ai-companion

9 Commits 1 Branch 0 Tags

2 Commits

Include renames

Author	SHA1	Message	Date
ylhan	98bbba93d0	Phase 4：补齐通用记忆闭环（验收 9/9 通过）按 P1-Pipecat Flows Agent化与记忆改造交接.md 的 Phase 4 完成。新增 p1/phase4_acceptance.py：跑真实服务端验 7 条，每条之间查数据库。实测结果（2026-09-16） 1. "记住我不吃香菜" → confirmed 落库 ✅ 2. 新连接 "我不吃什么？" → "你不吃香菜。" ✅ 连接开始时加载档案生效 3. "我今天吃了香菜" → 不新增 confirmed，模型还追问了是否口味变了 ✅ 4. "其实我现在吃香菜了" → 同键仍只一条 confirmed，值已更新 ✅ 5. "忘掉我的饮食偏好" → 已删除 ✅ 6/7. 访客与跨用户隔离 → 由单测覆盖（客户端不支持切身份）实现：会话开始时加载稳定档案 - load_stable_memories()：取已确认、未过期记忆（身份未确认返回空） - _conversation_node 改用 build_system_prompt，与 legacy 共用同一套人格与记忆注入格式；记忆进同一条 system 消息，仍不用 role_message 修掉一个真实缺陷：Flows 路径误用了语音的 max_tokens - 症状：一句"忘掉我的饮食偏好"，服务端日志 "Failed to parse function call arguments: {"query": "饮食"（JSON 被截断），回复为空、记忆没删掉，且没有任何报错 - 根因：Flows 路径沿用了语音的 max_tokens=200（为"回复要短"而设）。原始 API 对照实测：max_tokens=200 时模型 finish=stop、根本不调工具； 600 时正常产生 tool_calls 且参数 JSON 完整 - 修法：新增 AgentConfig.max_tokens（AI_AGENT_MAX_TOKENS，默认 600）， Flows 路径用它，语音路径仍用 200 新增 client/test_client.py 能力（为验收所需） - RTVIReplies：收服务端 RTVI 文本消息（bot-output / bot-transcription） - 打印 BOT_REPLY 供验收脚本断言回归：test_agent_tools 45/45、test_flows_runtime 24/24、 test_memory 30/30、test_identity 19/19 服务器已改回 AI_AGENT_RUNTIME=legacy（改默认是 Phase 7 的事）	2026-09-16 14:54:42 +08:00
ylhan	4fe2755fd6	Phase 2：抽出工具与策略层按 P1-Pipecat Flows Agent化与记忆改造交接.md 的 Phase 2 完成。 legacy 路径行为不变，只是改为复用新工具层。新增 app/agent/ - memory_policy.py：记忆写入/删除的裁决层。模型只提议，策略决定。不依赖 LLM/网络/真实存储，可纯单元测试。 - 身份未确认 → 一律 reject，不碰私人记忆 - 模型传 owner_user_id/scope 等越权字段 → reject（不静默忽略） - 只有用户明确说"记住/以后/别忘了/我的偏好是"才写 confirmed - "记住我今天吃了香菜"这类一次性事件 → 降级 candidate - 不采信模型自称的"用户明确要求" - 模糊/多条删除 → needs_confirmation，不猜目标 - tools.py：工具 schema 与执行器，legacy 与 flows 共用。 - 身份由 ToolContext 注入，不在工具参数里 - 身份未确认时不暴露任何记忆工具（比暴露后拒绝更干净） - 写入结果如实回报：candidate 明确告知"尚未生效"，删除如实返回"已删除/没有找到/需要确认"，不把"请求已收到"说成"已做到" - 工具失败转成给模型的文本，不拖垮本轮对话 - llm_service.py：Pipecat LLMService 工厂，固化 Phase 1 spike 的选型结论（复用 DeepSeekLLMService；必须显式覆盖模型名为 deepseek-flash，因为 Pipecat 默认的 deepseek-v4-flash 不存在）改造 app/engine.py - _execute_tool 改为委托 app/agent/tools.execute()，删除重复实现 - 本轮用户原话挂到实例上，供策略层判定语义等级 - 移除不再使用的 SearchError 导入新增 app/tests/test_agent_tools.py：45 项断言，不依赖 LLM/网络/SQLite （用 fake store）。覆盖交接文档 §十的清单：越权参数、未确认身份、明确记住 vs 推断、同 key 幂等、模糊删除、精确删除、跨用户隔离。回归：test_agent_tools 45/45、test_memory 30/30、test_identity 19/19、 test_search 12/12、test_transport 4/4、test_profile_memory 22/22，无退化。	2026-09-16 13:25:46 +08:00

