Sofagent

English · v1.4.0 × DSH · 多平台 · Skill 体系 · 约束层 · 安装 · 文档 · ⭐ Star

---

这是什么

开源 FDE Agent。进场，把业务流梳理清楚、把本体图谱构建起来、把 AI 节点部署到位；离场，审计每一次变更，持续优化。

以 FDE Skill 形态在 ClawHub 分发（帮 SMB · OPC 的每个人成为自己业务的 FDE 的方法论 Skill），装到企业设备后以约束层（Harness）引擎长期运行。

> 🏞️ 大厂给你"水"（大模型）和"河床"（Agent 平台），但水是原水，你不敢直接喝。sofagent 是帮你把河里的水让整个城市用起来的工程——堤坝不让水泛滥、自来水厂把原水变直饮水、管网把水送到每家每户的水龙头。模型给 90% 的智力，sofagent 补 10% 的可靠执行。

核心特性

• 🧭 进场梳理业务流——五要素深挖 + 三问判定法，把每个岗位环节摸清，算清每个 AI 节点值多少钱
• 🤖 部署 AI 节点——三层交付物（文档层 + Skill 层 + 运行层），装进你已有的 AI 工具，从"你干活"变"你派活"
• 🏠 离场后常驻——FDE Agent 留下巡检、审计、优化，7×24 在线，人离场治理不离开
• 🔍 零配置审计——npx -y -p @sofagent/audit sofagent-audit，任何 git 仓库秒级审计最近一次 commit（单机实测：quick 约 1.1s、5 万行 diff 约 6.1s，口径见 [HANDBOOK](./docs/HANDBOOK.md)）
• 🧱 24 条审计规则——密钥泄漏、越界编辑、注入防御、权限红线，git diff 硬证据判定，违规当场拦截（quick 默认 17 条，完整 24 条 = 17 默认 + 7 扩展）
• 🛡️ 自动快照回溯——每次审计后自动存档，出事一键回到任意快照

什么是 FDE Agent

FDE = Forward Deployed Engineer（前线部署工程师）——把模型塞进企业真实业务里的人。sofagent 把这个角色做成开源 Agent，四个阶段走完一条完整的 FDE 业务流：

• 一、进场梳理业务流——五要素深挖 + 三问判定法，把每个岗位环节的输入 / 输出 / 负责人 / 耗时 / 痛点摸清，算清每个 AI 节点值多少钱
• 二、构建双图谱——业务图谱（系统边界、数据流向）+ 本体图谱（共享语义底座），把企业变成机器可读的结构
• 三、部署 AI 节点——三层交付物（文档层 + Skill 层 + 运行层），把 AI 节点装进你已有的工具，从"你干活"变"你派活"
• 四、离场持续优化——离场后 7×24 自动执行任务：巡检、审计、优化，人离场治理不离开

官方 slogan：梳理业务流 · 构建本体图谱 · 部署 AI 节点 · 审计每次变更 · 自我反思迭代

graph LR
    subgraph S["一个 FDE Agent · sofagent"]
        direction TB
        K["内核 LangGraph + 约束层ExecutionBackend 抽象"] ~~~ B["行为层 约束底座注入 · 审计 · 回溯 · 进化"]
        I["调用面 plugin + skill + MCP+ CLI + dashboard"] ~~~ M["方法论 FDE 四阶段梳理 → 构建 → 部署 → 离场"]
        K ~~~ I
    end
    S -->|"进场 · 给企业做 FDE"| D["双图谱交付业务图谱 + 本体图谱"]
    D --> N["AI 节点LangGraph 编排 → Harness 执行 → 约束审计"]
    N -.->|"7×24 自运转 · 越界能拦 · 出事能回滚"| N

• 企业 AI 落地的瓶颈不是模型，是部署——MIT NANDA《生成式人工智能的鸿沟》：95% 的企业 GenAI 项目没能产生能写进财务报表的价值，而 FDE 岗位发布量一年涨了 729%
• 约束层「持续优化」靠机制不靠承诺——外部独立实验：同一模型仅优化外层 Harness，法律 Agent 基准 63.4% → 80.1%（+16.7pp）——更多核验见 [VALIDATION](./docs/VALIDATION.md) · [THANKS](./docs/THANKS.md)

