Skip to content

PRD.md

Latest commit

 

History

History
232 lines (162 loc) · 6.84 KB

PRD.md

File metadata and controls

232 lines (162 loc) · 6.84 KB

CatSkill 产品需求文档

一、产品定位

一句话描述：基于范畴论的 AI 技能组合引擎，让 AI 理解"技能之间如何协作"而非仅仅"调用什么技能"。

解决的核心问题：

当前痛点 CatSkill 方案
技能组合靠硬编码 自动发现可行路径
接口不匹配运行时才发现 编译期类型检查
只能前向执行 支持反向推理
多约束手动处理 自动求解最优方案
新领域需要重新开发 声明式 Schema 接入

二、目标用户

用户类型 需求
Agent 框架开发者 更智能的技能编排能力
技能/工具提供者 技能间的自动协作
AI 应用开发者 减少手动编排，提升可靠性

三、产品形态

核心概念：Skill（技能）

Skill 是什么：任何可被 AI 调用的能力单元，包括但不限于：

  • MCP 工具（MCP Server 提供的 Tool）
  • OpenAI Function Calling 的函数
  • LangChain 的 Tool
  • 自定义的 API 调用
  • 本地函数

CatSkill 的定位：不替代这些技能来源，而是作为上层编排引擎，让这些技能能够智能协作。

┌─────────────────────────────────────────┐
│           CatSkill 编排引擎             │  ← 我们做的
│  （路径发现、类型检查、约束求解、推理）    │
└─────────────────────────────────────────┘
                    ↓ 调度
┌─────────┬─────────┬─────────┬───────────┐
│MCP Tool │ OpenAI  │LangChain│  自定义   │  ← 技能来源
│         │Function │  Tool   │   API     │
└─────────┴─────────┴─────────┴───────────┘

产品形态说明

形态 是什么 给谁用 优先级
SDK 可嵌入的代码库，集成到现有框架中 Agent 框架开发者 P0
CLI 工具 命令行工具，用于调试和验证 所有开发者 P0
独立服务 独立运行的推理服务，通过 API 调用 需要解耦部署的团队 P1
可视化工具 图形界面，展示技能关系和调试信息 所有开发者 P2

MVP 形态

SDK + CLI：

  • SDK：嵌入到 Agent 框架，提供编排能力
  • CLI：开发时验证技能配置、调试路径搜索

四、技能模型

什么是一个技能

一个技能包含：

要素 说明 示例
输入类型 技能需要什么 Location（地点）
输出类型 技能产出什么 WeatherInfo（天气信息）
语义标签 技能做什么 查询、转换、约束、推理
关系声明 与其他技能的关系 影响、依赖、冲突、等价

技能来源适配

来源 如何接入
MCP Tool 自动解析 MCP Schema，转换为技能描述
Function Calling 自动解析 OpenAI 函数定义
自定义 手动声明或通过 YAML 配置

核心思想：技能来源是多样的，CatSkill 提供统一的编排层。

五、核心功能

F1：技能注册与路径发现

用户价值：不用手动编排，框架自动找到从 A 到 B 的所有可行技能组合

功能要点：

  • 注册技能时声明输入/输出类型
  • 声明技能间的关系（影响、依赖、冲突）
  • 自动搜索可行路径

F2：类型检查与适配建议

用户价值：组合错误在开发时发现，而非用户使用时

功能要点：

  • 组合时自动检查类型兼容性
  • 类型不匹配时给出修复建议
  • 推荐合适的适配器

F3：多约束求解

用户价值：同时满足多个条件（预算、时间、偏好等），自动找最优解

功能要点：

  • 定义硬约束（必须满足）和软约束（尽量满足）
  • 自动求解满足所有约束的方案
  • 约束冲突时给出说明

F4：双向推理

用户价值：支持"要达到X结果，需要什么输入"的反向查询

功能要点：

  • 声明技能的双向关系
  • 支持从结果反推输入条件
  • 返回推理置信度

F5：一致性验证

用户价值：确保重构、优化不破坏系统行为

功能要点：

  • 定义"这两条路径应该等价"
  • 自动验证是否满足
  • 不一致时报告具体差异

F6：不完整信息推理

用户价值：信息不全时也能给出合理推断

功能要点：

  • 从已知部分推断未知部分
  • 标注推断的置信度
  • 支持最小/最大两种补全策略

F7：领域 Schema 注册

用户价值：新领域接入无需改代码，只需写配置

功能要点：

  • YAML/JSON 格式定义领域
  • 声明对象、技能、关系
  • 注册后自动获得所有框架能力

六、非功能需求

类别 要求
性能 1000 技能规模下路径搜索 < 100ms
兼容性 可接入 MCP Tool、OpenAI Function、LangChain Tool 等主流技能来源
可扩展 支持 10000+ 技能
易用性 完整 API 文档和示例

七、交付里程碑

阶段 内容 周期
M1 核心引擎：技能注册、复合、路径搜索
M2 高阶能力：约束求解、双向推理
M3 验证能力：一致性检查、信息补全
M4 技能来源适配器（MCP/Function Calling/自定义）
M5 工具链：CLI、可视化
M6 文档与示例

总计约 20 周

八、成功指标

指标 当前 目标
技能组合方式 手动编排 80% 自动发现
错误发现时机 运行时 100% 编译期
新领域接入 2 周开发 1 天配置
反向推理 不支持 核心场景支持

九、开放问题（需研究）

问题 方向
如何自动发现技能间的隐含关系？ 范畴学习
大规模技能图的高效求解？ 分布式算法
如何从自然语言生成领域 Schema？ LLM + 范畴论
跨领域的技能复用？ 迁移学习

十、附录：核心概念速查

概念 含义 对应功能
对象 数据类型 技能的输入/输出类型
态射 技能/转换 从 A 类型到 B 类型的操作
复合 技能串联 A→B + B→C = A→C
极限 多约束求解 同时满足所有条件的最优解
伴随 双向转换 正向执行 + 反向推理
自然变换 保结构替换 版本迁移、重构