system-overview.md 30 KB

lambdagentpaas 系统总览

基于形式化 λA 演算的智能体编程语言 + PaaS 执行平台

三条主线: 理论技术(形式化证明)→ 工程实现(可运行代码)→ 案例场景(真实部署)


一、系统定位

lambdagentpaas 是目前唯一用形式化证明保证 Agent 组合安全、成本上界和终止性的平台。不同于其他框架"运行时试错"的方式,它让 Agent 先编译后执行——在运行前就能静态回答四个关键问题:

  1. 这个管道能跑通吗?(T-Compose 类型检查)
  2. 跑一次最多花多少钱?(分级类型成本预测)
  3. 并行 Agent 会互相干扰吗?(Store Independence + 汇合定理)
  4. 循环会终止吗?(有界不动点 + 终止性定理)

二、系统架构图

╔══════════════════════════════════════════════════════════════════════════╗
║                          L3 应用层 — 真实案例场景                          ║
║                                                                            ║
║  ┌─────────────────┐  ┌─────────────────┐  ┌─────────────────┐          ║
║  │  qaagent67wiki  │  │  qaagent67lite │  │   agent67v2     │  │ research67│║
║  │  海事法规问答    │  │  轻量级问答    │  │   编程助手      │  │ 科研助手  │║
║  │                 │  │                │  │                 │  │          │║
║  │ 1326 海事法规    │  │ BM25+Wiki      │  │ 43 工具         │  │ 8 子智能体│║
║  │ Wiki v2 三步流程 │  │ 无需 Vector    │  │ 6 子智能体      │  │ 论文+实验 │║
║  │ 持续生长+WikiGrow│  │ <500文档轻部署  │  │ Handoff + Skill │  │ 迭代优化  │║
║  └────────┬────────┘  └────────┬────────┘  └────────┬────────┘          ║
║           │                     │                     │                  ║
╠═══════════▼═════════════════════▼═════════════════════▼══════════════════╣
║                         L2 工程实现层 (agentpaas)                          ║
║                                                                            ║
║  ┌──────────────────────────────────────────────────────────────────┐   ║
║  │    REST API (28 端点) + MCP Server (5 工具) + GitHub Action       │   ║
║  │    /agents /run /analyze /lint /cost /type-check /jobs           │   ║
║  └────────────────────────────┬─────────────────────────────────────┘   ║
║                                │                                          ║
║  ┌────────────────┬─────────────┴─────────────┬──────────────────┐       ║
║  │ Instance 机制   │    双引擎执行层              │  多租户          │       ║
║  │                │                              │                  │       ║
║  │ template/      │  ┌──────────────────────┐   │ RBAC + Quota     │       ║
║  │ instance/      │  │ Recursive (Python栈) │   │ 审计日志          │       ║
║  │ workspace/     │  │ CEK Machine (Paper II)│  │ API Key          │       ║
║  │ 深度合并        │  │ Adaptive (自动选择)   │   │                  │       ║
║  └────────────────┘  └──────────┬───────────┘   └──────────────────┘       ║
║                                  │                                        ║
║  ┌───────────────────────────────▼──────────────────────────────────┐   ║
║  │         Static Analysis — 四道编译时安全网                         │   ║
║  │  ┌─────────┐  ┌─────────┐  ┌──────────┐  ┌──────────────┐        │   ║
║  │  │  Lint   │→ │T-Compose│→ │Cost Pred │→ │ Store Indep. │ → 执行  │   ║
║  │  │26 规则  │  │类型检查 │  │分级类型  │  │Pair 汇合      │        │   ║
║  │  └─────────┘  └─────────┘  └──────────┘  └──────────────┘        │   ║
║  └────────────────────────────────┬─────────────────────────────────┘   ║
║                                    │                                      ║
╠════════════════════════════════════▼══════════════════════════════════════╣
║                    L1 理论技术层 (lambdagent / λA 演算)                   ║
║                                                                            ║
║  ┌──────────────────────────────────────────────────────────────────┐   ║
║  │                    from_config 编译器                              │   ║
║  │          YAML → λA 项 → 类型化 AST → Engine 可执行                  │   ║
