DrawForge Bootstrap

这是一个面向 DrawForge 仓库的轻量级上手技能。

它并非完整的 DrawForge 系统。 其作用是引导智能体（agent）准确定位至对应的 GitHub 仓库、文档、冒烟测试（smoke test）及执行流程。

DrawForge 本身是一个构建在 Microsoft Visio 基础之上的、由智能体驱动的闭环系统。 其目标是将参考图（reference figures）转化为可直接编辑的图表资产（diagram assets），通过辅助智能体以更接近胜任型人类用户的方式操作 Visio，而非将其当作一个“盲调用”的 API 接口。

该技能的能力范围

本技能可协助智能体完成以下任务：

• 理解 DrawForge 的核心目标与设计意图
• 定位正确的 GitHub 仓库及入门文档
• 规避随机性的首次运行行为，快速切入预设工作流
• 运行标准的冷启动冒烟测试（canonical cold-start smoke test）
• 基于 DrawForge Visio 闭环开始复现参考图
• 逐步产出可在 Visio 中由人类直接继续编辑的结果

典型成果

使用本技能后，智能体应能实现以下目标：

• 清晰阐述 DrawForge 的整体工作流
• 按正确的阅读顺序完成仓库的自助式初始化（bootstrap）
• 验证 Visio 桥接模块（Visio bridge）与执行路径是否正常工作
• 在具备更清晰分层意识的前提下开展图表复现工作
• 输出可编辑的 .vsdx 文件，而非不可编辑的静态图像副本

本技能的设计目的

当智能体需要满足以下任一条件时，请使用本技能：

• 定位 DrawForge 的源代码仓库
• 快速掌握顶层架构概览
• 避免无约束、盲目的重试行为（free-form blind retries）
• 运行标准的冷启动冒烟测试
• 在正确的抽象层级（layer）中启动工作

适用场景

请在以下情形中启用本技能：

• 智能体首次进入 DrawForge 环境
• 新部署环境需在正式绘图任务前完成基础验证
• 用户希望借助智能体，通过 Visio 复现某张参考图
• 目标不仅是视觉上近似参考图，更要获得一份可直接在 Visio 中编辑的原生图表资产

本技能不包含的内容

本技能不打包整个仓库，也不包含以下内容：

• Visio 桥接代码（Visio bridge code）
• 基准测试用 PNG 图像（benchmark PNGs）
• 运行时产物（runtime artifacts）

完整项目托管于 GitHub 仓库：

https://github.com/qweadzchn/DrawForge

推荐工作流

1. 将 GitHub 仓库克隆至本地。
2. 阅读冷启动入门文档（cold-start entry documents）。
3. 在开展开放式绘图任务前，先运行标准冒烟测试。
4. 仅在上述步骤完成后，再进入实际任务或系统改进环节。

克隆仓库

git clone git@github.com:qweadzchn/DrawForge.git
cd DrawForge

若无法使用 SSH 协议，请改用 HTTPS 地址。

阅读顺序

请优先阅读以下文件：

1. AGENT_START_HERE.md
2. AGENT_GUIDE.md
3. GET_STARTED.md
4. docs/human/setup/AGENT_COLD_START_SMOKE_TEST.md
5. MODE_POLICY.md

标准冒烟测试

在仓库根目录下执行：

python Setupprepare_smoke_test.py --config Setupexamplessmoke-test-inputpng-1.json
python Setuprun_draw_job.py --config Setupexamplessmoke-test-inputpng-1.json
python Setupexecute_drawdsl.py --config Setupexamplessmoke-test-inputpng-1.json --round 1 --save-final

预期输出文件：

• OutputPreview/smoke-inputpng-1/round-01.png
• OutputEditable/1_smoke_test_final.vsdx

路由规则（Routing rule）

在 DrawForge 内部协作时，请遵循以下归类原则：

• 若问题与特定轮次（round）强相关，则保留在 review 相关产物中
• 若问题具有结构性特征但仍需进一步验证，则撰写提案（proposal）
• 若已形成可复用的经验，则沉淀为一条 lesson
• 若共享修复方案已明确，则直接向对应所属 layer 提交补丁

下一步指引

请参阅：

• README.md
• CONTRIBUTING.md
• docs/architecture/FEEDBACK_PROMOTION_LOOP.md