的交付单位不是“发出告警”,而是“安全关闭事件” |
| 为什么需要多 Agent | 总控、巡检、诊断、处置、稽核职责分离;执行者不能自行宣布成功,Auditor 必须独立重查事实 |
| 如何约束风险 | 所有受控写经过业务角色、Policy/审批、幂等和审计;设备恢复不等于商品安全,工单完成不等于事件关闭 |
| 如何证明不是概念稿 | 6 个确定性冷柜场景、161 个测试用例、6 个 P0 Skill、12 个 P0 MCP、3 个可选知识 MCP 和可复现 Evidence 均在仓库内 |
| 如何扩展 | 冷柜承担主叙事;缺货、价签保留独立入口,验证同一闭环基础设施可复用,而不稀释答辩重点 |
当前仓库已完成有状态业务核心、冷柜五阶段闭环、AgentTeams v1.2.3 Worker/MCP 部署产物,以及与实现一致的参赛材料。真实 Team Room、Worker 委派、Kubernetes Running 状态、Worker → MCP 身份绑定和平台 Trace 仍需在外部 AgentTeams 环境动态验证,仓库内结果不能替代该证据。
要求 Python 3.11+ 和 uv。从仓库根目录执行:
uv sync --group dev
uv run dianxun evaluate评测会在临时 SQLite/Trace 数据库中运行 6 个正常与失败分支,确定性重写 evidence/m4/results.json 和 evidence/m4/report.md;只有全部本地 P0 门禁通过才退出 0。
进一步的架构证据与可视化入口:
uv run dianxun ablation # 消融对照:full / no_auditor / single_agent / rule_only
uv run dianxun command-center # 生成 evidence/m4/command-center.html 事故指挥台消融对照在同样六个场景上分别改变一个声明变量(移除 Auditor 独立验证、合并为单一身份、替换为纯规则根因排序),确定性重写 evidence/m4/ablation.json 和 evidence/m4/ablation.md;事故指挥台把六个场景的 Agent 交接链、设备状态链、商品批次处置、审批、审计与 Auditor 判决渲染成同屏只读 HTML。
| 结论 | 当前结果 | 证据 |
|---|---|---|
| 冷柜 P0 场景 | 6/6 通过 | evidence/m4/report.md |
| Ground truth Top-1 / Top-3 | 6/6、6/6 | evidence/m4/results.json |
| Evidence 关键字段完整率 | 45/45 | 同上 |
| 适用阶段 Trace 覆盖率 | 26/26 | 同上 |
| 未授权写、未审批受控写、错误放行、错误关闭、重复副作用 | 均为 0 | 同上 |
| 消融对照:无 Auditor | 5 个需修复场景安全阻断于 VERIFY/BLOCKED;自证关闭、放行尝试、错误关闭、危险放行均为 0 | evidence/m4/ablation.md |
| 消融对照:单一身份 / 纯规则 | 单一身份 6 次受控写全被 Policy 拒绝(保持 OPEN);纯规则 Top-1 降至 4/6、2 张错派工单、安全违规 0 | 同上 |
| 事故指挥台 | 六场景同屏只读 HTML(交接链、温度曲线、批次处置、审批、审计、判决) | evidence/m4/command-center.html |
| 自动化测试 | 161 项发现:159 通过、2 个 PolarDB 条件集成测试因本机无 DSN 跳过(2026-09-16 macOS) | uv run --group dev python -W error::ResourceWarning -m unittest discover -v |
| 隔离 PostgreSQL 补充实测 | 2026-09-16 首尔 PG16 两项条件测试 2 通过/0 跳过,另有 foreign table 与实际导出恢复回归;不是托管 PolarDB 或真实平台验收 | 当前进度、部署与取证 |
| 协调上下文生命周期 | 租户隔离、TTL、WAL、乐观版本、lease/heartbeat、唯一超时重派和 checkpoint 重启恢复已通过本地并发测试 | src/dianxun/context_bus.py、src/dianxun/coordination.py、tests/test_context_lifecycle.py |
