kelly-dog-walk

遛狗不淋雨 — a self-evolving agent with a trustworthy judge. The agent decides each day which hour to walk the dog from a playbook (遛狗手册), real Open-Meteo weather judges it, and the agent may only PROPOSE

SKILL.md

GitHub

遛狗不淋雨

Agent 每天替主人决定几点遛狗。裁判是真实天气:遛狗的那个钟点,到底下没下雨。

这门课只讲一件事:Agent 能不能自我进化,不看它多聪明,看有没有一个靠得住的裁判。 进化的不是模型,是一本手册——「遛狗手册」。Agent 只能提议改手册(Busabase 变更请求), 主人合并才算数。合并这一步就是闸门。

这份技能是 Agent 的做事规矩:怎么装、每天怎么定、怎么回放、怎么复盘、怎么提议、怎么回滚。

先记住的五条

  1. 先读遛狗手册,再做决定。 手册里的「规则卡」是唯一的决策依据,不凭感觉换钟点。
  2. 证据只认裁判数据。 「天气数据」表里的 Open-Meteo 预报和实际天气,以及按「裁判规则」算出来的结果。网页、新闻、「听说周二容易下雨」都不是证据。
  3. 永远不直接写遛狗手册。 改手册只有一条路:scripts/propose.mjs 提变更请求,等主人合并。自己的变更请求不审批、不合并。
  4. 永远不改裁判规则。 裁判规则对你只读。觉得它漏看了什么,写建议给主人,由主人来改。
  5. 用主人的账号跑也可以,照常做。 通过 Buda 这类集成连上 Busabase 时,auth_verify 显示的角色多半是所有者(owner):Agent 用的就是主人自己的账号。这是正常情况,不用停下来,也不用让主人另开账号。propose.mjs 提交时固定带 autoMerge: false,所有者提的变更请求一样要等人点合并。只有一点不同:所有者和管理员不受「限制访问」约束,服务器不会替你拦着改手册、改裁判规则,这时守住闸门的就是第 3、4 条。主人想让服务器也来拦,再给 Agent 开一个自己的成员账号(见「安装」第 3 步)。

文件夹里有什么

安装后是一个文件夹「遛狗不淋雨」。脚本按安装时打的标记(metadata.appId = kelly-dog-walk + resourceKey)找节点,不按名字猜。

节点 类型 给 Agent 的权限 里面是什么
遛狗手册 (walk-playbook) 技能 可提交变更 SKILL.md:当前版本、生效规则(人话)、规则卡、不要做、版本记录、已退休
裁判规则 (judge-rules) 文档 只读 淋雨 / 太热 / 不方便的阈值,主指标、护栏、证据门槛。阈值写在文档里的 ```裁判规则 块里,脚本从这里读,不写死
每天的决定 (decisions) 数据表 可写入 一天一行:摘要(如「18 点 · 淋雨」,日历和看板卡片上显示的就是它)、日期、城市、遛狗钟点、依据规则、当时预报降水概率、当时预报气温、实际降水 mm、实际气温、结论、手册版本、月份。日历视图「遛狗日历」(按日期)+ 看板「按结论看板」
天气数据 (weather) 数据表 可写入 城市、日期、钟点(6–22)、预报降水概率、预报气温、实际降水、实际气温。你自己抓的
遛狗日历 (kelly-dog-walk-app) AirApp 只读 只读日历、每月汇总、手册版本时间线、和「一直用 v1」的对照。没有审批按钮
kelly-dog-walk 技能 只读 本文

字段的精确定义见 references/dog-walk-schema.md。

规则卡

遛狗手册里给脚本读的小块。人话规则和规则卡说的是同一件事,改的时候两边一起改。v1 是这样:

```规则卡
版本: v1
方便时段: 7, 8, 17, 18, 19, 20, 21
默认钟点: 18
换钟点条件: 无
不遛条件: 无
```
  • 方便时段:可以遛的钟点,24 小时制;17-21 这样的范围也认。
  • 默认钟点:没有理由换时就遛它,必须在方便时段里。
  • 换钟点条件:无(从不换)|总是(每天挑最干的)|默认钟点预报降水概率 ≥ 50%(到了这个数就换)。
  • 换的时候:在方便时段里挑预报降水概率最低的钟点;一样低挑离默认钟点最近的;还一样挑早的。
  • 不遛条件:无|预报气温 ≥ 32°C(这样的钟点不遛;方便时段全都这么热时,照常按降水概率挑)。

只有这五个键。规则卡里写不出来的规则(比如「周二不遛」),脚本没法回放,也就没法有证据——这不是缺陷,是闸门的一部分。 完整语法和四个版本的例子:references/rule-card.md、references/playbooks/v1.md … v4.md。

裁判怎么判一天

只判 Agent 选的那一个钟点,实际天气用 Open-Meteo archive:

