Physical AI Meta-Control Layer（简称 PAMCL）今天正式在 GitHub 开源。
这是一个完全 vendor-agnostic 的框架，目标是解决工业过程控制中多智能体闭环调度的最大痛点：
调度逻辑硬编码、约束参数写死在代码里、setpoint 变更完全不可追溯。
我们希望工艺工程师能够只改 YAML，就能完成新 Agent 接入、约束调整、甚至运行时热更新，而不需要动一行 Python 调度代码。
背景：工业物理世界里的多 Agent 控制有多难？
在渣选磨浮、选矿、水泥、化工等连续过程工业中，工厂通常会部署多个专业 Agent：
- Coordinator（工艺协调器）
- Grinding / Mill Agent（磨矿）
- Flotation Agent（浮选）
- 后续可能还要增加 Hydrocyclone、Sump、Thickener 等
这些 Agent 有不同的决策周期（Coordinator 可能是 5 分钟一次，底层设备 Agent 30 秒一次），还必须遵守大量物理约束（P80 粒度上限、回收率下限、功率硬限、矿浆液位范围……）。
传统做法是把所有协调、约束判断、setpoint 分发逻辑全部硬编码在一个 MultiAgentPlantEnv.step() 里。结果就是：
- 想加一个新设备 Agent，就要改调度签名和合并逻辑
- 想把 P80 软限从 67 改成 66.5，就要重新部署代码
- 工艺工程师想知道"上周谁把给矿量从 60 调到 66"，却只能翻 episode history
PAMCL 正是为解决这三个问题而生。
PAMCL 是什么？
PAMCL 是一个元控制层（Meta-Control Layer），它不替代具体的设备 Agent，而是负责：
- 通过 YAML 声明整个控制组合（Composition）
- 按照声明自动完成调度、分发、约束评估、限幅
- 把所有关键变更完整记录到结构化审计日志
核心承诺只有一条：
任何满足
observe()/act()/reset()方法签名的 Python 类，都可以零依赖、零继承地成为 PAMCL 的 Agent。
你甚至不需要 import pamcl。
1. 声明式约束引擎（已完整支持 CAUTION）
PAMCL 的 ConstraintEvaluator 支持三种规则类型，并对所有类型都实现了完整的四级严重程度：
v0.4.0 特别补全了 min 和 range 的 CAUTION 逻辑，使工艺工程师在冷启动保护和正常运行阶段都能获得一致的"逼近预警"体验。
2. 真正的热重载（Warmup 进度不丢失）
重载后，约束评估器（ConstraintEvaluator）内部的 warmup 计步器会保留，不会让系统突然又进入"冷启动保护模式"。这是我们在代码审查后重点强化的工业级可靠性细节。
3. Shadow Mode（影子模式）
影子模式下所有 Agent 正常决策、约束正常评估、审计正常写入，但 step() 返回空字典，完全不向现场下发控制。非常适合新策略上线前的并行验证。
4. 结构化审计 + 可视化 Dashboard
每一次 setpoint 变化、模式切换、约束违规、配置重载都会以 JSON Lines 格式落盘：
自带一个零依赖的 Web Dashboard，一条命令即可启动：
5. 零侵入的 Agent 集成
一个第三方 Agent 只要长这样就能直接用：
在 YAML 里注册即可：
快速开始
使用示例（完整代码见仓库 README）：
为什么选择 PAMCL？
| 维度 | 传统硬编码方式 | PAMCL |
|---|---|---|
| 新增 Agent | 修改调度代码 | 只加 5 行 YAML |
| 修改约束参数 | 改代码 + 重新部署 | 编辑 YAML + reload_constraints() |
| 审计追溯 | 几乎没有 | 结构化 JSONL + Dashboard |
| 多厂商集成 | 困难 | 零依赖 Protocol |
| 冷启动保护 | 各处散落 | 统一 warmup_exempt |
| 影子验证 | 需要单独分支 | shadow_mode=True 一键开启 |
设计演进与成熟度
PAMCL 起源于 PICCS-SF（Physical Intelligent Control & Cyber-Physical Systems）项目。早期版本（v1）与特定仿真器紧耦合。v2 版本（当前主线）完成了彻底解耦：
- 核心
pamcl/包零 simulator 依赖 - 使用
typing.Protocol + @runtime_checkable - 完整的约束引擎 + 控制限幅器
- 生产级的热重载与审计健壮性
我们在发布前进行了多轮代码审查，针对约束 CAUTION 完整性、热重载语义、Manifest 验证深度、审计容错、Dashboard 安全性等多个方面完成了系统性修复与加固。
开源与未来计划
我们欢迎以下形式的贡献：
- 提交新的约束规则类型或更精细的 CAUTION 策略
- 增加 OPC-UA / MQTT 等现场接口适配器示例
- 完善 Dashboard（目前是单文件自包含实现）
- 提供更多真实工业场景的 Composition 示例
- 帮助梳理更多 audit 查询与合规报告工具
短期路线图：
- 更丰富的 CLI（支持直接运行影子验证）
- 约束规则的表达式扩展（支持复合条件）
- 更好的多 manifest 组合与版本管理
物理 AI 的落地，核心瓶颈往往不是单个 Agent 有多聪明，而是如何把多个专业智能体安全、可控、可追溯地编排在一起。
PAMCL 希望成为这个"编排层"的一个轻量、可靠、可演进的答案。
PAMCL 开源，是希望能和更多做过程工业智能化、做具身智能、做物理世界闭环控制的伙伴一起把这个事情做得更好。
欢迎 Star、Fork、提 Issue，也欢迎在 GitHub Discussion 里聊你的场景和需求。
让工艺知识重新回到 YAML，让变更永远有迹可循。
ThinkMachine Labs
Physical AI · 装备智能体 · 过程智能体