🧩 Orthogonal Agent Framework

正交性Agent框架 - 模块化AI Agent设计系统

基于Manus核心设计理念，将AI Agent拆分为四个正交维度：

• 规划（Planning） - 任务拆解、目标设定
• 执行（Execution） - 工具调用、操作执行
• 记忆（Memory） - 上下文保持、长期存储
• 评估（Evaluation） - 结果检验、反馈改进

核心理念

什么是正交性？

正交性（Orthogonality）指各模块相互独立，改变一个不影响另一个。

┌─────────────────────────────────────────────────┐
│                  Agent System                     │
├─────────────┬─────────────┬─────────────┬────────┤
│  Planning   │ Execution   │   Memory    │   Eval │
│    模块      │    模块      │    模块      │   模块  │
└─────────────┴─────────────┴─────────────┴────────┘
       ↕            ↕            ↕            ↕
   可独立       可独立       可独立       可独立
   升级/       替换/       替换/       替换/
   测试        测试        测试        测试

优势

优势	说明
🔧 可组合	每个维度可独立升级
🔄 可替换	随时换掉某个模块
🧪 可测试	单独测试每个维度
📈 可扩展	新能力只需加新模块

使用方法

快速开始

使用正交性框架帮我规划一个复杂任务

框架文件

框架会自动创建以下文件管理任务：

文件	作用
plan.md	任务规划和拆解
execution.md	执行记录和步骤
memory.md	上下文和记忆
evaluation.md	结果评估和反馈

命令示例

命令	作用
正交性框架：规划 [任务]	拆解任务为步骤
正交性框架：执行 [步骤]	执行具体操作
正交性框架：记忆 [内容]	存储重要信息
正交性框架：评估 [结果]	检验并反馈
正交性框架：状态	查看当前各模块状态

适用场景

✅ 适合

• 复杂多步骤任务
• 需要长期记忆的任务
• 需要评估/反思的任务
• 构建自定义Agent系统

❌ 不适合

• 简单对话任务
• 一次性任务
• 固定流程

技术实现

模块接口

每个正交模块遵循统一接口：

Planning:
  - plan(task) → steps[]
  - update_plan(progress)
  - replan(feedback)

Execution:
  - execute(step) → result
  - tool_call(tool, args)
  - rollback(step)

Memory:
  - store(key, value)
  - retrieve(key)
  - forget(key)
  - summarize()

Evaluation:
  - evaluate(result) → score
  - feedback(issues) → improvements
  - validate(criteria)

状态管理

# agent-state.yaml
planning:
  current_task: "..."
  steps: [...]
  completed: [...]

execution:
  active_step: 1
  results: {...}

memory:
  short_term: [...]
  long_term: {...}

evaluation:
  scores: {...}
  feedback: [...]

扩展性

添加新模块

在框架中集成新能力：

modules:
  - planning     # 已有
  - execution    # 已有
  - memory       # 已有
  - evaluation   # 已有
  - creativity   # 新增 - 创意生成
  - research     # 新增 - 信息收集

替换模块

替换现有模块不影响其他：

# 替换记忆模块
memory:
  type: "vector_store"  # 从文件切换到向量数据库
  config: {...}

示例

完整任务流程

用户: 帮我研究AI Agent的发展趋势

正交性框架:
1. Planning → 拆解为5个子任务
2. Execution → 搜索信息
3. Memory → 存储重要发现
4. Evaluation → 评估信息质量
5. 循环2-4直到完成
6. 输出最终报告

文件结构

orthogonal-agent-framework/
├── SKILL.md
├── _meta.json
├── references/
│   ├── design-principles.md
│   └── module-interfaces.md
└── templates/
    ├── plan.md
    ├── execution.md
    ├── memory.md
    └── evaluation.md

---

基于Manus正交性设计理念构建