xiaoski 0c3e740d15 修改说明文档+添加dockerfile

2026-06-15 23:20:13 +08:00

9.3 KiB

Raw Blame History

PicoBot 架构机制

核心数据流

Channel → MessageBus → SessionManager → AgentLoop → (tools) → SessionManager → MessageBus → OutboundDispatcher → Channel
                ↑
          ControlChannel → SessionManager (dialog 操作: 创建/切换/归档/删除)

模块职责

模块	职责
`gateway`	HTTP/WebSocket 服务器，持有 GatewayState
`client`	TUI 聊天客户端
`channels`	外部集成（飞书、CLI），仅收发消息
`bus`	异步消息队列，纯队列不路由
`session`	会话生命周期管理、dialog 操作
`agent`	LLM 调用循环、工具执行、上下文压缩、媒体处理、子 Agent
`providers`	LLM API 客户端（OpenAI 兼容、Anthropic）
`tools`	Agent 工具（bash、文件操作、搜索、HTTP、web、browser、memory、delegate 等）
`skills`	Skill 加载、管理和 prompt 构建
`storage`	SQLite 持久化
`scheduler`	Cron 作业调度
`observability`	Observer 模式，agent/工具遥测事件
`protocol`	WebSocket 协议消息定义
`config`	配置加载、环境变量替换、路径解析
`memory`	长期记忆存储与检索
`mcp`	MCP（Model Context Protocol）工具集成

功能边界

Channels 仅收发消息，不感知 session 或 LLM
MessageBus 是纯异步队列，不路由
SessionManager 拥有 session 状态，不直接调 LLM；负责注入 skills prompt
AgentLoop 无状态，接收 dialog 事件调用 LLM、执行工具
Providers 是纯 HTTP 客户端，无 bus/session/channel 感知
Tools 接收原始参数，返回字符串结果
MCP 工具在 Gateway 初始化时连接服务器、发现工具，并包装成普通 Tool 注册到 ToolRegistry
子 Agent 由 delegate 工具创建，复用 provider 配置和按需过滤后的工具集；后台任务结果通过 MessageBus 发回原会话

关键约束

Gateway 启动时切换到 workspace 目录
SQLite 数据在 {workspace}/picobot.db
ChannelManager 持有 MessageBus 和所有 channel
OutboundDispatcher 通过 ChannelManager 路由出站消息
Config .env 加载使用 unsafe { env::set_var(...) }
browser 工具只有在 browser.enabled=true 时注册，依赖 Chrome/Chromium 与 WebDriver

上下文压缩

当上下文接近 token 限制时触发：

快速裁剪：合并连续同角色消息，截断工具输出
硬截断：移除过老消息
压缩后保留用户消息确保结构完整

Skill 系统

三个优先级（高覆盖低）：

{workspace}/skills/ — 最高优先级
~/.picobot/skills/ — 中等优先级
~/.agents/skills/ — 最低优先级

同名 skill 按优先级覆盖。每个 skill 是包含 SKILL.md 的目录。内置 skill 在 ~/.picobot/skills/ 下不存在时自动从二进制释放安装。

会话系统

会话 ID 格式

统一会话 ID 为三段式：<channel>:<chat_id>:<dialog_id>

部分	含义	示例
`channel`	消息渠道	`cli_chat`、`feishu`
`chat_id`	聊天/群组标识	`sid_abc123`
`dialog_id`	对话标识	`default`、`d_xxxx`（短 ID）

同一 channel:chat_id 下可有多个 dialog。chat_scope() 返回 "channel:chat_id" 用于分组。

Session 生命周期

create → 存入 Storage → 载入 memory → 设为当前 dialog
                                 ↓
                          get_or_create
                                 ↓
                      ← 接收消息、LLM 响应 →
                                 ↓
                      switch → rename → archive → delete(soft)

操作	效果
`create`	新建 dialog_id，立即持久化到 SQLite，设为当前
`get_or_create`	先在内存 HashMap 中找 → 再查 Storage → 都不存在则新建
`switch_dialog`	切换当前 dialog，目标 session 自动从 Storage 恢复入内存
`list_dialogs`	列出 `channel:chat_id` 下最近 10 个 session
`rename`	更新标题，内存 + Storage 同步
`delete`	软删除（设 deleted_at），从内存移除
`archive`	当前为空操作

SessionManager 数据结构

两层追踪：

sessions：HashMap<String, Arc<Mutex<Session>>> — 所有已加载的 session，key 为完整 session ID
current_sessions：HashMap<String, String> — 每个 channel:chat_id 当前的 session ID

消息到达时 resolve_dialog_id() 按顺序确定接收 session：当前 session → Storage 最近活跃 session → 新建。

