36a1c87d87
Some checks failed
CI / Lint & TypeCheck (push) Has been cancelled
CI / Unit Tests (push) Has been cancelled
CI / Build Frontend (push) Has been cancelled
CI / Rust Check (push) Has been cancelled
CI / Security Scan (push) Has been cancelled
CI / E2E Tests (push) Has been cancelled
问题: 旧 wiki 按文档类型组织（architecture/data-flows/file-map）， 修复 Butler Router 需要读 4 个文件才能拼凑全貌。 且 SaaS Relay 主路径 vs 本地降级的优先级描述不准确。 重构为模块化结构，每个模块页自包含： - 设计思想: 为什么这样设计 - 代码逻辑: 数据流 + 关键代码 - 关联模块: 依赖关系 新增模块页: - routing.md: 客户端路由 (明确 SaaS Relay 是主路径，不是本地模式) - chat.md: 聊天系统 (3种实现 + Token Pool 中转机制) - butler.md: 管家模式 (路由/冷启动/痛点/双模式UI) - memory.md: 记忆管道 (提取→FTS5→检索→注入) - saas.md: SaaS平台 (认证/Token池/计费/Admin) - middleware.md: 中间件链 (14层 + 优先级) - hands-skills.md: Hands(9) + Skills(75) - pipeline.md: Pipeline DSL 删除旧文件: architecture.md, data-flows.md, module-status.md, file-map.md (内容已分布到对应模块页中) 添加 .gitignore 排除 Obsidian 工作区状态文件
3.7 KiB
3.7 KiB
title, updated, status, tags
| title | updated | status | tags | |||
|---|---|---|---|---|---|---|
| 记忆管道 | 2026-04-11 | active |
|
记忆管道 (Memory Pipeline)
从 index 导航。关联模块: chat middleware
设计思想
核心问题: LLM 无状态，每次对话都从零开始。需要从历史对话中积累知识。
设计决策:
- 闭环架构 — 对话 → 提取 → 索引 → 检索 → 注入，形成正向循环
- FTS5 + TF-IDF — 轻量级语义搜索，不依赖外部 embedding 服务
- Token 预算控制 — 注入 system prompt 时有 token 上限，防止溢出
- EmbeddingClient trait 已预留 — 接口已写，激活即可升级到向量搜索
代码逻辑
闭环数据流
[提取] 对话发生
→ MemoryExtractor (crates/zclaw-growth/src/extractor.rs)
→ LLM 提取: 偏好 (Preference) / 知识 (Knowledge) / 经验 (Experience)
→ MemoryEntry { agent_id, memory_type, content, keywords, importance }
[索引] 存储
→ SqliteStorage.store() (crates/zclaw-growth/src/storage/sqlite.rs)
→ SQLite + FTS5 全文索引
→ TF-IDF 权重计算
→ (可选) EmbeddingClient.embed() → 向量存储 [未激活]
[检索] 查询时
→ MemoryRetriever.retrieve(query, agent_id) (crates/zclaw-growth/src/retriever.rs)
→ QueryAnalyzer: 意图分类 (Preference/Knowledge/Experience/Code/General)
→ 中文+英文关键词提取 + CJK 支持 + 同义词扩展
→ SemanticScorer: TF-IDF 匹配 (70% embedding / 30% TF-IDF, embedding 未激活)
→ 返回 top-k 相关记忆
[注入] 给 LLM
→ PromptInjector.inject(system_prompt, memories) (crates/zclaw-growth/src/injector.rs)
→ token 预算控制
→ 格式化为结构化上下文块
→ 插入到 system prompt 中
经验存储 (ExperienceStore)
Hermes 管线 Chunk1 新增:
ExperienceStore (crates/zclaw-growth/src/experience_store.rs)
→ CRUD 封装: pain → solution → outcome 结构化经验
→ 底层使用 VikingAdapter
→ URI scheme: agent://{agent_id}/experience/...
查询意图分类
QueryAnalyzer 支持 5 种意图:
| 意图 | 说明 | 检索策略 |
|---|---|---|
| Preference | 用户偏好 | 精确匹配 preference 类型记忆 |
| Knowledge | 知识查询 | 语义搜索 knowledge 类型 |
| Experience | 经验检索 | 时间+相关性排序 |
| Code | 代码相关 | 关键词优先 |
| General | 通用 | 混合策略 |
Embedding 基础设施 (已写未激活)
EmbeddingClient trait (crates/zclaw-growth/src/retrieval/semantic.rs)
→ async embed(&str) -> Vec<f32>
→ is_available() -> bool
→ 当前实现: NoOpEmbeddingClient (始终返回空)
SaaS 侧:
→ pgvector HNSW 索引就绪 (knowledge_chunks 表, vector(1536))
→ generate_embedding Worker: 内容分块 + 中文关键词提取 (Phase 2 embedding deferred)
关联模块
- chat — 对话是记忆的输入源
- butler — 管家模式可能利用记忆提供个性化响应
- middleware — 记忆注入通过中间件或 hook 实现
关键文件
| 文件 | 职责 |
|---|---|
crates/zclaw-growth/src/extractor.rs |
LLM 记忆提取 |
crates/zclaw-growth/src/retriever.rs |
语义检索 |
crates/zclaw-growth/src/injector.rs |
Prompt 注入 (token 预算) |
crates/zclaw-growth/src/experience_store.rs |
经验 CRUD |
crates/zclaw-growth/src/storage/sqlite.rs |
FTS5 + TF-IDF 核心 |
crates/zclaw-growth/src/retrieval/semantic.rs |
EmbeddingClient trait |
crates/zclaw-growth/src/retrieval/query.rs |
意图分类 + CJK 关键词 |
desktop/src/store/memoryStore.ts |
前端记忆 UI |
desktop/src-tauri/src/memory/ |
Tauri 记忆命令桥接 |