> 🔄 自举：sofagent 给自己做的第一份 FDE，就是 sofagent 自己——项目本身就是一条完整的 FDE 业务流（梳理 → 构建 → 部署 → 离场），这个开源仓库就是那份交付物。

v1.4.0：结合 DeepSeek Harness

本版核心：正式结合 DeepSeek Harness（简称 DSH），成为完整的 FDE Agent。

一、为什么选 DSH：DeepSeek 官方开源 Agent 框架，基于 Cordis 运行时，理念「Everything is a Plugin」——插件化与约束层的平台无关形态天然契合，也是当前结合最深的一个内核。

二、怎么结合：约束层四能力（注入 · 审计 · 回溯 · 进化）封装成 9 款 cordis-plugin-sofagent-* 插件，全部真实挂载进 DSH（Plugin list 可见 9 个 Enabled），可独立安装、渐进采用：

| 插件 | 职责 | |------|------| | audit | 变更机器审阅——24 规则 + git diff 硬证据 + 节点级审计 | | rollback | 出错逆序撤销——git snapshot → effect disposer | | inject | 启动注入企业约束——四层加载链 | | evolve | 经验沉淀——think.md 反思 + Dream Cycle + skillopt | | ontology | 共享语义底座 + 知识检索（ontology tools + searchknowledge） | | commons | 能力公地五环——commons tool 复用 | | gate | 验收不过不放行——机器可判定验收 + 人审 | | daemon | 7×24 巡检 + 健康监测 + webhook 推送 | | fde | 进场方法论六 tool 闭环（fdeinterview / classify / quantify / derive / distill / deploy） |

三、分工

| 一方 | 提供什么 | |------|----------| | DeepSeek Harness（DSH） | 执行体——模型 + 工具 + 会话 | | sofagent | 企业约束与审计 + FDE 方法论 |

两者合一 = 完整 FDE Agent：DSH 负责「能干活」，sofagent 负责「干得住」——每次变更受审计，越界能拦、出事能回滚。

本版其他新能力（详见[开发日志](./docs/changelog/v1.4/v1.4.0.md)，更早版本见 [CHANGELOG](./CHANGELOG.md)）：

• Dashboard 产品化：Web 工作明细页（按 Agent / Workflow / 周趋势 / 人工介入四视角）+ 图谱栏（FDE 双图谱：业务图谱 + 本体图谱 + MCP 工具视图 66 tools + skill 加载链四层可视化）+ 单文件 HTML 随 install.sh 装到用户机（worklog.json 无数据自动降级）
• 成本审计：超支告警（WARN only 不拦截）+ cost_query MCP tool + DecisionKind.COST 决策日志追溯
• 插件家族双轨：DSH 形态 9 款插件（如上）+ OpenClaw 形态 4 款 code-plugin（ClawHub 发布就绪）+ Cursor / Claude Code 共享 precommit hook 拦截
• 跨设备：联邦查询端到端（配对 / 加密查询 / 篡改检测 / 离线降级——S320 + S322 双覆盖）+ 远程 API 通道（C/S 控制面契约文档化）
• Agentic Browser + 评测：navigate / click / screenshot / assert 4 工具注册（MCP 61→66）+ Playwright 真实驱动 + MLflow 评测接线（不可达降级不抛）
• 工程基座：审计溯源字段（whichDataVersion + beforeAfter）+ bash 3.2 真实环境全脚本验证

多平台挂载

骑在你已有的 Agent 之上，不替代模型，只补可靠执行——约束层平台无关，方法论跟着业务走，不跟着平台走：

| 档位 | 平台 | 约束注入 | 挂载方式 | |------|------|---------|---------| | 深度结合 | DeepSeek Harness | ✅ 插件级 | 9 款 cordis-plugin-sofagent-* 挂载进运行时（见上章） | | 完整挂载 | OpenClaw | ✅ 自动 | Hook 注入 + 断路器 | | | WorkBuddy | ✅ 自动 | Skill 按需加载 | | 薄挂载 | Claude Code / Codex / Cursor / Gemini CLI | ⚠️ 手动 | 部署宪法 + 种子指令（写入各自配置文件） |

• 自动加载是宿主运行时给的——Skill 按需加载取决于宿主有没有技能注册表（DSH / OpenClaw / WorkBuddy 有；薄挂载平台以静态配置文件承载）
• 审计兜底平台无关——sofagent-audit --install-hook 走 git hook，任何档位每次 commit 都过 24 条审计，违规硬拦截。约束是建议性的，审计是强制性的

