尧图网站建设 
ruflo-daa 实战指南构建会学习、会进化的 Dynamic Agentic Architecture 自适应 Agent【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/rufloruflo-daaDynamic Agentic Architecture是 ruflo 生态中专门用于创建、管理会学习、会进化的自适应 Agent 的插件它通过 8 个daa_*MCP 工具把静态配置的 Agent 升级为基于性能反馈持续适配、跨 Agent 共享知识的学习型智能体。本文以 daa-agent SKILL 为骨架结合 daa-tools.ts 源码逐工具拆解参数与底层行为让你从创建自适应 Agent到监控学习、手动适配、知识共享全流程可落地。什么时候该用 DAA Agent当你的任务需要超越静态配置的 Agent 时就轮到 DAA 出场。静态 Agent 的行为由固定配置决定、从不学习、知识彼此隔离、性能恒定而 DAA Agent 会根据性能指标调整自身行为、从交互中持续学习、把知识共享给其他 Agent。典型场景包括需要 Agent 在不同任务间动态切换推理策略认知模式希望通过反馈闭环让 Agent 的成功率随使用次数提升希望多个 Agent 共享经验、集体进化swarm 场景。反之如果只是单次、一次性执行的 Agentdaa_agent_create的源码描述明确指出原生 Task 就足够了For static one-shot agents, native Task is fine不必引入 DAA。DAA Agent 与静态 Agent 的对比SKILL 文档给出了核心对比这也是判断是否采用 DAA 的第一依据维度静态 AgentDAA Agent行为固定配置随时间自适应adapts over time学习无从交互中持续学习知识隔离跨 Agent 共享性能恒定随使用提升使用流程五个核心步骤daa-agentSKILL 规定的标准工作流为五步每一步对应一个 MCP 工具调用工具名以mcp__plugin_ruflo-core_ruflo__为前缀创建 Agent— 调用daa_agent_create传入初始配置与学习参数监控学习— 调用daa_learning_status查看适配进度检查性能— 调用daa_performance_metrics获取效率与准确率指标适配— 调用daa_agent_adapt基于反馈触发手动适配共享知识— 调用daa_knowledge_share把学习成果传播给其他 Agent。下面的章节将逐个工具深入底层实现说明每个参数的真实作用与默认值。8 个 daa_* MCP 工具全景按 ADR-0001 的记录8 个工具全部实现于 daa-tools.ts对应行号 90 / 161 / 223 / 271 / 322 / 388 / 444 / 512与 插件 README 声明的工具面一致工具用途daa_agent_create初始化一个自适应 Agentdaa_agent_adapt基于反馈触发手动适配daa_workflow_create定义认知工作流daa_workflow_execute运行认知工作流daa_knowledge_share跨 Agent 传播学习成果daa_learning_status适配进度指标daa_cognitive_pattern定义/分析推理模式daa_performance_metrics效率与准确率统计数据落地方式源码级从源码结构看所有工具共享同一套本地持久化机制状态存储在项目下的.claude-flow/daa/store.json目录由getProjectCwd()推导见 daa-tools.ts。DAAStore结构包含三块agents、workflows、knowledge并带version字段当前为3.0.0。此外多数工具还会尝试通过../memory/memory-bridge.js把条目写入 AgentDB分别使用daa-agents、daa-workflows、daa-knowledge命名空间使状态可被向量检索AgentDB 不可用时静默回退到 JSON store不影响主流程。创建 Agentdaa_agent_create 参数详解daa_agent_create的唯一必填参数是id其余均可选。完整参数与源码默认值如下参数类型说明默认值idstringAgent ID必填需通过标识符校验—namestringAgent 名称DAA-{id}typestringAgent 类型autonomouscognitivePatternstring认知模式枚举convergent/divergent/lateral/systems/critical/adaptiveadaptivelearningRatenumber学习率0–10.01enableMemoryboolean是否启用持久记忆truecapabilitiesarrayAgent 能力列表[reasoning, learning]新 Agent 的初始指标为tasksCompleted: 0、successRate: 1.0、adaptations: 0状态为active。创建成功后工具会把{id, name, type, cognitivePattern}以daa-agent-{id}为 key、daa-agents为命名空间写入 AgentDB作为可搜索的 Agent 注册表。认知模式的语义daa_cognitive_pattern工具action 缺省为analyze会返回六种模式的官方描述这也是cognitivePattern参数取值的语义依据convergent— 聚焦分析型思维适合定义良好的问题divergent— 创造探索型思维适合开放性问题lateral— 间接、创造性的问题求解路径systems— 考虑系统互联的整体思维critical— 分析性评估与逻辑判断adaptive— 按需动态切换模式工具推荐一般用途 Agent 使用adaptive。