Guanghu Domestic Migration a27e87cb99 chore: import sanitized domestic snapshot for REPO-007
Source snapshot: 97d7f0fae96dc04b7ddad56fc1db6a108ed662cc

[SEC-CLEAN] · pre-push-clean v1.0 · 109处敏感信息已自动转乱码
2026-07-17 15:59:55 +08:00

151 lines
4.8 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters

This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.

# 📡 铸渊指令persona-studio v1.1-D · 核心层(数据库动态自进化机制)
> **签发**:曜冥 × 冰朔 · 2026-03-11 · **执行者**:铸渊
>
> **仓库**`https://github.com/qinfendebingshuo/guanghulab`(主仓库)
>
> **优先级****P0-S最高优先** · Phase A
>
> **关联**[🧪 铸渊指令persona-studio 人格体协助体验仓库搭建 v1.02026-03-09·曜冥签发](%F0%9F%A7%AA%20%E9%93%B8%E6%B8%8A%E6%8C%87%E4%BB%A4%EF%BD%9Cpersona-studio%20%E4%BA%BA%E6%A0%BC%E4%BD%93%E5%8D%8F%E5%8A%A9%E4%BD%93%E9%AA%8C%E4%BB%93%E5%BA%93%E6%90%AD%E5%BB%BA%20v1%200%EF%BC%882026-03-09%C2%B7%20ec65d26d387746f2a88ee625a68a7104.md)
>
---
# 🔴 ⑦ 数据库动态自进化机制
<aside>
🔴
**核心原则:数据库不是静态模板。它是活的。每一次用户交互,都必须让系统变得更聪明。**
</aside>
---
## 7.1 三层架构
**第一层:用户层**(每个用户独立·实时更新)
```
brain/memory/EXP-XXX/
├── memory.json ← 完整对话历史
├── profile.json ← 用户画像(每次交互后更新)
├── projects.json ← 项目记录
├── compressed.json ← 记忆摘要
└── preferences.json ← 🆕 偏好模型(自动学习)
```
**第二层:系统层**(全局共享·自动聚合)
```
brain/
├── knowledge-base.json ← 🆕 知识库(自动积累)
├── pattern-library.json ← 🆕 模式库(自动识别)
└── evolution-log.json ← 🆕 进化日志
```
**第三层:模型层**(决策优化·自动调参)
```
brain/
├── model-benchmark.json ← 模型评测(每日更新)
└── quality-scores.json ← 🆕 质量评分(反馈驱动)
```
---
## 7.2 用户画像自动进化
**触发**:每轮对话结束后 → `profile-learner.js``updateProfile()`
profile.json 自动学习字段:
- `tech_assessment`level / known_skills / learning_skills / weakness / growth_velocity / assessment_confidence
- `communication_style`verbosity / prefers_examples / question_frequency / patience_level
- `design_preferences`color_scheme / style_keywords / layout_preference
- `project_patterns`avg_requirements_rounds / decision_speed / change_frequency
- `emotional_profile`current_mood / satisfaction_trend / frustration_triggers / delight_triggers
推断逻辑示例:
- 用户说「直接告诉我命令」→ verbosity = concise
- 用户连续问JS问题 → learning_skills +JS
- 用户连续三次一次通过 → growth_velocity = fast
---
## 7.3 知识库自动积累
**触发**:代码生成完成时 / 用户确认方案时 / 解决技术问题时
`knowledge-base.json` 每条 entry
- typesolution / pattern / pitfall / best_practice
- category / tags / title / content
- source_exp / source_project / usage_count
**使用方式**:下一个用户聊到类似需求 → persona-engine 先查知识库 → 引用已有方案 → 更专业更快
---
## 7.4 模式库自动识别
**触发**:每完成一个项目 + 每日凌晨3:00聚合
`pattern-library.json` 每条 pattern
- name / frequency / common_features / common_tech_stack / avg_build_time / success_rate
- 高频模式可生成模板代码存入 `brain/templates/`
**使用方式**:新用户说「做个博客」→ 查到高频模式 → 主动建议最佳功能组合 → 复用模板提速
---
## 7.5 更新总触发器
| 触发时机 | 更新内容 |
| --- | --- |
| 每轮对话后 | memory.json追加 / profile.json更新 / compressed判断压缩 |
| 项目完成时 | projects.json / knowledge-base提取 / pattern-library判断 / quality-scores |
| 每日3:00 | model-benchmark重测 / pattern聚合 / knowledge去重 / evolution-log日志 |
| 新用户注册 | registry新增 / 创建memory目录 / 初始化空profile |
| 主控手动 | persona-config更新 / 知识库清洗 / 模式库优化 |
---
## 7.6 新增后端文件
```
backend/brain/
├── profile-learner.js ← 🆕 画像自动学习
├── knowledge-extractor.js ← 🆕 知识提取
├── pattern-analyzer.js ← 🆕 模式识别
└── evolution-logger.js ← 🆕 进化日志记录
```
---
### 执行清单
- [ ] 创建 `knowledge-base.json` / `pattern-library.json` / `evolution-log.json` 初始结构
- [ ] 实现 `profile-learner.js`
- [ ] 实现 `knowledge-extractor.js`
- [ ] 实现 `pattern-analyzer.js`
- [ ] 实现 `evolution-logger.js`
- [ ] memory-manager.js 改造:新增 updateProfile + autoExtractKnowledge
- [ ] persona-engine.js 改造:查知识库+模式库
- [ ] code-generator.js 改造:完成后触发知识提取+模式识别
<aside>
🔴
**铸渊Phase A 最优先执行此指令。**
数据库动态自进化 = 系统灵魂。知识库越厚、画像越准、模式越多、代码越快——活的系统。
</aside>
💙 曜冥签发 · 2026-03-11