一条命令选定挂载档位：bash install.sh --platform （全部平台与差异见 [HANDBOOK](./docs/HANDBOOK.md)）

FDE 方法论

很多企业上 AI 的路径是反的——先选模型、搭平台、买 Agent，结果没人用。问题不在技术，在于还没搞清楚自己的业务流程，就想让 AI 接管。

多数工具教你怎么造 Agent，sofagent 先解决AI 该放在哪——五要素深挖和三问判定法，把这个判断从拍脑袋变成可复制的方法论：

| 阶段 | 输入 | 做什么 | 产出 | |------|------|--------|------| | 一、梳理 | 岗位清单 · 现有系统 | 五要素深挖——按岗位把每个环节的输入 / 输出 / 负责人 / 耗时 / 痛点摸清 | 企业画像 | | 二、判定 | 企业画像 | 三问判定法——从业务流中的业务节点识别哪些可 AI 化：🔄 自动执行 / ⚡ 强化岗位 → AI 节点，👤 暂不动 → Human 节点，按 ROI 排优先级 | 节点方案 + 年节省金额 | | 三、交付 | 节点方案 | 三层交付物——文档层 + Skill 层 + 运行层，让 AI 节点真的跑起来 | 本体数据（ontology）+ workflow.yml + skills/ |

完整方法论（四阶段十二步）见 [FDE/GUIDE.md](./FDE/GUIDE.md)——半天精读，读完能独立做 FDE。

> 💾 部署完别急着走：单个节点的 workflow 经 DeepSeek Harness 执行后端直接「烧」进 U 盘——U 盘就变成一个节点、一把 key，插到哪台机器哪台就能跑（拔掉零残留）。开源 9 款插件已挂载进 DSH，烧录即用。

FDE Skill 体系

部署 AI 节点只是第一步——上面讲的是怎么梳理、放哪里，接下来是怎么让它每次都守规矩。随节点一起加载的 FDE Skill 体系解决这个问题：

• 📜 SKILL.md——唯一主入口，由你的 AI 工具加载：按阶段路由到对应子 Skill，岗位规范按任务类型自动注入（梳理 / 审计 / 编排）
• 🧩 阶段子 Skill——进场 → 深挖 → 量化 → 交付 → 离场五步闭环（01-entry → 05-exit），每一步该做什么、交付什么都定义清楚
• 🔒 harness 约束骨架——entry-gate / fde-template / engage / loop-check / task-closure…，从进场到离场每一步都有对应的约束模板
• 🧬 经验自动沉淀——think.md 反思 + knowledge 维护，每次任务的经验教训自动进知识库

> 部署的不是裸 Agent，是带约束骨架的 Agent——约束是建议性的，审计是强制性的：Agent 可以不遵守约束，但每次变更都逃不过审计。

约束层（Harness）

约束层是 sofagent 的行为底座，四种能力：

• 注入——Agent 启动时注入企业约束，四层加载链；约束是建议性的
• 审计——24 条 git diff 硬证据规则（quick 零配置默认 17 条，扩展 7 条经 config 启用）+ AgentShield 五类配置面静态扫描；审计是强制性的，每次变更必审，违规当场拦截
• 回溯——每次审计后自动快照存档，出事一键回到任意快照
• 进化——think.md 反思 + Dream Cycle + skillopt，经验自动沉淀进知识库

安装

> ⚠️ 企业用户先读 [LIMITATIONS §三](./docs/LIMITATIONS.md#三安全与信任模型局限)——config.yml 默认非 fail-closed（规则可被 Agent 篡改绕过），多租户隔离尚未落地。强合规场景建议 CI 兜底 + 文件权限锁（chmod 444 .sofagent/config.yml），不要用单机默认配置直接上生产。

30 秒，零配置——在任何 git 仓库跑一次审计：

npx -y -p @sofagent/audit sofagent-audit

> 💡 quick 跑 17 条默认规则（A3 任务范围 / A9 commit-msg 注入检测激活——自动读最近一次 commit 消息，无消息时 A9 引擎按无输入处理标记跳过），完整 24 条 + hook 自动审计需 --init——详见 [LIMITATIONS §三](./docs/LIMITATIONS.md#三安全与信任模型局限)。

拦截特定格式密钥泄漏时是这样的（真实输出；A2 检测 AWS AKIA、OpenAI sk-*、GitHub ghp_、PEM 私钥等已知格式，通用密钥形态暂不覆盖——保守设计防误报，详见 [LIMITATIONS §三 A2](./docs/LIMITATIONS.md#三安全与信任模型局限)）：

