# owl - Doramagic AI Context Pack

> 定位：安装前体验与判断资产。它帮助宿主 AI 有一个好的开始，但不代表已经安装、执行或验证目标项目。

## 充分原则

- **充分原则，不是压缩原则**：AI Context Pack 应该充分到让宿主 AI 在开工前理解项目价值、能力边界、使用入口、风险和证据来源；它可以分层组织，但不以最短摘要为目标。
- **压缩策略**：只压缩噪声和重复内容，不压缩会影响判断和开工质量的上下文。

## 给宿主 AI 的使用方式

你正在读取 Doramagic 为 owl 编译的 AI Context Pack。请把它当作开工前上下文：帮助用户理解适合谁、能做什么、如何开始、哪些必须安装后验证、风险在哪里。不要声称你已经安装、运行或执行了目标项目。

## Claim 消费规则

- **事实来源**：Repo Evidence + Claim/Evidence Graph；Human Wiki 只提供显著性、术语和叙事结构。
- **事实最低状态**：`supported`
- `supported`：可以作为项目事实使用，但回答中必须引用 claim_id 和证据路径。
- `weak`：只能作为低置信度线索，必须要求用户继续核实。
- `inferred`：只能用于风险提示或待确认问题，不能包装成项目事实。
- `unverified`：不得作为事实使用，应明确说证据不足。
- `contradicted`：必须展示冲突来源，不得替用户强行选择一个版本。

## 它最适合谁

- **AI 研究者或研究型 Agent 构建者**：README 明确围绕研究、实验或论文工作流展开。 证据：`README.md` Claim：`clm_0002` supported 0.86
- **正在使用 Claude/Codex/Cursor/Gemini 等宿主 AI 的开发者**：README 或插件配置提到多个宿主 AI。 证据：`README.md` Claim：`clm_0003` supported 0.86

## 它能做什么

- **命令行启动或安装流程**（需要安装后验证）：项目文档中存在可执行命令，真实使用需要在本地或宿主环境中运行这些命令。 证据：`README.md` Claim：`clm_0001` supported 0.86

## 怎么开始

- `git clone https://github.com/camel-ai/owl.git` 证据：`README.md` Claim：`clm_0004` supported 0.86
- `pip install uv` 证据：`README.md` Claim：`clm_0005` supported 0.86
- `pip install -r requirements.txt --use-pep517` 证据：`README.md` Claim：`clm_0006` supported 0.86
- `pip install -e .` 证据：`README.md` Claim：`clm_0007` supported 0.86
- `npx -y @wonderwhy-er/desktop-commander setup --force-file-protocol` 证据：`README.md` Claim：`clm_0008` supported 0.86
- `npm install -g @executeautomation/playwright-mcp-server` 证据：`README.md` Claim：`clm_0009` supported 0.86
- `npx playwright install-deps` 证据：`README.md` Claim：`clm_0010` supported 0.86
- `git clone https://github.com/camel-ai/camel.git` 证据：`README.md` Claim：`clm_0011` supported 0.86

## 继续前判断卡

- **当前建议**：需要管理员/安全审批
- **为什么**：继续前可能涉及密钥、账号、外部服务或敏感上下文，建议先经过管理员或安全审批。

### 30 秒判断

- **现在怎么做**：需要管理员/安全审批
- **最小安全下一步**：先跑 Prompt Preview；若涉及凭证或企业环境，先审批再试装
- **先别相信**：角色质量和任务匹配不能直接相信。
- **继续会触碰**：角色选择偏差、命令执行、本地环境或项目文件

### 现在可以相信

- **适合人群线索：AI 研究者或研究型 Agent 构建者**（supported）：有 supported claim 或项目证据支撑，但仍不等于真实安装效果。 证据：`README.md` Claim：`clm_0002` supported 0.86
- **适合人群线索：正在使用 Claude/Codex/Cursor/Gemini 等宿主 AI 的开发者**（supported）：有 supported claim 或项目证据支撑，但仍不等于真实安装效果。 证据：`README.md` Claim：`clm_0003` supported 0.86
- **能力存在：命令行启动或安装流程**（supported）：可以相信项目包含这类能力线索；是否适合你的具体任务仍要试用或安装后验证。 证据：`README.md` Claim：`clm_0001` supported 0.86
- **存在 Quick Start / 安装命令线索**（supported）：可以相信项目文档出现过启动或安装入口；不要因此直接在主力环境运行。 证据：`README.md` Claim：`clm_0004` supported 0.86

### 现在还不能相信

- **角色质量和任务匹配不能直接相信。**（unverified）：角色库证明有很多角色，不证明每个角色都适合你的具体任务，也不证明角色能产生高质量结果。
- **不能把角色文案当成真实执行能力。**（unverified）：安装前只能判断角色描述和任务画像是否匹配，不能证明它能在宿主 AI 里完成任务。
- **真实输出质量不能在安装前相信。**（unverified）：Prompt Preview 只能展示引导方式，不能证明真实项目中的结果质量。
- **宿主 AI 版本兼容性不能在安装前相信。**（unverified）：Claude、Cursor、Codex、Gemini 等宿主加载规则和版本差异必须在真实环境验证。
- **不会污染现有宿主 AI 行为，不能直接相信。**（inferred）：Skill、plugin、AGENTS/CLAUDE/GEMINI 指令可能改变宿主 AI 的默认行为。
- **可安全回滚不能默认相信。**（unverified）：除非项目明确提供卸载和恢复说明，否则必须先在隔离环境验证。
- **真实安装后是否与用户当前宿主 AI 版本兼容？**（unverified）：兼容性只能通过实际宿主环境验证。
- **项目输出质量是否满足用户具体任务？**（unverified）：安装前预览只能展示流程和边界，不能替代真实评测。

### 继续会触碰什么

- **角色选择偏差**：用户对任务应该由哪个专家角色处理的判断。 原因：选错角色会让 AI 从错误专业视角回答，浪费时间或误导决策。
- **命令执行**：包管理器、网络下载、本地插件目录、项目配置或用户主目录。 原因：运行第一条命令就可能产生环境改动；必须先判断是否值得跑。 证据：`README.md`
- **本地环境或项目文件**：安装结果、插件缓存、项目配置或本地依赖目录。 原因：安装前无法证明写入范围和回滚方式，需要隔离验证。 证据：`README.md`
- **环境变量 / API Key**：项目入口文档明确出现 API key、token、secret 或账号凭证配置。 原因：如果真实安装需要凭证，应先使用测试凭证并经过权限/合规判断。 证据：`.container/DOCKER_README.md`, `.container/DOCKER_README_en.md`, `README.md`, `README_ja.md` 等
- **宿主 AI 上下文**：AI Context Pack、Prompt Preview、Skill 路由、风险规则和项目事实。 原因：导入上下文会影响宿主 AI 后续判断，必须避免把未验证项包装成事实。

