起点

AI智能体的输出总是不可靠，该如何应对？这个问题，OpenProse、Natural-Language Agent Harnesses（NLAHS）与Attractor-Guided Engineering（AGE）都在寻找答案，但它们切入的角度截然不同。

前两者的答案聚焦于控制层：OpenProse借助确定性运行时确保目标被精确维护；NLAHS则利用自然语言文档使捆绑策略变得可审查。而AGE提出了一个更为根本的问题——在进行控制之前，我们究竟应该维护何种结构？

如果方向层不存在，那么再好的运行时和再清晰的捆绑，也不过是让整个结构更加顺滑地偏离正确轨道而已。

OpenProse从运行时抽象出发——设计一套合约语言和运行引擎，使AI智能体能够长期维护“持续为真”的目标。

NLAHs从表示媒介入手——将智能体捆绑策略从混乱的控制代码中分离出来，外化为可编辑的自然语言文档，再由共享的IHR运行时解释执行。

AGE则从工程过程切入——设计一套文档与流程体系，让人类与AI协作时，系统能够持续向稳定结构收敛。

通过几个问题就能看出它们的差异：OpenProse关注的是——如何确保一个目标始终保持不变；NLAHs关心的是——如何让一次智能体运行按照可审查的策略执行；AGE则追问——系统被推离既定轨道后，为何还能重新回到正确的方向？

不动点 ≠ 吸引子

OpenProse与AGE的核心抽象，对应着两种不同的数学对象，这里需要稍作深入解析。

不动点（Fixed Point）：即f(x) = x。系统置于该点上便不再移动。其判定条件是严格的等式。不动点可能是稳定的（附近点向其收敛），也可能是不稳定的（附近点远离它）。不动点本身不包含吸引域（basin of attraction）的概念。

吸引子（Attractor）：指一个集合（可以是点、极限环或奇怪吸引子），使得周围某个区域（即吸引域，basin of attraction）内的所有初始状态都会随时间演化而向它收敛。其关键性质并非“放上去就不动”，而是“从附近出发会被拉回来”。吸引子不必是一个点，它可以是流形。系统无需精确抵达该点——只要位于吸引域内，轨迹便会持续收敛。

OpenProse的指纹比对fingerprint == fingerprint是典型的不动点检测：输出是否与之前一致？一致则保持不变。

AGE所提出的“系统向稳定结构收敛”，更适合用吸引子的判断标准来理解：系统无需精确达到某个理想状态，只要控制机制能持续将其拉回稳定结构附近即可。

一个是状态判定——“是否到达”；一个是过程判定——“方向是否正确”。

控制目标 ≠ 吸引子：本体论上的关键区别

除了收敛机制（不动点 vs 吸引子）的不同，还存在一个更深层次的本体论差异：控制目标与吸引子的区别。

控制目标（Control Target）

在控制框架已经建立之后，用于定义“控制应当朝向何方”。它假设：控制框架本身已经存在，执行者会按照指令行动，偏离时通过重新执行指令来纠正。控制目标是外部强加的规范，驱使执行者去符合它。

数学吸引子（Attractor）

吸引子由系统自身的动力学产生——周围区域的所有初始状态都会随时间演化向它收敛。其关键特性在于：它是涌现的——由系统动力学定义，而非外部强加的指令；具备扰动-恢复能力——被推离后，系统动力学能将其拉回；系统无需“知道”它的存在——水无需理解洛伦兹吸引子，便会按其运动；它是由方程定义的流形——不枚举每个正确状态，只定义约束关系。吸引子为控制提供了最终因（final cause）。它在控制之前，不在控制之内。

打个比方

操作手册指导工人如何组装零件。工人依照手册操作，出现偏离时对照手册纠正。手册即为控制目标——它需要工人“知道”其内容并主动执行。

重力井则是吸引子——无论你如何推动物体，物体的动力学特性会自然地将它拉回。物体无需“知道”重力井的存在。

OpenProse与NLAHs的不变量都属于控制目标

OpenProse的Responsibility（Goal/Maintains/Continuity）是外部定义的规范。运行时通过指纹比对检测偏离，一旦偏离便重新渲染。这就是控制目标加确定性执行，收敛依赖于运行时强制重新执行规范。

