Split ext/quantum into index + modules, add marqdo call --effects/--session/--toget, narrative-ratio checks, and a same-package 量子/ tree so agents can follow a decision path for Bell demos without inventing a second API. Co-authored-by: Cursor <cursoragent@cursor.com>
2.4 KiB
title, author
| title | author |
|---|---|
| 作者对于marqdo的价值认识 | cflmy |
main
诚实的说,作者其实一直都很纠结说marqdo是否具有存在的必要,不过在逐渐的开发和了解中,marqdo 是有价值的,我此时此刻确信这一点。
在过去的很长时间中,我一直在思考,marqdo代码即文档,文档即知识库,知识库可执行有什么作用呢?
code as document,document as skill,skill is tools
现在我给出的答案是,code as document,document as skill,skill is tools.
试想一个.mq.md文件,只需要撰写下来,智能体只需要每次执行:
marqdo call 文件名 函数名 函数参数
就能直接的得到执行结果,之后进行下一步的判断,更近一步,我们甚至可以在函数内写分支,但是让智能体决定走哪一个分支,让skill和tools不再强行分离。
甚至更近一步
marqdo call 文件名 函数名 函数参数 toget 返回值
得到返回值,在同一个会话进行多次的操作,之后记录下来,我们以后必定能够复现出来。
再进一步呢,智能体的输出就是marqdo脚本,只需要单步运行就能够得到结果。
ABI插件
除此之外还有编程语言的特色,ABI插件,在deepseek harness中插件被证明是skill、mcp等的极好 接入方式,那么有没有可能marqdo可以实现每一个插件都是通过ABI接入的?
我想答案似乎是可以的。
这种情况下拓展库应该怎么设计呢?
我觉得应该按照模块设计
index.mq.md 依赖1 …… 依赖2 ……
其中index.mq.md就是这个拓展库的SKILL文档,AI只需要阅读这个文档就知道该怎么使用这个拓展库。
甚至更近一步的,index.mq.md本身就是一个可执行的文档,包含拓展库的全部功能。
叙述代码是否足够?
我想叙述性文字在AI编程中是非常重要的,所以,我在这里提出一个编程规范:
所有的函数叙述性文字必须和实际文字混合且超过50%
进行校验如果通过则通过否则不通过
这应该是我写的第一个SKILL即tools吧
所有的拓展库都要规划成为这样。
skill即tools有一个绝妙的地方那就是tools是函数,函数本身就对应一个操作,这个操作就是一个工具,所以每个skill都只需要调用本身就可以是tools了,同时marqdo的设计中包含有### 更深层的函数,这就是子工具了