BitFun 三层参考评估
状态：Active / 跨生态 Agent 平台参考
评估日期：2026-05-12
参考对象：GCWing/BitFun
本地参考仓库：/Users/mlabs/Programs/GCWing/BitFun
默认分支：main
核验 commit：623d72f7b69f2ee5c22fde51e782f833e6f9af71
核验状态：只读静态评估，尚未进行安装、运行、权限、安全和长期使用验证。
处理结论：高价值参考项目；不整体采用为 FinTec AI Ecosystem 运行时，不作为任何金融业务产品的直接竞品模板。
1. 总体判断
BitFun 是一个桌面级本地 Agent runtime 与 Agent 应用套件。它的核心价值不在金融业务能力，而在它已经把多个关键 Agent 产品范式组织成系统：Agent 可注册，Skill 可管理，Context 可注入，Session 可审计，UI 可生成，工具可扩展。
对 Curvature Labs，它是个人域和团队域生产力范式参考。 对 FinTec AI Ecosystem，它是公共 Agent 基座设计参考。 对 FinClaw，它是金融 Agent / Skill / Audit 体系的重要设计输入。
当前不建议把 BitFun 整体接入生态。正确吸收方式是抽取模式、机制和边界，分别进入 open-cowork、生态治理仓库、FinClaw / Data Horizon / AI Trading Matrix 等 Controller 的后续设计输入。
2. 三层评分
| 层级 | 评分 | 吸收方式 | 结论 |
|---|---|---|---|
| Curvature Labs 生产力层 | 4.5 / 5 | Pattern / Tool / Skill / Module | 高价值，优先吸收工作范式和协作机制 |
| FinTec AI Ecosystem 公共基座层 | 4 / 5 | Pattern / Module | 高价值，但不直接采用整套平台 |
| 生态内独立产品 / 项目层 | 3.5 / 5 | Pattern / Skill / Tool | 对 FinClaw 最强，对 Data Horizon 与 AI Trading Matrix 次强 |
3. 项目定位证据
BitFun 自称是 desktop-grade Agent runtime (Local Agent Runtime) 与桌面 Agent 应用套件。其公开文档显示，它以 Rust core 加 Tauri shell 构建，内置 Code、Cowork、Computer Use、Personal Assistant 等能力，并把 sessions、tools、memory、MCP、LSP、remote-control protocols 作为底层 runtime 能力。
本地仓库 AGENTS.md 将核心代码分为：
agentic/：agents、prompts、tools、sessions、execution、persistence；service/：config、filesystem、terminal、git、LSP、MCP、remote connect、project context、AI memory；infrastructure/：AI clients、app paths、event system、storage、debug log server。
它的核心 mental model 是：
SessionManager -> Session -> DialogTurn -> ModelRound
这说明 BitFun 不是单点工具，而是完整 Agent runtime 产品。
4. Curvature Labs 生产力层
4.1 应参考 / 借鉴 / 集成的能力
| BitFun 能力 | 类型 | 解决的问题 | 建议跟进方 |
|---|---|---|---|
| Agent Registry / Mode Profile | 借鉴 / 集成 | 团队成员和个人域 Agents 缺少标准角色入口，角色能力容易靠临时 prompt 维持 | Open-cowork Controller |
| Custom Subagent 文件化 | 借鉴 / 集成 | 项目级 / 用户级 Agent 定义缺少可复用、可审查、可迁移载体 | Open-cowork Controller |
| Skill Registry / Skill Suites | 借鉴 / 集成 | 能力散落在提示词和人工约定中，无法按角色 / 场景按需加载 | Open-cowork Controller |
| Session Usage / Audit Report | 借鉴 / 集成 | 多 Agent 长任务缺少运行事实、工具调用、文件触达、token 和压缩记录 | Open-cowork Controller |
| DeepReview / reviewer team | 参考 / 借鉴 | 高风险设计和代码变更缺少结构化多角色审查 | Open-cowork Controller + 当前治理会话 |
| Mini App / Generative UI | 参考 / 借鉴 | 协作状态、任务进展、项目地图不应只靠 Markdown 查找 | Open-cowork Controller，后置 |
