Ai Cli Architecture

Other

AI CLI 产品的工程架构与迭代策略。当需要设计、开发、或迭代 AI 命令行工具类产品时使用，包括：功能模块化设计、渐进式版本规划、Feature Flag 机制、多后端适配、权限系统、Hook 系统、上下文管理、会话恢复、诊断工具、审计追责、可观测性、信任链设计、状态机思维等。触发场景：构建 AI CLI、规划产品路线图、设计架构方案、分析竞品工程实现。

Install

openclaw skills install ai-cli-architecture

AI CLI 工程架构与迭代策略

核心原则（10条）

定义产品本体：先确定是 chat tool / agent runtime / 任务系统，再设计界面
会话引擎和执行循环分层：TaskSessionEngine 管状态，ExecutionLoop 管推进
上下文是可编排输入层：不是 prompt 文案，是结构化注入
工具受控暴露：动态由任务阶段决定，不是静态权限矩阵
权限结构性兜底：白名单 + 审批链 + 信任链
长任务能力 Day 1 设计：token budget / compact / checkpoint / recover
中断/恢复/回放原生支持：部分完成 + 可恢复 > 成功/失败
压缩是一等能力：结构化摘要，用户和 agent 都可读
审计与可观测性 Day 1：每个 action 可追溯，技术债难还
约束清晰带来真正智能：不是堆功能，是边界+上下文+工具+状态

架构参考

详细 patterns 和示例见 references/patterns.md：

主题	内容
渐进式开发	V1→V4 阶段模型与决策框架
Feature Flag	环境变量控制、条件灰度、克制原则
多后端兼容	Anthropic/Bedrock/Vertex/Azure 适配器
模块化架构	entrypoints/core/tools/adapters/hooks/repl
Hook 系统	pre/post tool 生命周期钩子
权限系统	manual/plan/auto/yolo 四种模式 + 信任链
上下文管理	自动压缩策略与优先级 + 任务阶段动态暴露
会话恢复	checkpoint 与 resume 机制
诊断系统	Doctor 检查清单设计
审计追责	执行证据页设计
可观测性	每个 action 可追溯
状态机思维	状态流转 vs 页面集合

快速检查清单

新功能接入

确定功能状态：✅/⚠️/❌
是否需要 Feature Flag 控制
是否需要 Hook 扩展点
平台兼容性检查（Windows/Linux/macOS）
工具暴露是动态还是静态？
信任链是否设计？

架构评审

分层是否清晰（状态 vs 推进）？
模块边界是否清晰？
错误处理是否完整？
权限控制是否合理？
会话状态是否可恢复？
可观测性是否覆盖？
Flag 是否有 owner 和退出条件？