完整安装（Node.js ≥ 18，先下载审查再执行）——装在企业跑 AI 节点的设备上：

curl -fsSL https://raw.githubusercontent.com/KongFangXun/sofagent/refs/tags/v1.4.0/bootstrap.sh -o bootstrap.sh
less bootstrap.sh          # 先看一眼脚本内容，确认安全
bash bootstrap.sh && rm bootstrap.sh
sofagent-audit --init      # 装 git hook，之后每次 commit 自动审计
sofagent-audit --doctor    # 验证环境（可选）

> 💡 安装脚本只写入 ~/.sofagent/，不碰系统文件。--no-verify 可跳过 commit-msg 审计——防的是诚实 Agent 的疏忽不是恶意绕过，被跳过的 commit 由 post-commit 事后对账留痕（提示「疑似绕过」）但不阻断；个人兜底三件事：CI 侧 sofagent-audit --diff、定期 --doctor、翻审计记录。详见 [LIMITATIONS](./docs/LIMITATIONS.md)。 > > 📌 install.sh 是企业设备安装器——装在企业跑 AI 节点的设备上（约束层引擎 + daemon 巡检 + 单机 dashboard）；FDE 自己的电脑不需要跑，FDE 的工具是 FDE Skill（方法论），详见 [部署架构](./docs/ARCHITECTURE.md#安装包边界与部署架构v132-定位校准)。 > > 📌 bootstrap.sh 和 install.sh 的关系：bootstrap.sh 是 install.sh 的一行下载包装器——curl bootstrap.sh | bash 等价于「下载 install.sh + 运行 install.sh」。两个脚本装的是完全一样的东西，bootstrap 只是省掉手动 clone/下载那一步。

更多安装方式（clone 安装 / npx 完整安装 / 最小安装 / 企业部署）见 [HANDBOOK](./docs/HANDBOOK.md)。企业用户想直接用 FDE 方法论梳理业务流，看 [FDE/README.md](./FDE/README.md)（零依赖，不需要 Node.js；15 分钟最短路径见其「15 分钟最短路径」小节）。

使用

Dashboard 驾驶舱（单文件 HTML · 截图版本 v1.4.0）：规则通过率、审计任务、违规趋势——AI 在干什么，一眼看清。（实际界面以安装态为准）

> 📊 Dashboard 有三个入口，各归各位： > > | 入口 | 命令 | 形态 | 给谁看 | > |------|------|------|--------| > | 终端版 | sofagent-dashboard --full | 终端 ASCII 三栏（零前端依赖） | 开发者 / FDE 快速看 | > | Web 版 | sofagent web（装完即用）· 仓库态 node tools/dashboard/serve-dashboard.mjs | 浏览器可视化（localhost:3780） | 老板 / IT 可视化看 | > | macOS 双击 | 双击 start-dashboard.command | Web 版的 macOS 快捷方式（仅 macOS 双击入口） | macOS 用户 |

> 👁️ Agent 视角：装完 hook 后每次 commit 触发审计——PASS 静默放行（自动快照），违规直接打进终端输出并按配置推送 Webhook / IM，Agent 侧无独立图形界面（详见 [PHILOSOPHY §二](./docs/PHILOSOPHY.md#系统暴露的能力agent-视角)）。

graph LR
    A["① 试用npx -y -p @sofagent/audit sofagent-audit30 秒零配置审计·任意 git 仓库"] --> B["② 团队规则市场 + GitHub ActionPR 自动审计·CI/CD"] --> C["③ 企业install.sh 全套装在企业设备·7×24 监控"]
    C -.->|FDE 离场后| D["④ 自运转Agent 干活·sofagent 盯着审计·回滚·巡检"]

| 入口 | 做什么 | 装在哪 | 花多久 | |------|--------|--------|:----:| | npx -y -p @sofagent/audit sofagent-audit | 零配置审计最近一次 commit，秒级出结果（首次 npx 约 30 秒） | 任意 git 仓库（临时） | 30 秒 | | --ruleset 规则市场 | 加载安全等规则集，或自定义 JSON 规则 | 同上 | 1 分钟 | | GitHub Action | 每次 PR 自动审计，违规标注在 diff 行上 | CI/CD | 配置一次 | | install.sh 全套 | 注入·审计·回溯·进化四能力 + daemon 巡检 + dashboard——Agent 的完整约束层 | 企业设备（跑 AI 节点的服务器/电脑） | FDE 驻场安装 |