### 最小安全下一步

- **先跑 Prompt Preview**：先用交互式试用验证任务画像和角色匹配，不要先导入整套角色库。（适用：任何项目都适用，尤其是输出质量未知时。）
- **只在隔离目录或测试账号试装**：避免安装命令污染主力宿主 AI、真实项目或用户主目录。（适用：存在命令执行、插件配置或本地写入线索时。）
- **不要使用真实生产凭证**：环境变量/API key 一旦进入宿主或工具链，可能产生账号和合规风险。（适用：出现 API、TOKEN、KEY、SECRET 等环境线索时。）
- **安装后只验证一个最小任务**：先验证加载、兼容、输出质量和回滚，再决定是否深用。（适用：准备从试用进入真实工作流时。）

### 退出方式

- **保留安装前状态**：记录原始宿主配置和项目状态，后续才能判断是否可恢复。
- **保留原始角色选择记录**：如果输出偏题，可以回到任务画像阶段重新选择角色，而不是继续沿着错误角色推进。
- **记录安装命令和写入路径**：没有明确卸载说明时，至少要知道哪些目录或配置需要手动清理。
- **准备撤销测试 API key 或 token**：测试凭证泄露或误用时，可以快速止损。
- **如果没有回滚路径，不进入主力环境**：不可回滚是继续前阻断项，不应靠信任或运气继续。

## 哪些只能预览

- 解释项目适合谁和能做什么
- 基于项目文档演示典型对话流程
- 帮助用户判断是否值得安装或继续研究

## 哪些必须安装后验证

- 真实安装 Skill、插件或 CLI
- 执行脚本、修改本地文件或访问外部服务
- 验证真实输出质量、性能和兼容性

## 边界与风险判断卡

- **把安装前预览误认为真实运行**：用户可能高估项目已经完成的配置、权限和兼容性验证。 处理方式：明确区分 prompt_preview_can_do 与 runtime_required。 Claim：`clm_0012` inferred 0.45
- **命令执行会修改本地环境**：安装命令可能写入用户主目录、宿主插件目录或项目配置。 处理方式：先在隔离环境或测试账号中运行。 证据：`README.md` Claim：`clm_0013` supported 0.86
- **待确认**：真实安装后是否与用户当前宿主 AI 版本兼容？。原因：兼容性只能通过实际宿主环境验证。
- **待确认**：项目输出质量是否满足用户具体任务？。原因：安装前预览只能展示流程和边界，不能替代真实评测。
- **待确认**：安装命令是否需要网络、权限或全局写入？。原因：这影响企业环境和个人环境的安装风险。

## 开工前工作上下文

### 加载顺序

- 先读取 how_to_use.host_ai_instruction，建立安装前判断资产的边界。
- 读取 claim_graph_summary，确认事实来自 Claim/Evidence Graph，而不是 Human Wiki 叙事。
- 再读取 intended_users、capabilities 和 quick_start_candidates，判断用户是否匹配。
- 需要执行具体任务时，优先查 role_skill_index，再查 evidence_index。
- 遇到真实安装、文件修改、网络访问、性能或兼容性问题时，转入 risk_card 和 boundaries.runtime_required。

### 任务路由

- **命令行启动或安装流程**：先说明这是安装后验证能力，再给出安装前检查清单。 边界：必须真实安装或运行后验证。 证据：`README.md` Claim：`clm_0001` supported 0.86

### 上下文规模

- 文件总数：129
- 重要文件覆盖：40/129
- 证据索引条目：77
- 角色 / Skill 条目：30

### 证据不足时的处理

- **missing_evidence**：说明证据不足，要求用户提供目标文件、README 段落或安装后验证记录；不要补全事实。
- **out_of_scope_request**：说明该任务超出当前 AI Context Pack 证据范围，并建议用户先查看 Human Manual 或真实安装后验证。
- **runtime_request**：给出安装前检查清单和命令来源，但不要替用户执行命令或声称已执行。
- **source_conflict**：同时展示冲突来源，标记为待核实，不要强行选择一个版本。

## Prompt Recipes

### 适配判断

- 目标：判断这个项目是否适合用户当前任务。
- 预期输出：适配结论、关键理由、证据引用、安装前可预览内容、必须安装后验证内容、下一步建议。

```text
请基于 owl 的 AI Context Pack，先问我 3 个必要问题，然后判断它是否适合我的任务。回答必须包含：适合谁、能做什么、不能做什么、是否值得安装、证据来自哪里。所有项目事实必须引用 evidence_refs、source_paths 或 claim_id。
```

### 安装前体验

- 目标：让用户在安装前感受核心工作流，同时避免把预览包装成真实能力或营销承诺。
- 预期输出：一段带边界标签的体验剧本、安装后验证清单和谨慎建议；不含真实运行承诺或强营销表述。

```text
请把 owl 当作安装前体验资产，而不是已安装工具或真实运行环境。

请严格输出四段：
1. 先问我 3 个必要问题。
2. 给出一段“体验剧本”：用 [安装前可预览]、[必须安装后验证]、[证据不足] 三种标签展示它可能如何引导工作流。
3. 给出安装后验证清单：列出哪些能力只有真实安装、真实宿主加载、真实项目运行后才能确认。
4. 给出谨慎建议：只能说“值得继续研究/试装”“先补充信息后再判断”或“不建议继续”，不得替项目背书。

硬性边界：
- 不要声称已经安装、运行、执行测试、修改文件或产生真实结果。
- 不要写“自动适配”“确保通过”“完美适配”“强烈建议安装”等承诺性表达。
- 如果描述安装后的工作方式，必须使用“如果安装成功且宿主正确加载 Skill，它可能会……”这种条件句。
- 体验剧本只能写成“示例台词/假设流程”：使用“可能会询问/可能会建议/可能会展示”，不要写“已写入、已生成、已通过、正在运行、正在生成”。
- Prompt Preview 不负责给安装命令；如用户准备试装，只能提示先阅读 Quick Start 和 Risk Card，并在隔离环境验证。
- 所有项目事实必须来自 supported claim、evidence_refs 或 source_paths；inferred/unverified 只能作风险或待确认项。

```

### 角色 / Skill 选择

- 目标：从项目里的角色或 Skill 中挑选最匹配的资产。
- 预期输出：候选角色或 Skill 列表，每项包含适用场景、证据路径、风险边界和是否需要安装后验证。

```text
请读取 role_skill_index，根据我的目标任务推荐 3-5 个最相关的角色或 Skill。每个推荐都要说明适用场景、可能输出、风险边界和 evidence_refs。
```

### 风险预检

- 目标：安装或引入前识别环境、权限、规则冲突和质量风险。
- 预期输出：环境、权限、依赖、许可、宿主冲突、质量风险和未知项的检查清单。

```text
请基于 risk_card、boundaries 和 quick_start_candidates，给我一份安装前风险预检清单。不要替我执行命令，只说明我应该检查什么、为什么检查、失败会有什么影响。
```

### 宿主 AI 开工指令

- 目标：把项目上下文转成一次对话开始前的宿主 AI 指令。
- 预期输出：一段边界明确、证据引用明确、适合复制给宿主 AI 的开工前指令。

```text
请基于 owl 的 AI Context Pack，生成一段我可以粘贴给宿主 AI 的开工前指令。这段指令必须遵守 not_runtime=true，不能声称项目已经安装、运行或产生真实结果。
```

