mirror of
https://github.com/agentscope-ai/ReMe.git
synced 2026-10-08 03:10:24 +00:00
### 1. Agent Wrapper(统一 Agent 后端抽象) - **`base_agent_wrapper.py`**:`reply()` 返回值从 `tuple[str, Any]` 改为 `dict`(含 `session_id` / `last_message` / `result` / 可选 `structured_output`);`reply_stream()` 改为产出统一的 `StreamChunk`。废弃 `add_tools()`,改为 `add_job_tools(names: list[str])`(按名解析 BaseJob)与 `add_skills()`;新增 `_resolve_job_tools()`、`_merged_kwargs()`、`_chunk()` 辅助方法及 `project_path` / `project_skills_root` 属性。 - **`as_agent_wrapper.py`(AgentScope 后端)**: - 会话持久化重写:`session_path` 落地到 `<vault>/<session_dir>/agentscope/`,`_load_state` 支持 `resume` / `session_id` / `fork_session`,并做 UUID 校验(`_validate_session_id`);`_cleanup_expired_sessions` 按天数清理过期会话。 - 新增内置工具集(`BypassAnalysisBash` + Edit/Glob/Grep/Read/Write),`BypassAnalysisBash` 绕过 AgentScope 自带 Bash 静态分析以让 permission_mode 生效;`_resolve_skills()` 把配置的 skill 暴露给后端,`_load_tool_env()` 注入项目 `.env`。 - `_event_to_chunk()` 把 20+ 种 AgentScope 事件(Reply/Text/Thinking/Data/ToolCall/ToolResult/ModelCall/ExceedMaxIters)归一化为 `StreamChunk`。 - **`cc_agent_wrapper.py`(Claude Code SDK 后端,+551 行)**: - 新增 `_CcFileSessionStore`:基于 vault 的文件型会话存储,实现 append(按 uuid 去重)/ load / list / delete / list_subkeys,并对路径做 `_safe_parts` + `resolve()` 防越界校验。 - `_build_options()`:统一构建 `ClaudeAgentOptions`,处理 skills、disallowed_tools(默认禁 `WebSearch`)、`.env` 注入、Claude Code 的 API 凭据解析(`_claude_code_api_env`,多级 base_url/api_key 回退)、`CLAUDE_CONFIG_DIR` 设置、skill 目录软链接(`_ensure_claude_skill_dir`)。 - `_raw_event_to_chunk()` / `_message_content_to_chunks()`:把 Anthropic 流式事件(message_start/delta/stop、content_block_*)与 SDK 消息块(AssistantMessage/UserMessage/ResultMessage/RateLimitEvent)转换为统一 `StreamChunk`;跟踪 block_id/block_type/tool_call_name 做关联;处理尾部 `"success"` 误报异常的吞掉逻辑。 ### 2. 统一流式协议(StreamChunk / ChunkEnum) - **`stream_chunk.py`**:`StreamChunk` 扩展为承载 AS + CC 双后端完整信息的统一结构,新增 `session_id` / `block_id` / `tool_call_id` / `tool_call_name` / `media_type` / `input_tokens` / `output_tokens` 等字段,纯文本流仍保持轻量。 - **`chunk_enum.py`**:补全生命周期标记 `REPLY_START` / `REPLY_END`,并文档化两套后端事件 → ChunkEnum 的映射。 ### 3. Index 模块重构(变化批次化 + dispatch) - 新增 `_change_batch.py`:`coalesce_changes()` 把同路径多次事件折叠为最终状态(结合 path 存在性判定),`bucket_changes()` 按 watchfiles.Change 分桶。 - 新增 `init_changes.py`(`InitChangesStep`):一次性扫描,对比 file_store / file_catalog 已索引节点计算 added/modified/deleted,写入 `context["changes"]` 后 dispatch。 - 新增 `update_changes.py`:抽象基类 `ChangeApplyStep` 统一 added/modified/deleted 处理与错误收集;`UpdateCatalogStep`(写 file_catalog)、`UpdateIndexStep`(写 file_store,含按后缀解析 chunker)。 - **`watch_changes.py`**:改用 `dispatch_step_specs`(基类提供的 `dispatch_steps()`),每批先 `coalesce_changes` 再 dispatch;默认参数调整(debounce 5000ms / step 1000ms / poll 5000ms)并暴露常量。 - 删除旧步骤:`clear_and_scan` / `foreach_dispatch` / `scan_changes` / `update_catalog`(旧) / `update_index`(旧);`clear_store.py` 取代 clear_and_scan。 ### 4. Evolve / Dream 模块(拆分为多步 pipeline) - 删除旧的单体 `auto_dream.py` / `dream.py` / `dream.yaml`,新增 `dream/` 子包,按 5 个步骤组织: - **`extract.py`**:扫描当日 day-index + daily 笔记,对比 file_catalog 找出 changed/deleted,调用 LLM 全局抽取 `units`(procedure/personal/wiki 三桶)与 `topics`,路径与桶做清洗/路由。 - **`integrate.py`**:逐个 unit 调用 LLM 写入 digest,结构化输出 `IntegrateOutcome`(CREATE/CORROBORATE/REFINE/CORRECT),失败 unit/路径收集回写。 - **`topics.py`**:写 `daily/<date>/interests.yaml`,结合当天已有 + 近 N 天做去重(`normalize_topic`),可走 LLM 或纯规则去重两条路径。 - **`proactive.py`**:读取当日 `interests.yaml`,作为主动推荐话题的入口。 - **`finish.py`**:把变更路径落盘到 dream file_catalog(checkpoint),渲染最终汇总摘要。 - 新增 `schema.py`(`DreamState` 等跨步骤共享状态与结构化输出模型)与 `utils.py`(状态存取、扫描打包、YAML 读写、结构化回复解析等公共函数)。 - `evolve/__init__.py` 导出全部新 step。 ### 5. auto_memory / auto_resource(适配新 Agent API) - **`auto_memory.py`**:会话路径迁移到 `<session_dir>/dialog/<session_id>.jsonl`;改用 `job_tools`;新增 `source_conversation` frontmatter 反向链接(`_session_link`);执行后刷新 day 索引(`refresh_day_index`),并对 session_id 做合法性校验。 - **`auto_resource.py`**:资源改用「同名 daily note」方案(`_compute_note_stem` 取文件 stem);批量处理 `changes: list[dict]`(`_handle_change` 逐项处理,返回逐项结果摘要);agent 会话 id 用稳定的 `uuid5`;同样刷新 day 索引。 ### 6. BaseStep 基类增强 - 新增 `dispatch_steps` / `dispatch_step_specs` 机制:`_resolve_dispatch_step()` 支持字符串或 dict 形式的 step spec,`dispatch_steps()` 复用当前 context 调用下游 step。 - 新增 `config_value()`:按 key 取 app config,缺失时回退 `ApplicationConfig` 默认值。 - 小幅清理:`language` 初始化、`copy()`、`Ref.__init__` 签名精简。 ### 7. Components 改动 - **`file_store/local_file_store.py`**:持久化改用 zstd 压缩(`.jsonl.zst`,通过新 `utils/jsonl_zst.py`);upsert 时先删除旧 chunk 的 keyword 文档;embedding 复用改为 `(text, embedding)` 键控,要求文本一致才复用;新增 `_matches_search_filter()` 对 vector/keyword 搜索做 path/path_prefix/metadata 的统一后过滤。 - **`keyword_index/bm25_index.py`**:索引文件名加入组件名 + tokenizer 指纹(sha256 前 12 位),快照/恢复时校验指纹防配置漂移;空索引 dump 时删除文件,加载失败抛错而非静默。 - **`file_chunker/markdown_file_chunker.py`**:弃用 `python-frontmatter`,改用内置 YAML 解析(非法 YAML 不阻断正文索引),并修正因 frontmatter 占用行号导致的 AST 行号偏移(`line_offset`)。 - **`cron_job.py`**:大幅简化(-187 行),由原来「dispatch 外部 job/step + 多种调度模式」改为「在自身 steps 上跑 cron 表达式」;`Application` 启动顺序随之调整为 base > stream > background > cron。 - 其余小调整:service(base/http/mcp)、file_graph、file_catalog、as_llm、as_embedding、tokenizer、prompt_handler、base_component 的签名/接口微调。 ### 8. Application 生命周期 - `_start()` 启动顺序明确为 components → base → stream → background → cron,启动失败会触发 `_close()` 回滚并 re-raise(不再吞异常)。 - 启动时创建 `session_dir` 目录;新增 `update_component()`(按类型/名就地更新已存在组件,不存在则报错)。 ### 9. File IO / 路径安全 - **`_path.py`**:`resolve_path` 增加 vault 越界防护(`is_relative_to` 校验),禁止 `.` / `..` 路径分量,支持 `allow_empty`。 - **`read.py`**:大文件(超过 `MAX_FILE_READ_BYTES`)走按行读取 `read_file_lines_safe`,避免一次性载入内存。 - **`_file_io.py` / `_daily_index.py` / `_path.py`** 等支持函数补齐(如 `refresh_day_index`、`read_file_lines_safe`)。 - **`env_utils.py`**:新增 `parse_env_file()`,`load_env()` 返回加载到的键值、支持 `override`、对无路径调用做幂等缓存。 ### 10. Config - `ApplicationConfig` 新增 `session_dir`(默认 `reme_session`)。 - `config_parser.py`:环境变量展开后做类型转换(`_convert_value`)、dot-notation 与 key=value 参数校验更严格、配置文件路径支持相对 `_CONFIG_DIR` 查找、根非 dict 报错。 - `default.yaml`:作业编排改用 `init_changes_step` + `dispatch_steps`(index/resource/digest 三个 watch loop 与 reindex);新增 `auto_dream`(4 步)、`proactive` 作业,移除旧 `dream`;file_catalog 增配 `resource` / `digest` / `dream` 实例;LLM 默认值与 Claude Code 凭据配置调整(tool_result_limit 50000、thinking_enable=false 等)。 ### 11. 其它 - 新增 `steps/common/add.py`(`AddStep` 算术 demo)、`channel/__init__.py` 与 common `__init__` 导出整理。 - 新增 4 篇文档:`docs4/auto_dream_logic_and_step_refactor.md`、`docs4/watch_loop_step_refactor_plan.md`、`docs4/todo.md`,以及 `reme_design.md` 更新。 **
147 lines
5.9 KiB
Python
147 lines
5.9 KiB
Python
"""Global dream extract step."""
|
|
|
|
import json
|
|
|
|
from ...base_step import BaseStep
|
|
from ...file_io import refresh_day_index
|
|
from ....components import R
|
|
from .schema import BUCKETS, DreamState
|
|
from .utils import (
|
|
clean_paths,
|
|
daily_dir,
|
|
llm_available,
|
|
pack_paths,
|
|
parse_structured_reply,
|
|
scan_day_files,
|
|
store_state,
|
|
today,
|
|
vault_dir,
|
|
)
|
|
|
|
_TOOLS = ("read",)
|
|
|
|
|
|
@R.register("dream_extract_step")
|
|
class DreamExtractStep(BaseStep):
|
|
"""Scan changed daily files and globally extract merged units/topics."""
|
|
|
|
def __init__(self, topic_session_id: str = "interests", **kwargs):
|
|
super().__init__(**kwargs)
|
|
self.topic_session_id = topic_session_id
|
|
|
|
async def execute(self):
|
|
assert self.context is not None
|
|
day = today(self, str(self.context.get("date", "") or ""))
|
|
hint = str(self.context.get("hint", "") or "").strip()
|
|
daily, vault = daily_dir(self), vault_dir(self)
|
|
if self.file_catalog is None:
|
|
raise RuntimeError("dream_extract_step requires file_catalog")
|
|
await refresh_day_index(self.file_store, day, daily)
|
|
|
|
existing = self._existing(vault, scan_day_files(vault, day, daily, f"{self.topic_session_id}.yaml"))
|
|
interests_rel = f"{daily}/{day}/{self.topic_session_id}.yaml"
|
|
day_md, day_prefix = f"{daily}/{day}.md", f"{daily}/{day}/"
|
|
nodes = await self.file_catalog.get_nodes()
|
|
indexed_all = {n.path: n.st_mtime for n in nodes if n.path == day_md or n.path.startswith(day_prefix)}
|
|
indexed = {path: mt for path, mt in indexed_all.items() if path != interests_rel}
|
|
changed = [rel for rel, mt in existing.items() if indexed.get(rel) != mt]
|
|
unchanged = [rel for rel, mt in existing.items() if indexed.get(rel) == mt]
|
|
protected = set(existing) | ({interests_rel} if (vault / interests_rel).is_file() else set())
|
|
deleted = sorted(indexed_all.keys() - protected)
|
|
if deleted:
|
|
await self.file_catalog.delete(deleted)
|
|
|
|
state = DreamState(
|
|
date=day,
|
|
hint=hint,
|
|
daily_dir=daily,
|
|
vault=str(vault),
|
|
files_scanned=len(existing),
|
|
files_unchanged=len(unchanged),
|
|
files_changed=len(changed),
|
|
files_deleted=len(deleted),
|
|
changed_paths=changed,
|
|
unchanged_paths=unchanged,
|
|
deleted_paths=deleted,
|
|
existing=existing,
|
|
indexed=indexed,
|
|
)
|
|
if not changed:
|
|
return self._finish(state, True, f"No changed dream input for {day}")
|
|
