aionclaw通过目标解析、工具沙盒预演和dag动态调度实现可回溯闭环执行：先结构化拆解目标并处理模糊表述，再筛选工具并分两类预演，最后按拓扑序执行并自动容错保存现场。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
当你把一个完整目标交给AionClaw——这个专为复杂任务链设计的自主智能体框架——它不会直接执行代码或点击按钮，而是启动一套分阶段、可回溯、带验证的推理-规划-执行闭环。
第一步：目标解析与结构化拆解
输入目标文本后，AionClaw调用内置的多跳推理模块，识别主谓宾、约束条件、隐含依赖和终止判据。例如收到“在不修改原始PDF的前提下，提取其中所有带编号的公式并生成LaTeX源码，按章节归类存入Git仓库”，它会立刻分离出四个不可合并的子目标：①非侵入式PDF公式定位；②数学结构识别与LaTeX转译；③章节语义对齐；④Git原子提交策略。这一步不依赖外部API，纯本地符号推理完成。
若目标中存在模糊表述（如“整理得清晰些”“尽快完成”），AionClaw会暂停执行，自动生成3个可验证的候选解释，并等待用户选择其一——【跳过此确认将导致后续所有步骤按默认规则执行，且无法回滚】。
工具选择与沙盒预演
对每个已拆解的子目标，AionClaw扫描本地可用工具集（如pdfplumber、sympy、gitpython），排除权限不足或版本不兼容项，再为剩余工具构建轻量级沙盒环境。
方法一：对确定性高、副作用小的操作（如正则提取文本），直接生成Python脚本并在内存沙盒中运行，捕获stdout/stderr及返回码。
方法二：对涉及文件写入或网络请求的操作（如git push、调用私有API），先生成完整命令序列+dry-run参数，输出拟执行日志供人工审核。此时若检测到目标路径含空格或中文，会自动补全引号并加注释说明原因。
执行链动态调度
第一步：启动主执行引擎，加载拆解后的DAG（有向无环图）任务流。
第二步：按拓扑序逐节点推进，每个节点执行前检查前置节点的output_schema是否匹配当前节点input_schema——不匹配则触发重试逻辑或降级策略，而非报错中断。
第三步：任一节点失败时，自动保存当前全部中间产物（含临时文件、缓存响应、错误堆栈快照）到./aionclaw/_crashdump/下带时间戳的子目录，同时输出恢复命令行（如aionclaw --resume 20240521_142208）。
这一步操作起来很简单，直接把文件拖进去就行。但要注意：恢复命令只保留最近7次崩溃现场，更早的会被自动清理。