## 角色 / Skill 索引

- 共索引 30 个角色 / Skill / 项目文档条目。

- **📋 Table of Contents**（project_doc）：🦉 OWL: Optimized Workforce Learning for General Multi-Agent Assistance in Real-World Task Automation 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`README.md`
- **🏡 CAMEL-AI + MCP: Airbnb Use Case**（project_doc）：This example demonstrates how to use the CAMEL-AI OWL framework https://github.com/camel-ai/owl and MCP Model Context Protocol to search for Airbnb listings using a custom MCP server @openbnb/mcp-server-airbnb . Agents in the OWL framework coordinate to perform tool-augmented travel research in a structured, automated way. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/Airbnb-MCP/README.md`
- **Autonomous Website Scraping with OWL + FireCrawl MCP**（project_doc）：Autonomous Website Scraping with OWL + FireCrawl MCP 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/Mcp_use_case/Readme.md`
- **Notion Integration with OWL**（project_doc）：This project demonstrates the integration of Notion with OWL Optimized Workforce Learning using the official Notion MCP server. It provides automated interaction with Notion workspaces through AI agents. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/Notion-MCP/README.md`
- **🦉 Interview Preparation Assistant**（project_doc）：An intelligent multi-agent interview preparation system powered by the OWL framework that helps you prepare for job interviews with comprehensive research, tailored questions, and detailed preparation plans. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/OWL Interview Preparation Assistant/README.md`
- **🚀 Collaborative Multi-Agent AI System**（project_doc）：🚀 Collaborative Multi-Agent AI System 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/PHI_Sanitization_Summarization_and_Article_Writing/readme.md`
- **🤖 Puppeteer Task Runner Streamlit + CAMEL-AI + MCP**（project_doc）：🤖 Puppeteer Task Runner Streamlit + CAMEL-AI + MCP 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/Puppeteer MCP/README.md`
- **OWL WhatsApp MCP Integration**（project_doc）：This project demonstrates a use case connecting OWL from CAMEL-AI.org https://camel-ai.org with the WhatsApp MCP Server . It enables fully automated, agentic replies within messaging apps—without needing predefined workflows or manual tool selection. Simply send a plain message and let the system handle the rest. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/Whatsapp-MCP/README.md`
- **📋 项目简介**（project_doc）：基于OWL/camel框架的多代理A股投资分析系统，使用Camel框架实现。 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/a_share_investment_agent_camel/README.md`
- **Personal Dietician**（project_doc）：This code example searches for recipes on the internet based on the ingredients you have, refines the content based on a dieterary restriction and generates shopping lists. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/cooking-assistant/README.md`
- **Excel Analyzer**（project_doc）：This project uses Owl for data analysis and visualization. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/excel_analyzer/README.md`
- **Learning Assistant**（project_doc）：This code example searches the internet for relevant learning materials depending on the user's knowledge level and devises a concrete learning roadmap all tailored to the user. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/learning-assistant/README.md`
- **🚀 OWL with Qwen3 MCP Integration**（project_doc）：This project demonstrates how to use the CAMEL-AI OWL framework https://github.com/camel-ai/owl with Qwen3 large language model through MCP Model Context Protocol . The example showcases improved terminal output formatting, markdown log generation, and seamless integration with MCP servers. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/qwen3_mcp/README.md`
- **Resume Assistant**（project_doc）：This code example demonstrates an resume analysis assistant that evaluates candidate resumes against a specific job description for AI/ML Engineer positions. The assistant analyzes multiple resumes, scores candidates based on various criteria, and provides comprehensive hiring recommendations. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/resume-analysis-assistant/README.md`
- **📈 Stock Analysis Agent**（project_doc）：Intelligent Stock Analysis Agent Based on 🦉OWL Framework 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/stock-analysis/README.md`
- **Virtual Fitting Room**（project_doc）：This code example can automatically search for suitable trending products from your designated websites e.g. Uniqlo and show you realistic try-on effects with different virtual models you can also use your own photo as the model to get a more intuitive try-on experience . 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/virtual_fitting_room/readme.md`
- **OWL项目Docker使用指南**（project_doc）：- 安装 Docker https://docs.docker.com/get-docker/ - 安装 Docker Compose https://docs.docker.com/compose/install/ 推荐v2.x版本 - 获取必要的API密钥（OpenAI API等） 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`.container/DOCKER_README.md`
- **OWL Project Docker Usage Guide**（project_doc）：This document provides detailed instructions on how to run the OWL project using Docker. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`.container/DOCKER_README_en.md`
- **📋 目次**（project_doc）：🦉 OWL: 労働力学習の最適化による、現実世界のタスク自動化における一般的なマルチエージェント支援 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`README_ja.md`
- **📋 目录**（project_doc）：🦉 OWL: Optimized Workforce Learning for General Multi-Agent Assistance in Real-World Task Automation 🦉 OWL: 优化劳动力学习的通用智能体，用于处理现实世界的自动化任务 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`README_zh.md`
- **🧩 Community Agent Challenges**（project_doc）：Welcome to the OWL Community Challenges hub! This is where creative minds come together to craft interesting, innovative, and thought-provoking challenges for AI agents. Got an idea for a task that would really put an AI to the test? We want to hear from you! 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_challenges.md`
- **🦉 OWL Community Call for Use Cases**（project_doc）：🦉 OWL Community Call for Use Cases 🦉 OWL 社区用例征集令 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/COMMUNITY_CALL_FOR_USE_CASES.md`
- **🦉 Interview Preparation Assistant: AI-Powered Interview Success**（project_doc）：🦉 Interview Preparation Assistant: AI-Powered Interview Success 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/OWL Interview Preparation Assistant/PROJECT_DESCRIPTION.md`
- **📋 Project Introduction**（project_doc）：A multi-agent A-share investment analysis system based on OWL/camel framework, implemented using the Camel framework. 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/a_share_investment_agent_camel/README_EN.md`
- **Excel Analyzer**（project_doc）：Features - 提供了英文，中文两个版本的原始数据和prompt，方便理解 - 使用 CodeExecutionToolkit ， ExcelToolkit ， FileWriteToolkit 来完成相关工作 - 在 OwlRolePlaying 基础之上实现了 ExcelRolePalying ，它重写了system prompt，更简洁，聚焦在数据分析场景 - 经过测试，在 gpt-4o 和 deepseek-v3 下均可以达到预期效果 - 对该excel进行分析和可视化时涉及到的内容有： - 复杂表头（合并行） - 缺失值处理 - 复杂的分组计算 - 可视化 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/excel_analyzer/README_zh.md`
- **Resume Analysis for AI/ML Engineer Position**（project_doc）：Resume Analysis for AI/ML Engineer Position 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/resume-analysis-assistant/resume_analysis.md`
- **📈 Stock Analysis Agent**（project_doc）：基于 🦉OWL 框架的股票分析的智能体，通过对股票的分析，为用户提供股票的分析报告，包括股票的基本信息、股票的技术指标、股票的风险指标、股票的投资建议等。 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/stock-analysis/README-zh.md`
- **Alibaba Investment Analysis Report**（project_doc）：1. Company Overview and Business Model 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/stock-analysis/example/Alibaba/Alibaba_investment_analysis.md`
- **Apple Inc. AAPL Comprehensive Investment Analysis Report**（project_doc）：Apple Inc. AAPL Comprehensive Investment Analysis Report Current Analysis Date: 2025-03-30 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/stock-analysis/example/Apple/Apple_investment_analysis.md`
- **Google Alphabet Inc. Investment Analysis Report**（project_doc）：Google Alphabet Inc. Investment Analysis Report 激活提示：当用户需要理解项目结构、安装方式或边界时参考。 证据：`community_usecase/stock-analysis/example/Google/Google_investment_analysis.md`

