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	c37a968548	Phase 1 spike：Pipecat Flows 兼容性验证，7 项全通过按 P1-Pipecat Flows Agent化与记忆改造交接.md 的 Phase 1 要求，只做独立 spike，不改生产入口。新增 - p1/flows_spike.py：探索脚本，带请求体抓取与逐项诊断 - app/tests/test_flows_spike.py：断言版，复用探索脚本的检查项避免漂移验证结果（9 个断言全过） - DeepSeek 在 Flows 中流式输出中文（14–22 个 token 级分块） - 工具调用参数聚合完整、无重复拼接；回灌后能出最终回答 - worker.cancel() 能立即终止 LLM 流 - role_message 生效（模型自称"桌面陪伴小助手"） - context 里只有一条 system 消息三条最重要的结论 1. 不要装 pipecat-ai-flows。Pipecat 1.10 内置 Flows（pipecat.flows），装了会报 _warn_if_standalone_flows_installed；且独立包 1.4.0 会把 pipecat 从 1.10.0 降到 1.4.0。requirements.txt 已加说明。 2. 必须用 PipelineRunner().run(worker)。直接 worker.run() 时 runner 没挂上，工具执行失败并抛 "runner is not set; call attach() first"，该异常被转成给 LLM 的通用错误串，handler 从不执行，默认日志看不到。 3. await flow.initialize(node)。它是协程但签名显示 -> None，漏 await 不报错，只是 role_message/task_messages/工具全部静默失效—— 极易误判成"框架不支持这些特性"。另两条 - respond_immediately 默认 True，initialize 会立刻触发一轮回复，做归因测试时必须清空观察窗口，否则会归因错。 - role_message（走 system_instruction）与 task_messages 各产生一条 system 消息，两者不要同时用；切回本地 vLLM 时会 400。 LLMService 选择：复用 Pipecat 的 DeepSeekLLMService。它自带 DeepSeekLLMAdapter 处理 reasoning_content 回传约束（我们 P0 踩过的坑）， thinking 默认 disabled，与既有结论一致。代价是失去本地 vLLM 降级（Flows 要求 LLMService 实例，FallbackProvider 不能直接用；且当前本机 vLLM 已停用，fallback 实际无可用目标）。环境：NLTK punkt_tab 本地也需预装（服务器已有），spike 加了 fail-fast 检查与拷贝命令提示。	2026-09-16 13:13:39 +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

c37a968548

Phase 1 spike：Pipecat Flows 兼容性验证，7 项全通过

按 P1-Pipecat Flows Agent化与记忆改造交接.md 的 Phase 1 要求，
只做独立 spike，不改生产入口。

新增
- p1/flows_spike.py：探索脚本，带请求体抓取与逐项诊断
- app/tests/test_flows_spike.py：断言版，复用探索脚本的检查项避免漂移

验证结果（9 个断言全过）
- DeepSeek 在 Flows 中流式输出中文（14–22 个 token 级分块）
- 工具调用参数聚合完整、无重复拼接；回灌后能出最终回答
- worker.cancel() 能立即终止 LLM 流
- role_message 生效（模型自称"桌面陪伴小助手"）
- context 里只有一条 system 消息

三条最重要的结论
1. **不要装 pipecat-ai-flows**。Pipecat 1.10 内置 Flows（pipecat.flows），
   装了会报 _warn_if_standalone_flows_installed；且独立包 1.4.0 会把
   pipecat 从 1.10.0 降到 1.4.0。requirements.txt 已加说明。
2. **必须用 PipelineRunner().run(worker)**。直接 worker.run() 时 runner
   没挂上，工具执行失败并抛 "runner is not set; call attach() first"，
   该异常被转成给 LLM 的通用错误串，handler 从不执行，默认日志看不到。
3. **await flow.initialize(node)**。它是协程但签名显示 -> None，
   漏 await 不报错，只是 role_message/task_messages/工具全部静默失效——
   极易误判成"框架不支持这些特性"。

另两条
- respond_immediately 默认 True，initialize 会立刻触发一轮回复，
  做归因测试时必须清空观察窗口，否则会归因错。
- role_message（走 system_instruction）与 task_messages 各产生一条
  system 消息，两者不要同时用；切回本地 vLLM 时会 400。

LLMService 选择：复用 Pipecat 的 DeepSeekLLMService。它自带
DeepSeekLLMAdapter 处理 reasoning_content 回传约束（我们 P0 踩过的坑），
thinking 默认 disabled，与既有结论一致。代价是失去本地 vLLM 降级
（Flows 要求 LLMService 实例，FallbackProvider 不能直接用；且当前
本机 vLLM 已停用，fallback 实际无可用目标）。

环境：NLTK punkt_tab 本地也需预装（服务器已有），spike 加了 fail-fast
检查与拷贝命令提示。

2026-09-16 13:13:39 +08:00