【标签】 学习工作
感激Trae线下活动主办方与现场朋友支持投票，获得人气作品奖
国内免墙版：https://my.feishu.cn/wiki/NVEuwCC8IiA3SkkkvfEc9RibnHh?from=from_copylink
欢迎本次Trae.ai创造力大赛的朋友们下载使用；配合组件参赛，作品效果更佳
【标题】 【学习工作赛道】AC范式组件：让 TRAE 拥有 100+ 小时连续协同能力的增强引擎
【正文】
0. 先和大家打个招呼吧 
你是谁： 我叫曾庆明（Sammy Zeng），独立研究者。过去两年多只做了一件事——搞清楚"为什么 AI 在长程任务里总是掉链子"，然后把它修好。
你是怎么用 TRAE 把 Demo 做出来的：
这套东西不是我一开始就想做的。它是被真实工作逼出来的。
如圈内所知我并不是原生IT背景人士；而每一个有那么点理想的人都会想拥有一个AI的幻想。但打脸的现实是别墅一个很强的AI，只要进入实践领域AI就完全是烂成一坨。第一次使用agent就是用的Trae ide——强调一下是真实的商业实践；而越有期待就对做到一半就卡死觉得难受。顺带一提，后续几乎所有重要工作主力都是Trae。不是 AI 不聪明，是它稍微复杂点的事情就"失忆"：上次说好的架构，下次打开全忘了。要注意我这里说的可不是简单理解的“忘了上下文”；而是即使你有完整的资料，哪怕像保姆一样，你也救不回来，项目和任务无法推进。更隐蔽的是"假闭合"——AI 跟你说做完了，你信了，往下走了好几步才发现它根本没做完。最难受的就是这种：错在中间，但你在终点才发现。
第一次出现大规模且必须动用到AC范式组件框架是2025年底（早期版本），基于机缘巧合原本想测试ds的超长推理链解锁后的能力，结果发现HLE有问题。一方面你要下决心去审HLE工作量极大，另一方面还涉及到各个学科的知识边界、建模、结果的统计学结论等等超复杂的工作。当时理论思考以及组件成熟度远没有现在那么完善，但仍然是咬牙做了下来。这一步最大的启示其实是，一个优质的行为框架是真的可以落地强大的任务——而这并不天然意味着模型基座必须sota。
偶然发现HLE有问题，搭建早期系统分析，后撰写《Humanity’s Last Hallucination 》
被无数次真实实践的失败与成功逼到墙角，我才开始认真想：到底差在哪？单点能力明明很强，为什么工程上活不下来？
顺着这个"差在哪"，我一路研究透了长程实践理论。四种断裂来源——认知缺口、媒介强制、决策分叉、外部漂移——不是先有框架再找例子套的，是从一堆翻车现场倒推出来的分类。
理论想清楚之后，回到 TRAE 里倒推工程解法。每一条规则都不是设计出来的，是"又翻车了 → 复盘 → 补一条规则 → 再验证"这样一块一块磨出来的。到后面的版本进一步发现，理论归理论，实践中必须基于某个具体平台对于行为上有深度优化，才能完整发挥出行为带来的优势，于是有了现在V6的成熟版本————基于Trae的深度特调。
AC 范式不是 demo 一次性写出来的。是 20 多个真实项目、累计 100+ 小时，被现实反复敲打出来的。TRAE 是它的诞生地，是她最主要的验证场、也是后续她工作的核心Agent层。
1. Demo 简介
是什么： 一套可直接部署到 TRAE IDE 的开源工程约束组件——2个预设Agent + 8 个 Rules 规则文件 + 12 个 Skills 能力单元 + GN-004 独立审查 Agent + 架构设计 Pipeline。它把 TRAE 从"单次对话助手"升级为"长程复杂任务执行站"。
面向谁： 深度依赖 AI 的开发者与架构师；需要跨天执行复杂任务的知识工作者与分析师；以及有实践直觉但没 AI 经验的资深传统行业从业者。
苏总反馈·材料工业
张总反馈·社群服务行业
许总反馈·汽车服务行业
三个核心亮点功能（节选）：
① 锚点交接——跨断面状态传递
任务切成多个断面。每个断面完成后，状态通过三段结构落盘：做了什么、做到哪了、验证结论。下次对话哪怕隔了三天，读这三段就能精确接续。不靠记忆，靠锚点。
锚点交接实际运行：任务执行中出现断面，Agent 自动回顾锚点文档进行状态对齐
② GN-004 独立审查——拦住"假闭合"
一个结构分离的审查 Agent。不看执行者的自我总结，直接打开文件做判断。三个触发点：方案审查 / 关键检查点 / 交付前终审。三档裁决：阻断 / 警示放行 / 通过。长程任务最隐蔽的风险不是完不成——是 AI 在中间某一步悄悄做错了，后续全在错误地基上盖楼。
③ EC-7 行为转型——“人类不填空，LLM 给选项”
