feat(investigation): publish incremental reference graphs

Publish graph deltas using the Server-owned cumulative graph contract. Validate historical comparison chart publications and consolidate Agent documentation.

docs/README.md

@@ -0,0 +1,17 @@
+# 供水 Agent 文档目录
+
+运行、模型、MCP 配置、会话目录和部署见 [仓库 README](../README.md)，开发与安全边界见 [AGENTS.md](../AGENTS.md)。整理日期：2026-11-10。
+
+| 主题 | 维护入口 |
+| --- | --- |
+| 宿主、OpenCode、工具、权限、持久化与生命周期 | [Agent 架构](architecture.md) |
+| 回答内容、展示命令、回执、聊天与任务生命周期 | [Agent UI 协议](agent-ui-protocol.md) |
+| 调查运行、报告、协作与旧计划兼容 | [执行与调查报告](execution-plan.md) |
+| 用户身份、会话文件和历史数据隔离 | [用户隔离](user-isolation.md) |
+| 原生 Agent、插件、Skill 和 MCP 配置来源 | [可信资产管理](../.opencode/README.md) |
+| Server 查询、认证与队列 | [Server 文档目录](../../next-tjwater-server/docs/README.md) |
+| 前端控件与宿主提问状态 | [交互状态](../../next-tjwater-frontend/docs/agent-interaction-state-design.md) |
+
+原 `HARNESS_INTRODUCTION.md` 与 `AGENT_HARNESS_REPORT.md` 的当前职责已合并到架构文档；原文保存在 [历史 Harness 资料](history/legacy-harness-design.md)。历史 CLI、render_ref、旧模型默认值及旧数据目录不再作为实现或待办依据。
+
+配置表只在仓库 README 与实际配置源维护，协议字段只在拥有该契约的代码及专门文档维护。实现和测试记录不证明现有进程已经重载或部署。

docs/agent-ui-protocol.md

@@ -6,7 +6,7 @@
 
 Map, chart, overlay and SCADA display use a single flat command object: `{action, ...typed fields}`. Chat calls `present_view({command, reason?})` with an optional concise purpose; tasks call `publish_task_presentation({request_id, command})`; Dev JSONL wraps the same command in `{record_type:"presentation", command}`. No executable JS, JSX, HTML, CSS, URL or arbitrary request is accepted. The former chat name/params action shape and frontend-action@1 are rejected; no migration adapter is provided.
 
-The ten commands are locate_features, zoom_to_map, highlight_features, clear_highlights, open_chart, close_chart, set_overlay, clear_overlay, render_scada_analysis and clear_scada_analysis. Historical data must first be queried through an authorized MCP tool and then supplied to open_chart. Command definitions, including bounded GeoJSON, charts and target lists, are generated from the supply frontend's `src/features/agent/presentation/command-schema.ts`; the exported `src/frontendAction/command.ts` is also used with OpenCode's native Zod instance. Regenerate using `node scripts/export-view-command-contract.mjs` in the supply frontend; add `--check` to verify copies.
+The ten commands are locate_features, zoom_to_map, highlight_features, clear_highlights, open_chart, close_chart, set_overlay, clear_overlay, render_scada_analysis and clear_scada_analysis. Historical data must first be queried through an authorized MCP tool and then supplied to open_chart. Command definitions, including bounded GeoJSON, charts and target lists, are generated from the supply frontend's `src/features/agent/presentation/command-schema.ts`; the exported `src/frontendAction/command.ts` is also used with OpenCode's native Zod instance. Regenerate using `node scripts/export-view-command-contract.mjs` in the supply frontend; add `--check` to verify copies. The same exporter also synchronizes `tests/fixtures/unified-presentation.jsonl` and `chart-publication-cases.json` to Agent and Server. JSON Schema covers structural limits; runtime refinement and the shared conformance tests cover timestamp semantics.
 
 ## Chat transport and receipts
 
@@ -34,9 +34,11 @@ Session subscriptions carry the same data in a `frontend_action` event. The brow
 
 Task display is asynchronous: Server verifies the task/run/generation, active lease, source session, evidence ownership and idempotency key before recording `operational.presentation.requested`. A recorded result does not mean a browser displayed it; tasks progress without any connected browser. New subscriptions take a fresh event baseline and do not replay historical display commands.
 
+Task chart windows are managed by the browser in one parent window containing process chart groups and report Chart components. Only new live open_chart commands for the followed running investigation can automatically open that parent once per task-view session; updates preserve dismissal and never automatically open individual child windows. Opening, switching or refreshing a task, loading completed tasks, reconnecting history, and navigating saved snapshots restore data without opening windows. Each child still supports manual independent enlargement. Chat and Dev previews use manual opening. Window intent is transient browser state, not a field in the command or saved event; displayed means chart data was loaded, not that a popup opened.
+
 Task open_chart requires persisted evidence references. Task set_overlay can omit data; Server resolves immutable evidence into bounded GeoJSON. Supplied data must match that resolution and never overrides the stored snapshot. Chat and Dev supply resolved data for structural validation before rendering.
 
-Same-time-of-day current/history comparisons use `chart_type=time_comparison`; ordinary charts retain `line` or `bar`. The comparison axis contains shared UTC+8 `HH:mm` or `HH:mm:ss` slots, with current `line` and historical `scatter` series and aligned real `sample_times`. The Server automatically validates new task presentation and report chart publications, rejecting date-appended axes, missing timestamps, misplaced points and nonhistorical reference dates with `TIME_COMPARISON_INVALID`. Ordinary charts skip this semantic check. Historical stored chart read contracts remain unchanged.
+Same-time-of-day current/history comparisons use `chart_type=time_comparison`; ordinary charts retain `line` or `bar`. The comparison axis contains shared UTC+8 `HH:mm` or `HH:mm:ss` slots, with current `line` and historical `scatter` series and aligned real `sample_times`. The Server automatically validates new task presentation and report chart publications, rejecting date-appended axes, missing timestamps, misplaced points and nonhistorical reference dates with `TIME_COMPARISON_INVALID`. Chat open_chart is checked by both the native tool and host coordinator using the same generated chart refinement as task publication; Dev commands and ui_block.Chart use it too. Ordinary line/bar charts skip comparison semantics, but a line/scatter comparison cannot be labelled line. Historical stored chart read contracts remain unchanged.
 
