Leo/Arcrun
1
0
Fork 0
Code Issues 49 Pull Requests 5 Actions Packages Projects Releases Wiki Activity

步驟1 最後一筆：install-harness 交付內容升級到現世代＋世代閘

Browse Source 
管道本來就是好的（install-harness 功能完整、冪等），**過時的是內容**：
harness skill（4066B）grep「意圖」「>>」= 0 命中，只講世界觀／別寫 Python
⇒ 新裝的封測者拿不到步驟 1 的核心教材（`>>` 意圖語法）。

■ 單一真相源：harness skill 改為建置期由 registry 複製
  build-harness-skill.mjs＝head ＋ registry/skills/write_intent_workflow.md 正文 ＋ tail。
  選「建置期複製」的理由：npm files 只收 harness/，registry 不進套件；
  symlink 在 npm pack 與 Windows 不可靠。產物 commit 進 repo（npm 裝的是產物、不跑 build）。
  head/tail 是 harness 專屬（CLI 語境入口／acr 指令表／暴露同意／誠實鐵律），
  install-harness 的 copyTree 跳過 .head/.tail，不鋪進使用者專案。

■ 其餘三件逐份對照現世代事實後更新（過時的直接刪，不留死代碼）
  - CLAUDE.block.md：補 >> 意圖語法、not_found 兩條路、零件 vs recipe 分型、
    腹語術紅線、金鑰只拿名字
  - commands/arcrun.md：步驟改成「先寫意圖 → 丟去查 → 再寫 YAML」，補 acr search／validate
  - hooks/arcrun-guard.sh：**正路提示改為指向 arcrun-mindset Skill ＋意圖語法**
    （呼應「hook 沒提 skill 反而把 AI 導向 repo 文件」的教訓）；
    新增 code 節點腹語術提醒，settings.fragment 補 Write|Edit|MultiEdit matcher

■ 世代閘（防再度脫節）
  check-harness-generation.mjs 檢查四件交付物的現世代指紋，缺指紋 exit 1，
  掛進 npm run build（prepublishOnly 因此也擋）。
  反向驗證：把 skill／CLAUDE.block 換回上一代 → 兩者都被擋下並逐條點名缺哪個指紋。

■ 驗收（考生 haiku／受測物＝環境）
  乾淨臨時目錄 acr install-harness → 四件鋪好；重跑冪等（全檔 md5 不變、
  CLAUDE.md 66 行不變、hooks 條目 2 不變、arcrun 區塊仍 1 個）。
  haiku 只讀該目錄的 CLAUDE.md＋SKILL.md（明令禁讀 ~/.claude、禁上網；
  兩份教材 md5 與大小均不同，可證非考本機那支）答十題
  → grade-step1.sh **10 / 10 通過**（判分器同時反向驗證仍會抓
  ON_TRUE／ON_FAILURE／第一節點非 input）。
  npm test 18/18、tsc 綠。

SDD：workflow-discovery/tasks.md 3.11

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
This commit is contained in:
uncle6me-web
2026-07-31 15:29:17 +08:00
parent d48f83ae6f
commit 46afea83c2
13 changed files with 675 additions and 87 deletions
Download Patch File Download Diff File Expand all files Collapse all files
cli/harness/skills/arcrun-mindset/SKILL.md
+205 -38
View File
@@ -1,78 +1,245 @@
---
name: arcrun-mindset
description: >-
arcrun 的世界觀 — 用 arcrun 開發自動化時的預設心態 + 資源去哪取。當你（AI 操盤手）要在
