不止提意见——把 PR 从审查推进到受治理的修复、验证、审批与回滚。 高危变更强制人工审批，失败可回滚，全程可审计。以 AgentTeams / HiClaw 为可适配的 Agent runtime。
当前状态：M7 已完成并正式关闭（tag m7-closed → 175541a，2026-08-13）。M7 包含：M7-P2 RAG N≥20 Benchmark（开发校准 + held-out 确认性 16/16 门控）、M7-P3 证据驱动 REPLAY Demo Console（33 tests, 8 pages, 零第三方 Python 包）、M7-P3 Showcase Package、M7-P4 干净环境离线复现（all_ok=true）、Final Submission Package。确定性控制面、6 Skill DAG、回滚链、最小权限 Gateway、D2B-3 fail-closed Docker socket proxy、M6 OTel/SLS 可观测、M6-RAG CaseRetrieval pgvector 垂直闭环均已验证。Demo 视频延期（DEFERRED_NOT_REQUIRED_FOR_CURRENT_TECHNICAL_GATE），不影响技术关闭。诚实边界：RAG 结果仅作为 advisory evidence（adopted=false, untrusted=true），core.scan/core.run 当前不消费 RAG context，workflow utility 不可测（NOT_MEASURABLE_WITH_CURRENT_RUNTIME）。Demo Console 是 REPLAY 只读工具，不是生产管理后台。ISOLATED_LIVE 未实现。M6-C 真实云 SLS 未完成。Benchmark 使用确定性离线 TokenOverlapAdapter，不外推为生产效果。M8 尚未定义。所有声明均可在 声明—证据矩阵 中逐项核对。
- 单 Agent 审查只提意见，不做闭环：误报堆积，修复仍靠人，验证与合并无人兜底。
- 高风险变更缺边界：密钥、依赖升级、危险删除缺少审批、回滚与审计，难以满足合规。
- LLM 编排本质不可靠：阶段交接、幂等、崩溃恢复、并发隔离不能交给 Prompt 自觉。
- 凭证必须收敛：让 Worker 零凭证是真实安全要求，不是可选项。
- MergePilot 的方式：确定性控制面 + Agent 语义决策 + 工具层权限门 + 失败可回滚 + 全程结构化审计。
- 唯一事实来源是 PostgreSQL 状态机 + Outbox（Controller 持有任务状态、阶段转换、事件去重、超时与恢复）。
- AgentTeams / HiClaw 是当前适配的 Agent runtime 之一，负责语义决策与协作，不是状态权威。
- Agent 职责见
docs/附录A-Agent-Identity清单.md，Skill 体系见docs/附录B-Skill清单.md。
| 能力 | 结果 | 证据 |
|---|---|---|
| 状态机 + Outbox + L2 审批 + 故障恢复 / 回滚 | B4e 43/43、B5 50/50、M3-C 33/33 | evidence/m3b-b4e/ · evidence/m3b-b5/ · evidence/m3c/ |
| 最小权限 Policy Gateway | 8 类负向全 fail-closed（50/50） | evidence/m3b-b5/ |
| 6 Skill DAG（确定性子进程，非 LLM 自主调用） | diff-parse/risk-classify/sast-scan/test-runner/pr-lifecycle/case-retrieval，共 481 项测试 | evidence/m4/ |
| AgentTeams 全链协议 E2E | 16/16 门禁 + 6/6 回归；6 Skill 全 SUCCEEDED | evidence/m4/m4f/verification.txt |
| 真实 GitHub MCP（审查→修复→验证→合并） | PR #1 审查 → 修复 PR #3，5/5 resolved，squash 合并 | docs/项目状态.md |
| PostgreSQL 16 + pgvector（审计 / RAG） | 5 tasks / 6 findings / 3 decisions / 9 audit events；Docker E2E all_passed=true |
evidence/m4/m4e/ |
| HiClaw 隔离 C3 十轮稳定性 | 10/10 PASS（MergePilot-Test 隔离栈） | evidence/m5/0c/c3-10x.json |
| D2B-1 离线回归 | 17/17 + 6/6 | evidence/m5/0d/offline-regression.json |
单 Agent（A）vs MergePilot 多角色（B），同模型 deepseek-v4-flash、synthetic fixtures、每对单次运行。
| 指标 | A 单 Agent | B MergePilot | Δ |
|---|---|---|---|
| precision | 36.36% | 57.14% | +20.78 pp |
| recall | 70.59% | 70.59% | 0 |
| F1 | 48.00% | 63.16% | +15.16 pp |
| decision accuracy | 50.00% | 40.00% | −10.00 pp |
| false positives | 21 | 9 | −12 |
| tokens | 12062 | 16037 | +32.95% |
| API requests | 10 | 18 | +80% |
| infrastructure completion | 10/10 | 10/10 | 20/20 |
| semantic case pass | 2/10 | 3/10 | 5/20 |
这是 controlled local orchestration（受控本地编排），不是真实 Gateway/controller/GitHub/HiClaw E2E。 改善主要来自 FP 从 21 降至 9；recall 两组相同，不证明多角色提高 recall；B 的 decision accuracy 低于 A，风险处置校准仍需改进。 C3 10/10 是独立的真实隔离栈证据，不与本 Benchmark 混为一项。详见
benchmark/formal-summary.md。
- Worker 不持有 GitHub PAT：PAT 仅存在于
github-mcp隔离 sidecar（私有mcp-backend-net），Worker 经mcporter零凭证访问。 - 所有写操作经 Policy Gateway：角色 token 认证 + 写路径约束 + INSERT-only 审计，跨角色 / 旁路 / 票据伪造均 fail-closed。
