Covonaut v1.1.2 的重点，不只是继续补齐 Go Agent 框架能力，还把注意力放到了终端交互本身：对话过程中可以插入旁问，并提供三档输出方式。对于需要在命令行里调试、运行和观察 Agent 的团队来说，这意味着终端不再只是“提交任务并等待结果”的窗口，而可以成为一个可控的工作界面。
Covonaut 以纯 Go 实现，并采用 MIT 协议开源。它覆盖 Agent Loop、工具系统、多 Agent 交接、DAG 与 Pregel 图执行模型、会话树、可观测性，以及 A2A、ACP、AG-UI 等协议或交互方向。v1.1.2 的终端改进，则把这些底层能力更直接地暴露给开发者和操作者。
这次更新解决了什么问题
Agent 执行往往不是一次性请求。任务运行到一半时，用户可能需要补充约束、询问当前进度，或者要求 Agent 暂时解释某个决策。如果终端只能等待最终答案，用户通常只能中断整个流程，再重新发起一次请求，既浪费上下文，也会破坏长任务的连续性。
“旁问”适合处理这类低干扰交互：主任务继续执行，用户可以针对当前过程提出问题，获得状态、解释或局部信息。实际接入时，应明确旁问是否会改变主任务状态。查询型旁问可以只读访问上下文；会修改工具调用、预算或执行路径的请求，则应升级为显式确认，避免产生隐蔽副作用。
三档输出则适合不同的终端场景：
- 精简输出：只展示阶段结果、错误和最终结论，适合脚本化运行或高频执行。
- 标准输出：展示关键步骤和工具调用摘要，适合日常开发。
- 详细输出：提供更完整的 Agent Loop、交接、重试和图执行信息，适合排障与性能分析。
这三档模式的价值不在于“日志越多越好”，而在于把可观测信息和使用场景分开。生产终端需要可读性，调试会话需要细节，自动化流水线则更关心稳定、可解析的输出。
从 Agent Loop 到图执行
一个生产级 Agent 框架的难点，通常不在于调用一次模型，而在于管理完整生命周期。Covonaut 的能力范围覆盖了多个关键环节：
- Agent Loop 负责持续推理、工具调用和结果回收，并包含上下文自动压缩与指数退避重试等机制。
- 工具系统为 Agent 连接外部服务、命令和业务操作提供边界。
- 多 Agent 交接让专门角色之间可以转移任务，而不是把所有职责塞进一个超长提示词。
- 图引擎同时面向 DAG 和 Pregel 两种执行模型，适合表达有向流程或迭代式计算。
- 会话树保留分支上下文，便于从不同决策点继续探索。
- 可观测性帮助开发者定位重试、工具失败、节点耗时和 Agent 交接问题。
这些能力组合起来后，终端输出就不应只打印一段最终文本。更实用的做法是把事件分成几类：用户消息、Agent 输出、工具开始、工具完成、重试、交接、旁问和最终结果。输出档位只控制展示细节，不应改变底层事件本身，否则日志、指标和终端体验会出现不一致。
一个可改造的终端模式示例
下面是一个独立、可运行的 Go 示例，用最小事件模型演示三档输出与旁问处理。它不是 Covonaut 的官方 API，而是接入类似框架时可以采用的适配层思路。将真实 Covonaut 事件映射到 Event，再把 render 替换为框架的终端输出组件即可。
保存为 main.go 后运行：go run main.go --mode standard。可选模式为 compact、standard 和 verbose。
package main
import (
"flag"
"fmt"
"strings"
)
type Event struct {
Kind string
Text string
}
func render(mode string, events []Event) {
for _, event := range events {
switch mode {
case "compact":
if event.Kind == "result" || event.Kind == "error" {
fmt.Println(event.Text)
}
case "standard":
if event.Kind != "trace" {
fmt.Printf("[%s] %s\n", event.Kind, event.Text)
}
case "verbose":
fmt.Printf("[%s] %s\n", event.Kind, event.Text)
}
}
}
func answerSideQuestion(question string, events []Event) string {
if strings.Contains(question, "进度") {
return "当前已完成需求分析，正在等待工具返回结果。"
}
return fmt.Sprintf("旁问已读取当前会话上下文：%s", question)
}
func main() {
mode := flag.String("mode", "standard", "compact, standard, or verbose")
flag.Parse()
events := []Event{
{Kind: "agent", Text: "开始分析用户任务"},
{Kind: "tool", Text: "调用 inventory.lookup"},
{Kind: "trace", Text: "retry=1 backoff=200ms"},
{Kind: "tool", Text: "inventory.lookup 返回 12 条记录"},
{Kind: "handoff", Text: "任务交给 report-agent"},
{Kind: "result", Text: "报告已生成，共 12 条记录"},
}
fmt.Printf("side-question: %s\n", answerSideQuestion("现在进度如何？", events))
render(*mode, events)
}
接入真实 Agent 时，可以把旁问分成两个通道：主输入通道提交会影响任务的指令，旁问通道只读取快照、事件和当前状态。若框架允许旁问访问上下文，仍然需要限制它可以触发的工具集合，并记录旁问的请求、响应和时间点，方便复盘。
采用时要关注的边界
终端交互增强并不等于可以降低执行控制要求。生产环境落地时，建议检查以下事项：
- 为工具调用设置权限、超时和幂等策略，旁问默认不应绕过这些限制。
- 将上下文压缩和会话树分支记录纳入可观测性，否则长会话排障时很难还原现场。
- 让精简输出保持稳定格式。若需要被脚本解析，最好单独提供 JSON 或事件流输出，而不是解析人类可读文本。
- 用详细输出验证指数退避是否造成重复副作用，尤其是写数据库、发消息和调用外部 API 的工具。
- 多 Agent 交接要带上任务目标、已完成工作、待办事项和权限边界，避免接收方只能看到一段模糊摘要。
结语
Covonaut v1.1.2 的信号很明确：Agent 框架的体验正在从“能不能调用模型”转向“能不能被人稳定地协作和运维”。旁问降低了长任务中的沟通成本，三档输出让同一套 Agent 既能服务开发者，也能适应自动化和生产排障。
评估升级时，可以从一个真实长任务开始：打开详细输出观察 Loop、重试、工具和交接事件，再用标准输出验证日常可读性，最后用精简模式测试脚本或批处理场景。只有三种模式都能保持正确的任务语义，终端体验改进才真正转化为生产收益。