arcrun 上做任何事（串服務、處理資料、認證、把東西開放給人用）前讀這個。它讓你做出「方向對」
的選擇、知道資源在哪，避免技術上能跑但架構上錯、或自己重刻 arcrun 已有的東西。
在 Arcrun 上做任何事時使用（用戶說「幫我用 Arcrun 做 X」「用 arcrun 寫一個工作流」「把 X 自動化」）。
Arcrun 是跑在 Cloudflare 上的工作流引擎——你用 `>>` 寫「意圖」，系統告訴你有哪些現成零件與 recipe，
你只填 payload，不必自己寫程式。**不要上網搜 Arcrun 文件**（網路上沒有），也不要自己猜 YAML 格式：
先讀本 skill，再用 `acr` 指令（或 MCP 工具）查現成零件。
涵蓋：意圖工作流語法、四份實跑過的範本、零件 vs recipe 的分別、缺件的兩條路、已知的坑。
---
# arcrun mindset（給 AI 操盤手）
# Arcrun：怎麼寫意圖工作流
你在 arcrun 上幫使用者開發自動化。arcrun 很簡單，簡單到你常會把它想複雜、或退回自己熟悉的
Python/Node 自刻。這份幫你在岔路上選對方向，並告訴你資源在哪。
> **你已經配備 Arcrun**（此專案裝了 `acr` CLI，可能另有 `arcrun_*` MCP 工具）。
> **別上網找文件**——網路上沒有 Arcrun 的文件，找到的都是錯的。答案都在本 skill 與 `acr` 指令裡。
## 先做這三件（照順序）
1. `acr whoami` — 確認連到哪個帳號（**勿自行 curl 猜帳號 URL**）
2. 讀本 skill 下面的語法與範本 → 寫出 `>>` 意圖
3. `acr parts`／`acr recipe list`（或 `acr search <關鍵字>` 一次掃全部）— 確認零件與 recipe 真的存在
**卡住時**：`acr search <關鍵字>` 跨類搜尋；有 MCP 就 `arcrun_get_skill('INDEX')` 拿全館導航。
---
## 0. 一句話世界觀
**arcrun 裡幾乎所有東西都是工作流（workflow）。** 工作流 = 一張紙，寫「用哪些零件、什麼順序、什麼條件」。
你大部分時間在寫紙、改紙，不是在造新零件、也不是自己寫腳本。
**Arcrun 裡幾乎所有東西都是工作流（workflow）。** 工作流 ＝ 一張紙，寫「用哪些零件、什麼順序、什麼條件」。
你大部分時間在**寫紙、改紙**，不是在造新零件、也不是自己寫腳本。
**Arcrun 只有三種東西，先分清楚就不會做歪：**
| 東西 | 是什麼 | 你能做的 |
|---|---|---|
| **工作流（workflow）** | 把零件／recipe 串起來的純文字流程 | **預設就寫這個**，自由寫 |
| **recipe** | 打「一個固定外部 API」的設定（endpoint／header／body 模板） | 自由寫、**而且該投稿**（缺就自己補） |
| **零件（component）** | WASM 程式（流程控制／資料處理／`http_request`／auth），固定一小套 | **你不自製**，走 PR 由維護者管 |
> **一句話判準**：打一個固定外部 endpoint → 寫 **recipe**；流程控制／資料處理／通用 HTTP → 用既有**零件**；其他 → 寫**工作流**串起來。
---
## 1. 工作流是 default，不要退回自己寫 Python
<!-- 以下正文由 registry/skills/write_intent_workflow.md 於建置期複製而來（單一真相源）。
不要直接編輯本段——改 registry 那份，然後跑 `npm run build:harness`。 -->
使用者選 arcrun，就是不要「每次重刻、跑完即丟」的腳本。所以你的預設順序：
## 1. 意圖工作流的語法
1. **先想能不能用工作流做**（串現有零件 / recipe + 流程控制）。99% 可以。
2. 要打的服務有 HTTP API、但沒有對應 recipe → **寫一個 recipe**（http_request + 固定設定 YAML，不用部署、不用審核）。
3. **只有**封閉純邏輯（流程控制 / 資料處理）、現有零件不夠、且值得全 arcrun 重用 → 才考慮零件（而零件走 PR，不是你現在做）。
一串「誰接誰」，每行一個關係：
