![[开源] 执行层agent爆发引发思考，于是我做了Spice（小辣椒）这个开源项目...](/imgrand/QuHjrZc1.webp)
[开源] 执行层agent爆发引发思考，于是我做了Spice（小辣椒）这个开源项目...
- 内容介绍
- 文章标签
- 相关推荐
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：
- 我的帖子已经打上 开源推广 标签：是
- 我的开源项目完整开源，无未开源部分：是
- 我的开源项目已链接认可 LINUX DO 社区：是
- 我帖子内的项目介绍，AI生成、润色内容部分已截图发出：是
- 以上选择我承诺是永久有效的，接受社区和佬友监督：是
以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出
Github
GitHub - Dyalwayshappy/Spice: A foundation for building decision systems — the...
A foundation for building decision systems — the missing layer above execution agents.
Hello各位佬友好啊！今天是我加入Linux Do的第一天，我叫Jia，是一名有着9年AI学习经历及coder经历的00后，今年也是我毕业后的第一年！我想跟大家分享一个我昨天才开源的项目，也想讲讲我的idea。
1. 我的思考
新项目名叫Spice，又叫“小辣椒”，我们把它总结为"Brain Above Agent", 他的灵感来源于openclaw的爆火和世界模型的concept，这里分为两点来说:
执行层agent的局限
现在的agent对于大家来说像代替大家执行任务的执行器（例如claude code帮你写代 码，notion帮你做记录等等），这些我把他统称为执行层工具，即人类输入意图，工具去代理执行任务，openclaw也不过是普通人可以用更简单且异步的方式去使用这些工具，人类仍然在决定“做什么”，agent只是负责“怎么做”。
世界模型的概念
第二是世界模型的思考，当前主流 LLM 基于 Transformer 架构训练，其训练目标是预测下一个 token，在这一过程中模型会隐式学习到世界中的结构与规律，从而表现出类似“世界模型”的能力。但他仍然不是像人一样思考，他没法感知物理世界，举个简单的例子，杯子从桌子上掉下来，会摔碎这在我们的世界里是状态变化了，杯子从完好的到碎了（complete to broken），但对于 LLM 来说，它并不真正“看到”这个过程，它只是从文本中学习到“掉下来 → 碎了”这样的模式。再比如，如果你问：“我把冰块放在桌子上会发生什么？”，LLM 可以回答“会融化”，但它并没有一个真实的时间维度去模拟这个过程（温度交换 → 融化速度 → 水的扩散），它知道结局，但不真正经历变化。所以LLM 擅长推理“会发生什么”，但并不真正建模预测“是如何发生的”。
2. Spice的由来
基于以上两点才有了我的Spice，我自己的一个判断是现在的AI已经具备了非常强大的执行能力，那么缺失的，其实是一个能理解状态，做出判断，并决定下一步该做什么的决策层。如果把现在这些执行层工具比喻为双手，那Spice就是这些双手的大脑，或者说在执行层之上构建一个真正的“决策大脑”及Brain Above Agent。
3. 关于Spice的架构
为了实现这个“大脑”，让这个Spice能更清晰的感受“世界”，且能做出更好的决策结果，我们把这个过程拆成了一个非常简单的架构：
perception → State → Decision → Execution → Reflective
spice_structure2862×1768 99.9 KB
简单来说，这五步可以理解成：
Perception：现在发生了什么（我看到了什么）
State：当前世界是什么状态（我理解成什么）
Decision：基于这个状态，我该怎么选
Execution：把这个决策交给执行层去做
Reflection：事情发生之后，我要不要调整认知
和现在大多数agent的行为方式不同，它们往往是一次性的 prompt → response，决策过程是隐式的，不可结构化的，难以复用。 而 Spice 更像是一个持续运行的循环系统，
它会不断更新状态，并基于状态和意图进行模拟从而做出下一步决策。同时通过执行结果自进化，提高在同一世界下下一次的决策质量。
这个过程有点抽象，我们用一个更具体的例子来看一下它是怎么工作的：
想象你正在维护一个拥有 10 万用户的开源项目。
传统执行层 Agent (如 Claude Code) 的表现：
你告诉它：“用户反馈搜索变慢了，帮我优化一下。”
- 动作： 它会直接钻进代码，尝试加个索引，或者重写 SQL。
- 局限： 它不理解你的商业状态 。如果此时你正准备在一小时后发布新版本，这种大规模代码改动可能导致系统崩溃。它只管“怎么优化”，不管“现在优化是否合适”。