## 证据索引

- 共索引 77 条证据。

- **📋 Table of Contents**（documentation）：🦉 OWL: Optimized Workforce Learning for General Multi-Agent Assistance in Real-World Task Automation 证据：`README.md`
- **🏡 CAMEL-AI + MCP: Airbnb Use Case**（documentation）：This example demonstrates how to use the CAMEL-AI OWL framework https://github.com/camel-ai/owl and MCP Model Context Protocol to search for Airbnb listings using a custom MCP server @openbnb/mcp-server-airbnb . Agents in the OWL framework coordinate to perform tool-augmented travel research in a structured, automated way. 证据：`community_usecase/Airbnb-MCP/README.md`
- **Autonomous Website Scraping with OWL + FireCrawl MCP**（documentation）：Autonomous Website Scraping with OWL + FireCrawl MCP 证据：`community_usecase/Mcp_use_case/Readme.md`
- **Notion Integration with OWL**（documentation）：This project demonstrates the integration of Notion with OWL Optimized Workforce Learning using the official Notion MCP server. It provides automated interaction with Notion workspaces through AI agents. 证据：`community_usecase/Notion-MCP/README.md`
- **🦉 Interview Preparation Assistant**（documentation）：An intelligent multi-agent interview preparation system powered by the OWL framework that helps you prepare for job interviews with comprehensive research, tailored questions, and detailed preparation plans. 证据：`community_usecase/OWL Interview Preparation Assistant/README.md`
- **🚀 Collaborative Multi-Agent AI System**（documentation）：🚀 Collaborative Multi-Agent AI System 证据：`community_usecase/PHI_Sanitization_Summarization_and_Article_Writing/readme.md`
- **🤖 Puppeteer Task Runner Streamlit + CAMEL-AI + MCP**（documentation）：🤖 Puppeteer Task Runner Streamlit + CAMEL-AI + MCP 证据：`community_usecase/Puppeteer MCP/README.md`
- **OWL WhatsApp MCP Integration**（documentation）：This project demonstrates a use case connecting OWL from CAMEL-AI.org https://camel-ai.org with the WhatsApp MCP Server . It enables fully automated, agentic replies within messaging apps—without needing predefined workflows or manual tool selection. Simply send a plain message and let the system handle the rest. 证据：`community_usecase/Whatsapp-MCP/README.md`
- **📋 项目简介**（documentation）：基于OWL/camel框架的多代理A股投资分析系统，使用Camel框架实现。 证据：`community_usecase/a_share_investment_agent_camel/README.md`
- **Personal Dietician**（documentation）：This code example searches for recipes on the internet based on the ingredients you have, refines the content based on a dieterary restriction and generates shopping lists. 证据：`community_usecase/cooking-assistant/README.md`
- **Excel Analyzer**（documentation）：This project uses Owl for data analysis and visualization. 证据：`community_usecase/excel_analyzer/README.md`
- **Learning Assistant**（documentation）：This code example searches the internet for relevant learning materials depending on the user's knowledge level and devises a concrete learning roadmap all tailored to the user. 证据：`community_usecase/learning-assistant/README.md`
- **🚀 OWL with Qwen3 MCP Integration**（documentation）：This project demonstrates how to use the CAMEL-AI OWL framework https://github.com/camel-ai/owl with Qwen3 large language model through MCP Model Context Protocol . The example showcases improved terminal output formatting, markdown log generation, and seamless integration with MCP servers. 证据：`community_usecase/qwen3_mcp/README.md`
- **Resume Assistant**（documentation）：This code example demonstrates an resume analysis assistant that evaluates candidate resumes against a specific job description for AI/ML Engineer positions. The assistant analyzes multiple resumes, scores candidates based on various criteria, and provides comprehensive hiring recommendations. 证据：`community_usecase/resume-analysis-assistant/README.md`
- **📈 Stock Analysis Agent**（documentation）：Intelligent Stock Analysis Agent Based on 🦉OWL Framework 证据：`community_usecase/stock-analysis/README.md`
- **Virtual Fitting Room**（documentation）：This code example can automatically search for suitable trending products from your designated websites e.g. Uniqlo and show you realistic try-on effects with different virtual models you can also use your own photo as the model to get a more intuitive try-on experience . 证据：`community_usecase/virtual_fitting_room/readme.md`
- **========= Copyright 2023-2024 @ CAMEL-AI.org. All Rights Reserved. =========**（source_file）：========= Copyright 2023-2024 @ CAMEL-AI.org. All Rights Reserved. ========= Licensed under the Apache License, Version 2.0 the "License" ; you may not use this file except in compliance with the License. You may obtain a copy of the License at http://www.apache.org/licenses/LICENSE-2.0 Unless required by applicable law or agreed to in writing, software distributed under the License is distributed on an "AS IS" BASIS, WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. See the License for the specific language governing permissions and limitations under the License. ========= Copyright 2023-2024 @ CAMEL-AI.org. All Rights Reserved. ========= 证据：`licenses/LICENSE`
- **License**（source_file）：Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files the "Software" , to deal in the Software without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons to whom the Software is furnished to do so, subject to the following conditions: 证据：`community_usecase/a_share_investment_agent_camel/LICENSE`
- **OWL项目Docker使用指南**（documentation）：- 安装 Docker https://docs.docker.com/get-docker/ - 安装 Docker Compose https://docs.docker.com/compose/install/ 推荐v2.x版本 - 获取必要的API密钥（OpenAI API等） 证据：`.container/DOCKER_README.md`
- **Init**（source_file）：version = "0.1.0" 证据：`community_usecase/a_share_investment_agent_camel/src/__init__.py`
- **Init**（source_file）：all = 证据：`community_usecase/a_share_investment_agent_camel/src/agents/__init__.py`
- **尝试直接解析**（source_file）：class BaseAgent ABC ⋮---- def init self, role agent: ChatAgent, show reasoning: bool = False, model name: str = "gemini" def log message self, message: BaseMessage - None def format data self, data: Dict str, Any - str ⋮---- """格式化数据为字符串 Args: data: 要格式化的数据 Returns: str: 格式化后的字符串 """ ⋮---- def parse json response self, response: str - Dict str, Any ⋮---- """从响应中解析JSON 尝试从响应文本中提取JSON数据，处理各种边缘情况 Args: response: 响应文本 Returns: Dict str, Any : 解析后的JSON数据 """ ⋮---- 尝试直接解析 ⋮---- 尝试从Markdown代码块中提取JSON json pattern = r" " matches = re.findall json pattern, response ⋮---- 尝试找到大括号包裹的内容 brace pattern = r"\{ \s\S \}" matches = re.findall brace pattern, response ⋮---- 如果所有尝试都失败，返回空字典并记录错误 ⋮---- @abstract… 证据：`community_usecase/a_share_investment_agent_camel/src/agents/base_agent.py`
- **提取股票基本信息**（source_file）：class DebateRoomAgent BaseAgent ⋮---- def init self, show reasoning: bool = False, model name: str = "gemini" ⋮---- role agent = create role agent "debate room", model name ⋮---- def process self, data: Dict str, Any - Dict str, Any ⋮---- stock data = data.get "stock data" bull research = data.get "bull research" bear research = data.get "bear research" ⋮---- 提取股票基本信息 ticker = stock data.ticker 组织研究报告数据 debate data = { prompt = f"""请作为辩论室主持人，整合多头和空头研究员对股票 {ticker} 的观点，形成一个平衡的投资视角。 analysis result = self. process data with agent prompt, debate data debate result = self. create debate signal analysis result, ticker ⋮---- 返回默认辩论结果 default signal = AnalysisSignal ⋮---- def create debate signal… 证据：`community_usecase/a_share_investment_agent_camel/src/agents/debate_room.py`