NLAHs的捆绑模式（contract + stages + state / validation / recovery / stopping rules）告知IHR应该如何组织一次任务运行。IHR并非硬编码控制器，而是利用运行时策略来解释NLAH，将条款落实为子智能体调用、状态更新、验证关卡和工件合约。若智能体偏离，起作用的是验证/恢复/停止规则等控制目标，而不是系统动力学的自然收敛。“beha vior is flexible but still policy-guided”并非吸引子语义，而是运行时语义约束下的弹性执行。

AGE的所有者文档体系在类比意义上具备吸引子性质

1. 扰动-恢复动态：AI修改代码（扰动）→ 测试/审计发现偏离 → 修正 → 系统回到结构附近。跨会话的扰动-检测-纠正循环构成了收敛动力学。
2. 隐式定义的流形：docs/architecture/并非枚举每个正确状态，而是定义约束方程。满足约束的状态构成流形，局部实现多样化，整体被拉向同一类结构。
3. 跨会话涌现：上百次提交、数十个计划、多次审计叠加后的长期收敛——这是“系统行为”，而非“某次执行”。

AGE的恢复同样依赖文档作为真值源。区别不仅在于粒度和时间尺度，更在于约束对象的不同：控制层的指令约束一次执行如何完成；方向层则约束未来所有执行结果所允许落入的结构区域。

机制层的结构性平行

三个体系的机制层存在结构性平行：

机制槽位相似，但语义不同。该表仅说明三者都是控制系统，并不表示它们控制的是同一类对象。OpenProse与NLAHs使一次执行更可控；AGE则判断这些执行累积后是否仍指向同一个长期结构。

差异不在机制层，而在于机制层之上是否存在方向层。OpenProse的Responsibility与NLAHs的NLAH都是自包含的规范——它们定义了自己的完成条件（指纹相等/合约满足），无需外部引用“系统应该向什么结构收敛”。AGE也有完成条件（CI关卡、审计通过），但所有者文档不可替代的作用在于：当局部完成条件与长期结构方向冲突时，提供裁决依据。CI可以判定某次导入是否通过；所有者文档则决定为什么flux-react不能反向依赖渲染包。前者是控制门，后者是方向层。

这就是方向层与控制层的区别：并非机制不同，而是控制之上是否有一个独立的、持久的目标结构为所有控制提供最终因。

三者的本体论位置

三者的关系并非层次关系（项目级吸引子 ⊃ 运行级吸引子），而是本体论上的差异：

方向层（Attractor）——AGE: owner-doc 定义的长期收敛结构
↑ 为控制提供最终因
│
控制层（Control Target）——NLAHs/OpenProse: specification + runtime 执行
↑ 控制机制的实现
│
机制层（Mechanism）——IHR/reactor/CI: 具体的检测、执行、恢复

AGE文章的核心论点正是：方向层先于控制层。 没有定义“朝哪里收敛”，控制机制就没有统一意义。NLAHs与OpenProse都在控制层进行创新——NLAHs用自然语言提高了策略的可审计性和可移植性，OpenProse用确定性运行时提升了执行的精确性和成本效率。但它们都无法回答方向层的问题：系统应该向什么结构长期收敛？ 一个可证伪的表述是：如果移除AGE的所有者文档优先级链、日志和bug蒸馏后，系统仍能在长期重构中保持同等架构方向，那么AGE的方向层主张就是多余的。

三个体系的前提假设

OpenProse：会话终将结束，责任不应随之消失

OpenProse的核心隐喻源自React。它将AI智能体的每一次执行建模为一次渲染。

三个关键假设：

1. AI的价值在于有限渲染——有限、可审计的单次推理
2. 持续性的来源不是会话，而是世界模型的持久状态和收据链
3. 成本与“意外”成正比，与时间无关——如果没有变化，渲染不执行

这是运行时优先的世界观：先定义好“什么在运行时保持为真”，再考虑工程过程。

NLAHs：策略不应埋在代码里

NLAHs的核心隐喻来自可编辑的策略文档。NLAH+IHR体系将智能体捆绑拆分为四层栈。

三个关键假设：

1. 捆绑策略可以从混乱的控制代码中分离出来，用可编辑的自然语言表达
2. 自然语言携带策略，代码携带机制——精确操作留在代码里，可检查的策略留在自然语言里
3. 共享运行时可以为不同的NLAH提供统一的执行基底

