核心用法
sofagent 是一套Agent行为约束与任务编排框架，采用「三层加载链」架构：
- L1 本文件（自动注入）：内置4条安全底线（隐私保护、危险操作确认、有害内容拒绝、AI身份标注）和6则铁律（主动回应、错误显性、不确定就问、目标驱动、全局视角、成本意识）
- L2 think.md（主动读取）：反思区，记录上次任务踩过的坑，避免重复犯错
- L3 fde.md（主动读取）：企业级最高优先级规范
触发场景：Agent开始自由发挥偏离目标、任务包含不可逆操作、连续子任务需编排协调、刚踩过坑需避免重蹈覆辙。
显著优点
1. 架构清晰：三层分离，宪法层自动生效，反思层和企业层按需加载
2. 风险前置：「回复前闸门」机制静默过滤内部标记泄漏，任务闭合需用户确认
3. 成本可控：复杂度预判（🟢🟡🔴）决定激活程度，避免过度编排简单任务
4. 经验沉淀：think.md 强制记录教训，实现组织级知识积累
潜在缺点与局限
1. 认知负担：三层加载链要求Agent主动读取，未读时输出可能偏离规范
2. 沉默成本：闸门静默修正不汇报，用户无法感知机制有效性，失效时难以察觉
3. 冷启动问题：think.md 首次不存在，需任务完成后才创建，首条任务无历史参考
4. 企业依赖：fde.md 未配置时跳过，但"最高优先级"声明可能造成理解偏差
适合人群
- 使用AI Agent执行多文件修改、高风险操作的开发者
- 需要任务拆解和子任务编排的复杂工作流用户
- 团队协作场景，需沉淀错误教训、统一企业规范
常规风险
- 过度约束风险：简单闲聊场景（not_when明确排除）若误触发，可能增加不必要的交互步骤
- 规范冲突风险：三层规范若存在矛盾，fde.md 覆盖优先级未明确说明冲突解决机制
- 文件污染风险：${PWD}/.sofagent 目录需版本控制忽略，避免敏感反思日志泄露