║  └────────────────────────────┬─────────────────────────────────────┘   ║
║                                │                                          ║
║  ┌────────────────┬─────────────┼─────────────┬─────────────────────┐   ║
║  │  Layer 3       │  Layer 2    │   Layer 1   │   核心 λA 构造子     │   ║
║  │  Orchestration │  Pattern    │   Skill     │                      │   ║
║  │                │             │             │   11 单智能体:       │   ║
║  │  YAML 声明式    │ review      │  原子能力   │   ├─ Lam (LLM)      │   ║
║  │  业务编排       │ fan_out     │  可复用     │   ├─ Tool (外部)    │   ║
║  │                │ pipeline    │  带类型签名 │   ├─ Compose (>>)   │   ║
║  │                │ escalation  │             │   ├─ If (分支)      │   ║
║  │                │ map_reduce  │             │   ├─ Loop (Y组合子) │   ║
║  │                │ debate      │             │   ├─ Route (case)   │   ║
║  │                │             │             │   ├─ Pair/Fst/Snd  │   ║
║  │                │             │             │   ├─ Guard (验证)   │   ║
║  │                │             │             │   └─ Memory (状态) │   ║
║  │                │             │             │                      │   ║
║  │                │             │             │   5 多智能体:       │   ║
║  │                │             │             │   GroupChat/Handoff │   ║
║  │                │             │             │   AsyncPar/Channel  │   ║
║  │                │             │             │   SharedMemory      │   ║
║  └────────────────┴─────────────┴─────────────┴─────────────────────┘   ║
║                                                                            ║
║  ┌──────────────────────────────────────────────────────────────────┐   ║
║  │                   形式化理论基础 (三篇论文)                         │   ║
║  │                                                                    │   ║
║  │  Paper I   λA 类型系统     → 11 构造 + 26 lint + 类型安全定理       │   ║
║  │  Paper II  操作语义        → 23 规则 + CEK + 6 代数定律 + 汇合定理  │   ║
║  │  Paper III 类型与效果      → 15 类型规则 + 效果代数 + 分级类型      │   ║
║  └──────────────────────────────────────────────────────────────────┘   ║
║                                                                            ║
║  ┌──────────────────────────────────────────────────────────────────┐   ║
║  │          LLM Wiki 知识层 v2 (Karpathy 模式 + 持续生长)              │   ║
║  │  index.md + sources/ + entities/ + topics/ + analyses/            │   ║
║  │  三步流程: Ingest(交叉引用) → Query(多页综合) → Lint(自动修复)     │   ║
║  │  WikiGrow 主动生长 | WikiStatus 健康评分 | 6 个工具               │   ║
║  └──────────────────────────────────────────────────────────────────┘   ║
╠══════════════════════════════════════════════════════════════════════════╣
║                        L0 基础设施 (Infrastructure)                        ║
║                                                                            ║
║  LLM Providers (7)          Storage                Integration           ║
║  Anthropic/OpenAI/Ollama    SQLite/PostgreSQL      MCP / A2A 协议        ║
║  DashScope/DeepSeek         Redis/ChromaDB         Git Worktree          ║
║  Claude Code/Moonshot       Filesystem             Docker Sandbox        ║
╚══════════════════════════════════════════════════════════════════════════╝

三、理论技术 (形式化证明)

lambdagentpaas 的核心壁垒是三篇论文建立的形式化理论——这是其他框架无法快速复制的。

3.1 三大定理

定理 内容 工程价值
定理 5.3 类型安全 良类型项要么规约到值,要么是受控 guard 失败 (Progress + Preservation) Agent 组合不会出现"未定义行为"
定理 5.4 有界终止性 fix_n(λself. body) 在至多 n 步内终止 ReAct 循环保证不会无限跑
命题 30 Pair 汇合 writes(f) ∩ writes(g) = ∅ 下,Pair(f,g) 输出分布与调度顺序无关 并行 Agent 保证不冲突