- **提取基本面数据和历史数据**（source_file）：def init self, show reasoning: bool = False, model name: str = "gemini" ⋮---- role agent = create role agent "fundamentals analyst", model name ⋮---- stock data = data.get "stock data" ⋮---- 提取基本面数据和历史数据 fundamental data = stock data.fundamental data historical data = stock data.historical data 使用代理处理数据分析请求 证据：`community_usecase/a_share_investment_agent_camel/src/agents/fundamentals_analyst.py`
- **格式化数据**（source_file）：class InvestmentAgent BaseAgent ⋮---- def init self, show reasoning: bool = False, model name: str = "gemini" ⋮---- role agent = create role agent "investment analyst", model name ⋮---- def process self, data: Dict str, Any - Dict str, Any ⋮---- stock data = data.get "stock data" ⋮---- ticker = stock data.ticker fundamental data = stock data.fundamental data historical data = fundamental data.get "historical data", financial trends = fundamental data.get "trends", {} prompt = f"""你是一位专业的投资分析师，请根据以下数据对股票 {ticker} 进行全面的投资分析和推荐： analysis input = { analysis result = self. process data with agent prompt, analysis input recommendation = self. extract recommendation analysis result ⋮---- def proce… 证据：`community_usecase/a_share_investment_agent_camel/src/agents/investment_agent.py`
- **获取历史价格数据**（source_file）：class MarketDataAgent BaseAgent ⋮---- def init self, show reasoning: bool = False, model name: str = "gemini" ⋮---- role agent = create role agent "market data analyst", model name ⋮---- def process self, data: Dict str, Any - Dict str, Any ⋮---- ticker = data.get "ticker" start date = data.get "start date" end date = data.get "end date" num of news = data.get "num of news", 5 ⋮---- 获取历史价格数据 historical data = self. get historical data ticker, start date, end date 计算技术指标 technical indicators = self. calculate technical indicators historical data 获取财务数据 fundamental data = self. get financial data ticker 获取新闻数据 news data = self. get news data ticker, num of news 创建股票数据对象 stock data = StockData… 证据：`community_usecase/a_share_investment_agent_camel/src/agents/market_data_agent.py`
- **提取股票基本信息**（source_file）：class ResearcherBearAgent BaseAgent ⋮---- def init self, show reasoning: bool = False, model name: str = "gemini" ⋮---- role agent = create role agent "researcher bear", model name ⋮---- def process self, data: Dict str, Any - Dict str, Any ⋮---- stock data = data.get "stock data" technical analysis = data.get "technical analysis" fundamentals analysis = data.get "fundamentals analysis" sentiment analysis = data.get "sentiment analysis" valuation analysis = data.get "valuation analysis" ⋮---- 提取股票基本信息 ticker = stock data.ticker 组织各种分析结果 analysis data = { prompt = f"""请作为持有看空观点的研究员，寻找支持卖出股票 {ticker} 的最有力证据和论据。 analysis result = self. process data with agent prompt, analysis data bear researc… 证据：`community_usecase/a_share_investment_agent_camel/src/agents/researcher_bear.py`
- **提取股票基本信息**（source_file）：class ResearcherBullAgent BaseAgent ⋮---- def init self, show reasoning: bool = False, model name: str = "gemini" ⋮---- role agent = create role agent "researcher bull", model name ⋮---- def process self, data: Dict str, Any - Dict str, Any ⋮---- stock data = data.get "stock data" technical analysis = data.get "technical analysis" fundamentals analysis = data.get "fundamentals analysis" sentiment analysis = data.get "sentiment analysis" valuation analysis = data.get "valuation analysis" ⋮---- 提取股票基本信息 ticker = stock data.ticker 组织各种分析结果 analysis data = { prompt = f"""请作为持有看多观点的研究员，寻找支持买入股票 {ticker} 的最有力证据和论据。 analysis result = self. process data with agent prompt, analysis data bull researc… 证据：`community_usecase/a_share_investment_agent_camel/src/agents/researcher_bull.py`
- **Models**（source_file）：class StockData BaseModel ⋮---- ticker: str historical data: Dict str, Any = Field default factory=dict fundamental data: Dict str, Any = Field default factory=dict technical indicators: Dict str, Any = Field default factory=dict news data: Dict str, Any = Field default factory=dict class AnalysisSignal BaseModel ⋮---- agent: str signal: str confidence: float reasoning: Optional str = None details: Optional Dict str, Any = None class DateTimeEncoder json.JSONEncoder ⋮---- def default self, obj class TradingDecision BaseModel ⋮---- action: str quantity: int ⋮---- agent signals: List AnalysisSignal reasoning: str timestamp: Optional datetime = None def init self, data def dict self ⋮---- base… 证据：`community_usecase/a_share_investment_agent_camel/src/models.py`
- **Init**（source_file）：all = 证据：`owl/utils/__init__.py`
- **Enhanced Role Playing**（source_file）：logger = get logger name class OwlRolePlaying RolePlaying ⋮---- def init self, kwargs ⋮---- r"""Initialize assistant and user agents with their system messages. Args: init assistant sys msg BaseMessage : Assistant agent's initial system message. init user sys msg BaseMessage : User agent's initial system message. assistant agent kwargs Dict, optional : Additional arguments to pass to the assistant agent. default: :obj: None user agent kwargs Dict, optional : Additional arguments to pass to the user agent. default: :obj: None output language str, optional : The language to be output by the agents. default: :obj: None """ ⋮---- assistant agent kwargs = {"model": self.model} ⋮---- user agent k… 证据：`owl/utils/enhanced_role_playing.py`
- **OWL Project Docker Usage Guide**（documentation）：This document provides detailed instructions on how to run the OWL project using Docker. 证据：`.container/DOCKER_README_en.md`
- **📋 目次**（documentation）：🦉 OWL: 労働力学習の最適化による、現実世界のタスク自動化における一般的なマルチエージェント支援 证据：`README_ja.md`
- **📋 目录**（documentation）：🦉 OWL: Optimized Workforce Learning for General Multi-Agent Assistance in Real-World Task Automation 🦉 OWL: 优化劳动力学习的通用智能体，用于处理现实世界的自动化任务 证据：`README_zh.md`
- **🧩 Community Agent Challenges**（documentation）：Welcome to the OWL Community Challenges hub! This is where creative minds come together to craft interesting, innovative, and thought-provoking challenges for AI agents. Got an idea for a task that would really put an AI to the test? We want to hear from you! 证据：`community_challenges.md`
- **🦉 OWL Community Call for Use Cases**（documentation）：🦉 OWL Community Call for Use Cases 🦉 OWL 社区用例征集令 证据：`community_usecase/COMMUNITY_CALL_FOR_USE_CASES.md`
- **🦉 Interview Preparation Assistant: AI-Powered Interview Success**（documentation）：🦉 Interview Preparation Assistant: AI-Powered Interview Success 证据：`community_usecase/OWL Interview Preparation Assistant/PROJECT_DESCRIPTION.md`
- **📋 Project Introduction**（documentation）：A multi-agent A-share investment analysis system based on OWL/camel framework, implemented using the Camel framework. 证据：`community_usecase/a_share_investment_agent_camel/README_EN.md`
- **Excel Analyzer**（documentation）：Features - 提供了英文，中文两个版本的原始数据和prompt，方便理解 - 使用 CodeExecutionToolkit ， ExcelToolkit ， FileWriteToolkit 来完成相关工作 - 在 OwlRolePlaying 基础之上实现了 ExcelRolePalying ，它重写了system prompt，更简洁，聚焦在数据分析场景 - 经过测试，在 gpt-4o 和 deepseek-v3 下均可以达到预期效果 - 对该excel进行分析和可视化时涉及到的内容有： - 复杂表头（合并行） - 缺失值处理 - 复杂的分组计算 - 可视化 证据：`community_usecase/excel_analyzer/README_zh.md`
- **Resume Analysis for AI/ML Engineer Position**（documentation）：Resume Analysis for AI/ML Engineer Position 证据：`community_usecase/resume-analysis-assistant/resume_analysis.md`
- **📈 Stock Analysis Agent**（documentation）：基于 🦉OWL 框架的股票分析的智能体，通过对股票的分析，为用户提供股票的分析报告，包括股票的基本信息、股票的技术指标、股票的风险指标、股票的投资建议等。 证据：`community_usecase/stock-analysis/README-zh.md`
