Module 4: AI Factory 七层架构

当你理解了三大支柱，就可以构建完整的AI工厂了。

4.1 七层架构全景

📐 查看Graphviz源码 (00-five-layers.dot)

// 见 dots/00-five-layers.dot

4.2 逐层解析

Layer 1: Intent Capture（意图捕获）

• 产品需求、Bug报告、客户支持信号、路线图项、内部需求
• 关键：意图必须被结构化，不是一句"帮我加个CSV导出"

Layer 2: Spec & Issue Framing（规范化需求）

• 有约束的指令 + 验收标准 + 上下文链接
• Red Hat方法：两阶段工作流（Impact Map → Structured Task）

📐 查看Graphviz源码 (05-redhat-workflow.dot)

// 见 dots/05-redhat-workflow.dot

Layer 3: Context & Instruction（上下文与指令）

• 对应 Module 1 的全部内容

Layer 4: Execution（执行）

• 一个或多个Agent编辑代码、调用工具、运行命令
• Stripe模式：开发者发任务 → Agent写代码 → Agent过CI → Agent开PR → 人审核合并
• LangChain中间件模式：

Layer 5: Verification（验证）

• 测试、静态分析、Review Agent、CI、人工签字
• 核心准则：验证胜过建议

Layer 6: Isolation & Permission（隔离与权限）

• Worktrees、沙箱、运行时隔离、Secret边界、审批流
• Git Worktree让多个Agent可以并行工作在不同分支

Layer 7: Feedback（反馈）

• 生产遥测、客户信号、Review结果、反复失败 → 反馈到规则/提示/流程
• 形成闭环：Layer 7 → Layer 1

4.3 Harness架构模式（来自Salesforce）

根据任务复杂度，选择不同的Harness架构模式：

模式1: 单线程监督者（Single-Threaded Supervisor）

最简单的形式：Harness包裹单个模型执行循环，监控每一轮对话，检测错误或安全违规。

适用场景： 客服Agent帮用户重置密码、代码补全、单文件修改等简单任务。

模式2: 多Agent协调（Multi-Agent Coordination）

Harness作为Hub-and-Spoke模式的调度器，管理多个专家Agent：

营销活动项目示例：

Harness（调度器）
  ├── 研究Agent → 收集市场趋势数据
  ├── 写作Agent → 基于研究生成广告文案
  └── 合规Agent → 审查文案的法律合规性

Harness管理Agent之间的"交接"：
确保每个Agent只接收来自上一步的相关上下文，而非全部数据

选择指南：

维度	单线程监督者	多Agent协调
复杂度	单步骤、线性任务	多步骤、需要不同专业能力
并行性	串行	可并行
成本	低	中到高（多模型调用）
典型场景	客服、代码补全	营销、DevOps流水线、大型重构

4.4 缺失任何一层的后果

缺失层	后果	真实症状
无需求规范	快速实现模糊的意图	Agent写了一堆代码但解决的是错误的问题
无上下文纪律	昂贵的瞎摸索	Agent发明不存在的API，幻觉文件路径
无验证	规模化的Vibe Coding	代码能编译但逻辑错误，技术债指数级增长
无隔离	不受控的并行	多Agent互相覆盖代码，合并冲突不断
无反馈闭环	换个包装重复犯错	同样的Bug在不同PR中反复出现

投资优质Harness的战略收益（Salesforce总结）： 可靠性（可回滚到安全状态）、模型无关性（换模型不用重写业务逻辑）、成本控制（缓存减少重复调用）、安全合规（所有Agent操作可审计）。

4.5 🔬 Lab 4: 七层架构桌面推演

任务： 选一个你公司的真实需求，用七层架构框架做一次完整的桌面推演：

1. 写出Intent
2. 写出Structured Spec
3. 设计Context（AGENTS.md内容）
4. 规划Execution（哪些Agent做什么）
5. 设计Verification（什么测试/检查）
6. 规划Isolation（如何隔离）
7. 设计Feedback（如何闭环）