监控学习进度daa_learning_status调用daa_learning_status可选参数agentId、detailed有两种视图指定agentId返回该 Agent 的status、cognitivePattern、learningRate与完整metrics不传agentId或传detailed: true返回 swarm 汇总——totalAgent 总数、active活跃数、learning学习中数、avgSuccessRate平均成功率、totalAdaptations累计适配次数以及每个 Agent 的id/status/successRate/adaptations记录。这正是 daa 命令 展示DAA 仪表盘的数据来源命令先用detailed: true拿到 swarm 汇总与逐 Agent 记录再调daa_performance_metrics取效率与准确率统计最终展示活跃 vs 学习中的 Agent、适配进度、每个 Agent 的认知模式与平均成功率。检查性能daa_performance_metricsdaa_performance_metrics通过category参数枚举all/agents/workflows/learning缺省all聚合三类指标agentstotal、active、avgSuccessRate、totalTasksworkflowstotal、completed、running、successRatecompleted 数 ÷ 总数learningtotalAdaptations、knowledgeItems知识库条目数、avgLearningRate。手动适配daa_agent_adaptdaa_agent_adapt必填agentId可选feedback反馈消息、performanceScore0–1默认0.8、suggestions改进建议数组。源码中的更新逻辑非常直观可视为 DAA学习的核心公式adaptations计数 1successRate (旧 successRate performanceScore) / 2移动平均状态重置为activelastActivity刷新通过 memory-bridge 记录反馈bridgeRecordFeedbacksuccess判定为performanceScore 0.5供后续模式学习使用返回结果中_storedIn会标明写入的是agentdb还是json-store。知识共享daa_knowledge_sharedaa_knowledge_share必填sourceAgentId与targetAgentIds可选knowledgeDomain默认general与knowledgeContent任意对象。调用后生成knowledge-{timestamp}知识条目优先写入 AgentDB 的daa-knowledge命名空间带 domain 与 agent id 作为 tags可向量检索同时始终持久化到 JSON store 做向后兼容。返回值中的_note会说明目标 Agent 如何获取经 AgentDB 存储时可通过daa_learning_status或 memory search 检索仅 JSON 存储时则不存在跨 Agent 的内存传输需靠共享注册表读取。认知工作流daa_workflow_create / daa_workflow_executeDAA 不只有单个 Agent还支持把认知模式嵌入可执行工作流daa_workflow_create必填id、namesteps为步骤数组strategy枚举parallel/sequential/adaptive默认adaptivedependencies声明步骤依赖daa_workflow_execute必填workflowId可传agentIds与parallelExecution将工作流置为running并同步状态到daa-workflows命名空间。需要特别说明的是源码中的明确提示步骤状态被跟踪但不会被自动执行Steps are tracked but not auto-executed每个步骤的实际执行仍需借助 Agent 工具完成——daa_workflow_execute承担的是编排与状态跟踪职责。配套 Skill定义可进化的认知模式与daa-agent配套的 cognitive-pattern SKILL 用于把推理策略、决策树或问题求解方法编码成 Agent 可复用、可改进的模式其流程为daa_cognitive_pattern定义模式结构与触发器 →daa_workflow_create嵌入可执行工作流 →daa_workflow_execute运行 →daa_learning_status评估模式表现 →daa_knowledge_share传播成功模式。文档内置四种模式类型决策树结构化 if/then 推理、思维链逐步问题分解、类比映射参照相似已解问题求解新问题、共识模式决策前多视角评估。与智能流水线、AgentDB 的协作机制DAA 不是孤岛。按 ruflo-daa ADR-0001 与 ruflo-intelligence ADR-0001 的约定智能流水线对齐ruflo 的 4 步智能流水线为 RETRIEVE → JUDGE → DISTILL → CONSOLIDATE。DAA 认知模式在任务经hooks_route路由、检索到相似历史轨迹后为JUDGE 阶段提供结构化推理依据来评估拟合度daa_knowledge_share写出的模式传播事件则可在DISTILL 阶段被hooks_intelligence_learn消费。命名空间协调插件声明拥有 AgentDB 的daa-patterns命名空间kebab-case遵循 ruflo-agentdb ADR-0001 的命名约定且不得遮蔽保留命名空间pattern、claude-memories、default。