技能介绍

要解决的问题

复杂任务在落地前通常会卡在几件事：需求被一句“做个推荐系统”简化掉，方案在评审会上只被看了一遍，任务拆解时依赖关系靠口头确认，跑到中途才发现关键路径没有写进计划。LoopEngine O2 的目标是在真正动手之前，用一套可重复的流程把目标、约束、风险和执行顺序钉下来。

它的工作方式

它提供三种模式：默认的规划模式、对已有方案做独立审查的审计模式，以及 v10.4 新增的三层转换。三层转换接收上游 x-rw-togaf-l1 产出的 AI 子集 JSON，直接翻译成可执行的 Task DAG，不做额外架构决策；支持 v0.1 包装与 v1.0 顶层结构，缺省写入 task_dag.json 并打印完整 Plan JSON，可被下游 x-rw-graphengineering-g3 加载。

执行是一条有顺序的管线，权威定义在 references/execution-flow.md 与 prompts/system_prompt.md：

先做中断恢复检查与领域检测，注入对应认知档案。
判定 T1/T2/T3 信任等级，决定输出深度：新手拿完整角色表和三轮分析，长期协作者拿更短的结论和行动项。
goal_anchor_create 用 SHA-256 把原始目标固化下来，后续规划回溯围绕同一目标。
T1 路径会 spawn 子 Agent 做多视角辩论，再生成结构化清单和 DAG。
有代码变更时进入三专家并行质检，最多三轮修复循环。
阶段4.9 无条件执行 log_interaction + session_save，作为信任数据的唯一入口。

输出是带 trust_level 与 hitl_policy 的 Plan JSON：风险分级明确，risk_high 会中断等待确认，中低风险自动通过。它自己也清楚边界：不做架构决策，也不负责执行，只处理能力到任务的分解、依赖分析、验收标准、风险矩阵和 HITL 策略。

适用边界

输出是 JSON，需要下游工具能解析，否则只是一份数据。任务依赖必须写在 constraint_matrix.dependencies 里，capability 级的 depends_on 不会生成 transitions。信任等级依赖交互历史，首次使用必然走 T1 的重路径，不会更快。CLI 返回非零或 {"status":"error"} 时按“重试 → 降级 → 报告跳过”处理，不会静默失败但也不会让流程停下。安全分级默认 full，心理推断默认开启且只评估 T1/T2，如需纯任务流可以关掉。由 x-rw-orchestrator-c0 调度进入 PRE_ANALYSIS 时，它只产出澄清后的 L1 输入材料，不生成 Task DAG。