Camins d'Habilitats Onboarding

Propòsit

Aquesta guia és el camí d’integració únic per a ambdós modes d’ús de Decision Gate:

1. DG guarda l’execució de competències externes.
2. DG és cridat com una habilitat d’avaluació la semàntica del seu comparador/RET és determinista sobre les entrades observades completes.

També defineix com un harness extern pot compondre ambdós modes sense permetre el desplaçament de polítiques autorades per LLM. Això no és execució d’escenaris recursius o orquestració entre escenaris propietària de DG.

La plataforma de competències propietària del repositori està dividida en dues anelles:

• Anella interior: decision-gate-authoring, decision-gate-verification
• Anell exterior: decision-gate-execution-boundary, decision-gate-incident-triage

Quin camí utilitzar

Intenció	Camí	Força d’aplicació
Mutar l’estat extern (deploy, delete, pay, publish)	Execució de competències de DG guards	Límit de wrapper tancat; no és un outbox atòmic de DG
Produir anàlisi/informe/suport a la decisió	DG com a competència d’avaluació	Càlcul només a menys que estigui embolicat per un límit
Bucles d’agents de múltiples passos que autoren i després executen	Composició de harness (guàrdia exterior + avaluació interior)	Wrapper exterior tancat; no és elegibilitat d’efecte atòmic

Camí A: Execució de Competències de DG Guards

Utilitzeu això quan les accions tinguin efectes secundaris.

Superfície de competència principal:

• decision-gate-execution-boundary per a decisions d’autorització/denegació en viu
• decision-gate-verification per a verificacions post-execució limitades i integritat de runpack
• decision-gate-incident-triage quan el límit bloqueja inesperadament

Contracte Operatiu

1. La propietat de la porta és humana/propietat de polítiques.
2. Les especificacions de la porta són artefactes versionats, no inventions de LLM en temps d’execució.
3. Cada truc de habilitat mutadora ha de passar l’avaluació DG en viu abans de l’execució.
4. Una execució active bloqueja l’execució; només l’estat de la execució exactament definit completed satisfà la finalitat inicial de l’escenari.
5. Les especificacions de porta conseqüent han de tenir un pas de falsificació independent abans de l’adopció; els predicats autoescrits són política candidata, no prova de suficient.

Llista de verificació de configuració

1. Define un mapa de portes per acció.
2. Autor i registrar les especificacions de l’escenari per a cada classe d’acció.
3. Implementar un wrapper de runtime prim: evaluate -> allow/deny -> execute.
4. Exportar i verificar la integritat dels runpacks com a artefactes d’auditoria/exportació derivats.

Exemple de mapa d’accions:

{
  "deploy_to_prod": {
    "scenario_id": "release-boundary-v1",
    "scenario_law_identity": "<64-lowercase-hex>",
    "required_min_lane": "verified",
    "required_run_status": "completed"
  },
  "publish_external_report": {
    "scenario_id": "publication-boundary-v1",
    "scenario_law_identity": "<64-lowercase-hex>",
    "required_min_lane": "verified",
    "required_run_status": "completed"
  }
}

Exemple de lògica de wrapper:

def guarded_skill_call(action_name, action_args):
    policy = action_gate_map[action_name]
    # scenario_start binds this new run to the exact immutable law identity.
    run_id = start_run(policy["scenario_id"], policy["scenario_law_identity"])
    operate_explicit_ready_stages(run_id)  # external operator/harness policy
    status = scenario_status(policy["scenario_id"], run_id)
    if status["status"] != policy["required_run_status"]:
        return {"allowed": False, "reason": "scenario_not_completed", "status": status}
    runpack = runpack_export(policy["scenario_id"], run_id)
    verify = runpack_verify(runpack["dir"], runpack["manifest_path"])
    if verify["status"] != "passed":
        return {"allowed": False, "reason": "runpack_verification_failed"}
    skill_result = call_external_skill(action_name, action_args)
    return {"allowed": True, "skill_result": skill_result, "accepted_head": status["accepted_head"]}

Referències d’implementació:

• scenario_define, scenario_start, scenario_evaluate_stage: integration_patterns.md
• runpack audit path: integration_patterns.md
• flux d’adaptador de punta a punta: scripts/adapters/adapter_tests.sh --frameworks=openai_agents --validate

Camí B: Habilitat d’Avaluació DG

Utilitzeu això per a l’anàlisi estructurada quan no s’executa cap acció d’efecte secundari directe.

Superfície de competència principal:

• decision-gate-authoring
• decision-gate-verification

Contracte Operatiu

1. DG invoca la comparació/determinisme RET sobre les entrades observades completes; l’adquisició i l’orquestració actual romanen en un món obert.
2. Les sortides impulsen l’explicació/informe, no la mutació directa.
3. Si es sol·licita una mutació més tard, canvia primer a la frontera del Camí A.
4. Una avaluació aprovada informa que els predicats declarats s’han avaluat com a veritables sota les proves exactament subministrades/adquirides i la semàntica de política actual. No prova per si mateixa la veritat de les proves, la suficient dels predicats, el compromís acceptat, o la intenció no declarada darrere d’ells.