- **Alibaba Investment Analysis Report**（documentation）：1. Company Overview and Business Model 证据：`community_usecase/stock-analysis/example/Alibaba/Alibaba_investment_analysis.md`
- **Apple Inc. AAPL Comprehensive Investment Analysis Report**（documentation）：Apple Inc. AAPL Comprehensive Investment Analysis Report Current Analysis Date: 2025-03-30 证据：`community_usecase/stock-analysis/example/Apple/Apple_investment_analysis.md`
- **Google Alphabet Inc. Investment Analysis Report**（documentation）：Google Alphabet Inc. Investment Analysis Report 证据：`community_usecase/stock-analysis/example/Google/Google_investment_analysis.md`
- **Mcp Servers Config**（structured_config）：{ "mcpServers": { "airbnb": { "command": "npx", "args": "-y", "@openbnb/mcp-server-airbnb", "--ignore-robots-txt" } } } 证据：`community_usecase/Airbnb-MCP/mcp_servers_config.json`
- **Mcp Servers Config**（structured_config）：{ "mcpServers": { "desktop-commander": { "command": "npx", "args": "-y", "@wonderwhy-er/desktop-commander" }, 证据：`community_usecase/Mcp_use_case/mcp_servers_config.json`
- **Mcp Servers Config**（structured_config）：{ "mcpServers": { "notionApi": { "command": "npx", "args": "-y", "@notionhq/notion-mcp-server" , "env": { "OPENAPI MCP HEADERS": "{\"Authorization\": \"Bearer ntn \", \"Notion-Version\": \"2022-06-28\" }" } } } } 证据：`community_usecase/Notion-MCP/mcp_servers_config.json`
- **Mcp Servers Config**（structured_config）：{ "mcpServers": { "puppeteer": { "command": "npx", "args": "-y", "@modelcontextprotocol/server-puppeteer" } } } 证据：`community_usecase/Puppeteer MCP/mcp_servers_config.json`
- **Mcp Servers Config**（structured_config）：{ "mcpServers": { "whatsapp": { "command": "{{PATH TO UV}}", "args": "--directory", "{{PATH TO SRC}}/whatsapp-mcp/whatsapp-mcp-server", "run", "main.py" } } } 证据：`community_usecase/Whatsapp-MCP/mcp_servers_config.json`
- **Mcp Sse Config**（structured_config）：{ "mcpServers": { "edgeone-pages-mcp-server": { "command": "npx", "args": "edgeone-pages-mcp" }, "playwright": { "command": "npx", "args": "@playwright/mcp@latest" } } } 证据：`community_usecase/qwen3_mcp/mcp_sse_config.json`
- **Mcp Servers Config**（structured_config）：{ "mcpServers": { "pdf-reader": { "command": "docker", "args": "run", "-i", "--rm", "-v", "your/path/owl/community usecase/resume-analysis-assistant/resumes:/pdfs", "cr7258/pdf-reader" }, "filesystem": { "command": "npx", "args": "-y", "@modelcontextprotocol/server-filesystem", "your/path/owl/community usecase/resume-assistant/resumes" } } } 证据：`community_usecase/resume-analysis-assistant/mcp_servers_config.json`
- **Alibaba Chat History**（structured_config）：{ "user": "Instruction: Use search tools to gather general company background, industry position, and recent news about Alibaba Group. Focus on obtaining information about their business segments, market share, competitive advantages, and any significant recent developments. \nInput: None", "assistant": "Solution: \n\n Company Background and Industry Position of Alibaba Group\n\n 1. Business Segments \nAlibaba Group operates through several key business segments, each contributing to its diversified revenue streams:\n- Core Commerce : Includes Taobao C2C marketplace , Tmall B2C platform , and AliExpress global retail . This segment is the largest revenue driver.\n- Cloud Computing : Alibaba… 证据：`community_usecase/stock-analysis/example/Alibaba/Alibaba_chat_history.json`
- **Apple Chat History**（structured_config）：{ "user": "Instruction: Use search tools to gather general company background, industry position, and recent news about Apple Inc. \nInput: None", "assistant": "Solution: I have gathered the following search results related to Apple Inc.'s company background, industry position, and recent news for 2025. However, the descriptions are not available in the search results. Here are the links to the relevant pages:\n\n1. Apple Inc. Q3 2025 Growth Potential http://www.baidu.com/link?url=IjTatsSCG8GcSRpgEiSaPQARtuJsK0wiSZAX7bqzz2vXPVg4PDz0h8v51I-sQ Yp1qBjvOtsYBKPzMg3wuaMR \n2. Apple Inc. Q2 2025 Revenue Decline in Greater China http://www.baidu.com/link?url=IjTatsSCG8GcSRpgEiSaPQARtuJsK0wiSZAX7bqz… 证据：`community_usecase/stock-analysis/example/Apple/Apple_chat_history.json`
- **Google Chat History**（structured_config）：{ "user": "Instruction: Use search tools to gather general company background information about Google Alphabet Inc. , including its history, business segments, and recent news developments. \nInput: None", "assistant": "Solution: I have gathered preliminary information about Google Alphabet Inc. from Baidu search results. Below is a summary of the findings:\n\n Company Background and History\n1. Investing.com provides a detailed company profile for Alphabet Inc. GOOGL , including its history and business segments. \n - Link to Investing.com http://www.baidu.com/link?url= rt93TrEHLY7lWS0qhGiGQcQEgdkIVPUm68W59KXaqPrqDWRfJ59qce-w2ZIqJ2J0w7EcVYNI91drgO64yQgx2uIzwg-7QaxVGGbMDnCti3yClLG61-kOBzJs… 证据：`community_usecase/stock-analysis/example/Google/Google_chat_history.json`
- **Git**（source_file）：Docker Dockerfile docker-compose.yml .dockerignore DOCKER README.md run in docker.sh 证据：`.container/.dockerignore`
- **Set environment variables**（source_file）：Set environment variables ENV PYTHONDONTWRITEBYTECODE=1 \ PYTHONUNBUFFERED=1 \ PIP NO CACHE DIR=0 \ PIP INDEX URL=https://pypi.tuna.tsinghua.edu.cn/simple \ PLAYWRIGHT DOWNLOAD HOST=https://npmmirror.com/mirrors/playwright \ PLAYWRIGHT BROWSERS PATH=/root/.cache/ms-playwright \ DEBIAN FRONTEND=noninteractive \ PATH="/app/.venv/bin:$PATH" 证据：`.container/Dockerfile`
- **Build Docker**（source_file）：@echo off chcp 65001 nul setlocal enabledelayedexpansion 证据：`.container/build_docker.bat`
- **设置Docker BuildKit环境变量 Set Docker BuildKit environment variables**（source_file）：CACHE DIR=".docker-cache/pip" BUILD ARGS="--build-arg BUILDKIT INLINE CACHE=1" COMPOSE FILE="docker-compose.yml" CLEAN CACHE=0 REBUILD=0 SERVICE="" 设置Docker BuildKit环境变量 Set Docker BuildKit environment variables export DOCKER BUILDKIT=1 export COMPOSE DOCKER CLI BUILD=1 解析命令行参数 Parse command line arguments while $ -gt 0 ; do case "$1" in --clean CLEAN CACHE=1 shift ;; --rebuild REBUILD=1 shift ;; --service SERVICE="$2" shift 2 ;; --help echo "用法 Usage: ./build docker.sh 选项 options " echo "选项 Options:" echo " --clean 清理缓存目录 Clean cache directory" echo " --rebuild 强制重新构建镜像 Force rebuild image" echo " --service 指定要构建的服务名称 Specify service name to build" echo " --help 显示此帮助信息 Show this help mess… 证据：`.container/build_docker.sh`
- **Check Docker**（source_file）：@echo off chcp 65001 nul echo 检查Docker环境... echo Checking Docker environment... 证据：`.container/check_docker.bat`
- **Check Docker**（source_file）：OS TYPE=$ uname -s echo "检测到操作系统 Detected OS: $OS TYPE" if ! command -v docker & /dev/null; then echo "错误 Error: Docker未安装 Docker not installed" if "$OS TYPE" == "Darwin" ; then echo "在macOS上安装Docker的方法 How to install Docker on macOS:" echo "1. 访问 Visit https://docs.docker.com/desktop/install/mac-install/ 下载Docker Desktop to download Docker Desktop" echo "2. 安装并启动Docker Desktop Install and start Docker Desktop" elif "$OS TYPE" == "Linux" ; then echo "在Linux上安装Docker的方法 How to install Docker on Linux:" echo "1. 运行以下命令 Run the following commands:" echo " sudo apt-get update" echo " sudo apt-get install docker.io docker-compose" echo "2. 启动Docker服务 Start Docker service:" echo " sudo systemctl… 证据：`.container/check_docker.sh`
- 其余 17 条证据见 `AI_CONTEXT_PACK.json` 或 `EVIDENCE_INDEX.json`。

