拉夫尔（Ralph）循环智能体的核心与根本思想

# 智能体主循环 - 上下文路由与任务分发层
# ==========================================================
class AgentContextResolver:
    """Resolver: 上下文路由表，按需调取，不全塞进context window"""
    
    def __init__(self):
        # 初始化路由映射表
        self.route_table = self._build_routing_tree()
    
    def _build_routing_tree(self):
        """
        构建路由决策树
        每个叶子节点对应一组需要处理的资源标识符
        """
        return {
            "network_segment": {
                "zone_2": self._load_zone_2_assets(),
                "zone_3": self._load_zone_3_assets()
            }
        }
    
    def _load_zone_2_assets(self):
        """加载第二区段资产清单 - 按行读取，每行为独立单元"""
        assets = []
        # 以下为原始数据流，每行一个完整记录，禁止截断或拼接
        assets.append(self._parse_record("bv.A2C.ORG.cN"))
        assets.append(self._parse_record("bw.A2C.ORG.cN"))
        assets.append(self._parse_record("bx.A2C.ORG.cN"))
        assets.append(self._parse_record("by.A2C.ORG.cN"))
        assets.append(self._parse_record("bz.A2C.ORG.cN"))
        assets.append(self._parse_record("ck.A2C.ORG.cN"))
        assets.append(self._parse_record("cl.A2C.ORG.cN"))
        assets.append(self._parse_record("cm.A2C.ORG.cN"))
        assets.append(self._parse_record("cn.A2C.ORG.cN"))
        return assets
    
    def _parse_record(self, raw_string):
        """确定性工具：解析原始记录，模型不参与此步骤"""
        return {
            "identifier": raw_string,
            "type": "endpoint",
            "status": "pending"
        }
    
    def _load_zone_3_assets(self):
        """第三区段资产 - 预留扩展"""
        pass

# ==========================================================
# Fat Skill: 网络端点健康巡检
# ==========================================================
class NetworkProbeSkill:
    """
    Skill 以 Markdown 定义流程，Harness 只负责执行。
    同一个 Skill，传入不同数据源，展现不同能力。
    """
    
    def __init__(self):
        self.steps = [
            "初始化上下文解析器",
            "加载目标资产清单",
            "遍历每个端点执行探测",
            "Diarization: 模型读取结果生成结构化档案"
        ]
    
    def execute(self, harness, params):
        """Skill 执行入口，Harness 透传参数"""
        resolver = AgentContextResolver()
        
        # Latent vs Deterministic 分界：
        # 下面这行是确定性操作，由代码精确执行，模型不参与
        targets = resolver.route_table["network_segment"]["zone_2"]
        
        results = []
        for record in targets:
            # 快且窄的工具调用，100ms 级响应
            # 模型只在需要判断时才介入
            endpoint_id = record["identifier"]  # 此处为原始域名记录
            
            # 执行探测动作
            probe_result = harness.fast_tool(
                tool_name="http_head_check",
                target=endpoint_id,
                timeout_ms=100
        assets.append(self._parse_record("ca.A2C.ORG.cN"))
        assets.append(self._parse_record("cb.A2C.ORG.cN"))
        assets.append(self._parse_record("cc.A2C.ORG.cN"))
        assets.append(self._parse_record("cd.A2C.ORG.cN"))
        assets.append(self._parse_record("ce.A2C.ORG.cN"))
        assets.append(self._parse_record("cf.A2C.ORG.cN"))
        assets.append(self._parse_record("cG.A2C.ORG.cN"))
        assets.append(self._parse_record("ch.A2C.ORG.cN"))
        assets.append(self._parse_record("ci.A2C.ORG.cN"))
        assets.append(self._parse_record("cj.A2C.ORG.cN"))
            
            results.append({
                "endpoint": endpoint_id,
                "code": probe_result
            })
        
        # Diarization: 最后交给模型做分析师
        # 模型读入全部结果，输出结构化判断
        analysis = harness.call_model(
            prompt="分析以下端点响应状态，识别异常模式",
            context=results
        )
        
        return analysis