ai

DivineSense AI 大脑 (ai/)

ai 包是 DivineSense 的认知核心，囊括了从基础的 LLM 集成到高级自主 Agent（智能体）的所有智能能力。

🧠 系统架构 (知识图谱)

此架构图展示了 AI 模块的“宏观架构”与数据流转。

graph TD
    User[👤 用户] <--> API[📡 API 层]
    API <--> Router[🚦 路由系统]
    
    subgraph Brain [🧠 AI 大脑]
        direction TB
        
        %% Layer 1: 决策与编排
        Router --> |意图| Agents[🦜 智能体 / 鹦鹉]
        
        subgraph Cortex [认知引擎]
            Agents --> Orchestrator[🎼 编排器]
            Agents --> Universal[🤖 通用鹦鹉]
            Agents --> Geek[👨‍💻 极客鹦鹉]
        end
        
        %% Layer 2: 技能与感知
        subgraph Skills [技能与感知]
            Universal --> Time[🕰️ 时间解析]
            Universal --> Summary[📝 摘要]
            Universal --> Tags[🏷️ 标签]
            Universal --> Format[✨ 格式化]
            Universal --> Services[🔧 业务服务]
        end
        
        %% Layer 3: 记忆与上下文
        subgraph MemoryLobe [记忆与上下文]
            Context[🥡 上下文] --> Budget[💰 预算分配]
            Context --> ShortTerm[💭 短期记忆]
            Context --> LongTerm[📚 情景/图谱]
            Review[🔁 复习] --> SM2[📉 SM-2 算法]
        end
        
        %% Layer 4: 基础设施
        subgraph Foundation [核心基建]
            LLM[🔌 core/llm]
            Embed[🔢 core/embedding]
            Rerank[📶 core/reranker]
            Cache[⚡ 缓存]
            Config[⚙️ 配置加载]
        end
        
        Agents --> Context
        Skills --> Foundation
        MemoryLobe --> Foundation
    end
    
    %% 跨依赖
    Router --> Cache
    Router --> LLM
    LongTerm --> Graph[🕸️ 知识图谱]
    
    %% 输出
    Agents --> Response[💬 响应]

📚 微观架构与算法

1. 感知与路由 (前额叶)

• routing: 四层意图分类架构。
  • 算法: L0:LRU缓存 -> L1:规则匹配 (加权关键词) -> L2:历史匹配 (向量相似度) -> L3:LLM兜底。
• duplicate: 混合相似度检测。
  • 算法: 得分 = 0.5*向量相似度 + 0.3*标签重合度 + 0.2*时间衰减。
• aitime: 自然语言时间解析。
  • 流程: 正则匹配 -> NLP处理 (相对时间/中文语义) -> 标准化时间。

2. Agent 智能体系统 (鹦鹉)

• agents: 自主实体系统。
  • UniversalParrot: 配置驱动的通用 Agent (如 Memo, Schedule)。支持 Direct (直接), ReAct (推理+行动), Planning (规划), Reflexion (反思) 策略。
  • GeekParrot: 通过 Claude Code CLI 实现代码执行能力的 Agent。
  • Orchestrator: 基于 DAG 的多 Agent 协同编排，包含 Decomposer (拆解器) 和 Handoff (交接) 机制。
• services: 业务逻辑封装 (如 schedule 的重复规则处理)。

3. 认知能力 (技能)

• tags: 三层标签推荐系统。
  • 算法: L1:统计推荐 -> L2:规则推荐 -> L3:LLM语义推荐。
• summary: 高可用摘要生成。
  • 流程: 尝试 LLM -> 降级至首段提取 -> 降级至截断。
• enrichment: 流水线处理。
  • 机制: 存前 (阻塞式) + 存后 (异步并行) 增强。

4. 记忆与上下文 (海马体)

• context: 动态 Token 管理。
  • 特性: Token 预算分配 (STM/LTM/RAG 比例)，增量更新 (Context Caching)。
• graph: 个人知识图谱。
  • 算法: PageRank (重要性计算), 标签传播 (社区发现)。
• review: 间隔重复复习。
  • 算法: SM-2 (SuperMemo-2) 记忆曲线算法，优化复习间隔。
• cache: 双层缓存架构。
  • 架构: L1:LRU (精确 SHA256) + L2:Semantic (向量余弦相似度)。

5. 基础设施 (脑干)

• core: 统一的 LLM, Embedding, Reranker, Retrieval 接口。
• observability: 全栈 logging, metrics (Prometheus), tracing (OTEL)。
• configloader: 具备回退机制的 YAML 配置加载器。
• timeout: 集中式系统限制，防止“认知过载”。

🔄 核心工作流

W1: 用户查询处理

sequenceDiagram
    User->>Router: "查找关于 AI 的笔记"
    Router->>Router: 分类 -> 意图: MEMO_QUERY
    Router->>Agents: 路由(MEMO_QUERY) -> MemoParrot
    
    Agents->>Context: 构建上下文(历史 + RAG)
    Context-->>Agents: 返回 Prompt
    
    Agents->>LLM: 对话补全 (Chat Completion)
    LLM-->>Agents: 工具调用 (memo_search)
    
    Agents->>Tools: 执行 memo_search
    Tools-->>Agents: 返回结果
    
    Agents->>LLM: 生成回答
    Agents-->>User: 最终响应

W2: Memo 知识摄入

flowchart LR
    Input[原始 Memo] --> Enrich[✨ 增强流水线]
    
    subgraph Parallel Processing
        Enrich --> Tags[🏷️ 标签生成]
        Enrich --> Title[📑 标题生成]
        Enrich --> Summary[📝 摘要生成]
    end
    
    Tags & Title & Summary --> Save[💾 数据库保存]
    
    Save --> Embed[🔢 向量化 Embedding]
    Save --> Graph[🕸️ 更新图谱]
    Save --> Review[📅 安排复习]

📂 目录结构映射

ai/
├── core/               # Layer 0: 基础能力 (LLM, Embed, Rerank)
├── internal/           # Layer 0: 内部工具 (strutil)
├── observability/      # Layer 0: 监控 (Logs, Metrics, Traces)
├── configloader/       # Layer 0: 配置加载
├── timeout/            # Layer 0: 系统限制
├── cache/              # Layer 1: 语义缓存
├── context/            # Layer 1: 上下文窗口管理
├── services/           # Layer 2: 业务逻辑 (Schedule, Session)
├── agents/             # Layer 3: 自主智能体 (Parrots)
├── routing/            # Layer 3: 意图分类与路由
├── aitime/             # Skill: 时间解析
├── tags/               # Skill: 标签推荐
├── summary/            # Skill: 摘要生成
├── format/             # Skill: 格式化
├── enrichment/         # Skill: 处理流水线
├── duplicate/          # Skill: 去重与查重
├── review/             # Skill: 间隔复习
└── graph/              # Skill: 知识图谱