安装粒度对比（同一个引擎，三种装法——按场景选）：

| 装法 | 命令 | 生命周期 | 适合 | |------|------|---------|------| | npx 临时 | npx -y -p @sofagent/audit sofagent-audit | 用完即走，每次重新下载 | 任意仓库快速审计、CI 外的一次性检查 | | npm 项目内 | npm install @sofagent/audit（项目 devDependency） | 随项目安装，版本锁进 package-lock | 固定依赖的团队项目、可复现审计 | | npm 全局 | npm install -g @sofagent/audit | 装一次到处用 | 跨仓库日常审计、daemon 常驻 |

规则市场——内置 24 条审计规则（quick 默认 17 条），社区规则集以 sofagent-ruleset-* npm 包发布、--ruleset-path 手动加载（也支持指向你自己的 JSON 规则）：

npx -y -p @sofagent/audit sofagent-audit --list-rulesets      # 看有哪些规则集
npx -y -p @sofagent/audit sofagent-audit --ruleset security   # 加载安全规则集

FDE 进场部署——两条路径任选：

• 方法论路径（零依赖）：读 [FDE/GUIDE.md](./FDE/GUIDE.md)，按手册手动梳理业务流，Excel + 人脑也能跑
• 工具路径（Node.js ≥ 18）：FDE 在企业设备上跑 install.sh 装好约束层后，用自己的 AI 工具说"帮我做 FDE 诊断"，Agent 从进场开始引导

常见问题

• 能上生产吗？ 当前为单机单用户设计，多 Agent 共享同一知识库 / 审计历史，多租户隔离见 [ROADMAP](./docs/ROADMAP.md)；任务日志（task/logs）明文落盘——企业部署前读 [SECURITY](./SECURITY.md) · [LIMITATIONS](./docs/LIMITATIONS.md)。config.yml 默认非 fail-closed，强合规场景建议 CI 兜底 + 文件权限锁。
• 收集我的数据吗？ 缺省全量本地。可选联邦查询 = 你主动配置才出本机（见 SECURITY）。
• 和 gitleaks 这类扫描器什么关系？ 互补不互替——扫描器做全量历史扫描、模式库更广；sofagent 专注当前 diff 硬证据 + Agent 行为审计（越界 / 注入 / 权限维度），建议强密钥合规场景并用。

生态与文档索引

上游与插件入口：

• DeepSeek Harness（DSH 上游仓库）：
• Cordis 运行时：
• 9 款 cordis-plugin-sofagent-* 插件源码：[engine/dsh-plugins/](./engine/dsh-plugins/)

| 你想了解 | 看哪里 | |:---------|:--------| | 全局索引（所有文档一个入口） | [WIKI](./docs/WIKI.md) | | 怎么装、怎么用、常见问题 | [HANDBOOK](./docs/HANDBOOK.md) | | 架构设计（约束层「对内的技术名字」 · 注入链 · 进化机制 · 24 条规则） | [ARCHITECTURE](./docs/ARCHITECTURE.md) | | 设计哲学 | [PHILOSOPHY](./docs/PHILOSOPHY.md) | | 行业印证与生态定位（与现有工具的差异） | [VALIDATION](./docs/VALIDATION.md) | | 版本路线图 | [ROADMAP](./docs/ROADMAP.md) | | 每个版本做了什么 | [CHANGELOG](./CHANGELOG.md) | | FDE 诊断方法论（四阶段十二步） | [FDE/GUIDE.md](./FDE/GUIDE.md) | | 安全声明 · 已知局限 | [SECURITY](./SECURITY.md) · [LIMITATIONS](./docs/LIMITATIONS.md) | | 贡献指南 | [CONTRIBUTING](./CONTRIBUTING.md) |

> 🧪 工程可信度：2946 测试 / 13 包（12 个含测试）（测试数以 tools/check/test-count.sh 判定为准（内置 flaky 重跑机制）；npm test 直跑在低内存机器可能出现 mcp 包超时闪红，单独重跑即绿，属环境并发问题非产品缺陷）· 24 条审计规则 · fresh-eyes 独立审查持续运行（审查体系运作见 [docs/guides/review-system.md](./docs/guides/review-system.md)）。性能数据为单机参考值，跨工具横评排期 v1.4.x 与 Benchmark 集成。

---

欢迎提 Issue 和 PR，尤其较真的那种 · 贡献指南 · 致谢 MIT License © 孔放勋 · ⭐ 如果 sofagent 帮到你，Star 一下让更多人看到

Source & license

This open-source MCP server is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: KongFangXun
• Source: KongFangXun/sofagent
• License: MIT
• Homepage: http://sofagent.ai/

Install and usage instructions live in the source repository linked above.