 Chat, task following and Dev previews share the frontend command dispatcher but own independent map sources, SCADA layers and chart state. Clearing or switching one owner does not clear another. Dev JSONL is an explicit local preview/import/export container, not an alternative online business protocol. Plain data records and ui_block records do not execute embedded actions. The earlier agent-ui@1 registry has no active tool mappings and is not an action entry point.
 
@@ -77,3 +79,9 @@ Canonical parts are the saved history; reconnect compatibility fields are projec
 `data-run_status` retains completed, waiting_input, error or aborted state for reloads. Host-confirmed
 interaction updates may update stored parts after a response has finished without reopening its wire stream.
 UI, redacted transcript and native execution history retain their separate purposes and retention rules.
+
+## Grouped object chart examples
+
+Keep one stable chart_id per object. A comparison title is `<object_id> <shared title>` and every series name starts with `<object_id> `; IDs start with a letter or digit and contain only letters, digits, underscores, periods or hyphens. Comparisons group only when their shared title, chart_type, axis names, x_data, current series names without the object prefix and current sample_times match. Different metrics, units or windows stay separate. The browser places single-selection object buttons on the right and series legends under the plot; narrow windows place objects below. Closing a grouped card removes its objects, while close_chart still addresses a single original chart_id. Ordinary overview/bar commands and standalone answer Chart components stay independent. No objects field or new command is introduced.
+
+The complex Dev examples publish eight pressure and four pipe-flow object datasets, each with 96 slots, one current line and seven sparse historical scatter series, plus an independent plan bar chart. The canonical JSONL and shared positive/negative chart cases are copied from the frontend fixtures by the contract exporter; do not edit generated fixture copies locally. Publication checks reject inconsistent dates, misplaced slots, missing observed timestamps and invalid null pairings before execution. Browser tests use synthetic readings and do not establish live Agent or business acceptance.

docs/architecture.md

@@ -0,0 +1,68 @@
+# 供水 Agent 架构与维护边界
+
+整理日期：2026-11-10。本文合并原 Harness 简介与架构报告，按当前源码说明宿主职责；启动、模型、MCP 和部署参数统一见 [README](../README.md)，不在此维护第二份配置表。旧架构原文见 [历史资料](history/legacy-harness-design.md)。
+
+## 总体链路
+
+```mermaid
+flowchart LR
+  Frontend[前端聊天与工作台] --> Host[Agent 宿主]
+  Worker[Server 调查 Worker] --> Host
+  Host --> Identity[Server 验证身份与任务归属]
+  Host --> Runtime[OpenCode 运行时]
+  Runtime --> MCP[宿主管理的产品 MCP]
+  MCP --> Server[TJWater Server 与项目数据]
+  Runtime --> Tools[受控发布与展示插件]
+  Tools --> Host
+  Host --> Persistence[会话文件、状态与审计]
+  Host --> Frontend
+```
+
+模型负责推理与工具选择。Agent 宿主负责身份、运行生命周期、可信工具桥、流式事件、会话文件和取消；Server 负责业务事实、项目权限、任务与报告权威状态。图表展示、报告发布、模型轮次结束与任务执行完成分别处理。
+
+## 代码职责
+
+| 层 | 当前入口 | 职责 |
+| --- | --- | --- |
+| 启动与装配 | [src/server.ts](../src/server.ts) | 组装身份、存储、运行时、内部桥和 HTTP 服务；就绪检查失败不开始正常服务 |
+| 聊天与输入 | [src/routes/chat.ts](../src/routes/chat.ts) · [chat-run-accumulator.ts](../src/routes/chat-run-accumulator.ts) | HTTP/SSE、运行事件累加、权限与问题投影、追加输入和中断 |
+| 原生运行时 | [src/runtime/opencode.ts](../src/runtime/opencode.ts) · [opencode2-config.ts](../src/runtime/opencode2-config.ts) | embedded/client 接入、可信原生配置、会话绑定、事件与取消 |
+| 业务 MCP | [mcp-query-client.ts](../src/product/mcp-query-client.ts) · [product-mcp-tools.ts](../src/runtime/product-mcp-tools.ts) | 授权上下文、专用 OAuth、工具目录和访问策略；实际目录由代码维护 |
+| 发布与任务 | [task-publication-bridge.ts](../src/routes/task-publication-bridge.ts) · [task-command-bridge.ts](../src/routes/task-command-bridge.ts) | 类型化任务命令、进度、报告和展示发布，校验会话用途与运行归属 |
+| 前端动作 | [src/frontendAction/](../src/frontendAction/) · [UI 协议](agent-ui-protocol.md) | 受控展示 command 与回执，内容渲染不重放动作 |
+| 存储与隔离 | [workspace-store.ts](../src/sessions/workspace-store.ts) · [session-scope.ts](../src/sessions/session-scope.ts) | 从已验证会话取得 actor、scope 与所有权，管理 host-owned chat 和模型可写 workspace |
+| 记忆与技能 | [src/learning/orchestrator.ts](../src/learning/orchestrator.ts) · [src/memory/](../src/memory/) | 按既有规则组织学习、记忆和技能；Skill 存储不宣称按用户或项目隔离 |
+| Shell 沙箱 | [landlockSandbox.ts](../src/sandbox/landlockSandbox.ts) | 受许可的本地 Shell 及系统级访问限制，不作为自由业务查询入口 |
+
+## 身份、数据与工具
+
+生产聊天必须通过 Server 验证 Bearer。个人会话使用个人范围，不能获得项目业务凭据；项目会话还需核验 `X-Project-Id` 和成员权限。调查执行绑定 task/run/execution_request 和实际 Agent 实例，客户端或模型不能自行指定身份、产品 URL、凭据或数据范围。
+
+业务查询通过原生 `mcp_tjwater` 连接，由宿主持有 OAuth 凭据。业务写入和计算按目录元数据、会话用途、原生许可及 Server 权限处理，不将 `readOnlyHint` 当作授权。普通聊天与学习不启动子代理；后台调查的受控只读 reader 边界见 [README](../README.md#后台调查子代理)。
+
+发布、前端动作、消息、记忆和技能沿用可信插件与类型化宿主桥。旧 `tjwater_cli`、自由业务命令桥、独立结果引用存储和 render-ref 回读 API 已退役；不要据历史 Harness 图重新建立这些入口。文件结果保存到会话 `files/`，通过会话身份及相对路径下载。
+
+## 会话与持久化
+
+会话根目录由配置管理，通常位于 `data/session-workspaces/`。host-owned `chat/` 保存 UI 状态、transcript 和学习记录；模型仅绑定 `workspace/`，通过其中的 `files/`、`tmp/` 和 `.cache/` 工作。OpenCode 原生历史、UI state 和脱敏 transcript 各有用途，不能相互替代。
+
+只共享不可变资料或配置，不将用户凭据、其他会话和仓库源码复制到模型工作目录。会话目录属于持久用户数据；部署需保留实际 data root 与 OpenCode 数据库。删除、旧目录迁移和失败重试的规则见 [用户隔离](user-isolation.md) 与仓库 `AGENTS.md`，不能作为构建缓存清理。
+
+## 生命周期与可观察性
+
+- 原生事件进入宿主累加器，再持久化并推送浏览器；断开浏览器订阅不等于中止后台运行。
+- `ask_user` 的请求、答案和投递记录独立保存，答案已保存与推理已继续分别反馈；见 [前端交互状态](../../next-tjwater-frontend/docs/agent-interaction-state-design.md)。
+- 后台任务以 Server 持久化状态及 claim、heartbeat、complete/fail 为准，不能以 SSE done 或最终文字替代；见 [任务执行边界](execution-plan.md)。
+- 启动检查、业务审计、原生 call ID、取消、超时和故障清理均保留各自证据。收到 queued/running 或一次 HTTP 超时不能据此宣布任务完成或业务失败。
+
+## 验证入口
+
+从 Agent 仓库运行：
+
+```bash
+bun run check
+bun run check:openapi
+bun test tests/routes tests/sessions tests/product tests/frontendAction
+```
+
+模型配置检查、隔离集成和部署检查按 [README](../README.md) 选择，不在文档整理时执行付费推理、修改生产身份平台或重启用户服务。本地静态检查、模拟测试、原生能力探针、真实项目验收和实际发布分别记录。

docs/execution-plan.md

@@ -23,7 +23,7 @@ Mermaid、todo 和可选的旧执行计划供人理解，不约束 Agent 调度
 
 ## 任务、协作与恢复
 
-后台调查通过 `publish_task_progress` 在真实步骤开始及路线变化时发布完整 summary 与可空 diagram，复用 Server `agent-artifacts` 写入。节点可带显式 status 和供水图层要素 map_targets；只有 running 代表当前活动。进度图可以替换或重绘，不受旧计划保留节点规则约束，也不从 todo 推算。最终报告 diagram 使用相同节点引用字段；两者均不调度 Agent。
+后台调查通过 `publish_task_progress` 按需整理 summary 与可选 graph_update，复用 Server `agent-artifacts` 写入。路线实质调整、重要结果或失败尝试需要留痕、归纳报告时更新即可，不要求逐步发布或实时同步。graph_update 只提交变化的 nodes 和显式 edges（source/target/label）；Server 累计保留路径并生成 Mermaid。node_id 稳定，可用 detail、证据及动作引用解释依据。可选 status 只接受 reference（参考步骤）、recorded（已有结果）、needs_input（待补充条件）、failed（尝试失败）、not_taken（未采用路线）；无标记时保持中性。recorded 不证明实际任务或现场动作完成，needs_input 不控制任务等待。失败路径保留，重试另建节点。需要接续旧图时读取 get_task_context(section="progress")；旧 pending/running 仅作参考，completed 表示已有结果，waiting/waiting_human 表示待补充条件，skipped/cancelled 表示未采用。summary 更新不清图，报告归档已有累计图；旧图原源码保留，未保存的旧进度无法补回。图示与实际任务、计算和工具执行状态独立，不调度 Agent。上面的旧执行计划字段只用于历史兼容，也不驱动 Mermaid 标记。
 
 `publish_task_presentation` 仅允许 task_execution，通过 Server `presentation-events` 记录有限地图、图表及证据图层命令。run_id、任务和会话身份来自可信运行上下文；request_id 为模型提供的 UUID，相同操作重试复用。命令无需浏览器 capability 或实际显示回执，recorded 不代表已显示。图表引用真实证据，overlay 仅提供 evidence_id，由 Server 提取数据。前端 Dev 选择当前任务后实时跟随未来展示事件，关闭、切换或重连不回放旧展示，不启动新调查。
 

docs/history/legacy-harness-design.md

@@ -0,0 +1,622 @@
+# 早期 Harness 架构资料
+
+> 历史归档：由旧 `HARNESS_INTRODUCTION.md` 与 `AGENT_HARNESS_REPORT.md` 合并保存。文中 CLI、render_ref、独立结果引用存储、旧模型默认值和旧会话目录均不能作为当前实现或维护依据。当前架构见 [Agent 架构](../architecture.md)，配置见 [仓库 README](../../README.md)。原文中的覆盖声明与外部参考未在本次文档整理中重新验证。
+
+## 原文件：HARNESS_INTRODUCTION.md
+
+# TJWaterAgent Harness 框架设计
+
+> 如果把 AI 大模型比作"大脑"，Harness 就是让大脑能**安全、可靠、有条理地**在真实水务业务中工作的整套 **"神经 + 手脚 + 记忆"系统**。
+
+---
+
+## 一张图看懂
+
+```mermaid
+sequenceDiagram
+    autonumber
+    actor 用户 as 👤 用户
+    participant 前端 as 🖥️ 前端界面<br/>（聊天 / 地图 / 图表）
+    participant 接口 as 🚪 接口层<br/>接收问题、返回结果
+    participant 会话 as 📋 会话层<br/>“你是谁？哪个项目？”
+    participant 上下文 as 📦 上下文层<br/>整理背景资料<br/>历史对话 · 偏好 · 技能
+    participant 适配 as 🔌 适配层<br/>接通AI大脑<br/>（嵌入/远程）
+    participant 工具 as 🔧 工具层<br/>AI的“手和脚”<br/>调CLI · 存渲染引用 · 画图
+    participant 水务 as 🏭 水务系统<br/>管网 / SCADA / 仿真
+    participant 治理 as 🛡️ 治理观测层<br/>日志 · 审计 · 超时 · 容错
+
+    用户->>前端: 💬 “帮我查A片区今天用水量”
+    前端->>接口: 📤 POST 请求
+    接口->>会话: 🔍 验证身份、绑定会话
+    会话->>上下文: 📋 拼装：历史对话+记忆+技能+身份
+    接口->>前端: 📡 建立实时通道 SSE（“电话接通”）
+    接口->>适配: 📤 问题和背景一起发给AI
+    适配->>适配: 🧠 AI思考：推理 → 规划 → 决定调工具
+    适配->>工具: 🔧 “调用 tjwater_cli 查用水数据”
+    工具->>会话: 🔐 回读身份令牌（令牌留在服务端）
+    工具->>水务: 🏭 带上身份去查真实数据
+    水务-->>工具: 📊 返回数据
+    opt 需要渲染大型 junction 分区
+        工具->>工具: 💾 store_render_ref 存 render_ref
+        前端->>接口: 🔎 按 render_ref 回读完整渲染 payload
+    end
+    工具-->>适配: 📦 给AI结果
+    适配-->>前端: 📡 实时推送：文字逐字显示+图表弹窗
+    前端-->>用户: 📲 看到回答和数据
+    适配->>治理: 📝 记录：谁调了什么、为什么、耗时多久
+    会话->>会话: 🧠 同步复盘：对话中实时沉淀记忆/技能
+```
+
+---
+
+## 主流 Harness 能力覆盖
+
+AI Agent 领域主流的 Harness 是指大模型外层的工程基础设施。对照这些标准能力项，当前设计全覆盖：
+
+| 主流 Harness 能力 | 本项目落点 | 覆盖 |
+|---|---|---|
+| 运行时编排 | `OpencodeRuntimeAdapter` + `ChatSessionBridge` | ✅ |
+| 上下文装配 | `buildPromptWithLearningContext` + `runtime context store` | ✅ |
+| 工具执行与权限隔离 | `.opencode/tools` + `/internal/tools/*` + `x-agent-internal-token`，令牌不出工具 | ✅ |
+| 状态持久化 | `session` / `UI state` / `transcript` / `runtime context` | ✅ |
+| 记忆与技能沉淀 | `MemoryStore` + `SkillStore` + `LearningOrchestrator`（对话中同步复盘） | ✅ |
+| 观测与审计 | `Pino` + `LLM request audit` + `learning audit` + `traceId` | ✅ |
+| 可靠性 | `abort` / `timeout` / `fallback` / `render_ref TTL` / `cleanup` | ✅ |
+| 前端动作桥接 | SSE `tool_call` + `UI tools`（地图 / 图表 / 面板） | ✅ |
+
+---
+
+**Harness = 大脑负责思考，外壳负责让思考能落地执行。**
+
+
+## 原文件：AGENT_HARNESS_REPORT.md
+
+# TJWaterAgent 后端 Harness Engineering 设计整理
+
+## 1. 先明确概念：什么是 Agent Harness
+
+在 Agent 系统里，LLM 只是推理核心。Harness engineering 关注的是模型外层的工程系统：它把用户请求、上下文、工具、状态、权限、观测、持久化和恢复机制组织起来，让模型能在真实业务环境里安全地执行多步任务。
+
+结合近期资料，可以把 harness 概括为：
+
+- **运行时外壳**：承接请求，驱动模型，多轮执行，判断何时继续、停止或失败。
+- **上下文装配层**：把用户身份、项目、历史、记忆、技能、业务约束注入到模型可用的上下文中。
+- **工具执行层**：把模型意图转成受控的 CLI、渲染引用迁移和 UI 动作，并把结果反馈给模型。
+- **权限与治理层**：隔离用户 token、项目权限、内部工具调用权限和渲染引用回读权限。
+- **状态与记忆层**：保存 session、transcript、UI state、memory、skills、render refs。
+- **观测与审计层**：记录工具调用、技能调用、学习决策、trace 和错误。
+- **可靠性层**：处理 abort、timeout、fallback、cleanup 和渲染引用 TTL。
+
+因此，TJWaterAgent 的 harness 不是某一个单独文件，而是 `src/` 服务代码、`.opencode/` Agent 资产、工具桥、持久化 store 和运行时适配器共同组成的 Agent 后端工程体系。
+
+参考资料：
+
+- TechTarget: [Harness engineering: Agent harnesses as critical infrastructure](https://www.techtarget.com/searchapparchitecture/tip/Harness-engineering-Agent-harnesses-as-critical-infrastructure)
+- O'Reilly Radar: [Agent Harness Engineering](https://www.oreilly.com/radar/agent-harness-engineering/)
+- MongoDB: [The Agent Harness: Why the LLM Is the Smallest Part of Your Agent System](https://www.mongodb.com/company/blog/technical/agent-harness-why-llm-is-smallest-part-of-your-agent-system)
+- LLM Reference: [Harness](https://www.llmreference.com/concept/harness)
+
+## 2. 项目总体框架
+
+`TJWaterAgent` 是面向 TJWater 前端和水务后端能力的 Agent 服务层。它对外暴露 HTTP/SSE API，对内启动或连接 opencode runtime，并通过 `.opencode` 下的 agent、tools、skills 资产完成业务推理和工具执行。
+
+```text
+TJWaterAgent/
+  src/                         服务宿主、路由、会话、runtime、工具桥、持久化
+  .opencode/                   opencode agent 资产
+    agents/instruction.md      Agent 角色、行为规则、工具策略
+    tools/*.ts                 opencode 可调用工具
+    skills/                    可复用 workflow、CLI 使用说明、案例
+  data/                        session、memory、render_ref 等运行时数据
+  logs/                        LLM/tool/learning 审计日志
+  cli/tjwater-cli              业务 CLI 能力入口
+  opencode.json                opencode provider、model、server、default_agent
+```
+
+核心技术栈：
+
+| 类别 | 技术 |
+| --- | --- |
+| 服务运行 | Bun、Node.js、TypeScript ESM |
+| HTTP 层 | Express、CORS、SSE |
+| 参数校验 | Zod |
+| Agent runtime | `@opencode-ai/sdk/v2`、opencode embedded/client 两种模式 |
+| LLM provider | DeepSeek，默认 `deepseek/deepseek-v4-pro` |
+| 工具扩展 | `@opencode-ai/plugin`、`.opencode/tools/*.ts` |
+| 持久化 | JSON file store、atomic write、TTL cleanup |
+| 观测 | Pino、LLM request audit、learning audit |
+| 后端能力 | `tjwater-cli --auth-stdin` |
+
+## 3. Harness Engineering 一图总览
+
+下面这张图把现有后端设计收束成一张 Harness Engineering 视角的总图。重点不是“LLM 调用链”，而是模型外层的工程外壳如何完成请求接入、上下文装配、runtime 编排、工具治理、状态持久化、结果裁剪、审计和恢复。
+
+```mermaid
+flowchart LR
+  subgraph Client["Client / Frontend"]
+    Chat["Agent Chat UI"]
+    UIAction["Map / Chart / Panel Actions"]
+  end
+
+  subgraph Harness["TJWaterAgent Backend Harness Engineering"]
+    direction TB
+
+    subgraph Entry["1. 接入与协议层"]
+      API["Express REST API<br/>/api/v1/agent/chat/*"]
+      SSE["SSE Contract<br/>progress / token / tool_call / done / error"]
+    end
+
+    subgraph Control["2. 会话与上下文控制面"]
+      Session["ChatSessionBridge<br/>clientSessionId -> opencode sessionId"]
+      ActiveRun["activeRuns + AbortController<br/>并发控制 / 中断 / 重连"]
+      Context["SessionRuntimeContextStore<br/>actor / project / trace / token"]
+      PromptCtx["Learning Context Assembly<br/>recent turns / memory / skills"]
+    end
+
+    subgraph RuntimeLayer["3. Runtime 编排层"]
+      Adapter["OpencodeRuntimeAdapter"]
+      Mode["embedded / client mode"]
+      EventAdapter["Raw Event Adapter<br/>opencode events -> frontend SSE"]
+    end
+
+    subgraph ToolPlane["4. 工具执行与权限边界"]
+      ToolBridge["Internal Tool Bridge<br/>/internal/tools/*"]
+      InternalAuth["x-agent-internal-token"]
+      TokenInject["Server-side Auth Injection<br/>token / project / trace"]
+      RenderRefPolicy["Render Ref Policy<br/>store_render_ref + render_ref"]
+    end
+
+    subgraph State["5. 状态、记忆、沉淀"]
+      SessionStore["Session / UI State / Transcript Store"]
+      ResultStore["ResultReferenceStore<br/>TTL / actor-project-session auth"]
+      MemoryStore["MemoryStore"]
+      SkillStore["SkillStore"]
+      Learning["LearningOrchestrator<br/>gate / review / persistence policy"]
+    end
+
+    subgraph Governance["6. 治理、观测、可靠性"]
+      Audit["LLM Tool Audit / Learning Audit"]
+      Logs["Pino Logs + traceId"]
+      Reliability["timeout / fallback / cleanup / health"]
+    end
+  end
+
+  subgraph Runtime["opencode Runtime Assets"]
+    Agent[".opencode/agents/instruction.md"]
+    OCTools[".opencode/tools/*.ts"]
+    OCSkills[".opencode/skills/*"]
+    LLM["DeepSeek Model"]
+  end
+
+  subgraph Business["TJWater Business Capability"]
+    CLI["tjwater-cli --auth-stdin"]
+    Data["管网 / SCADA / 仿真 / 分析数据"]
+  end
+
+  Chat -->|"POST /stream"| API
+  API --> Session
+  API --> ActiveRun
+  Session --> Context
+  Session --> SessionStore
+  Session --> PromptCtx
+  MemoryStore --> PromptCtx
+  SkillStore --> PromptCtx
+  PromptCtx --> Adapter
+  Adapter --> Mode
+  Mode --> LLM
+  LLM --> Agent
+  LLM --> OCTools
+  LLM --> OCSkills
+  Adapter --> EventAdapter
+  EventAdapter --> SSE
+  SSE -->|"stream events"| Chat
+  SSE -->|"tool_call"| UIAction
+
+  OCTools -->|"sessionID + args + reason"| ToolBridge
+  ToolBridge --> InternalAuth
+  InternalAuth --> Context
+  Context --> TokenInject
+  TokenInject --> CLI
+  CLI --> Data
+  OCTools --> RenderRefPolicy
+  RenderRefPolicy --> ResultStore
+
+  SessionStore --> Learning
+  Learning --> MemoryStore
+  Learning --> SkillStore
+  EventAdapter --> Audit
+  ToolBridge --> Audit
+  Learning --> Audit
+  Audit --> Logs
+  ActiveRun --> Reliability
+  ResultStore --> Reliability
+  Adapter --> Reliability
+```
+
+图中可以看出，本项目 Harness Engineering 的核心设计是：
+
+| 设计域 | 关键职责 | 项目落点 |
+| --- | --- | --- |
+| 接入协议 | 把前端请求和流式响应稳定化 | Express routes、SSE event contract |
+| 会话控制 | 绑定前端会话和 runtime 会话，支持 abort、reconnect、active run 管理 | `ChatSessionBridge`、`activeRuns` |
+| 上下文装配 | 把用户、项目、trace、token、历史、记忆、技能装配到一次运行中 | `SessionRuntimeContextStore`、learning context |
+| Runtime 编排 | 屏蔽 opencode embedded/client 差异，统一 prompt、event、messages、abort | `OpencodeRuntimeAdapter` |
+| 事件适配 | 把 opencode raw events 转成前端稳定协议 | `streamPromptResponse()` |
+| 工具治理 | 通过内部桥执行真实业务能力，隔离模型和用户 token | `.opencode/tools`、`/internal/tools/*` |
+| 渲染引用管理 | 大型 junction 渲染 payload 引用化，避免模型读取完整 `node_area_map` | `ResultReferenceStore`、`render_ref` |
+| 记忆沉淀 | 从对话中异步提取 memory 和 reusable skill | `LearningOrchestrator`、`MemoryStore`、`SkillStore` |
+| 治理可靠性 | 观测、审计、超时、中断、fallback、TTL cleanup | Pino、audit logs、health、cleanup |
+
+## 4. Harness 总体架构图
+
+```mermaid
+flowchart LR
+  subgraph FE["TJWater 前端"]
+    ChatUI["聊天 UI / AgentWorkspace"]
+    MapUI["地图 / 图表 / 面板"]
+  end
+
+  subgraph Harness["TJWaterAgent Backend Harness"]
+    Server["Express Server"]
+    ChatRouter["Chat Router<br/>/api/v1/agent/chat/*"]
+    SessionBridge["ChatSessionBridge"]
+    RuntimeAdapter["OpencodeRuntimeAdapter"]
+    StreamAdapter["SSE Stream Adapter"]
+    InternalTools["Internal Tool Bridge<br/>/internal/tools/*"]
+    Stores["Persistent Stores<br/>session / memory / transcript / render_ref"]
+    Learning["LearningOrchestrator"]
+    Audit["Audit Logs"]
+  end
+
+  subgraph Runtime["opencode Runtime"]
+    OCServer["opencode server"]
+    AgentPrompt["agents/instruction.md"]
+    Tools["tools/*.ts"]
+    Skills["skills/workflow/*"]
+  end
+
+  subgraph Business["TJWater 业务能力"]
+    CLI["tjwater-cli"]
+    Data["管网 / SCADA / 仿真 / 分析数据"]
+  end
+
+  ChatUI -->|"POST /stream 或 GET /session/:id/stream"| Server
+  Server --> ChatRouter
+  ChatRouter --> SessionBridge
+  ChatRouter --> Stores
+  SessionBridge --> RuntimeAdapter
+  RuntimeAdapter --> OCServer
+  OCServer --> AgentPrompt
+  OCServer --> Tools
+  OCServer --> Skills
+  Tools -->|"internal callback + sessionID"| InternalTools
+  InternalTools --> Stores
+  InternalTools --> CLI
+  CLI --> Data
+  OCServer -->|"raw events"| StreamAdapter
+  StreamAdapter -->|"progress / token / tool_call / done / error"| ChatUI
+  StreamAdapter --> Audit
+  ChatRouter --> Learning
+  Learning --> Stores
+  ChatUI -->|"tool_call action"| MapUI
+```
+
+## 5. Harness 工程分层
+
+```mermaid
+flowchart TB
+  L1["1. 接口层<br/>Express + REST + SSE"]
+  L2["2. 会话层<br/>ChatSessionBridge + activeRuns + abort"]
+  L3["3. 上下文层<br/>user / project / trace / token 绑定"]
+  L4["4. Runtime 适配层<br/>opencode embedded/client"]
+  L5["5. 事件适配层<br/>opencode raw events -> 前端 SSE 协议"]
+  L6["6. 工具执行层<br/>tjwater-cli / store_render_ref / UI tools"]
+  L7["7. 渲染引用层<br/>render_ref / TTL"]
+  L8["8. 记忆学习层<br/>memory / transcript / skill / learning gate"]
+  L9["9. 治理观测层<br/>auth / audit / logs / timeout / cleanup"]
+
+  L1 --> L2 --> L3 --> L4 --> L5
+  L3 --> L6 --> L7
+  L2 --> L8
+  L6 --> L9
+  L8 --> L9
+```
+
+### 5.1 接口层
+
+主要入口在 `src/server.ts` 和 `src/routes/chat.ts`：
+
+- `GET /health`：检查服务和 opencode runtime 健康状态。
+- `POST /api/v1/agent/chat/session`：创建或确保 session metadata。
+- `GET /api/v1/agent/chat/sessions`：列出用户/项目维度的会话。
+- `GET /api/v1/agent/chat/session/:sessionId`：读取会话 UI state。
+- `POST /api/v1/agent/chat/stream`：核心对话入口，返回 SSE。
+- `GET /api/v1/agent/chat/session/:sessionId/stream`：重新订阅正在运行的 stream。
+- `POST /api/v1/agent/chat/abort`：中断当前会话运行。
+- `POST /api/v1/agent/chat/fork`：基于历史 session 分叉。
+- `GET /api/v1/agent/chat/render-ref/:renderRef`：授权读取渲染结果引用。
+
+接口层的 harness 价值是给前端一个稳定协议，把复杂的 Agent runtime 行为收敛成会话、消息、状态、流式事件。
+
+### 5.2 会话与上下文层
+
+`ChatSessionBridge` 负责把前端 session 和 opencode session 绑定起来，并维护请求级上下文：
+
+- `clientSessionId`：前端可见的会话 ID。
+- `sessionId`：opencode runtime session ID。
+- `actorKey`：由 `x-user-id` 归一化得到的用户隔离键。
+- `projectKey`：由 `x-project-id` 归一化得到的项目隔离键。
+- `traceId`：链路追踪 ID。
+- `accessToken`：来自 `Authorization`，只存入服务端 runtime context，不暴露给模型工具代码。
+
+每次 `POST /stream` 会：
+
+1. 解析 headers 和 payload。
+2. 查询或创建 session metadata。
+3. 调用 `sessionBridge.resolve()` 创建或复用 runtime session。
+4. 写入 `SessionRuntimeContextStore`，供内部工具桥回读。
+5. 为该 session 注册 `AbortController`，避免同一会话并发运行。
+
+### 5.3 Runtime 适配层
+
+`OpencodeRuntimeAdapter` 屏蔽 opencode SDK 细节，提供统一方法：
+
+- `ensureClient()`：懒加载 opencode client。
+- `health()`：runtime 健康检查。
+- `createSession()`：创建 runtime session。
+- `prompt()` / `sendPrompt()`：发送用户消息。
+- `messages()`：回读消息。
+- `abortSession()` / `waitForSessionIdle()`：中断和等待空闲。
+- `subscribeEvents()`：订阅 opencode 事件流。
+- `dispose()`：关闭 embedded runtime。
+
+支持两种部署模式：
+
+```mermaid
+flowchart LR
+  Mode["OPENCODE_MODE"]
+  Embedded["embedded"]
+  Client["client"]
+  SDKCreate["createOpencode()"]
+  SDKClient["createOpencodeClient()"]
+  Local["本地 opencode CLI 子进程"]
+  Remote["外部 opencode server"]
+
+  Mode --> Embedded --> SDKCreate --> Local
+  Mode --> Client --> SDKClient --> Remote
+```
+
+- `embedded`：服务启动本地 opencode server，同时注入 `TJWATER_AGENT_INTERNAL_BASE_URL` 和 `TJWATER_AGENT_INTERNAL_TOKEN` 给 `.opencode/tools`。
+- `client`：服务连接外部 opencode server，适合 runtime 与 API 服务分离。
+
+### 5.4 事件适配层
+
+`streamPromptResponse()` 是前端体验的关键 harness。它订阅 opencode raw events，把内部事件转成稳定 SSE：
+
+| opencode 事件 | SSE 事件 | 用途 |
+| --- | --- | --- |
+| `session.status` | `progress` | 展示 busy/retry/idle 等状态 |
+| `message.part.delta` + text | `token` | 流式输出最终回答 |
+| `message.part.updated` + reasoning | `progress` | 展示规划和推理状态 |
+| `message.part.updated` + tool | `progress` / `tool_call` | 展示工具状态，并通知前端执行 UI 动作 |
+| `todo.updated` | `progress` | 展示计划进度 |
+| `session.error` | `error` | 返回错误 |
+| `session.idle` | `done` | 结束本轮 |
+
+```mermaid
+flowchart TD
+  Raw["opencode raw event stream"]
+  Status["session.status"]
+  Reasoning["reasoning part"]
+  TextDelta["text delta"]
+  ToolPart["tool part"]
+  Todo["todo.updated"]
+  Error["session.error"]
+  Idle["session.idle"]
+
+  Progress["SSE progress"]
+  Token["SSE token"]
+  ToolCall["SSE tool_call"]
+  SSEError["SSE error"]
+  Done["SSE done"]
+
+  Raw --> Status --> Progress
+  Raw --> Reasoning --> Progress
+  Raw --> TextDelta --> Token
+  Raw --> ToolPart --> Progress
+  ToolPart --> ToolCall
+  Raw --> Todo --> Progress
+  Raw --> Error --> SSEError
+  Raw --> Idle --> Done
+```
+
+适配层还提供：
+
+- 缺失流式文本时，通过 `runtime.messages()` 兜底补发最终回答。
+- 工具调用必须提取 `reason`，并写入 LLM request audit。
+- 对 running/completed/error 做统一归一化，前端不依赖 opencode 内部状态结构。
+
+### 5.5 工具执行层
+
+`.opencode/tools/*.ts` 是模型能调用的工具，分为三类：
+
+| 类别 | 工具 | 作用 |
+| --- | --- | --- |
+| 业务数据工具 | `tjwater_cli` | 查询或计算真实后端数据 |
+| 上下文工具 | `memory_manager`、`session_search`、`skill_manager` | 管理记忆、历史、技能 |
+| 前端动作工具 | `locate_features`、`view_scada`、`view_history`、`show_chart`、`render_junctions`、`apply_layer_style` | 触发地图、图表、面板展示 |
+
+工具桥设计重点：
+
+```mermaid
+sequenceDiagram
+  autonumber
+  participant M as Model / opencode Tool
+  participant Tool as .opencode/tools/*.ts
+  participant Bridge as /internal/tools/*
+  participant Ctx as SessionRuntimeContextStore
+  participant API as TJWater API
+  participant CLI as tjwater-cli
+  participant Store as ResultReferenceStore
+
+  M->>Tool: tool call(args, context.sessionID)
+  Tool->>Bridge: POST internal endpoint + x-agent-internal-token
+  Bridge->>Bridge: 校验内部 token
+  Bridge->>Ctx: 用 session_id 回读用户/项目/trace/token
+  Bridge->>CLI: --auth-stdin 写入 server/token/project
+  CLI-->>Bridge: JSON 或 raw stdout
+  opt 大型 junction 渲染 payload
+    Bridge->>Store: store_render_ref 写入 render_ref
+    Bridge-->>Tool: render_ref + preview
+  end
+  Tool-->>M: tool result
+```
+
+这个设计避免了两个常见问题：
+
+- 模型工具代码不直接持有用户 token。
+- 大型 junction 渲染 payload 不直接塞进模型上下文，而是存为 `render_ref`，由前端授权回读。
+
+### 5.6 结果引用层
+
+渲染引用会估算结果大小：
+
+- 节点渲染 payload 存入 `ResultReferenceStore`，返回 `render_ref` 和 `preview`。
+- 前端渲染工具通过 `render_ref` 回读完整 junctions 映射。
+
+`ResultReferenceStore` 的权限校验维度：
+
+- `actorKey`
+- `projectId`
+- 可选 `clientSessionId`
+
+并提供：
+
+- `preview`：列表、对象或标量的摘要。
+- TTL 清理：`RESULT_REF_TTL_HOURS` 和 `RESULT_REF_CLEANUP_INTERVAL_MS`。
+- legacy render payload 兼容。
+
+### 5.7 记忆、历史与技能沉淀
+
+这部分体现了 harness engineering 的“外部化记忆”和“可复用工作流”：
+
+- `SessionTranscriptStore`：保存最近对话 turn，支持 `session_search`。
+- `MemoryStore`：保存用户偏好和 workspace 事实。
+- `SkillStore`：保存 workflow skill 的模式和参考资料。
+- `LearningOrchestrator`：在 turn 完成后异步运行 gate/review，判断是否沉淀 memory 或 skill。
+
+学习链路：
+
+```mermaid
+flowchart LR
+  Turn["对话 turn 完成"]
+  Transcript["append transcript"]
+  Cooldown["检查 cooldown"]
+  Gate["learning gate<br/>是否值得复盘"]
