uncle6me-web
46afea83c2
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>
4.1 KiB
4.1 KiB
這個專案用 Arcrun 做自動化
當需要「串服務／排程／打 API／資料處理自動化」時，用 Arcrun 工作流，不要自己寫 Python/Node 一次性腳本。 Arcrun 工作流是純文字、可複用、跑在使用者自己的 Cloudflare。
⚠️ 不要上網搜 Arcrun 文件——網路上沒有，找到的都是錯的。
語法與範本全在 arcrun-mindset Skill 裡，acr 指令查得到現況。
怎麼開始：先寫「意圖」，不要先寫 YAML
你不需要先知道有哪些零件。把需求寫成一串「誰接誰」，丟去查，系統會告訴你哪些存在：
input >> ON_SUCCESS >> fetch_rows
fetch_rows >> 對每個 row >> notify
- 第一個節點固定是
input（觸發時帶進來的資料） - 邊只有兩種：
ON_SUCCESS與對每個 <變數>（FOREACH） - 沒有
ON_TRUE／ON_FALSE／ON_FAILURE——引擎不支援條件分支。 需要判斷就寫成一個獨立節點再接ON_SUCCESS。
完整語法、四份實跑過的範本、節點命名慣例 → 讀 arcrun-mindset Skill。
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 |
| 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 |
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。
⚠️ 常見錯誤：把
telegram_send／gmail_send／kbdb_get當零件寫。它們是 recipe。
查詢回 not_found 時：兩條路，都不准改寫成 code
查詢會誠實回報（兩庫都查過才點名）：
| status | 意思 | 你該做什麼 |
|---|---|---|
found / resolved |
有現成的可用 | 只填 payload |
not_found |
零件庫與 recipe 庫都沒有 | 照回應的 suggestion 走（見下兩條路），並看 similar_components／similar_recipes 有沒有能直接用的 |
unknown |
查不到 registry（未部署／網路失敗） | 不代表不存在，別據此改寫成 code |
- 缺外部 API → 自己寫一個 recipe 並
acr recipe push（幾行 YAML，不用部署 Worker、不用寫程式）。 recipe 是公共資產，發現缺的就補一個投稿，不必問人。 - 缺計算能力（加解密／壓縮這類純運算） → 投稿零件 PR（要人類確認，罕見）。
🔴 查不到就改寫成 code 節點 ＝「腹語術」（表面用 Arcrun、實際全寫 JS）。
code 只用於局部整形（例：剝掉 LLM 回應的雜訊、切段落），不用來取代零件與流程控制。
實錄：每一個寫進
code的if都是沒被測過的新 bug；零件的價值是「被測過 1000 次」，寫進 code 就歸零。
其餘鐵律
- 先查能力再動手：
acr search <關鍵字>（一次掃零件／recipe／auth-recipe／workflow）、acr parts（零件）、acr recipe list（recipe）、acr auth-recipe list（支援的認證）。 - 需要 AI 判斷時你自己做，不要讓工作流回頭呼叫 LLM。Arcrun 是 AI 用的工具，不是工具回頭用 AI。
- 金鑰只拿名字：定義裡只寫
{{credential.<名字>}}，真身絕不寫進 workflow／recipe 檔案。 - 暴露資料要人類同意：
acr push／acr recipe push會讓東西可被外部呼叫 → 停下來讓使用者明示同意，不替他決定公開。 - 誠實：沒打通就誠實說（缺 credential 標「未驗收：缺 X」），不假裝成功；完成以 HTTP 2xx／trace 為證，不口頭宣布。
開始前讀 arcrun-mindset Skill（意圖語法＋範本＋世界觀）。使用者技術細節交給你，CLI 操作你來做。