Spice (Brain Above Agent) 是如何工作的：
场景： 系统监控发现 CPU 占用率突然飙升到 90%（Perception）。
- Perception (感知)： Spice 感知到两个信号：1. 搜索延迟增加；2. 今天是运营活动日，流量是平时的 5 倍。
- State (状态建模)： Spice 更新了当前的世界状态：
- 系统状态：Degraded (性能降级)。
- 外部环境：High Traffic Event (高并发活动中)。
- 风险等级：Critical (如果不处理，半小时内服务器会宕机)。
- Decision (决策)：
- Spice 在脑子里模拟 (Simulation) 了方案：
- 方案 A： 让 Claude Code 重构索引（风险高，耗时长，可能导致活动中断）。
- 方案 B： 先临时开启限流，并增加 3 台云服务器（风险低，即时生效）。
- 方案 C: …
- 方案 D: …
- 推荐选择： 方案 B（先求稳，后面治本）。
- Spice 在脑子里模拟 (Simulation) 了方案：
- Execution (执行)：
- Spice下达指令：
- 给 Infrastructure Agent 发令：“在 AWS 新增 3 台实例。”
- 给 Notification Agent 发令：“在 Discord 频道发个公告说明情况。”
- Spice下达指令：
- Reflection (反思)：
- 活动结束后，Spice 观察到即使增加了服务器，成本也大幅上升。
- 更新认知： “当前的搜索架构无法应对高并发，下周必须安排一次深度重构。” 并将这个任务加入到下周的待办决策中。
4. SDEP协议：连接大脑与双手的“神经纤维”
框架设计之后随之而来的问题是，现在的agent接口各异，大脑如何精准地指挥不同的“双手”？ 我们定义了 SDEP (Spice Decision Execution Protocol) 。通俗地说，它是大脑与执行层之间的标准通讯协议：
- 向下指令： 将 Spice 的结构化决策逻辑（做什么、为什么做、预期目标）精准下达。
- 向上反馈： 将执行层的结果（Outcome）与环境变化实时传回，完成感知的闭环。
通过SDEP我们真正的实现了决策与执行的彻底解耦
解决了决策过程是隐式的，不可结构化的，难以复用的。也就是说在Spice里每一次决策过程是结构化的，可以回溯的，决策结果是可以学习的，这意味着你的“大脑”不仅能指挥当下的任务，还能通过不断的 Reflection（反思）从错误中学习，进化出越来越强的决策直觉。
5.Wrapper（ 翻译官）
我坚信SDEP会有光明的未来，但目前还没有agent适配这个协议哈哈
所以我们搞了Wrapper，它就像是一个“翻译官”让你的agent可以快速接入Spice
Wrapper 的工作其实很简单，只有两步：
- 翻译指令 ：把 Spice 传出的结构化 JSON 决策，翻译成具体 Agent 能听懂的指令（比如一段 CLI 命令或 API 调用）。
- 标准化反馈 ：把执行层返回的乱七八糟的 Log 或结果，提炼成结构化的 Outcome ，再传回给 Spice 供它“反思”和更新状态。
目前，我们已经率先打通了两大顶级“肌肉”：Codex和Claude Code
但wrapper只是我们为了兼容现状的桥梁，未来SDEP才是通往智能的高速公路
为什么一定要推SDEP呢？
现在的 Agent 往往是在一堆模糊的 Prompt 中“猜”你要做什么。而 SDEP 传输的是结构化的决策上下文 。它不仅告诉 Agent “去做 A”，还告诉它“现在的世界状态是 B，我的预期目标是 C”。这种深度对齐，是任何非结构化的 Wrapper 无法完美翻译的。
而且如果没有标准协议，越来越多的执行层agent出现，一个大脑可能要写几十个wrapper，但有了 SDEP，任何一个支持 SDEP 的 Agent 都可以瞬间接入任何一个支持 SDEP 的决策脑。
也就是Same Brain Different Agent
Wrapper 是为了让今天的工具能用起来，我坚信，未来的顶级 Agent 不应该只提供一个聊天框或 API 接口， 它们应该原生内置一个SDEP 端口，那是他们接入“大脑”的统一标准。
6. DomainPack
在不同领域的世界观是不同的，在代码世界里bug是灾难，但在金融领域灾难又是新的定义
Spice 本身是一个通用的决策引擎（Domain-Agnostic），它不偏袒任何行业。当你给它加载了不同的 DomainPack，它就会瞬间变身，成为你需要的任何领域的“大脑”
这就是 DomainPack（领域包）存在的意义
- 加载 [DevOps Pack] ：它立刻就能理解什么是灰度发布、什么是延迟、什么是系统稳定性。它的 Decision 会倾向于“保住服务器”。
- 加载 [Personal Pack] ：它就开始关心你的日程、你的长期职业目标、甚至是你的情绪状态。它的 Decision 会变成“今天太累了，帮我推掉那个不重要的会议”。