AI 走到需要人类判断的岔路口，不能抛回"你觉得呢"。必须先转成 2-4 个带证据的选择题。这条规则解决了一个真实痛点：AI 替你做了决定，然后当既定事实往下推，等你发现已经偏了好几层。
EC-7 实际运行：遇到复杂裁决时，Agent 主动给出带证据的选择题，人类永不做填空题
2. Demo 创作思路
怎么来的：
不是灵感，是严谨工作倒推出来的。先吃透长程实践理论和信息论，推导出"四种不可预计算的断裂来源"；回到 TRAE 里逆向分析——每一条规则、每一个 Skill 该怎么约束才能把断裂堵住；最后在 12 个真实商业项目 + 一次 102 小时组合数学极限攻坚里反复压力测试、调优。同一个问题在每一个项目里都复现：AI 单次对话很强，跨断面就断。
想解决的问题：
让 AI 在 100+ 小时的长程任务里不失忆、不假闭合、不漂移。
至今为止的实践告诉我们一件事：架设大规模软件系统和做超复杂调研，在长程实践任务上是同构的——构筑和执行共享同一套底座结构。这个底座结构决定了 long horizon 能不能做。解法不是更大的上下文窗口——窗口总有边界。而是外部的锚点与契约：任务开始前确定的拆解结果（分几步、每步产出什么、怎么验证），直接变成后续每一步的执行路径和检查标准。构筑和执行共享同一套结构。
真正难受的不是像保姆一样伺候 AI 和 Agent。而是即使你像保姆一样伺候，最后也会收敛到做不下去——再怎么努力都做不下去。这才是要修的东西。
为什么是我在做：
不是我想选这个方向。是现实实践压力把你逼到这儿——单点优化已经做不动了，长程任务一开就垮。去找别人的解法，没有；想抄，抄不到。这个领域几乎没人做，连能抄的参考都没有。最后只能自己手搓：从理论推导到工程实现，一条路一条路试出来。
但这个方向值得做。AI 走向真正生产力的下一个瓶颈，不是"单次对话更好"，是"跨天任务不断裂"。单点智力强 ≠ 工程存活。AI 的生产力上限被死死限制在单次对话上下文里——这个问题不解决，所有"单次对话优化"都只是在修一座地基有裂缝的房子。
这个判断的依据：
3. Demo 体验地址
方式一：交互式 HTML 体验文件（Zip 打包上传社区）
文件：
AC_index-C-academic_202606170532.html (81.9 KB)
一个可交互的学术报刊风格展示页面，包含：
-
§I 断裂诊断——四种不可预计算的来源：认知缺口 / 媒介强制 / 决策分叉 / 外部漂移，每种附应对策略
-
§II 四重构件机制——Rules 元约束 + Skills 能力单元 + GN-004 独立审查 + Pipeline 架构，把连续性工程化
-
§III 无知之幕：GN-004 独立审查——三个真实场景可切换，查看裁决逻辑与条件码映射
-
§IV 102 小时存在性证据——滚动高亮编年表，展示 16 轮跨断面迭代的关键节点
-
§V 五套公开成果——太空算力分析、Kerrigan 排版项链、README 自动生成、Skill Creator、GPQA & HLE 基准审计
-
§VI 部署流程——2 个手动动作 + 4 步 Agent 全自动防错管线
方式二：GitHub 开源部署包
部署包仓库：https://github.com/jopsammy/AC-skill-deploy-ac-v6-components
在 TRAE IDE 中先按标准skill安装流程安装进TRAE中（全局和项目均可），然后对 Agent 输入「部署 AC 范式」或者其他同样语境的说法，即可触发全自动部署管线：
-
178 个核心文件拷贝到
.trae/目录 -
MD5 逐一校验，遇错自动重试或降级
-
连通性测试确认 GN-004 与并行调度通道可用
相关成果仓库
范式核心
| 成果 | 链接 |
|---|---|
| AC 范式部署包（本 Demo 主体） | https://github.com/jopsammy/AC-skill-deploy-ac-v6-components |
| 长程实践理论论文 | https://doi.org/10.5281/zenodo.20470866 |
| AC 技术报告 | https://doi.org/10.5281/zenodo.20471461 |
| 102 小时极限案例原始研究仓 | https://github.com/jopsammy/task1_raw_repo |
五套公开成果（均跑在 AC 范式组件上）
| Opus | 成果 | 链接 |
|---|---|---|