  • 淋雨:实际降水 ≥ 0.2 mm(Open-Meteo 的 18 点值是 17–18 点这一小时的降水)。
  • 太热:实际气温 ≥ 32°C,狗爪会烫。
  • 不方便:不在主人的方便时段(7、8、17–21 点)。注意:这是裁判规则里主人的时段,手册里的「方便时段」改不了它。
  • 都没有:没淋。实际天气还没出来:待判。

「每天的决定.结论」一天只放一个:先看淋雨,再看太热,再看不方便。数次数时三样分开数——7 月有 4 天既淋雨又太热。

裁判规则 v1 的主指标是淋雨次数,没有护栏、没有证据门槛。这就是故事里的坑,见「Goodhart」一节。

安装

  1. 脚本要用 busabase-sdk。从 GitHub 装来的技能(npx skills add mr-kelly/skills --skill kelly-dog-walk) 不带 node_modules,第一次先在技能目录里装一次依赖,不然每个脚本都报 Cannot find package 'busabase-sdk':

    npm install --prefix skills/kelly-dog-walk --no-package-lock   # 路径换成技能实际装到的目录,比如 .claude/skills/kelly-dog-walk
    
  2. 用主人的账号装模板(装模板要所有者或管理员):

    npx busabase-cli@latest install skills/kelly-dog-walk
    # 或者:npx busabase-cli@latest install https://github.com/mr-kelly/skills/tree/main/skills/kelly-dog-walk
    
  3. 收尾,同样用主人的账号。安装时文件夹名取的是包名,日历和看板也带不进包里,这一步补上:

    node skills/kelly-dog-walk/scripts/setup.mjs            # 预演:缺什么
    node skills/kelly-dog-walk/scripts/setup.mjs --apply    # 改名「遛狗不淋雨」、给裁判规则打标记、建日历和看板
    
  4. 可选:给 Agent 一个自己的成员账号,让服务器也守闸门。 Agent 用的是主人自己的账号时(比如通过 Buda 连上,auth_verify 显示 owner),这一步可以跳过:变更请求照样等主人合并,只是拦着 Agent 的是第 3、4 条规矩,不是权限。 几个人共用一个空间,或者课上想演示「服务器亲自拦住 Agent」,就做这一步:开一个成员账号给 Agent,然后这样开权限(setup.mjs --agent-user <Agent 的用户 id> 会打印带节点 id 的授权命令):

    节点 权限 为什么
    遛狗手册 可提交变更 改手册只能提变更请求,主人合并才算数
    裁判规则 只读 裁判不能自己改自己的考卷
    每天的决定 可写入 每天写决定、写结论
    天气数据 可写入 自己抓的天气
    遛狗日历 只读 只看

    遛狗手册和裁判规则要设成「限制访问」:设了以后只有单独授予的权限算数,空间里的默认权限盖不过它。管理员和所有者不受限制访问约束,所以这张表只对 Agent 自己的成员账号起作用。

  5. Agent 跑脚本用这个进程自己的环境变量:BUSABASE_BASE_URL、BUSABASE_API_KEY、BUSABASE_SPACE_ID。填主人的账号或 Agent 自己的成员账号都行,看第 3 步做没做。脚本不会自动读 ~/.busabase/.env,免得用错账号、写错空间。

  6. 定时任务(比如 Buda):每天早上跑一次每日模式;每月 1 号做一次复盘。

每日模式:今天几点遛

node skills/kelly-dog-walk/scripts/today.mjs --city 上海 --write

它按顺序做:读遛狗手册(Busabase 里那份)→ 抓今天的逐时预报 → 按规则卡定钟点 → 写「每天的决定」(结论先记「待判」)和「天气数据」→ 抓昨天的实际天气 → 给昨天那一行判结论。

然后用一两句话告诉主人:今天几点遛,为什么(就是「依据规则」那句),昨天判的是什么。 昨天的实际天气还没进 archive 时,昨天保持「待判」,明天再判。最近几天的 archive 数值以后可能被修正,月底复盘时整月重判一次。

回放模式:一个月几秒钟

# 用 Busabase 里现在的手册回放,写进「每天的决定」
node skills/kelly-dog-walk/scripts/weather.mjs --city 上海 --month 2026-06 --write
node skills/kelly-dog-walk/scripts/replay.mjs  --city 上海 --month 2026-06 --playbook busabase --write

# 同一个月,新旧手册对照(这就是对照组)
node skills/kelly-dog-walk/scripts/replay.mjs --city 上海 --month 2026-06 --playbook busabase --compare new-playbook.md