这是表示媒介优先的世界观：策略的表示媒介决定了它的可审查性、可移植性和可分析性。

AGE：先定义系统要回到哪里，再讨论怎么回去

AGE的核心隐喻来自动力系统理论。

三个关键假设：

1. AI是结构上不同于人类的扰动源——高频、高振幅、无持续方向感
2. 吸引子必须先于捆绑存在——“朝哪里纠正”先于“如何纠正”
3. 文档是吸引子的载体，代码是吸引子的瞬时投影——两者都不是吸引子本身

这是过程优先的世界观：先定义好“系统应该向什么结构收敛”，再设计运行时的行为。

分歧一览

核心抽象对比

最小原语

OpenProse的Responsibility是一个自包含的计算单元，具有明确的输入边界（Requires）、输出边界（Maintains）、目标（Goal）和连续性约束（Continuity）。执行产生一个收据——内容寻址、链式可验证的决策证明。

NLAHs的NLAH文档是一个可编辑的策略描述，定义了任务运行的生命周期策略：合约、阶段、角色、状态规则、验证规则、恢复规则和停止条件。NLAH不是“告诉模型怎么回答”，而是“告诉运行时怎么组织一次多步执行”。

IHR的执行语义不是将NLAH编译成代码，也不是让一个智能体读完后自由发挥。它用固定的运行时策略提示将基础智能体变为父级编排者：父级读取NLAH，将合约、阶段、状态规则、验证规则、恢复规则和停止条件落实为子智能体任务包、交接、状态文件、工件关卡和完成检查。阶段内部仍由子智能体智能执行；测试、解析器、验证器、基准适配器这类精确操作由脚本/适配器承担。

AGE的吸引子不是一个对象，而是一种结构性质，由三层组成：

• 结构层：少量高层不变量（如包依赖方向flux-core → … → flux-renderers、七种原语闭集、编译优先管道）
• 载体层：承载这些不变量的可审计文档（docs/architecture/）
• 实现层：当前代码中体现这些不变量的部分

Responsibility和NLAH都是实例——你可以数出“这个项目有23个responsibility”或“这个基准有1个NLAH”。吸引子是一个性质——你不能数出“这个项目有5个吸引子”，它更像是“这个系统的吸引子是一个低维流形”。

三个体系都有将AI行动收束成可关闭单元的机制：OpenProse的渲染、NLAHs的任务运行、AGE的计划。渲染的闭包由输入指纹、后置条件和收据决定；任务运行的闭包由NLAH的任务合约、验证规则、工件合约和停止条件决定；计划的闭包由Plan Status、Current Baseline、Goals、Non-Goals、执行/验证清单、Closure Gates和独立闭包审计决定。

计划并非待办列表，而是一次重大变更能否关闭的证据结构：先核对当前基线，限定目标与非目标，执行中逐项证明，最后由独立审计确认范围内的事项已经完成或被诚实地移出。它与所有者文档的关系也不是每次修改文档，而是用所有者文档判断当前变更的边界和关闭条件；只有当变更改变了实时基线、公共合约或所有者行为时，闭包才要求同步文档。

NLAH与AGE计划在机制形态上接近：都使用自然语言定义合约、阶段、证据和停止条件，都反对只靠智能体自述来完成。但两者关闭的对象不同：NLAH关闭的是一次运行，证明执行轨迹满足捆绑策略；计划关闭的是一次变更，证明当前范围的结果、证据和文本状态都足以被独立审计接受。

状态模型

技术实现对比

OpenProse是严格的两阶段架构：编译期使用大语言模型生成确定性工件（Forme DAG、规范器、后置条件验证器），运行期从不调用大语言模型，所有决策都是确定性的。AGE没有“编译一次然后运行”的分离，验证持续嵌入在每次变更中——类型检查 → 构建 → 代码检查 → 测试 → 审计 → 日志，永远在验证方向。NLAHs处于两者之间：自然语言策略与确定性钩子分离，但IHR运行时依赖大语言模型解释策略。

AGE明确识别了自验证陷阱：AI从同一上下文生成代码和所有评判材料（类型、测试、文档、完成总结），如果理解有偏差，所有“验证证据”会朝同一个方向偏离。对策是强制生成和评判分离——闭包审计必须由新上下文执行。OpenProse通过编译期冻结确定性函数来绕过同一个问题。NLAHs在论文的评估场景中依靠基准自动评分器规避，但在生产部署中同样需要外部验证机制来避免自验证陷阱。

