Worldbuilder013/HEXIS
好的，这是根据您提供的 README 生成的中文学习卡。
---
一、一句话定位
HEXIS 是一个将 AI 智能体技能文档（Skill.md）编译为可执行、可验证的扩展有限状态机（EFSM） 的框架，从而用程序强制保证任务执行步骤的顺序和逻辑，弥补纯 LLM 推理的不确定性。
二、核心技术/架构亮点（3-5点）
- 编译与验证闭环：使用 LLM（如 OpenAI 兼容模型）从技能文档自动起草状态机，并通过静态检查（格式、可达性、工具覆盖等）和“重放所有历史轨迹”的严格验证，确保更新不会破坏已有能力。
- 基于轨迹的增量学习：系统能从执行轨迹中自动学习新状态或过渡，每次更新（新增/修改状态）前都会重放所有已接受的旧轨迹，确保不退化。
- 优雅降级机制：内置“fallback”兜底状态，当状态机执行失败时，会自动回退到最接近的工具步骤，并最终退化为纯 LLM 解释执行技能，保证任务不中断。
- 可读性与可执行性并存：机器以纯 JSON 格式存储（`efsm-v1`），包含类型变量、多种动作（tool/model/judge等）和有界循环，同时自动生成 GUIDE.md 和 PROMPT.md 供人类与工具代理理解。
- 真实工具后端：支持基于 OpenAI 的工具调用、本地Bash执行乃至学术计算平台 OpenCode 的原生工具。
三、适用场景与目标用户
- 适用场景：任何需要高可靠性、步骤可追溯、流程可固化的 LLM 智能体任务，如数据分析（见 _dabench_）、数学推理（_livemath_）、基于本地知识库的问答（_sealqa_）、电子表格编辑（_spreadsheet_）等。
- 目标用户：AI 应用开发者、RPA 工程师、研究如何将 LLM 推理与经典状态机结合的学者，以及需要构建可审计、可重复的 Agent 工作流的团队。
四、可动手动作（clone/接入/借鉴思路，具体）
1. 快速体验：`pip install hexis-agent`，然后复制 README 中的 Hermetic 示例代码（`table_clean`），立即运行一个无需网络的完整编译与执行流程。
2. 编译自有技能：准备一份 `SKILL.md`，运行 `hexis-agent compile --skill path/to/skill --out build/ --model ...`，将文档编译为状态机。
3. 从轨迹学习中复用思路：记录 Agent 的历史执行日志（JSON 格式），使用 `hexis-agent update` 命令，让系统自动从中提取新状态并合并到现有机器中，实现技能自增进化。
4. 仅借鉴架构思路：阅读其源代码中的 `machine.schema` 和 `validator` 模块，学习如何设计一套状态+守卫+重放验证的 Agent 状态管理方案，可轻量级集成到自己的 Agent 框架中。
五、学习优先级 P0: 一周内动手
理由：项目提供了一个从静态技能文档到可执行机器人的完整闭环，且内置了无需网络的 Hermetic 示例。P0 动手可立刻理解“用程序强制 Agent 行为”这一核心价值，并能快速评估其是否能解决您当前 Agent 项目中“步骤不稳定、无法审计”的痛点。⌂