> 典型走歪：「我先用 Python 測一下」。停。使用者要的是 arcrun 工作流。先 `acr parts` 看有什麼，用工作流串。
```
<節點A> >> <邊> >> <節點B>
```
## 2. 資源去哪取（不要自己重造 arcrun 已有的）
- **節點**＝一個步驟。用你想得到的名字（中文可以），**不必是真實零件名**
- **邊**＝什麼情況下往下走
## 2. 邊只有兩種（真範本裡出現過的）
| 邊 | 意思 | 真例 |
|---|---|---|
| `ON_SUCCESS` | 上一步成功就往下 | `input >> ON_SUCCESS >> prep` |
| `對每個 <變數>` | 上一步產出清單，逐項處理（FOREACH）| `parse_card >> 對每個 block >> post_block` |
⚠️ **不要寫 `ON_FAILURE`／`ON_TRUE`／`ON_FALSE`**——引擎目前**沒有條件分支**
（實測 `grep ON_TRUE|ON_FALSE` 於 cypher-executor = 0；見 Gitea Arcrun#5）。
需要判斷時：**寫成一個獨立節點**（例 `check_amount`）再接 `ON_SUCCESS`，
讓查詢告訴你有沒有零件可用。
## 3. 第一個節點固定是 `input`
所有真範本都以 `input` 起頭——那是「觸發時帶進來的資料」。
---
## 4. 真範本（照抄結構、改內容）
> 以下四份**全部是實際部署且 `verdict=success` 的 workflow**，不是簡化示範。
> 用 `acr logs <name>`（有 MCP 則 `arcrun_get_workflow(<name>)`） 可以拿完整定義。
### A. 最短：取資料 → 處理　（`graph_neighbors`）
```
input >> ON_SUCCESS >> fetch_triplets
fetch_triplets >> ON_SUCCESS >> bfs_neighbors
```
### B. 長鏈：多次查詢 → 組裝 → 問 AI → 收尾　（`rag_chat`）
```
input >> ON_SUCCESS >> prep
prep >> ON_SUCCESS >> kw_search
kw_search >> ON_SUCCESS >> sem_search
sem_search >> ON_SUCCESS >> fetch_triplets
fetch_triplets >> ON_SUCCESS >> fetch_blocks_a
fetch_blocks_a >> ON_SUCCESS >> assemble
assemble >> ON_SUCCESS >> ask_llm
ask_llm >> ON_SUCCESS >> finalize
```
`prep` 前處理／`assemble` 組 prompt／`finalize` 收拾回應——三個常見的整形節點。
### C. 一節點分岔兩條 FOREACH　（`rag_ingest_card`）
```
input >> ON_SUCCESS >> parse_card
parse_card >> 對每個 block >> post_block
parse_card >> 對每個 rel >> post_triplet
```
同一節點可有多條出邊，各自處理不同清單。
### D. 混合：直線 ＋ 兩段 FOREACH　（`rag_takedown_direct`）
```
input >> ON_SUCCESS >> prep
prep >> ON_SUCCESS >> list_dead_blocks
list_dead_blocks >> ON_SUCCESS >> build_deprecations
build_deprecations >> 對每個 dead_entry >> deprecate_entry
build_deprecations >> ON_SUCCESS >> list_triplets
list_triplets >> ON_SUCCESS >> pick_dead_triplets
pick_dead_triplets >> 對每個 dead_record >> deprecate_triplet
```
`build_deprecations` 同時有 FOREACH 出邊與 `ON_SUCCESS` 出邊——
前者處理清單、後者繼續主線。
---
