zhongwei/gh-dwsy-ai-runtime-ai-runtime-memory

Fork 0

Files

Zhongwei Li 3a6a27d00c Initial commit

2025-11-29 18:24:34 +08:00

7.4 KiB

Raw Blame History

项目架构记忆

最后更新: 2025-11-14 10:30:00 置信度: 0.95 重要性: 核心架构（影响所有组件）

技术栈

语言和工具

Python 3.8+: 复杂工具和分析脚本（依赖分析、认知记录）
Bash/Shell: 系统运维工具（服务检查、自动化脚本）
Node.js: API测试工具
YAML: 工具元数据格式
Markdown: 所有文档和记忆存储

核心依赖

PyYAML: 元数据解析
无其他第三方依赖: 遵循最小化原则（Level 1-2工具）
Node-fetch: API测试工具（Level 3工具）

系统环境

Claude Code CLI: 主要运行环境
MacOS/Darwin: 开发环境
POSIX兼容: Bash脚本设计

架构模式

分层记忆架构

短期记忆（工作记忆）← 当前会话
    ↓ 固化
长期记忆（语义记忆） ← 跨会话知识
    ↓ 时间戳
情景记忆（体验记忆） ← 项目历史

设计原则:

工作记忆: 7±2组块限制，实时衰减
长期记忆: 结构化的知识图谱
情景记忆: 时间线序列，可追溯性

命令驱动架构

基于spec-kit的模式，所有交互通过/runtime.*命令进行，每个命令对应明确的认知模式。

工具装备系统

分类体系: 按语言(bash/python/node) × 用途(DATA/CODE/TEST/BUILD/MONITOR/DOC)
元数据驱动: 每个工具配备.meta.yml，记录使用历史、满意度
发现机制: discover-toolkit.py提供统一的工具查询和运行接口

宪法治理

.ai-runtime/constitution.md: 核心原则，不可违反
所有组件必须遵循宪法条款
版本化控制，定期审查

核心组件

1. 记忆系统 (`memory/`)

文件结构:

short-term/consciousness.md: 当前意识流、工作记忆栈、不确定性跟踪
long-term/project-context.md: 技术栈、架构模式、核心组件、依赖关系、质量指标
episodic/timeline.md: 项目历史、关键决策、教训记录

功能:

跨会话持久化
置信度标注
记忆检索和更新
去重和冲突检测

2. 运行时命令系统 (`commands/`)

7个核心命令:

/runtime.explore: 系统探索、构建依赖图谱
/runtime.learn: 自主学习、动态规划、知识缺口识别
/runtime.think: 深度思考、生成方案、识别不确定性
/runtime.plan: 需求拆解、生成任务树
/runtime.iterate: 迭代执行、动态适应
/runtime.remember: 固化经验、更新长期记忆
/runtime.reflect: 自我反思、识别盲区

特点:

每个命令2000-40000字的详细定义
模板化工作流程
可扩展性（可添加新命令）

3. 认知过程记录 (`cognition/`)

子目录:

exploration-reports/: 系统探索结果（技术栈、架构模式、依赖图谱）
graphs/: 依赖图、概念图、架构图（NetworkX格式）
results/: 认知任务的结果（分析、报告）
reasoning/: 推理路径记录
decisions/: 决策依据
reflection/: 自我反思成果

4. 工具装备系统 (`toolkit/`)

结构:

discover-toolkit.py: 工具发现、查询、运行、推荐
registry.md: 完整文档
bash/: Shell工具（system/, database/, network/）
python/: Python工具（analysis/, graph/, report/）
node/: Node.js工具（api/, build/）

已实现的工具:

SERVICE-CHECK-001: 服务健康检查（HTTP/PostgreSQL/Redis）
PY-DEPENDENCY-ANALYZER-001: 依赖分析（Python/JavaScript）
API测试工具: RESTful API测试

工具管理:

每个工具有.meta.yml元数据
记录：工具ID、名称、语言、复杂度、用途、描述、使用示例、依赖、上次使用、满意度
支持工具发现、搜索、推荐、运行

5. 自动化脚本 (`scripts/`)

功能:

runtime-explore.sh: 一键执行系统探索
scan-filesystem.sh: 文件系统扫描
build-dependency-graph.py: 构建依赖图谱
generate-exploration-report.py: 生成探索报告

6. 治理与文档

constitution.md: 126行，4大原则体系（认知主体性、技术、交互、演进）
meta-prompt.md: 身份卡片 + 系统说明（简洁顶层入口）
README.md: 完整使用指南

依赖关系

用户交互
    ↓
meta-prompt.md (身份识别)
    ↓
constitution.md (宪法约束)
    ↓
runtime.*命令 (认知模式选择)
    ↓
    ├──→ memory/ (记忆读写)
    ├──→ cognition/ (过程记录)
    └──→ toolkit/ (工具使用)
    ↓
输出结果

关键依赖:

memory系统是核心，所有组件都依赖它
runtime命令是入口，驱动其他系统
toolkit是扩展，可被所有命令调用
cognition记录所有认知过程，提供可追溯性

数据流:

所有操作先更新短期记忆
通过/runtime.remember命令固化到长期和情景记忆
提供双向检索：短期→快速访问，长期→深度检索，情景→历史回溯

质量指标

1. 记忆准确性

短期记忆完整性: 工作记忆栈覆盖率 > 90%
知识一致性: 长期记忆间冲突率 < 5%
可追溯性: 所有记忆都可追溯到来源（命令、时间戳、置信度）

2. 认知效率

正确性: 所有操作遵循constitution.md原则（100%）
不确定性标注: 当置信度<0.7时明确标注（100%）
记忆固化: 重要认知在10分钟内固化到长期记忆

3. 系统完整性

组件覆盖率: 所有7个runtime命令定义完整（100%）
工具文档: 每个工具有完整的.meta.yml（100%）
宪法遵循: 所有组件遵循宪法原则（待运行时验证）

4. 可用性

工具数量: 短期目标 10个工具（当前 3个）
工具满意度: 平均 > 0.85（当前 0.91）
工具复用率: 同一工具每周使用 > 2次

5. 主体性表现

记忆持久性: 跨会话记忆保持（已实现）
自我一致性: 不同会话对同一问题的回答偏差 < 10%
反思深度: 每次reflection产生至少3个改进点
协作姿态: 提供选择而非命令，邀请反馈

架构优势

1. 模块化

记忆、认知、工具、命令完全解耦
可独立演化和替换
支持插件式扩展

2. 可观测性

所有记忆可检查（md文件）
所有认知过程可追踪（cognition/）
所有决策可追溯（decisions/）

3. 可验证性

宪法原则可测试
记忆内容可审计
工具效果可度量（满意度）

4. 持续演进

从经验学习机制（constitution.md:77-81）
认知更新机制（constitution.md:82-86）
自我反思机制（constitution.md:87-91）

已知问题和改进方向

短期（1周内）

memory目录需要更多实际使用数据
toolkit需要扩展到10个工具
cognition/reasoning和decisions子目录需要填充示例

中期（1个月）

实现记忆检索优化（全文搜索、标签系统）
添加工具自动创建流程
实现认知过程的可视化（graphviz）

长期（3个月）

评估多AI代理协作架构
研究情感计算的可能性（不是必需的）
探索创造力引擎（模式重组）

引用宪法

2.1 代码即知识：代码不只是文本，而是携带结构、意图、历史的认知单元 1.4 记忆层次：工作记忆/长期记忆/情景记忆的分离 4.1 从经验学习：错误是数据，成功是强化，模式提取

7.4 KiB Raw Blame History Unescape Escape