提出这套架构是因为我们不想为了每一个新场景都重新造一个 AI。
现在的 Agent 市场太割裂了，写代码的只管写代码，订机票的只管订机票。但真实的人类生活是跨领域的——比如因为我今天要加班写代码，所以我得改签晚上的航班。
通过 DomainPack，Spice 第一次让这些互不相通的领域在同一个“状态模型”下对话。
这种“通用大脑 + 垂直插件”的架构，才是真正能帮我们处理复杂生活
7. 未来的愿景以及我为什么开源
从17年接触AI（当时的NLP），刚好幸运的赶上那年时代浪潮的transformer，我做过很多项目，但大多都是应用层面（解决某个固定问题），前两年上学的时候也花很多时间做很多AI research的内容，甚至在今年一月份我们还有一款coding agent在内测（当然现在砍掉了），从有Spice这个想法之后，设计到实现只花了10天左右的时间，但我认为我们还有很长的路要走，我们的最终幻想是每个人都可以有一个自己的“大脑”，感知你的世界，理解你的意图从而辅助你决策，这是我们的最终幻想，但实现面临很多问题比如：载体，通信… 但我坚信这一天一定会到来，需要大家一起努力。
再聊聊为什么开源，这也跟我上一个sector说的domainpack有关，当然也和我为什么来Linux Do分享有关，我认为Spice有无限可能，每个人所处的世界的世界观是不同的，每个人的“大脑”也一定是个性化的，如果让我把Spice做成一个闭源的项目，他就丧失了他的无限可能，我只能在我的世界观下去build，那不是我心里的Spice，更不是我最终幻想里的那个人人都可以有一个自己的数字大脑。所以我们选择开源，我也好奇看看大家的世界是什么样的，也希望有更多志同道合的人可以和我们一起完成这件事。
8. 写在最后
这就是Spice的大致由来和我的一点点拙略见解。
Spice 还是一个非常初期的项目，它不完美， 但它的架构里藏着我多年来的见解和对未来的展望。
GitHub链接在最上方和最下方麻烦大家支持一下点一下star！
如果你也觉得现在的 AI “空有肌肉，缺乏灵魂”，且对我的分享感兴趣，欢迎大家来联系我或评论.我们一起来build the future！
Spice Repo（Github就是我个人）
GitHub - Dyalwayshappy/Spice: A foundation for building decision systems — the...
A foundation for building decision systems — the missing layer above execution agents.
网友解答：--【壹】--：
不明觉厉啊大佬
--【贰】--：
咋感觉有点像ReAct
--【叁】--：
我勒个去，这么强的么
--【肆】--：
专业，看不懂
--【伍】--：
感谢大佬！
--【陆】--：
加星关注下先。看了下，有点重，用起来需要自定义的东西有点多。不过挺看好这个方向。加油
--【柒】--： JIA:
解决了决策过程是隐式的，不可结构化的，难以复用的。也就是说在Spice里每一次决策过程是结构化的，可以回溯的，决策结果是可以学习的，这意味着你的“大脑”不仅能指挥当下的任务，还能通过不断的 Reflection（反思）从错误中学习，进化出越来越强的决策直觉。
学习了。思路很好。在决策过程中多埋点，形成思路链：）
--【捌】--：
有什么好的建议比如哪方面可以做的再轻一点可以提点意见！我们会努力的
--【玖】--：
专业，学习了
--【拾】--：
点进去，10秒钟看不到中文readme，就跑了。
--【拾壹】--：
看好佬友，加油，干
--【拾贰】--：
感谢啊L友！多多交流！
--【拾叁】--：
期待老友继续完善，看着挺有意思
--【拾肆】--：
很有意思的想法。有个疑问？如果这样发展下去，他的思想变坏了怎么办？如何限制呢？
--【拾伍】--：
感谢大佬
--【拾陆】--： JIA:
过程有点抽象，我们用一个更具体的例子来看一下它是怎么工作的：
想象你正在维护一个拥有 10 万用户的开源项目。
不明觉厉，先点个赞再说
--【拾柒】--：
大佬好强
--【拾捌】--：
加油大佬
--【拾玖】--：
前排支持，看好佬友的项目
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：
- 我的帖子已经打上 开源推广 标签：是
- 我的开源项目完整开源，无未开源部分：是
- 我的开源项目已链接认可 LINUX DO 社区：是
- 我帖子内的项目介绍，AI生成、润色内容部分已截图发出：是
- 以上选择我承诺是永久有效的，接受社区和佬友监督：是
以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出
Github
GitHub - Dyalwayshappy/Spice: A foundation for building decision systems — the...
