mirror of
https://github.com/ThearchyHelios/AgentLab.git
synced 2026-11-17 20:11:59 +00:00
a027261701
以前只有用户明说「记住」才会写:17 轮有图的对话里只有 4 轮带记忆节点,全在
那个用户主动谈记忆的会话里。于是他说过一次「我叫张三」,换个话题再问就
谁也不知道了。
现在 answer 路径多一步判断:这句话里有没有值得长期记住的东西,有就在主链路
前面加一个 memory(write) 节点。边界比指令本身要紧,所以写死了四类不该记的:
这一轮的问题本身、查出来的数(会过期且能重查)、一次性指令、以及**用户没说过
而你推测出来的**。另外两条是从召回的实际情况倒推的——content 要脱离上下文也
成立(召回时没有这轮对话,「他说他叫张三」读起来不知道「他」是谁),以及
拿不准就不记:记错了污染以后每一次对话,漏记一条用户再说一遍就是了。
**动手前先修了一个前提**:写记忆在界面上是隐形的。memory 节点发的是 info 级
日志,而解码层明确丢弃所有 info(decode.ts),也就是说自动记忆 = 系统背着
用户往一个跨会话、长期有效的地方存关于他的信息,而他看不见。
新增 memory.end 事件,解码层按动作分开渲染:写入把**记了什么**原样显示
(只报「写入 1 条」等于没说,用户没法判断它记的是不是他想让它记的)、召回说
「想起 N 条」、清空标成警告。
真模型验过(deepseek-v4-pro):
「我平时叫小蒋,以后报表金额用万元」
→ content='用户平时叫小蒋,他要求以后报表里的金额统一用万元作单位'
scope 未写、跑完落库、事件里带着内容
→ 换个说法召回得到:「该怎么称呼我」「金额用什么单位」都命中
三条对照确认不滥记:
shop 里有几家店 → 没记
重来 → 走 reply,连图都没建
把上一轮的结果按月份排一下 → 没记
79 lines
2.6 KiB
Python
79 lines
2.6 KiB
Python
from __future__ import annotations
|
|
|
|
import time
|
|
import uuid
|
|
from enum import StrEnum
|
|
from typing import Any
|
|
|
|
from pydantic import BaseModel, Field
|
|
|
|
|
|
class EventType(StrEnum):
|
|
"""前端与后端之间的实时协议。画布高亮、时间线、token 流全部基于这套事件。"""
|
|
|
|
# run 级
|
|
RUN_STARTED = "run.started"
|
|
RUN_FINISHED = "run.finished"
|
|
RUN_FAILED = "run.failed"
|
|
RUN_CANCELLED = "run.cancelled"
|
|
RUN_INTERRUPTED = "run.interrupted" # 等待人工介入
|
|
RUN_RESUMED = "run.resumed"
|
|
|
|
# 节点级
|
|
NODE_STARTED = "node.started"
|
|
NODE_FINISHED = "node.finished"
|
|
NODE_FAILED = "node.failed"
|
|
NODE_SKIPPED = "node.skipped"
|
|
EDGE_TAKEN = "edge.taken" # 条件分支实际走了哪条边
|
|
|
|
# 模型级
|
|
LLM_START = "llm.start"
|
|
LLM_TOKEN = "llm.token"
|
|
# 思考的流式增量:只推给画布做实时显示,不落库
|
|
LLM_THINKING_DELTA = "llm.thinking.delta"
|
|
# 一次完整思考:调用结束时落一条,这才是进轨迹的事件
|
|
LLM_THINKING = "llm.thinking"
|
|
LLM_END = "llm.end"
|
|
|
|
# 工具 / 沙箱
|
|
TOOL_START = "tool.start"
|
|
TOOL_END = "tool.end"
|
|
TOOL_ERROR = "tool.error"
|
|
# 知识检索。以前只发一条 info 日志,于是"这句结论依据的是哪份文档的哪一段"
|
|
# 在轨迹里查不到——而 SQL 取数那条路早就有工件快照可以下钻
|
|
RETRIEVE_END = "retrieve.end"
|
|
# 记忆读写。以前发的是 info 日志,而解码器丢弃所有 info——于是往长期记忆里
|
|
# 写东西这件事在界面上是隐形的。让 Copilot 主动记之后,这条不可接受
|
|
MEMORY_END = "memory.end"
|
|
SANDBOX_START = "sandbox.start"
|
|
SANDBOX_END = "sandbox.end"
|
|
|
|
# 多 agent 协作中的单个 agent 步骤
|
|
AGENT_STEP_START = "agent.step.start"
|
|
AGENT_STEP_END = "agent.step.end"
|
|
|
|
# 人工介入
|
|
HUMAN_REQUESTED = "human.requested"
|
|
HUMAN_RESOLVED = "human.resolved"
|
|
|
|
# 出具与口径治理
|
|
ISSUANCE = "issuance" # 出具契约的判定结果(档位 / 缺数据 / 未回指数字)
|
|
CALIBER_UPGRADE = "caliber.upgrade" # 钉住的方法卡有新版本,按声明的策略处置
|
|
|
|
# 其他
|
|
LOG = "log"
|
|
USAGE = "usage" # token / 成本累计
|
|
|
|
|
|
class RunEventModel(BaseModel):
|
|
id: str = Field(default_factory=lambda: uuid.uuid4().hex)
|
|
run_id: str
|
|
seq: int = 0
|
|
type: EventType
|
|
node_id: str | None = None
|
|
ts: float = Field(default_factory=time.time)
|
|
data: dict[str, Any] = Field(default_factory=dict)
|
|
|
|
def to_wire(self) -> dict[str, Any]:
|
|
return self.model_dump(mode="json")
|