删掉一些

docs/draft.md

@@ -4,7 +4,7 @@
 
 ### 1.1 目标
 
-在软件工程任务场景下，构建一个**可灵活定义和编排多 Agent 的实验平台**，支持多种协作/竞争方案的快速切换与对比，最终通过系统性评测验证出性能最优的 Agent 交互方案，并以此为核心产出学术论文。
+在软件工程任务场景下，构建一个**可灵活定义和编排多 Agent 的实验平台**，支持多种协作/竞争方案的快速切换与对比，最终通过系统性评测验证出性能最优的 Agent 交互方案。
 
 ### 1.2 核心研究问题（来自 GQM v2）
 
@@ -49,7 +49,7 @@
 
 ### 3.1 Agent 定义层（Agent Definition）
 
-每个 Agent 通过配置文件（YAML / Python dataclass）灵活定义，无需改动核心代码：
+每个 Agent 通过配置文件（YAML / Python dataclass）定义：
 
 ```yaml
 agent:
@@ -66,7 +66,7 @@ agent:
   interaction_mode: cooperative | competitive
 ```
 
-**预定义角色：**
+**例子：**
 
 | 角色 | 职责 |
 |------|------|
@@ -78,7 +78,7 @@ agent:
 
 ### 3.2 方案编排层（Scheme Orchestrator）
 
-支持通过配置描述 Agent 之间的拓扑与交互方式，平台自动执行：
+支持通过配置描述 Agent 之间的拓扑与交互方式：
 
 ```yaml
 scheme:
@@ -99,13 +99,13 @@ scheme:
       output: test_result
 ```
 
-**支持的拓扑结构（对应 M10 Topology Efficiency）：**
+**支持的拓扑结构：**
 
 - `pipeline`：线性流水线，每步输出作为下步输入
 - `star`：中心协调者分发任务给多个 worker agent
 - `debate`：多 agent 对同一问题给出方案并投票/仲裁
 - `parallel`：多 agent 并行执行后 merge
-- `graph`：任意有向图（最通用）
+- `graph`：任意有向图
 
 ### 3.3 运行时引擎（Agent Runtime）
 
@@ -113,7 +113,6 @@ scheme:
 - Agent 实例化与生命周期管理
 - 消息路由（Agent 间通信）
 - 工具执行（代码运行、文件操作、测试调用）
-- 状态快照（支持断点续跑）
 - 全程日志采集（供评测层使用）
 
 ```
@@ -134,7 +133,7 @@ Task Output + Metrics Log
 
 ### 3.4 Agent 间通信机制（MessageBus）
 
-**核心原则：拓扑决定路由规则，不决定通信接口。** Agent 只调用 `send` / `receive`，由 Orchestrator 持有路由表按拓扑转发，Agent 本身不感知自己处于哪种拓扑。
+**拓扑决定路由规则，不决定通信接口。** Agent 只调用 `send` / `receive`，由 Orchestrator 持有路由表按拓扑转发，Agent 本身不感知自己处于哪种拓扑。
 
 #### 统一消息结构
 
@@ -193,26 +192,7 @@ class HumanGateAgent:
 
 触发条件判断在 Orchestrator 路由层完成——不满足则跳过 Human Gate 节点，满足才投递消息到其 inbox。这样 Human Gate 可以插入任意拓扑的任意位置，不影响其他 Agent 的通信逻辑。
 
-### 3.5 人类介入机制（Human-in-the-Loop Gate）
-
-对应 GQM Q5（M20-M23），人类介入点可配置触发条件：
-
-| 触发条件 | 说明 |
-|----------|------|
-| `always` | 每次必经人工审核 |
-| `on_low_confidence` | Agent 置信度低于阈值时触发 |
-| `on_conflict` | Agent 间出现冲突时触发 |
-| `on_failure` | 测试失败时触发 |
-
-介入操作类型：
-- **Approve**：直接通过
-- **Reject**：打回重做，附反馈
-- **Modify**：人类直接修改 Agent 输出
-- **Redirect**：重新指定策略或文件范围
-
-平台记录每次介入的时间戳、操作类型、修改量（用于计算 HIF、HTC、HER、AR）。
-
-### 3.6 评测采集层（Metrics Collector）
+### 3.5 评测采集层（Metrics Collector）
 
 自动从运行日志中计算 GQM 定义的 23 项指标：
 
@@ -220,7 +200,7 @@ class HumanGateAgent:
 - M1: Task Success Rate（SWE-bench）
 - M2: Code Correctness pass@k（HumanEval）
 - M3: Requirement Formalization Consistency（TVR tuple-level F1 + CPR）
-- M4: Verification Alignment（STC + ABC）
+- M4: Verification Alignment（STC + ABC）?
 - M5: Implementation Alignment（Recall/Precision on changed files）
 
 **Q2 协作有效性：**
@@ -320,8 +300,6 @@ class HumanGateAgent:
 class TaskInput:
     task_id: str          # 唯一标识，如 "HumanEval/42" 或 "MBPP/301"
     description: str      # 自然语言问题描述（作为 Agent 的输入）
-    entry_point: str      # 函数名（用于拼接测试调用）
-    tests: list[str]      # 单元测试代码列表
     source: str           # "humaneval" | "mbpp"
 ```
 
@@ -425,8 +403,6 @@ metrics.json（每次实验一份，写入 SQLite 汇总表）
 | HumanEval（OpenAI 2021） | 164 题 | 函数级代码生成，对标 SOTA | M2 pass@k |
 | MBPP（Google 2021） | 500 题（test split） | 每题 3 条单元测试，题量充足支撑 ablation | M2 pass@k、M11、M12 |
 
-> 注：其他数据集（SWE-bench 等）待导师确认后纳入。
-
 ---
 
 ## 6. 技术选型
@@ -434,10 +410,10 @@ metrics.json（每次实验一份，写入 SQLite 汇总表）
 | 模块 | 选型 |
 |------|------|
 | Agent 框架基础 | 自研（参考 AutoGen 设计，保留最大灵活性） |
-| LLM 调用 | Anthropic Claude API（claude-sonnet-4-6 / opus-4-7） |
+| LLM 调用 | 待定|
 | 工具执行沙箱 | Docker 容器隔离 |
-| 消息传递 | 内存队列（单机）/ Redis（分布式扩展） |
+| 消息传递 | 内存队列（单机）|
 | 指标存储 | SQLite（实验记录）+ JSON log |
 | 评测脚本 | Python，对接 SWE-bench / HumanEval 官方评测接口 |
-| 可视化（可选） | Gradio / 简单 Web UI，展示 Agent 通信流程和指标 |
+| 可视化（可选） | cli |