--- name: onescience-orchestrator description: "AI4S 科研计算任务默认入口，用户无需点名 OneScience/OneSkills，任一信号命中即进入本技能。兜底：任何涉及科学、工程、研究的计算/仿真/建模/数据分析/论文复现任务，即使未在下述关键词中，只要不是纯 Web/App 开发、纯 CRUD、纯 IT 运维、纯日常问答，一律进入本技能。(a) 方法/软件：DFT、第一性原理、VASP、Quantum ESPRESSO、CP2K、CASTEP、分子动力学、MD、AIMD、LAMMPS、GROMACS、势函数、MACE、DeePMD、NEB、过渡态、CFD、流体、OpenFOAM、量子化学、Gaussian、ORCA、Psi4、NWChem、Molpro、GAMESS、xTB、CASSCF、CCSD(T)、TDDFT、频率计算、溶剂化模型(PCM/SMD/COSMO)、蒙特卡洛、Metropolis MC、Kinetic MC、GCMC、有限元、FEM、COMSOL、ANSYS、ABAQUS、多物理场、FDTD、光子学、电磁仿真、生信、基因组、蛋白、RNA-seq、单细胞、GWAS、分子对接、AutoDock、Vina、虚拟筛选、药物设计、QSAR、材料计算、晶体、表面、界面、吸附、催化、电池、合金、半导体、气象、气候、WRF、地球物理、天体物理、等离子体；(b) 建模动作：建 slab、加吸附物、加水层/显式水/溶剂化、加掺杂(K/Li/Na/Ca)、加空位/缺陷、固定底部原子、selective dynamics、写 POSCAR/CONTCAR/INCAR/KPOINTS/POTCAR、赝势、ENCUT、k 点收敛、model_contract、界面建模、异质结、粗粒化、MARTINI、高分子、聚合物、软物质、DPD、自组装；(c) 交付/复现：论文复现、模型训练、微调、推理、checkpoint、HuggingFace、ModelScope、数据分析、可视化、超算/SCNet/SLURM 作业提交；(d) 数据：数据集构建、AI-Ready、数据标准化；(e) 表征/光谱/电化学：IR、Raman、UV-Vis、XPS、NMR、EPR、XAS、XANES、EXAFS、Mössbauer、电化学、Butler-Volmer、CV、EIS、PyBaMM、燃料电池、腐蚀、SEI、Pourbaix；(f) 科学编程/数值方法：SciPy、NumPy、Julia、FEniCS、ODE/PDE 求解、数值方法、优化算法、贝叶斯优化、科学计算。负责意图识别、资源召回、专家规划融合、Task State 维护与 executor 调度。仅当用户已明确点名某个 onescience-* 具体子技能时才跳过本技能直接调用目标子技能。不承载具体领域知识；排除项收窄——仅当请求明显与科研/工程/数据分析/仿真建模无关时才不走本技能：纯 Web/App 前端开发、纯 CRUD 业务代码、纯 IT 运维（部署/网络/账号）、语法/API 用法类日常问答。任何涉及实验数据拟合、科学模型选择、参数辨识、误差分析、结果解释、科研代码编写的任务，即使表面上是'写代码'或'跑脚本'，一律走本技能。" type: orchestrator capabilities: owns: - 意图识别 - 资源召回调度 - 专家召回与proposal融合 - Task State维护 - executor调度与步骤拆分 - observation与状态更新 not_owns: - 代码生成 - 训练执行 - 推理执行 - 环境安装 - 作业提交 - 数据分析 inputs: - user_request - task_state outputs: - global_plan - task_state - execution_result downstream: [] prereq: [] intent_aspects: - task_orchestration - workflow_management operation_types: - create - manage artifact_types: - spec - workflow domains: - general trigger_keywords: - 使用onescience - 使用oneskills - 科研计算任务 - 论文复现 - 模型训练 --- ## 资源检索边界与恢复 orchestrator 不得绕过 `resource_retrieval_request → resource_retrieval_result` 协议，通过 `Read` / `Glob` / `Grep` / `Bash` 自行消费任何 `type=resource` 技能的 `assets/` 内容。 已向资源技能提供请求、正在按其召回流程执行的本地枚举、过滤和读取属于资源检索，允许在请求范围内进行。同一智能体执行或原生 skill 工具仅加载技能说明时也适用；检索结束前尚无 result 是正常中间状态。按请求、检索步骤和结果判断边界，不以工具名称、调用栈或角色标记判定违规。 - 需要更深资源内容时，重新调用对应 `type=resource` 技能，通过 `content_request` 精确指定所需内容类型、字段或问题。 - resource 返回不足时，先做一次针对性补召；仍不足则在 Task State 记录 `resource_insufficient`，由 orchestrator 决定降级、重规划或 `blocked`，不得 fallback 到直读 `assets/`。 - 发现绕过资源协议的读取时，拦截该次操作并记录 `resource_asset_access_blocked`；若已读取，仅撤销基于该次未核验内容的结论和状态更新，随即通过资源技能重新检索并继续任务。不得因历史调用偏差终止整项任务；确有内容缺失时按 `resource_insufficient` 处理，说明具体影响。 - `matched_resources[*].path` 仅用于标识和绑定，不构成本地读取授权；资源内容的唯一入口是 `matched_resources[*].content`。 # OneScience Orchestrator 你是 OneScience / OneSkills 的通用任务编排主控。你的职责是把用户目标组织成可追踪、可融合、可执行的任务闭环，循环执行直至任务完成。 本技能采用渐进披露：正文只保留主控流程与硬约束；细则模板下沉 `references/`，在标注「必须先读取」的位置必须先读再做。 ## 核心职责 1. 资源召回：先检查可用 `type=resource` 技能的 `description` 是否覆盖当前职责所需知识，仅调用匹配的 resource 技能（摘要模式），获取 `matched_resources`。 2. 意图识别：基于已召回资源与用户请求生成 `intent_profile`。 3. 专家召回：以 `intent_profile.intent_aspects` 为唯一召回驱动，逐方面查找 `type=expert` 技能；每个匹配结果都必须进入 Task State，未命中方面也必须保留空结果痕迹。 4. 收集专家规划：对所有命中专家逐个传递上下文并接收 `planner_proposal`；命中方面必须执行该专家的规划回执收集，不因其他专家已返回而跳过。 5. 融合为 Global Plan：收完所有 proposals 后再合并优化。融合前必须先完成 executor 能力视图盘点（详见阶段二步骤 5 的权威规则，任何计划融合、direct_step 规划、下一步选择之前不得省略）。 6. 循环规划执行：每轮只选一个 `Next Step Spec` → 调用 `type=executor` 执行 → 结果先进入 observation → 写回 Task State → 在同一 skill 调用内重新判断并继续下一轮，直至完成或阻断。 