对“一致性”的理解——三种语义

这是三个体系最深层的分歧点。

OpenProse的不动点一致性：每个责任的渲染产出世界模型，通过规范器得到指纹。指纹与上次一致，系统即为“一致”。判定是二值的：相等或不相等，没有“差不多一致”。组合层面，每个责任都在其自身的不动点上，DAG拓扑正确，则整个系统一致。自底向上，每个局部不动点组合成全局不动点。

NLAHs的策略遵循一致性：智能体的执行路径是否遵循NLAH规定的策略。论文定义了模式保持、阶段覆盖、工件合约合规等指标来衡量。并非二值——NLAH允许灵活执行，但要求策略结构（阶段、角色、验证门、状态规则）被保留。论文的RQ2发现NLAH保留了可识别的工作流结构（工作流保持0.63-0.67，阶段覆盖0.57-0.82），但信息传递是主要弱点（交接召回率低至0.32）。

AGE的吸引子一致性：并非二值。一个系统可以“大部分在吸引子附近，但某个子系统偏离了”——这不是“不一致”，而是“在吸引域内但偏离中心”。判定标准是方向性的：系统是在向吸引子收敛，还是在远离？一次提交可以通过所有测试（在吸引域内），但如果引入了架构偏移（比如逆转包依赖方向），系统的轨迹就不再向吸引子收敛了。自顶向下——即使每个模块的测试都通过（每个局部都在不动点），整体仍然可以偏离吸引子。

AGE的原始论断：“所有状态级别的检查都能通过，但系统整体在漂移”。nop-chaos-flux的Plan 76是一个实例：移除array-editor局部状态镜像的尝试产生了11个测试失败——不是因为单个bug，而是因为测试本身已经漂移到了与旧实现的时序耦合状态。每个累积的变更都通过了审查和CI，但从吸引子视角看，测试套件已经漂离了能支持结构性演化的位置。这恰恰是吸引子概念存在的原因。

这个区分不是术语偏好：

1. 不动点方法只能检测“是否精确到达”——对“在收敛方向上但还没到达”和“已经偏离”的区分能力很弱
2. 吸引子方法天然关注轨迹方向——不需要系统精确到达，只需要系统在收敛，而收敛本身就是可持续的
3. 不动点在离散状态空间（如世界模型的指纹）中工作良好；吸引子在连续状态空间（如架构的演化）中更有表达力
4. 这直接解释了为什么OpenProse用hash == hash（离散等式），AGE用“CI通过 + 文档一致 + 架构边界完整”（多维收敛信号）

三个维度

对AI的定位。 OpenProse将AI建模为有界的渲染函数，角色是执行器。NLAHs将AI建模为被捆绑策略组织的执行系统：父级编排者按运行时策略解释NLAH，子智能体执行具体任务，角色分化为编排者 + 执行者。AGE将AI建模为高频、高振幅、无持续方向感的扰动，角色是扰动源 + 执行器——同时被约束和被使用。

对文档的理解。 OpenProse：*.prose.md就是程序，如果任何内容与Markdown不一致，Markdown是对的。NLAHs：NLAH文档是策略——规定“怎么做”但不直接“执行”，最可审查的部分从实现细节中分离出来。AGE：文档是吸引子的载体层，代码是吸引子的瞬时投影，载体层定义了它应该回到哪里。

失败处理。 OpenProse：失败产生failed收据，即时的、个体的，每个渲染独立记录。NLAHs：NLAH定义恢复规则（重试、回退、证据），失败的工件保留供分析，但不跨运行蒸馏。AGE：失败产生结构化Bug笔记，反复出现的失败模式被蒸馏为护栏，按渐进自动化阶梯升级（笔记 → 检查清单 → 启发式脚本 → 代码检查规则 → CI门控）。

