docs(car): record future goals

examples/car/AGENTS.md

@@ -18,6 +18,8 @@ Qwen Audio Agent Car 是 qwen-audio-agent 的智能座舱语音 Agent 示例。
 
 代码位置：`server/domains/`、`server/domain-executors/` 和 `server/skills/builtin/index.mjs`。
 
+长期目标：所有领域 function 都可以通过配置选择运行在 Realtime 侧或文本 LLM Agent 侧，并通过 harness 统一管理前后台路由、工具、记忆和 benchmark。详见 `docs/future-goals.md`。
+
 当前 Built-in Skills：
 
 - 车控：`vehicle_state_query`、`vehicle_window_control`、`vehicle_sunroof_control`、`vehicle_headlights_control`、`vehicle_climate_control`

examples/car/docs/future-goals.md

@@ -0,0 +1,68 @@
+# Qwen Audio Agent Car Future Goals
+
+## 目标状态
+
+Qwen Audio Agent Car 的长期目标是把车控、导航、音乐、闪购、天气、联网查询和后续新增领域都收敛到一套可配置、可评测、可扩展的工具体系中。
+
+核心目标：
+
+- 所有领域 function 的最终原子定义统一来自 `server/domains/*.json`。
+- 每个大类领域共享一个 domain JSON 文件，避免每个 function 一个文件，方便后续扩展。
+- 每个 function 可以通过配置选择运行在 Realtime 侧（前台）或文本 LLM Agent 侧（后台）。
+- 前后台放置策略不靠主观判断固定，而是通过测试集和 benchmark 做量化选择。
+- 建立一套 harness 统一管理前后台路由、工具执行、记忆注入、事件追踪和评测。
+- 输出每个领域的工具数量，并持续跟踪 Realtime 与文本模型在工具调用上的准确率对比。
+
+## 分层原则
+
+`server/domains/*.json` 是领域 function 的唯一 schema 来源。它描述函数名称、参数、领域路由规则、示例、可见性和执行器绑定。
+
+`server/domain-executors/*.mjs` 承载每个领域的业务约束和执行逻辑。它负责参数校验、状态读取、外部服务调用、UI actions 生成和领域内安全限制。
+
+`server/tools/*.mjs` 只保留跨领域系统基础能力，例如时间、位置、记忆、提醒、自定义技能和上下文压缩。车控、导航、音乐、闪购、天气和联网查询不再在 `tools/` 下重复定义领域 function。
+
+## 前后台配置
+
+未来每个领域 function 应支持类似以下维度的配置：
+
+- `realtime`: 是否允许暴露给 Realtime 侧直接调用。
+- `text`: 是否允许暴露给文本 LLM Agent 侧调用。
+- `benchmarkSet`: 该 function 所属评测集。
+- `riskLevel`: 执行风险等级，用于限制是否允许前台直接执行。
+- `requiresConfirmation`: 是否需要用户确认后再执行。
+
+配置策略可以先从 `domains/*.json` 的 `exposure` 字段扩展，也可以在后续引入独立的 placement 配置文件。无论采用哪种形式，domain JSON 中的 function 定义仍然是最终原子定义。
+
+## Harness 目标
+
+Harness 负责把领域工具、前后台路由、记忆和评测串起来。
+
+它需要支持：
+
+- 加载所有 domain function，统计每个领域的工具数量。
+- 根据配置生成 Realtime 侧和文本 LLM 侧的工具暴露列表。
+- 执行统一测试集，覆盖单轮、多轮、长历史和含记忆场景。
+- 记录模型是否真实调用工具、调用了哪个工具、参数是否正确、是否产生正确 UI action。
+- 对比 Realtime 侧与文本 LLM 侧的工具调用准确率、参数准确率、动作成功率和平均耗时。
+- 输出可复现的评测结果，作为 function 放置策略的依据。
+
+## 评测指标
+
+至少需要保留以下指标：
+
+| 指标 | 含义 |
+|---|---|
+| domainToolCount | 每个领域注册的 function 数量 |
+| functionCallAccuracy | 是否调用了期望 function |
+| argumentAccuracy | function 参数是否符合测试集期望 |
+| actionSuccessRate | 是否产生期望 UI action 或领域结果 |
+| noHallucinatedCompletionRate | 是否避免未调用工具却声称已完成 |
+| averageLatencyMs | 平均端到端耗时 |
+
+这些指标要同时区分 Realtime 侧和文本 LLM Agent 侧，便于比较不同模型、不同 placement 配置和不同 prompt 策略。
+
+## 当前阶段
+
+当前阶段已经完成领域 schema 与 executor 的基础收敛：车控、导航、音乐、闪购、天气和联网查询都以 `server/domains/*.json` 作为 function 定义入口，并由 `server/domain-executors/*.mjs` 执行。
+
+下一阶段应优先补齐 placement 配置和 benchmark harness，让前后台工具放置可以通过测试数据持续迭代。

examples/car/docs/tools-and-skills.md

@@ -12,6 +12,8 @@
 
 核心原则：LLM 优先调用 Built-in Skills；各领域的最终原子函数定义在 `server/domains/*.json`；对应实现和业务约束放在 `server/domain-executors/*.mjs`；`server/tools/` 只保留跨领域系统工具；Custom Skills 编排 Built-in Skills 和少量基础系统工具。
 
+长期目标见 [Future Goals](./future-goals.md)：所有领域 function 可配置地运行在 Realtime 侧或文本 LLM Agent 侧，并通过 harness 做工具数量统计和准确率 benchmark。
+
 ## 当前 Built-in Skills
 
 | Skill | function name | 实现位置 |