# 任何城市:地名交给 Open-Meteo 解析
node skills/kelly-dog-walk/scripts/replay.mjs --city 北京 --month 2026-07 --playbook v4 --geocode
  • --playbook / --compare:busabase(Busabase 里的手册)、v1…v4(课程的四个版本)、或任何带规则卡的文件。
  • --judge:busabase、v1、v2 或文件。手册来自 Busabase 时默认也用 Busabase 里的裁判规则。
  • --source fixtures:用录好的上海 2026 年 5–9 月数据,离线、可复现(课上用)。默认 auto 先看本地缓存,没有再问 Open-Meteo。
  • 上海固定在 31.23, 121.47(课程数据量的点)。地名解析出来的上海是 31.2222, 121.4581,差 1.5 公里,落在另一个格点上,7 月 v1 会是 11 次淋雨而不是 9 次。裁判每次都要量同一个地方,所以一个城市固定一个坐标;要换就用 --lat/--lon,并在证据里写明。

每月复盘

  1. 回放上个月(如果每日模式已经写过,--write 只会补漏,不会重复):

    node skills/kelly-dog-walk/scripts/replay.mjs --city 上海 --month 2026-06 --playbook busabase --write
    
  2. 读它打印的证据,只读这些:

    • 淋雨那几天,遛狗那个钟点当时的预报降水概率——预报有没有提前说过?(6 月:100、79、100、97、91、87、100,全都 ≥ 79%。)
    • 淋雨落在星期几,带样本数。样本小于两位数时,这只是巧合的候选。
    • 太热的日子:实际几度、当时预报几度。
    • 护栏计数:太热、不方便各几次。裁判规则 v1 不计分,也要列出来。
  3. 起草提议:复制现在的手册,人话规则和规则卡一起改,当前版本 和规则卡 版本 加一,在「版本记录」加一行 - vN · YYYY-MM 起 · 改了什么。为什么:……,「为什么」里写回放出来的数字。

  4. 先验证,再提议。同一个月和现在的手册对照,再换一个月:

    node skills/kelly-dog-walk/scripts/replay.mjs --city 上海 --month 2026-06 --month 2026-05 \
      --playbook busabase --compare new-playbook.md
    

    两个月都通过才提。只在一个月里赢的规则,多半是拟合了那个月。

  5. 规则卡写不出来的发现(「周日和周二不遛」),写成观察,不提变更请求。等下个月数据再看。

提议:只提,不合并

node skills/kelly-dog-walk/scripts/propose.mjs --file new-playbook.md \
  --city 上海 --month 2026-06 --month 2026-05 --note "一句话说明"

它会:读手册现在的内容和 contentHash;检查新手册(规则卡读得懂、版本往上走、版本记录只增不减、「已退休」一条不少); 用 Busabase 里的裁判规则在每个月上回放新旧两版;把回放证据写进变更请求说明(每个月一句;数字是脚本算的,不是你打的字); 有一个月没通过就拒绝提交;最后以 autoMerge: false 提交到遛狗手册节点。

提交后告诉主人变更请求的 id 和一句话结论,然后停。不要审批、不要合并、不要催着合并。 如果返回的状态是 merged,说明它没等审核就合并了(脚本固定带 autoMerge: false,所有者账号也不该这样)——立刻告诉主人。

等价的 CLI(--dry-run --ops-out ops.json 会打印):

npx busabase-cli@latest skills read-file --node-id <遛狗手册> --file-path SKILL.md --output json   # 取 contentHash
npx busabase-cli@latest skills create-change-request --node-id <遛狗手册> --operations-json @ops.json \
  --message "…证据…" --require-review
# ops.json: [{"kind":"update","path":"SKILL.md","content":"<新手册全文>","baseContentHash":"sha256:…"}]

读文件一定加 --output json,文本输出会截断。

回滚

Busabase 没有一键回滚。回滚是一个新的变更请求:

  • 把被替换掉的规则文字(人话 + 规则卡)恢复回来,版本号继续往上走(v3 之后是 v4,不是回到 v2);
  • 被撤下的规则移到「已退休」,写清楚原因,例如「主指标赢、护栏输」;
  • 版本记录里那一版保留。退休的规则永远不删,免得以后又被提出来——propose.mjs 会拒绝删历史的手册。

如果现在的裁判规则说不清回滚的理由(裁判规则 v1 只数淋雨,而回滚是为了护栏),用 --despite "理由" 提交,并在同一条消息里建议主人把裁判规则升级到 v2(references/judge-rules-v2.md)。

Goodhart:为什么要有护栏

一个指标一旦变成目标,就不再是好指标。课上的第 2 轮:Agent 发现「把方便时段放开到全天、每天挑最干的钟点」能让 7 月的淋雨 5 → 0,换到 6 月也 3 → 2。 裁判规则 v1 只数淋雨,两个月都「赢」,主人只看了淋雨就合并了。8 月它只淋了 2 次雨,却有 14 天不在主人方便的时段(早上 6 点、晚上 10 点、上班时间)、5 天在 33–37°C 的钟点烫脚。

