docs: add AI Coding Assistant design and P0 implementation plan
Design covers: agent loop, LLM provider abstraction, transport layer, context management, skill system, tool registry. P0 plan targets the minimum viable loop: user input → LLM streaming → tool call → output. Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
This commit is contained in:
root
parent
20293ffb8e
commit
98d113883e
343
docs/plans/2026-05-12-ai-coding-assistant-design.md
Normal file
343
docs/plans/2026-05-12-ai-coding-assistant-design.md
Normal file
@ -0,0 +1,343 @@
|
||||
# AI Coding Assistant 设计文档
|
||||
|
||||
> 日期：2026-05-12
|
||||
> 状态：已批准（2026-05-12）
|
||||
|
||||
## 1. 背景与目标
|
||||
|
||||
构建一个可扩展的 AI 编程助手，具备以下核心能力：
|
||||
|
||||
- 统一多 LLM 提供者 API（OpenAI 兼容 + Anthropic 原生）
|
||||
- 工具调用、状态管理、上下文压缩、技能系统
|
||||
- 多种交互模式：TUI、RPC、打印模式、Web UI
|
||||
- 差分渲染、Markdown、xterm.js 渲染引擎
|
||||
- Web Components 页面，支持渲染 markdown、html、图片等
|
||||
|
||||
### 目标
|
||||
|
||||
1. **可扩展**：LLM 提供者、工具、技能均支持插件式扩展
|
||||
2. **流式优先**：从 LLM 调用到终端渲染全链路流式
|
||||
3. **双语言协作**：Python 后端（agent 逻辑）+ TypeScript 前端（渲染交互）
|
||||
4. **多模式交互**：同一 agent 支持不同前端接入（TUI / Web / RPC）
|
||||
|
||||
### 非目标
|
||||
|
||||
- 不做模型训练 / 微调
|
||||
- 不做多用户 / 多租户
|
||||
- 不做云端部署（初期仅本地运行）
|
||||
- 不做 VS Code / JetBrains 插件集成（后续扩展）
|
||||
|
||||
## 2. 技术栈
|
||||
|
||||
| 层 | 技术 | 说明 |
|
||||
|----|------|------|
|
||||
| Agent 核心 | Python 3.12+ | asyncio，type hints |
|
||||
| LLM 调用 | httpx (async) | 统一 HTTP 客户端 |
|
||||
| 状态持久化 | SQLite (aiosqlite) | 消息、会话、技能状态 |
|
||||
| Transport - stdio | asyncio streams | TUI 直接 spawn |
|
||||
| Transport - SSE/WS | aiohttp + aiohttp-sse | Web 前端接入 |
|
||||
| TUI | TypeScript + Ink / Blessed | 通过 stdio JSON-RPC 通信 |
|
||||
| Web UI | TypeScript + Web Components | 通过 SSE/WS 通信 |
|
||||
| 渲染 | Markdown-it / xterm.js / 差分渲染 | Web Components 封装 |
|
||||
|
||||
## 3. 核心架构
|
||||
|
||||
### 3.1 Agent Loop
|
||||
|
||||
```
|
||||
┌─────────────────────────────────────────────────────────────┐
|
||||
│ agentLoop() / agentLoopContinue() │
|
||||
│ ├── 创建 EventStream │
|
||||
│ └── 调用 runLoop() / runAgentLoopContinue() │
|
||||
└─────────────────────────────────────────────────────────────┘
|
||||
│
|
||||
▼
|
||||
┌─────────────────────────────────────────────────────────────┐
|
||||
│ runLoop() — 主循环 │
|
||||
│ ┌─────────────────────────────────────────────────────┐ │
|
||||
│ │ 外层 while(true) — 处理 follow-up 消息 │ │
|
||||
│ │ ┌───────────────────────────────────────────────┐ │ │
|
||||
│ │ │ 内层 while(hasMoreToolCalls || pendingMsg) │ │ │
|
||||
│ │ │ 1. streamAssistantResponse() → LLM 调用 │ │ │
|
||||
│ │ │ 2. executeToolCalls() → 工具执行 │ │ │
|
||||
│ │ │ 3. prepareNextTurn() → 可切换模型/思考级别 │ │ │
|
||||
│ │ │ 4. shouldStopAfterTurn() → 决定是否退出 │ │ │
|
||||
│ │ └───────────────────────────────────────────────┘ │ │
|
||||
│ └─────────────────────────────────────────────────────┘ │
|
||||
└─────────────────────────────────────────────────────────────┘
|
||||
```
|
||||
|
||||
### 3.2 消息流转
|
||||
|
||||
```
|
||||
AgentMessage[] (内部格式)
|
||||
↓ LLMProvider.convert_messages()
|
||||
Message[] (LLM API 格式)
|
||||
↓ LLM 调用
|
||||
AssistantMessage (含 tool_calls)
|
||||
↓ executeToolCalls()
|
||||
ToolResultMessage[]
|
||||
↓ 回到 runLoop() 继续
|
||||
```
|
||||
|
||||
### 3.3 Transport 抽象
|
||||
|
||||
```python
|
||||
class Transport(ABC):
|
||||
@abstractmethod
|
||||
async def start(self, handler: RequestHandler) -> None: ...
