[Architecture] 建立可评测、可复用、生产级的 Rust Coding Agent 产品边界 #9

定位

这是 Merry coding agent 产品化和架构收敛的父 Issue，负责维护总体目标、分层约束、子 Issue 依赖、横切质量任务和完成标准。具体实现与验收清单放在对应子 Issue 中。

当前决策（2026-08-19）

Merry 采用两条清晰的验证路径：

1. Rust unit/integration tests：验证 runtime、权限、生命周期、事件、artifact、ledger、取消、恢复和失败路径。测试使用 fake provider、scripted events 和 fake process runner，不依赖 live provider、外部网络或 Harbor。
2. Harbor benchmark：验证真实 coding-agent 任务、模型质量和外部 benchmark 对比。Harbor 负责数据集、任务环境、verifier、reward 和 benchmark 结果，作为手动/nightly 的上层消费者。

不再建设独立的 Offline Harness、内部 20-task Eval Suite、local eval CLI 或围绕 merry-eval 的兼容层。

总体目标

• CLI、Rust SDK、Python SDK 使用同一个 CodingAgentProfile。
• prompt、工具 schema、工具顺序和权限策略具有稳定契约。
• Rust SDK 成为稳定、可发布的高层 API。
• runtime、coding composition、CLI、provider 和 binding 职责清晰。
• 普通 PR 保持 deterministic；live provider 和 Harbor 只进入显式的 manual/nightly 流程。
• 外部 benchmark adapter 不改变 runtime 核心契约。

子 Issue 进度

• T0：建立交付基线、ROADMAP 与架构守护
• T1：建立评测协议与 TaskSpec（原型已完成，后续暂缓）
• T2：独立 Offline Harness（已关闭，改由 Rust 测试覆盖）
• T3：建立唯一 CodingAgentProfile
• T4：内部 Coding Eval Suite（已关闭，不建立独立 runner）
• T5：统一 CLI、Debug 和 Rust Runtime Builder
• T6：建立生产级可靠性、安全与观测 Harness（2026-08-26 关闭；PR test(reliability): add deterministic T6 evidence gates #37）
• T7：发布稳定的 Rust SDK（2026-08-29 关闭；PR feat(sdk): add semantic agent interfaces #38）
• T8：统一 Python 与 Rust SDK 能力（2026-09-01 关闭；PR feat(python-sdk): add typed Rust-backed agent facade #39）
• T9：接入外部 Coding Agent 评测集（adapter 已实现；端到端证据待补，优先级已下调）
• T10：按职责拆分 Runtime 与 Binding 大模块（2026-09-07 关闭；PR refactor: complete tools and runtime architecture governance #45）
• T11：发布门禁与 Definition of Done 收口（PR 门禁已建立；nightly/release 待收口）

依赖顺序

T0 -> T3
T3 -> T5
T5 -> T6
T5 + T6 -> T7 -> T8
T9 为独立的 Harbor/manual-nightly 路径，可与 T5/T7/T8 并行
T5 + T7 + T8 -> T10
T6 + T9 + T10 -> T11

横切任务

• 每个子 Issue 独立完成、独立验证、独立记录回滚方式。
• 不先做机械式大规模文件拆分。
• 不先发布未稳定的 Rust SDK。
• 不先堆积 prompt 文本，再补行为测试。
• provider-specific wire format 不进入 runtime、SDK 或 evaluation adapter。
• provider-visible request 变化必须评估 prompt/KV cache 影响。
• live provider、外部 benchmark 和网络测试不得阻塞普通 deterministic CI。
• crates/merry-eval 暂缓并列为候选删除；后续实现不得扩展或依赖它。

Definition of Done

• Rust unit/integration tests 覆盖 runtime 生命周期、权限、安全、取消、恢复和失败路径。
• CLI、Rust SDK、Python SDK 共用同一个 CodingAgentProfile。
• Rust SDK 有稳定 public API 并可打包发布。
• Python workspace 配置不再处于声明支持但实际 unsupported 的状态。
• Harbor 至少有 Terminal-Bench 和 Rust SWE benchmark adapter。
• cancellation、resume、权限、安全和 prompt injection 有负向测试。
• runtime、coding composition、CLI、provider、binding 的依赖方向明确。
• PR、nightly、release 三层质量门禁建立。
• 完整测试、clippy、fmt、文档、打包和 SDK parity 检查通过。

进展记录

• 2026-09-20：T6、T7、T8、T10 已按各自验收完成并关闭，T0–T8 与 T10 全部完成。
• T9（[T9] 接入外部 Coding Agent 评测集 #18）：Harbor adapter、数据集配置与手动 smoke 已实现；端到端结果未记录，负责人已下调优先级。
• T11（[T11] 建立发布门禁并完成 Definition of Done 收口 #20）：PR 门禁已建立；nightly、release 门禁与版本化发布记录待完成。
• 近期合入：sandbox/权限/CLI 配置系列修复（fix(sandbox): enforce reviewed paths and isolate host integrations #46–feat(process): preauthorize inner host integrations from trusted config #55）、MCP 离线恢复（fix(mcp): support offline resume and session recovery #44）、subagent 预算恢复（fix(runtime): recover delegated agents within coding budgets #43）、上下文压缩与窗口预算（feat(runtime): compact with prefix reuse, rolling, and window-derived budgets #61）、apply_patch 诊断（feat(tools): rework apply_patch diagnostics, paths, and workspace root #60）、README 与 sandbox 文档重构（docs(readme): lead with status and quick start, make sandbox docs config-first #62）、read_text 边界对齐（fix(read-text): align read limits, guidance, and output previews #63）。