3.2 关键理论构造

Paper I — λA 类型化 Lambda 演算

11 个项构造子:
  e ::= x | λx:τ. e | e₁ e₂           (标准 λ)
      | e₁ >> e₂                        (组合)
      | if e₁ then e₂ else e₃           (条件)
      | fix_n e                         (有界不动点)
      | ⟨e₁, e₂⟩ | π₁e | π₂e            (序对)
      | tool[f]                         (外部神谕)
      | case e of {l_i ⇒ e_i}          (多路分发)
      | guard e P                       (精化/验证)
      | mem e σ                         (环境扩展)
      | lam π θ                         (LLM 神谕)

Paper II — 操作语义 + CEK Machine

CEK 状态: ⟨C, E, K, σ, c⟩
  C: 当前控制 (项或值)
  E: 环境 (绑定)
  K: 延续栈 (continuation)
  σ: 存储 (memory)
  c: 成本向量 (tokens, latency, money)

核心转移规则:
  C-Lam (LLM Yield):
    ⟨lam π θ v, E, K, σ, c⟩ ═══Yield(llm)═══> ⟨str(r), E, K, σ, c+c_llm⟩

  C-Tool (Tool Yield):
    ⟨tool[f] v, E, K, σ, c⟩ ═══Yield(tool)═══> ⟨f(v), E, K, σ, c+c_tool⟩

6 条代数定律 (Theorems 36-41):
  1. 结合律: (f >> g) >> h ≡ f >> (g >> h)
  2. 左单位: Id >> f ≡ f
  3. 右单位: f >> Id ≡ f
  4. 循环展开: Loop(b,c,n) ≡ If(c, Id, b >> Loop(b,c,n-1))
  5. 路由分配: Route(c,{l_i:f_i}) >> g ≡ Route(c,{l_i:f_i >> g})
  6. 对对称: Pair(f,g) ≡ swap ∘ Pair(g,f)

Paper III — 类型与效果系统

类型语法 (Definition 1):
  τ ::= Str | Num | Bool | Json(S) | τ₁×τ₂ | τ₁ →^ε τ₂ | {x:τ | P(x)}

核心类型规则:
  T-Compose:
    Γ ⊢ f : A →^ε₁ B     Γ ⊢ g : B' →^ε₂ C     B <: B'
    ─────────────────────────────────────────────────────
    Γ ⊢ f >> g : A →^{ε₁·ε₂} C

效果代数:
  ε ::= pure | llm(m) | io | state(s) | ε₁·ε₂ | ε₁∥ε₂ | εⁿ

分级类型 (Graded Types) — 静态成本上界:
  g = (p, t, l, m)
    p ∈ [0,1]   成功概率下界
    t ∈ ℕ       token 消耗上界
    l ∈ ℝ≥0    延迟上界 (秒)
    m ∈ ℝ≥0    金钱成本上界 (美元)

组合规则:
  g₁ · g₂ = (p₁·p₂, t₁+t₂, l₁+l₂, m₁+m₂)         (串行)
  g₁ ∥ g₂ = (p₁·p₂, t₁+t₂, max(l₁,l₂), m₁+m₂)   (并行)
  gⁿ     = (pⁿ, n·t, n·l, n·m)                    (迭代)

四、工程实现 (可运行代码)