|
||||
|
||||
@abstractmethod
|
||||
async def send_event(self, event: AgentEvent) -> None: ...
|
||||
|
||||
@abstractmethod
|
||||
async def stop(self) -> None: ...
|
||||
|
||||
# RequestHandler = Callable[AgentRequest, Awaitable[None]]
|
||||
# AgentEvent = 流式事件（token / tool_call / tool_result / done / error）
|
||||
```
|
||||
|
||||
**stdio 实现**：stdin 读取 JSON-RPC 请求，stdout 写入 JSON-RPC 响应/通知。
|
||||
**SSE/WS 实现**：aiohttp 启动 HTTP server，POST 接收请求，SSE 推送事件，WS 双向通信。
|
||||
|
||||
### 3.4 LLM Provider 抽象
|
||||
|
||||
```python
|
||||
class LLMProvider(ABC):
|
||||
@abstractmethod
|
||||
async def stream_chat(
|
||||
self,
|
||||
messages: list[Message],
|
||||
tools: list[ToolDef] | None = None,
|
||||
**kwargs,
|
||||
) -> AsyncIterator[StreamChunk]: ...
|
||||
|
||||
@abstractmethod
|
||||
def convert_messages(self, agent_messages: list[AgentMessage]) -> list[Message]: ...
|
||||
|
||||
@abstractmethod
|
||||
def convert_tools(self, tools: list[ToolDef]) -> list[dict]: ...
|
||||
```
|
||||
|
||||
**OpenAI 兼容 adapter**：覆盖 OpenAI / Azure / 通义 / 智谱 / DeepSeek 等。
|
||||
**Anthropic adapter**：原生 Messages API，保留 tool_use / extended_thinking 能力。
|
||||
|
||||
### 3.5 上下文管理
|
||||
|
||||
```
|
||||
┌──────────────────────────────────────────────────┐
|
||||
│ LayeredContext │
|
||||
│ ┌────────────────────────────────────────────┐ │
|
||||
│ │ System Layer（系统提示词，不可压缩） │ │
|
||||
│ ├────────────────────────────────────────────┤ │
|
||||
│ │ Task Layer（当前任务摘要，低压缩优先级） │ │
|
||||
│ ├────────────────────────────────────────────┤ │
|
||||
│ │ Conversation Layer（对话消息，可压缩） │ │
|
||||
│ │ └── SlidingWindow + Summarizer │ │
|
||||
│ └────────────────────────────────────────────┘ │
|
||||
└──────────────────────────────────────────────────┘
|
||||
```
|
||||
|
||||
- **滑动窗口**：保留最近 N 轮完整消息
|
||||
- **摘要压缩**：超出窗口的旧消息通过 LLM 生成摘要，替换原文
|
||||
- **分层优先级**：System > Task > Conversation，压缩只作用于 Conversation 层
|
||||
|
||||
### 3.6 状态持久化（SQLite）
|
||||
|
||||
```sql
|
||||
-- 会话表
|
||||
CREATE TABLE sessions (
|
||||
id TEXT PRIMARY KEY,
|
||||
created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
|
||||
updated_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
|
||||
model TEXT,
|
||||
metadata JSON
|
||||
);
|
||||
|
||||
-- 消息表
|
||||
CREATE TABLE messages (
|
||||
id TEXT PRIMARY KEY,
|
||||
session_id TEXT REFERENCES sessions(id),
|
||||
role TEXT NOT NULL, -- system / user / assistant / tool
|
||||
content TEXT,
|
||||
tool_calls JSON,
|
||||
tool_call_id TEXT,
|
||||
token_count INTEGER,
|
||||
created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
|
||||
);
|
||||
|
||||
-- 上下文摘要表
|
||||
CREATE TABLE context_summaries (
|
||||
id TEXT PRIMARY KEY,
|
||||
session_id TEXT REFERENCES sessions(id),
|
||||
layer TEXT NOT NULL, -- system / task / conversation
|
||||
content TEXT NOT NULL,
|
||||
message_range_start INTEGER,
|
||||
message_range_end INTEGER,
|
||||
created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
|
||||
);
|
||||
|
||||
-- 技能状态表
|
||||
CREATE TABLE skill_states (
|
||||
session_id TEXT,
|
||||
skill_name TEXT,
|
||||
state JSON,
|
||||
PRIMARY KEY (session_id, skill_name)
|
||||
);
|
||||
```
|
||||
|
||||
### 3.7 技能系统
|
||||
|
||||
```python
|
||||
class Skill(ABC):
|
||||
"""技能基类：提示词模板 + 工具绑定 + 触发规则"""
|
||||
|
||||
name: str
|
||||
description: str
|
||||
trigger: TriggerRule # 自动 / 关键词 / LLM 选择
|
||||
system_prompt_fragment: str # 注入到系统提示词
|
||||
tools: list[ToolDef] # 技能关联的工具
|
||||
|
||||
@abstractmethod
|
||||
async def on_activate(self, ctx: SkillContext) -> None: ...
