AQUABRIDGE 架构白皮书 · v1.0

INVESTMENT READING ROOM · 2026-04-22

Aquabridge
五层智能体系架构

以知识工程为底座，广义 IM 做双向互动，Skills 做业务原子，Agents 做编排对抗，客户终端既是出口也是新上下文入口——形成运营型飞轮。

01 · CORE THESIS 背景

核心主张

为什么需要重新思考架构？

企业软件 50 年经历三次大规模试错：

试错一

流程为中心

ERP 时代
流程固化，数据孤岛

试错二

数据为中心

中台/数据湖
非结构化被忽视

试错三

工具为中心

SaaS 浪潮
孤岛变成群岛

第四条路

知识为中心

让知识能被机器理解、使用、迭代

概率智能只是入场券，知识工程才是护城河。

02 · PANORAMA 整体架构

五层全景图

一张图看懂全局 · 知识工程为底座

L5

客户终端（出口 + 新上下文入口）

发布型 · 互动型 · 半互动 — Shipping / Options / Reports

L4

Agents（编排 / 对抗 / 进化 / 自主）

主Agent · Persona · Orchestrator · Evaluator · Meta · 24/7 · Cross-Harness

L3

Skills（80+ 原子认知单元）

思维型 / 流程型 / 工具型 · Cognition-as-Code

L2

广义 IM · 双向互动总线（贯穿所有层）

飞书 · 邮件 · SSH · Webhook · API · MCP · Playwright

L1

知识工程（本体化底座）

L0 素材 → L1 精读 → L2 卡片 → L3 本体 → L4 操作记忆

↑ 靠近用户

↓ 靠近数据 · 最宽最重

01

Layer 1 · 知识工程

地基 · 所有上层调用都回到这里取事实

Layer 1 · 知识工程内部结构

L1知识工程的五层

面向机器的可执行知识，不是文档堆积

层	角色	内容	现状
L4	操作记忆指导 Agent "怎么行动"	memory/*.md（42 files: user / feedback / project / reference）	✅ 运转良好
L3	本体/知识图谱实体×关系×schema	跨卡片 tag 标准化、实体/关系建模	❌ 关键缺口
L2	知识卡片原子 claim	.wiki/{domain}/wiki_cards.json	🟡 起步中 · 11张
L1	精读整理主题级 MD	Obsidian 结果盲盒 / Shipping-KB / 管大大师班	✅ 丰富
L0	原始素材未加工原料	微信文章 / PDF / skill-backup	✅ 持续流入

Layer 1 · 知识工程关键区分

L1事实 vs 指令

L0-L3 vs L4 — 两者不能混

L0-L3 · 知识本身

内容："世界是什么样"
性质：客观事实 / claim / 关系
例子："Palantir NDR 139%"
写入：llm-wiki 结晶
读取：开工前查询锚定

