# praisonai - 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 praisonai 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 - **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 - **希望把专业流程带进宿主 AI 的用户**：仓库包含 Skill 文档。 证据：`examples/skills/pdf-processing/SKILL.md` Claim：`clm_0004` supported 0.86 ## 它能做什么 - **AI Skill / Agent 指令资产库**（可做安装前预览）：项目包含可被宿主 AI 读取的 Skill 或 Agent 指令文件，可用于把专业流程带入 Claude、Codex、Cursor 等宿主。 证据：`examples/skills/pdf-processing/SKILL.md` Claim：`clm_0001` supported 0.86 - **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_0002` supported 0.86 ## 怎么开始 - `curl -fsSL https://praison.ai/install.sh | bash` 证据：`README.md` Claim：`clm_0005` supported 0.86 - `pip install praisonai` 证据：`README.md` Claim：`clm_0006` supported 0.86, `clm_0007` supported 0.86, `clm_0009` supported 0.86, `clm_0010` supported 0.86 等 - `pip install praisonaiagents` 证据：`README.md` Claim：`clm_0007` supported 0.86 - `npm install praisonai` 证据：`README.md` Claim：`clm_0008` supported 0.86 - `pip install "praisonai[claw]"` 证据：`README.md` Claim：`clm_0009` supported 0.86 - `pip install "praisonai[flow]"` 证据：`README.md` Claim：`clm_0010` supported 0.86 - `pip install "praisonai[ui]"` 证据：`README.md` Claim：`clm_0011` supported 0.86 - `pip install "praisonai[langfuse]"` 证据：`README.md` Claim：`clm_0012` 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**：研究结论、引用和实验结果不能在安装前相信。 - **继续会触碰**：研究判断、命令执行、宿主 AI 配置 ### 现在可以相信 - **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 - **适合人群线索：希望把专业流程带进宿主 AI 的用户**（supported）：有 supported claim 或项目证据支撑，但仍不等于真实安装效果。 证据：`examples/skills/pdf-processing/SKILL.md` Claim：`clm_0004` supported 0.86 - **能力存在：AI Skill / Agent 指令资产库**（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：`examples/skills/pdf-processing/SKILL.md` Claim：`clm_0001` 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_0002` 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_0005` supported 0.86 ### 现在还不能相信 - **研究结论、引用和实验结果不能在安装前相信。**（unverified）：研究 Skill 可以组织问题和路径，但不能替代真实资料检索、论文核验和实验复现。 - **是否适合你的具体研究领域不能直接相信。**（unverified）：Skill 覆盖很多研究主题，不代表对你的领域、资料要求和可信度标准足够。 - **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。 证据：`AGENTS.md`, `examples/skills/pdf-processing/SKILL.md` - **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 - **研究判断**：问题拆解、资料路径、实验路径、结论结构和可信度判断。 原因：研究型 Skill 可能让输出看起来更专业，但不能替代真实证据核验。 - **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` - **宿主 AI 配置**：Claude/Codex/Cursor/Gemini/OpenCode 等宿主的 plugin、Skill 或规则加载配置。 原因：宿主配置会改变 AI 后续工作方式，可能和用户已有规则冲突。 证据：`AGENTS.md`, `examples/skills/pdf-processing/SKILL.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：`README.md`, `examples/python/mcp/bravesearch-mcp.py`, `src/praisonai-agents/tests/mcp-llama4.py`, `src/praisonai-agents/tests/mcp-mini-bravesearch.py` 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**：先验证它能否正确界定研究问题和证据边界，不要先相信研究输出。（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。） - **先备份宿主 AI 配置**：Skill、plugin、规则文件可能改变 Claude/Cursor/Codex 的默认行为。（适用：存在插件 manifest、Skill 或宿主规则入口时。） - **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。 - **准备移除宿主 plugin / Skill / 规则入口**：如果试装后行为异常，可以把宿主 AI 恢复到试装前状态。 - **保留资料和结论核验清单**：如果后续发现引用或实验路径不可靠，可以回到证据边界阶段重新校验。 - **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_0013` 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_0014` 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 - **AI Skill / Agent 指令资产库**：先基于 role_skill_index / evidence_index 帮用户挑选可用角色、Skill 或工作流。 边界：可做安装前 Prompt 体验。 证据：`examples/skills/pdf-processing/SKILL.md` Claim：`clm_0001` supported 0.86 - **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_0002` supported 0.86 ### 上下文规模 - 文件总数：4557 - 重要文件覆盖：40/4557 - 证据索引条目：79 - 角色 / Skill 条目：1 ### 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 praisonai 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 praisonai 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 praisonai 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 1 个角色 / Skill / 项目文档条目。 - **pdf-processing**（skill）：Process and extract information from PDF documents. Use this skill when the user asks to read, analyze, or extract data from PDF files. 激活提示：当用户任务与“pdf-processing”描述的流程高度相关时，先用它做安装前体验，再决定是否安装。 