| 运行可观测性 | /metrics 提供低基数工具调用量、结果、耗时 histogram 和鉴权失败计数 |
src/dianxun/metrics.py、tests/test_adversarial_hardening.py |
| 协调恢复演练 | 本地 SQLite 的 WAL、stale writer、lease、唯一 successor、checkpoint 重启恢复和五阶段完成全部通过 | evidence/operations/recovery-drill.json |
| PolarDB PostgreSQL 后端 | 代码与 SQL 契约已实现,外部待验证 | src/dianxun/state/postgres.py、src/dianxun/state/sql/ |
| 知识飞轮 | 候选、人工审核、发布、检索及 Recall@K/MRR 已实现;真实门店改善率未验证 | tests/test_knowledge_flywheel.py |
| AgentTeams 动态协同 | 外部待验证 | agentteams/README.md |
| AgentTeams → MCP 身份绑定 | 外部待验证 | Adapter 已强制 Token → Actor 和工具级角色白名单;Deployment 仅声明 Secret 引用,尚无动态 Worker 映射实跑证据 |
上述指标来自固定 seed、隔离的真实 SQLite/PolicyEngine 和有状态本地 Adapter/ScenarioEngine,只证明仓库内确定性行为,不代表真实门店收益、监管合规或生产可用性。
- 拓扑:1 个 AgentTeams Framework Manager + 5 个业务 Agent(Orchestrator、Sentry、Diagnoser、Executor、Auditor)。
- 业务流程:发现与遏制、诊断与决策、处置执行、独立验证、复盘演进。
- Skill:目标 9 个,其中 P0 核心 6 个、P1 增强 1 个、P2 补充场景 2 个;P0 由版本化 Registry 和生命周期门禁治理。
- MCP:P0 固定 12 个函数,包括 5 个查询和 7 个受控动作;P1 可选启用 3 个知识工具。
- 业务核心:
IncidentService是阶段迁移和事件状态的唯一事实入口。 - 协调控制面:tenant-bound
ContextBus只保存 assignment、checkpoint、阶段输出和 Evidence refs;SQLite 持久化使用 WAL 与expected_version条件更新,Context 完成不等于业务关闭。 - 状态后端:SQLite 保留为零依赖确定性评测底座;PolarDB PostgreSQL 是托管部署底座,业务层通过同一 StateStore 协议访问。
- 证据等级:代码、测试和真实调用齐全才标记“已实现”;有状态外部替身标记“模拟实现”;必须在目标平台运行的能力标记“外部待验证”。
- 模型:
qwen3.5-plus仅声明给目标 AgentTeams Manager/Worker;本地确定性 Demo、161 项测试和 M4 评测不调用 LLM。 - Skill:当前 6 个 P0 均为自定义可复用 Skill;
skills/registry.json固定 stable/canary release,skills/LIFECYCLE.md定义发布、兼容、升级、回滚和退役,本地 Span 记录 version/digest。目标 AgentTeams 中的发现、加载、调用和同字段 Trace 仍待动态验收;规则不要求指定云厂商 Skill。 - 鉴权:非回环监听未配置认证时拒绝启动;共享
MCP_TOKEN只读,业务写使用 Actor 映射。独立/runtime运行接口 绑定 Worker/租户/门店/角色,将租约、checkpoint 与领域事务接通;真实 AgentTeams 身份注入仍需外部验收。
机器可读事实见 config/project-facts.json,里程碑与限制见 docs/测试覆盖矩阵.md。
2026-09-07 的七项修复及兼容说明见 修复记录。当时完整本地回归为 105 项发现、103 通过、2 条件跳过;新增 CI 矩阵和 Docker 门禁尚未在 GitHub 运行。当时门户/手册由模板重建;现行生成入口与历史归档见门户维护。
运行接口的阶段输出恢复、失败事务回滚及重新处置闭环已纳入测试矩阵;远端 CI 和目标部署需另行按发布 SHA 验证。