把上述理论从论文转化为生产级 Python 代码。

4.1 代码规模

lambdagent (核心 DSL)        11,300 LOC
├── primitives.py              11 个核心构造子
├── extensions.py              Par, Route, Guard, Memory
├── multiagent.py              5 个多智能体构造
├── types.py                   15 条类型规则实现
├── effects.py                 效果代数
├── cost_grade.py              分级类型 + validate_cost
├── cek_machine.py             Agent CEK Machine
├── rewrite.py                 6 条代数定律 (rewrite 优化)
├── patterns.py                6 个协作模式
├── handlers.py                Production/Test/Trace 处理器
├── fromconfig/
│   ├── compiler.py            YAML → λA 编译器
│   ├── lint.py                26 条 lint 规则
│   └── schema.py              YAML schema 校验
├── agentruntime/
│   ├── engine.py              统一 Engine 接口
│   ├── recursive_engine.py    Python 调用栈引擎
│   ├── cek_engine.py          CEK Machine 引擎
│   ├── adaptive_engine.py     自动选择引擎
│   └── react_engine.py        ReAct 7 阶段循环
└── builtin_tools/             52 个内置工具
    ├── file_tools.py          ReadFile/EditFile/WriteFile/...
    ├── qa_tools.py            QA Agent 工具 (qaagent67)
    └── wiki_tools.py          Wiki Agent 工具 (qaagent67wiki)

agentpaas (PaaS 层)           2,000 LOC
├── api/v1/                   28 个 REST 端点
│   ├── agents.py              Agent CRUD + run + stream
│   ├── analyze.py             5 个 analyze 端点
│   └── jobs.py                异步 Job API
├── engine/
│   ├── instance.py            Instance 机制 + 深度合并
│   └── dispatcher.py          Sync/Async/Stream 分派
├── registry/                  Agent 注册 + 版本 + 流量
├── tenant/                    RBAC + Quota + 隔离
└── db/                        SQLite/PostgreSQL (FIX-06 索引)

lambdagent_guard              400 LOC
├── core.py                    GuardConfig + RuntimeMonitor
├── langchain.py               guard_langchain()
├── crewai.py                  guard_crewai()
└── autogen.py                 guard_autogen() + 终止修复

测试: 503 tests, 0 failed, 0 回归

4.2 工程亮点

双引擎可切换 — Recursive 快,CEK 安全,Adaptive 自动:

# YAML 配置
runtime:
  engine: cek          # recursive | cek | adaptive
  costBudget: 5.00     # CEK 专属: 超额自动暂停
  maxSteps: 10000

# Python API
result = Runtime.execute("config.yml", "input", engine_mode="cek", cost_budget=5.0)

Instance 机制 — 一个模板多个实例:

agentexample/qaagent67wiki/              ← 模板 (Git 跟踪)
  agent-config.yml                        ← 默认配置

agentexample/instances/maritime/         ← 海事实例 (数据不跟踪)
  instance.yml                            ← 路径覆盖 (深度合并)
  wiki/                                   ← 累积知识
  knowledge/                              ← 原始文件
  workspace/run_YYYYMMDD_HHMMSS/          ← 每次 run 隔离

Run Workspace — 每次执行完整隔离:

每次 POST /agents/{id}/run 自动创建:
  {instance_dir}/workspace/run_20260406_001234/
    ├── input.txt
    ├── output.txt
    ├── trace.json
    ├── config.snapshot.yml
    └── cost.json

永不删除历史 run, 可审计可回放

MCP Server — 一行配置接入 Claude Code / Cursor:

{ "mcpServers": { "lambdagent": { "command": "python3", "args": ["-m", "lambdagent.mcp_server"] } } }

暴露 5 个 MCP 工具: lint_agent_config, estimate_agent_cost, check_agent_types, check_parallel_safety, monitor_agent_cost


五、案例场景 (真实部署)

5.1 qaagent67wiki — 海事法规问答 (主力案例)

真实规模 (2026-04-06 运行数据)