该命名空间经memory_*工具按命名空间路由访问CLI 示例如下# 持久化认知模式与适配历史 npx claude-flow/clilatest memory store --namespace daa-patterns --key cognitive-PATTERN --value ADAPTATION_DATA # 检索已有认知模式 npx claude-flow/clilatest memory search --query cognitive pattern for TASK --namespace daa-patterns # 任务完成后喂给自适应学习回路训练神经模型 npx claude-flow/clilatest hooks post-task --task-id TASK_ID --success true --train-neural true后两条示例出自 daa-specialist Agent它把daa-patterns命名空间作为认知模式与适配历史的持久化后端。安装与验证插件安装方式见 插件 README/plugin marketplace add ruvnet/ruflo /plugin install ruflo-daaruflo安装后可用/daa命令查看 DAA 仪表盘学习指标与活跃 Agent。版本兼容性上插件固定依赖claude-flow/cliv3.6 majorminor契约验证以 smoke 脚本为准bash plugins/ruflo-daa/scripts/smoke.sh # 预期输出10 passed, 0 failedsmoke.sh 的 10 项结构性检查覆盖插件版本与关键词cognitive-patterns、workflows、mcp、8 个daa_*工具在文档中被引用、两个 skill 一个 command 一个 agent 的 frontmatter 完整性、v3.6 版本钉扎、daa-patterns命名空间声明、智能流水线交叉引用、ADR 状态以及不允许通配符工具授权。适用边界与注意事项最后依据 daa-tools.ts 头部注释与各工具返回说明给出三条重要边界本地状态管理DAA 工具提供的是本地状态管理——Agent 协调在本地跟踪不涉及分布式网络通信适用于工作流编排与状态跟踪工作流不自动执行步骤daa_workflow_execute只跟踪状态步骤执行需由 Agent 工具完成知识共享的传输方式取决于后端只有 AgentDB 可用时知识才可向量检索并具备跨 Agent 语义否则仅为共享 JSON 注册表不存在跨 Agent 内存传输。理解了这三点就能在 ruflo 生态中正确地把 DAA 用于需要越用越强的自适应 Agent 场景并通过daa-patterns命名空间、daa_knowledge_share与 4 步智能流水线把单个 Agent 的学习成果沉淀为整个 swarm 的集体智能。【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 ruflo-daa 实战指南：构建会学习、会进化的 Dynamic Agentic Architecture 自适应 Agent
ruflo-daa 实战指南构建会学习、会进化的 Dynamic Agentic Architecture 自适应 Agent【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/rufloruflo-daaDynamic Agentic Architecture是 ruflo 生态中专门用于创建、管理会学习、会进化的自适应 Agent 的插件它通过 8 个daa_*MCP 工具把静态配置的 Agent 升级为基于性能反馈持续适配、跨 Agent 共享知识的学习型智能体。本文以 daa-agent SKILL 为骨架结合 daa-tools.ts 源码逐工具拆解参数与底层行为让你从创建自适应 Agent到监控学习、手动适配、知识共享全流程可落地。什么时候该用 DAA Agent当你的任务需要超越静态配置的 Agent 时就轮到 DAA 出场。静态 Agent 的行为由固定配置决定、从不学习、知识彼此隔离、性能恒定而 DAA Agent 会根据性能指标调整自身行为、从交互中持续学习、把知识共享给其他 Agent。典型场景包括需要 Agent 在不同任务间动态切换推理策略认知模式希望通过反馈闭环让 Agent 的成功率随使用次数提升希望多个 Agent 共享经验、集体进化swarm 场景。反之如果只是单次、一次性执行的 Agentdaa_agent_create的源码描述明确指出原生 Task 就足够了For static one-shot agents, native Task is fine不必引入 DAA。DAA Agent 与静态 Agent 的对比SKILL 文档给出了核心对比这也是判断是否采用 DAA 的第一依据维度静态 AgentDAA Agent行为固定配置随时间自适应adapts over time学习无从交互中持续学习知识隔离跨 Agent 共享性能恒定随使用提升使用流程五个核心步骤daa-agentSKILL 规定的标准工作流为五步每一步对应一个 MCP 工具调用工具名以mcp__plugin_ruflo-core_ruflo__为前缀创建 Agent— 调用daa_agent_create传入初始配置与学习参数监控学习— 调用daa_learning_status查看适配进度检查性能— 调用daa_performance_metrics获取效率与准确率指标适配— 调用daa_agent_adapt基于反馈触发手动适配共享知识— 调用daa_knowledge_share把学习成果传播给其他 Agent。下面的章节将逐个工具深入底层实现说明每个参数的真实作用与默认值。8 个 daa_* MCP 工具全景按 ADR-0001 的记录8 个工具全部实现于 daa-tools.ts对应行号 90 / 161 / 223 / 271 / 322 / 388 / 444 / 512与 插件 README 声明的工具面一致工具用途daa_agent_create初始化一个自适应 Agentdaa_agent_adapt基于反馈触发手动适配daa_workflow_create定义认知工作流daa_workflow_execute运行认知工作流daa_knowledge_share跨 Agent 传播学习成果daa_learning_status适配进度指标daa_cognitive_pattern定义/分析推理模式daa_performance_metrics效率与准确率统计数据落地方式源码级从源码结构看所有工具共享同一套本地持久化机制状态存储在项目下的.claude-flow/daa/store.json目录由getProjectCwd()推导见 daa-tools.ts。