4.2 对应场景
当前 Curvature Labs 的实际协作正在从单一负责人 + 单一会话，演进为多个产品 Controller、团队成员个人域 Agents、治理仓库事实源和工程仓库并行推进。这个状态下，最大问题不是缺少模型，而是缺少标准化的个人域入口、角色能力边界、跨会话审计和协作复盘机制。
BitFun 的生产力层启发是：把个人域 Agent 工作台从“临时会话”升级为“带角色定义、工具能力、Skill 目录、上下文入口和运行记录的工作空间”。
4.3 给 Open-cowork Controller 的执行指令
你是 Open-cowork Controller。请基于 BitFun 参考项目评估结果，只关注 Curvature Labs 个人域 / 团队域生产力和协作框架相关价值，不需要阅读 BitFun 全仓库。
参考输入：
1. BitFun 的 Agent Registry / Mode Profile 机制；
2. BitFun 的 Custom Subagent 文件化机制，支持项目级 / 用户级 Agent 定义；
3. BitFun 的 Skill Registry / Skill Suites，支持按 mode / profile 管理能力可见性；
4. BitFun 的 Session Usage / Audit Report，用于记录 session、model、tool、file、subagent、compression 等运行事实；
5. BitFun 的 DeepReview / reviewer team 模式；
6. BitFun 的 Mini App / Generative UI 作为协作状态可视化参考。
请输出一份 Open-cowork 后续版本需求输入，不要立即实现。重点回答：
A. 哪些能力应进入 open-cowork V3 后续迭代；
B. 哪些能力只作为参考，不进入近期实现；
C. 如何设计“团队成员个人域 Agents 接入 open-cowork”的标准角色 / Profile / Skill / Usage Audit 机制；
D. 如何避免 open-cowork 变成重型文档系统或泛化桌面 Agent；
E. 给出分阶段实施建议、风险和验收标准。
输出要求：
- 用中文；
- 不要读取或改动 Labs-FinTecAI 治理仓库；
- 不要实现代码；
- 只形成需求输入和架构建议。
5. FinTec AI Ecosystem 公共基座层
5.1 应参考 / 借鉴 / 集成的能力
| BitFun 能力 | 类型 | 解决的问题 | 建议跟进方 |
|---|---|---|---|
| Project Context 装配 | 借鉴 | 人和 Agents 进入治理仓库时容易迷失，不知道该读哪些事实源 | 当前治理会话 |
| Skill Registry / Skill Suites | 借鉴 | 生态公共能力、项目能力、金融原子能力缺少统一 catalog | 当前治理会话 + FinClaw Controller |
| Tool Registry / MCP | 参考 / 借鉴 | 未来数据、行情、文档、研究、工程工具接入需要统一边界 | 当前治理会话，后续分配 |
| Session Usage / Audit 模型 | 借鉴 | Controller 与 Agents 的协作过程缺少可追溯记录 | 当前治理会话 + Open-cowork Controller |
| Mini App / Generative UI | 参考 / 借鉴 | 治理仓库不能只依赖目录和 Markdown 全文检索作为团队协作界面 | 当前治理会话 + Open-cowork Controller，后置 |
5.2 对应场景
Labs-FinTecAI 是事实源和治理库，不应变成单一 Agent runtime。但团队成员和个人域 Agents 接入它时，需要更清晰的上下文装配、参考项目评估方法、能力目录和协作记录。
BitFun 对生态层的启发不是替换 Markdown，而是在 Markdown 事实源之上建立 Agent 友好的读取、能力、审计和可视化层。
5.3 当前治理会话执行项
当前治理会话负责：
- 重写 BitFun 参考分析文档，按三层框架明确吸收方向和边界；
- 建立第三方参考项目评估方法论，后续所有非生态内对标项目统一使用；
- 将 BitFun 吸收结果分流给 Open-cowork、FinClaw、Data Horizon、AI Trading Matrix 等 Controller；
- 等各 Controller 输出结果后，再回到治理仓库统一收束，不让各项目自行发散成互相冲突的体系。
6. 生态内独立产品 / 项目层
6.1 FinClaw
| BitFun 能力 | 类型 | 解决 / 改进的问题 | 跟进方 |
|---|---|---|---|
| Skill Registry / Skill Tree | 借鉴 / 集成 | 金融原子技能多，需按 Agent / 场景按需组合，避免上下文爆炸 | FinClaw Controller |
| Agent / Profile Registry | 借鉴 | FinClaw 需要不同金融 Agent 角色，而不是单一万能 Agent | FinClaw Controller |