项目没有删除缺货和价签能力,而是把展示层次收敛为“一主两辅”。冷柜事件同时具备安全遏制、设备诊断、商品批次处置、人工审批、外部维修、独立验证和失败回开,能够在一条事件链中证明多 Agent 协作的必要性。缺货与价签继续保留独立入口,用于证明底层能力可扩展,但不与冷柜争夺主叙事。
系统坚持两个业务约束:设备恢复不等于商品安全,工单完成不等于事件关闭。Executor 只能执行受控动作;Auditor 必须重新查询设备、商品批次、停售、审批和工单状态;最终 RESOLVED / CLOSED 由 IncidentService 按规则聚合。
1. 发现与遏制
Sentry 识别异常;Executor 先停售并隔离受影响批次
2. 诊断与决策
Diagnoser 输出证据关联的 Top-K 假设;Policy 决定是否需要审批
3. 处置执行
Executor 经授权创建工单、处置批次或等待人工输入
4. 独立验证
Auditor 重新查询业务事实;partial 或不安全结果会阻断关闭或回开
5. 复盘演进
Auditor 生成复盘与待审知识候选;不虚构 RAG 命中或自动发布
主阶段之外,事件还独立记录 incident_status、work_status、审批、工单、商品批次和停售状态,以表达等待、失败和并发,而不是把所有信息压进一条线性状态机。
💡 在线交互演示:点击上方动态流向图(或访问 https://mazhi.icu/zhuguang/architecture-flow.html),可在浏览器中体验五阶段单步高亮、各 Agent 决策边界说明与自动循环演练。
展开查看 Mermaid 拓扑源码
flowchart LR
Input[异常或人工任务] --> O[Orchestrator<br/>拆解与汇总]
O --> S[Sentry<br/>发现与遏制]
O --> D[Diagnoser<br/>诊断与决策]
O --> E[Executor<br/>受控执行]
O --> A[Auditor<br/>独立验证与复盘]
S --> Core[(IncidentService<br/>唯一业务事实入口)]
D --> Core
E --> Core
A --> Core
Core <--> MCP[12 个 MCP<br/>设备·库存·停售·审批·工单]
Guard[业务角色·Policy/审批<br/>幂等·审计] -.约束.-> E
A -.不通过则阻断关闭或回开.-> Core
AgentTeams 负责目标平台中的任务拆解与 Worker 委派;IncidentService、StateStore、Policy 和 MCP 负责业务事实与安全约束。两层不能互相冒充,平台动态协同仍以真实运行证据为准。
uv run dianxun demo-run demo/state/scenarios/coldchain-compressor-failure.json
uv run dianxun demo-run demo/state/scenarios/coldchain-sensor-false-positive.json
uv run dianxun demo-run demo/state/scenarios/coldchain-door-left-open.json
uv run dianxun demo-run demo/state/scenarios/coldchain-approval-timeout.json
uv run dianxun demo-run demo/state/scenarios/coldchain-device-recovered-goods-unsafe.json
uv run dianxun demo-run demo/state/scenarios/coldchain-workorder-query-partial.json六条路径分别验证:压缩机故障、传感器误报、门未关闭、审批超时、设备恢复但商品仍不安全、工单查询部分失败。每个 Scenario 声明预期终态;不一致时命令退出非零。
uv run python demo/run_supplementary.py stockout
uv run python demo/run_supplementary.py price-tag两个入口使用隔离的临时 Trace 数据库,只证明缺货和价签的历史能力仍可运行;冷柜验收以六场景评测为准。
uv run dianxun state-init
uv run dianxun scenario-reset demo/state/scenarios/coldchain-compressor-failure.json
uv run dianxun mcp-tools
uv run dianxun mcp-call query_device_context `