|
||||
|
||||
@abstractmethod
|
||||
async def on_deactivate(self, ctx: SkillContext) -> None: ...
|
||||
|
||||
class SkillRegistry:
|
||||
"""技能注册中心，支持动态加载"""
|
||||
|
||||
def __init__(self, skill_dirs: list[Path]):
|
||||
self._skills: dict[str, Skill] = {}
|
||||
self._skill_dirs = skill_dirs
|
||||
|
||||
async def load_all(self) -> None:
|
||||
"""扫描目录，动态导入技能模块"""
|
||||
|
||||
async def load_skill(self, name: str) -> None:
|
||||
"""热加载单个技能"""
|
||||
|
||||
def get_active_skills(self, context: AgentContext) -> list[Skill]:
|
||||
"""根据触发规则返回当前应激活的技能"""
|
||||
```
|
||||
|
||||
**动态加载**：从配置的目录扫描 `.py` 文件，每个文件导出 `Skill` 子类实例，运行时可热加载。
|
||||
|
||||
### 3.8 Hooks 配置点
|
||||
|
||||
| Hook | 时机 | 用途 |
|
||||
|------|------|------|
|
||||
| `get_steering_messages` | 每轮开始前 | 注入上下文消息 |
|
||||
| `get_follow_up_messages` | Agent 停止前 | 检查后续消息 |
|
||||
| `prepare_next_turn` | 轮次间 | 切换模型/思考级别 |
|
||||
| `should_stop_after_turn` | 每轮结束 | 决定是否退出 |
|
||||
| `before_tool_call` | 工具执行前 | 拦截/修改参数 |
|
||||
| `after_tool_call` | 工具执行后 | 增强/修改结果 |
|
||||
|
||||
## 4. 模块边界与数据流
|
||||
|
||||
```
|
||||
┌─────────┐ JSON-RPC/SSE ┌──────────────┐ StreamChunk ┌───────────┐
|
||||
│ TUI │ ←──────────────→ │ Transport │ ←─────────────→ │ LLM │
|
||||
│ (TS) │ │ (stdio/WS) │ │ Provider │
|
||||
└─────────┘ └──────┬───────┘ └───────────┘
|
||||
│
|
||||
┌─────────┐ SSE/WS ┌──────┴───────┐
|
||||
│ Web UI │ ←──────────────→│ Agent Loop │
|
||||
│ (TS) │ │ (Python) │
|
||||
└─────────┘ └──────┬───────┘
|
||||
│
|
||||
┌──────────────┼──────────────┐
|
||||
│ │ │
|
||||
┌─────┴─────┐ ┌────┴─────┐ ┌──────┴─────┐
|
||||
│ Context │ │ Skills │ │ State │
|
||||
│ Manager │ │ Registry │ │ (SQLite) │
|
||||
└───────────┘ └────┬─────┘ └────────────┘
|
||||
│
|
||||
┌─────┴─────┐
|
||||
│ Tools │
|
||||
│ Registry │
|
||||
└───────────┘
|
||||
```
|
||||
|
||||
## 5. 错误处理
|
||||
|
||||
| 场景 | 策略 |
|
||||
|------|------|
|
||||
| LLM API 调用失败 | 指数退避重试（最多 3 次），返回错误事件给前端 |
|
||||
| 工具执行超时 | 可配置超时（默认 60s），超时后返回 timeout 错误结果 |
|
||||
| 工具执行异常 | 捕获异常，转为 ToolResultMessage(is_error=True) |
|
||||
| Transport 断连 | stdio: 进程退出；SSE/WS: 自动重连 + 会话恢复 |
|
||||
| 上下文压缩失败 | 回退到简单截断，保留最近 N 条消息 |
|
||||
| 技能加载失败 | 跳过该技能，记录警告日志，不影响其他技能 |
|
||||
|
||||
## 6. 测试策略
|
||||
|
||||
| 层 | 测试类型 | 工具 |
|
||||
|----|----------|------|
|
||||
| Python 核心 | 单元测试 | pytest + pytest-asyncio |