A foundation for building decision systems — the missing layer above execution agents.
Hello各位佬友好啊！今天是我加入Linux Do的第一天，我叫Jia，是一名有着9年AI学习经历及coder经历的00后，今年也是我毕业后的第一年！我想跟大家分享一个我昨天才开源的项目，也想讲讲我的idea。
1. 我的思考
新项目名叫Spice，又叫“小辣椒”，我们把它总结为"Brain Above Agent", 他的灵感来源于openclaw的爆火和世界模型的concept，这里分为两点来说:
执行层agent的局限
现在的agent对于大家来说像代替大家执行任务的执行器（例如claude code帮你写代 码，notion帮你做记录等等），这些我把他统称为执行层工具，即人类输入意图，工具去代理执行任务，openclaw也不过是普通人可以用更简单且异步的方式去使用这些工具，人类仍然在决定“做什么”，agent只是负责“怎么做”。
世界模型的概念
第二是世界模型的思考，当前主流 LLM 基于 Transformer 架构训练，其训练目标是预测下一个 token，在这一过程中模型会隐式学习到世界中的结构与规律，从而表现出类似“世界模型”的能力。但他仍然不是像人一样思考，他没法感知物理世界，举个简单的例子，杯子从桌子上掉下来，会摔碎这在我们的世界里是状态变化了，杯子从完好的到碎了（complete to broken），但对于 LLM 来说，它并不真正“看到”这个过程，它只是从文本中学习到“掉下来 → 碎了”这样的模式。再比如，如果你问：“我把冰块放在桌子上会发生什么？”，LLM 可以回答“会融化”，但它并没有一个真实的时间维度去模拟这个过程（温度交换 → 融化速度 → 水的扩散），它知道结局，但不真正经历变化。所以LLM 擅长推理“会发生什么”，但并不真正建模预测“是如何发生的”。
2. Spice的由来
基于以上两点才有了我的Spice，我自己的一个判断是现在的AI已经具备了非常强大的执行能力，那么缺失的，其实是一个能理解状态，做出判断，并决定下一步该做什么的决策层。如果把现在这些执行层工具比喻为双手，那Spice就是这些双手的大脑，或者说在执行层之上构建一个真正的“决策大脑”及Brain Above Agent。
3. 关于Spice的架构
为了实现这个“大脑”，让这个Spice能更清晰的感受“世界”，且能做出更好的决策结果，我们把这个过程拆成了一个非常简单的架构：
perception → State → Decision → Execution → Reflective
spice_structure2862×1768 99.9 KB
简单来说，这五步可以理解成：
Perception：现在发生了什么（我看到了什么）
State：当前世界是什么状态（我理解成什么）
Decision：基于这个状态，我该怎么选
Execution：把这个决策交给执行层去做
Reflection：事情发生之后，我要不要调整认知
和现在大多数agent的行为方式不同，它们往往是一次性的 prompt → response，决策过程是隐式的，不可结构化的，难以复用。 而 Spice 更像是一个持续运行的循环系统，
它会不断更新状态，并基于状态和意图进行模拟从而做出下一步决策。同时通过执行结果自进化，提高在同一世界下下一次的决策质量。
这个过程有点抽象，我们用一个更具体的例子来看一下它是怎么工作的：
想象你正在维护一个拥有 10 万用户的开源项目。
传统执行层 Agent (如 Claude Code) 的表现：
你告诉它：“用户反馈搜索变慢了，帮我优化一下。”
- 动作： 它会直接钻进代码，尝试加个索引，或者重写 SQL。
- 局限： 它不理解你的商业状态 。如果此时你正准备在一小时后发布新版本，这种大规模代码改动可能导致系统崩溃。它只管“怎么优化”，不管“现在优化是否合适”。
Spice (Brain Above Agent) 是如何工作的：
场景： 系统监控发现 CPU 占用率突然飙升到 90%（Perception）。
- Perception (感知)： Spice 感知到两个信号：1. 搜索延迟增加；2. 今天是运营活动日，流量是平时的 5 倍。
- State (状态建模)： Spice 更新了当前的世界状态：
- 系统状态：Degraded (性能降级)。
