它不是 gstack 换皮。
原始 gstack 解决的是 AI 工程流程问题：plan、review、QA、ship、learn。msp-stack 要在这层外壳上补一个更上游的能力：面对模糊任务时，先识别什么问题真的活着。
gstack
- 把 AI coding 放进工程组织结构。
- 提供 office-hours、plan、review、QA、ship、learn。
- 让小团队临时调用产品、工程、设计、QA、发布角色。
- 核心价值：不只生成代码，而是进入软件工程工作流。
msp-stack
- 在写计划前识别 problem stack。
- 把模糊意图压成最小 durable seed。
- 要求行动形成 action → signal → feedback destination。
- 让未来 agent 继承为什么变，而不只是继承改了什么。
msp-stack 和 msp skills 不是同一层。
最清楚的分法是：msp-stack 是一个具体软件开发 stack 的 MSP 增强版；msp skills 是更底层、更可移植的 MSP 思维和动作接口，可以装进 OpenClaw、Hermes、Codex 等不同 agent runtime。
msp skills
给各种 agent 加载 MSP 的问题意识：读 seed、判断 seed / grow 边界、做 Strategic Deferral、把反馈回流到 seed iteration。
msp-stack
把这些 MSP 行为装进 inherited gstack 的软件工程流程里，让 planning、review、QA、ship、learn 在行动前后多一层 seed discipline。
互相反馈
msp skills 提供可迁移的认知内核；msp-stack 用真实软件开发任务 dogfood 它，再把失败样本和 casebook 反哺 skills。
MSP 的最小工作回路。
MSP 不是让 agent “想更久”，而是给它一个防止错解问题的结构。它保留用户原始请求，同时向下追到系统瓶颈，再回到最小行动。
01保留请求
保留用户字面请求，不用重构当借口换题。
02Problem stack
surface request → owner pain → system bottleneck。
03因果假设
说清楚改什么，会改善哪个可观察信号。
04Seed anchor
创建最小 durable object：文件、测试、模板、skill。
05证据闭环
行动结束于证据闭环，而不是完成感。
Seed Carrier Map 让项目不失忆。
根目录的 hello_agent.md 保存项目灵魂；少数关键 seed.md 保存局部意图。这是 msp-stack v0 的 seed carrier map，不是 MSP 的固定文件 taxonomy；v0 不机械铺满所有 inherited gstack 目录，只给会影响当前行为闭环的位置加 seed anchor。
“hello_agent.md 保证项目不失忆；少量关键 seed.md 保证 v0 生长点不失控。”
反固定 taxonomy
不机械给所有目录加 seed。只有反复被修改、容易漂移、或 A/B 证据证明需要的模块，才 grow 出局部 seed。
反失控
当前 seed carrier check 只验 5 个 v0 anchor，避免 msp-stack 过早长成大伞型技能包。
证明方式：不是口号，是行为差异。
msp-stack 只有在继承 gstack 工程效能的同时，能在模糊任务中产生更好的问题识别、seed 和证据闭环，才算更强。
当前新技能成果。
第一阶段不是重写所有东西，而是把跨 runtime 的 msp skills 先压进 gstack 的关键软件开发入口和交付链条。
/problem-consciousness
当任务开放、早期、模糊、战略化时，先走 problem stack，避免快速解决错误问题。
/seed-proposal
把模糊意图压缩成最小 durable seed：能被保存、验证、迭代、传递。
/qa /review /office-hours
在 inherited gstack 的真实浏览器、review 和产品追问里加入 seed alignment 与 evidence loop。
读者应该怎么进入。
这个网站的任务不是替代 README，而是把项目的“为什么、怎么长、如何证明”压成一个可传播入口。
如果你是第一次看
- 先理解 gstack：AI coding 不只是生成代码，而是工程 workflow。
- 再理解 MSP：不是完整规划，而是 seed it till it grows。
- 最后看 msp-stack：把问题意识变成 agent 行为。
如果你要试用
- 拿一个真实模糊任务，不要拿 toy demo。
- 先跑
/problem-consciousness。 - 再用
/seed-proposal形成 durable seed。 - 用
/qa、/review、/ship把 evidence 写回 lineage。
还有几个深入入口。
首页负责传播；Seed Topology 帮读者理解项目如何不失忆；proof、casebook、mini-host 和文章页负责把可信度、背景和真实使用经验分层展开。
项目首页
一句话定位、核心增量、seed carrier map、使用入口。
Seed Carrier Map
理解 hello_agent.md 和局部 seed 如何承接项目记忆。
证明体系
四类 gate、8 轴 rubric、当前通过状态和下一步行为评估。
生长案例
从“介绍 gstack”到“MSP stack”的真实问题栈和下一步 seed。
Mini-host 手册
在 gongqian-mini 上安装、使用并验证 problem-consciousness 与 seed-proposal。
AI-native 工程文章
把 msp-stack 放进 Agent Society 和新软件工程语境里阅读。
HTML PPT
对外介绍 MSP、说明 msp-stack 优势、展示 weshare 作为 MSP 应用案例。
它也接在 WeHub 的其他关键入口上。
msp-stack 不是孤立项目页；它连接 workflow shell、MSP 理念、因果智能研究线、近期论文交付线和团队运行 surface。
旧 gstack 介绍
理解原始 software-engineering workflow shell：plan、review、QA、ship、learn。
Seed it till it grows
把 MSP 的核心直觉放回公共文章语境：先 seed，再让它长。
Causality Primer
当前因果智能思想源头；为 agent action、evidence loop 和 claim 结构提供底层语义。
10 Paper Portfolio
近期论文交付主线，把研究 claim 压进可投稿、可评估、可复用的文章包。
团队运行入口
查看 WeHub 的项目、agent、运行状态和公共 projection 如何被组织起来。
WeHub Skills
连接可迁移 skill 层，理解 msp skills 如何从一个项目扩展到多 agent runtime。
从旧 gstack 介绍，到 msp-stack 网站。
之前关于 gstack 的介绍不是废稿，它解释了“为什么 workflow shell 值得看”。现在这个网站把它升级为 MSP 的公开 delivery 入口。
gstack 像工程团队模拟器，把 AI 放进 plan → review → QA → ship → learn 的组织结构。
仅有 workflow 还不够。开放式任务里，最大风险是 agent 很快把错误问题做完。
加入 problem consciousness、seed proposal、causal hypothesis、evidence loop、seed lineage。
把 README、能力图谱、评估 proof、seed carrier map 和旧 gstack 解释整合成一个完整项目介绍。