渐进式自动化的实证：nop-chaos-flux的工具链

AGE方法论有一个核心论断：能落实为确定性检查的，会逐步从轨迹数据中抽取为确定性脚本。

nop-chaos-flux的工具链为这条论断提供了完整的实证。实际发生的5级渐进自动化阶梯：

第1级: 轨迹捕获（Bug笔记 + 日志）——62+ bug修复笔记，72条每日开发日志
第2级: 模式蒸馏（架构护栏 + 审计规则）——从bug中蒸馏出8条护栏，19条专用审计规则
第3级: 编码化的审查模式（技能/提示）——24个可复用的审计/审查提示模板
第4级: 启发性嫌疑扫描器（启发式扫描器，exit 0）——12个聚焦的审计扫描器，信息性输出
第5级: 硬门控自动化（硬门控，CI阻断，失败时exit 1）——14个硬门控脚本，30+条ESLint规则，dependency-cruiser，Semgrep，Husky预提交

实例A：构建产物污染源码目录

第1级 — Bug #23：packages/*/src/中残留的.js文件在Vitest运行时暗中覆盖了.ts源码，导致测试失败但根因不在测试代码。共发现102个过期文件。

第2级 — 护栏 #6 “No Build Artifacts In Source Directories”被蒸馏进docs/references/architecture-guardrails-from-bugs.md，附有bug证据链接。

第5级 — scripts/verify-no-src-artifacts.mjs成为硬门控（CI阻断），同时scripts/clean-src-artifacts.mjs提供清理能力。pnpm lint链在ESLint之前先运行清理加验证。

从bug到CI门控，完整走完了5级。

一个思想实验：如果用OpenProse或NLAHs管理nop-chaos-flux

如果把nop-chaos-flux的架构不变量建模为OpenProse responsibilities，会得到运行时精确的变化检测，但无法回答为什么这些不变量应该这样组织、如何演化。如果把计划执行建模为NLAHs，会得到结构化的执行流程，但无法回答100次计划之后系统是否仍在收敛。两者都是控制层工具；都不覆盖方向层。

AGE的所有者文档系统处理这些问题。OpenProse的responsibility合约不覆盖方向层。NLAHs的策略文档不覆盖跨会话的轨迹演化。两者都是优秀的控制层工具，但吸引子（方向层）不在它们的问题域内。

结论

OpenProse回答的是：“给定一个需要持续为真的目标，如何用AI高效、安全、可审计地维护它？”——微观运行时问题。

NLAHs回答的是：“给定一个混乱的控制代码，如何把可复用的捆绑策略外化为可审查、可移植、可消融分析的自然语言文档？”——表示媒介问题。

AGE回答的是：“给定一个在AI扰动下持续演化的系统，如何保证它不会偏离稳定结构？”——宏观过程问题。

三者守护的是不同形式化/工程化稳定性语义，甚至不同本体论层次。OpenProse信任算法（确定性函数、内容寻址、链式验证）来维持不动点；NLAHs信任可审查的自然语言策略（IHR解释执行、模块可消融）来维持策略遵循；AGE信任的不是泛泛流程，而是可审计、可累积、可对抗复核、能把失败沉淀为未来约束的过程。OpenProse与NLAHs在控制层进行创新；AGE在方向层做出贡献。

真正的分歧在于失败会在哪里累积：OpenProse将失败局部化到responsibility，NLAHs将失败局部化到任务运行，AGE则将失败视为跨会话轨迹的信号。

在nop-chaos-flux的实践中，AGE的渐进自动化阶梯已经跑通：62+条bug笔记 → 8条护栏 → 14个硬门控 + 12个启发性扫描器 + 30+条ESLint规则。Bug #23（构建产物污染）完整走完了从bug笔记到CI阻断硬门控的5级蒸馏。72个日志文件记录了系统的轨迹，46个执行计划是局部收敛机制，58个架构文档的优先级链是吸引子的载体层。

OpenProse可以把AGE已经明确的局部不变量变成精确的变化检测。NLAHs可以把捆绑变成可消融对象。两者都是优秀的控制层工具；但吸引子（方向层）不在它们的问题域内。它们可以成为控制层执行器，不能替代方向层裁判。

可以这么说：如果一个项目连续通过CI、审查和捆绑合约，却在50次AI辅助更改后出现包边界逆转、测试语义耦合和所有者文档冲突，那么OpenProse/NLAHs的控制层成功了，而AGE要处理的问题才刚刚显现。这就是三者的分界线：不是谁更全面，而是谁能看见长期漂移。

控制层能告诉AI怎么纠错；方向层决定了什么才叫错。