Three Approaches: From Patch to Refactor

All three preserve: file-based persistence, MCP transport, L2 knowledge graph. The difference is how much changes.

A

Minimal Patch — 在当前 AITP 上修补

保持 L0-L4 架构不变，加几个新工具填补 gap。

Pros

  • 改动小，风险低
  • 完全向后兼容
  • 1-2 天可完成
  • 现有 topic 不受影响

Cons

  • 修补可能不彻底
  • LLM 自主性本质不变
  • 人的引导仍然不是 structured state
  • patch 越积越多可能变丑

新增工具：aitp_request_human_decision, aitp_human_contribute, aitp_record_steering
增强：session_resume 读 steering log, execution_brief 显示待决策点

B

Conversation-Centric — 对话本身就是研究过程

将 NL 对话提升为一级 artifact，L0-L4 变得更轻量。

Pros

  • 对话即记录，不丢上下文
  • 人和 LLM 的交互自然就构成研究过程
  • session resume 可以读到完整对话历史
  • 最接近"人的合作者"的体验

Cons

  • 需要较大的架构改动
  • token 消耗巨大
  • 对话 transcript 如何结构化？
  • 和现有 AITP 兼容性差

核心变更：每个 session 的 transcript 自动保存，decision point 在对话中内联标记，L0-L4 stage 变为可选标签而非强制门控

C

Steering Layer — 在现有骨架上加一个"人的操控层"

保持 L0-L4 文件结构，但在人和 LLM 之间加一个轻量的 steering interface。

Pros

  • 基础架构不变，改动集中在新增模块
  • 人的意图、决策、方向成为结构化 state
  • session resume 能读到完整 steering context
  • 向后兼容，不破坏现有 topic
  • 中等工作量（~3-5 天）

Cons

  • 新抽象层增加了复杂度
  • 需要 LLM skill 配合才能有效利用
  • 不是完全重写，部分历史设计约束保留

核心变更：steering/ 目录存储人的指导和决策，LLM 在执行前读 steering log，decision point 机制嵌入 L3 activities