| Project Context / Long-term Memory | 借鉴 | 长时间金融问答缺少用户偏好、研究连续性、证据上下文管理 | FinClaw Controller |
| Session Usage / Evidence Audit | 借鉴 / 集成 | 金融认知输出需要知道用了哪些资料、工具、技能、子 Agent | FinClaw Controller |
| MCP / Tool Registry | 参考 / 借鉴 | 行情、财报、新闻、数据库和研究工具需要统一工具边界 | FinClaw Controller，后续 |
给 FinClaw Controller 的执行指令：
你是 FinClaw Controller。请基于 BitFun 参考项目评估结果，只关注 FinClaw 金融认知系统相关价值，不需要阅读 BitFun 全仓库。
参考输入：
1. BitFun 的 Skill Registry / Skill Suites 可作为 FinClaw 金融原子技能体系参考；
2. BitFun 的 Agent / Profile Registry 可作为 FinClaw 多金融 Agent 角色体系参考；
3. BitFun 的 Project Context / Long-term Memory 可作为 FinClaw 长时间金融问答、研究连续性、用户偏好和项目上下文管理参考；
4. BitFun 的 Session Usage / Audit Report 可作为 FinClaw 金融认知输出证据链和运行审计参考；
5. BitFun 的 MCP / Tool Registry 可作为未来行情、财报、新闻、数据库、研究工具接入参考；
6. BitFun 的 Computer Use、Cron、Remote Control 只允许作为风险参考，不得直接进入 FinClaw 认知层执行能力。
请输出一份 FinClaw 产品 / 工程对齐设计输入，重点回答：
A. FinClaw 金融原子 Skill 应如何定义 metadata，例如 asset_class、data_source、input_schema、output_schema、freshness、confidence、provenance、execution_boundary、audit_level；
B. FinClaw 应有哪些金融 Agent / Profile，例如 Equity Research Agent、Macro Agent、Risk Agent、Event Watch Agent、Portfolio Cognition Agent、Evidence Auditor；
C. Skill 如何按 Agent / Profile / 场景按需加载，避免上下文爆炸；
D. Long-term Memory 应记录什么，不应记录什么，如何区分用户偏好、研究状态、事实源、临时任务；
E. Session Usage / Evidence Audit 应记录哪些字段，以支撑金融认知输出的可追溯；
F. 哪些能力应进入 MVP，哪些放到后续阶段。
边界要求：
- FinClaw 是金融链路中的认知环节；
- 只要不直接触发交易、下单、调仓、资金划转、链上交易或调用执行系统，评级、target price、strategy suggestions、watch questions、价格信号等都可以作为认知产物候选；
- 不要把 Computer Use 或 Cron 设计成自动交易能力。
6.2 Data Horizon
| BitFun 能力 | 类型 | 解决 / 改进的问题 | 跟进方 |
|---|---|---|---|
| MCP / Tool Registry | 参考 / 借鉴 | 数据源、数据工具、外部服务接入需要统一边界 | Data Horizon Controller |
| Project Context | 借鉴 | 数据项目上下文、数据目录和数据处理任务需要可装配入口 | Data Horizon Controller |
| Session Usage / Audit | 参考 / 借鉴 | 数据处理、数据分析、Agent 工具调用需要审计记录 | Data Horizon Controller |
| Skill Registry | 参考 | 数据清洗、质量检查、转换、摘要等能力可沉淀为技能目录 | Data Horizon Controller |
给 Data Horizon Controller 的执行指令：
你是 Data Horizon Controller。请基于 BitFun 参考项目评估结果，只关注 Data Horizon 相关价值。
重点参考：
1. MCP / Tool Registry 作为数据源、数据工具、外部服务接入模式；
2. Project Context 作为数据项目上下文装配模式；
3. Session Usage / Audit Report 作为数据处理、数据分析、Agent 工具调用的审计模式；
4. Skill Registry 作为数据处理技能目录参考。
请输出 Data Horizon 的参考吸收建议：
A. 哪些 BitFun 模式适合 Data Horizon；
B. 数据源 / 数据工具接入是否应采用 MCP-like 机制；
C. Data Horizon 是否需要自己的 Skill Catalog；
D. 数据处理 Agent 的审计记录应包括哪些字段；
