为什么PhyAgentOS坚持"先证据，后结论"：执行、证据、判定三事实分离架构深度剖析

【免费下载链接】PhyAgentOS-corePhyAgentOS is a Recursive Self-Improving (RSI) physical agent operating system that enables agents to recursively self-improve through agentic workflows.项目地址: https://gitcode.com/gh_mirrors/ph/PhyAgentOS-core

PhyAgentOS 是一个递归自改进（RSI）的物理智能体操作系统，它让 Agent 通过 Agentic Workflow 自主执行任务、自我验证并持续进化。它的核心设计哲学只有一句话：先证据，后结论——执行、证据、判定是三类互不越权的事实，任何一层都不允许替另外两层"脑补"。

为什么物理 Agent 不能"自说自话"？

给机器人或具身智能体下达指令时，最危险的场景不是"没做成"，而是"以为做成了"。比如让机械臂把杯子放到桌上，工具接口返回succeeded，但杯子其实还在半空——如果系统直接相信这个返回值，错误就会被当作成功沉淀进记忆，后续的"自我改进"只会越改越歪。

PhyAgentOS 的做法是：执行成功 ≠ 任务成功。它把一次任务拆解为三种彼此隔离的事实：

执行事实：只记账，不表态

执行记录由网关侧上报，契约定义在 PhyAgentOS/verification/contracts.py 中的ExecutionRecord，源码注释写得很直白："Immutable facts reported by Forge Gateway, never a task verdict"（网关上报的不可变事实，从来不是任务结论）。

它只记录：命令状态（running、succeeded、timed_out、unknown…）、时间线、输出与错误。而且 PhyAgentOS/forge/evidence.py 中的write_execution是"一次写入、终身不改"——重放时发现内容不一致会直接报错，防止事后"美化"执行历史。

证据事实：拍照、哈希、封箱

证据采集发生在**动作执行前（before）和执行终态后（after）**两个时刻，逻辑位于 PhyAgentOS/forge/observation.py：

• 通过 WebSocket 持续订阅网关的图像流（/ws/images）与机器人状态流（/ws/state）；
• 只保留每个图像源最新且经过校验的帧（校验媒体类型魔数、大小上限）；
• 严格保证 after 快照的帧序号晚于 before、且接收时间晚于命令终态时刻——防止拿旧照片充数。

随后 PhyAgentOS/forge/evidence.py 的ForgeEvidenceWriter把快照写成不可篡改的证据包：每个文件计算 SHA-256 摘要、记录字节数与采集/接收双时间戳，打包成evidence_bundle.json。缺什么就如实写进missing_requirements，采集失败不会被悄悄吞掉。所有文件均使用原子写入，且路径被严格限制在工作区内。

判定事实：模型只能"对着证据说话"

验证环节由独立的 Verification Service 执行（PhyAgentOS/verification/service.py），它运行在独立子进程里，和干活的 Agent 完全隔开。其系统提示词（FORGE_TASK_PROMPT）明确规定：

• 网关命令成功只是执行证据，不是目标达成的证明；
• 每条成功准则必须逐条判定satisfied / unsatisfied / unknown，并附evidence_refs；
• 经验教训（Lesson）只是非权威建议，严禁当作证据引用；
• 证据不足以支撑可靠判断时，必须输出inconclusive而不是硬猜。

请求组装在 PhyAgentOS/verification/request_builder.py：模型收到的上下文只包含任务契约、执行记录、经验证通过/标记缺失的证据包和合法引用白名单，valid_evidence_refs之外的引用一律无效。也就是说，模型想下结论，先要有编号的实物证据可引。

四种验证模式：从"关"到"自愈"渐进开启

契约TaskVerificationContract提供四种模式，行为矩阵详见 docs/zh/04-forge-configuration-reference.md：

recovery模式下，验证器可输出replan_required并附带recovery_context（未达成准则、需保留的约束、行动无关的指导），任务随后追加新的 PlanRevision 继续尝试——但重规划次数与截止时间都有硬性预算，且不能改写已固化的执行事实与证据。

这套判定结果还会喂给经验与进化系统（agents.evolution）：只有带语义判定的任务才会被沉淀为可复用经验，晋升新能力还需要多个独立成功任务背书（默认 3 个）。换句话说，自我改进的燃料本身是被验证过的。

快速上手：在哪里配置这些行为？

• 证据采集参数（超时、必需图像源、单文件大小上限）：forge.evidence，见 docs/zh/04-forge-configuration-reference.md 第 3 节；
• 验证服务开关、模型、证据保留策略（all / failed / none）、重规划预算：agents.verification；
• 任务侧验证契约（goal、success_criteria、evidence_policy）：docs/forge/README_zh.md 第 9 节有完整接入契约；
• 框架整体概念：docs/zh/01-framework-introduction.md。

总结：为什么这个架构值得借鉴

1. 职责分离：执行层管"发生了什么"，证据层管"世界变成了什么样"，判定层管"目标达成没有"，谁都不越权；
2. 全程不可变：执行记录一次写死、证据带哈希封箱，事后无法篡改，审计有底气；
3. Fail closed 文化：证据缺失就inconclusive、验证器出错就判失败，宁可保守也不误报成功；
4. 改进有门槛：只有被证据支撑的成败经验才能进入自改进闭环，让"递归自我改进"建立在可信地基上。

对于任何要在物理世界执行动作的 Agent 系统，"先证据，后结论"都不只是一条工程规范，而是一条安全底线。

【免费下载链接】PhyAgentOS-corePhyAgentOS is a Recursive Self-Improving (RSI) physical agent operating system that enables agents to recursively self-improve through agentic workflows.项目地址: https://gitcode.com/gh_mirrors/ph/PhyAgentOS-core