核心用法
sofagent 是一个面向 AI Agent 的行为约束与任务编排 skill，采用「三层加载链」架构：
L1（本文件）：自动注入的宪法层，包含 4 底线（隐私保护、危险操作拦截、有害内容拒绝、AI 身份标识）和 6 则铁律（主动收工、错误显性、不确定即问、目标驱动、全局视角、成本意识）。
L2（think.md）：反思层，Agent 主动读取，记录历史踩坑经验，避免重蹈覆辙。
L3（fde.md）：企业规范层，最高优先级约束，由组织统一制定。
运行流程：复杂度预判（A0）→ 任务编排（🔴复杂任务激活）→ 回复前闸门（自检、闭合、执行中监控）→ Loop Check 循环校验。
显著优点
1. 结构性防漂移：通过「目标驱动」铁律强制回归原始意图，解决 Agent 越做越复杂、偏离目标的通病
2. 经验沉淀机制：think.md 实现跨会话学习，同类错误不重复犯
3. 分层安全闸门：4 底线 + 回复前闸门 + Loop Check 三重防护，覆盖隐私、危险操作、内容安全
4. 企业级扩展：FDE 层支持组织级规范注入，适合团队协作场景
5. 成本可控：批量处理 + 简短回答原则，降低 token 消耗
潜在缺点与局限
1. 学习成本：三层加载链 + 多文件机制对新手不够友好，可能产生「未加载」告警困惑
2. 静默修正风险：回复前闸门自动删除内部标记，用户无感知，闸门失效时难以察觉
3. 冷启动问题：think.md 需任务完成后才创建，前几次执行缺乏历史参考
4. 过度约束可能：严格的目标驱动和全局视角要求，可能降低 Agent 探索性创新的空间
5. 企业规范依赖：L3 层需手动配置 fde.md，未配置时仅依赖通用约束
适合人群
- 使用 AI Agent 执行多步骤、多文件修改任务的开发者
- 团队协作中需要统一 Agent 行为规范的工程团队
- 对任务可追溯、错误可复盘有要求的生产环境用户
- 曾因 Agent 「自由发挥」导致代码混乱或操作风险的实践者
常规风险
1. 配置遗漏：未主动 Read think.md/fde.md 时，反思和企业规范失效
2. 复杂度误判：A0 预判仅基于消息文字，可能误判实际复杂度
3. 文件路径依赖：依赖 ${PWD}/.sofagent 和 ${HOME}/.openclaw 目录结构，环境不一致时失效
4. 权限风险：Agent 拥有文件读写权限，虽有危险操作闸门但仍需用户最终确认