精装房控制论画像
精装房：OpenHands
Product Portrait · 控制论画像openhands
CASE
OpenHands (All Hands AI) — 精装房控制论画像
以「Agent Canvas UI + 会话/任务定义 + 自动化触发」把用户意图固化为可运行、可切换后端、可自动触发的 Agent 会话，作为设定值 r。
SP
设定值（Setpoint）——Agent Canvas 把意图固化为可运行会话
用户意图 → 可验证子目标承担角色：以「Agent Canvas UI + 会话/任务定义 + 自动化触发」把用户意图固化为可运行、可切换后端、可自动触发的 Agent 会话，作为设定值 r。
关键机制
- Agent Canvas UI：
package.json描述「Agent Canvas UI for OpenHands - run AI coding agents with a visual interface」，可视化创建与管理会话（源码级）。 - 多后端切换：README 明示可在 local/remote/cloud 后端间切换而不失焦，「Switch between local, remote, and cloud agents」（源码级）。
- 自动化触发：Agent Canvas automations 支持 Slack/GitHub/Linear 集成 + 定时/webhook 触发，设定值从手动扩展为事件驱动（源码级）。
- Agent 定义注册：
openhands.sdk.subagent提供register_agent/load_project_agents/load_user_agents/discover_agents，设定值可由项目/用户级 Agent 定义注入（源码级）。 - TaskOutcome 契约：
preset/task_outcome.py的TaskOutcome/TaskOutcomeStatus为任务设定值提供结构化结果契约（源码级）。
控制论映射：KT-ctrl-045（规划-执行解耦，会话/自动化=可评审契约）+ KT-ctrl-041（分层控制结构）+ KT-ctrl-002（负反馈闭环结构，目标=设定值 r）。
⭐强——设定值有可视化 UI、多后端、事件触发、Agent 定义注册、TaskOutcome 契约，闭环入口完整。⚠️弱——设定值成功判据仍以 Agent 输出与 TaskOutcome 状态承载，缺机器可验证的量化目标函数。
E
E 环 — 评估/传感器（(E 环) 工具观测 + TaskOutcome + 委托可视化）
评估/传感器承担角色：为闭环生产「执行是否达标」的反馈信号，来源为工具观测（terminal/file_editor/browser）、TaskOutcome 状态、委托可视化，无独立通用 Critic 模型（但有 ask_oracle / tom_consult 类顾问工具）。
关键机制
- 工具观测（Observation）：SDK 统一
ToolObservation契约，如TaskTrackerObservation/BrowserObservation/DelegateObservation——格式可信、可回灌（源码级）。 - TaskOutcome 状态：
TaskOutcomeStatus显式标注任务结果状态（成功/失败/部分），是少见的显式结果信号（源码级）。 - browser_use 观测：
tools/browser_use/提供导航/点击/取内容/取状态等观测动作，测量环境状态（源码级）。 - ask_oracle / tom_consult 顾问工具：独立工具调用外部"神谕"做判断，构成评估型传感器（源码级）。
- 委托可视化：
delegate/visualizer.py的DelegationVisualizer呈现子 Agent 委派过程，供人工观测（源码级）。
控制论映射：KT-ctrl-006（反馈灵敏度/鲁棒性基础）+ KT-ctrl-012（观测噪声 R，工具观测可信度）+ KT-ctrl-035（扰动观测器 DOB，ask_oracle 在线研判）+ KT-ctrl-001（开环 vs 闭环）。
🟢 中强——统一 Observation 契约 + TaskOutcome 状态 + 顾问工具，评估信号比多数产品结构化。🔴 相对最弱环——缺独立、每步强制运行的通用 Critic；TaskOutcome 依赖 Agent 自报，评估质量仍受限于模型自述。
T
T 环 — 执行器/工具（(T 环) 19 类工具集 + Docker 沙箱 + 多 Agent 后端）
工具调用/执行器承担角色：把动作以「丰富工具集 + 沙箱隔离 + 多后端执行」落地，是唯一直接接触代码与外部系统的执行器，工程化最成熟。
关键机制
- 19 类内置工具目录：
apply_patch、ask_oracle、browser_use、delegate、file_editor、glob、grep、planning_file_editor、task、task_tracker、terminal、tom_consult、workflow等（openhands-tools/openhands/tools/，源码级）。 - Docker 沙箱模式：README Option 2 用
docker run -v PROJECTS_PATH:/projects隔离执行，Agent 仅能访问指定目录（源码级）。 - terminal 执行器：
tools/terminal/提供命令执行，是核心动作出口（源码级）。 - 多 Agent 后端：README 明示可跑 OpenHands / Claude Code / Codex / Gemini / 任意 ACP 兼容 Agent——执行器可插拔（源码级）。
- 依赖安全护栏：
software-agent-sdk/pyproject.toml的exclude-newer = "7 days"+ 多条 CVE 约束，执行环境供应链限幅（源码级）。 - file_editor / apply_patch：两种文件编辑执行器，动作粒度可选（源码级）。
控制论映射：KT-ctrl-034（安全边际/硬约束限幅，Docker 沙箱 + 依赖护栏）+ KT-ctrl-033（冗余与仲裁，多 Agent 后端可切换）+ KT-ctrl-031（鲁棒稳定性，沙箱隔离防污染主机）+ KT-ctrl-030（模型不确定性，多后端降级）。