证据：`examples/skills/pdf-processing/SKILL.md` ## 证据索引 - 共索引 79 条证据。 - **PraisonAI 🦞**（documentation）：PraisonAI 🦞 — Hire a 24/7 AI Workforce. Stop writing boilerplate and start shipping autonomous, self-improving agents that research, plan, and execute tasks across your apps. From one agent to an entire organization, deployed in 5 lines of code. 证据：`README.md` - **PraisonAI Docker Setup**（documentation）：This directory contains Docker configurations for running PraisonAI services in containerized environments. The setup addresses directory management issues and provides comprehensive multi-service deployment options. 证据：`docker/README.md` - **PraisonAI Examples**（documentation）：This folder contains examples for PraisonAI. For detailed documentation, visit docs.praison.ai https://docs.praison.ai . 证据：`examples/README.md` - **PraisonAI Bot Docker Deployment**（documentation）：Deploy Slack, Discord, or Telegram bots using Docker. 证据：`docker/bots/README.md` - **Praison AI Call Docker**（documentation）：Make sure to replace your api key here with your actual OpenAI API key. 证据：`docker/call/README.md` - **ACP Agent Client Protocol Examples**（documentation）：This directory contains examples for using PraisonAI with the Agent Client Protocol ACP . 证据：`examples/acp/README.md` - **Approval Examples**（documentation）：Minimal examples showing how to route tool-execution approvals through different backends. 证据：`examples/approval/README.md` - **Consolidated Params Examples**（documentation）：Examples demonstrating the Agent-Centric API with consolidated parameters. 证据：`examples/consolidated_params/README.md` - **Industry Templates for PraisonAI**（documentation）：This directory contains industry-specific agent templates based on the SRAO Framework, providing pre-built workflows for rapid deployment of agent workforces across different industries. 证据：`examples/cookbooks/Industry_Templates/README.md` - **PraisonAI Doctor Examples**（documentation）：Examples demonstrating the PraisonAI Doctor health check and diagnostics system. 证据：`examples/doctor/README.md` - **AI SDK Examples**（documentation）：Examples demonstrating the AI SDK integration in PraisonAI TypeScript. 证据：`examples/js/ai-sdk/README.md` - **Observability Examples**（documentation）：Examples demonstrating how to use observability integrations with PraisonAI TypeScript. 证据：`examples/js/observability/README.md` - **Provider Examples**（documentation）：Examples demonstrating how to use different LLM providers with PraisonAI TypeScript. 证据：`examples/js/providers/README.md` - **MCP Server Examples**（documentation）：Examples demonstrating the MCP Server v2 features per MCP Protocol Version 2025-11-25. 证据：`examples/mcp/README.md` - **PraisonAI MCP Server Examples**（documentation）：This directory contains examples for running PraisonAI as an MCP Model Context Protocol server. 证据：`examples/mcp_server/README.md` - **Package Manager Example**（documentation）：This example demonstrates how to use the PraisonAI package manager for installing and managing Python packages with security defaults. 证据：`examples/package_manager/README.md` - **Policy Packs Example**（documentation）：This example demonstrates how to use PraisonAI policy packs for managing tool permissions, data policies, and execution modes. 证据：`examples/policy/README.md` - **Camera Integration Examples**（documentation）：This directory contains examples demonstrating how to integrate camera feeds with PraisonAI multimodal agents for real-time visual analysis. 证据：`examples/python/camera/README.md` - **EvaluationLoop Examples**（documentation）：Examples demonstrating iterative evaluation and improvement patterns. 证据：`examples/python/eval/README.md` - **MongoDB Integration Examples for PraisonAI Agents**（documentation）：MongoDB Integration Examples for PraisonAI Agents 证据：`examples/python/mongodb/README.md` - **PraisonAI Performance Monitoring Examples**（documentation）：PraisonAI Performance Monitoring Examples 证据：`examples/python/monitoring/README.md` - **PraisonAI Example Plugin**（documentation）：This is a template for creating tool plugins for PraisonAI Agents. 证据：`examples/python/plugin_template/README.md` - **PraisonAI Profiling Examples**（documentation）：This directory contains examples for profiling PraisonAI agent performance. 