--arguments '{"device_id":"FROST-S03","facets":["temperature","health"]}'
uv run dianxun-mcp默认 Streamable HTTP / JSON-RPC Adapter 监听 127.0.0.1:8080。运行时数据库为 demo/state/runtime.db,已被 Git 忽略。
GET /live 为存活,GET /ready 与 /health 为依赖/扫描器就绪;GET /metrics 提供工具及恢复指标。仅使用固定低基数标签,不包含租户、事故、请求、Trace、Actor 或 Token;完整 SLO 与恢复口径见 docs/operations/runtime-recovery.md。
默认未配置 Token 的模式只允许回环地址上的本地 Demo;非回环绑定会直接拒绝启动。MCP_TOKEN 是共享请求认证,只允许只读工具;所有状态写必须由 MCP_ACTOR_TOKENS_JSON 或可信网关完成 Token → Actor 映射。不要把工具默认 Actor 当作网络身份。
SQLite 不被删除,它承担无云依赖的确定性回归;PolarDB PostgreSQL 是部署后端。迁移配置必须按 core → security → cron → archive 顺序由管理账号执行:
uv sync --extra postgres --group dev
$env:DIANXUN_DATABASE_URL = "postgresql://<admin>@<host>:5432/<database>?sslmode=require"
uv run dianxun db-bootstrap --profile core --profile security --profile cron --profile archive四个 profile 分别提供 pgvector/业务表、RLS 与最小 GRANT、23:00 复盘入队及 cron.job_run_details 监控视图、面向已配置 OSS 外部表的审计分区复制与复核。pg_cron 只入队,不在数据库内执行 Agent 或 LLM;OSS 归档函数默认不删除源分区。
知识链路默认关闭,通过 DIANXUN_ENABLE_P1_TOOLS=1 和 DIANXUN_RAG_ENABLED=1 启用。Auditor 只能创建 pending 候选;独立人工审核且脱敏通过后才会生成向量并进入检索。离线 hash embedding 只用于确定性测试,生产可配置 HTTPS 的 OpenAI-compatible embedding endpoint。
Linux/macOS 只需去掉 PowerShell 的反引号续行;其余命令相同。
# 模拟数据完整性
uv run python scripts/generate_demo_data.py --check
# 确定性协调恢复演练
uv run python scripts/recovery_drill.py --check
# 全量测试
uv run --group dev python -W error::ResourceWarning -m unittest discover -v
# 代码质量
uv run --group dev ruff check .
uv run --group dev ruff format --check .
# 确定性 Worker ZIP
uv run python scripts/build_worker_package.py
uv run --group dev python -m unittest -v tests.test_agentteams_artifacts当前 Worker ZIP SHA-256:
6f3a9e590ee85b7336b529488e82f979ea3e3d04c1d1fbda2f1dd397bbc5289b
5 个 Worker 的下载地址均固定到不可变 commit 5014ce872c81ff78c36a44c7c5f70b7bc29e2897;契约测试禁止退回可漂移的 main URL。历史线性化记录保留旧新提交映射;已核对固定下载包字节及 SHA-256 不变,双平台复现记录仍对应原历史版本。
AgentTeams 版本固定为 v1.2.3(commit 223ddc2b8073e4c8b93bcbb15e1d717f196c04d9),CRD 为 agentteams.io/v1beta1,Manager/Worker runtime 为 qwenpaw。构建、部署和动态验收步骤见 agentteams/README.md。