+  Review["learning review<br/>生成 memory/skill proposal"]
+  Policy["persistence policy<br/>脱敏与置信度阈值"]
+  Memory["MemoryStore"]
+  Skill["SkillStore"]
+  Audit["Learning Audit"]
+
+  Turn --> Transcript --> Cooldown --> Gate
+  Gate -->|"skip"| Audit
+  Gate -->|"accept"| Review --> Policy
+  Policy --> Memory
+  Policy --> Skill
+  Policy --> Audit
+```
+
+Agent 指令中明确区分：
+
+- `memory_manager`：长期有效的用户偏好或项目事实。
+- `skill_manager`：可复用操作流程。
+- `session_search`：历史案例检索，只读。
+- `tjwater_cli`：真实业务数据源和分析能力。
+
+## 6. 一次 `/stream` 请求的完整时序
+
+```mermaid
+sequenceDiagram
+  autonumber
+  participant U as User
+  participant FE as Frontend
+  participant API as Express Chat Router
+  participant SB as ChatSessionBridge
+  participant Store as Session Stores
+  participant RT as OpencodeRuntimeAdapter
+  participant OC as opencode Runtime
+  participant SSE as Stream Adapter
+  participant Tool as opencode Tool
+  participant Bridge as Internal Tool Bridge
+  participant BE as TJWater API / CLI
+
+  U->>FE: 输入问题
+  FE->>API: POST /api/v1/agent/chat/stream
+  API->>API: Zod 校验 message/session/model
+  API->>Store: 读取或创建 session metadata/ui state/transcript
+  API->>SB: resolve(session, token, user, project, trace)
+  SB->>RT: createSession 或复用 session
+  SB->>Store: 写入 runtime context
+  API->>FE: 建立 SSE
+  API->>Store: 写入初始 user/assistant streaming messages
+  API->>Store: 读取 recent turns + memory
+  API->>SSE: streamPromptResponse(preparedMessage)
+  SSE->>RT: subscribeEvents()
+  SSE->>RT: prompt(sessionId, message, model)
+  RT->>OC: session.prompt
+  OC-->>SSE: status/reasoning/todo events
+  SSE-->>FE: progress
+  OC->>Tool: tool call
+  Tool->>Bridge: internal callback(sessionID, args, reason)
+  Bridge->>Store: 回读 runtime context
+  Bridge->>BE: 注入鉴权上下文后执行 CLI 或存储 render_ref
+  BE-->>Bridge: CLI 结果或 render_ref
+  Bridge-->>Tool: CLI 结果或 render_ref
+  Tool-->>OC: tool result
+  OC-->>SSE: tool/text/session events
+  SSE-->>FE: tool_call/token/done
+  API->>Store: 持久化 UI state、title、transcript
+  API->>Store: 触发异步 learning gate/review
+```
+
+## 7. 与 Harness Engineering 能力项的映射
+
+| Harness 能力项 | 本项目落点 | 说明 |
+| --- | --- | --- |
+| Runtime orchestration | `OpencodeRuntimeAdapter`、`ChatSessionBridge` | 启动/连接 opencode，创建 session，发送 prompt，等待 idle，abort |
+| Context assembly | `buildPromptWithLearningContext()`、runtime context store | 拼接历史、记忆、用户/项目/trace/token |
+| Tool dispatch | `.opencode/tools/*.ts`、`/internal/tools/*` | 模型工具经内部桥执行真实能力 |
+| Permission boundary | `x-agent-internal-token`、actor/project/session 授权 | token 不进工具代码，render_ref 按用户和项目授权 |
+| State persistence | metadata、UI state、transcript、runtime context | 支持会话列表、恢复、重连、分叉和历史检索 |
+| Memory | `MemoryStore`、`memory_manager`、learning review | 用户偏好、项目事实、prompt 注入 |
+| Skill externalization | `.opencode/skills/workflow`、`skill_manager` | 把验证过的流程沉淀成可复用 workflow |
+| Observability | Pino、LLM request audit、learning audit、traceId | 记录工具/技能调用理由、耗时、结果和学习决策 |
+| Reliability | abort、timeout、fallback messages、render_ref TTL | 管控长任务、中断、超时、渲染引用和清理 |
+| Frontend action bridge | SSE `tool_call` + UI tools | 把 Agent 决策映射为地图、图表、面板动作 |
+
+## 8. 当前设计亮点
+
+1. **模型与权限解耦**：用户 token 由服务端 session context 管理，工具只拿 `sessionID` 回调内部接口。
+2. **前端协议稳定**：opencode 原始事件被统一成 `progress/token/tool_call/done/error`。
+3. **支持运行时部署弹性**：embedded 和 client 模式兼容本地一体化和外部 runtime。
+4. **大型渲染上下文友好**：使用 `render_ref`，避免模型读取完整 `node_area_map`。
+5. **可持续沉淀工作流**：Agent 指令、`skill_manager`、`LearningOrchestrator` 共同支持 workflow 生长。
+6. **恢复与重连能力**：active run、session UI state、`GET /session/:id/stream` 支持前端重新订阅。
+7. **审计意识明确**：工具调用 reason、skill event、learning proposal 均有日志记录。
+
+## 9. 可继续加强的点
+
+| 方向 | 建议 |
+| --- | --- |
+| 工具治理 | 给工具增加风险等级、只读/写入分类、危险动作二次确认 |
+| 幂等与重试 | 对写操作 API/CLI 增加 idempotency key，区分可重试和不可重试错误 |
+| Eval harness | 为典型水务任务建立 golden traces，回归验证工具链和 prompt 改动 |
+| 结构化事件 | 对 `tool_call` 参数增加 schema/version，便于前端兼容升级 |
+| 结果生命周期 | render_ref 可增加按 session 删除、按项目统计和手动清理接口 |
+| 安全审计 | 对内部工具桥增加 IP/来源限制、日志脱敏覆盖率检查 |
+| Runtime 隔离 | client 模式下明确多租户 runtime session 隔离策略 |
+
+## 10. 一句话结论
+
+TJWaterAgent 的后端 harness 是一套围绕 opencode runtime 构建的 Agent 工程外壳：它把前端交互、LLM 推理、业务工具、用户权限、会话状态、记忆学习和审计观测组织成可运行、可恢复、可治理的生产级 Agent 服务。