## 5. 節點怎麼命名（照真範本的模式，查詢較容易媒合）
| 意圖 | 模式 | 真例 |
|---|---|---|
| 前處理／正規化 | `prep` | `rag_chat.prep` |
| 取一批資料 | `fetch_*`／`list_*` | `fetch_triplets`／`list_dead_blocks` |
| 搜尋 | `*_search` | `kw_search`／`sem_search` |
| 解析／切塊 | `parse_*` | `parse_card` |
| 寫入 | `post_*` | `post_block`／`post_triplet` |
| 組裝 | `assemble`／`build_*` | `assemble`／`build_deprecations` |
| 問 AI | `ask_llm` | `rag_chat.ask_llm` |
| 收尾整形 | `finalize` | `rag_chat.finalize` |
---
## 6. 寫完一定要查（**不要直接部署**）
```bash
curl -s -X POST https://arcrun-cypher-executor.<subdomain>.workers.dev/cypher/search \
-H 'content-type: application/json' -H 'X-Arcrun-API-Key: <namespace>' \
-d '{"triplets":["input >> ON_SUCCESS >> fetch_data","fetch_data >> ON_SUCCESS >> notify"]}'
```
回應的每個節點會有：
| status | 意思 | 你該做什麼 |
|---|---|---|
| `found` | 有這個節點。`source: component` 附 `input_schema`（怎麼填 payload）與 `success_rate`；`source: recipe` 附 description/endpoint | **只填 payload** |
| `not_found` | **兩庫（零件 registry＋recipe 庫）都查過，確定沒有** | 照 `suggestion` 欄走：缺 API → 寫 recipe（skill `write_recipe`）；缺計算能力 → 投稿零件 PR（skill `add_new_wasm_component`）。`similar_components`/`similar_recipes` 是相近候選——先看有沒有現成的能直接用 |
| `unknown` | 查不到 registry | **不代表不存在**，別據此改寫成 code |
> 註（2026-07-31）：`/cypher/search` 曾對任何節點名都回假 `found`，已修為真查兩庫。
> 舊實例（未更新部署）仍可能假 found——status 可信度以該實例部署版本為準。
---
## 7. 常犯的錯
1. **用不存在的邊**（`ON_FAILURE`／`ON_TRUE`）→ 只有 `ON_SUCCESS` 與 `對每個 X`
2. **第一個節點不是 `input`**
3. **把 recipe 當零件寫**——`telegram_send`／`gmail`／`kbdb_get` 是 **recipe** 不是零件
→ 寫成 `http_request` ＋ 該 recipe
4. 🔴 **查詢回 `not_found` 就改寫成 `code` 節點**
→ 那叫「腹語術」（表面用 Arcrun、實際全寫 JS）。正解：缺 API 寫 recipe、缺能力投稿零件。
`code` 只用在**局部整形**（例：剝掉 LLM 回應的雜訊），不用來取代零件與流程控制。
---
## 8. 相關
- 完整版指引與十題考卷（含 haiku 實測 10/10）：
頂層 repo `system-dev/docs/3-specs/arcrun-usable/`
- 下一步該讀哪支 skill（需 MCP）：`arcrun_list_skills()`
- 定期掃資料 → `build_watcher_workflow`
- RAG 檢索問答 → `rag_with_arcrun`
- workflow 卡住不動 → `debug_paused_workflow`
---
## 9. 資源去哪取（不要自己重造 Arcrun 已有的）
| 你想知道 | 跑這個 |
|---|---|
