Files
smartmate/backend/memory
Losita d47a8bcabd Version: 0.9.25.dev.260417
后端:
1. AIHub 模型分级从 Worker/Strategist 两级重构为 Lite/Pro/Max 三级
- AIHub 结构体从 Worker + Strategist 改为 Lite + Pro + Max,分别对应轻量(标题生成)、标准(Chat 路由/闲聊/交付总结)、高能力(Plan 规划/Execute ReAct)三个能力层级
- config.example.yaml 新增 liteModel / proModel / maxModel 三个模型配置项,替代原 workerModel / strategistModel
- 启动层 InitEino 改为创建三个独立模型实例,抽取公共 baseURL 和 apiKey 减少重复
- pickChatModel 统一返回 Pro 模型,旧 strategist 参数不再生效;pickTitleModel 从 Worker 切到 Lite
- runNewAgentGraph 按 Plan/Execute→Max、Chat/Deliver→Pro 分级注入;Graph 出错回退也切到 Pro
- Memory 模块初始化从 Worker 改为 Pro
2. Plan 节点从"两阶段评估"简化为"单轮深度规划",thinking 开关改为全配置化
- 移除 Phase 1(快速评估 1600 token)+ Phase 2(深度规划 3200 token)的两轮调用逻辑,改为单轮不限 token 深度规划
- PlanDecision 移除 need_thinking 字段,prompt 规则和 JSON contract 同步删除该字段
- 各节点(Plan / Execute / Deliver)thinking 开关从硬编码改为从 AgentGraphDeps 读取,由 config.yaml 的 agent.thinking 段按节点注入
- 新增 agent.thinking 配置段(plan / execute / deliver / memory 四个独立布尔开关),config.example.yaml 补齐默认值
- 新增 resolveThinkingMode 公共函数,plan / execute / deliver 和 memory 决策/抽取链路统一使用
3. Memory 模块 LLM 调用支持 thinking 开关
- Config 新增 LLMThinking 字段,config_loader 从 agent.thinking.memory 读取
- LLMDecisionOrchestrator.Compare 和 LLMWriteOrchestrator.ExtractFacts 的 thinking 模式从硬编码 Disabled 改为读取配置
前端:
1. 移除助手输入区模型选择器及全部偏好持久化逻辑
- 删除 ModelType 类型、selectedModel ref、MODEL_PREFERENCE_STORAGE_KEY 常量
- 删除 isModelType / loadModelPreferenceMap / persistModelPreferenceMap / savePreferredModel / resolvePreferredModel / applyPreferredModelForConversation 六个函数及 modelPreferenceMap ref
- 删除 selectedModel watch 监听、发送消息时的 savePreferredModel 调用、切会话时的 applyPreferredModelForConversation 调用、会话迁移时的模型偏好迁移
- fetchChatStream 的 model 参数硬编码为 'worker'
- 删除模板中"模型"下拉选择器(标准/策略)及对应的全局样式 .assistant-model-select-panel
2. 上下文窗口指示器简化为仅显示总占用
- ContextWindowMeter 移除 msg0~msg3 四段彩色分段逻辑(ContextSegment 接口、segments computed、v-for 渲染)
- 进度条改为单一蓝色条,按 total/budget 比例填充;超预算时变红
- Tooltip 简化为仅显示"总计 X / 预算 Y(Z%)"

仓库:无
2026-04-17 12:27:04 +08:00
..
2026-04-16 19:34:32 +08:00
2026-04-17 12:27:04 +08:00
2026-04-16 19:34:32 +08:00
2026-04-17 12:27:04 +08:00
2026-04-16 23:33:38 +08:00
2026-04-17 12:27:04 +08:00
2026-04-16 23:33:38 +08:00
2026-04-16 19:34:32 +08:00
2026-04-16 23:33:38 +08:00
2026-04-16 18:29:17 +08:00
2026-04-16 19:34:32 +08:00
2026-04-10 23:17:38 +08:00

