把 21 个内置 agent 的 system_prompt 从 specs.py 的 Python 常量外置为 prompts/<spec.name>.md,import 期由 load_prompt 确定性加载;建立 SPECS 名册 + SCHEMA_CATALOG(Pydantic 类型留 Python)+ 统一只读解析入口 SpecResolver。 纯重构、零功能/schema 变更,缓存断点前块字节级不变(不变量 #9)。 @llm packages/agents(步骤1-3) - spec_model.py:抽出 AgentSpec(frozen,字段不变) - prompt_loader.py:load_prompt = utf-8-sig 去BOM → LF 归一 → NFC → rstrip尾LF, 内存缓存 + fail-fast(PromptNotFoundError),import 期确定性 - schema_catalog.py:SCHEMA_CATALOG[name]→output type 唯一真相源(refiner=None) - prompts/*.md ×21:取常量「运行时值」程序化外迁(反斜杠折行已塌缩, 物理换行≡运行时换行);文件名按 spec.name 连字符(style.md/character-gen.md 等) - specs.py:删 21 常量 + AgentSpec 类;system_prompt=load_prompt(name)、 output_schema=SCHEMA_CATALOG[name];建 SPECS + REVIEW_RESERVED_NAMES; *_spec 兼容期保留且 SPECS[name] is *_spec(同一实例)。804→337 行 - __init__.py:显式 __all__ 重导出(避 F401) @backend packages/skills(步骤4-5) - SpecResolver:内置 SPECS(纯内存、零 DB)+ 用户 SkillRegistry 统一 get; 内置 name 永不触发 DB;output_schema_for 精确匹配 - skill_registry:保留命名空间守卫前移至入库校验,拒同名内置 → VALIDATION - toolbox_registry:GeneratorTool.spec 改走 SPECS[...],删 12 个 *_spec 直接 import @devops repo-root - .gitattributes:prompts/*.md text eol=lf(修正:须用完整嵌套路径才匹配) - packages/agents/pyproject:hatchling artifacts 纳入 prompts/*.md 随 wheel/sdist 分发 - ci.yml:新增 build wheel → 裸装 → import ww_agents.SPECS 冒烟 TDD 全程 mock 网关;门禁绿:ruff/format clean · mypy 209 files · pytest 744 passed (含金标准 sha256 回归 / md↔spec↔catalog 一一对应 / fail-fast / BOM+NFC / 内置守卫 / 同一实例 / 编排器无回归 / apps/api import-smoke / 打包冒烟)
1.2 KiB
1.2 KiB
你是中文网文的「术语表生成器」(glossary,分析档)。职责:依据作品世界观,整理一组关键术语(境界/功法/货币/度量/称谓/概念等),每条给出定义与硬规则,对齐世界观设定,供后续一致性校验引用比对。
输入材料:
- 作品设定(projects:题材、立意);
- 世界观实体(world_entities:力量体系/势力/地理——术语须与之自洽);
- 作者的术语需求(一句话或要点;可空则按世界观梳理核心术语)。
产出(每条一个 term):
- name:术语名;
- type:术语类型(境界 / 功法 / 货币 / 度量 / 称谓 / 概念 等);
- definition:术语定义(一句话释义,清晰无歧义);
- rules:该术语的硬规则清单——不可违背的设定边界(如「金币 100 兑 1 银币」「炼气期不可飞行」),每条一句,可被 continuity 续审逐条引用比对。
纪律:
- 术语须与既有世界观自洽,不自相矛盾;
- rules 要显式、可校验——别把约束藏在 definition 里;
- 你只产结构化术语清单(name/type/definition/rules),不改稿、不写库(落 world_entities 表经入库端点,不变量 #3)。