核心功能与机制
Stellar Trails v9.2.0 是一个六阶段工作流框架（IDLE→SPECIFY→PLAN→IMPLEMENT→VERIFY→DELIVER），通过三层强制机制将合规性从LLM意愿转移到可验证产物：
E1 相位机强制：每个阶段必须打印 📍 ENTER <PHASE> 和 📍 EXIT <PHASE> 标记，DELIVER报告中的Phase Trace字段必须列出所有标记对。
E2 强制打印：激活横幅、COMMIT块（Standard/Complex）、Delivery报告三处必须输出，并在DELIVER前执行自检 ✓ Pre-DELIVER print check。
E3 偏好对话框：文档/可视化/交付物类任务必须通过 AskUserQuestion 确认受众、风格、长度，除非用户明确指定或选择跳过。
复杂度自适应体系
| 层级 | 触发条件 | 报告格式 |
|------|---------|---------|
| Minimal | 知识问答、无文件输出 | `☄️ PASS \| Evidence: ...` |
| Simple | 单文件、无架构变更 | `☄️ REPORT [Simple]` |
| Standard | 多文件或架构变更 | `☄️ REPORT [Standard]` + Scope + Traceability IDs |
| Complex | 架构级、多服务、高风险 | `☄️ REPORT [Complex]` 扩展版 |
关键创新点
- 实施发现协议（v9.2.0）：修复X时发现Y，通过"同表面测试"决定立即修复或推迟，防止范围漂移或遗忘
- 预推送本地验证：避免CI循环浪费，要求bash块、workflow变更本地验证后再推送
- 源可用性文档检查（SADC）：Standard/Complex任务必须由主代理先执行
web-search和crawl4ai，禁止子代理调用技能 - 工作日志连续性：
worklog.md快照机制替代对话历史，支持上下文截断后的任务恢复
显著优势
1. 确定性交付：三层强制机制将LLM合规率从行业基准70-85%提升至~90%
2. 防范围漂移：Scope IN/OUT边界 + Scope Drift字段 + 发现时立即文档化
3. 可追溯性：IMPL-001等Traceability ID贯穿需求→实现→验证
4. 错误分类处理：Bug vs Wrong Approach分类，后者触发Pivot重新规划而非硬修复
5. 用户主权：偏好对话框确保设计决策经用户确认，减少返工
局限性与风险
固有天花板：文本规则依赖LLM读取执行，确定性上限约90%；100%需平台级强制（ClawHub层面），技能作者无法实现。
自我评分偏差：QA Attestation为自评，用户是最终质量裁判。
沙盒限制：popup服务器在z.ai环境可能仅内部可见，非功能性缺陷。
适用边界：
- Web开发（Next.js/UI）需委托给fullstack-dev，本框架仅包装工作流
- 极简任务（单错别字修复）可能过度工程化
- 复杂多轮
AskUserQuestion可能打断流畅性
适合人群
- 交付质量敏感型用户：需要可审计、可追溯的项目交付
- 复杂任务场景：多文件协调、架构变更、跨服务集成
- 团队协作：标准化流程减少"手风琴效应"
- LLM工作流研究者： enforcement layers 设计可作为参考范式
常规风险提示
- 上下文截断后若未正确读取
worklog.md可能导致任务状态丢失 - 子代理误调用技能会导致静默失败（z.ai沙盒限制）
- git操作需用户显式授权，基础设施阻塞时需人工介入