执行血缘
AgentExecution、员工版本、授权主体与 trace/correlation 必须闭合。
← 能力总览
Experience Distillation / Governed MoE Readiness
把真实工作经验蒸馏成训练资产，让 MoE 训练、接入与回退都有证据
NexusClaw 从正式 Agent 执行、人工修正、工具轨迹与业务结果中提取经验，形成带血缘、脱敏、分割与评测契约的训练资产；训练后的本地 MoE 再通过统一模型路由进入数字员工运行链。
当前版本负责训练数据治理、确定性导出、评测资产、Provider 接入、探活、计量与回退；模型权重训练或 LoRA 作业在客户或双方批准的训练环境中执行，不由 NexusClaw 平台自动调度。
真实界面 · 经验与学习收件箱NexusClaw · Product evidence
01 / Formal Evidence
训练资产不能从匿名日志或漂亮对话中拼出来
只有终态正式执行可以成为证据源：工作区、数字员工、员工版本、授权主体、执行步骤、工具调用、触发来源和结果必须完整。预览对话、不完整执行与匿名兜底会被拒绝。
行为与工具
人的动作、ReactStep、ToolCallRecord 和写回结果按真实顺序保留。
业务结果
outcome 事件连接回执行，用实际结果而非纯频次判断经验价值。
最小披露
凭据、秘密、未批准 PII、Provider 原文与内部栈不会进入导出。
02 / Experience Distillation
把“某个人做得好”变成可复核的共享经验，而不是一句提示词
行为收集器把企业应用操作、人工修正、失败和 outcome 结果连接起来；模式识别关注跨用户成功路径，并对小样本进行保守校准。产物可以成为 SOP、知识、测试用例或训练轨迹。
01 · 捕获
正式动作与结果信号
02 · 识别
步骤序列与成功模式
03 · 审查
来源、置信度与风险
04 · 物化
SOP · 知识 · 评测 · 轨迹
真实界面 · 经验信号蒸馏NexusClaw · Product evidence
03 / Governed Dataset
训练数据先成为不可混淆的版本，再离开系统
数据版本记录 source query、split policy、样本引用和摘要 digest。PII、越权、血缘缺失、train/holdout 泄漏或开放评审都会阻止批准；导出清单明确标记平台没有调度训练作业。
确定性
同一来源与策略产生同一 manifest digest；变化会形成新版本。
防泄漏
按客户/案例 leakage group 管理 train 与 holdout，交叉命中即拒绝。
可重放
正式执行可投影为 employee-eval-cases/v1，进入现有候选测试生命周期。
有期限
导出字节与回执按保留策略管理，不生成匿名公开下载链接。
真实界面 · 评测与发布闸门NexusClaw · Product evidence
dataset-manifest.json
schemaVersion: cognitive-dataset-manifest/v1
splitPolicy: train · holdout · leakage-group
quality: redaction · lineage · review
digest: sha256 / deterministic
trainerOrJobScheduled: false
04 / External Training + Local MoE
NexusClaw 管训练资产与运行接入，不冒充模型训练器
经过批准的数据清单由客户或双方批准的训练环境消费，用于 MoE、LoRA 或其他离线训练。训练产出的服务端点再以 local_moe Provider 接入 NexusClaw；权重、训练作业与 GPU 调度仍由训练环境负责。
NexusClaw 数据面
- 正式执行证据
- 脱敏与血缘
- 数据版本与评测集
- 确定性导出回执
客户 / 批准训练环境
- 选择基础模型
- 训练与超参数
- GPU 与权重存储
- 产出 OpenAI-compatible endpoint
NexusClaw 运行面
- 注册 local_moe
- 能力与健康探测
- 用量、延迟与成本留痕
- 云模型或其他本地模型回退
任务进入 MoE 后，仍在同一治理链里
Agent task
身份 · 权限 · 上下文
Local MoE router
Expert A
销售任务
Expert B
服务任务
Expert C
运营任务
Expert D
通用能力
受治理输出
工具 · 审批 · 审计 · 归因
05 / Evaluation, Canary & Rollback
模型更“懂业务”不等于可以跳过权限、审批和回退
本地 MoE 只是一种模型 Provider。数字员工的身份、知识权限、工具权限、审批、Guardrail、执行审计和结果归因不发生旁路；路由学习只能生成建议、草稿、仿真与审批，不能自动修改生产 Provider 策略。
效果
用冻结 holdout 与正式执行用例对比任务质量和人工修正率。
健康
探测端点可用性与延迟，失败不会阻断后续 Provider。
计量
记录 providerKind、modelId、token、成本、路由来源与 fallbackPosition。
回退
超时、连接、限流或服务错误时按明确顺序尝试下一个 Provider。
真实界面 · 学习与使用审计NexusClaw · Product evidence
当前能力边界
NexusClaw 当前不内置模型权重训练、LoRA 作业调度、Adapter 权重注册或 GPU 集群管理；也不把学习结果自动写入生产路由。平台交付的是可治理训练资产、确定性导出、评测与候选发布链，以及训练后本地 MoE 的受控 Provider 接入、计量、探活和回退。视觉模型能力对 local_moe 默认拒绝，除非未来通过明确能力契约接入。
带一组正式执行、一个目标任务和你的训练环境来评估
我们会共同确认可导出的证据范围、数据质量闸门、离线训练责任、评测基线、本地端点与回退策略。