六个活动的汇报界面与技能补齐;skill-engine 接上装配面

汇报界面(AM 07):
  · 视图外壳与卡片件提到 `@sdk`(viewShell / kvCard / tableCard / stagesCard / noteCard)——
    六个活动共用一套面貌,不各自发明;样式内联自带(沙箱页面不继承工作台 CSS)。
  · flow 四活动按**步序位置**挂模版:
    A1 事态全景 / 打标判据 / 成果预览;A4 取价基准 / 定价与门禁 / 草案待放行;
    A6 正式报价单 / 放行即发出;A7 结果登记 / 闭环待放行。
  · loop 两活动按**阶段与里程碑**组织:案例全景一屏,画阶段生命周期态、当下可为、目标缺口 ——
    素材全部来自语义引擎,零 LLM 即可成屏;模型只决定下一步做什么,不负责画面。
    为此给 loop-engine 补了视图端口,与 flow 共用同一个网关。
  · 每张模版都把「这一屏在说什么 / 放行意味着什么」写在数据旁边 ——
    人要在数据上作判断,判据就得摆在手边。

技能(AM 08):
  · 六个活动各写了 1–2 条真技能:适用描述 + 方法正文 + 结晶片段脚本。
    正文写的是**方法经验**而非流程复述(如「原文没写的不要补」「该等还是该问」
    「无基准不是异常,是一种基准」)。
  · 资源声明放**技能 ID**(权力面),资产放**定义本体**(方法面),两处分清。
  · **skill-engine 从来没有被构造过** —— 模块实现完整却无人调用,这是它一直没被用上的原因。
    容器里补上:目录与白名单都取自活动清单,装配前查扩权。
  · loop 的叙事面接入**技能目录**(渐进披露:常驻上下文只给「有哪些方法、何时适用」,
    正文等 AI 说要才加载),装配随即**盖戳入任务记忆** —— 回放与归因依赖之。

gates: tsc / eslint / depcruise(334 模块)/ 423 测试 全绿

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01KeDBx2PHLavbURXB8LJJ7m

apps/api/src/modules/loop-engine/internal/usecase/turn-runner.ts

@@ -14,6 +14,8 @@ import type {
   ListenerRegistrar,
   LoopStateStore,
   MemoryRecorder,
+  SkillGateway,
+  ViewGateway,
   Sfeel,
   TaskContext,
   TaskDataGateway,
@@ -41,6 +43,8 @@ export type TurnRunnerDeps = {
   readonly cards: CardGateway;
   readonly listeners: ListenerRegistrar;
   readonly memory: MemoryRecorder;
+  readonly views: ViewGateway;
+  readonly skills: SkillGateway;
   readonly tasks: TaskContext;
   readonly clock: Clock;
 };
@@ -232,12 +236,35 @@ export function createTurnRunner(deps: TurnRunnerDeps): LoopEngineService {
         });
       }
 
+      const activityId = (await deps.tasks.of(taskId)).activityId;
+      const catalog = await deps.skills.index(activityId);
+
+      /*
+       * 叙事面 = 案例说明书 + 活动记忆选摘 + **技能目录**。
+       * 渐进披露(AM 08):常驻上下文只给「有哪些方法、何时适用」,
+       * 正文与知识引用等 AI 说要才加载 —— 一次把所有正文塞进去,
+       * 上下文会被方法论淹掉,真正的局面反而看不见。
+       */
       const narrative = [
         model.narrative,
-        ...(await deps.memory.loadActivityMemory((await deps.tasks.of(taskId)).activityId, 20)).map(
-          (m) => `[${m.layer}] ${m.statement}`,
-        ),
-      ].join('\n\n');
+        ...(await deps.memory.loadActivityMemory(activityId, 20)).map((m) => `[${m.layer}] ${m.statement}`),
+        catalog.length === 0
+          ? ''
+          : `【可装配的技能(目录)】\n${catalog.map((s) => `- ${s.id} ${s.label}:${s.applicability}`).join('\n')}`,
+      ]
+        .filter((line) => line !== '')
+        .join('\n\n');
+
+      // 装配入信封:这一回合手上有哪些技能及其版本,记进任务记忆 —— 回放与归因依赖之
+      if (catalog.length > 0) {
+        const stamp = await deps.skills.stamp(activityId, catalog.map((s) => s.id));
+        await deps.memory.append({
+          taskId,
+          kind: 'thought',
+          title: `装配技能:${stamp.map((s) => `${s.id}@${s.version}`).join('、')}`,
+          detail: { skills: [...stamp] },
+        });
+      }
 
       const action = await deps.agent.decide({ taskId, narrative, enabled, scope });
 
@@ -250,6 +277,31 @@ export function createTurnRunner(deps: TurnRunnerDeps): LoopEngineService {
       const applied = await applyAction(taskId, action, runtime);
       await deps.state.save(taskId, model, parsed, applied.runtime);
 
+      /*
+       * 每回合推一次案例全景 —— 呈现是投影,失败只丢这一帧,不影响回路推进。
+       * 画面的素材全部来自语义引擎(阶段态 / 当下可为 / 缺口),零 LLM。
+       */
+      try {
+        await deps.views.push({
+          taskId,
+          activityId: (await deps.tasks.of(taskId)).activityId,
+          template: 'case-overview',
+          scope: {
+            ...scope,
+            'case:stages': parsed.items
+              .filter((i) => i.type === 'stage')
+              .map((i) => ({ name: i.name, state: applied.runtime.items.find((r) => r.id === i.id)?.state ?? '—' })),
+            'case:enabled': enabled.entries.map((e) => ({ name: e.name, state: e.requiresManualStart ? '待启动' : '可进行' })),
+            'case:gaps': enabled.gaps.map((g) => ({ name: g, state: '未满足' })),
+            gapCount: enabled.gaps.length,
+            enabledCount: enabled.entries.length,
+            activeStage: enabled.activeStages.join('、') || '—',
+          },
+        });
+      } catch {
+        // 呈现失败不影响回路:画面丢一帧,事实一件不少
+      }
+
       return {
         runtime: applied.runtime,
         enabled,

apps/api/src/modules/loop-engine/port.ts

@@ -77,6 +77,32 @@ export type ListenerRegistrar = {
   }): Promise<{ id: string }>;
 };
 
+/**
+ * 视图流控 —— app 注入 `interaction`(L3)。
+ * 「loop:AI 按定位与局面临场组织视图流」(AM 07)。MVP 每回合推一次**案例全景**:
+ * 阶段与计划项的生命周期态、当下可为、目标缺口 —— 这些是语义引擎算出来的确定事实,
+ * 零 LLM 即可成屏;模型只决定「下一步做什么」,不负责画面。
+ */
+export type ViewGateway = {
+  push(input: {
+    taskId: TaskId;
+    activityId: string;
+    template: string;
+    scope: Record<string, unknown>;
+  }): Promise<void>;
+};
+
+/**
+ * 技能 —— app 注入 `skill-engine`(L4)。
+ * 「渐进披露:常驻上下文**仅有技能目录**,按事加载正文、按需下钻引用」(AM 08)。
+ */
+export type SkillGateway = {
+  /** 目录:id + 何时适用 —— 只给这些,正文等 AI 说要才加载 */
+  index(activityId: string): Promise<ReadonlyArray<{ id: string; label: string; applicability: string }>>;
+  /** 装配入信封:这一回合装配了哪些技能及其版本,记入任务记忆 */
+  stamp(activityId: string, skillIds: readonly string[]): Promise<ReadonlyArray<{ id: string; version: string }>>;
+};
+
 export type MemoryRecorder = {
   append(input: {
     taskId: TaskId;