基于 NumKit v1.0.0 全流水线端到端测试的实践认知 撰写:Feel(总统领 Agent),2026-06-27
OpenFeel 是一套基于多 Agent 协作的软件开发流水线自动化体系。它不只是一个工具,而是一个完整的工作方法论——将软件开发过程拆解为 7 个独立 Agent,每个 Agent 负责一个明确环节,通过流水线状态机串联成完整的”计划→方案→编码→审查→测试→归档”闭环。
核心设计理念:
┌─────────────────────────────────────────┐
│ 分期大纲 (Roadmap) │ ← Feel + Planner
│ "这个版本要做什么" │
├─────────────────────────────────────────┤
│ 工作阶段 (Stage) │ ← Planner
│ "这个阶段要交付什么、质量指标是什么" │
├─────────────────────────────────────────┤
│ 操作方案 (Op) │ ← Schemer
│ "具体怎么做、步骤1/2/3、自测清单" │
└─────────────────────────────────────────┘
| Agent | 模型策略 | 核心职责 | 输入 | 产出 |
|---|---|---|---|---|
| Feel | 主力推理模型 | 总调度、意图理解、决策 | 用户指令 | 调度指令 |
| Planner | 推理模型 | 分期大纲、阶段划分、依赖声明 | 需求 | Roadmap + Stages |
| Schemer | 推理模型 | 极细粒度操作步骤 + 自测清单 | 阶段目标 | op-xxx.md |
| Executor | 快速模型 | 按方案编码 + 自测(速度优先) | 操作方案 | 代码 + 测试 |
| Reviewer | 异种推理模型 | 5 维交叉审查 | 方案 + 代码 | REV 条目 |
| Tester | 推理模型 | 独立验收 + Bug 管理 | 方案 + 代码 | BUG 条目 |
| Archiver | 推理模型 | 产出归档 + 知识提取 | 阶段产出 | 知识库条目 |
plan_pending → plan_passed → scheme_pending → scheme_passed
↓
exec_running
↓
test_passed ← test_pending ← review_passed ← review_pending
│ ↑ │
└── test_failed ──→ (Bug修复) review_failed ──→ (REV修复)
↓
archiving → done
用户直接指令 > status.md(阶段级覆盖) > config.yaml(全局默认)
(最高) (中等) (基础)
经过实际测试,Reviewer 使用异种模型是 OpenFeel 最有价值的设计决策。
实证:在 stage-01 中,Planner(Schemer)→Executor 的全链路(均为 DeepSeek 系列)均未发现 TypeScript 版本 5.8.0 在 npm 不存在的问题。而 Reviewer(异种模型)在审查时立即捕获了这一不一致。
这验证了一个关键假设:同模型系列的 Agent 存在集体盲区,异种模型的交叉审查能有效弥补。
Executor 的”自测”和 Tester 的”正式测试”不是冗余,而是互补:
| Executor 自测 | Tester 正式测试 | |
|---|---|---|
| 视角 | 实现者视角(确认”我做对了”) | 验收者视角(确认”需求对了”) |
| 深度 | 按自测清单逐项检查 | 独立设计边界/异常用例 |
| 盲区 | 容易忽略非功能性边界 | 不熟悉实现细节 |
实证:Executor 自测通过了全部用例(52/52),但 Tester 用独立验收测试发现了 toFixed(1.005, 2) 的 IEEE 754 精度 Bug——这是 Executor 自测清单未覆盖的边界。
OpenFeel 采用方案驱动模式(Schemer 出 op → Executor 执行),而非”意图驱动”(直接告诉 Executor 做什么)。
优势:
代价:
Archiver 不只是”归档”,而是知识提取引擎。每次流水线完成,经验被提取到 kb/,后续 Agent 可查询。
实测中,stage-01 提取了 7 条知识(npm 版本验证、tsc 空目录报错等),stage-02 新增 4 条(IEEE 754 修复策略等)。如果同一个项目持续开发,知识库会形成”滚雪球”效应——后面的 Agent 越来越”懂”这个项目。
.openfeel/ 分为公共域(纳入版本管理)和私域(用户隔离),这是一个精细的设计:
这解决了”哪些该共享、哪些该隔离”的边界问题。
.openfeel/
├── config.yaml ← 全局配置(执行模式、自动推进、测试开关)
├── flow.json ← 流水线状态机(当前阶段、操作、审查/Bug 记录)
├── roadmap/ ← 分期大纲(版本级目标)
├── plan/ ← 大计划 + 依赖声明 + 计划日志
├── stages/ ← 工作阶段(子计划目录 + status.md + ops/)
├── kb/ ← 知识库(架构/模式/排查/环境)
├── code_review/ ← 公共审查摘要
├── bugs/ ← 公共 Bug 摘要
├── log/ ← 公共日志(团队级重要事件)
├── dev/ ← 核心规则 + 当前进度
├── tmp/ ← 项目级临时文件
└── users/{name}/ ← 私域(个人日志、笔记、审查、Bug)
每个 stage 有独立的 status.md,记录:
这使得跨会话恢复成为可能——下次会话启动时读取 status.md 即可知道”上次做到哪了、谁应该接着做”。
自动推进有明确的安全边界:
这避免了”Agent 不受控地自动推进导致灾难”的风险。
经过完整测试,我对 OpenFeel 的理解是:
OpenFeel 是一个”软件工程的工业化流水线”——它将软件开发的模糊过程标准化为 7 个 Agent 的协作流水线,每个环节有明确的输入/输出、质量标准、审查机制。它不是替代开发者,而是给开发者一套”工程纪律”——让你知道每个阶段该做什么、谁来做、做到什么程度算完成、出问题怎么回溯。
与传统开发模式的关键区别:
| 维度 | 传统模式 | OpenFeel 模式 |
|---|---|---|
| 计划 | 口头/issue 描述 | 结构化 Roadmap + Stage + Op |
| 执行 | 开发者自主决策 | Executor 严格按 op 执行 |
| 审查 | 同事 PR review | 异种模型交叉审查 + REV 条目 |
| 测试 | QA 手动/自动化 | Tester 独立验收 + BUG 条目 |
| 知识 | 散落各处 | Archiver 提取 → kb/ 结构化存储 |
| 回溯 | git log + PR 讨论 | 完整 op + REV + BUG + 状态记录链 |
适合 OpenFeel 的场景:
不太适合的场景: