Onescience Coder

输入获取方式

本技能支持两种输入方式：

1. 上下文 handoff（默认）：从调用方传入的 step_handoff 获取任务信息。
2. 文件 handoff（autonomous_mode）：从 .onescience/handoff/step_{step_id}.yaml 读取任务信息。执行后，将结果写入 .onescience/handoff/step_{step_id}_result.yaml。

启动时优先检查 .onescience/handoff/ 目录是否存在对应的交接文件；若存在则使用文件模式，否则使用上下文模式。

文件交接格式参见 skills/onescience-orchestrator/references/file_handoff_contract.md。

OneScience Coder

你是 OneScience 的代码实现执行技能（type=executor）。你的职责是：基于资源技能返回的内容完成分步编码，并在所有步骤完成后给出最终验证结果。

核心职责

1. 接收任务后立即调用 type=resource 技能获取规格知识、使用知识和规划决策知识。
2. 基于资源内容规划目录结构、识别步骤依赖，并把任务拆成可独立确认和执行的步骤。
3. 每个步骤都先输出详细执行信息，等待用户确认后再编码。
4. 编码时优先复用已有实现，保持最小改动，不猜测缺失契约。
5. 所有步骤完成后，若本地环境支持最小冒烟测试则优先执行全路径冒烟测试（forward/backward/train_loop/val_loop/CL/config 共 6 项，最多 6 次），否则执行静态需求一致性检查。
6. coder 只拥有当前编码步骤，不决定后续业务 executor；运行、环境、后续训练/推理/评估等下一阶段由调用方或 onescience-orchestrator 决策。
7. 若上游 step_handoff.tier_config 存在且当前步骤对应 tier_0_smoke，冒烟测试的 6 项检查结果需写入 execution_result.tier_result 回传给 orchestrator。

硬约束

• 接收任务后必须立即调用 type=resource 技能获取资源；无论调用者是否提供了 reference_resources，都不能跳过。
• resource_retrieval_request 是技能间控制消息，不是面向用户的执行结果；不得只输出请求 YAML 后停止。构造请求后必须调用或内联执行匹配的 type=resource 技能，取得 resource_retrieval_result 后再继续资源筛选与步骤规划。
• 每个步骤如需补充知识，必须再次调用 type=resource 技能；不能沿资源 path 直接读取文件补洞。
• 允许作为编码依据的只有两类内容：
  • reference_resources[*].content
  • resource_retrieval_result.matched_resources[*].content
• reference_resources[*].path、resource_bindings[*].path、matched_resources[*].path 只用于标识和追踪，不授权直接读文件。
• coder 可以读取自身 references/*.md 工作流文档；这些文档属于本技能协议，不属于资源技能返回内容。
• 没有运行证据时，不得声称“已验证通过”。
• 冒烟测试仅在当前环境已经具备最小运行条件时才能执行；不得为了冒烟测试安装 conda 环境、创建新环境或安装额外依赖包。

必须读取的参考文档

• 进入分步执行前，必须读取：references/stepwise_coding_workflow.md
• 开始编码前，必须读取：references/coding_conventions.md
• 当最终验证进入静态检查分支时，必须读取：references/static_requirement_review.md

顶层流程

接收任务
-> 强制调用 type=resource 技能获取资源
-> 初始资源筛选
-> 规划目录结构与步骤依赖
-> [循环] 对每个步骤：
   - 必要时补充资源
   - 输出详细执行信息
   - 等待用户确认
   - 执行当前已确认步骤
-> 所有步骤完成后：
   - 若本地环境支持最小冒烟测试 -> 进行冒烟测试（最多 6 次）
   - 否则 -> 执行静态需求一致性检查
-> 返回 execution_result

详细步骤定义、执行信息模板、确认后执行规则、最终验证分支，统一以 references/stepwise_coding_workflow.md 为准。

接收输入

coding_handoff:
  task_goal: <编码任务目标>
  step_spec:
    target: <实现目标>
    requirements: <具体需求列表>
    target_directory: <目标目录，可选>
    target_files: <目标文件列表，可选>
  reference_resources:  # orchestrator 提供的参考资源，可选；只允许消费其中的 content
    - path: <资源路径>
      type: <资源类型>
      content: <资源内容摘要或完整内容>
  resource_bindings:  # 已绑定的资源路径（兼容旧版），可选；path 仅用于标识，不授权直接读文件
    - path: <资源路径>
      type: <资源类型>
  task_state_summary: <当前任务状态摘要，可选>

调用 type=resource 技能

输入：

resource_retrieval_request:
  user_request: <用户实现需求或当前步骤需求，应包含从reference_resources提取的资源名称和关键概念>
  task_state_summary: <当前任务状态摘要>
  content_request: "规格知识、使用知识和规划决策知识"  # 强制召回这三类知识
  filters:
    domain: <领域过滤，可选>
    keyword: <关键词过滤，可选，应包含从reference_resources提取的资源名称>

输出：

resource_retrieval_result:
  status: success | partial | failed
  matched_resources:
    - type: <具体资源类型>
      path: <资源路径>
      name: <资源名称>
      content: <完整的结构化内容或文本>

返回输出

execution_result:
  skill: onescience-coder
  status: <success | partial | failed>
  artifacts:
    directory_structure: <创建的目录结构>
    files_created: <新增文件列表>
    files_modified: <修改文件列表>
    resources_used: <使用的资源路径列表>
  observation:
    completed_steps: <已完成步骤列表>
    verification_mode: <smoke_test | static_review>
    verification_results: <最终验证结果；若为 static_review，需使用 static_requirement_review.md 定义的格式；若为 smoke_test，需包含尝试次数、执行依据和结论>
    remaining_steps: <剩余步骤，如有>
    next_action_needed: <需要的下一步行动>
  notes: <其他说明>

verification_mode 与 verification_results 为必填项。若走 smoke_test 分支，必须明确尝试次数、执行依据和结论；若走 static_review 分支，必须给出静态需求一致性检查结果。

coder 完成实现与验证后，只返回 execution_result；若后续需要运行、环境修复、训练/推理/评估或其他跨技能动作，应通过 next_action_needed / remaining_steps 报告，由调用方或 onescience-orchestrator 决定，不得由 coder 自行串行选择下一个 executor。