E. 哪些内容只作为参考，不进入近期实现。
6.3 AI Trading Matrix
| BitFun 能力 | 类型 | 解决 / 改进的问题 | 跟进方 |
|---|---|---|---|
| DeepReview / reviewer team | 参考 / 借鉴 | 策略研究、信号解释、执行前检查需要多角色审查 | AI Trading Matrix Controller |
| Session Usage / Audit | 借鉴 | 策略认知过程、数据与工具调用需要可审计记录 | AI Trading Matrix Controller |
| Tool Registry / MCP | 参考 / 借鉴 | 研究工具和数据工具接入需要与执行工具隔离 | AI Trading Matrix Controller |
| Computer Use / Cron / Remote Control | 风险参考 | 自动化控制靠近执行链路，必须定义授权、审计、回滚和风控 | AI Trading Matrix Controller |
给 AI Trading Matrix Controller 的执行指令：
你是 AI Trading Matrix Controller。请基于 BitFun 参考项目评估结果，只关注 AI Trading Matrix 相关价值。
重点参考：
1. DeepReview / reviewer team 作为策略研究、信号解释、执行前检查的多角色审查模式；
2. Session Usage / Audit Report 作为策略认知过程审计；
3. Tool Registry / MCP 作为外部研究工具和数据工具接入参考；
4. Computer Use、Cron、Remote Control 只作为风险边界参考，不得进入自动执行链路。
请输出 AI Trading Matrix 的参考吸收建议：
A. 策略研究到执行前检查中，哪些环节需要 reviewer team；
B. 哪些审计字段必须记录；
C. 如何定义认知输出与执行系统之间的边界；
D. 哪些 BitFun 能力不应采用，为什么；
E. 给出后续设计输入和风险清单。
6.4 Reinforcement Learning Engine 与 Financial Expert Foundation Model
| 对象 | BitFun 相关价值 | 类型 | 当前动作 |
|---|---|---|---|
| Reinforcement Learning Engine | Session trace、usage report、tool / error / compression telemetry 可作为实验记录参考 | 参考 | 暂不进入近期实现 |
| Financial Expert Foundation Model | Skill / context / memory 结构对训练资料组织、知识注入和评测样本沉淀有参考 | 参考 | 暂不进入近期实现 |
7. 不建议吸收的内容
| BitFun 能力 | 不建议原因 | 处理方式 |
|---|---|---|
| 整体桌面产品形态 | 与治理仓库、open-cowork 和各工程项目的核心目标不完全重合 | 不整体采用 |
| Computer Use | 金融场景高风险，容易越过可审计 API 和执行边界 | 仅作为风险参考 |
| Cron / Scheduled Jobs | 可用于 watch questions，但可能滑向自动交易或自动调仓 | 只能在认知层做严格约束 |
| Remote IM Control | 协作入口有价值，但身份、权限、审计要求较高 | 后置研究 |
8. 执行顺序
- 当前治理会话完成本参考分析与通用评估方法论；
- 将 Open-cowork 指令发给 Open-cowork Controller，作为 V3 后续需求输入；
- 将 FinClaw 指令发给 FinClaw Controller，进入 FinClaw skill / agent / audit 设计；
- Data Horizon 和 AI Trading Matrix Controller 创建或准备就绪后，分别投递对应指令；
- 各 Controller 输出结果后，再回到
Labs-FinTecAI治理仓库做统一收束； - 任何工程实现前，先由对应 Controller 将参考结论转译为项目语言、验收标准和风险边界。
9. 当前处理结论
BitFun 应进入生态参考库，但当前只作为“Agent 平台 / 个人域运行时 / 桌面协作面”的参考。
当前建议：
- 保留并持续复核本分析；
- 将本分析作为 Open-cowork、FinClaw、Data Horizon、AI Trading Matrix Controller 的低上下文输入来源；
- 后续若需要评估桌面 Agent runtime，再进行安装、运行、权限、记忆、审计和 remote control 的专项验证。
当前不建议：
- 直接采用为 FinTec AI Ecosystem 的统一运行时；
- 把它作为 FinClaw、Data Horizon 或 AI Trading Matrix 的业务竞品；
- 让其 Computer Use / Cron / Remote Control 影响金融执行边界；
- 在未安装验证、安全审计和工程验证前做依赖级集成。