- 外部环境：High Traffic Event (高并发活动中)。
- 风险等级：Critical (如果不处理，半小时内服务器会宕机)。
- Decision (决策)：
- Spice 在脑子里模拟 (Simulation) 了方案：
- 方案 A： 让 Claude Code 重构索引（风险高，耗时长，可能导致活动中断）。
- 方案 B： 先临时开启限流，并增加 3 台云服务器（风险低，即时生效）。
- 方案 C: …
- 方案 D: …
- 推荐选择： 方案 B（先求稳，后面治本）。
- Spice 在脑子里模拟 (Simulation) 了方案：
- Execution (执行)：
- Spice下达指令：
- 给 Infrastructure Agent 发令：“在 AWS 新增 3 台实例。”
- 给 Notification Agent 发令：“在 Discord 频道发个公告说明情况。”
- Spice下达指令：
- Reflection (反思)：
- 活动结束后，Spice 观察到即使增加了服务器，成本也大幅上升。
- 更新认知： “当前的搜索架构无法应对高并发，下周必须安排一次深度重构。” 并将这个任务加入到下周的待办决策中。
4. SDEP协议：连接大脑与双手的“神经纤维”
框架设计之后随之而来的问题是，现在的agent接口各异，大脑如何精准地指挥不同的“双手”？ 我们定义了 SDEP (Spice Decision Execution Protocol) 。通俗地说，它是大脑与执行层之间的标准通讯协议：
- 向下指令： 将 Spice 的结构化决策逻辑（做什么、为什么做、预期目标）精准下达。
- 向上反馈： 将执行层的结果（Outcome）与环境变化实时传回，完成感知的闭环。
通过SDEP我们真正的实现了决策与执行的彻底解耦
解决了决策过程是隐式的，不可结构化的，难以复用的。也就是说在Spice里每一次决策过程是结构化的，可以回溯的，决策结果是可以学习的，这意味着你的“大脑”不仅能指挥当下的任务，还能通过不断的 Reflection（反思）从错误中学习，进化出越来越强的决策直觉。
5.Wrapper（ 翻译官）
我坚信SDEP会有光明的未来，但目前还没有agent适配这个协议哈哈
所以我们搞了Wrapper，它就像是一个“翻译官”让你的agent可以快速接入Spice
Wrapper 的工作其实很简单，只有两步：
- 翻译指令 ：把 Spice 传出的结构化 JSON 决策，翻译成具体 Agent 能听懂的指令（比如一段 CLI 命令或 API 调用）。
- 标准化反馈 ：把执行层返回的乱七八糟的 Log 或结果，提炼成结构化的 Outcome ，再传回给 Spice 供它“反思”和更新状态。
目前，我们已经率先打通了两大顶级“肌肉”：Codex和Claude Code
但wrapper只是我们为了兼容现状的桥梁，未来SDEP才是通往智能的高速公路
为什么一定要推SDEP呢？
现在的 Agent 往往是在一堆模糊的 Prompt 中“猜”你要做什么。而 SDEP 传输的是结构化的决策上下文 。它不仅告诉 Agent “去做 A”，还告诉它“现在的世界状态是 B，我的预期目标是 C”。这种深度对齐，是任何非结构化的 Wrapper 无法完美翻译的。
而且如果没有标准协议，越来越多的执行层agent出现，一个大脑可能要写几十个wrapper，但有了 SDEP，任何一个支持 SDEP 的 Agent 都可以瞬间接入任何一个支持 SDEP 的决策脑。
也就是Same Brain Different Agent
Wrapper 是为了让今天的工具能用起来，我坚信，未来的顶级 Agent 不应该只提供一个聊天框或 API 接口， 它们应该原生内置一个SDEP 端口，那是他们接入“大脑”的统一标准。
6. DomainPack
在不同领域的世界观是不同的，在代码世界里bug是灾难，但在金融领域灾难又是新的定义
Spice 本身是一个通用的决策引擎（Domain-Agnostic），它不偏袒任何行业。当你给它加载了不同的 DomainPack，它就会瞬间变身，成为你需要的任何领域的“大脑”
这就是 DomainPack（领域包）存在的意义
- 加载 [DevOps Pack] ：它立刻就能理解什么是灰度发布、什么是延迟、什么是系统稳定性。它的 Decision 会倾向于“保住服务器”。