⭐⭐最突出——工具集最丰富（19 类目录）、Docker 沙箱 + 多后端 + 依赖护栏构成完整「限幅 + 隔离 + 冗余」，是精装度 4.2 的支柱。⚠️弱——Option 1「Without a Sandbox」默认直跑主机文件系统（README 明确警告），沙箱需用户主动选 Docker。
M
M 环 — 记忆/状态估计（(M 环) 会话状态 + Condenser + 项目/用户 Agent 记忆）
记忆/状态估计承担角色：以「会话状态 + context condenser + 项目/用户级 Agent 定义」维护「当前做到哪、该按谁的定义做」，通过 LLM 摘要压缩上下文，未显式建模置信度。
关键机制
- LLMSummarizingCondenser：
preset/planning.py与openhands.sdk.context.condenser用 LLM 摘要压缩历史，是典型的信息滤波/降维（源码级）。 - 会话状态（LocalConversation）：
task/impl.py引用LocalConversation，会话维护 Agent 执行状态（源码级）。 - 项目/用户级 Agent 记忆：
load_project_agents/load_user_agents从目录发现 Agent 定义，构成跨会话的持久配置记忆（源码级）。 - 规划文件：
planning_file_editor把计划落到文件，作为可持久化的状态载体（源码级）。 - task_tracker：
TaskTrackerTool跟踪任务状态，构成任务级状态估计（源码级）。
控制论映射：KT-ctrl-010（状态估计，会话+跟踪折叠出任务状态）+ KT-ctrl-011（Kalman 预测-更新，会话推进=预测、工具观测=更新）+ KT-ctrl-014（信息滤波/降维，Condenser 摘要）。缺失：KT-ctrl-012（观测噪声 R vs 过程噪声 Q，无置信度/协方差）。
🟢 中强——Condenser + task_tracker + 项目/用户 Agent 定义提供状态保真与跨会话配置记忆。⚠️弱——记忆无置信度（P 协方差），P/R 环无法区分确信与猜测。
P
P 环 — 规划/分层控制（(P 环) planning 预设 + task/delegate 多级委派）
规划/分层控制承担角色：以「planning Agent 预设 + task/delegate 多级子 Agent 委派 + workflow 编排」实现慢规划器与快执行器的分层控制。
关键机制
- planning Agent 预设：
preset/planning.py定义PLAN_STRUCTURE（OBJECTIVE / CONTEXT SUMMARY / APPROACH OVERVIEW 等固定章节），慢规划器产出结构化计划（源码级）。 - task 工具（阻塞式委派）：
tools/task/impl.py的TaskExecutor把 TaskAction 转为阻塞式子 Agent 执行，返回 TaskObservation——多层递阶控制（源码级）。 - delegate 工具（委托可视化）：
tools/delegate/提供DelegateAction/DelegateExecutor/DelegationVisualizer，子 Agent 委派可观测（源码级）。 - workflow 工具：
tools/workflow/（definition/impl）以脚本/定义驱动 Agent 序列，实现 options 式时序抽象（源码级）。 - 子 Agent 预设：
preset/subagents/{default,code_explorer,web_researcher,bash_runner}.md提供开箱角色，父层选预设=选 options（源码级）。 - task_tracker 里程碑：跟踪任务/子任务进展，支撑滚动推进（源码级）。
控制论映射：KT-ctrl-041（分层控制结构）+ KT-ctrl-045（规划-执行解耦）+ KT-ctrl-042（多层递阶控制，父 Agent 经 task/delegate 协调子 Agent）+ KT-ctrl-046（options/SMDP，子 Agent 预设=能力原语）+ KT-ctrl-044（MPC 滚动时域，planning 预设滚动）。
⭐强——planning 预设 + task/delegate 多级委派 + 子 Agent 预设 + workflow，分层规划能力完整且开箱可用。⚠️弱——父层对子 Agent 的持续约束注入/协调变量 λ 更新循环有限；规划时域 N 未显式参数化。
R
R 环 — 反思/反馈闭环（(R 环) 委派回灌 + Condenser 纠偏 + 自动化重试）
反思/反馈闭环承担角色：由「子 Agent 委派回灌 + Condenser 上下文纠偏 + 工具错误回灌 + 自动化重试」承担，是工程化反馈环，无独立 Reflexion 元认知模块（但 planning 预设与顾问工具提供弱反思）。
关键机制
- 委派结果回灌：
TaskObservation/DelegateObservation把子 Agent 结果回灌父会话，驱动下一步（源码级）。 - Condenser 纠偏：上下文压缩时保留关键状态，抑制信息漂移（源码级）。
- 工具错误回灌：工具执行失败以 Observation 形式回到 Agent，下一轮修正（源码级）。
- 自动化重试：automations 可按事件重跑，失败任务可再触发（源码级）。
- ask_oracle / tom_consult：调用外部顾问做判断，提供弱反思信号（源码级）。 ## 精装房画像总结
控制论映射：KT-ctrl-002（负反馈闭环结构）+ KT-ctrl-021（P 即时纠偏）+ KT-ctrl-023（D 预测性，Condenser 抑制漂移）+ KT-ctrl-025（稳态误差/超调，靠 TaskOutcome 验收）。
🟡 中——委派回灌 + 错误回灌 + Condenser 纠偏 + 自动化重试形成反馈链。⚠️弱——无独立自反思/self-critique 循环；R 环偏外部工具错误与子 Agent 回报，属半开环。
★
控制论画像总结
整体范式：整体范式：自研 SDK 驱动的自托管编码 Agent 控制中心——丰富工具执行器 + Docker 沙箱 + 多级子 Agent 委派 + 多后端/自动化，开箱即用的 Agent 工厂。