- name
- orthogonal-agent-framework
- description
- 正交性Agent框架 - 模块化AI Agent设计系统。将Agent能力拆分为规划、执行、记忆、评估四个正交维度，实现可组合、可替换、可测试、可扩展的Agent架构。
- metadata
- openclaw
- emoji
- 🧩
- requires
- env
- []
- bins
- ["bash"]
- user-invocable
- true
🧩 Orthogonal Agent Framework
正交性Agent框架 - 模块化AI Agent设计系统
基于Manus核心设计理念，将AI Agent拆分为四个正交维度：
- 规划（Planning） - 任务拆解、目标设定
- 执行（Execution） - 工具调用、操作执行
- 记忆（Memory） - 上下文保持、长期存储
- 评估（Evaluation） - 结果检验、反馈改进
核心理念
什么是正交性？
正交性（Orthogonality）指各模块相互独立，改变一个不影响另一个。
┌─────────────────────────────────────────────────┐
│ Agent System │
├─────────────┬─────────────┬─────────────┬────────┤
│ Planning │ Execution │ Memory │ Eval │
│ 模块 │ 模块 │ 模块 │ 模块 │
└─────────────┴─────────────┴─────────────┴────────┘
↕ ↕ ↕ ↕
可独立 可独立 可独立 可独立
升级/ 替换/ 替换/ 替换/
测试 测试 测试 测试优势
| 优势 | 说明 |
|---|---|
| 🔧 可组合 | 每个维度可独立升级 |
| 🔄 可替换 | 随时换掉某个模块 |
| 🧪 可测试 | 单独测试每个维度 |
| 📈 可扩展 | 新能力只需加新模块 |
使用方法
快速开始
使用正交性框架帮我规划一个复杂任务框架文件
框架会自动创建以下文件管理任务：
| 文件 | 作用 |
|---|---|
plan.md | 任务规划和拆解 |
execution.md | 执行记录和步骤 |
memory.md | 上下文和记忆 |
evaluation.md | 结果评估和反馈 |
命令示例
| 命令 | 作用 |
|---|---|
正交性框架：规划 [任务] | 拆解任务为步骤 |
正交性框架：执行 [步骤] | 执行具体操作 |
正交性框架：记忆 [内容] | 存储重要信息 |
正交性框架：评估 [结果] | 检验并反馈 |
正交性框架：状态 | 查看当前各模块状态 |
适用场景
✅ 适合
- 复杂多步骤任务
- 需要长期记忆的任务
- 需要评估/反思的任务
- 构建自定义Agent系统
❌ 不适合
- 简单对话任务
- 一次性任务
- 固定流程
技术实现
模块接口
每个正交模块遵循统一接口：
Planning:
- plan(task) → steps[]
- update_plan(progress)
- replan(feedback)
Execution:
- execute(step) → result
- tool_call(tool, args)
- rollback(step)
Memory:
- store(key, value)
- retrieve(key)
- forget(key)
- summarize()
Evaluation:
- evaluate(result) → score
- feedback(issues) → improvements
- validate(criteria)状态管理
# agent-state.yaml
planning:
current_task: "..."
steps: [...]
completed: [...]
execution:
active_step: 1
results: {...}
memory:
short_term: [...]
long_term: {...}
evaluation:
scores: {...}
feedback: [...]扩展性
添加新模块
在框架中集成新能力：
modules:
- planning # 已有
- execution # 已有
- memory # 已有
- evaluation # 已有
- creativity # 新增 - 创意生成
- research # 新增 - 信息收集替换模块
替换现有模块不影响其他：
# 替换记忆模块
memory:
type: "vector_store" # 从文件切换到向量数据库
config: {...}示例
完整任务流程
用户: 帮我研究AI Agent的发展趋势
正交性框架:
1. Planning → 拆解为5个子任务
2. Execution → 搜索信息
3. Memory → 存储重要发现
4. Evaluation → 评估信息质量
5. 循环2-4直到完成
6. 输出最终报告文件结构
orthogonal-agent-framework/
├── SKILL.md
├── _meta.json
├── references/
│ ├── design-principles.md
│ └── module-interfaces.md
└── templates/
├── plan.md
├── execution.md
├── memory.md
└── evaluation.md*基于Manus正交性设计理念构建*