# agentoffice

**Repository Path**: artifacttrace/agentoffice

## Basic Information

- **Project Name**: agentoffice
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: MulanPSL-2.0
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2026-07-11
- **Last Updated**: 2026-08-03

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AgentOffice

AgentOffice 是一个基于 Rust 和 Slint 的本地桌面应用。它从 FusionHub 获取最近会话，通过 ArtifactTrace 启动 AOInbox Run，将聊天内容整理为候选任务、候选 Run、任务变更或外部智能体工作卡。

## 工作原理

AgentOffice 本身不负责判断聊天内容是不是任务。它负责确定性的编排工作，语义判断由 ArtifactTrace 中的 AOInbox Agent 完成。

一次 AOInbox 批次按以下方式工作：

1. 用户点击“提交 AOInbox”，或者自动收取定时器到期；
2. AgentOffice 读取设置，检查 FusionHub、ArtifactTrace、AOInbox Task 目录和 prompt；
3. 如果启用的来源需要候选工单判断，AgentOffice 先启动“任务语义编目”Run，更新 `07-17-任务语义编目/tasks.md`；
4. AgentOffice 从 FusionHub 获取时间窗口内的最近会话；
5. 会话按来源分组并切成 chunk，同时写入本批次的 request、snapshot 和任务索引；
6. AgentOffice 根据来源选择固定 route，并通过 ArtifactTrace 启动对应 Agent；
7. AOInbox Agent 读取本批次被授权的文件，将结果写入 AOInbox Task 的 `outputs` 或 `working` 目录；
8. AgentOffice 等待或刷新输出，对模型生成的 Markdown 做确定性校验和解析；
9. 候选结果显示在“任务信箱”。只有用户确认后，AgentOffice 才会创建 Task、创建 Run 或记录任务变更。

### 流程图

```mermaid
flowchart TD
    Start["用户提交 AOInbox<br/>或自动收取到期"] --> Preflight["读取设置并检查<br/>连接、Task 目录和 Prompt"]
    Preflight --> Catalog{"当前来源是否需要<br/>候选工单判断"}
    Catalog -- "是" --> CatalogRun["通过 ArtifactTrace 启动<br/>任务语义编目 Run"]
    CatalogRun --> CatalogFile["更新任务语义索引<br/>07-17-任务语义编目/tasks.md"]
    Catalog -- "否" --> Fetch
    CatalogFile --> Fetch["从 FusionHub 获取最近会话"]
    Fetch --> Prepare["按来源分组和切片<br/>生成 request、chunk、snapshot 和索引"]
    Prepare --> Route{"按来源选择固定 Route"}

    Route -- "微信等人类聊天" --> HumanFacts["阿本提取 Facts<br/>使用 fact-schema.md"]
    HumanFacts --> HumanDecision["阿云生成候选工单<br/>使用 chat-candidate-decision.md"]

    Route -- "DeepSeek、Qwen、Kimi 等" --> AiDecision["阿云直接生成候选工单<br/>使用 ai-chat-candidate-decision.md"]

    Route -- "Codex、Claude" --> WorkCard["阿云提取外部工作卡<br/>使用 coding-agent.md"]

    HumanDecision --> Outputs["写入 AOInbox 输出文件"]
    AiDecision --> Outputs
    WorkCard --> Outputs
    Outputs --> Validate["AgentOffice 确定性校验并解析 Markdown"]
    Validate --> Inbox["在任务信箱展示候选结果"]
    Inbox --> Confirm{"用户确认"}
    Confirm -- "确认" --> Dispatch["创建 Task、启动 Run<br/>或记录本地任务变更"]
    Confirm -- "暂不处理" --> Keep["保留、停放或忽略候选"]
```

### 三类处理 Route

#### 1. 人类聊天

微信等人类聊天采用两个阶段，避免同一个 Agent 同时提取事实和做任务判断：

1. 阿本读取 request 中列出的 chunk；
2. 阿本根据 `fact-schema.md` 提取可核验 Facts，写入本批次的 `working/<批次>/facts.md`；
3. Facts Run 完成后，AgentOffice 再启动阿云；
4. 阿云读取 Facts、任务索引和任务语义索引；
5. 阿云根据 `chat-candidate-decision.md` 输出候选任务、候选 Run、任务变更或无动作结论。

#### 2. AI 对话

DeepSeek、Qwen、元宝、豆包、Kimi、ChatGPT 和 Gemini 等 AI 对话采用单阶段处理：

1. 阿云读取 request 授权的全部 chunk；
2. 同时读取本批次冻结的任务索引和任务语义索引；
3. 根据 `ai-chat-candidate-decision.md` 还原对话中的工作事项；
4. 输出候选任务、候选 Run、任务变更或无动作结论。

