by 运行时依赖
安装命令
点击复制技能文档
Agentic Engineering 范式层：先判断，再行动 框架选择是第一个决策。选错范式，执行再好也是南辕北辙。
任务交付型（Task-Delivery） 适用场景：端到端产出、一次性任务、流程固定 特征 描述 生命周期 任务开始 → 执行 → 交付完成 → 结束 执行器 按需启动，执行完销毁 典型框架 CrewAI / AutoGen 哲学 "做完了"
状态维持型（State-Maintenance） 适用场景：持续运行系统、事件驱动、长期监控 特征 描述 生命周期 执行器常驻 idle，状态机维持基线 触发方式 事件 / 状态变化 → 唤醒对应 executor 典型框架 LangGraph 哲学 "一直 ready"
核心洞察（洪亮，2026-05-13）：状态机的存在不是为了 close task，而是为了 trigger task。这是两种哲学的根本区别：流水线思维 vs 反应式思维。 RL vibe > Harness Harness 路线：堆砌最佳实践架构，本质是"刻舟求剑"，只能做业务流程模板 RL vibe 路线：模型自己长出推理能力，协调者只负责维持上下文和记忆
协调者角色 人从"执行者"变成"协调者"： 设定目标，不设计流程 维持上下文，不编写代码 审查结果，不参与执行
生态层：蜂巢与外在群落 蜂巢（Hive） agentic-engineering MCP 是自我进化的集群核心： Operator（我）是态势感知入口，掌握工具架构，按需调用 分支是蜂巢内的职能单元，按需唤醒 记忆 + Dreaming是蜂巢的集体记忆，持续沉淀
外在群落（External Colonies） 蜂巢之外不是虚空，是整片信息生态。外部 ACP/MCP 按生态位分类： 生态位 含义 示例 🏠 另一个蜂巢 其他 Agent 集群 AutoGen Studio、LangGraph Studio 🌼 油菜花群落 数据源 欧洲电力市场、金融行情、天气 API 🌿 麦卢卡树丛 专业领域知识 法规库、行业标准、研究报告 🌊 河流 持续流式信息 新闻、社交媒体、监控告警
交互规则 蜂巢是主体，外在群落是客体。交互规则由蜂巢定义： 采蜜：按需从外在群落取数据（MCP 调用） 酿蜜：将原始数据加工成决策和知识（内部处理） 分蜂：集群自我进化，扩展新分支或新群落
蜂巢不需要知道树丛的内部结构，只需要知道什么时候开花、花蜜在哪、怎么采。
四个属性 宏大的 — 不是做一个小工具，是构建可持续进化的智能生态 主体视角的 — 蜂巢是主体，外在群落是客体，交互规则由蜂巢定义 可执行的 — 每个 MCP 都是可调用的服务，不是概念图 自洽的 — 内部进化逻辑和外部交互逻辑一致，不矛盾
分支索引 分支 定位 触发场景 coding/ 代码交付、contract-first、PACT loop 需要产出 merge-ready 代码时 composing/ 创作（歌曲/文案）、DeepSeek thinker → MiniMax maker 双模型管线 歌曲创作、文案生成 supervising/ Agent 监督、编排逻辑、状态监控 需要多 Agent 协同编排时 量化交易/ 量化策略、交易执行、风险控制 金融交易相关任务
执行原则 先判断范式，再选择分支 — 框架选错，流程再好也是白搭 协调者心态 — 人只设定目标和维持上下文，AI 负责执行 记忆即资产 — 每个任务学到的经验必须沉淀到记忆，否则等于没做 触发 > 轮询 — 优先事件驱动，不做无效的定期检查 蜂巢视角 — 站在主体看世界，外在群落是资源不是约束