L4 · 操作记忆

内容："Agent 该怎么做"
性质：主观偏好 / 规则 / 背景
例子："用户偏好纸感学术风"
写入：对话中发现偏好即存
读取：每次对话自动载入

⚠ 反模式：把事实写进 memory 会污染指导层；把偏好写进 wiki 会污染知识层。

02

Layer 2 · 广义 IM

异构节点消息路由网络 · 不只是即时通讯

Layer 2 · 广义 IM 节点网络

L2七类节点 · 一张连接网

任两个节点应能通过合适协议对话

① 人

Humans

用户本人 + 朋友/团队

② Agents

执行主体

CC · Codex · 龙虾团
（openclaw/qclaw/飞书claw/workbuddy）· Hermes

③ 设备

Compute Hosts

华为笔记本 · Mac Mini · Mac Air · 腾讯云 · 阿里云

④ 内容信源

读取型

公众号 · 知识星球 · 腾讯会议 · 小鹅通 · 视频号

⑤ 数据信源

API 型

openvlab · Braemar · TradingView · 行情报价

⑥ 自有平台

双向终端

aquabridgetrading.com · aquabridge.ai · openvlab.cn

⑦ IM 协议

Channels

飞书 · 微信 · 电子邮件

协议

三级接入

L1 成熟 API
L2 Playwright 搭便车
L3 待破解

Layer 2 · 广义 IM 三大方向

L2双向互动 · 三个方向

不只是"发消息"，是三向贯通的路由

方向 1

人 → Agent

Claude Code 对话
邮件指令
SSH 远程触发

方向 2

Agent → 人

飞书推送
邮件报告
告警通知

方向 3

系统 → 系统

Webhook 回调
API / MCP 工具调用
跨机触发

研报 Pipeline 是三向皆用的典范：邮件收（方向1）→ CC 分析 →（方向2）飞书推（方向3）Webhook 触发。

03

Layer 3 · Skills

Cognition-as-Code · 认知代码化

Layer 3 · Skills 核心定义

L3广义 Skill 是什么？

认知代码化（Cognition-as-Code）

Skill = 特定情境下的认知模式，
被封装成 Agent 可自然调用的可执行单元。

共通五要素：

① 触发条件

什么时候该用

② 输入契约

要什么参数

③ 知识依赖

调哪些 wiki/memory

④ 可执行单元

脚本/prompt/管线

⑤ 可复用性

跨会话稳定

Layer 3 · Skills 三层次

L3按认知密度分三层

原子不是"越小越好"，而是"到再拆就失去独立认知价值的临界点"

思维型

HIGH COGNITION

判断框架 / 心智模型

/tz-go
/gd-options
/orange-vol-arb
/kline-master
/互博
/soul-question
/nuwa · /darwin

流程型

MID COGNITION

端到端 pipeline

/ov-gd
/llm-wiki
/格格物
/dream
/publish
/save-wechat-article

工具型

LOW COGNITION

API / 操作封装

/tavily · /exa-search
/tushare-finance
/jun-tushare
/akshare-stock
/agent-browser
/openvlab-data

Layer 3 · Skills 颗粒度原则

L3颗粒度双标尺

好用 vs 原子化 · 不同层次不同标准

认知型（思维 + 流程）

单一职责 · 乐高积木

严格遵守——拆了就散架
一句话说清做什么
能单干也能被编排
I/O 契约极简

工具型

好用 · 开箱即用优先

颗粒度服务于易用性
封装底层细节（token/代理/bug fix）
外观重复 ≠ 颗粒度错误
底线：不塞不相关功能

体检结果：~87% 绿区健康 · 待处理仅 3 个目录卫生问题

04

Layer 4 · Agents

执行主体 · 编排 / 对抗 / 进化 / 自主

Layer 4 · Agents 七层内部结构

L4Agents 内部七层

Agent 是执行主体，Skill 是被它调用的认知原子

层	职责	代表	状态
L4.1 主 Agent	对话+意图理解+调度	Claude Code / Codex / Hermes	部分 ✅
L4.2 Persona	扮演领域专家（通过 skill 激活）	gd-options · tz-go · kline-master …	✅ 最多
L4.3 Orchestrator	多步任务编排	nuwa · skill-forge · 格格物 · ov-gd	✅ 成熟
L4.4 Evaluator	质疑生成结果	互博 + 批评与自我批评 (新)	🟡 强化中
L4.5 Meta	观察系统并优化	darwin · dream · self-improving-agent	✅ 有基础
L4.6 Autonomous	24/7 无人值守执行	Mac Mini worker · 策略工厂 worker	🟡 即将建设
L4.7 Cross-Harness	跨 Agent 系统协作	龙虾团 · CC↔Codex 协议	🟡 部分

Layer 4.4 · Evaluator 新增 · 重点

NEW批评与自我批评

灵感：中国共产党组织流程 · 对标：Anthropic 三 Agent 架构

核心机制

自我批评：Agent 完成任务后强制自检，列具体问题（不是辩护）
批评：独立 Agent 对产出严厉评判，不走形式
原则性：对照明确 rubric（质量 / 逻辑 / 效率 / 价值观）
建设性：批评必须给出改进方向
闭环：批评 → 整改 → 再批评直到过关

