GoodDog V1.0 — 成本感知多智能体编排系统

<p align="center"> <strong>Decompose. Route. Execute. Crystallize.</strong> </p>

GoodDog 是一个基于 OpenClaw 网关构建的成本感知多智能体编排系统。它能将复杂任务自动分解为结构化步骤蓝图，通过多臂老虎机（MAB）路由器按成本+成功率自动选择最优模型，并通过依赖图执行引擎协调跨节点的分布式执行。

---

核心能力

V5.2 成本感知 MAB 路由

三层模型体系：Budget（<$0.0005/1k）、Standard（$0.0005-$0.005/1k）、Premium（>$0.005/1k）
按任务领域（domain）自动选择成功率最高且成本最低的模型
支持自动升降级链：任务失败时自动升级到更强模型，高成功率时降级到廉价模型

Boss Mode 项目分解

自然语言需求 → 结构化步骤蓝图（JSON）
自动推断步骤依赖关系、并行组、预估难度
每步自动分配最优模型 + 备用/升级模型链
最多 12 步，严格依赖校验

依赖图执行引擎

基于 DAG 的步骤调度：依赖满足 → 自动释放执行
并行组内步骤可并发执行
每步执行后自动记录：实际模型、token 消耗、成本、难度
自动触发模型升降级链

V3.1 自结晶知识库

7 表 SQLite 知识库（skills、model_perf、sessions、antipatterns、nodes、models、dependencies）
Sniffer 路由：任务领域 → 已批准 Skill 查找 → 确定性流水线或 Boss Mode
Nuwa 认知提取：从会话中提取心智模型、if-then 规则、反模式、诚实边界
Crystallizer：L1 约束文档 → L2 参数化模板 → L3 可执行脚本
Sniffer-Prime：自动检测重复成功模式，触发结晶化
Phase Lock 审批门：架构锁 → 制品生成 → 审批

会话挖掘

自动扫描 ~/.openclaw/state/transcripts/ 中的 JSONL 会话记录
从工具调用模式推断任务领域（12 个领域）
检测成功/失败并引导 model_perf 数据，消除冷启动

集群管理

LAN 节点自动发现与注册
每节点实时状态：活跃任务数、最近会话、架构信息
Control UI 仪表盘：集群概览 + 项目进度 + 模型层级总览

---

快速开始

# 1. 安装
git clone https://github.com/bigbrid2023/gooddog-v2.git
cd gooddog
pnpm install
pnpm build

# 2. 初始化 V3.1 知识库
cd gooddog-skills/gooddog-v31/scripts
python3 v31.py init

# 3. 导入历史会话数据（引导模型性能）
python3 v31.py import-sessions

# 4. 扫描 LAN 节点
cd ../gooddog-cluster-scan/scripts
python3 scan.py

# 5. 启动网关
cd ../../../
pnpm gateway

访问 Control UI：http://localhost:18789/

---

项目结构

gooddog/
├── src/
│   ├── gooddog/                    # V3.1 知识库 TypeScript 层
│   │   ├── v31-types.ts            # 完整类型定义
│   │   └── v31-skill-registry.ts   # 查询辅助函数
│   ├── gateway/
│   │   └── server-methods/
│   │       └── gooddog.ts          # 网关处理器（集群/项目/模型层级）
│   └── state/
│       └── openclaw-state-schema.sql  # V5.2 数据库迁移
├── ui/src/ui/
│   └── controllers/
│       └── gooddog.ts              # Control UI 控制器
├── gooddog-skills/                 # 5 个 Skill + V3.1
│   ├── gooddog-cluster-scan/       # LAN 节点发现
│   ├── gooddog-task-dispatch/      # 项目分解 + 路由 + 执行
│   ├── gooddog-worker/             # 远端任务轮询守护进程
│   ├── gooddog-v31/                # 自结晶知识库
│   └── gooddog-project-lock/       # 约束驱动项目进展
└── docs/                           # OpenClaw 文档（保留用于网关参考）

---

行为准则

GoodDog 的核心设计原则：

1. Challenge, don't flatter — 对任务分解和模型选择提出质疑，不盲从 2. Minimum steps — 最少步骤原则，避免过度分解 3. Never silent-compliance — 拒绝静默服从，有异议必须提出 4. Stay off the field — 协调者，非执行者。分解 + 路由 + 收集，不做本地推理 5. Phase Lock — 未经显式解锁，绝不修改已锁定的代码

---

许可证

MIT License — 基于 OpenClaw 构建。

codex

Summary

Install to Claude Code