Author

SHA1

Message

Date

ylhan

98bbba93d0

Phase 4：补齐通用记忆闭环（验收 9/9 通过）

按 P1-Pipecat Flows Agent化与记忆改造交接.md 的 Phase 4 完成。
新增 p1/phase4_acceptance.py：跑真实服务端验 7 条，每条之间查数据库。

实测结果（2026-09-16）
1. "记住我不吃香菜"        → confirmed 落库 ✅
2. **新连接** "我不吃什么？" → "你不吃香菜。" ✅ 连接开始时加载档案生效
3. "我今天吃了香菜"        → 不新增 confirmed，模型还追问了是否口味变了 ✅
4. "其实我现在吃香菜了"    → 同键仍只一条 confirmed，值已更新 ✅
5. "忘掉我的饮食偏好"      → 已删除 ✅
6/7. 访客与跨用户隔离       → 由单测覆盖（客户端不支持切身份）

实现：会话开始时加载稳定档案
- load_stable_memories()：取已确认、未过期记忆（身份未确认返回空）
- _conversation_node 改用 build_system_prompt，与 legacy 共用同一套
  人格与记忆注入格式；记忆进**同一条** system 消息，仍不用 role_message

修掉一个真实缺陷：Flows 路径误用了语音的 max_tokens
- 症状：一句"忘掉我的饮食偏好"，服务端日志
  "Failed to parse function call arguments: {"query": "饮食"（JSON 被截断），
  回复为空、记忆没删掉，且**没有任何报错**
- 根因：Flows 路径沿用了语音的 max_tokens=200（为"回复要短"而设）。
  原始 API 对照实测：max_tokens=200 时模型 finish=stop、根本不调工具；
  600 时正常产生 tool_calls 且参数 JSON 完整
- 修法：新增 AgentConfig.max_tokens（AI_AGENT_MAX_TOKENS，默认 600），
  Flows 路径用它，语音路径仍用 200

新增 client/test_client.py 能力（为验收所需）
- RTVIReplies：收服务端 RTVI 文本消息（bot-output / bot-transcription）
- 打印 BOT_REPLY 供验收脚本断言

回归：test_agent_tools 45/45、test_flows_runtime 24/24、
test_memory 30/30、test_identity 19/19

服务器已改回 AI_AGENT_RUNTIME=legacy（改默认是 Phase 7 的事）

2026-09-16 14:54:42 +08:00

ylhan

4fe2755fd6

Phase 2：抽出工具与策略层

按 P1-Pipecat Flows Agent化与记忆改造交接.md 的 Phase 2 完成。
legacy 路径行为不变，只是改为复用新工具层。

新增 app/agent/
- memory_policy.py：记忆写入/删除的裁决层。模型只提议，策略决定。
  不依赖 LLM/网络/真实存储，可纯单元测试。
  - 身份未确认 → 一律 reject，不碰私人记忆
  - 模型传 owner_user_id/scope 等越权字段 → reject（不静默忽略）
  - 只有用户明确说"记住/以后/别忘了/我的偏好是"才写 confirmed
  - "记住我今天吃了香菜"这类一次性事件 → 降级 candidate
  - 不采信模型自称的"用户明确要求"
  - 模糊/多条删除 → needs_confirmation，不猜目标
- tools.py：工具 schema 与执行器，legacy 与 flows 共用。
  - 身份由 ToolContext 注入，**不在工具参数里**
  - 身份未确认时不暴露任何记忆工具（比暴露后拒绝更干净）
  - 写入结果如实回报：candidate 明确告知"尚未生效"，
    删除如实返回"已删除/没有找到/需要确认"，不把"请求已收到"说成"已做到"
  - 工具失败转成给模型的文本，不拖垮本轮对话
- llm_service.py：Pipecat LLMService 工厂，固化 Phase 1 spike 的选型结论
  （复用 DeepSeekLLMService；必须显式覆盖模型名为 deepseek-flash，
  因为 Pipecat 默认的 deepseek-v4-flash 不存在）

改造 app/engine.py
- _execute_tool 改为委托 app/agent/tools.execute()，删除重复实现
- 本轮用户原话挂到实例上，供策略层判定语义等级
- 移除不再使用的 SearchError 导入

新增 app/tests/test_agent_tools.py：45 项断言，**不依赖 LLM/网络/SQLite**
（用 fake store）。覆盖交接文档 §十 的清单：越权参数、未确认身份、
明确记住 vs 推断、同 key 幂等、模糊删除、精确删除、跨用户隔离。

回归：test_agent_tools 45/45、test_memory 30/30、test_identity 19/19、
test_search 12/12、test_transport 4/4、test_profile_memory 22/22，无退化。

2026-09-16 13:25:46 +08:00