agentic-awesome-skills 技能解析用 accint-frames 排空 acc 的 deliber 队列brain_frame 检查点续跑实战【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,115 agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址: https://gitcode.com/gh_mirrors/an/agentic-awesome-skills导读accint-frames是 agentic-awesome-skills 仓库中收录的一个高风险risk: critical社区技能它的唯一使命是接管 headless无人值守运行留下的“未竟之思”——即 acc 系统中由无头任务中途检查点checkpoint保存下来的 open/waiting 状态的brain_frame并通过acc_act(runtimecontinue)逐个续跑、补齐思考、提交提案最终清空整个 deliberation思考队列。读完本文你将掌握 accint-frames 的完整操作链路如何用 CLI 只读观察队列、如何读懂一个“带类型”的 brain_frame、如何正确调用acc_act(runtimecontinue)提交带PREDICT校准行的提案以及它与同族技能 accint-solve、accint-commitments 在 acc 工作流中的分工边界。1. 技能定位它到底是什么accint-frames是 accaccreted-intelligence体系中的 “frames” 插件在 agentic-awesome-skills 中的镜像实现。本仓库 目录数据 将其描述为“Drain accs deliberation queue — open/waiting brain_frames checkpointed by headless runs — via acc_act(runtimecontinue).”其元数据SKILL.md标注了关键事实source_type:community来源仓库为maxbaluev/accreted-intelligenceApache-2.0 许可risk:critical—— 该技能会调用真实的运行时动作acc_act不属于只读辅助类技能设计哲学技能正文明确写着 “Routing sugar over the two MCP verbs — no logic lives here”本质是对两个 MCP 动词的路由封装本身不含业务逻辑。这意味着 accint-frames 不实现推理只负责把 Agent 正确地引导到acc_act(runtimecontinue)这条提交路径上。在同一目录数据中accint 家族还有两个姊妹技能后续章节会涉及这里先给出三者分工技能动词职责accint-solveacc_act(runtimesolve)把目标送入 acc 的评分记忆循环accint-frames本文acc_act(runtimecontinue)排空 open/waiting 的 brain_frame 队列accint-commitmentsacc_act(runtimeoutcome)关闭已兑现的承诺commitment2. 前置概念brain_frame 与 headless 检查点理解 accint-frames 必须先理解两个概念headless runs由 acc 后台无头执行的任务。它们在运行过程中可能暂时“卡住”在一个需要进一步深思deliberate的位置无法自行继续于是把当前思考状态保存为一个检查点留待人回来处理brain_frame这个检查点的数据结构它是一个“typed hole”带类型/带结构的缺口完整记录了缺的是什么which hole、当时检索到了什么上下文what was retrieved、预测结论是什么what is predicted。因此acc frames列出的 open/waiting brain_frame 并不是失败任务而是无头运行专门留给你的工作原文checkpointed frames are work headless runs saved for you。accint-frames 的存在意义就是让这些积压思考能被可靠、可追溯地消费掉。3. 核心操作流程排空队列的五个步骤技能正文给出了排空队列的标准操作序列这是本文的主体逐条展开3.1 只读观察队列acc framesCLI 只读命令用于列出当前所有 open/waiting 状态的 brain_frame。技能明确强调这是read-only observation只读观察在任何写入动作之前先用它获得队列全貌避免盲目操作。3.2 逐个读取并深思对每个 open/waiting 的 frame读取它的 typed hole缺口类型与 retrieved context检索到的上下文在读取所得信息的约束下进行深思deliberate通过acc_act(runtimecontinue)提交结论。调用形如acc_act(runtimecontinue, input{frame_id: ..., submit_token: ..., proposal_text: ...})三个入参的含义frame_id当前 brain_frame 的标识指明“续跑的是哪一个检查点”submit_token提交令牌acc 用它校验该 frame 确实处于可提交状态proposal_text你深思后写下的提案正文是这次续跑的核心产物。