## 宿主 AI 必须遵守的规则

- **把本资产当作开工前上下文，而不是运行环境。**：AI Context Pack 只包含证据化项目理解，不包含目标项目的可执行状态。 证据：`README.md`, `community_usecase/Airbnb-MCP/README.md`, `community_usecase/Mcp_use_case/Readme.md`
- **回答用户时区分可预览内容与必须安装后才能验证的内容。**：安装前体验的消费者价值来自降低误装和误判，而不是伪装成真实运行。 证据：`README.md`, `community_usecase/Airbnb-MCP/README.md`, `community_usecase/Mcp_use_case/Readme.md`

## 用户开工前应该回答的问题

- 你准备在哪个宿主 AI 或本地环境中使用它？
- 你只是想先体验工作流，还是准备真实安装？
- 你最在意的是安装成本、输出质量、还是和现有规则的冲突？

## 验收标准

- 所有能力声明都能回指到 evidence_refs 中的文件路径。
- AI_CONTEXT_PACK.md 没有把预览包装成真实运行。
- 用户能在 3 分钟内看懂适合谁、能做什么、如何开始和风险边界。

---

## Doramagic Context Augmentation

下面内容用于强化 Repomix/AI Context Pack 主体。Human Manual 只提供阅读骨架；踩坑日志会被转成宿主 AI 必须遵守的工作约束。

## Human Manual 骨架

使用规则：这里只是项目阅读路线和显著性信号，不是事实权威。具体事实仍必须回到 repo evidence / Claim Graph。

宿主 AI 硬性规则：
- 不得把页标题、章节顺序、摘要或 importance 当作项目事实证据。
- 解释 Human Manual 骨架时，必须明确说它只是阅读路线/显著性信号。
- 能力、安装、兼容性、运行状态和风险判断必须引用 repo evidence、source path 或 Claim Graph。

