⚠️ 讀不到 Summer bridge（http://127.0.0.1:8766/mc/*）— 目前顯示假資料。在 Terminal 跑：python3 ~/mc-bridge.py 就會自動接上。

🎛

最後同步：—

Mission Control

載入中...

Mission Control

七條主線總覽

先看七條主線，再看任務；畫面以主線與絕對日期為主，不用相對時間當核心語意。

主線 3 · 當前主線

全部

🔥 P0 主線

🟡 P1 背景

🔵 P2 快處理

⚫ P3 冷區

🎯 有 ETA

載入任務

💡 只顯示有設 ETA 的任務。點任務卡片 → 派發。

🔴 LensAI 戰情室 ⚠️ 目前無法使用

生產對話

1,900

累計題數

架構通過率

89%

⚠ 數字存疑

待同步修復

已寫好未上線

P0 止血項

HL 處理中

根本診斷 — 2026-05-05 CW 確認

canonicalOrder（唯一真相層）建好了，但下游沒有強制讀它。shouldCollect 讀自己的 convState，不讀 canonicalOrder，導致客戶填過的姓名/電話系統還在重複追問。商品多（829件）+ 靜態 camera-knowledge.json 全量 inject → 回答錯誤。已對比 SeaChat 實地架構：修 shouldCollect → 精簡 prompt → 中期 RAG 化知識庫，為正確方向。

10 個已知問題

1. shouldCollect 黑洞

9 輪重問已知姓名 — 最嚴重

已寫好 · 未同步

2. 音響 → 直播 routing 誤判

LIVE_WORKFLOW_RE 太廣

已寫好 · 未同步

3. Replay engine 89% 虛高

只看最後一輪，整段 routing 不追蹤

尚未開始

4. 缺 Decision Enforcement Layer

路由錯了後面沒有糾正機制

設計中

5. canonicalOrder 沒接下游

問題 1、2 的共同根源

部分已寫 · 未同步

6. 決策語氣同一模型互干擾

Reply Contract 設計好未接

設計中

7–10. Token/工作稿/規則膨脹

等 P0 完成後處理

排隊中

修復同步狀態 → 負責：HL

shouldCollect → canonicalOrder

fast-reply.canonical-collect-guard.js → decision-layer.js

P0 · 未同步

RENTAL_SIGNALS 攔截

工作稿 → message-function.js

P0 · 未同步

Reply Contract 三段結構

工作稿 → decision-layer.js

P1 · 未同步

Validator 硬檢查

工作稿 → ai-hook-v4.js

P1 · 未同步

對比 SeaChat（楓驛現有方案）

RAG 知識庫

SeaChat 有，LensAI 用靜態 camera-knowledge.json

中期目標

可觀察性 / Debug 模式

SeaChat 有逐輪 debug，LensAI 黑盒

中期目標

LensAI 獨有優勢

ERP 串接 + 結構化收單 — SeaChat 沒有

保留強化

作戰順序 — HL 執行 · AIT 驗收

shouldCollect 接上 canonicalOrder → 部署 → 驗收

止血第一步。canonicalOrder.getMissingSlots() 為空時，shouldCollect 回傳 false，不再重問。

HL 同步 fast-reply.canonical-collect-guard.js → decision-layer.js · AIT 跑 20 題驗收

RENTAL_SIGNALS 同步到 message-function.js

在 LIVE_WORKFLOW_RE 前先攔截租借訊號，音響/活動不走直播流程。

HL 同步 · AIT 跑 10 題音響對話驗收

Reply Contract + Validator 接上 ai-hook-v4.js

MUST_SAY / MUST_NOT_SAY / SAFE_STYLE_SPACE 強制執行。送出前硬守門。

HL → AIT 驗收（亂報價 / 重問已知欄位 / 語氣漂移）

升級 replay engine（逐輪 routing trace）

重跑 200 題，每輪輸出 intent / canonicalOrder 狀態 / shouldCollect 決定。89% 需要重新驗證。

AIT 主導 · 輸出真實通過率報告

camera-knowledge.json → RAG 知識庫

156 筆靜態資料換向量搜索，只 inject 相關器材，降低 token 消耗。等 P0/P1 穩定後再動。

HL + AIT 規劃 · Brain Agent 追蹤

🏢 Office 直接看真正的 Star Office UI，不再維護另一套舊場景

點選「🏢 Office」Tab 載入…

✅ 完成任務紀錄

Agent：

點選「✅ 完成」Tab 載入…

Mission Control

💡 Agent 自動建議（待看 0）