Memory 模块现状说明

当前已打通的链路

  1. 用户消息落聊天历史时,会通过 outbox 发布 memory.extract.requested
  2. 事件消费者只负责把请求幂等写入 memory_jobs,不在消费回调里做重 LLM 计算。
  3. 启动期会拉起 memory worker,后台轮询 memory_jobs
  4. worker 抢占任务后,调用 backend/infra/llm 驱动的记忆抽取编排器。
  5. 抽取结果会被标准化后写入 memory_items,同时写入 memory_audit_logs
  6. 全部落库成功后,任务状态推进到 success;失败则走可重试状态机。

当前目录职责

  • module.go:对外统一门面,负责组装 repo / service / worker / orchestrator。
  • model/:记忆模块 DTO、状态常量、配置对象。
  • repo/memory_jobs / memory_items / memory_audit_logs / memory_user_settings 访问层。
  • service/:任务入队、读取重排、管理维护、配置加载。
  • orchestrator/:记忆抽取编排。
    • write_orchestrator.go 是纯本地 fallback。
    • llm_write_orchestrator.go 是当前主用的 LLM 抽取器。
  • worker/:任务执行器与后台轮询循环。
  • utils/JSON 提取、候选事实标准化、设置过滤、审计构造等纯函数工具。

当前已补齐的内部能力

  1. Module
    • 负责把 repo / service / worker / orchestrator 组装成统一门面。
    • 外部现在优先依赖 memory.Module,而不是自己手搓内部组件。
    • 支持 WithTx(tx),方便接入现有统一事务管理器。
  2. EnqueueService
    • 负责把 memory.extract.requested 事件转成 memory_jobs,不做重 LLM 计算。
  3. Runner + RunPollingLoop
    • 负责后台轮询任务、调用抽取器、写入 memory_items、补写 memory_audit_logs
  4. ReadService
    • 负责在 memory 内部做“按用户开关过滤 + 轻量重排 + 访问时间刷新”。
    • 当前还没有接到 newAgent prompt 注入侧,这是刻意保留的切流点。
  5. ManageService
    • 负责记忆管理面能力:列出记忆、软删除记忆、读取/更新用户记忆开关。
    • 删除动作会同步写入审计日志,保证“有变更就有审计”。

当前推荐接入姿势

  1. 启动阶段统一创建:
    • memoryModule := memory.NewModule(db, llmClient, memory.LoadConfigFromViper())
  2. 后台 worker 启动:
    • memoryModule.StartWorker(ctx)
  3. 事务内写入记忆任务:
    • memoryModule.WithTx(tx).EnqueueExtract(ctx, payload, eventID)
  4. 后续 agent 读取:
    • 直接调用 memoryModule.Retrieve(...)

当前实现边界

  1. 已实现异步写入链路,也已补齐 memory 内部读取与管理能力,但还没有接“读取召回 + prompt 注入”。
  2. 已实现 MySQL 事实落库,但还没有接 Milvus 向量同步。
  3. 已实现 LLM 抽取和基础审计日志,但还没有做 ADD/UPDATE/DELETE/NONE 决策型冲突消解。
  4. 当前更偏“先把 memory 自己的闭环打通”,后续再继续做 agent 注入、向量检索和冲突更新。

当前推荐验证方式

  1. 发起一条用户消息,确认 outbox 中生成 memory.extract.requested
  2. 等待事件消费后,确认 memory_jobs 出现 pending 或被 worker 抢占为 processing
  3. 等待后台 worker 执行后,确认:
    • memory_jobs.status = success
    • memory_items 出现新记忆
    • memory_audit_logs 出现对应 create 记录
  4. 直接调用 ManageService
    • ListItems 能列出 active/archived 记忆
    • DeleteItem 会把状态改成 deleted,并新增一条 delete 审计
    • GetUserSetting / UpsertUserSetting 能返回并更新用户记忆开关

下一步建议

  1. ReadService 接进 newAgent,先注入“偏好 / 约束 / 最近 todo_hint”三类高价值记忆。
  2. 引入向量召回与 rerank把“当前话题相关的事实类记忆”补进候选集合。
  3. 再补 ADD/UPDATE/DELETE/NONE 决策,解决“同义记忆去重”和“旧记忆更新”。