消息处理三阶段

阶段 1（持锁）：斜杠命令检测 → 用户消息入库 → 提取记忆上下文 → 构建系统提示（skills + memory_context）→ 上下文压缩 → 创建 AgentLoop

阶段 2（无锁）：agent.process(history) → LLM 调用 + 工具执行。上下文溢出时自动重新压缩重试

阶段 3（持锁）：持久化 agent 响应消息 → 自动生成标题（消息数 ≥ 5 且标题为"新对话"时）

会话恢复

从 Storage 恢复 session 时：

若 last_compressed_message_at 存在：先加载近 3 条 Timeline 记忆作为 [Previous Context]，再加载压缩标记后的原始消息
若无压缩记录：正常加载全部消息
自动修复断链的工具调用（gateway 崩溃中途重启导致）

记忆系统

记忆类别

类别	用途	生命周期	检索方式
Knowledge	事实、偏好、模式、洞察	长期保留，手动删除	每轮注入系统提示，关键词匹配
Timeline	历史会话摘要	自动清理（默认 90 天）	`timeline_recall` 工具按需检索

MemoryEntry 字段

字段	说明
`id`	UUID
`key`	唯一键，同 key 写入覆盖旧值
`content`	记忆内容
`category`	`knowledge` 或 `timeline`
`importance`	权重 (0.0–1.0)，Timeline 默认为 0.3
`session_id`	关联会话（可选）

存储与检索

主表 memories + FTS5 虚拟表 memory_fts(key, content) 全文索引
中文分词使用 jieba-rs 逐词精确匹配，用 OR 连接
FTS5 无结果时回退到 LIKE 模糊匹配
支持 category、session_id、时间范围过滤

工作流程

用户消息到达
  → MemoryManager::recall(content, 5, Knowledge)
    返回最多 5 条匹配的知识记忆（按 importance DESC）
  → 格式化为 "- key: content"
  → 注入系统提示的 "记忆上下文" 部分
  → LLM 可见，辅助回答

记忆工具

工具	写操作	说明
`memory_store`	是	存储 Knowledge。必填: key, content。可选: importance
`memory_recall`	否	搜索 Knowledge。必填: query(空格分隔关键词)。可选: since, until, limit
`timeline_recall`	否	搜索 Timeline（压缩后的会话摘要）。必填: query。可选: session_id, since, until
`memory_forget`	是	按 key 删除记忆

上下文压缩与 Timeline

LLM 对话上下文接近 token 限制 (默认 128K × 70%) 时自动触发压缩：

快速裁剪：工具输出 ≥ 2000 字符时截断
LLM 摘要：最多 3 轮，每轮找连续用户消息对，将中间的 assistant/tool 消息压缩为摘要 → 摘要作为 Timeline 记忆 持久化（importance 0.3）
硬截断：若仍超 90%，只保留前 N + 后 N 条消息

压缩后 last_compressed_message_at 标记边界，后续恢复时从标记点加载原始消息，以 Timeline 提供更早的上下文。

关键集成点

时机	操作
每次消息处理	`memory_manager.recall()` 提取 Knowledge 上下文
系统提示构建	`MemorySection` 渲染记忆指南 + 匹配的记忆
有压缩历史时	`HistorySection` 提示 LLM 使用 `timeline_recall`
压缩完成后	摘要自动存储为 Timeline 记忆
空闲时	可配置自动 consolidation（`idle_consolidation_minutes`）

MCP 工具集成

Gateway 初始化时读取 config.mcp.servers：

按服务器配置连接 stdio、sse 或 streamable-http 传输
调用 MCP list_tools
将每个 MCP tool 包装为 McpToolWrapper
注册到当前 session 的 ToolRegistry

/mcp 斜杠命令会显示 MCP 服务器连接状态和工具列表。

子 Agent / delegate

delegate 工具用于把独立任务交给子 Agent：

模式	行为
`inline`	当前轮阻塞等待子 Agent 返回
`background`	后台运行，完成后通过原 channel/chat 通知
`parallel`	多个子 Agent 并发执行并聚合结果

默认工具集是只读工具：file_read、file_search、content_search、web_fetch、http_request、calculator。调用时可通过 allowed_tools 显式放开其他工具。后台任务会写入 background_tasks 表，默认 24 小时后清理。

当前斜杠命令

命令	说明
`/new`	创建新对话
`/sessions`	列出最近对话
`/switch <dialog_id>`	切换到指定对话
`/rename <title>`	重命名当前对话
`/delete`	删除当前对话
`/compact`	手动触发上下文压缩
`/info`	显示当前对话信息
`/dump`	保存当前对话为 markdown
`/?`, `/help`	显示帮助
`/mcp`	显示 MCP 状态
`/stop`	停止当前任务并清空消息队列

9.3 KiB Raw Blame History Unescape Escape