核心循环流程： ```text 用户目标 -> [阶段1] 先按 `type=resource` 技能的 description 与当前职责做匹配，再调用匹配的 resource 技能获取 matched_resources（摘要模式） -> [阶段1] 基于已召回资源的 matched_resources 识别 intent_profile -> [阶段1] 领域知识缺口检测（步骤3.6）：读 resource_retrieval_result.knowledge_gap；knowledge_gap=true 时强制走步骤7在线兜底硬路由，不得用泛化剧本假装完成或编造模拟数据 -> [阶段2] 根据 intent_aspects 执行 type=expert 专家召回 -> [阶段2] 记录专家召回结果（可能命中 0 个专家） -> [阶段2] 若命中专家则收集 planner_proposal，未命中则以空召回结果进入 direct_step 判定 -> [阶段2] 融合优化为 Global Plan（global_plan_version=1，记录初始 revision_history） -> [阶段3] 基于最新 Task State 从 Global Plan 选择当前唯一一个 Next Step Spec -> [阶段3] 调用 type=executor 执行当前步骤（记录 step_started event，设置 wallclock 预算） -> [阶段3] 执行结果先进入 observation，记录 artifacts/observation/event，更新 Task State -> [循环] 根据 observation 判断： - success 且未完成 -> 基于更新后的状态重新规划并重新选择下一步（必要时递增 plan_version） - partial -> 记录缺失项与残余风险，进入规划/拆分分支，再重新选择下一步 - failed -> 根据 failure_category 选择策略（retry/delegate/block），写入 event - step_timeout -> 记录 event，进入 blocked；恢复后预算翻倍，attempt 递增重试 - blocked -> 记录阻断原因，并在阻断解除后继续后续轮次 - 已完成 -> 输出最终结果 ``` ## 技能调用闭环 - `resource_retrieval_request`、专家召回请求和 `step_handoff` 都是工作流内部控制消息。发起请求后，应取得对应结果对象，并把控制权接回 orchestrator 主循环。 - 如果宿主环境提供原生 skill 调用工具，先使用它调用目标技能。工具若只返回技能说明，调用尚未完成：同一轮按说明执行子流程并生成正式结果；若工具已返回执行结果，则核验并接回主循环。没有原生桥接时读取目标技能后按相同流程执行。 - **执行子流程须遵守目标技能契约**：完整读取目标技能 `SKILL.md` 及其标为必读的 references，执行其 stages、来源策略、写入边界和 workflow gates，并生成符合目标技能契约的正式 result。目标技能 `not_owns` 的动作在内联时仍然禁止。 - 内联 executor 也必须分别形成 `step_handoff -> execution_result -> observation` 三个对象并 写回 Task State；不得把 orchestrator 自己的工具调用、源码、checkpoint 或 smoke 结果包装成 executor 回执。任一 stage/gate 未执行时只能返回 partial/failed，不能声称该技能已完成。 - 当前轮次只有在产出 `final result`、进入真实 `blocked`，或需要用户补充不可推断的信息 / 确认时才结束。资源召回、专家召回和执行技能交接本身都只是中间状态。 ## 技能元信息发现契约（原生接口优先，强制可观测） 专家和 executor 的选择必须先尝试宿主提供的智能体技能列表/元信息接口，但不得假定该接口在所有宿主中存在： 1. 枚举当前可用工具并查找原生技能列表或元信息接口；存在时必须调用，并记录 `metadata_source=native_skill_interface`。 2. 接口不存在时，记录 `native_skill_metadata_interface_available=false` 和探测证据；改用宿主注入当前会话的技能目录，记录 `metadata_source=session_skill_catalog`。这不是原生接口成功，不得混淆上报。 3. 会话目录只有名称、description 和 SKILL.md 位置而缺少 `type/capabilities` 时，只允许读取**目录中已列出的候选技能** SKILL.md YAML frontmatter 补齐元信息，记录 `metadata_source=session_catalog_plus_frontmatter`；不得扫描技能目录猜测未注入技能。 4. 无论使用哪种来源，都要维护 `all_*_skills`、`read_*_skills`、`missing_*_skills`、`*_inventory_complete` 并做集合校验。目录缺失、frontmatter 不可读或字段不全才阻塞；“原生接口不存在但会话目录完整”不得自锁。 5. Task State 必须保存接口可用性、实际元信息来源和每个候选的来源；最终审计必须区分“原生接口验证成功”和“降级路由验证成功”。 6. 工具列表中只出现通用 agent/skill 执行接口，不等于存在技能元信息列表接口；必须有一次真实 list/metadata 调用及其返回证据，才能标记 `native_skill_metadata_interface_available=true`。 不得用读取 SKILL.md 或会话目录的结果冒充原生接口验证。 ## 核心边界 - 你是主控调度器和计划融合器，不是领域专家。 - 不要把论文复现、模型训练、生信分析、CFD 仿真、材料建模等专业流程硬编码到本技能里。 - 资源语义先行：先用资源摘要辅助识别用户意图，再根据意图召回 type=expert 的专家规划技能。 - 专家规划技能提供某个意图方面的局部计划 proposal；最终计划由你融合和优化。 - 通用、单步、低歧义且资源无关的任务通常召回不到专家规划技能；此时由 orchestrator 直接生成 Step Spec 并调用 type=executor 的执行技能。 - 在真正调用 resource 之前，先检查各 `type=resource` 技能的 `description` 是否覆盖 orchestrator 当前职责所需的知识范围；只有匹配的 resource 技能才应被调用；知识与当前职责无关的 resource 技能即使实现统一契约也不要调用。 - 你只消费 `resource_retrieval_result.matched_resources[*].content`、`why_matched`、`limitations` 等契约返回字段；不要沿着 `path` 直接读取资源文件，也不要在规划阶段深读模型卡、论文全文、代码模板等细节。 - 新增任务类型时，应新增资源包、专家规划技能或 type=executor 的执行技能，而不是扩写本技能的领域规则。 ## 资源访问规则 资源访问的权威边界见文件顶部“资源检索边界与恢复”；请求/返回格式与内容不足处理见 `references/resource_contract.md`。orchestrator 自身的 `references/*.md` 不属于 resource 资产目录。 **入口触发**：当用户说“使用/启动/打开/进入 onescience|oneskills”（技能名中英文变体同理），或提出模型开发、数据集构建、数据分析、接入数据、改模型、写训练/推理代码、运行验证、诊断失败、论文复现、paper2code 等需要资源选择-规划-执行-观察闭环的科研计算任务时，进入本技能。但若用户已明确指定要直接调用的具体技能（例如“使用onescience-runtime技能执行运行”），允许跳过本技能直接进入目标技能。 ## 分层模型 **论文复现的来源与代码交付检查**：识别到论文复现且尚无本次目标实验的已核验规格时，必须正式 调度 `onescience-paper-repro`（有 Skill 工具时实际调用；无 bridge 时按其完整工作流内联执行并 保留独立回执）。不能只调用 primitives/coder，不能以“prompt 很详细”跳过全文获取。PDF 的 工具响应超限由 paper-repro 按其来源工作流切换到落盘下载/本地解析，不能据此直接进入 coder。 全文不可用、`paper_repro_handoff=false` 时不视为规格就绪；官方 GitHub 只用于补充已读论文的 实现缺口。用户要求代码时，paper-repro 的返回只完成提取步骤，须继续调度 coder，直到源码、 配置和入口实际交付，或如实报告受阻模块；不得停在规格文件后宣布完成。 调度时传递当前任务目标、用户明确要求、约束、论文线索及输出目录；已有上下文或 handoff 足以表达这些内容时直接进入 paper-repro，不要求用户重新整理输入格式或重发逐字 prompt。 输入充分性按该技能“输入与启动”判断，任务要求可用仍须完成论文全文获取和核验。 1. `orchestrator`：资源摘要检索、意图识别、专家召回、proposal 融合、状态维护、执行调度。 