DAAStore结构包含三块agents、workflows、knowledge并带version字段当前为3.0.0。此外多数工具还会尝试通过../memory/memory-bridge.js把条目写入 AgentDB分别使用daa-agents、daa-workflows、daa-knowledge命名空间使状态可被向量检索AgentDB 不可用时静默回退到 JSON store不影响主流程。创建 Agentdaa_agent_create 参数详解daa_agent_create的唯一必填参数是id其余均可选。完整参数与源码默认值如下参数类型说明默认值idstringAgent ID必填需通过标识符校验—namestringAgent 名称DAA-{id}typestringAgent 类型autonomouscognitivePatternstring认知模式枚举convergent/divergent/lateral/systems/critical/adaptiveadaptivelearningRatenumber学习率0–10.01enableMemoryboolean是否启用持久记忆truecapabilitiesarrayAgent 能力列表[reasoning, learning]新 Agent 的初始指标为tasksCompleted: 0、successRate: 1.0、adaptations: 0状态为active。创建成功后工具会把{id, name, type, cognitivePattern}以daa-agent-{id}为 key、daa-agents为命名空间写入 AgentDB作为可搜索的 Agent 注册表。认知模式的语义daa_cognitive_pattern工具action 缺省为analyze会返回六种模式的官方描述这也是cognitivePattern参数取值的语义依据convergent— 聚焦分析型思维适合定义良好的问题divergent— 创造探索型思维适合开放性问题lateral— 间接、创造性的问题求解路径systems— 考虑系统互联的整体思维critical— 分析性评估与逻辑判断adaptive— 按需动态切换模式工具推荐一般用途 Agent 使用adaptive。监控学习进度daa_learning_status调用daa_learning_status可选参数agentId、detailed有两种视图指定agentId返回该 Agent 的status、cognitivePattern、learningRate与完整metrics不传agentId或传detailed: true返回 swarm 汇总——totalAgent 总数、active活跃数、learning学习中数、avgSuccessRate平均成功率、totalAdaptations累计适配次数以及每个 Agent 的id/status/successRate/adaptations记录。这正是 daa 命令 展示DAA 仪表盘的数据来源命令先用detailed: true拿到 swarm 汇总与逐 Agent 记录再调daa_performance_metrics取效率与准确率统计最终展示活跃 vs 学习中的 Agent、适配进度、每个 Agent 的认知模式与平均成功率。检查性能daa_performance_metricsdaa_performance_metrics通过category参数枚举all/agents/workflows/learning缺省all聚合三类指标agentstotal、active、avgSuccessRate、totalTasksworkflowstotal、completed、running、successRatecompleted 数 ÷ 总数learningtotalAdaptations、knowledgeItems知识库条目数、avgLearningRate。手动适配daa_agent_adaptdaa_agent_adapt必填agentId可选feedback反馈消息、performanceScore0–1默认0.8、suggestions改进建议数组。源码中的更新逻辑非常直观可视为 DAA学习的核心公式adaptations计数 1successRate (旧 successRate performanceScore) / 2移动平均状态重置为activelastActivity刷新通过 memory-bridge 记录反馈bridgeRecordFeedbacksuccess判定为performanceScore 0.5供后续模式学习使用返回结果中_storedIn会标明写入的是agentdb还是json-store。知识共享daa_knowledge_sharedaa_knowledge_share必填sourceAgentId与targetAgentIds可选knowledgeDomain默认general与knowledgeContent任意对象。调用后生成knowledge-{timestamp}知识条目优先写入 AgentDB 的daa-knowledge命名空间带 domain 与 agent id 作为 tags可向量检索同时始终持久化到 JSON store 做向后兼容。返回值中的_note会说明目标 Agent 如何获取经 AgentDB 存储时可通过daa_learning_status或 memory search 检索仅 JSON 存储时则不存在跨 Agent 的内存传输需靠共享注册表读取。