qwen3.5-plus只用于目标 AgentTeams Manager/Worker 的任务拆解、结构化协作和工具编排;本地uv run dianxun evaluate不调用它,因此 6/6 和 161 项测试不是模型效果指标。- 模型凭证只允许由目标 AgentTeams/Kubernetes 运行时通过 Secret、环境变量或外部密钥系统注入;仓库 YAML、Worker ZIP、Trace 和视频不得包含 Key。
- 模型费用取决于实际提供商、输入/输出 Token、调用次数和部署资源;当前没有真实平台运行账单,不能给出已验证成本。
- 可替换为 AgentTeams/QwenPaw 支持且满足结构化输出与工具调用要求的兼容模型。迁移通常不改领域模型和 MCP 契约,但必须调整
spec.model/提供商凭证,并重跑结构化输出、工具调用、延迟、费用与安全回归。
config/ 机器可读事实与版本化 Demo Policy
data/ 缺货、价签等补充场景的合成样例数据
schemas/ Incident、MCP、Scenario Schema
src/dianxun/ 领域核心、Skill、MCP、Adapter 与评测器
skills/ P0 Skill 契约、Registry、生命周期及规划/兼容说明
demo/ 六个冷柜场景、两个补充入口和运行时状态
agentteams/ Manager、Team、Worker 与 MCP Kubernetes 资源
packages/ Worker 包源与 MCP 镜像构建上下文
scripts/ 数据生成和确定性制品构建脚本
dist/ Worker ZIP 与 SHA-256
tests/ 单元、集成、契约与评测门禁
evidence/m4/ 脱敏、可复现的本地评测结果
evidence/operations/ 确定性本地恢复演练证据
.github/ CI、Pull Request 与 Issue 模板
ppt/ HTML 演示稿源文件与导出 PDF
docs/
README.md 文档导航
待办.md 唯一工作清单与验收标准
技术说明.md 角色、Skill、MCP、事务与场景
测试覆盖矩阵.md 当前实现和测试证据
competition/ 现行讲稿、简介与原位保留的历史 PDF
operations/ 部署、运行恢复与 Git 历史映射
assets/ 生成的架构 SVG
完整文档导航见 docs/README.md,交付包与业务源码的边界见 packages/README.md。
统一入口见 docs/README.md。文档只保留一份待办,技术和运维说明描述当前用法。
| 入口 | 内容 |
|---|---|
| 待办 | 工程、平台、业务验收与交付 |
| 技术说明 | 角色、Skill、MCP、事务与场景 |
| 测试矩阵 | 当前实现与本地证据 |
| 运行与恢复 | Worker、监测、恢复与回滚 |
| 部署与发布 | 服务、门户、PDF与发布边界 |
| 比赛材料 | 讲稿、简介、历史 PDF与勘误 |
协作入口:CONTRIBUTING、SECURITY、CHANGELOG、CI。
- 冷链 Policy 只用于比赛合成数据,不替代商品标签、企业 HACCP、设备说明书或所在地法规。
- POS、库存、IoT、审批和维修商均为有状态 Mock;没有真实企业接口、真实人员 SLA 或真实食品处置授权。
- PolarDB/pgvector/RLS/分区/pg_cron/归档契约和可选知识飞轮已有代码与静态/本地测试,但尚无托管实例、OSS、真实门店基线和生产性能证据;不得表述为云上已投产。
- 自动回滚、Nacos、Higress、RocketMQ 和 LoongSuite 仍属于规划或生产替换方向。
- AgentTeams YAML、Worker ZIP 和本地 MCP 兼容烟测不等于真实多 Agent 动态协同。
- 当前 Deployment 只强制声明 Actor Secret 引用,仓库不含真实动态 Worker 映射值;取得匿名/错误 Token 拒绝、工具级越权
FORBIDDEN和正确 Actor 审计证据前,不声明部署鉴权闭环。 - 当前 P0 使用自定义可复用 Skill;复赛规则不要求指定云厂商 Skill,不把云产品数量作为完成度证据。
- 不提交 API Key、真实审批身份、顾客数据、照片原件、运行时数据库或含敏感内容的 Trace。
多 Agent 故障恢复已有 22 项专项回归;全量结果见测试矩阵。目标平台、真实外部回执与通知渠道的验收统一在待办维护。