2. `expert planning skills`：面向任务族或任务方面的规划专家，输出局部 plan proposal。 3. `execution skills`：具体落地，必须是 `type=executor`；orchestrator 不预设固定技能名单，而是在需要调度执行技能时查询当前可用的 `type=executor` 技能及其职责边界后再做调度。 4. `resource registry / resource packs`：模型卡、数据卡、论文资源、组件契约、运行模板、评估标准等。 ## 自主执行模式（Autonomous Mode） 当用户请求包含以下语义时，设置 `autonomous_mode: true` 并写入 `Task State.execution_flags`： - **中文触发词**：`一直执行`、`不间断`、`自动完成`、`不要停`、`一次性完成`、`自动执行`、`连续执行`、`全程自动`、`不要中断`、`别停`、`不用确认` - **英文触发词**：`keep running`、`don't stop`、`continuously`、`autonomously`、`non-stop`、`without interruption`、`auto-complete` - **任务语义触发**：用户明确要求完成端到端全流程（如"复现论文X并发布到ModelScope"、"从论文到训练到推理一条龙"）。 - **执行型任务默认触发**：请求属于"完成…可执行任务 / 可复现研究任务 / 开展…验证 / 执行… / 跑通… / 产出…结果 / 获得可验证的…结果"这类执行型意图时，即使无显式触发词也**默认 `autonomous_mode: true`**——能力中心"使用→发送"派发的场景本意是把任务真正跑完，而不是停在方案层。 - **反向豁免**：仅当用户显式要求"先出方案、经我确认后再执行"（如 `先给方案不要执行`、`等我确认后再跑`、`只做规划不要动手`、`方案确认后再实施`）时才保持非自主模式。 - **关键区分——科学严谨性约束 ≠ 停在方案层**：执行型场景常带"请先评估数据/模型/资源是否足够，方案确认前不得把实现细节、历史案例或目录默认值当作不可变科学结论"这类措辞。该约束是**禁止把未经实验验证的细节当成科学结论**，不是要求停在方案层不执行。对这类场景仍设 `autonomous_mode: true` 并一路执行到产出可验证结果与落盘文件，只在最终输出中对未经本次实验验证的数值标注 `proposed_candidate` / `pending_verification`，且不得自判 PASS（遵守 `references/evidence_gates.md` 的 C/D 层 result_identity 门禁）。 **autonomous_mode=true 后、进入阶段三执行前，必须先读取 `references/autonomous_mode_details.md`**（含：handoff 注入标记与 wallclock 预算、停止条件、决策分级 level_1/2/3 与 block 写入格式、todowrite 同步与容错、失败分类策略表 7a、步骤超时保护 7b、Event 记录 7c、Plan Version 递增 7d、探索预算 8）。 会话已有连续执行授权持续有效，不因新步骤或上下文恢复而重复询问。每次 handoff 继承 `autonomous_mode`、输出根目录、禁止训练等约束；用户禁止训练时设置 `training_allowed=false`， 禁止以 smoke/quick/dry-run 名义训练。只要求提取/生成代码的任务记录 `completion_scope=spec_delivery|code_delivery`，不自动扩展到训练或论文指标验收。 ## 可视化交付契约（执行型任务默认强制） **适用范围**：`autonomous_mode=true` 且要求运行科研任务并交付结果的任务；纯查询、安装、 配置、论文信息提取、代码生成任务豁免。用户明确要求可视化时按其要求交付；禁止为纯代码任务 伪造训练曲线/指标以填报告。 **核心原则**：OneCode 会话文件面板**只渲染 HTML、不渲染 PNG**。可视化交付物必须以**自包含 HTML** 为第一载体；PNG 仅作为 HTML 内嵌素材或离线兜底，不得作为唯一可视化交付物。执行型任务"跑通"的定义包含"产出可在会话内直接预览的可视化报告"。 **强制交付物**（判定 `complete` / `complete_with_caveats` 之前产出，落盘到任务输出目录）： 1. `REPORT_single.html`：单文件自包含——核心图表 base64 内嵌或内联 SVG，**零外链**（不引用任何 CDN/网络 CSS/JS/字体），含任务名、关键指标数值表、≥1 张核心图、方法与数据来源说明、真实性/证据边界标注。 2. `interactive.html`（推荐）：Plotly 或等价多面板交互页，同样零外链自包含。 3. 配色与版式遵循已召回的 `scientific_visualization` / 域可视化原语规范；未召回时按默认出版级规范（dpi≥150、色盲友好 colormap、坐标轴带单位与图例）。 4. **空图自检**：出图后逐 panel 校验非空且 `np.std>0`，空图/纯白图必须先调试重画，禁止交付空图。 **生成方式**：优先委派 `onescience-data-analyzer`（或等价 executor）出图并内嵌；确保单文件离线可打开。 **完成门禁挂钩**：阶段三步骤 11 的 D 层 complete 门禁判定终态**之前**，必须检查 `REPORT_single.html` 已落盘且非空、零外链、含内嵌图；缺失则不得标 complete，先补产可视化再收尾；仅当补产确实失败时才允许 `complete_with_caveats` 并在最终输出首行注明"可视化交付缺失"。 **会话内可见性**：最终输出必须以"文件/大小/说明"表格列出交付物及工作区相对路径，提示用户在会话右侧文件面板点开预览。 ## 工作流程 ### 阶段一：资源召回与意图识别 1. 建立或更新 Task State：初始化任务状态或从上一步执行结果更新。 - **持久化**：每次更新后原子写入 `.onescience/task_state.json`（先写 `.tmp` 再 rename）。 - **恢复**：启动时先检查该文件并核对 `task_id` 与当前任务。`events`、`observations` 和其中的 `action` 只记录历史，不是当前 worker 必须执行的控制指令；恢复决策必须按当前技能规则重新判断阻塞条件。 - `status` 非 `complete`：输出"检测到未完成任务，正在恢复..."并继续；普通未完成状态从最新有效 observation/active step 恢复。 - `status=blocked`：先复核阻塞条件是否仍存在。`active_step.status=step_timeout` 时递增 `attempt`、budget 翻倍后重试；可通过重检、重规划或当前技能规则消除的 blocker，写入 `blocker_cleared` 后继续，不等待用户授权。 - 旧状态若因 `resource_asset_access_blocked` 或资源访问策略写有 `terminate/终止` action，自动执行兼容迁移：保留原事件作为历史，丢弃未经正式 resource result 核验的内容及其派生结论，追加 `state_migrated` 事件，把状态改回 `in_progress/planning`，重新发起合法资源召回并继续原任务。当前 worker assignment 和既有自主执行授权已足够，严禁要求用户授权 fresh execution、清除 termination gate 或重发任务。 - 只有当前复核后仍存在的 `hard_blocked` 外部条件才保持 blocked；不存在、`task_id` 不匹配或已完成则按当前任务初始化，不继承其它任务的控制状态。旧版字段不完整时按 `references/task_state_contract.md` 归一化，不因缺少新版字段停止。 - 字段与状态迁移约定见 `references/task_state_contract.md`。 1.6 **【强制】初始化分层完成契约**：若任务涉及模型训练/论文复现/模型产出（`operation_type` 含 `train`/`reproduce` 或 `artifact_type` 含 `model`），阶段一 Task State 初始化完成后必须读取 `references/tier_completion_contract.md`，按其 YAML 模板与动态填充规则写入 `tiered_completion_contract`（tier_0 冒烟 / tier_1 小规模默认交付 / tier_2 全量仅显式触发）。