if not llm_available(self):
|
|
state.errors.append("no llm configured; dream extract requires an LLM")
|
|
return self._finish(state, False, state.errors[-1])
|
|
|
|
result = await self.agent_wrapper.reply(
|
|
self.prompt_format(
|
|
"extract_user_message",
|
|
date=day,
|
|
hint=hint or "(none)",
|
|
changed_paths_json=json.dumps(changed, ensure_ascii=False, indent=2),
|
|
material_blob=pack_paths(vault, changed),
|
|
),
|
|
system_prompt=self.prompt_format("extract_system_prompt", vault_dir=str(vault), buckets=", ".join(BUCKETS)),
|
|
job_tools=list(_TOOLS),
|
|
)
|
|
meta = parse_structured_reply(str(result.get("result") or ""))
|
|
self._clean_output(state, meta)
|
|
state.extract_summary = str(result.get("result") or "").strip()
|
|
answer = f"Extracted {len(state.units)} unit(s), {len(state.topics)} topic(s)"
|
|
answer = f"{answer} from {len(changed)} changed file(s)"
|
|
return self._finish(state, True, answer)
|
|
|
|
def _existing(self, vault, files: list[str]) -> dict[str, float]:
|
|
out: dict[str, float] = {}
|
|
for rel in files:
|
|
try:
|
|
out[rel] = (vault / rel).stat().st_mtime
|
|
except OSError as e:
|
|
self.logger.error(f"[{self.name}] stat failed on {rel}: {e}")
|
|
return out
|
|
|
|
def _clean_output(self, state: DreamState, meta: dict) -> None:
|
|
allowed = set(state.changed_paths)
|
|
for raw in meta.get("units") or meta.get("memory_units") or []:
|
|
if not isinstance(raw, dict):
|
|
continue
|
|
name = str(raw.get("name") or "").strip()
|
|
summary = str(raw.get("summary") or "").strip()
|
|
bucket = str(raw.get("bucket") or "").strip()
|
|
paths = clean_paths(raw.get("paths"), allowed)
|
|
if not name or not summary or not paths:
|
|
continue
|
|
if bucket not in BUCKETS:
|
|
self.logger.warning(f"[{self.name}] unit {name!r} emitted bucket {bucket!r}; routing to wiki")
|
|
bucket = "wiki"
|
|
state.units.append({"name": name, "bucket": bucket, "summary": summary, "paths": paths})
|
|
for raw in meta.get("topics") or []:
|
|
topic = self._clean_topic(raw, allowed)
|
|
if topic:
|
|
state.topics.append(topic)
|
|
|
|
@staticmethod
|
|
def _clean_topic(raw, allowed: set[str]) -> dict:
|
|
if not isinstance(raw, dict):
|
|
return {}
|
|
title = str(raw.get("title") or "").strip()
|
|
reason = str(raw.get("reason") or "").strip()
|
|
paths = clean_paths(raw.get("paths"), allowed)
|
|
if not title or not reason or not paths:
|
|
return {}
|
|
keywords = raw.get("keywords") or []
|
|
cleaned_keywords = [str(k).strip() for k in keywords if str(k).strip()] if isinstance(keywords, list) else []
|
|
return {
|
|
"title": title,
|
|
"reason": reason,
|
|
"evidence": str(raw.get("evidence") or "").strip(),
|
|
"keywords": cleaned_keywords,
|
|
"paths": paths,
|
|
}
|
|
|
|
def _finish(self, state: DreamState, success: bool, answer: str):
|
|
assert self.context is not None
|
|
state.summary = answer
|
|
store_state(self, state)
|
|
self.context.response.success = success
|
|
self.context.response.answer = answer
|
|
return self.context.response
|