核心用法
ARCHITECT 是一套自主目标执行框架，用于将 OpenClaw agent 从被动问答器转变为主动执行器。用户只需提供高层次目标，系统自动完成：目标解析 → 任务分解（构建依赖图）→ 任务排序 → 执行 → 验证 → 自适应纠错 → 结果合成 → 经验反思。支持 BUILD、AUDIT、SPRINT、ITERATE、RESEARCH 五种模式，自动检测语境切换行为风格。
显著优点
1. 零依赖零配置：纯提示词工程实现，无需额外二进制文件或环境变量，兼容任意模型
2. 完整执行闭环：独有的 8 步 ARCHITECT LOOP 填补个人 AI agent 长期缺失的执行层（与 apex-agent 认知层、agent-memoria 记忆层形成完整栈）
3. 结构化自治：通过 MISSION BRIEF 和 TASK GRAPH 可视化建立用户信任，同时保持执行自主性
4. 智能降级策略：5 层自适应纠错（Reframe→Decompose→Substitute→Reduce→Escalate），失败 3 次才升级人工干预
5. 双区安全框架：明确划分完全自主区（Zone 1）与需确认区（Zone 2），杜绝不可逆操作风险
潜在缺点与局限性
- 模型能力依赖：任务分解质量、自适应纠错效果高度依赖底层模型推理能力，弱模型可能产生循环依赖或过度分解
- 状态不可见性：长任务执行过程中，用户无法实时干预或调整方向（除非触发 STOP）
- 记忆功能外置：核心反思功能依赖可选组件 agent-memoria，独立使用时经验无法累积
- 无原生工具调用：框架本身不提供文件系统、API、浏览器等实际执行能力，需依赖宿主环境
- 复杂目标天花板：对于需要多轮外部验证（如用户测试、A/B 实验）的目标，自动化程度受限
适合人群
- 独立开发者/创始人：需要快速将想法推进到可交付原型，减少与 AI 的反复确认成本
- 高频内容生产者：博客、落地页、竞品分析等结构化创作任务
- 已有 apex-agent/agent-memoria 用户：追求完整 agent 栈的深度用户
- 提示词工程师：研究自主 agent 架构设计模式的学习者
常规风险
| 风险类型 | 说明 | 缓解机制 |
|---------|------|---------|
| 范围蔓延 | 自主执行可能偏离原始目标 | MISSION BRIEF 前置确认 |
| 幻觉累积 | 多步骤执行中错误逐级放大 | 每步 VALIDATE 检查点 |
| 不可逆操作 | 误删/误发文件或消息 | Zone 2 强制确认策略 |
| 过度自动化 | 用户失去对关键决策的掌控 | 明确 STOP 机制和 Escalate 路径 |
来源评估
作者 contrario 为独立开发者社区活跃贡献者，该 skill 以 MIT 协议开源，无商业背书。技术架构参考了 LangChain Plan-and-Execute、AutoGPT 等开源项目，但实现为纯提示词方案，不引入额外依赖。当前版本 v1.0.1，社区反馈尚处早期，长期维护稳定性待观察。