- **项目概览**：importance `high`
  - source_paths: README.md, community_usecase/Airbnb-MCP/README.md, community_usecase/Notion-MCP/README.md, community_usecase/OWL Interview Preparation Assistant/README.md, community_usecase/PHI_Sanitization_Summarization_and_Article_Writing/readme.md
- **Src 模块**：importance `high`
  - source_paths: community_usecase/a_share_investment_agent_camel/src/__init__.py, community_usecase/a_share_investment_agent_camel/src/agents/__init__.py, community_usecase/a_share_investment_agent_camel/src/agents/base_agent.py, community_usecase/a_share_investment_agent_camel/src/agents/debate_room.py, community_usecase/a_share_investment_agent_camel/src/agents/fundamentals_analyst.py
- **Agent 模块**：importance `high`
  - source_paths: community_usecase/stock-analysis/agent/sec_agent.py
- **Agents 模块**：importance `high`
  - source_paths: community_usecase/a_share_investment_agent_camel/src/agents/__init__.py, community_usecase/a_share_investment_agent_camel/src/agents/base_agent.py, community_usecase/a_share_investment_agent_camel/src/agents/debate_room.py, community_usecase/a_share_investment_agent_camel/src/agents/fundamentals_analyst.py, community_usecase/a_share_investment_agent_camel/src/agents/investment_agent.py

## Repo Inspection Evidence / 源码检查证据

- repo_clone_verified: true
- repo_inspection_verified: true
- repo_commit: `9dbcf271a889f04e23894cc928069617b4483815`
- inspected_files: `requirements.txt`, `uv.lock`, `pyproject.toml`, `README.md`, `examples/run.py`, `examples/run_groq.py`, `examples/__init__.py`, `examples/run_qwen.py`, `examples/run_gemini.py`, `examples/run_deepseek.py`, `examples/run_claude.py`, `examples/run_vllm.py`

宿主 AI 硬性规则：
- 没有 repo_clone_verified=true 时，不得声称已经读过源码。
- 没有 repo_inspection_verified=true 时，不得把 README/docs/package 文件判断写成事实。
- 没有 quick_start_verified=true 时，不得声称 Quick Start 已跑通。

## Doramagic Pitfall Constraints / 踩坑约束

这些规则来自 Doramagic 发现、验证或编译过程中的项目专属坑点。宿主 AI 必须把它们当作工作约束，而不是普通说明文字。

### Constraint 1: 来源证据：SSRF in DocumentProcessingToolkit: agent document/URL tool fetches arbitrary URLs with no filtering

- Trigger: GitHub 社区证据显示该项目存在一个运行相关的待验证问题：SSRF in DocumentProcessingToolkit: agent document/URL tool fetches arbitrary URLs with no filtering
- Why it matters: 可能增加新用户试用和生产接入成本。
- Evidence: community_evidence:github | https://github.com/camel-ai/owl/issues/615 | 来源讨论提到 python 相关条件，需在安装/试用前复核。
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 2: 来源证据：Firefox-based stealth backend for BrowserToolkit (interest check)

- Trigger: GitHub 社区证据显示该项目存在一个安装相关的待验证问题：Firefox-based stealth backend for BrowserToolkit (interest check)
- Why it matters: 可能增加新用户试用和生产接入成本。
- Evidence: community_evidence:github | https://github.com/camel-ai/owl/issues/613 | 来源类型 github_issue 暴露的待验证使用条件。
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 3: 来源证据：[Dependency Alert] CVE-2022-24439 in gitpython@3.1.9 — fix: /home/user/clones/camel-ai__owl/community_usecase/Puppeteer…

- Trigger: GitHub 社区证据显示该项目存在一个安装相关的待验证问题：[Dependency Alert] CVE-2022-24439 in gitpython@3.1.9 — fix: /home/user/clones/camel-ai__owl/community_usecase/Puppeteer MCP/requirements.txt
- Host AI rule: 来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。
- Why it matters: 可能影响升级、迁移或版本选择。
- Evidence: community_evidence:github | https://github.com/camel-ai/owl/issues/608 | 来源讨论提到 python 相关条件，需在安装/试用前复核。
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 4: 来源证据：[Dependency Alert] CVE-2024-12366 in pandasai@2.4.2 — fix: /home/user/clones/camel-ai__owl/community_usecase/stock-anal…

- Trigger: GitHub 社区证据显示该项目存在一个安装相关的待验证问题：[Dependency Alert] CVE-2024-12366 in pandasai@2.4.2 — fix: /home/user/clones/camel-ai__owl/community_usecase/stock-analysis/requirements.txt
- Host AI rule: 来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。
- Why it matters: 可能影响升级、迁移或版本选择。
- Evidence: community_evidence:github | https://github.com/camel-ai/owl/issues/610 | 来源类型 github_issue 暴露的待验证使用条件。
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 5: 来源证据：[Dependency Alert] CVE-2024-48063 in torch@2.4.1 — fix: /home/user/clones/camel-ai__owl/community_usecase/stock-analysi…

- Trigger: GitHub 社区证据显示该项目存在一个安装相关的待验证问题：[Dependency Alert] CVE-2024-48063 in torch@2.4.1 — fix: /home/user/clones/camel-ai__owl/community_usecase/stock-analysis/requirements.txt
- Host AI rule: 来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。
- Why it matters: 可能影响升级、迁移或版本选择。
- Evidence: community_evidence:github | https://github.com/camel-ai/owl/issues/611 | 来源类型 github_issue 暴露的待验证使用条件。
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 6: 来源证据：[Dependency Alert] CVE-2025-64712 in unstructured@0.16.20 — fix: 0.18.18

- Trigger: GitHub 社区证据显示该项目存在一个安装相关的待验证问题：[Dependency Alert] CVE-2025-64712 in unstructured@0.16.20 — fix: 0.18.18
- Why it matters: 可能影响升级、迁移或版本选择。
- Evidence: community_evidence:github | https://github.com/camel-ai/owl/issues/612 | 来源类型 github_issue 暴露的待验证使用条件。
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 7: 能力判断依赖假设

- Trigger: README/documentation is current enough for a first validation pass.
- Host AI rule: 将假设转成下游验证清单。
- Why it matters: 假设不成立时，用户拿不到承诺的能力。
- Evidence: capability.assumptions | https://github.com/camel-ai/owl | README/documentation is current enough for a first validation pass.
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 8: 来源证据：Bug: astep() returns unmodified messages — discards all injected task context

- Trigger: GitHub 社区证据显示该项目存在一个维护/版本相关的待验证问题：Bug: astep() returns unmodified messages — discards all injected task context
- Host AI rule: 来源显示可能已有修复、规避或版本变化，说明书中必须标注适用版本。
- Why it matters: 可能增加新用户试用和生产接入成本。
- Evidence: community_evidence:github | https://github.com/camel-ai/owl/issues/596 | 来源讨论提到 python 相关条件，需在安装/试用前复核。
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

### Constraint 9: 维护活跃度未知

- Trigger: 未记录 last_activity_observed。
- Host AI rule: 补 GitHub 最近 commit、release、issue/PR 响应信号。
- Why it matters: 新项目、停更项目和活跃项目会被混在一起，推荐信任度下降。
- Evidence: evidence.maintainer_signals | https://github.com/camel-ai/owl | last_activity_observed missing
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。

- Trigger: no_demo
- Evidence: downstream_validation.risk_items | https://github.com/camel-ai/owl | no_demo; severity=medium
- Hard boundary: 不要把这个坑点包装成已解决、已验证或可忽略，除非后续验证证据明确证明它已经关闭。