📚 海事法规知识库
  源文件:  1326 份海事法规和政策文件
  摘要页:  508 个 sources/
  实体页:  1410 个 entities/
  ├─ 机构类: 364 个 (交通运输部 150 refs, 海事局 45 refs, IMO 40 refs, ...)
  ├─ 概念类: 532 个 (行政审批/领海基线/适任证书/...)
  ├─ 法规类: 503 个 (海商法 8 refs, 海上交通安全法 7 refs, ...)
  ├─ 规章类: 4 个
  └─ 地点/文件/网站: 6 个
  主题页:  1073 个 topics/
  ├─ 船舶安全 (119 文档)
  ├─ 船员管理 (94 文档)
  ├─ 环境保护 (50 文档)
  ├─ 海洋环境保护 (31 文档)
  ├─ 船舶检验 (19 文档)
  └─ ...
  分析页:  1 个 analyses/ (查询结果自动回填)

技术栈

model:
  provider: ollama           # 本地部署
  name: qwen2.5:32b          # 32B 本地模型
  baseUrl: http://localhost:11434

runtime:
  engine: cek                # CEK 引擎 + 成本熔断
  costBudget: 1.00

mcp:
  localTools:
    - WikiIngest             # LLM 阅读 → 写 wiki 页面 → 更新索引
    - WikiQuery              # 读 index.md → 查 wiki 页面 → 回答
    - WikiLint               # 矛盾/孤页/断链检测
    - WikiSearch             # 关键词搜索
    - WikiStatus             # 统计信息

与传统 RAG 的差异

维度 传统 RAG qaagent67wiki (Karpathy 模式)
喂文件 分块 → 向量库 LLM 阅读 → 写 wiki 页面(摘要+实体+主题)
提问 搜索碎片拼凑 读已编译的 wiki 页面
知识积累 不积累 越用越丰富,交叉引用持续增长
矛盾检测 WikiLint 自动检查
可浏览性 向量库不可读 Markdown 文件,Obsidian 可直接浏览
成本 每次查询消耗 LLM Ingest 时一次性消耗,Query 时只读文件

5.2 agent67v2 — 多智能体协作版编程助手

架构: 协调者 + 6 个专业微代理,通过 Handoff + SkillRegistry 动态分派。

v1: λ = Memory(Loop(Brain >> Route(42 tools)))           # 单体, 慢
v2: λ = Memory(Loop(Coordinator >> Handoff(Registry)))    # 多智能体, 快
         ├─ code-agent    (13工具: 文件/代码/Git)
         ├─ shell-agent   (1工具: Bash)
         ├─ web-agent     (10工具: 搜索/知识库/文档)
         ├─ memory-agent  (17工具: 记忆/任务/调度/画像)
         ├─ system-agent  (4工具: 浏览器/应用/系统/截图)
         └─ researcher    (17工具: 读论文→复现→实验→记录)

三大改进:

  1. 拆分微代理: 42工具 → 6个代理, prompt 从 ~2000→~500 tokens, 首响快 2-3x
  2. Skill 复用: 每个微代理注册到 SkillRegistry, 任何编排器可复用
  3. 工具懒加载: ToolSearch 元工具按需发现, 不全量注入 prompt

编译器扩展: from_config() 新增 subAgents 支持, 子代理 inline 配置 + 懒编译。

agentexample/agent67v2/
├── agent-config.yml          # 统一配置 (协调者 + 6个子代理 inline)
├── orchestrator.yml          # 协调者独立配置
├── DESIGN.md                 # 架构设计文档
├── run.py                    # 交互式运行
├── launch_paas.py            # PaaS 部署
├── agents/                   # 5 个微代理 YAML
├── core/
│   ├── coordinator.py        # 协调者 ReAct 循环
│   └── bootstrap.py          # 从 YAML 构建完整 Term
├── skills/
│   └── registry.py           # 微代理 Skill 注册
└── tools/
    └── tool_search.py        # ToolSearch 懒加载