解决的 AI 顽疾（Anthropic 发现）

上下文焦虑：长跑后急于收工草率宣布完成
→ 自我批评强制真实评估
自我评价虚高：Claude 开箱做 QA 会自我开脱
→ 独立批评不留情面

与 /互博的区别：互博是正反两打（辩论），批评与自我批评是组织化自检（更严厉、更系统、可定期触发）

05

Layer 5 · 客户终端

出口 + 新上下文入口

Layer 5 · 客户终端三种形态

L5发布型 vs 互动型

关键不在域名，在有没有反馈回流飞轮

A · 发布型

BROADCAST

输出作品/洞察 · 访客是读者

aquabridge.ai
aquabridgetrading.com
/reports/
/reading-room/

单向 · 不需要飞轮

B · 互动型

INTERACTIVE

用户在终端工作 · 产生新上下文

Shipping Terminal
Options Terminal
Research Terminal
Trading Terminal (远期)

双向 · 飞轮必须闭环

C · 半互动

HYBRID

看情况升 A 或 B

Project Board
FFA Dashboard
Strategy Factory

按是否加回流决定归位

区分标准：这个终端的用户交互能不能被捕获并回写到 Layer 1？

CROSS-LAYER PRINCIPLES 横跨原则

六条横跨各层的核心原则

无论在哪一层做决策都要守

原则 1

知识工程优先

修底座 > 加新功能 > 追热点

原则 2

飞轮闭环

终端交互 → IM 捕获 → 写回 L1 → 下次更准

原则 3

广义 IM 三向贯通

人↔Agent · Agent↔人 · 系统↔系统

原则 4

Cognition-as-Code

颗粒度双标尺：认知型严 / 工具型松

原则 5

对抗评判独立

生成者与评判者必须分离

原则 6

Harness 持续简化

随模型进步定期精简

CURRENT STATE 当前进度

当前状态速览

各层建设进度

Layer 1 · 知识工程

35%

L4 记忆 ✅ · L0-L1 丰富 · L2 起步 · L3 缺

Layer 2 · 广义 IM

55%

L1 协议成熟 · L3 未破解多

Layer 3 · Skills

85%

80+ skills · 体检 87% 健康

Layer 4 · Agents

50%

L4.1-L4.5 基本 · L4.6-L4.7 建设中

Layer 5 · 客户终端

40%

发布型完备 · 互动型薄弱

COLLABORATION INTERFACES 协作接口

协作接口对齐

与 Codex 跨 Harness · 与外部量化团队

Codex · 跨 Harness 协作

Layer 4.1 并行主 Agent · 擅长代码密集型

共享 Layer 1 知识工程（memory + wiki 统一）
共享 Layer 3 Skills（协议化触发词 + IO schema）
待设计 L4.7 协议：谁主谁辅 / 上下文交接 / 谁做 Evaluator
建议初期：Codex 写代码，CC 做架构+决策+批评

外部量化团队

多层节点：数据源 · 知识 · Skills · 终端

量化指标 → Layer 2 数据信源
建模方法论 → Layer 1 wiki 卡片
模型 → 可包装为 Skill 被 Agent 调用
aquabridge.ai → 可升级为互动型终端

ROADMAP 下一步

下一步路线图

四个阶段 · 按知识工程优先原则排序

阶段 1 · 近期

修底座

· L3 本体建设
· 自动入库机制
· wiki 查询接口
· IM 路由总线

阶段 2 · 进行中

补强 L4

· 批评与自我批评
· Mac Mini 24/7 Worker
· 策略工厂 B 方案
· CC↔Codex 协议

阶段 3 · 中期

终端互动化

· Shipping MVP-2
· Options Terminal
· 半互动加回流

阶段 4 · 长期

飞轮转起来

· 自动沉淀结晶
· 跨域本体涌现
· 复利优势显现

·

工作哲学

先有再好
越来越好
一好百好

先搭框架，再一屋一屋装修。
基础设施稳定，上层迭代就顺手。

AQUABRIDGE · v1.0 · 2026-04-22

Aquabridge五层智能体系架构