- 加载 [Personal Pack] ：它就开始关心你的日程、你的长期职业目标、甚至是你的情绪状态。它的 Decision 会变成“今天太累了，帮我推掉那个不重要的会议”。
提出这套架构是因为我们不想为了每一个新场景都重新造一个 AI。
现在的 Agent 市场太割裂了，写代码的只管写代码，订机票的只管订机票。但真实的人类生活是跨领域的——比如因为我今天要加班写代码，所以我得改签晚上的航班。
通过 DomainPack，Spice 第一次让这些互不相通的领域在同一个“状态模型”下对话。
这种“通用大脑 + 垂直插件”的架构，才是真正能帮我们处理复杂生活
7. 未来的愿景以及我为什么开源
从17年接触AI（当时的NLP），刚好幸运的赶上那年时代浪潮的transformer，我做过很多项目，但大多都是应用层面（解决某个固定问题），前两年上学的时候也花很多时间做很多AI research的内容，甚至在今年一月份我们还有一款coding agent在内测（当然现在砍掉了），从有Spice这个想法之后，设计到实现只花了10天左右的时间，但我认为我们还有很长的路要走，我们的最终幻想是每个人都可以有一个自己的“大脑”，感知你的世界，理解你的意图从而辅助你决策，这是我们的最终幻想，但实现面临很多问题比如：载体，通信… 但我坚信这一天一定会到来，需要大家一起努力。
再聊聊为什么开源，这也跟我上一个sector说的domainpack有关，当然也和我为什么来Linux Do分享有关，我认为Spice有无限可能，每个人所处的世界的世界观是不同的，每个人的“大脑”也一定是个性化的，如果让我把Spice做成一个闭源的项目，他就丧失了他的无限可能，我只能在我的世界观下去build，那不是我心里的Spice，更不是我最终幻想里的那个人人都可以有一个自己的数字大脑。所以我们选择开源，我也好奇看看大家的世界是什么样的，也希望有更多志同道合的人可以和我们一起完成这件事。
8. 写在最后
这就是Spice的大致由来和我的一点点拙略见解。
Spice 还是一个非常初期的项目，它不完美， 但它的架构里藏着我多年来的见解和对未来的展望。
GitHub链接在最上方和最下方麻烦大家支持一下点一下star！
如果你也觉得现在的 AI “空有肌肉，缺乏灵魂”，且对我的分享感兴趣，欢迎大家来联系我或评论.我们一起来build the future！
Spice Repo（Github就是我个人）
GitHub - Dyalwayshappy/Spice: A foundation for building decision systems — the...
A foundation for building decision systems — the missing layer above execution agents.
网友解答：--【壹】--：
不明觉厉啊大佬
--【贰】--：
咋感觉有点像ReAct
--【叁】--：
我勒个去，这么强的么
--【肆】--：
专业，看不懂
--【伍】--：
感谢大佬！
--【陆】--：
加星关注下先。看了下，有点重，用起来需要自定义的东西有点多。不过挺看好这个方向。加油
--【柒】--： JIA:
解决了决策过程是隐式的，不可结构化的，难以复用的。也就是说在Spice里每一次决策过程是结构化的，可以回溯的，决策结果是可以学习的，这意味着你的“大脑”不仅能指挥当下的任务，还能通过不断的 Reflection（反思）从错误中学习，进化出越来越强的决策直觉。
学习了。思路很好。在决策过程中多埋点，形成思路链：）
--【捌】--：
有什么好的建议比如哪方面可以做的再轻一点可以提点意见！我们会努力的
--【玖】--：
专业，学习了
--【拾】--：
点进去，10秒钟看不到中文readme，就跑了。
--【拾壹】--：
看好佬友，加油，干
--【拾贰】--：
感谢啊L友！多多交流！
--【拾叁】--：
期待老友继续完善，看着挺有意思
--【拾肆】--：
很有意思的想法。有个疑问？如果这样发展下去，他的思想变坏了怎么办？如何限制呢？
--【拾伍】--：
感谢大佬
--【拾陆】--： JIA:
过程有点抽象，我们用一个更具体的例子来看一下它是怎么工作的：
想象你正在维护一个拥有 10 万用户的开源项目。
不明觉厉，先点个赞再说
--【拾柒】--：
大佬好强
--【拾捌】--：
加油大佬
--【拾玖】--：
前排支持，看好佬友的项目