Poiclaw 项目蓝图：自主编程实体

1. 核心愿景

Poiclaw 不仅仅是一个聊天机器人，而是一个自主编程实体 (Autonomous Coding Entity)。该项目旨在将交互模式从传统的“对话驱动（Question-Answer）”转向“任务驱动（Task-driven）”，使智能体能够自主理解需求、编写代码、运行测试并进行自我纠错。

2. 系统解构 (模块化架构)

Poiclaw 采用分层设计，实现了能力与职责的精细化隔离：

• pi-ai [感知与智能层]:
  • 负责底层大模型的封装与适配。
  • 处理 Prompt 模板管理、Token 计算以及不同模型（如 GPT, Claude 等）的接入。
• pi-agent-core [逻辑与推理引擎]:
  • 系统的大脑。负责实现核心的“推理策略”（如 ReAct 模式）。
  • 管理任务拆解、决策生成以及智能体的状态转移。
• pi-coding-agent [专项技能层]:
  • 系统的“双手”。专门用于处理代码相关操作，包括文件读写、目录遍历、语法校验及自动化测试执行。
• pi-mom [记忆与经验层]:
  • 处理长期记忆与上下文持久化。
  • 确保智能体能够记住项目背景、用户偏好以及历史执行的成功/失败经验。

3. 运行生命周期与交互模式

Poiclaw 被设计为一个具备“生存感”的持久化服务：

• 基于 PM2 的进程管理: 通过 PM2 进行守护进程管理，使 Poicla w具备“时间意识”。它可以作为后台服务持续运行，处理长耗时任务，并能在用户退出会话后继续执行。
• 基于 IM 接口 的交互: 利用即时通讯平台（如 Telegram/Discord）实现异步任务分发。用户可以随时发送指令，并在智能体完成复杂逻辑计算或代码编写后，通过消息端接收反馈。

4. 高阶工程前沿课题

在开发 Poiclaw 的过程中，我们将应对以下四个核心挑战：

A. 效果可评估性 (Evaluation)

不仅关注文本生成的流畅度，更侧重于“功能正确性”。建立自动化评测体系（例如通过单元测试通过率、静态检查结果）来衡量智能体的真实编程水平。

B. 提示词自动优化 (Auto-Prompting)

构建一个自我迭代的反馈环。通过分析任务执行的成败记录，利用高阶模型自动改写和优化 pi-agent-core 中的系统提示词，实现 Prompt 的自动化演进。

C. 智能体沙箱 (Agentic Sandbox)

为了保证安全性，必须构建一个受控的隔离环境（如 Docker 或 WASM）。确保智能体在进行文件读写、代码执行等高权操作时，不会对宿主机系统造成破坏。

D. 多智能体协作 (Agent Teams)

从单兵作战向团队模式演进。通过引入专门的角色（如 Reviewer Agent 负责代码审计，Architect Agent 负责全局方案设计），利用多角色间的博弈与协作来解决更高复杂度的工程问题。