| 有哪些零件可用 | `acr parts` |
| 某零件的設定範本 | `acr parts scaffold <name>` |
| 有哪些 recipe | `acr recipe list`／`acr recipe search <關鍵字>` |
| 支援哪些服務的認證 | `acr auth-recipe list` |
| 某服務認證要哪些 credential + 範例 | `acr auth-recipe scaffold <service>` |
| 已上傳的 recipe | `acr recipe list` |
| 某服務認證要哪些 credential ＋ 範例 | `acr auth-recipe scaffold <service>` |
| **一次掃全部**（零件／recipe／auth-recipe／workflow） | `acr search <關鍵字>` |
| 已部署的 workflow | `acr list` |
| 某次執行為什麼失敗 | `acr logs <workflow>` |
| 工作流語法、指令 | `acr --help` |
**先查再動手**——arcrun 多半已經有你要的零件 / recipe / 認證，不要自刻。
**先查再動手**——Arcrun 多半已經有你要的零件／recipe／認證，不要自刻。
## 3. arcrun 是你（AI）用的工具，不是工具回頭呼叫 AI
## 10. 做出來以後：驗證 → 部署
需要智慧判斷 / 自然語言轉換時，**你自己做**，再呼叫工作流執行確定性的下一步。
**不要在工作流中間放零件回頭呼叫 LLM**。arcrun 的大腦就是操盤的你。
```bash
acr validate <workflow>.yaml # 先驗，別直接部署
acr push <workflow>.yaml # 部署（暴露動作，見 §12）
acr run <workflow> # 觸發一次，看實際結果
acr logs <workflow> # 看執行紀錄／失敗原因
```
## 4. arcrun 不替你做授權判斷
需要 credential（API key／token）時：`acr auth-recipe scaffold <service>` 看要哪些，
明確告訴使用者去哪取得、怎麼 `acr creds push`。
🔑 **金鑰只拿名字**：workflow／recipe 裡只寫 `{{credential.<名字>}}`，
**真身絕不寫進定義檔**（執行前才由系統回填）。
API 打不打得通由發 key 的服務決定。401/403 是對方服務在行使授權，**不是 arcrun 的 bug、不是你做錯**。
不要在 arcrun 裡建「允許/禁止某 endpoint」的二次授權清單。
## 11. Arcrun 是你（AI）用的工具，不是工具回頭呼叫 AI
## 5. 把東西開放給別人用 = 要使用者明示同意
需要智慧判斷／自然語言轉換時，**你自己做**，再呼叫工作流執行確定性的下一步。
**不要在工作流中間放零件回頭呼叫 LLM**——Arcrun 的大腦就是操盤的你。
（唯一例外：`ask_llm` 這種「內容生成本身就是流程的一步」，見範本 B。）
部署對外 webhook、push recipe 會讓資料/能力**可被外部呼叫**（暴露面）：
## 12. 把東西開放給別人用 ＝ 要使用者明示同意
`acr push`（部署 workflow）與 `acr recipe push`（投稿 recipe）會讓資料／能力**可被外部呼叫**：
- 停下來，明確告訴使用者「這會讓 X 可被外部呼叫」，要他同意。**不替他決定公開。**
- 非互動環境（你直跑）遇到 → 停，要人類確認，絕不自己塞 confirm 假裝同意。
- arcrun 可提供保護（要求呼叫者帶 key / 限流）——提醒使用者。
- 非互動環境（你直跑）遇到 → 停，把完整指令印給使用者自己貼上跑，絕不自己塞 confirm 假裝同意。
- Arcrun 可提供保護（要求呼叫者帶 key／限流）——提醒使用者。
## 6. 誠實（最重要）
## 13. Arcrun 不替你做授權判斷
API 打不打得通由發 key 的服務決定。401／403 是對方服務在行使授權，**不是 Arcrun 的 bug、不是你做錯**。
不要在 Arcrun 裡建「允許／禁止某 endpoint」的二次授權清單。
## 14. 誠實（最重要）
- **不假綠**：沒打通就誠實說。缺 credential 打不到 2xx → 標「未驗收：缺 X」，不 mock 充綠燈。