认知工作流daa_workflow_create / daa_workflow_executeDAA 不只有单个 Agent还支持把认知模式嵌入可执行工作流daa_workflow_create必填id、namesteps为步骤数组strategy枚举parallel/sequential/adaptive默认adaptivedependencies声明步骤依赖daa_workflow_execute必填workflowId可传agentIds与parallelExecution将工作流置为running并同步状态到daa-workflows命名空间。需要特别说明的是源码中的明确提示步骤状态被跟踪但不会被自动执行Steps are tracked but not auto-executed每个步骤的实际执行仍需借助 Agent 工具完成——daa_workflow_execute承担的是编排与状态跟踪职责。配套 Skill定义可进化的认知模式与daa-agent配套的 cognitive-pattern SKILL 用于把推理策略、决策树或问题求解方法编码成 Agent 可复用、可改进的模式其流程为daa_cognitive_pattern定义模式结构与触发器 →daa_workflow_create嵌入可执行工作流 →daa_workflow_execute运行 →daa_learning_status评估模式表现 →daa_knowledge_share传播成功模式。文档内置四种模式类型决策树结构化 if/then 推理、思维链逐步问题分解、类比映射参照相似已解问题求解新问题、共识模式决策前多视角评估。与智能流水线、AgentDB 的协作机制DAA 不是孤岛。按 ruflo-daa ADR-0001 与 ruflo-intelligence ADR-0001 的约定智能流水线对齐ruflo 的 4 步智能流水线为 RETRIEVE → JUDGE → DISTILL → CONSOLIDATE。DAA 认知模式在任务经hooks_route路由、检索到相似历史轨迹后为JUDGE 阶段提供结构化推理依据来评估拟合度daa_knowledge_share写出的模式传播事件则可在DISTILL 阶段被hooks_intelligence_learn消费。命名空间协调插件声明拥有 AgentDB 的daa-patterns命名空间kebab-case遵循 ruflo-agentdb ADR-0001 的命名约定且不得遮蔽保留命名空间pattern、claude-memories、default。该命名空间经memory_*工具按命名空间路由访问CLI 示例如下# 持久化认知模式与适配历史 npx claude-flow/clilatest memory store --namespace daa-patterns --key cognitive-PATTERN --value ADAPTATION_DATA # 检索已有认知模式 npx claude-flow/clilatest memory search --query cognitive pattern for TASK --namespace daa-patterns # 任务完成后喂给自适应学习回路训练神经模型 npx claude-flow/clilatest hooks post-task --task-id TASK_ID --success true --train-neural true后两条示例出自 daa-specialist Agent它把daa-patterns命名空间作为认知模式与适配历史的持久化后端。安装与验证插件安装方式见 插件 README/plugin marketplace add ruvnet/ruflo /plugin install ruflo-daaruflo安装后可用/daa命令查看 DAA 仪表盘学习指标与活跃 Agent。版本兼容性上插件固定依赖claude-flow/cliv3.6 majorminor契约验证以 smoke 脚本为准bash plugins/ruflo-daa/scripts/smoke.sh # 预期输出10 passed, 0 failedsmoke.sh 的 10 项结构性检查覆盖插件版本与关键词cognitive-patterns、workflows、mcp、8 个daa_*工具在文档中被引用、两个 skill 一个 command 一个 agent 的 frontmatter 完整性、v3.6 版本钉扎、daa-patterns命名空间声明、智能流水线交叉引用、ADR 状态以及不允许通配符工具授权。适用边界与注意事项最后依据 daa-tools.ts 头部注释与各工具返回说明给出三条重要边界本地状态管理DAA 工具提供的是本地状态管理——Agent 协调在本地跟踪不涉及分布式网络通信适用于工作流编排与状态跟踪工作流不自动执行步骤daa_workflow_execute只跟踪状态步骤执行需由 Agent 工具完成知识共享的传输方式取决于后端只有 AgentDB 可用时知识才可向量检索并具备跨 Agent 语义否则仅为共享 JSON 注册表不存在跨 Agent 内存传输。理解了这三点就能在 ruflo 生态中正确地把 DAA 用于需要越用越强的自适应 Agent 场景并通过daa-patterns命名空间、daa_knowledge_share与 4 步智能流水线把单个 Agent 的学习成果沉淀为整个 swarm 的集体智能。【免费下载链接】ruflo The original agent meta-harness. Deploy intelligent multi-player swarms, coordinate autonomous workflows, and build conversational AI systems. Features adaptive memory, self-learning intelligence, RAG integration, and native Claude Code / Codex / Hermes and many more Integrated项目地址: https://gitcode.com/GitHub_Trending/cl/ruflo创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考