Flux d’Eines Típic

1. Llegir els recursos d’eina/esquema generats i el perfil de capacitat local exacte.
2. Construir artefactes: claim_inventory, capability_matrix, claim_condition_map.
3. Avaluar: scenario_precheck_stage contra una llei registrada exacta per a la iteració, després scenario_start -> scenario_open_stage -> scenario_evaluate_stage amb proves de cridada hostil o directives d’adquisició local explícitament limitades.
4. Exportar i verificar la integritat del runpack quan es requereix un artefacte d’auditoria/exportació derivat: runpack_export, runpack_verify.

Contracte objectiu permanent: llm_native_playbook.md. La seqüència d’eines d’aquesta guia es manté com un exercici d’integració de contracte actual fins que PF-09 regeneri les projeccions executables.

Camí C: Composició de Harness (Bucle d’Autorització + Límits d’Execució)

Aquesta és la preocupació comuna “DG dins d’un flux de treball d’agent que també utilitza DG com a la seva guàrdia exterior”. El harness seqüencia crides independents de DG; un avaluador mai invoca un altre escenari.

Utilitza un model d’anell:

1. Anella interior: autorització i verificació.
2. Anell exterior: límit d’execució i triatge d’incidents per al control conseqüent.

Regles estrictes:

1. El cercle interior pot proposar mapes; no pot relaxar la política del cercle exterior.
2. Les definicions de la porta de l’anell exterior romanen autoritzades pel sistema i versionades.
3. Bloquejos de l’anell exterior sobre qualsevol reclam requerit no resolt independentment del text de confiança de l’anell interior.
4. La identitat exacta de la llei d’escenari immutable i el cap de run acceptat són les fonts de decisió semàntica del DG. La verificació bàsica del runpack estableix les seves comprovacions d’integritat d’artefacte nomenades; la verificació assistida per autoritat revalida addicionalment la llei hostil i torna a reproduir la història semàntica acceptada quan s’utilitza aquest camí explícit. Cap dels modes prova la entrega d’efectes externs, la causalitat entre escenaris, la recuperació, la qualificació de desplegament, o la no-repudiació qualificada per política.
5. Els canvis de porta de l’anell exterior conseqüent requereixen falsificació independent de predicats durant l’autoria, abans de l’ús en viu.

Patró anti a evitar:

"The agent self-evaluated with DG and therefore can deploy."

"The agent authored new predicates, passed them, and therefore the intended claim is proven."

Patró correcte:

"The agent used DG for analysis, then the system-enforced deployment gate passed live, then deploy executed."

"The authoring agent proposed predicates, a separate review attempted to falsify them, unresolved false-green risks were blocked, and only then was the gate used for closure."

Ruta d’Integració Ràpida (Repositori)

Utilitzeu aquesta seqüència quan incorporeu humans o agents LLM a ambdós camins.

1. Executa el ràpid inici de comanda provat (ambdues rutes + cas de denegació forçada):

scripts/bootstrap/skill_pathways_quickstart.sh configs/presets/quickstart-dev.toml

2. Llegeix llm_native_playbook.md i aquesta guia.
3. Instal·lar habilitats:

scripts/skills/install_local.sh

4. Executar el procés d’integració de principi a fi:

bash scripts/adapters/adapter_tests.sh --frameworks=openai_agents --validate

5. Executar la matriu de correcció determinista:

uv run --project . --locked --extra quality python scripts/skills/eval_runner.py \
  --mode deterministic \
  --cases all \
  --out-dir .tmp/skills/eval-deterministic-local

6. Executar la matriu requerida en viu per a les competències que afronten el límit:

uv run --project . --locked --extra quality python scripts/skills/eval_runner.py \
  --mode live \
  --cases live-required \
  --out-dir .tmp/skills/eval-live-local

Definició de Fet (Mínim Sense Errors)

Abans de declarar l’adopció completa:

1. Les habilitats de mutació estan envoltades per la lògica de límit del Camí A.
2. Les especificacions de la porta són versionades i propietat de la política (no text de prompt ad hoc).
3. Les quatre habilitats suportades s’instal·len com a paquets autònoms sense referències externes al repositori.
4. Les instruccions orientades a LLM inclouen regles de parada estrictes explícites.
5. Els informes d’evaluació de competències deterministes passen per als casos requerits.
6. Els informes d’avaluació de competències requerides en viu passen per a casos que afronten el límit.
7. Passos de verificació de runpack en fluxos de treball de límit en viu.

Referències Creuades

• llm_native_playbook.md
• patrons_d’integració.md
• openai_agents_onboarding_playbook.md