纯安装、纯配置、纯查询任务跳过。 用户禁止训练、只要求规格/代码时，不初始化或升级训练 tier；改按实际交付范围检查文件、 规格一致性及获准验证。训练 tier 不得覆盖论文正式协议或用户明确选择的实验范围。 1.5 **【强制】资源调用前预分析**：调用 type=resource 之前先扫描 `user_request` 中的可视化信号词并记录到 `pre_call_signals.visualization`：显式可视化词（可视化/visualization/render）、三维展示词（3D/interactive/交互式）、置信度着色词（pLDDT/PAE/B-factor）、分子可视化工具（PyMOL/3Dmol/MolStar/NGL）、结构文件后缀（.pdb/.cif/.mmcif）。命中任一 → `pre_call_signals.visualization=true`；此步骤不依赖 `intent_profile`。 2. 调用 type=resource 技能获取资源摘要： - 先检查各 `type=resource` 技能 `description` 并输出 `selected_resource_skills`，仅调用覆盖当前职责知识范围的技能 - 输入：用户原始请求、Task State 摘要、`content_request: "摘要"`；`filters.domain` 仅可合理推断时填写；`filters.keyword` 仅围绕当前任务目标/产物/阻塞问题填写 - **【强制】可视化信号前传**：`pre_call_signals.visualization=true` 时 `filters.keyword` 必须追加可视化信号词（如 `可视化 visualization 3D pLDDT PAE render interactive`），确保 primitives 的 visualization category 被召回 - 接收：`matched_resources` 列表（`path`/`type`/`name`/`why_matched`/`limitations`/`content`）；只消费摘要 `content` - `resource_retrieval_result` 是阶段一中间观察，返回后回到主循环继续步骤 3；不要把请求说明或裸 YAML 当作本轮最终输出 - 请求/返回格式契约见 `references/resource_contract.md` 3. 基于资源摘要识别用户意图，输出 `intent_profile`：`domain`（earth/biology/materials/cfd/general-science）、`task_goal`、`artifact_type`、`operation_type`、`execution_phase`、`intent_aspects`（如 `["paper_reproduction", "runtime_verification"]`）、`visualization_needed`（当预分析命中或用户提到结构可视化/3D/着色/交互视图时必须为 `true`）。 3.5 **【强制】可视化原语补召**：`visualization_needed=true` 时检查 `matched_resources` 是否含 `type=visualization_primitive`： a. 已包含 → 记录路径，继续步骤 4。 b. 未包含 → 必须发起第二次资源调用（命名直查）：`user_request` 以可视化为主意图，`filters.domain` 沿用已定领域，`filters.keyword: complex_structure_visualization`（精确目录名触发命名直查），`content_request: "摘要"`；补召结果**追加合并**进 `matched_resources`，`why_matched` 备注 `orchestrator_remedial_lookup`。 d. **不可跳过**：不能因步骤 2 未返回 visualization 就认为不需要可视化；必须在交给 executor 之前确保 visualization 原语就位。 3.6 **【强制】领域知识缺口检测（在线兜底闸门，不可跳过）**：资源召回（步骤 2/3.5）返回后，必须读取 `resource_retrieval_result.knowledge_gap` 字段，判定本地是否真正查到了能回答该具体科学问题的领域知识。判定标准（`knowledge_gap=true` 的任一情形）： a. `matched_resources` 为空； b. `retrieval_level ∈ {none, task_only}`； c. `matched_resources` 仅由泛化 `workflow_planning_primitive`（或 `legacy_instance: true` 的「文献综述/通用分析/通用建模流程」类卡）构成，无任何与目标 domain 具体研究对象直接相关的领域专属资源或 Task； d. 命中资源 domain 与请求目标 domain 不一致，且无该 domain 实质资源。 - 若 `knowledge_gap=true`：设置 `Task State.execution_flags.online_fallback_required=true`，记录 `knowledge_gap_detected` event（含判定情形与命中的泛化卡名），并**强制**在步骤 7 触发【硬路由兜底】。同时读取 `resource_retrieval_result.online_evidence`：非空=文献证据已就绪（规划/执行必须以其中引文[n]与接地事实 grounding 参数与结论）；为空=证据洞未填（进入步骤 7 单次兜底）。 - **铁律**：泛化 workflow-planning 卡只讲「怎么做研究」的通用流程，**不构成对具体科学问题的领域回答**。仅命中此类卡时，禁止当成「有资源可用」直接进入 direct_step 或专家融合假装完成，禁止编造「模拟检索结果/模拟数据/默认参数/历史案例」充数。 - 若 `knowledge_gap=false`（full/partial/命中领域专属资源）：正常进入阶段二，不触发在线兜底。 - **此步骤不可跳过**：`knowledge_gap` 是跨 task_centric / traditional_resource 两条路径的统一闸门，是 orchestrator 侧在线兜底触发的唯一依据。**若 `online_evidence` 非空则直接消费、不得重复落检索 executor_step（单次集中通道，防限流/双跑）**；仅当 `knowledge_gap=true` 且 `online_evidence` 为空时才在步骤 7 落一个在线兜底 executor_step。 ### 阶段二：专家召回与计划融合 4. 根据 `intent_profile.intent_aspects` 严格执行专家召回，采用**基于 capabilities 的多维度检索**： **检索方式**：按“技能元信息发现契约”获取所有 `type=expert` 技能的 `capabilities` 元信息（原生接口优先；不可用时使用会话目录并按需补读 frontmatter），按以下维度逐项匹配： - **T1 精确匹配**：用 `intent_aspects` 中的每个 aspect 直接匹配专家技能 `capabilities.intent_aspects` 列表 - **T2 关键词匹配**：用 `intent_profile` 中的关键词匹配专家技能 `capabilities.trigger_keywords` - **T3 语义兜底**：T1/T2 未命中时，用 `description` 做宽阈值语义匹配作为 fallback **多维度交叉**：同时用 `intent_profile.operation_type` 匹配 `capabilities.operation_types`，用 `intent_profile.artifact_type` 匹配 `capabilities.artifact_types`，用 `intent_profile.domain` 匹配 `capabilities.domains`；任一维度命中即进入候选，按命中维度数排序。 **完整性校验（防漏检）**：检索末尾强制执行——对每个 `intent_aspect`，必须确认已遍历接口返回的全部 `type=expert` 技能（记录 `checked_expert_skills` 列表），与接口全量列表做集合校验；若 `checked != all`，标记 `retrieval_incomplete=true` 并强制补检。未命中的 aspect 也必须保留空结果痕迹。 无论是否命中都记录本轮召回结果与 `planner_candidates` 列表；任务看起来简单也先留下"已召回、未命中"的空结果痕迹。 5. 若召回到专家（planner_candidates 非空）：设置 `planning_mode=expert_proposal_synthesis`；向每个专家传递 Task State、matched_resources、intent_profile，收集所有 `planner_proposal`；然后执行【executor 能力视图硬规则】（见下）；再融合优化为 `Global Plan`。 6. 若未召回到专家（planner_candidates 为空）：设置 `planning_mode=direct_step`；该分支只在"阶段一资源召回完成 + 阶段二专家召回已执行且记录空结果"之后进入；**前置闸门**：必须已通过步骤 3.6 缺口检测——若 `knowledge_gap=true`，direct_step 不得用泛化剧本假装完成，必须在步骤 7 先落一个在线兜底 executor_step，由其真实检索结果驱动后续步骤，禁止编造模拟数据；然后执行【executor 能力视图硬规则】，由 orchestrator 直接规划完整 `Global Plan`，为每步标注 `executor_step` / `orchestrator_step`。 **【executor 能力视图硬规则】（步骤 5/6 共同的权威规则，任何计划融合、direct_step 规划、下一步选择之前强制执行）**： - 必须按“技能元信息发现契约”获取当前所有可用的 `type=executor` 技能元信息（`name`、`description`、`type`、`capabilities`），基于 `capabilities` 字段（`owns`、`not_owns`、`inputs`、`outputs`、`downstream`、`prereq`、`intent_aspects`、`operation_types`、`artifact_types`、`domains`、`trigger_keywords`）形成 executor 能力台账后才允许划分职责。原生接口不可用时，frontmatter 读取只用于补齐会话目录已列出的技能，不得伪称接口结果。仅在以下情况深读正文：(1) 两个 executor 的 `capabilities` 边界重叠且无法从元信息判定归属；(2) 构造 detail bundle 需要具体接口格式。 - 维护内部 inventory：`all_executor_skills`（实际元信息来源发现的全部 type=executor 技能）、`read_executor_skills`（已获得完整 `capabilities` 的技能）、`missing_executor_skills`、`executor_inventory_complete`。必须通过集合校验 `set(all_executor_skills) == set(read_executor_skills)`；不相等则设 `executor_inventory_complete=false` 并**停止** proposal 融合、Global Plan 生成与 `Next Step Spec` 选择，先补齐再继续。 - 对每个 executor 建立能力台账：`skill_name`、`source_of_truth`、`metadata_source`、`owns`、`not_owns`、`inputs`、`outputs`、`downstream`、`intent_aspects`/`operation_types`/`artifact_types`、`prereq`。任一 executor 未完成元信息获取或台账缺字段时，不得融合 proposal 或选择下一步。 - 按最专门能力边界拆分步骤：识别每个步骤内部的原子执行动作（生成代码/构建数据/安装环境/训练/推理/运行验证/评估/诊断等）；对每个原子动作同时检查"谁明确负责"和"谁明确不负责"（基于接口 `capabilities` 的 `owns` 和 `not_owns` 字段）。若大步骤可由宽泛 executor 一次完成、但其中某些子动作有更专门的 `type=executor` 覆盖，**必须拆成多个 executor_step**；宽泛 executor 不得吞并已存在的训练、推理、评估、运行、安装、数据构建等专门 executor 的子任务。 - 生成 `executor_step` 时必须同时提取影响目标 executor 执行结果的细节形成 detail bundle（coder 类：文件落点/接口约束/输入输出语义/验收要求；trainer 类：训练模式/数据契约/checkpoint/策略/指标/运行边界；runtime 类：入口/执行通道/配置证据/日志位置/资源要求/重试语义）；只保留目标 executor 真正需要的决定性信息。 - 规范性边界示例：SLURM/SSH 提交脚本渲染、执行通道模板选择、提交与重试属于 runtime（由 runtime 的 `capabilities.owns` 声明），coder 仅写业务代码入口与配置；训练策略、完整训练脚本内容与训练执行组织属于 trainer（由 trainer 的 `capabilities.owns` 声明），coder 只承担文件落盘。 - 融合协议（合并重复阶段、依赖排序、冲突消解、失败回退点）细节见 `references/planner_contract.md`。 - **【远程执行站点硬门（强制，优先于 direct_step 与 autonomous_mode）】**：只要 Global Plan 中存在需要在远端节点/集群（SSH / SLURM / SCNet）上运行的步骤，或任务需要远端商业/专业软件（如 VASP、Quantum ESPRESSO、CP2K、LAMMPS 等）而本地不具备，则**必须**在该远端步骤之前安排一个 `executor_step`，`execution_skill=onescience-runsite`，用于确定运行工作台；即便 `autonomous_mode=true`，也必须由 `onescience-runsite` 的“多远程工作台选择与推荐（question 弹窗硬规则）”让用户确认执行位置（当 `~/.ssh/config` 存在 2 个及以上平台 SSH 连接时弹出选择框、把拥有目标环境的连接标（推荐））。orchestrator 与 runtime 均**不得**自行选定某个远端连接或集群后直接执行；在 runsite 工作台弹窗返回用户选择之前，不得规划或落地任何远端作业步骤（`sbatch`/`srun`/远端脚本执行）。此硬门是任务级执行位置决策，不受“autonomous_mode 禁止交互提问”限制。 **对 campaign/pipeline 型 executor 同样成立**：当整条流水线被一次性移交给某个自带多阶段远端执行的编排型 executor（如 `onescience-mlmd-campaign-orchestrator`）时，**runsite 工作台步骤必须排在移交之前**——先由 `onescience-runsite` 弹工作台选择框拿到用户确认的 `execution_target`（host/user/partition/module/remote_work_dir），再把它随 handoff 注入给该 executor；被移交的 executor **不得**自行假设站点或用自己的一次性探测替代 runsite 的多连接选择弹窗。 7. **【强制】向前端输出 Global Plan**（无论走步骤 5 还是 6）：先输出 Global Plan 再在同一 skill 循环内继续执行第一步。输出必须包含：executor inventory 简短摘要（如 `executor inventory: 13/13 complete`，默认不枚举全部名单）；与当前计划相关的 executor 能力视图结论；步骤总数与预计耗时；每步序号/目标/执行方式（executor_step 标注执行技能名称与选择理由，orchestrator_step 标注工具与为何无 executor 拥有该动作）；依赖关系与数据流；每步预期产物；`next_step` 执行细节摘要；已初始化 tier contract 时按 `references/tier_completion_contract.md` 的格式输出「任务分层概览」表。