#### 3. 外部代码智能体

Codex 和 Claude 会话不生成普通候选工单，而是生成外部智能体工作进展卡：

1. 阿云读取 request 授权的 chunk；
2. chunk 信息不足时，按规则有限回溯 snapshot；
3. 根据 `coding-agent.md` 提取工作目的、当前进度、后续计划、阻塞和失败点；
4. 将工作卡写入 `outputs/external-agent-work.<来源>.<批次>.md`。

### 为什么需要任务语义编目

仅有 Task ID 和标题通常不足以判断一段新对话属于哪个已有 Task。“任务语义编目”Task 会将当前任务情况整理到 `tasks.md`，AOInbox 再将它与本批次的结构化任务索引一起使用：

- `task-index.json` 冻结本批次允许引用的 Task ID；
- `tasks.md` 提供这些 Task 的语义背景；
- AgentOffice 的本地校验器确保模型不能引用本批次索引之外的 Task。

模型负责语义匹配，AgentOffice 负责路径、批次、白名单和输出格式等确定性约束。

## 运行前准备

需要准备：

- Rust 工具链；
- 正在运行的 FusionHub；
- 正在运行的 ArtifactTrace；
- ArtifactTrace workspace 中的 AOInbox Task；
- ArtifactTrace workspace 中的“任务语义编目”Task。


## 首次设置

打开 AgentOffice 的“设置”页面，填写：

1. `FusionHub URL`，例如 `http://localhost:8866`；
2. `ArtifactTrace WS`，例如 `ws://127.0.0.1:8868/ws`；
3. `AOInbox Task 目录`。

点击“选择目录”，选择 AOInbox Task 本身，不要选择它下面的 `prompts` 目录。

示例：

```text
Windows:
D:\artifacttrace-workspace\tasks\07-12-aoinbox

macOS:
/Users/yourname/artifacttrace/tasks/07-12-aoinbox
```

点击“保存设置”。AgentOffice 会检查：

- 路径是否为可访问的绝对目录；
- 当前启用的数据源所需的 prompt 文件是否存在；
- prompt 文件是否为空。

设置保存在当前使用的 SQLite 数据库中。复制数据库到另一台电脑时，其中的绝对路径不会自动变化，需要重新选择目录。

## ArtifactTrace 目录约定

AOInbox Task 和“任务语义编目”Task 必须位于同一个 `tasks` 目录下：

```text
<artifacttrace-workspace>/
└── tasks/
    ├── 07-12-aoinbox/
    │   ├── TASK.md
    │   ├── prompts/
    │   │   ├── fact-schema.md
    │   │   ├── chat-candidate-decision.md
    │   │   ├── ai-chat-candidate-decision.md
    │   │   └── coding-agent.md
    │   ├── inputs/
    │   ├── outputs/
    │   └── working/
    └── 07-17-任务语义编目/
        ├── TASK.md
        └── tasks.md
```

AgentOffice 根据所选 AOInbox Task 目录的父目录，自动查找：

```text
../07-17-任务语义编目/tasks.md
```

因此不需要再配置一条“任务语义编目”绝对路径，但 Task ID 当前固定为 `07-17-任务语义编目`。如果 ArtifactTrace 中使用了其他 Task ID，需要同步修改 AgentOffice 代码。

## Prompt 从哪里读取

每次提交 AOInbox 时，AgentOffice 会从所选 Task 的 `prompts` 目录读取规则：

| 文件 | 用途 |
| --- | --- |
| `fact-schema.md` | 从微信等人类聊天提取 Facts |
| `chat-candidate-decision.md` | 根据 Facts 生成候选工单 |
| `ai-chat-candidate-decision.md` | 从 AI 对话生成候选工单 |
| `coding-agent.md` | 从 Codex、Claude 等会话提取工作卡 |

修改这些文件后，下一批 AOInbox Run 会直接使用新内容，不需要重新编译 AgentOffice。

## 基本使用流程

1. 启动 FusionHub 和 ArtifactTrace；
2. 启动 AgentOffice；
3. 在设置页完成连接和 AOInbox Task 目录配置；
4. 在“任务信箱”点击“提交 AOInbox”；
5. 等待 AOInbox Run 完成并刷新输出；
6. 检查候选任务、候选 Run、任务变更和外部智能体工作卡；
7. 确认候选后再派发到 ArtifactTrace。