- **不假裝防偽 / 不代替人類確認**有風險的動作（暴露資料）。
- **完成 = 客觀證據**（HTTP 2xx + trace），不是口頭「做好了」。
- **不假裝防偽／不代替人類確認**有風險的動作（暴露資料）。
- **完成 ＝ 客觀證據**（HTTP 2xx ＋ trace），不是口頭「做好了」。
---
## 怎麼用這份 mindset
## 動手前的自檢清單
每次準備動手，先過一遍：
1. 這能用工作流 / recipe 做嗎？（多半能 → 別自己寫 Python、別造零件）
2. 我查過 `acr parts` / `acr auth-recipe` 了嗎？（arcrun 可能已有）
3. 我是不是讓工作流回頭呼叫 AI？（是 → 改成我自己做）
4. 這動作會把資料開放給別人嗎？（會 → 要使用者明示同意）
5. 我有沒有假裝（假綠 / 假防偽 / 代替人類確認）？（有 → 停，誠實標明）
1. 我把意圖寫成 `>>` 串了嗎？（還是直接跳去寫 YAML／寫程式）
2. 我查過 `acr search` / `acr parts` / `acr recipe list` 了嗎？
3. 查詢回 `not_found` 時，我走的是 recipe／零件 PR 兩條路，**還是偷偷改寫成 `code`**？（後者＝腹語術）
4. 我是不是讓工作流回頭呼叫 AI 做判斷？（是 → 改成我自己做）
5. 這動作會把資料開放給別人嗎？（會 → 要使用者明示同意）
6. 我有沒有假裝（假綠／假防偽／代替人類確認）？（有 → 停，誠實標明）
cli/harness/skills/arcrun-mindset/SKILL.md.head
+41
View File
@@ -0,0 +1,41 @@
---
name: arcrun-mindset
description: >-
在 Arcrun 上做任何事時使用（用戶說「幫我用 Arcrun 做 X」「用 arcrun 寫一個工作流」「把 X 自動化」）。
Arcrun 是跑在 Cloudflare 上的工作流引擎——你用 `>>` 寫「意圖」，系統告訴你有哪些現成零件與 recipe，
你只填 payload，不必自己寫程式。**不要上網搜 Arcrun 文件**（網路上沒有），也不要自己猜 YAML 格式：
先讀本 skill，再用 `acr` 指令（或 MCP 工具）查現成零件。
涵蓋：意圖工作流語法、四份實跑過的範本、零件 vs recipe 的分別、缺件的兩條路、已知的坑。
---
# Arcrun：怎麼寫意圖工作流
> **你已經配備 Arcrun**（此專案裝了 `acr` CLI，可能另有 `arcrun_*` MCP 工具）。
> **別上網找文件**——網路上沒有 Arcrun 的文件，找到的都是錯的。答案都在本 skill 與 `acr` 指令裡。
## 先做這三件（照順序）
1. `acr whoami` — 確認連到哪個帳號（**勿自行 curl 猜帳號 URL**）
2. 讀本 skill 下面的語法與範本 → 寫出 `>>` 意圖
3. `acr parts`／`acr recipe list`（或 `acr search <關鍵字>` 一次掃全部）— 確認零件與 recipe 真的存在
**卡住時**：`acr search <關鍵字>` 跨類搜尋；有 MCP 就 `arcrun_get_skill('INDEX')` 拿全館導航。
---
## 0. 一句話世界觀
**Arcrun 裡幾乎所有東西都是工作流（workflow）。** 工作流 ＝ 一張紙，寫「用哪些零件、什麼順序、什麼條件」。
你大部分時間在**寫紙、改紙**，不是在造新零件、也不是自己寫腳本。
**Arcrun 只有三種東西，先分清楚就不會做歪：**
| 東西 | 是什麼 | 你能做的 |
|---|---|---|
| **工作流（workflow）** | 把零件／recipe 串起來的純文字流程 | **預設就寫這個**，自由寫 |
| **recipe** | 打「一個固定外部 API」的設定（endpoint／header／body 模板） | 自由寫、**而且該投稿**（缺就自己補） |
| **零件（component）** | WASM 程式（流程控制／資料處理／`http_request`／auth），固定一小套 | **你不自製**，走 PR 由維護者管 |
> **一句話判準**：打一個固定外部 endpoint → 寫 **recipe**；流程控制／資料處理／通用 HTTP → 用既有**零件**；其他 → 寫**工作流**串起來。