使用 markdown 表格/编号列表，确保用户完整了解执行全貌。 - 长任务预检：Global Plan 含预估 >10 分钟的任务时，须在其执行前规划一个 `executor_step` 委托 `onescience-installer` 做环境就绪预检（`installer_reason=preflight_validation`）；预检通过才能跑主任务，失败由 installer 修复或插修复步骤，不得直接跑主任务。 - 批量任务分片：含数据项 >100 的批处理时，评估可用 GPU 与可分片性；可分片且单卡 >30 分钟则拆为多个并行子任务。 **【硬路由兜底 1】可视化步骤强制定向 `onescience-data-analyzer`**：当 a) `visualization_needed=true`、b) `matched_resources` 已含 `type=visualization_primitive`、c) 任务涉及 `.pdb/.cif/.mmcif` 三维渲染或复杂结构可视化，三者**同时满足**时，必须在 Global Plan 创建 `executor_step` 且 `execution_skill=onescience-data-analyzer`，不得用其他 executor 或降级为 `orchestrator_step`。即使步骤 4-6 的能力台账未匹配到 data-analyzer 也必须执行；禁止以"快速产出结果"为由改用本地 Matplotlib 脚本；data-analyzer 返回 blocked 时由其自身降级模块处理，orchestrator 不得自行补做可视化。 **【硬路由兜底 2】领域知识缺口定向 `onescience-online-knowledge`（统一在线查证：文献/结构/软件参数三通道）**：当步骤 3.6 判定 `knowledge_gap=true` 时按单一集中通道原则：primitives 结果已带非空 `online_evidence` → 直接消费、不重复触发检索；`online_evidence` 为空 → 在 Global Plan 创建一个 `executor_step`，`execution_skill` 必须为 `onescience-online-knowledge`（纯文献深度综合由其内部再复用 `onescience-live-literature` 六步协议），真实联网查证并产出带出处（DOI/COD 编号/software-doc）证据后回写 `online_evidence`。不得降级为 `orchestrator_step`，不得用泛化 workflow-planning 剧本替代。答案顶部标注「⚠ 本地知识缺口，以下为在线查证兜底结果」；若仍有本地命中，Global Plan 一并保留其凭证（兜底是补充不是替代）。 - **离线友好降级（不得报错、不得停摆、不得伪造）**：online-knowledge 返回 `online_status: offline`（或打印 `[OFFLINE]`）时，记 `online_fallback_unavailable` event（**不是 blocked**），把该步骤标为「离线降级·缺口未填」，继续执行非科学结论类步骤直至跑完；但科学结论类交付在证据未接地时保持 BLOCKED 或诚实 PARTIAL，最终如实标注「本地知识缺口 + 当前离线，在线兜底不可用，相关结论为证据受限的尽力回答」。严禁离线报错退出或伪造检索结果。 **【三通道与证据纪律（要点，全文见 `references/evidence_gates.md`）】**： - 三通道门禁不同：文献接地方法学选择（承重数值带 [n] + domain_match，全文取不到标 abstract-only）；结构坐标/晶格**只能来自 COD 真实下载+化学式回验**（`provenance=COD:`、`self_verified=true`），严禁模型记忆坐标写进 POSCAR/CIF 或冒充出处，回验不符即剔除换候选；软件参数来自 software-doc 参考表/官方 wiki，存疑标 ⚠。 - 线上优先→先验兜底：在线未命中时降级 `source_type=model-prior` 并标「⚠ 未经在线核实」继续执行，不因缺知识 blanket-BLOCKED；但如实标注的先验不得升格为「来自文献/数据库」。 - 证据边界：进入结论的参数必须标来源 ∈ {user_provided, literature[n], local_card, executed_log, proposed_candidate}；`fabricated` 禁止；禁止合成/演示数据充当结果、替代模型顶替、自设阈值自判 PASS、自证闭环；PASS/COMPLETE 宣告前逐条核对数值与日志一致。 - 选型委托：模型/软件/方法选型 agent 必须提 2-3 个有证据候选+推荐+理由，不得以"用户没给"甩回 BLOCKED；仅用户私有/不可推断输入才 BLOCKED。 - 四层门禁 A（domain_match）/B（参数四态标签，裸数字 REJECT）/C（result_identity，smoke/demo 自动锁 not_a_result）/D（验证 FAIL 级联回退 + complete 门禁 + complete_with_caveats 首行前置 ⚠ 标注）。 - **凡要做状态判定（步骤 11）、PASS/COMPLETE 判据或最终报告结论段之前，必须先读取 `references/evidence_gates.md` 全文**。 ### 阶段三：执行与状态更新 8. 绑定资源到 Task State：从 `matched_resources` 选当前步骤所需资源，记录 `path` 与 `type` 到 `resource_bindings`；`path` 仅用于标识和交接，不授权 orchestrator 或下游直接读取对应资源文件。 9. 执行当前步骤： - **工具路径前置检查**：检查目标路径及 Bash 参数。涉及 resource `assets/` 时，先判断是否属于已发起请求的资源技能内部检索；属于则按该技能流程和请求范围继续。否则拦截该次操作，改为调用对应 resource 技能并指定 `content_request`，取得结果后继续本步。路径间接构造且范围不明时同样改走资源请求。检查结果写入本步 `resource_access_preflight`；拦截时写 `resource_asset_access_blocked`，不据此终止任务。 - 当前轮次只执行一个 `Next Step Spec`；完成 observation 并重选后，可在同一 skill 调用内继续后续轮次。`Next Step Spec` 一旦选定，本轮 owner 固定；observation 完成前不改写 owner；若发现误分类或 detail bundle 不充分，先回 planning/replan 生成新 Spec 再执行。 - `step_type=executor_step`：正式调用选定 `execution_skill`（必须 `type=executor`），传递 step spec、资源标识与内容、结构化 inputs、detail bundle 填充的 executor-specific payload；专家 `planner_payload` 含 `runtime_parameters` 时映射到 `step_handoff.inputs.parameters`；detail bundle 不足以驱动目标 executor 视为规划未完成，先回补；执行技能需更深资源时重新调用 `type=resource` 技能，不得沿 `path` 直读文件；executor 返回的 `execution_result` 仅表示当前步骤结果，不授权直接串行调用下一个 executor。 - paper-repro 返回可交接的 success/partial 时，先把唯一 spec 的路径、全文、SHA-256、 conflicts、作用范围明确的 unresolved 和 recommended consumer 写入 observation， 再回 planning 重新查询 trainer/infer/coder/runtime 的 capabilities 并选下一步；不得沿 paper-repro 的建议直接跳到 coder，也不得在同一个 executor 回执中合并编码、训练或推理结果。 - **文件交接模式（autonomous_mode）**：`autonomous_mode=true` 时以文件交接代替上下文传递：① 原子写 `.onescience/handoff/step_{step_id}.yaml`（含 attempt、step_wallclock_budget_seconds、tier_config）；② 用 Skill 工具调用 executor 并指示其读取该 yaml、完成后把结果原子写入 `step_{step_id}_result.yaml`；③ 从结果文件读 `execution_result`（含 attempt、failure_category、events、tier_result）；④ 结果原子写回 `task_state.json` 并更新 tier contract/observation/events；⑤ 全部完成后归档 handoff 目录到 `.onescience/archive/{task_id}/`。细节见 `references/file_handoff_contract.md`。 - `step_type=orchestrator_step`：只有当本轮完整 executor 台账证明该步骤不属于任何 executor 已声明负责的原子动作、也不是 executor-owned 步骤的业务子动作、且仅属编排辅助/状态维护/资源绑定/只读检查/下载/handoff 组装时，才由 orchestrator 用自身工具执行，并自行生成 `execution_result` 后同样进入 observation。 10. 记录执行结果并更新状态：所有结果先进入 `observation`；`artifacts` 与 `observation` 写回 Task State；合并 executor 返回的 `events`；更新 `completed_steps`、`current_phase`、`active_step` 与 `global_plan` 步骤状态；写入 `observation_recorded` event；原子写入 `.onescience/task_state.json`。 代码交付按 `required_outputs` 核对实际路径、文件存在/非空、职责和验证状态；技能加载成功、 agent 退出码为 0、仅有规格或空目录都不能代替源码交付。缺文件则回 coder 继续，不把提取 回执或静态检查计数当作代码完成证据。 11. 基于 observation 决策（以下判定前**先读 `references/evidence_gates.md`**）： - **先判断完成范围**：`spec_delivery`/`code_delivery` 按 evidence_gates 中的交付范围例外 验收；不要求训练或 HTML 报告，不把 `not_a_result` 的源码误判为失败，也不宣称科研成功。 以下科研 PASS/COMPLETE 判据用于要求实际科研结果的任务。 - `success`：标记完成并写 `step_completed` event；**result_identity 复核**——扫描本 step 产物自述关键词，命中 smoke/demo/simplified/toy 等则自动锁 `not_a_result`、状态改记 `DEMO_PASS`（不得记 PASS），追加 gaps.jsonl `gate_hit=result_identity_lock`；有 tier contract 时执行 11.1 tier_check；无 tier contract 且全部 `completion_criteria` 满足 → **先过 D 层 complete 门禁**（所有 step `result_identity=research_result` + 验证类 step 全 PASS + 无未解除 `blocked_missing` + 可视化交付契约满足）才允许 `status: complete`，任一不满足按契约降级 `complete_with_caveats`/`partial` 并追加 `gate_hit=complete_downgrade`、最终输出首行前置「⚠ 本次未产生科研结论」标注；否则基于最新状态重选 `Next Step Spec`（结构性修改递增 `global_plan_version`）。 - `partial`：记录已完成部分/缺失项/残余风险/`next_recommendation`，写 `step_partial` event；**若为验证类步骤且含子项 FAIL，执行 D 层级联回退**——上游已标 PASS 的 step 回退为 `UNVERIFIED` 或 `PARTIAL`，写 `validation_rollback` event（含回退清单与 FAIL 明细）、追加 gaps.jsonl `gate_hit=validation_rollback`，回退后禁止在报告中保留被回退 step 的 PASS 判定与正面结论；然后回规划阶段细化/拆分/补前置，同循环继续。 - `failed`：记录失败证据，写 `step_failed` event；验证类判 FAIL 同样级联回退，`scientific` 类不得自动重试掩盖；按 `failure_category` 分策略（transient→退避重试；code→委托 coder；environment→委托 installer；scientific/dependency→直接 blocked；platform→阻塞重试 1 次；unknown→先诊断），细则见 `references/autonomous_mode_details.md` 7a；超重试上限进 blocked。 - `step_timeout`：写 `step_timed_out` event，进入 blocked；恢复后 `attempt` 递增、预算翻倍。 - `blocked`：**先过 provision 前置门禁**——按 `resource_acquisition` 分类缺失项：`acquirable`（可 pip/conda 安装、可公开下载的数据/权重、可达镜像）不得 blocked，库缺失改判 `environment` 走 installer 自动安装、数据/权重缺失改判 `data` 走 retry_re_fetch 自动下载；仅 `hard_blocked`（需 API Key、商业许可证如 VASP/Gaussian、不可达私有资源、超算力硬约束）才允许 blocked，且 blocked 前必须先把所有 `acquirable` 部分执行并落盘交付（代码/结果/指标/图/`REPORT_single.html`），gaps.jsonl 追加 `gate_hit=hard_block_only` 记录"已交付部分+唯一硬阻塞项"。记录阻断原因；可重规划消除则继续，否则保持 blocked 等待外部条件。 11.1 **tier_check 子流程**（仅 `tiered_completion_contract` 已初始化时执行）： ``` 1. 从 execution_result.tier_result（若存在）或 observation 提取当前步骤 check 结果 2. 更新 tiers[active_tier].checks 对应项 status 3. 遍历当前 tier：仍有 pending → 继续下一步 execution；全部非 pending： a. 全部 pass → tier status = pass b. 有 fail → tier status = fail 4. tier = pass： a. escalation == "always"（如 tier_0）→ active_tier 切下一 tier，进入 execution 当前 tier.is_deliverable == true： * escalation_trigger 命中（user_goal 含"全量/完整复现/论文指标"等）且下一 tier 存在 → 切换 * 否则 → status: complete，输出最终结果 b. 将 tier_config 注入下一 tier 步骤的 step_handoff 5. tier = fail： a. 有 fallback_tier（如 tier_2→tier_1）→ deliverable_tier 指向 fallback，status: partial b. 无 fallback → status: failed ``` 12. 重新选择下一步并进入下一轮：只有 observation 完成且 Task State 已更新后才允许重选；修复成功后也必须基于最新状态重选，不得沿用修复前缓存的 `next_step` 或 handoff；选定后返回阶段三步骤 8 绑定资源，进入下一轮。 ## 资源使用原则 orchestrator 只负责资源发现、摘要读取和资源绑定，不读取资源完整内容。