单一来源：项目所有方向的阶段与进展以本文件为准。
| 里程碑 | 内容 | 验收标准 | 状态 |
|---|---|---|---|
| M1 | 循环原语：引擎 + 开发调试最小闭环 | F1/F2/F3 在 ≤3 轮通过 | ✅ 已完成 |
| M2 | 评估体系：归因分类 + 评测冻结 + L0-L3 分层 + Skill 场景 | 用 LetsGoal 复刻一个 Skill | ✅ 已完成 |
| M3 | 质量与自主：软分 + 渐进自主 + 经验沉淀 + Story + 执行风格 | 修一个真实 issue 产出 PR；跑通 learnings + story + AI 自治 | ✅ 已完成 |
| M4 | 日常可用：/letsgoal 触发 + 飞书文档 + 决策通知 + 迭代记录 | 开发者全过程无需值守，关键节点收到通知 | ✅ 已完成 |
| M5 | 数据采集方向：从"人盯自动化"到"自动化自治" | 2-3 个预置采集 Skill 可一键触发 → V1 可用 | ⬜ 未开始 |
| M6 | 模型调优方向：稳定闭环优先，逐步提高自动调优占比 | 飞书机器人闭环成功率 60%+ | ⬜ 未开始 |
能跑通一个最小闭环——证明自循环概念成立。
| 事项 | 状态 |
|---|---|
| 单循环引擎（self_loop.ts） | ✅ 已完成 |
| Development adapter（plan/execute/evaluate/repair/report） | ✅ 已完成 |
| 三件套 evaluator（lint/typecheck/test） | ✅ 已完成 |
| 命令发现策略 | ✅ 已完成 |
| 3 个白盒 fixture（F1/F2/F3） | ✅ 已完成 |
| M1 验收：F1/F2/F3 在 ≤3 轮通过 | ✅ 已完成 |
评估从二值判定升级为结构化归因——循环知道"哪里错了、怎么修"。
| 事项 | 状态 |
|---|---|
| Skill 创建场景 | ✅ 已完成 |
| Skill 优化场景 | ✅ 已完成 |
| 评测集冻结 | ✅ 已完成 |
| 归因分类（9 类） | ✅ 已完成 |
| L0-L3 分层评估 | ✅ 已完成 |
| executor 层级感知 | ✅ 已完成 |
| M2 验收：用 LetsGoal 复刻一个 Skill | ✅ 已完成 |
引入质量梯度比较和渐进式自主——循环能择优、能自治。
| 事项 | 状态 |
|---|---|
| Bug 修复场景 | ✅ 已完成 |
| 重构场景 | ✅ 已完成 |
| 加权软分 | ✅ 已完成 |
| 渐进式自主（strict/standard/autonomous） | ✅ 已完成 |
| 经验沉淀（learnings.md） | ✅ 已完成 |
| Story 级追踪 | ✅ 已完成 |
| 执行风格（structured / ai_autonomous） | ✅ 已完成 |
| 归因分类器增强（跨迭代模式 + 单迭代增强） | ✅ 已完成 |
| M3 验收：修一个真实 issue 产出 PR；跑通 learnings + story + AI 自治 | ✅ 已完成 |
- Sprint 1：加权软分（
soft_scorer.ts），详见.letsgoal/m3-sprint1-soft-scorer.md - Sprint 2：渐进式自主（
autonomy.ts），详见.letsgoal/m3-sprint2-autonomy.md
从"技术上能跑"到"开发者日常能用"——入口丝滑、过程可见、关键决策有通知。
核心设计原则：飞书文档是 M4 的中心载体——需求输入、任务拆解确认、迭代过程记录都围绕同一份飞书文档展开。lark-cli 是必须依赖。
| 事项 | 阻塞性 | 状态 |
|---|---|---|
| Skill 触发机制 | 阻塞 | ✅ 已完成 |
| 飞书文档需求流 + 需求拆解 | 阻塞 | ✅ 已完成 |
| 关键决策通知 | 阻塞 | ✅ 已完成 |
| 迭代过程记录 | 阻塞 | ✅ 已完成 |
| 软分维度补全 | 阻塞 | ✅ 已完成 |
| L0-L3 分层评估 | 重要 | ✅ 已完成 |
| 归因分类器增强 | 重要 | ✅ 已完成 |
开发调试方向的模式复用到数据采集——从"人盯自动化"到"自动化自治"。
M3 铺路：数据采集天然按采集目标拆 story（M3 Story 级追踪）；日常运行用 AI 自治模式（M3 执行风格）；采集经验跨任务复用（M3 learnings.md）。M4 铺路：Skill 安装/注册是采集 Skill 管理的前提；飞书文档和通知是采集交互的基础。
| 子阶段 | 目标 | 关键产出 | 状态 |
|---|---|---|---|
| M5.1：预置 Skill 验证 | 验证飞书触发→执行→落盘→通知链路 | 2-3 个预置采集 Skill 可一键触发 | ⬜ 未开始 |
| M5.2：闭环能力 | 定时调度、结果校验、自动补采、可视化、主动通知 | V1 可用版本 | ⬜ 未开始 |
| M5.3：自定义任务 | 自然语言→结构化配置→任务生成 | 预置+自定义双模式 | ⬜ 未开始 |
| M5.4：平台化 | 统一校验策略、通用 dashboard、更多采集插件 | 平台级能力沉淀 | ⬜ 未开始 |
| M5.5：复杂场景 | 页面级、内容级、行为级采集 | 更复杂采集链路支持 | ⬜ 未开始 |
开发调试方向的模式复用到模型调优——稳定闭环优先，逐步提高自动调优占比。
M3 铺路：模型调优按 eval case 拆 story（M3 Story 级追踪）；关键步骤用结构化模式（M3 执行风格）；调优经验跨轮积累（M3 learnings.md）。
| 子阶段 | 目标 | 关键产出 | 状态 |
|---|---|---|---|
| M6.1：中间态产品化 | 飞书机器人可用闭环 | 统一任务状态机 + Skill 标准化 + Harness 可回放 + 飞书交互；闭环成功率 60%+ | ⬜ 未开始 |
| M6.2：稳定性专项 | 闭环成功率 80%+ | 失败归因体系化 + 调优策略模板化 + 重试降级策略 | ⬜ 未开始 |
| M6.3：自动调优增强 | 自动调优完成率 40% | 自动归因置信度 + 多候选并行调优 + 自动验收 + 自动停止 | ⬜ 未开始 |
以下能力不设独立里程碑，由 M5/M6 方向按需从内部驱动：
- CI/CD 集成
- 多任务并行
- 飞书多维表格（通用 5 表 + 方向扩展字段）
- 飞书评论反馈消费（行级评论 + 幂等消费）
- ✅ 已完成
- 🟡 进行中 / 待验收
- ⬜ 未开始