claw/docs/L0-产品白皮书与能力全景层.md

L0 — 产品白皮书与能力全景层

文档版本: 2.0
适用项目: sgClaw（ZeroClaw 重构版）
编制日期: 2026-03-26

---

1. 产品定义

sgClaw 是一个嵌入企业浏览器运行环境中的浏览器智能体执行内核。它的职责不是替代整个平台，也不是承诺“全自动数字员工”，而是把自然语言任务转换成受控的浏览器操作，并通过既有浏览器宿主完成页面执行。

ZeroClaw 重构之后，sgClaw 的产品形态可以概括为三件事：

1. 把用户任务接入统一的 Agent 执行入口。
2. 通过固定的 browser_action 工具把意图翻译为浏览器命令。
3. 在协议、域名和动作白名单的约束下完成可审计的页面操作。

当前仓库中的 sgClaw 不是一个完整前端产品，也不是浏览器发行版本身，而是“浏览器 Agent Runtime + Pipe 协议 + ZeroClaw 兼容层”的产品核心。

---

2. 重构后的产品边界

2.1 当前已经落地的能力

• 浏览器侧通过 STDIO JSON Line 协议与 Rust 进程通信。
• 启动时执行 init -> init_ack 握手，并建立会话级 HMAC 密钥。
• 任务输入统一走 submit_task 消息。
• Rust 侧支持两条执行路径：
  • 未配置大模型时，使用仓库内置 planner/fallback 逻辑。
  • 配置 DEEPSEEK_* 环境变量时，切换到 ZeroClaw compatibility runtime。
• 当前有效工具面收敛为一个工具：browser_action。
• 当前真正开放给模型的动作仅 4 个：click、type、navigate、getText。
• 所有浏览器动作都受 resources/rules.json 中的域名和动作白名单约束。
• 执行过程中会向宿主发送结构化日志和最终任务结果。

2.2 当前明确不宣称的能力

以下内容在旧文档中存在较多规划性描述，但并非当前仓库中的已实现事实：

• 独立的 Skill 仓库与 Skill 脚本执行引擎。
• 完整 MCP 工具接入和多工具编排。
• 独立 Critic/Circuit Breaker 子系统。
• 完整的浏览器 Side Panel 产品界面。
• 40+ 页面动作在 Agent 侧全部开放。
• 真实生产级多租户、审计后台、任务编排中心。

这些能力可以保留为后续扩展方向，但不应继续写入 L0-L4 作为现状描述。

---

3. 产品价值主张

ZeroClaw 重构后的 sgClaw，核心价值不在“功能堆叠”，而在于把原本分散的浏览器自动化能力收敛成一个可控、可替换、可验证的智能体执行底座。

3.1 对业务侧

• 用自然语言触发浏览器任务，不再直接暴露底层页面命令。
• 统一任务入口，降低页面自动化能力的使用门槛。
• 执行链路具备日志、结果回传和协议约束，便于纳入业务流程。

3.2 对集成侧

• 浏览器宿主只需实现固定协议，不必理解模型内部细节。
• Agent Runtime 可以在保留宿主协议的前提下切换实现策略。
• ZeroClaw 兼容层把未来模型、记忆、工具调度的升级入口预留在 Rust 侧。

3.3 对安全侧

• 不是“模型可任意操作浏览器”，而是“模型只能调用被允许的动作”。
• 安全边界前置到协议和 MAC Policy，而不是把约束留给提示词。
• 域名、动作、HMAC 三类控制共同组成最小可信执行面。

---

4. 能力全景

能力域	当前状态	产品含义
任务接入	已实现	接收浏览器宿主发来的 submit_task 指令
协议握手	已实现	统一版本、会话标识、HMAC 种子交换
Agent 执行	已实现	planner fallback 与 ZeroClaw compat 共存
浏览器工具	已实现	单一 browser_action 工具
核心动作	已实现	click/type/navigate/getText
域名白名单	已实现	仅允许规则文件中的域名
动作白名单	已实现	仅允许规则文件中的动作
结构化日志	已实现	log_entry 与 task_complete 回传
扩展动作枚举	已预留	协议枚举已定义，但默认未开放
Skill 引擎	未独立实现	当前仅保留“可被工具和提示词扩展”的语义入口
MCP 生态	未在主链路启用	ZeroClaw 兼容层为后续保留位置

---

5. 典型产品场景

5.1 页面导航与信息读取

用户输入“进入 ERP 首页并读取当前待办数量”，系统可以拆解为：

1. navigate 到目标地址。
2. getText 读取页面目标区域。
3. 返回结构化结果摘要。

这是当前仓库最稳定、最符合实现面的任务类型。

5.2 表单录入与提交流程中的局部自动化

当页面元素定位规则明确时，系统可用 click 和 type 组合完成表单录入、按钮点击、简单提交等动作。
是否能覆盖完整业务流程，取决于浏览器宿主是否提供对应页面、选择器和回包信息，而不是文档层面预设“所有流程都能端到端执行”。

5.3 作为更大产品中的 Agent 执行核

sgClaw 更适合被理解为产品底座中的一个执行核：

• 上层可以接入任务输入框、审批入口或业务编排器。
• 下层通过既有浏览器控制面执行。
• 中间由 sgClaw 把自然语言与浏览器动作连接起来。

---

6. 成功标准

重构后的产品文档，以“真实能力清晰可交付”为标准，而不是以“愿景尽可能大”为标准。当前版本应满足：

• 任何架构描述都能在 src/、resources/、tests/ 中找到对应实现。
• 任何对外宣称的动作能力都与 rules.json 和工具 schema 一致。
• 任何“未来可扩展”内容都与“当前已实现”明确区分。
• L0 到 L4 能从产品、架构、接口、数据流、工程五层连续闭环。