R_τi > 0 (步骤质量好) 且 S_τi,j = +1 (RM说好) → +1 (正确, 奖励)R_τi > 0 (步骤质量好) 且 S_τi,j = -1 (RM说坏) → -1 (错误, 惩罚)R_τi < 0 (步骤质量坏) 且 S_τi,j = -1 (RM说坏) → +1 (正确, 奖励)R_τi < 0 (步骤质量坏) 且 S_τi,j = +1 (RM说好) → -1 (错误,

因此，在单轮场景下，环境的四类职责（State / Transition / Reward / Termination）中，Transition 和 Termination 几乎退化为零，真正起作用的只剩 State（提供 prompt） 和 Reward（打分） 两项。OpenClaw 解决了"能跑起来"的工程层面的 3 个 (①③⑤ / 数据断流、不可重复、延迟反馈)，但"跑得好"的理论层面的

在内部测试中，Gliding Horse 完成一个“重构认证系统为 JWT”的完整需求，从需求分析到编码实现，SA 自动选择了 PA → DA → CA → AA 流程，DA 并行启动了三个编码子 Agent，CA 发现其中一个缺少 token 刷新逻辑后打回重做，最终 AA 归档冻结了 5W2H。行为宪法是不可绕过的基线，方法论门控是条件触发的纪律，系统调用门是代码级硬拦截，ToolGuard

在内部测试中，Gliding Horse 完成一个“重构认证系统为 JWT”的完整需求，从需求分析到编码实现，SA 自动选择了 PA → DA → CA → AA 流程，DA 并行启动了三个编码子 Agent，CA 发现其中一个缺少 token 刷新逻辑后打回重做，最终 AA 归档冻结了 5W2H。行为宪法是不可绕过的基线，方法论门控是条件触发的纪律，系统调用门是代码级硬拦截，ToolGuard

在内部测试中，Gliding Horse 完成一个“重构认证系统为 JWT”的完整需求，从需求分析到编码实现，SA 自动选择了 PA → DA → CA → AA 流程，DA 并行启动了三个编码子 Agent，CA 发现其中一个缺少 token 刷新逻辑后打回重做，最终 AA 归档冻结了 5W2H。行为宪法是不可绕过的基线，方法论门控是条件触发的纪律，系统调用门是代码级硬拦截，ToolGuard

你写一个 .js 脚本，里面用 agent()、parallel()、pipeline()、consensus() 这些函数定义步骤，Claude Code 就会按你的流程自动调度——串行、并行、投票、验收，全自动跑。一个模型单打独斗不行，那让它当一条流水线里的一个工位——规划用便宜的、执行用便宜的、验证用便宜的，多个便宜模型并行交叉审查，质量差距靠结构和协作来弥合。一句话描述任务，自动生成执行方

你写一个 .js 脚本，里面用 agent()、parallel()、pipeline()、consensus() 这些函数定义步骤，Claude Code 就会按你的流程自动调度——串行、并行、投票、验收，全自动跑。一个模型单打独斗不行，那让它当一条流水线里的一个工位——规划用便宜的、执行用便宜的、验证用便宜的，多个便宜模型并行交叉审查，质量差距靠结构和协作来弥合。一句话描述任务，自动生成执行方

你写一个 .js 脚本，里面用 agent()、parallel()、pipeline()、consensus() 这些函数定义步骤，Claude Code 就会按你的流程自动调度——串行、并行、投票、验收，全自动跑。一个模型单打独斗不行，那让它当一条流水线里的一个工位——规划用便宜的、执行用便宜的、验证用便宜的，多个便宜模型并行交叉审查，质量差距靠结构和协作来弥合。一句话描述任务，自动生成执行方