5.3 Research Skill Pack — 科研流程技能包

独立可复用的技能包, 封装 "读论文→复现→实验→记录" 四阶段研究流程。

Skill 职责 工具
paper-reader 搜索→阅读→提取关键信息 WebSearch, WebFetch
code-reproducer 克隆→理解→运行→对比 Bash, ReadFile, CodeSearch
experimenter 设计实验→执行→分析 Bash, WriteFile, RunTests
lab-notebook 整理笔记→报告→知识库 WriteFile, KBAdd, MemoryStore
research-pipeline 完整流程 (组合) reader >> reproducer >> experimenter >> notebook

三种使用方式:

  • PaaS 独立运行: agentpaas agent create --name researcher --config lambdagent/skillpacks/research/agent-config.yml
  • Python 调用: SkillRegistry().get("paper-reader").apply("论文标题")
  • agent67/agent67v2 内置: ResearchWorkflow 工具 / call_research 代理

    lambdagent/skillpacks/research/
    ├── __init__.py
    ├── skills.py              # 4个Skill + 1个Pipeline
    └── agent-config.yml       # PaaS 可部署编排器
    

5.4 Wiki v2 — 知识管理三步流程 + 持续生长

基于 Karpathy LLM Wiki 模式, v2 实现完整的 Ingest→Query→Lint 三步流程 + 主动生长。

步骤 v1 v2 新增
Ingest 抽取要点
Ingest 补充交叉引用 ✅ 扫描已有页面自动补 [[链接]]
Ingest 更新相关页面 10+ ✅ 反向更新已有实体页来源引用
Query 综合多页信息 🔶 ✅ 实体优先 + 标签路由 + [[链接]]跟踪
Lint 查过期引用 ✅ 检测 >90天 未更新
Lint 自动修复 auto_fix=true 创建断链占位页
WikiGrow 主动生长 ✅ 发现缺失概念 → 自动创建页面
WikiStatus 生长指标 ✅ 交叉引用数/页、健康评分

6 个 Wiki 工具: WikiIngest, WikiQuery, WikiLint, WikiSearch, WikiStatus, WikiGrow (新增)

详见: docs/wiki-v2.md

5.5 qaagent67lite — 轻量级知识问答

适用于资料少 (< 500 文档) 的领域: 财务、行政、产品手册等。

lambda (重量级) lite (轻量级) wiki (纯 Wiki)
检索路径 BM25+Vector+Graph+Wiki BM25+Wiki Wiki only
依赖 Embedding 服务 + ChromaDB 无外部依赖 LLM only
文档量 500+ < 500 任意
部署 需 GPU/NPU 任意机器 任意
适用 海事/金融等大规模 财务/行政/产品 知识编译
agentexample/qaagent67lite/
├── agent-config.yml          # BM25+Wiki, 无 Vector/Graph
├── DESIGN.md                 # 设计文档
└── scripts/
    ├── setup.py              # 一键部署 (提取→索引→Wiki编译)
    └── instance.yml.template # 实例配置模板

5.6 Demo 对比界面

左右双面板, 5 种模式任选, 按域自动适配默认值。

┌──────────────────────┬──────────────────────┐
│  [左侧下拉 ▼]        │  [右侧下拉 ▼]        │
│  ○ Lite (BM25+Wiki)  │  ○ LambdaRAG (4路)   │
│  ○ LambdaRAG (4路)   │  ○ Lite (BM25+Wiki)  │
│  ○ Wiki Only         │  ○ Wiki Only         │
│  ○ BM25 Baseline     │  ○ BM25 Baseline     │
│  ○ Direct LLM        │  ○ Direct LLM        │
└──────────────────────┴──────────────────────┘
领域 左默认 右默认 自动检测
海事 LambdaRAG Wiki domain 含 "maritime"
其他 Lite Wiki 默认

通过 instance.yml 可自定义: demo.leftDefault / demo.rightDefault

5.7 其他案例

案例 领域 使用的 λA 构造
research67 科研助手 8 个子智能体协作,从 IDEA.md → 论文完稿,使用 review + fan_out_merge
data67 数据分析 Loop + Pattern 循环优化分析报告
agentbuilder67 元智能体 用 LLM 自动构建新的 Agent 配置