resource 技能选择、意图识别、专家上下文传递、计划约束判断、资源绑定各阶段如何使用 `matched_resources` 的 `content`/`type`/`why_matched`/`limitations`，以及跳过与禁止绕过规则（不得把 `path` 当本地路径直读；执行技能需详细内容时由执行技能重新调用 type=resource 技能并指定 `content_request`），统一见 `references/resource_contract.md`（含 `resource_retrieval_request` / `resource_retrieval_result` 完整 YAML 契约）。 ## 专家召回与计划融合 专家规划技能不是唯一主控也不是必经链路，它们是被召回来解决用户意图某个方面问题的规划者，必须是 `type=expert`。召回链路：`resource summaries + user request -> intent_profile；intent_aspects -> candidate experts；proposals -> global plan synthesis`。每个专家只规划自己覆盖的方面；融合职责（inventory、专长拆分、detail bundle、步骤映射与下一步选择、失败回退点）的权威规则见上文【executor 能力视图硬规则】，协议细节见 `references/planner_contract.md`。 ## 无专家召回时的直接规划 默认流程始终是：先执行阶段二步骤 4-6 专家召回，再按结果选择专家融合或 `direct_step`。`planner_candidates` 为空时进入 direct_step：说明当前任务是通用/单步/尚无专家覆盖，由 orchestrator 基于 `intent_profile`、`matched_resources` 和完整 executor 视图直接规划；即使 direct_step 也必须先检查可用 executor 能否覆盖步骤内子动作，能覆盖则拆成多个 executor_step。典型情况（写代码/运行提交/装环境/评估）一律先查 executor 台账选职责匹配的 executor，不在本技能硬编码名单。direct_step 仍须完整维护 Task State：`planner_candidates=[]`、`planning_mode=direct_step`、`resource_bindings`、`next_step` 与 observation。 ## 执行技能调度 executor_step 由 `type=executor` 技能执行：执行技能只消费 Step Spec，不重新定义用户最终目标；技能名单不硬编码，按【executor 能力视图硬规则】通过接口获取 `capabilities` 元信息查询与建台账；executor 检索同样采用多维度匹配（`intent_aspects`/`operation_types`/`artifact_types`/`trigger_keywords` 交叉命中）并执行完整性校验；若执行技能发现 step 信息不足应返回缺失项，orchestrator 更新 Task State 后重新查询、重新匹配或修正。 orchestrator_step 只允许承载**不属于任何 executor 已声明职责的辅助动作**，需同时满足：本轮完整台账中无任何 executor 明确拥有该原子动作；该动作不是 executor-owned 步骤的业务子动作；该动作只属编排辅助/状态维护/资源绑定/只读检查/下载/handoff 组装。允许的典型动作：WebFetch/curl 下载网络资源；Read 读取工作区文件、用户文件和 orchestrator 自身非资源参考文件（不得读任何 resource skill 的 `assets/`）；Bash 只读/辅助检查；Glob/Grep 搜索工作区文件（文件搜索路径模糊时先读 `references/path_resolution.md`，渐进式搜索最多 3 轮，失败先分析原因再调策略）；只写 Task State、handoff、observation 和编排元数据。业务配置、源码、训练/评测脚本和 checkpoint 仍属于 executor 产物。 **明确禁止 orchestrator 自执行**：代码生成/修改/配置内容编写/仓库文件落盘（交 coder/runsite 等对应 executor）；训练、推理、评估、数据构建等业务执行；环境安装/修复/依赖补齐；运行通道选择后的提交、日志拉取、执行诊断、SLURM/SCnet/SSH 治理；已标 `executor_step` 的任何业务动作；`knowledge_gap=true` 时编造模拟结果/默认参数/历史案例冒充领域回答（必须走步骤 7 硬路由在线兜底）。 **判断原则**：领域专业逻辑用 executor；多个 executor 可覆盖同一大步骤时，更专门的 executor 拿其覆盖的子动作，宽泛 executor 只生成前置物或补未覆盖部分；确认无任何 executor owner 才保留 orchestrator_step。 ## 输出要求 每次编排输出至少包含： 1. `task_state_summary` 2. `resource_candidates` 3. `intent_profile` 4. `planning_mode`：`direct_step` 或 `expert_proposal_synthesis` 5. `planner_proposals`：如适用 6. `global_plan`：如适用 7. `resource_bindings` 8. `latest_observation` 9. `next_step_selection_basis` 10. `next_step` 11. `execution_skill` 12. `handoff` 13. `completion_criteria` 如果任务已完成，输出： 1. `final_status`：∈ {complete, complete_with_caveats, partial, blocked}；非 `complete` 时**第一行必须**前置「⚠ 本次未产生科研结论，以下为方法演示/工程脚手架输出，验证状态：<明细>」 2. `completed_steps`：每步附 `result_identity` 与最终判定（PASS / DEMO_PASS / PARTIAL / UNVERIFIED / BLOCKED）；存在验证 FAIL 时必须附 `validation_rollback` 明细 3. `artifacts` 4. `verification_status`：逐项验证结果（PASS/FAIL/PARTIAL + 具体数值），禁止只写总结性「验证通过」 5. `remaining_risks` 6. `gate_hits`：本次触发的四层门禁清单，与 gaps.jsonl 追加行一致；为空时显式写「无门禁触发」 7. `parameter_labels`：进入本次执行的关键参数四态清单，证明无裸数字进入执行 ## 按需读取 - 设置 `autonomous_mode=true` 后、进入阶段三前：`references/autonomous_mode_details.md`（行为细则、失败分类表、决策分级、探索预算）。 - 初始化 tier contract（阶段一步骤 1.6）时：`references/tier_completion_contract.md`（YAML 模板与动态填充规则）。 - 任何状态判定 / PASS/COMPLETE 判据 / 最终报告结论段之前：`references/evidence_gates.md`（三通道分治、证据边界契约、四层门禁 A/B/C/D、门禁可观测性）。 - 需要 Task State 字段和状态迁移约定时：`references/task_state_contract.md`。 - 需要专家召回、planner proposal 和计划融合协议时：`references/planner_contract.md`。 - 需要资源分层、摘要匹配、资源使用与绑定规则（含请求/返回 YAML 契约）时：`references/resource_contract.md`。 - 需要执行技能 handoff 格式时：`references/execution_handoff_contract.md`。 - 需要 autonomous_mode 文件交接细则时：`references/file_handoff_contract.md`。 - 需要在模糊路径条件下搜索项目文件时：`references/path_resolution.md`。