证据：`examples/python/profiling/README.md` - **Remote Agent Connectivity**（documentation）：This directory contains examples demonstrating PraisonAI's remote agent connectivity feature, which allows you to connect to agents running on different servers, similar to Google ADK's agent connectivity pattern. 证据：`examples/python/remote/README.md` - **Save Agent Output Examples**（documentation）：Examples demonstrating different methods to save agent output to files. 证据：`examples/python/save_output/README.md` - **Stateful Agents Examples**（documentation）：This directory contains comprehensive examples demonstrating PraisonAI's stateful agents capabilities, including session management, memory systems, and persistent workflows. 证据：`examples/python/stateful/README.md` - **Token Metrics Tracking Examples - SIMPLIFIED**（documentation）：Token Metrics Tracking Examples - SIMPLIFIED 证据：`examples/python/token-metrics/README.md` - **🧠 Agentic RAG with GPT-5**（documentation）：An agentic RAG application built with the PraisonAI Agents framework, featuring GPT-5 and built-in vector search for efficient knowledge retrieval and question answering. 证据：`examples/python/tools/exa-tool/rag_examples/agentic_rag_gpt5/README.md` - **RAG Examples**（documentation）：This directory contains comprehensive examples demonstrating RAG Retrieval Augmented Generation with PraisonAI Agents. 证据：`examples/rag/README.md` - **Creator Suite Examples**（documentation）：Examples for the PraisonAI Creator Automation Suite - a complete toolkit for AI content creators. 证据：`examples/recipes/creator_suite/README.md` - **Recipe Registry Example**（documentation）：This example demonstrates how to use the PraisonAI recipe registry for publishing and pulling recipes via both local filesystem and HTTP server. 证据：`examples/registry/README.md` - **Run History Example**（documentation）：This example demonstrates how to use PraisonAI run history for storing, querying, and exporting recipe runs. 证据：`examples/run_history/README.md` - **Security Features Example**（documentation）：This example demonstrates PraisonAI security features including SBOM generation, lockfile validation, dependency auditing, and PII redaction. 证据：`examples/security/README.md` - **PraisonAI Serve Examples**（documentation）：Examples for all PraisonAI server types and the unified endpoints CLI. 证据：`examples/serve/README.md` - **Terminal-Bench 2.0 Integration with PraisonAI**（documentation）：Terminal-Bench 2.0 Integration with PraisonAI 证据：`examples/terminal_bench/README.md` - **PraisonAI PR Reviewer Integration Guide**（documentation）：PraisonAI PR Reviewer Integration Guide 证据：`examples/yaml/pr-reviewer/README.md` - **Runtime System Documentation**（documentation）：This module provides runtime execution abstractions and protocols for standardizing agent execution across different harness types. 证据：`src/praisonai-agents/praisonaiagents/runtime/README.md` - **Scheduler — runner vs loop**（documentation）：ScheduleRunner is stateless . Call get due jobs whenever you want to check for jobs that should fire. It does not run background threads. 证据：`src/praisonai-agents/praisonaiagents/scheduler/README.md` - **Session Persistence for PraisonAI Agents**（documentation）：Session Persistence for PraisonAI Agents 证据：`src/praisonai-agents/praisonaiagents/session/README.md` - **PraisonAI Agents Telemetry**（documentation）：This module provides minimal, privacy-focused telemetry for PraisonAI Agents. 证据：`src/praisonai-agents/praisonaiagents/telemetry/README.md` - **PraisonAI Tools Guide**（documentation）：Welcome to the PraisonAI Tools directory! This guide will help you understand how our tools work and how to create new ones, whether you're a beginner or an experienced programmer. 证据：`src/praisonai-agents/praisonaiagents/tools/README.md` - **PraisonAI Rust SDK**（documentation）：High-performance, agentic AI framework for Rust. 证据：`src/praisonai-rust/README.md` - **PraisonAI TypeScript Node.js AI Agents Framework**（documentation）：PraisonAI TypeScript Node.js AI Agents Framework 证据：`src/praisonai-ts/README.md` - **PraisonAI Concept Examples**（documentation）：This directory contains examples demonstrating core concepts of the PraisonAI package. 