六、竞争力总结

理论技术层面 (差异化壁垒)

✓ 三篇论文的形式化证明 (其他框架无)
✓ 类型安全定理 (Progress + Preservation)
✓ 终止性定理 (有界不动点)
✓ 并行汇合定理 (Store Independence)
✓ 成本单调性 (CEK 成本向量)
✓ 6 条代数定律 (可安全重构)

工程实现层面 (可运行)

✓ 13,700+ LOC 生产级 Python 代码
✓ 503 个测试, 0 失败
✓ 双引擎可切换 (Recursive/CEK/Adaptive)
✓ 28 个 REST API + 5 个 MCP 工具
✓ Instance 机制 (一模板多实例)
✓ Run Workspace 隔离
✓ 跨框架守卫 (LangChain/CrewAI/AutoGen)

案例场景层面 (已部署)

✓ qaagent67wiki:  1326 份海事法规, 2989 个 wiki 页面, Wiki v2 持续生长
✓ qaagent67lite:  轻量级问答 (BM25+Wiki), 适合 <500 文档场景
✓ agent67v2:      多智能体协作, 6个微代理 + Handoff + SkillRegistry
✓ research skills: 独立技能包, 读论文→复现→实验→记录
✓ 7+ 个内置 Agent 示例
✓ Demo 对比界面: 5 种模式左右任选对比
✓ 本地 LLM (Ollama) 零 API 成本运行

七、一句话总结

lambdagentpaas 是把"理论"、"代码"和"案例"三者打通的 Agent 平台

  • 理论上 — 三篇论文给出形式化证明,让 Agent 组合有数学保证
  • 工程上 — 13,700 行代码 + 503 测试把理论落地为可运行系统
  • 案例上 — 7 个案例覆盖大规模问答 (lambda) → 轻量问答 (lite) → 编程助手 (agent67v2) → 科研 (research) → 知识编译 (wiki)

三者缺一不可:只有理论是学术玩具,只有工程是无保证的工具,只有案例是孤立的演示。三位一体才是能站得住脚的平台


附录: 本次迭代全部文件清单

A. 新建文件 (28个)

agentexample/agent67v2/                  # 多智能体协作版
├── __init__.py
├── agent-config.yml
├── orchestrator.yml
├── DESIGN.md
├── run.py
├── launch_paas.py
├── agents/__init__.py
├── agents/code-agent.yml
├── agents/shell-agent.yml
├── agents/web-agent.yml
├── agents/memory-agent.yml
├── agents/system-agent.yml
├── core/__init__.py
├── core/coordinator.py
├── core/bootstrap.py
├── skills/__init__.py
├── skills/registry.py
├── tools/__init__.py
└── tools/tool_search.py

lambdagent/skillpacks/                   # 技能包
├── __init__.py
└── research/
    ├── __init__.py
    ├── skills.py
    └── agent-config.yml

agentexample/agent67/tools/
└── research_workflow.py                 # agent67 科研工具

agentexample/qaagent67lite/              # 轻量级问答
├── agent-config.yml
├── DESIGN.md
└── scripts/
    ├── setup.py
    └── instance.yml.template

docs/wiki-v2.md                          # Wiki v2 文档

B. 修改文件 (8个)

lambdagent/fromconfig/compiler.py        # subAgents 编译 + inline 模式
lambdagent/builtin_tools/wiki_tools.py   # Wiki v2: 交叉引用/Query增强/Lint修复/WikiGrow
lambdagent/builtin_tools/registry.py     # 注册 WikiGrow
agentexample/agent67/agent-config.yml    # +ResearchWorkflow
agentexample/agent67/core/assistant.py   # +research_workflow 注册
agentexample/qaagent67wiki/agent-config.yml  # Wiki v2 prompt + WikiGrow
agentexample/qaagent67lambda/scripts/app.py  # Demo 双下拉 + lite_answer
docs/system-overview.md                  # 本文件