GoSkill – 開源的長任務推進工具,內置重試循環與狀態追蹤

AI工具2周前發佈新公告 AI管理員
0 0

GoSkill是什麼

GoSkill 是面向長任務與複雜任務的推進工具。工具通過裝飾器或類方式封裝任務,將”一次性 Skill 調用”升級爲”圍繞目標持續推進,直到滿足成功標準或超時”的執行模式。GoSkill適用需要明確驗收標準、狀態追蹤和分階段完成的自動化場景,如大規模重構、長時間分析等。

GoSkill – 開源的長任務推進工具,內置重試循環與狀態追蹤

GoSkill的主要功能

  • 目標定義:支持通過 goal 參數明確任務目標,將任務意圖結構化表達。
  • 成功標準:通過 criteria 字典定義多維度驗收條件,量化完成標準。
  • 持續重試:內置執行循環,未達標時自動等待並繼續嘗試,直到成功或超時。
  • 狀態追蹤:提供 status 屬性實時查看嘗試次數、運行時長及檢查結果。
  • 結構化返回run_with_result() 返回包含 success、attempts、criteria_report 的結構化結果對象。
  • 靈活封裝:支持裝飾器 @goskill 和類 GoSkill 兩種調用方式,輕量嵌入現有代碼。

如何使用GoSkill

  • 安裝依賴:克隆倉庫後執行 make install-dev 完成環境配置。
  • 定義任務:使用裝飾器或實例化 GoSkill 類,傳入 goalcriteriamax_hours 等參數。
  • 編寫邏輯:在函數或 lambda 中實現具體任務邏輯並返回結果字典。
  • 執行運行:調用 run() 獲取原始結果,或調用 run_with_result() 獲取結構化執行報告。
  • 查看狀態:通過 skill.status 查看當前目標、嘗試次數、已運行時長及達標情況。
  • 運行示例:執行 python examples/basic_usage.py 查看最小可運行 Demo。

GoSkill的關鍵信息和使用要求

  • 項目定位:單機、單進程、輕量級的 goal-driven execution helper,非分佈式調度系統。
  • 適用邊界:適合長任務、複雜任務、需明確驗收標準的場景;不適合單次問答、極小同步函數。
  • 依賴環境:Python 環境,通過 Makefile 管理開發、測試與構建流程。
  • 協議許可:支持Apache-2.0 開源協議,可自由商用與二次開發。
  • 當前狀態:實驗性執行模式原型,面向 OpenClaw / Agent workflow 的輕量封裝。

GoSkill的核心優勢

  • 目標驅動:將任務從”執行一次”升級爲”圍繞目標持續推進”,確保結果可驗收。
  • 過程透明:內建狀態追蹤機制,隨時查看嘗試次數、時長及達標進度。
  • 輕量無侵入:僅通過裝飾器或類封裝即可接入,不改造原有業務邏輯。
  • 預期對齊:明確項目邊界,不承諾分佈式調度等企業級能力,建立可信預期。

GoSkill的項目地址

  • GitHub倉庫:https://github.com/AIPMAndy/goskill

GoSkill的同類競品對比

對比維度 GoSkill Tenacity Prefect
核心定位 目標驅動執行輔助工具 通用重試裝飾器庫 現代數據流工作流引擎
目標定義 ✅ 原生支持 goal 參數 ❌ 無目標概念 🟡 通過 Flow 間接定義
驗收標準 ✅ 結構化 criteria 字典 ❌ 僅異常類型判斷 🟡 支持自定義狀態檢查
持續重試 ✅ 達標或超時自動循環 ✅ 豐富退避策略 ✅ 任務級重試配置
狀態追蹤 ✅ 內建 status 實時查看 ❌ 無狀態對象 ✅ 完整 UI 與 API 狀態流
執行封裝 ✅ 裝飾器 + 類,輕量無侵入 ✅ 裝飾器極簡接入 ❌ 需定義 Flow,較重
部署依賴 無,純 Python 單機運行 需 Prefect Server/Cloud
適用場景 長任務/複雜任務/明確驗收標準 函數級異常重試 數據管道/ETL/定時調度

GoSkill的應用場景

  • 代碼工程遷移:適用大規模項目重構或跨平台遷移,如將 Android 項目遷移至鴻蒙系統,通過設定編譯零錯誤、測試通過率等硬性指標,持續迭代直至達標。
  • 批量數據處理:適合長時間分析任務,如批量分析 1000 份財報或處理大規模數據集,利用覆蓋率與完整性標準自動推進,避免人工逐輪檢查。
  • 自動化驗收流程:面向需要明確驗收標準的 CI/CD 或測試環節,將”執行—校驗—重試”封裝爲閉環,確保每次部署都滿足預設質量門檻。
  • 科研與迭代實驗:通過定義階段性成功標準,自動追蹤實驗進度,減少重複手動操作。
  • Agent 工作流增強:作爲 OpenClaw 或 AI Agent 的長任務執行封裝層,彌補單次 Skill 調用”做完即停”的缺陷,提升複雜任務完成的可靠性。
© 版權聲明

相關文章

暫無評論

暫無評論...