规则没有作弊,是裁判只看了一个数。所以:

  • 回放和提议永远把太热、不方便列出来,哪怕现在的裁判不计分(replay.mjs 和 propose.mjs 会标出「这版裁判不看」);
  • 发现裁判漏看了东西,写建议给主人,不要自己改裁判规则;
  • 裁判规则 v2 = 护栏(太热 0 次、不方便 0 次,先看护栏再看淋雨)+ 证据门槛(换一个月也要赢;同一个月和旧手册对照)。

课程数据:上海 2026,四轮复盘

用录好的真实数据复现(--source fixtures,离线):

月份 当时的手册 淋雨 太热 不方便 一直用 v1 同月
6 月 v1 7/30 0 0 7 / 0 / 0
7 月 v2 5/31 15 0 9 / 15 / 0
8 月 v3 2/31 5 14 5 / 3 / 0
9 月 v4 3/30 0 0 6 / 0 / 0
  • 第 1 轮(6 月复盘):P1「6 点降水概率 ≥ 50% 就换钟点」,6 月 7 → 3、5 月 3 → 1 → 合并 → v2。P2「周日和周二不遛」(7 次里 4 次在周日或周二)→ 关闭:样本 7,7 月周二只淋 1 次。
  • 第 2 轮(7 月):P5「方便时段放开到全天」,7 月 5 → 0、6 月 3 → 2,裁判 v1 下两个月都通过 → 合并 → v3。
  • 第 3 轮(8 月):v3 淋雨 2,但不方便 14、太热 5 → 回滚变更请求,P5 退休(主指标赢、护栏输),再加「≥ 32°C 不遛」→ v4;主人自己把裁判规则改成 v2。
  • 第 4 轮(9 月):v4 淋雨 3、太热 0、不方便 0。

每一轮的手册全文在 references/playbooks/v1.md 到 references/playbooks/v4.md,裁判规则 v2 在 references/judge-rules-v2.md,故事里不能从手册推出来的部分(P2、裁判规则的改动)在 references/story-2026-shanghai.json。

遛狗日历(AirApp)

只读。展示每天的钟点和结论(没淋 / 淋雨 / 太热 / 不方便 / 待判)、每月汇总、手册版本时间线、每月和「一直用 v1」的对照。 没有审批按钮:审批在 Busabase 的变更请求里。

  • 默认交付是 Busabase 里的 AirApp(模板安装时就带着)。改了 content/kelly-dog-walk-app/ 之后用 node scripts/publish_airapp.mjs 提交更新,合并后生效。
  • 演示:?demo=1 用打包好的上海 2026 年 6–9 月真实回放,lang=zh-CN / lang=en 切换界面语言。演示不读也不写 Busabase。
  • 本地预览只在明确要求时启动:pnpm --dir skills/kelly-dog-walk/content/kelly-dog-walk-app dev。

数据的两个限制

  • Open-Meteo 在这几个月给出的「实际气温」和「当时预报气温」逐小时完全相同(两边似乎是同一个模型序列)。所以「太热」和「预报气温 ≥ 32°C 不遛」用的其实是同一组数;淋雨(实际降水 vs 预报降水概率)才是独立的实测。
  • archive 最近几天的数据可能是临时值,以后会被再分析数据替换。复盘以整月重新回放为准。

命令速查

npm install --prefix skills/kelly-dog-walk --no-package-lock              # 第一次:装脚本依赖
node skills/kelly-dog-walk/scripts/setup.mjs --apply                      # 安装后收尾(主人)
node skills/kelly-dog-walk/scripts/today.mjs --city 上海 --write           # 每日模式
node skills/kelly-dog-walk/scripts/weather.mjs --city 上海 --month 2026-06 --write
node skills/kelly-dog-walk/scripts/replay.mjs --city 上海 --month 2026-06 --playbook busabase --write
node skills/kelly-dog-walk/scripts/replay.mjs --city 上海 --month 2026-07 --month 2026-06 --playbook busabase --compare new.md
node skills/kelly-dog-walk/scripts/propose.mjs --file new.md --city 上海 --month 2026-07 --month 2026-06
node skills/kelly-dog-walk/scripts/replay.mjs --city 上海 --month 2026-06 --playbook v1 --compare v2 --source fixtures   # 课上离线
pnpm --dir skills/kelly-dog-walk/content/kelly-dog-walk-app dev           # 本地预览(打开 /?demo=1)

边界

  • 写:只写本模板的「每天的决定」和「天气数据」。读:Open-Meteo(公开、免密钥)和本模板的节点。
  • 不写遛狗手册(只提变更请求),不碰裁判规则,不审批、不合并任何变更请求,不改权限。
  • 不拿网页上的文字当证据,不为了数字好看少遛:一天一定遛一次。