| I | 太空 AI 算力可行性分析 | 论文 · 研究仓 |
| II | Kerrigan 排版项链（LaTeX + Marp skill） | https://github.com/jopsammy/acp-traetune-kerrigan-s-tex-marp-necklace |
| III | README 自动生成 skill | https://github.com/jopsammy/acp-traetune-readme-skill |
| IV | Skill Creator 技能创造者（AC 范式标准内置组件） | AC 范式内置，随部署包分发 |
| V | GPQA & HLE 数学基准审计 | 论文 · 研究仓 |
4. TRAE 实践过程
完整开发流程（V6孵化阶段）
步骤 1｜V5.3 真实压力反馈汇总
V5.3（1个人rules + 7条核心rules + 21（+4） 个 Skill 的穷举式完备体系）在大量真实实践环境下持续压力运行。问题不是它不好用——在封闭的"开发场景"空间内它是完备的。问题是真实长程任务会突破这个封闭空间：跨天、跨场景、跨载体时，穷举式完备会失效。把所有真实阻力问题和翻车现场汇总、分类、归因，这是 V6 升级的起点。
步骤 2｜长程实践理论完成
在 TRAE 中完成长程实践理论论文和技术报告。多轮对话把"AI 长程断裂"从模糊直觉提炼为可枚举的四种来源（认知缺口 / 媒介强制 / 决策分叉 / 外部漂移）+ 13 条件码（HC/SC/EC）约束框架。这一步把 V5.3 的经验阻力翻译成了理论语言。
步骤 3｜V6 升级前置思考
四轮前置思考报告（v1/v2/讨论补充/核心重构），核心判断是：V6 必须从"开发范式"上提为"长程实践范式"，从穷举式完备转向元完备性——用有限的根结构和组合规则覆盖无界的长程实践空间，而不是继续追加 Skill 打补丁。这步决定了 V6 的根结构走向。
步骤 4｜V6 构筑
基于前置思考的根结构，在 TRAE 里倒推工程实现：rules-0 总纲 + rules-1~7 域约束（8 文件），12 个按需加载的 Skills 能力单元，GN-004 结构分离的独立审查 Agent，架构设计 Pipeline。每一条规则走完"写 → 实战验证 → 发现漏洞 → 修正"的闭环。核心突破：把模糊的"AI 应该这样做"翻译成可枚举、可验证的条件码。
步骤 5｜压力测试与受限环境测试
能力锁多轮压测（R2-1553 等）：13 个 subagent 隔离场景，逐批启动、独立信号记录、GN-004 终审。专门测"不自然引导"——subagent 启动只给三要素（任务原文 + 路径 + 隔离约束），不给 rules 路径，验证规则是否真能自动约束行为而不是被提示词引导出来的。这是范式工程可靠性的硬验证。
步骤 6｜真实商业场景内测与闭源算法题压测
在自己公司的真实业务里做最后内测，以及最硬的存在性证据是 102 小时组合数学极限攻坚：DeepSeek-v4-pro 持续攻克，16 个断面，每一轮在四种断裂来源里重新对齐。GN-004 在关键节点拦截多次"假闭合"和"方向漂移"。最终 21/21 用例全通，耗时全线低于 10s。范式工程可行性的首个存在性开源证据。
开发关键步骤截图
V5.3 穷举式完备体系的基础状态：1 个人 rules + 7 条核心 rules + 25 个 Skill，在封闭开发场景内完备
在 TRAE 中完成 V6 升级的前置思考与长程实践理论推导——四断裂来源 + 13 条件码约束框架
V6 构筑阶段：在 TRAE 里倒推工程实现，rules 体系 + Skills 矩阵 + GN-004 设计的完整开发过程
关键任务对话 Session ID
原始的第一个孵化对话：
.7597775619921937425:05f26f9e6d1821e45a83329a2804195c_6a05fa758725512f16dd0b2f.6a0606a88725512f16dd11d3.6a0606a88ca2a2b418fbceb8:Trae.T(2026/5/15 01:30:16)
开发升级过程跨度过大，部分对话已丢失；且早期v6前版本未有solo功能，项目也存在迁移
附：通过的报名帖
报名帖地址：https://forum.trae.cn/t/topic/34978
国内免墙版：https://my.feishu.cn/wiki/NVEuwCC8IiA3SkkkvfEc9RibnHh?from=from_copylink