证据：`src/praisonai-ts/examples/concepts/README.md` - **Tool Examples**（documentation）：This directory contains examples of using various tools from the PraisonAI package. 证据：`src/praisonai-ts/examples/tools/README.md` - **PraisonAI 🦞**（documentation）：PraisonAI 🦞 — Hire a 24/7 AI Workforce. Stop writing boilerplate and start shipping autonomous, self-improving agents that research, plan, and execute tasks across your apps. From one agent to an entire organization, deployed in 5 lines of code. 证据：`src/praisonai/README.md` - **ACP Agent Client Protocol Examples**（documentation）：This directory contains examples for using PraisonAI with the Agent Client Protocol ACP . 证据：`src/praisonai/examples/acp/README.md` - **MCP Server Examples**（documentation）：Examples demonstrating the MCP Server v2 features per MCP Protocol Version 2025-11-25. 证据：`src/praisonai/examples/mcp/README.md` - **Recipe Background Tasks Example**（documentation）：This example demonstrates how to run recipes and agents as background tasks. 证据：`src/praisonai/examples/python/recipes_background/README.md` - **Recipe Async Jobs Example**（documentation）：This example demonstrates how to submit recipes as async jobs to a jobs server. 证据：`src/praisonai/examples/python/recipes_jobs/README.md` - **Recipe Scheduler Example**（documentation）：This example demonstrates how to schedule recipes and agents to run periodically. 证据：`src/praisonai/examples/python/recipes_scheduler/README.md` - **PraisonAI Package**（documentation）：This is the PraisonAI package, which serves as a wrapper for PraisonAIAgents. 证据：`src/praisonai/praisonai/README.md` - **PraisonAI Scheduler - 24/7 Agent Scheduling**（documentation）：PraisonAI Scheduler - 24/7 Agent Scheduling 证据：`src/praisonai/praisonai/scheduler/README.md` - **Changes to DB**（documentation）：The following columns are renamed or modified between the first and second versions of the code: 证据：`src/praisonai/praisonai/ui/README.md` - **PraisonAI Agents - Comprehensive Testing Suite**（documentation）：PraisonAI Agents - Comprehensive Testing Suite 证据：`src/praisonai/tests/README.md` - **Real End-to-End Tests**（documentation）：⚠️ WARNING: These tests make real API calls and may incur costs! 证据：`src/praisonai/tests/e2e/README.md` - **Integration Tests**（documentation）：This directory contains integration tests for PraisonAI that verify functionality across different frameworks and external dependencies. 证据：`src/praisonai/tests/integration/README.md` - **Live AI Code Editor Smoke Tests**（documentation）：This directory contains end-to-end smoke tests for the PraisonAI AI code editor functionality. These tests verify that PraisonAI behaves as a real AI code editor by editing files on disk, running terminal commands, observing failures, and converging to green tests. 证据：`src/praisonai/tests/live/README.md` - **Agent Instructions**（documentation）：You are working on the PraisonAI project. 证据：`AGENTS.md` - **AGENTS.md - PraisonAI SDK Comprehensive Guide**（documentation）：AGENTS.md - PraisonAI SDK Comprehensive Guide 证据：`src/praisonai-agents/AGENTS.md` - 其余 19 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`, `docker/README.md`, `examples/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`, `docker/README.md`, `examples/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。 - **Overview & System Architecture**：importance `high` - source_paths: README.md, src/praisonai-agents/praisonaiagents/__init__.py, src/praisonai-agents/praisonaiagents/main.py, src/praisonai-agents/praisonaiagents/agent/agent.py, src/praisonai-agents/praisonaiagents/runtime/README.md - **Agents, Tools, MCP & Framework Integrations**：importance `high` - source_paths: src/praisonai-agents/praisonaiagents/tools/__init__.py, src/praisonai-agents/praisonaiagents/tools/base.py, src/praisonai-agents/praisonaiagents/tools/decorator.py, src/praisonai-agents/praisonaiagents/tools/registry.py, src/praisonai-agents/praisonaiagents/tools/toolsets.py - **Memory, Knowledge, RAG & Persistence**：importance `high` - source_paths: src/praisonai-agents/praisonaiagents/memory/__init__.py, src/praisonai-agents/praisonaiagents/memory/memory.py, src/praisonai-agents/praisonaiagents/memory/file_memory.py, src/praisonai-agents/praisonaiagents/memory/auto_memory.py, src/praisonai-agents/praisonaiagents/memory/hooks.py - **Deployment, CLI, Bots, Workflows & Advanced Capabilities**：importance `high` - source_paths: src/praisonai/praisonai/cli/main.py, src/praisonai/praisonai/cli/commands/agents.py, src/praisonai/praisonai/cli/commands/bot.py, src/praisonai/praisonai/cli/commands/workflow.py, src/praisonai/praisonai/cli/commands/serve.py ## Repo Inspection Evidence / 源码检查证据 - repo_clone_verified: true - repo_inspection_verified: true - repo_commit: `8b80fa59cf276d8776398bb1501da62cb649a7bc` - inspected_files: `README.md`, `examples/README.md`, `examples/acp/README.md`, `examples/acp/basic_acp_server.py`, `examples/acp/custom_agent_acp.py`, `examples/ag2/ag2_basic.yaml`, `examples/ag2/ag2_bedrock.yaml`, `examples/ag2/ag2_multi_agent.yaml`, `examples/agent_centric_api.py`, `examples/agent_tools/agent_centric_example.py`, `examples/approval/README.md`, `examples/approval/agent_approval.py`, `examples/approval/discord_approval.py`, `examples/approval/http_approval.py`, `examples/approval/slack_approval.py`, `examples/approval/telegram_approval.py`, `examples/async_runs/README.py`, `examples/async_runs/sdk_submit_poll_result.py`, `examples/background/basic_background.py`, `examples/basic/calculator_with_tests.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：Wrapper layer: stub framework adapters, orchestrator-side version dispatch, and unconditional autogen-tool registration - 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：Wrapper layer: stub framework adapters, orchestrator-side version dispatch, and unconditional autogen-tool registration - 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/MervinPraison/PraisonAI/issues/1590 | 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：DoctorContractProtocol for runtime config migration - Trigger: GitHub 社区证据显示该项目存在一个配置相关的待验证问题：DoctorContractProtocol for runtime config migration - 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/MervinPraison/PraisonAI/issues/1941 | 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 3: 来源证据：Runtime capability matrix and hook compatibility - Trigger: GitHub 社区证据显示该项目存在一个配置相关的待验证问题：Runtime capability matrix and hook compatibility - 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/MervinPraison/PraisonAI/issues/1936 | 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：YAML: fail-fast schema validation for agents/tasks config with actionable errors (+ `praisonai validate`) - Trigger: GitHub 社区证据显示该项目存在一个配置相关的待验证问题：YAML: fail-fast schema validation for agents/tasks config with actionable errors (+ `praisonai validate`) - 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/MervinPraison/PraisonAI/issues/2125 | 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 5: 来源证据：src/praisonai/praisonai: three concrete gaps in framework dispatch, async lifecycle, and tool resolution - Trigger: GitHub 社区证据显示该项目存在一个配置相关的待验证问题：src/praisonai/praisonai: three concrete gaps in framework dispatch, async lifecycle, and tool resolution - 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/MervinPraison/PraisonAI/issues/1654 | 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 6: 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/MervinPraison/PraisonAI | 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 7: 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/MervinPraison/PraisonAI | 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/MervinPraison/PraisonAI | 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。 ### Constraint 9: 存在评分风险 - Trigger: no_demo - Why it matters: 风险会影响是否适合普通用户安装。 - Evidence: risks.scoring_risks | https://github.com/MervinPraison/PraisonAI | 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。 ### Constraint 10: 来源证据：Gateway resume can silently lose events: no per-event sequence floor or gap/resync signal on reconnect - Trigger: GitHub 社区证据显示该项目存在一个安全/权限相关的待验证问题：Gateway resume can silently lose events: no per-event sequence floor or gap/resync signal on reconnect - 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: 可能影响授权、密钥配置或安全边界。 - Evidence: community_evidence:github | https://github.com/MervinPraison/PraisonAI/issues/2153 | 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。