3.3 用 PREDICT 行做自我校准关键细节proposal_text必须以如下格式的行结尾PREDICT: 0.00-1.00 why例如PREDICT: 0.82 the retrieved log lines strongly indicate a connection-pool timeout before retry技能正文解释了这个设计的两个作用对用户透明acc 在提案被真正所有者看到之前会剥掉strips这行PREDICT不会污染交付给用户的文本用于校准acc 会把这行预测与后续实际结果做对照用来校准 Work Model工作模型。也就是说PREDICT是 acc 记忆与自我评估闭环的输入信号数值越诚实模型校准越准。3.4 幂等重放重复提交是安全的技能特别指出完全相同的重复提交会重放缓存结果An identical duplicate submit replays the cached result因此重提交是安全操作。这在分布式 Agent 场景下是重要的容错语义——网络重试、重复调用不会产生副作用。3.5 收尾纪律先排空再开工每条 resolution 完成后记录其commitmentid 与引用的[ids]这是 acc 的溯源体系你解决了一个 frame就会产生一条可追踪的承诺记录在接新工作前必须把队列完全排空drain the queue fully——因为积压的 frame 都是无头运行专门保存下来等你处理的优先级高于新任务。4. 触发方式与使用示例技能的元数据见 catalog.json登记了触发词accint、frames、drain、acc、deliberation、queue、open、waiting、brain、checkpointed、headless、runs。当任务描述命中这些词例如出现 “排空 acc 的 deliber 队列”“处理 headless 留下的 brain_frame”技能路由即可命中 accint-frames。技能文档给出的标准调用模板用户请求示例Use accint-frames for this task: Drain accs deliberation queue — open/waiting brain_frames checkpointed by headless runs — via acc_act(runtimecontinue).Agent 收到该请求后即进入第 3 节所述的acc frames→ 逐条深思 →continue提交 → 记录 commitment → 排空队列的完整流程。5. 与同族技能的协作一条完整的 acc 生命周期仅看 accint-frames 无法构成完整闭环把它放进 accint 家族才能看清全貌三个技能文件与目录数据均位于本仓库开环用户提出目标 → accint-solve 调用acc_act(runtimesolve)。若结果未定返回一个 brain_frame进入深思轮次深思续跑这正是 accint-frames 的用武之地。solve 技能返回的 brain_frame 同样通过acc_act(runtimecontinue)提交且同样要求PREDICT结尾、同样承诺“绝不留下未解决的 frame”Never leave a received frame unresolved闭环收账任务有最终结果后accint-commitments 通过acc_act(runtimeoutcome, input{ref: id, good: true|false, note: ...})关闭承诺并遵守 provenance 纪律默认的self_graded是弱先验仅 0.25× 信用只有owner/external/runtime来源的验证才被视为真实结果。可以看到accint-frames 位于“solve 返回待深思帧”与“outcome 关闭承诺”之间的衔接段它保证思考队列不积压、每个 frame 都有去路、每条提交都有预测记录可校准。6. 局限性与使用前提技能文档自带三条限制使用时必须遵守场景匹配仅在任务与上游来源及本地项目上下文明确匹配时使用本技能动手前验证使用前必须核验命令、生成代码、依赖、凭据及外部服务行为——risk: critical意味着错误的acc_act调用可能产生实际运行时影响示例不等于测试文档中的示例不能替代环境特定测试、安全评审以及用户对破坏性或高成本操作的批准。此外需注意本仓库仅收录该技能的 SKILL.md 与目录元数据data/skills_index.json 亦登记了其路径acc 运行时本身accCLI 与acc_actMCP 动词属于上游accreted-intelligence项目的能力实际使用前需确保 acc 环境可用、队列中有真实待处理的 frame。7. 小结accint-frames 是一个小而精的“路由型”技能它不发明逻辑只把 Agent 稳定地引导到正确的续跑动词上并用三条纪律保障队列排空的质量——PREDICT行校准工作模型、幂等重放保证容错、commitment溯源保证每条处理都可追踪。对于使用 acc 作为记忆与规划层、并常有无头任务中断留帧的 Agent 工作流它是维持“思考不积压、闭环可追溯”的关键一环。【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,115 agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址: https://gitcode.com/gh_mirrors/an/agentic-awesome-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考