- L2 高危强制人工审批：审批票据（room/run/repo/pr/result_sha）+ CAS + 单次执行，未批准不合并。
- fail-closed：8 类负向场景 50/50 全部拒绝；Skill 对 raw secret / 超时 / 依赖故障显式失败，不静默降级。
- 状态持久化、幂等与恢复：
idempotency_key去重、Controller 崩溃后从 PG 恢复、lease 异常对账、Gateway 降级→恢复（熔断）。 - 失败可回滚：合并后验证失败 →
POST_MERGE_VERIFY_FAILED→ child-run revert → 复验（M3-C 33/33）。 - 证据可溯源：evidence 绑定
source_commit；secret pattern 扫描real_credential_hits=0。
当前可复现、不依赖生产 HiClaw 的最短路径：
以下 Bash 命令需在 Linux、WSL2 或 Git Bash 环境执行；Python 命令使用项目支持的 Python 环境。
# 1) 6 Skill 确定性测试（宿主 Python，需 jsonschema）
bash tests/skills/run_all.sh
# 2) AgentTeams 协议级全链 E2E（fixture，16 门禁）
bash tests/m4f1/run_all.sh
# 3) Benchmark 离线校验（复算冻结产物，不发外部请求）
python benchmark/test_offline.py
# 4) 存储防膨胀 / guarded startup 单测（240 项）
python tests/hiclab/run_tests.py早期 HiClaw v1.1.2 手动 Demo 路径（
tools/demo.sh等）依赖一个已存在的本地 HiClaw + DeepSeek 环境，已归档至docs/README-历史运行记录.md，环境搭建见docs/环境搭建-HiClaw-WSL.md。
- M7 已关闭（tag
m7-closed→175541a）。Demo 视频延期（DEFERRED_NOT_REQUIRED_FOR_CURRENT_TECHNICAL_GATE），不影响技术关闭。 hiclaw_live=true（D2B-3 PASSED）：MergePilot Docker socket proxy 已在真实 AgentTeams v1.2.2 生产环境验证通过（64/64 PASS）。- OTel / SLS 已实现（M6-A/B 本地 OTLP + SLS 双写验证通过）；Nacos / RocketMQ 未接入。
- M6-RAG CaseRetrieval：Reviewer/Fixer 通过
CaseRetrievalBridge → core.run → PgVectorAdapter → pgvector检索历史案例，结果作为evidence[]advisory 附加（adopted=false, untrusted=true），不跳过 Verifier。core.scan/core.run当前不消费 RAG context。 - M7-P2 RAG Benchmark 为确定性离线评测：使用
TokenOverlapAdapter（token-Jaccard），非真实 pgvector embedding。开发校准（v2, N=29）与 held-out 确认性（v3, N=25）分离；确认性 16/16 预注册门控通过。不外推为生产多仓库效果，不声称 RAG 提升 Reviewer/Fixer 准确率。 - M7-P3 Demo Console：REPLAY、只读、证据驱动。不是生产管理后台。ISOLATED_LIVE 未实现。启动：
python -m http.server 8080 --bind 127.0.0.1（在samples/demo-console/目录）。 - M7-P4 Clean Reproduction：Windows Python 3.9.25 已验证（
all_ok=true）。复现要求core.autocrlf=false+core.eol=lf。 - Benchmark（单 Agent vs 多 Agent）为受控本地评测：N=10 小样本、单模型、synthetic fixtures、每对单次运行；不等于 E2E 完成率，不证明 recall 提升。
- Manager 阶段交接偶需人工 nudge；M5-0B 候选工作流已确定性闭环（14/14+13/13），但仅限候选 / 隔离栈，不可外推为生产零人工。
- SAST 新旧两路径并存：新版
skills/sast_scan/（87 测试、schema、fail-closed）与旧版skills/sast-scan/scan.py并存，新版属性不外推到旧版。 - MIG-B4-001：B4 链迁移非幂等，当前支持路径为 forward-only。
- M8 尚未定义：不存在正式 M8 里程碑或 tag。
docs/初赛证据索引.md— 评审 3 分钟定位任意声明的证据docs/初赛声明-证据矩阵.md— 逐项声明 vs 限制（唯一措辞权威）docs/项目状态.md— 已验证 / 框架能力 / 规划的区分docs/复赛路线图.md— 后续里程碑与验收标准benchmark/formal-summary.md— 正式 Benchmark 冻结结论（机器生成）docs/README-历史运行记录.md— 开发期排障与旧 Demo 路径（归档）
MergePilot/
├── README.md # 本文件
├── LICENSE # Apache 2.0
├── THIRD_PARTY.md # 依赖、费用、数据与替代方案
├── config/ # team.yaml + Agent SOUL.md
├── skills/ # 6 Skill DAG + common runtime + 旧版 sast-scan
├── tools/ # 触发 / Trace / 看板 / 审计 / Gateway / 运维
├── tests/ # skills / m4f1 / m5_0 / hiclab 等
├── benchmark/ # N=10×2 数据集、raw-runs、冻结产物
├── evidence/ # 机器可验的运行证据（按里程碑）
├── samples/ # 样例 PR / fixture 输入与首轮输出
└── docs/ # 设计、状态、路线图、附录、归档
下一主线（详见 docs/复赛路线图.md）：OTel/SLS 可观测 → Benchmark N≥20 → 多仓库稳定性。D2B-3 socket proxy 已完成（hiclaw_live=true）。规划能力不写成已运行。
队伍「分子」· 邱全安（队长，架构 / Agent 编排 / 风险门）· 彭明（Skill 与 MCP / Demo）· 何斌（基础设施 / 可观测 / 文档开源）。
Apache License 2.0。本作品为 GOAI Agent Infra 赛道参赛项目。