Admin：创建页面，内容为“{{Infobox Software Concept | 名称 = Spec7 / 7格架构 | 别名 = 7格 5W2H JSON 规约、AI 任务强类型外壳 | 提出背景 = 传统 5W2H 框架向 LLM 结构化机器对齐（Machine-Alignment）的演进 | 核心目标 = 拦截 Agent 行动跑偏、根除参数捏造幻觉、提高高并发智能体理解度 | 代表实现 = Spec7-JSON Schema、Harness 强类型校验器 | 核心原理 = 将模糊的自然语言任务收敛为确定性的 JSON 有限…”

2026-08-23T03:53:50Z

创建页面，内容为“{{Infobox Software Concept | 名称 = Spec7 / 7格架构 | 别名 = 7格 5W2H JSON 规约、AI 任务强类型外壳 | 提出背景 = 传统 5W2H 框架向 LLM 结构化机器对齐（Machine-Alignment）的演进 | 核心目标 = 拦截 Agent 行动跑偏、根除参数捏造幻觉、提高高并发智能体理解度 | 代表实现 = Spec7-JSON Schema、Harness 强类型校验器 | 核心原理 = 将模糊的自然语言任务收敛为确定性的 JSON 有限…”

新页面

{{Infobox Software Concept
| 名称 = Spec7 / 7格架构
| 别名 = 7格 5W2H JSON 规约、AI 任务强类型外壳
| 提出背景 = 传统 5W2H 框架向 LLM 结构化机器对齐（Machine-Alignment）的演进
| 核心目标 = 拦截 Agent 行动跑偏、根除参数捏造幻觉、提高高并发智能体理解度
| 代表实现 = Spec7-JSON Schema、Harness 强类型校验器
| 核心原理 = 将模糊的自然语言任务收敛为确定性的 JSON 有限状态矩阵
}}

'''Spec7'''（中文常称为'''7格架構'''或'''5W2H 結構化 JSON 規約'''）是一種專門面向大語言模型（LLM）與人工智慧智能體（AI Agent）設計的**強類型數據結構化協議**。它將傳統管理學中的 5W2H 分析法進行了「機器對齊」改造，將其演進為 7 個嚴格定義的 JSON 格子（Fields）。

在 [[Agent 爆發]] 與 [[Harness]]（AI 馬具）生態中，Spec7 被廣泛應用作智能體之間、以及智能體與外部環境交互時的**數據通信協議**。通過將模糊的自然語言指令強制轉化為符合 Spec7 規範的 JSON 數據，能夠將大模型的狀態轉移概率硬性收斂，從根本上**治理 Agent 幻覺，並將 AI 對任務的理解與執行準確度提升至工業級標準**。

== Spec7（7格）的 JSON Schema 欄位定義 ==

在 Spec7 規範中，一個標準的任務或知識節點被嚴格解構為以下 7 個格子。以下是其標準的 JSON Schema 定義與 AI 機器理解邏輯：

```json
{
"\$schema": "https://jwjp.com",
"title": "Spec7TaskFormat",
"type": "object",
"properties": {
"what": {
"type": "string",
"description": "实体与核心动作。必须包含唯一的、无歧义的操作目标或对象，严禁使用模糊代词。"
},
"why": {
"type": "string",
"description": "意图与边界约束。告知 AI 此任务的终极愿景，用作防止『行动链路跑偏』的全局锚点。"
},
"who": {
"type": "string",
"description": "执行主体与权限边界。明确定义当前的 Agent 身份标识、调用凭证（Token）及受控作用域。"
},
"when": {
"type": "string",
"description": "时间戳与触发时机。包含严格的 ISO 8601 时间格式或触发条件，拦截『时间线错错乱』幻觉。"
},
"where": {
"type": "string",
"description": "物理/数字环境上下文。指明操作发生的具体服务器、数据库、[[Obsidian]] 库路径或 API 终端。"
},
"how": {
"type": "array",
"items": { "type": "string" },
"description": "有限步长原子操作序列。将复杂任务拆解为不可分割的顺序执行步骤，严禁 Agent 自主泛化。"
},
"how_much": {
"type": "object",
"description": "度量指标与资源消耗上限。明确定义 Token 消耗上限、API 调用次数上限、预算成本（如金额）或执行超时时间。"
}
},
"required": ["what", "why", "who", "when", "where", "how", "how_much"]
}
```

== Spec7 治理 Agent 幻覺的實際應用機制 ==

傳統的自然語言 Prompt（如：“*幫我分析一下剛才的數據並發封郵件*”）極易觸發 Agent 的 [[Agent 幻觉]]。而將其轉化為 Spec7 JSON 後，[[Harness]] 系統會通過以下三種機制硬性壓制幻覺：

=== 1. 利用 `why` 欄位進行全局注意力錨定（反鏈路跑偏） ===
當任務步驟過長時，Agent 的短期記憶容易被中間步驟產生的垃圾日誌污染。
* '''應用機制'''：Spec7 系統在每一步工具調用前，會強制將 JSON 中的 `why`（意图约束）作為不可覆蓋的 System Prompt 重新注入。這就像給 Agent 的眼睛上貼了兩片擋板，迫使它的 Attention 機制始終聚焦在終極目標上，徹底解決了[[行動鏈路跑偏]]的難題。

=== 2. 利用 `how` 欄位進行原子化步驟校驗（反工具誤用） ===
Agent 幻覺的一大特徵是喜歡憑空捏造 API 參數或任意調用未授權的工具。
* '''應用機制'''：在 Spec7 格式下，`how` 被定義為一個強類型的字符串數組（序列）。AI 必須按順序完成數組中的步驟。Harness 沙箱在每執行完一格（Step）後，會自動比對執行狀態，一旦發現 Agent 試圖調用 `how` 數組之外的工具，立刻觸發安全回滾，解決了[[工具誤用與參數捏造]]的問題。

=== 3. 利用 `how_much` 設置硬性數字邊界（反偽造結果與死循環） ===
當 Agent 遇到執行錯誤時，常會陷入無限重試的死循環，或者乾脆[[偽造執行結果]]。
* '''應用機制'''：`how_much` 欄位為 AI 圈定了嚴格的物理邊界（例如 `"max_retry": 3`, `"max_tokens": 5000`）。一旦 Agent 幻覺發作試圖瞞報錯誤並無限重試，Harness 控制端會在 `how_much` 觸發臨界點的瞬間，直接從系統底層切斷進程，並報出強類型異常。

== 實戰對比：自然語言與 Spec7 JSON 差異 ==

{| class="wikitable"
! 指令維度 !! 傳統自然語言 Prompt !! Spec7 結構化 JSON 數據
|-

| '''機器理解複雜度''' || 高（需要進行語義解析和概率盲猜） || '''極低'''（精準映射到對應的 Key-Value，概率 100% 收斂）
|-

| '''幻覺觸發概率''' || 高（容易因為長文本干擾產生漂移） || '''趨近於零'''（不符合 Schema 的數據會被預先攔截）
|-

| '''與馬具（Harness）適配度''' || 差（無法進行自動化形式驗證） || '''完美適配'''（可直接進行 JSON Schema 自動校驗與沙箱隔離）
|}

== 參見 ==
* [[Agent 幻觉]]
* [[Harness]]
* [[Obsidian]]
* [[Boardline]]
* [[数据要素]]

[[分类:人工智能]]
[[分类:智能体技术]]
[[分类:数据协议]]

Spec7 - 版本历史