---
cli/harness/skills/arcrun-mindset/SKILL.md.tail
+67
View File
@@ -0,0 +1,67 @@
---
## 9. 資源去哪取（不要自己重造 Arcrun 已有的）
| 你想知道 | 跑這個 |
|---|---|
| 有哪些零件可用 | `acr parts` |
| 某零件的設定範本 | `acr parts scaffold <name>` |
| 有哪些 recipe | `acr recipe list`／`acr recipe search <關鍵字>` |
| 支援哪些服務的認證 | `acr auth-recipe list` |
| 某服務認證要哪些 credential ＋ 範例 | `acr auth-recipe scaffold <service>` |
| **一次掃全部**（零件／recipe／auth-recipe／workflow） | `acr search <關鍵字>` |
| 已部署的 workflow | `acr list` |
| 某次執行為什麼失敗 | `acr logs <workflow>` |
| 工作流語法、指令 | `acr --help` |
**先查再動手**——Arcrun 多半已經有你要的零件／recipe／認證，不要自刻。
## 10. 做出來以後：驗證 → 部署
```bash
acr validate <workflow>.yaml # 先驗，別直接部署
acr push <workflow>.yaml # 部署（暴露動作，見 §12）
acr run <workflow> # 觸發一次，看實際結果
acr logs <workflow> # 看執行紀錄／失敗原因
```
需要 credential（API key／token）時：`acr auth-recipe scaffold <service>` 看要哪些，
明確告訴使用者去哪取得、怎麼 `acr creds push`。
🔑 **金鑰只拿名字**：workflow／recipe 裡只寫 `{{credential.<名字>}}`，
**真身絕不寫進定義檔**（執行前才由系統回填）。
## 11. Arcrun 是你（AI）用的工具，不是工具回頭呼叫 AI
需要智慧判斷／自然語言轉換時，**你自己做**，再呼叫工作流執行確定性的下一步。
**不要在工作流中間放零件回頭呼叫 LLM**——Arcrun 的大腦就是操盤的你。
（唯一例外：`ask_llm` 這種「內容生成本身就是流程的一步」，見範本 B。）
## 12. 把東西開放給別人用 ＝ 要使用者明示同意
`acr push`（部署 workflow）與 `acr recipe push`（投稿 recipe）會讓資料／能力**可被外部呼叫**：
- 停下來，明確告訴使用者「這會讓 X 可被外部呼叫」，要他同意。**不替他決定公開。**
- 非互動環境（你直跑）遇到 → 停，把完整指令印給使用者自己貼上跑，絕不自己塞 confirm 假裝同意。
- Arcrun 可提供保護（要求呼叫者帶 key／限流）——提醒使用者。
## 13. Arcrun 不替你做授權判斷
API 打不打得通由發 key 的服務決定。401／403 是對方服務在行使授權，**不是 Arcrun 的 bug、不是你做錯**。
不要在 Arcrun 裡建「允許／禁止某 endpoint」的二次授權清單。
## 14. 誠實（最重要）
- **不假綠**：沒打通就誠實說。缺 credential 打不到 2xx → 標「未驗收：缺 X」，不 mock 充綠燈。
- **不假裝防偽／不代替人類確認**有風險的動作（暴露資料）。
- **完成 ＝ 客觀證據**（HTTP 2xx ＋ trace），不是口頭「做好了」。
---
## 動手前的自檢清單
1. 我把意圖寫成 `>>` 串了嗎？（還是直接跳去寫 YAML／寫程式）
2. 我查過 `acr search` / `acr parts` / `acr recipe list` 了嗎？
3. 查詢回 `not_found` 時，我走的是 recipe／零件 PR 兩條路，**還是偷偷改寫成 `code`**？（後者＝腹語術）
4. 我是不是讓工作流回頭呼叫 AI 做判斷？（是 → 改成我自己做）
5. 這動作會把資料開放給別人嗎？（會 → 要使用者明示同意）
6. 我有沒有假裝（假綠／假防偽／代替人類確認）？（有 → 停，誠實標明）