🧩 正交性Agent框架

正交性Agent框架 - 模块化AI Agent设计系统

基于Manus核心设计理念，将AI Agent拆分为四个正交维度：

• - 规划（Planning） - 任务拆解、目标设定
• 执行（Execution） - 工具调用、操作执行
• 记忆（Memory） - 上下文保持、长期存储
• 评估（Evaluation） - 结果检验、反馈改进

核心理念

什么是正交性？

正交性（Orthogonality）指各模块相互独立，改变一个不影响另一个。

┌─────────────────────────────────────────────────┐
│ Agent System │
├─────────────┬─────────────┬─────────────┬────────┤
│ Planning │ Execution │ Memory │ Eval │
│ 模块 │ 模块 │ 模块 │ 模块 │
└─────────────┴─────────────┴─────────────┴────────┘
↕ ↕ ↕ ↕
可独立 可独立 可独立 可独立
升级/ 替换/ 替换/ 替换/
测试 测试 测试 测试

优势

使用方法

快速开始

使用正交性框架帮我规划一个复杂任务

框架文件

框架会自动创建以下文件管理任务：

命令示例

适用场景

✅ 适合

• - 复杂多步骤任务
• 需要长期记忆的任务
• 需要评估/反思的任务
• 构建自定义Agent系统

❌ 不适合

• - 简单对话任务
• 一次性任务
• 固定流程

技术实现

模块接口

每个正交模块遵循统一接口：

yaml
Planning:
- plan(task) → steps[]
- update_plan(progress)
- replan(feedback)

Execution:
- execute(step) → result
- tool_call(tool, args)
- rollback(step)

Memory:
- store(key, value)
- retrieve(key)
- forget(key)
- summarize()

Evaluation:
- evaluate(result) → score
- feedback(issues) → improvements
- validate(criteria)

状态管理

yaml

agent-state.yaml

execution:
active_step: 1
results: {...}

memory:
short_term: [...]
long_term: {...}

evaluation:
scores: {...}
feedback: [...]

扩展性

添加新模块

在框架中集成新能力：

yaml
modules:
- planning # 已有
- execution # 已有
- memory # 已有
- evaluation # 已有
- creativity # 新增 - 创意生成
- research # 新增 - 信息收集

替换模块

替换现有模块不影响其他：

yaml

替换记忆模块

示例

完整任务流程

用户: 帮我研究AI Agent的发展趋势

正交性框架:

1. 1. Planning → 拆解为5个子任务
2. Execution → 搜索信息
3. Memory → 存储重要发现
4. Evaluation → 评估信息质量
5. 循环2-4直到完成
6. 输出最终报告

文件结构

orthogonal-agent-framework/
├── SKILL.md
├── _meta.json
├── references/
│ ├── design-principles.md
│ └── module-interfaces.md
└── templates/
├── plan.md
├── execution.md
├── memory.md
└── evaluation.md