kgent 总览

kgent 是一个基于 Pydantic AI 的专业任务智能体运行时。

它用于创建可配置的专业智能体，使其能够完成需求访谈、旅行规划、课程设计、视频节目设计、研究、Coding 和审查等多种专业工作。

一句话定位

kgent 是一个技能驱动、记忆增强、沙箱优先的专业智能体运行时。

核心思想

kgent 由五层能力组合而成：

Profile
  定义智能体的角色、职责、风格和边界。

Skills
  定义专业工作流、参考资料、模板、脚本和质量标准。

Tools
  让智能体可以行动，例如读写文件、产出交付物、搜索网络或调用外部服务。

Memory
  通过显式接口提供用户、项目、组织和会话层面的长期上下文。

Sandbox
  保存每次运行的过程记录、中间工作和最终交付物。

为什么选择 Pydantic AI

Pydantic AI 被用作执行引擎，因为它提供了干净、类型化的基础能力：

• 模型调用
• 工具调用
• 结构化输入和输出
• toolset 组合
• dependency injection

kgent 将产品层概念保留在 Pydantic AI 之外：

• profiles
• skill registry
• memory policy
• sandbox layout
• run archives
• deliverable contracts
• workflow stages
• candidate skill promotion

智能体类型

kgent 应支持几类专业智能体：

Intake Agent
  将模糊 idea 转换成结构化需求 brief。

Coordinator Agent
  将 brief 转换成任务计划并分配工作。

Worker Agent
  基于 profile、skills、tools 和 memory 产出专业交付物。

Reviewer Agent
  检查质量、风险、一致性和验收标准。

典型流程

human idea
  -> Intake Agent
  -> idea_brief.yaml
  -> Coordinator Agent
  -> task_plan.yaml
  -> Worker Agents
  -> Reviewer Agent
  -> final deliverables

单智能体运行的流程更简单：

kgent run
  -> load config
  -> create sandbox
  -> recall memory
  -> discover skills
  -> run Pydantic AI agent
  -> save process records
  -> write deliverables
  -> archive session

运行输出

每次运行都应创建持久化工作区：

runs/<run-id>/
  prompt.md
  config.yaml
  events.jsonl
  transcript.md
  workspace/
  deliverables/
  archive/
  logs/

CLI 只展示简洁进度，持久化记录和交付物保存在沙箱中。

设计优先级

1. 能够快速通过 CLI 运行。
2. 默认安全。
3. 由技能驱动，而不是只依赖 prompt。
4. 具备记忆能力，但不绑定具体记忆框架。
5. 通过文件实现可审计。
6. 可扩展到多个专业领域。
7. 能支持多智能体工作，但第一版不引入多智能体复杂度。

关键特性

kgent 的关键特性是较高层的产品能力属性，而不是每一个内部实现机制。

Configurable Professional Identity
  通过 profile 和系统提示词将 kgent 配置成不同专业员工。

Skill-Driven Capability System
  通过可复用专业技能包扩展能力。

Tool-Mediated Action System
  通过显式、可观测、受权限控制的工具行动。

Memory-Aware Context System
  通过外部记忆接口使用长期上下文。

Sandbox-First Work Execution
  在持久、可审计的工作区中完成任务并保存交付物。

Professional Workflow Orchestration
  通过轻量阶段和智能体角色支持 intake、planning、execution、review。

Learning and Capability Evolution
  将已完成工作转化为经过审查的候选技能、记忆和可复用模式。

Quality and Governance System
  确保输出、工具、技能、记忆和交接物满足明确的质量和安全标准。

Quality and Governance System 是顶层关键特性。Phase 1 通过交付物检查、安全工具默认值和显式运行记录实现最小基线；后续通过 Reviewer Agent、validation hooks、技能审查、记忆治理和评测体系深化。

文档地图

• Product Baseline：已固化的目标、关键特性、优先级、非目标和 Phase 1 验收标准。
• Overall Technical Design：技术能力地图、技术选型和质量/成本权衡。
• Feature Implementation Design：Phase 1 特性实现设计方法和索引。
• Code Design：Phase 1 代码详细设计，说明模块、接口、运行流和测试。
• Release Notes：版本记录和设计基线说明。
• Vision：产品方向和设计原则。
• Architecture：运行时结构和组件边界。
• Agents：Intake、Coordinator、Worker、Reviewer 角色。
• Skills：技能包结构和提升流程。
• Memory：分层记忆模型和外部记忆集成。
• Sandbox：运行目录、文件系统策略和交付物。
• CLI：命令设计和配置示例。
• Feature-Goal Review：检查特性是否支撑产品目标。
• Idea Brief Schema：需求访谈工作的结构化输出。
• Roadmap：分阶段实现计划。