|
||||
| LLM Provider | 集成测试（mock HTTP） | pytest + respx |
|
||||
| Transport | 单元测试 + 集成测试 | pytest，stdio 用 subprocess 测试 |
|
||||
| 上下文管理 | 单元测试 | pytest，SQLite 用内存数据库 |
|
||||
| 技能系统 | 单元测试 | pytest，动态加载用 importlib |
|
||||
| 工具 | 单元测试 | pytest |
|
||||
| TypeScript 前端 | 单元测试 | vitest |
|
||||
| Web Components | 组件测试 | vitest + @open-wc/testing |
|
||||
| 端到端 | 集成测试 | pytest + Playwright（Web）/ subprocess（TUI） |
|
||||
|
||||
## 7. 实现优先级（MVP）
|
||||
|
||||
1. **P0 — 核心 agent loop + OpenAI 兼容 provider + stdio transport**
|
||||
- 跑通最小闭环：用户输入 → LLM 流式响应 → 工具调用 → 输出
|
||||
|
||||
2. **P1 — Anthropic provider + SSE/WS transport + SQLite 状态**
|
||||
- 多 provider 支持 + Web 接入 + 会话持久化
|
||||
|
||||
3. **P2 — 上下文压缩 + 技能系统 + Web Components 基础渲染**
|
||||
- 长对话支持 + 可扩展能力 + 前端渲染
|
||||
|
||||
4. **P3 — TUI + 差分渲染 + xterm.js + 高级渲染**
|
||||
- 完整交互体验
|
||||
|
||||
## 8. 项目结构
|
||||
|
||||
```
|
||||
ai-coding-assistant/
|
||||
├── pyproject.toml
|
||||
├── packages/
|
||||
│ ├── core/ # Python: agent 核心
|
||||
│ │ ├── agent/
|
||||
│ │ │ ├── loop.py # agentLoop / runLoop
|
||||
│ │ │ ├── messages.py # AgentMessage 消息模型
|
||||
│ │ │ └── hooks.py # Hook 配置点
|
||||
│ │ ├── llm/
|
||||
│ │ │ ├── base.py # LLMProvider 抽象接口
|
||||
│ │ │ ├── openai_compat.py
|
||||
│ │ │ └── anthropic.py
|
||||
│ │ ├── transport/
|
||||
│ │ │ ├── base.py # Transport 抽象接口
|
||||
│ │ │ ├── stdio.py
|
||||
│ │ │ └── sse_ws.py
|
||||
│ │ ├── context/
|
||||
│ │ │ ├── manager.py # 分层上下文管理
|
||||
│ │ │ ├── compressor.py # 滑动窗口 + 摘要压缩
|
||||
│ │ │ └── state.py # SQLite 状态持久化
|
||||
│ │ ├── skills/
|
||||
│ │ │ ├── registry.py # SkillRegistry 动态加载
|
||||
│ │ │ ├── base.py # Skill 基类
|
||||
│ │ │ └── builtin/ # 内置技能
|
||||
│ │ └── tools/
|
||||
│ │ ├── base.py # Tool 基类
|
||||
│ │ └── builtin/ # 内置工具
|
||||
│ └── web/ # TypeScript: 前端
|
||||
│ ├── package.json
|
||||
│ ├── src/
|
||||
│ │ ├── components/ # Web Components
|
||||
│ │ ├── renderers/ # 差分渲染、Markdown、xterm.js
|
||||
│ │ ├── tui/ # TUI 模式
|
||||
│ │ └── rpc/ # RPC 客户端
|
||||
│ └── ...
|
||||
├── docs/
|
||||
│ └── plans/
|
||||
└── memory/
|
||||
```
|
||||
144
docs/plans/2026-05-12-ai-coding-assistant-plan.md
Normal file
144
docs/plans/2026-05-12-ai-coding-assistant-plan.md
Normal file
@ -0,0 +1,144 @@
|
||||
# AI Coding Assistant — P0 实现计划
|
||||
|
||||
> 日期：2026-05-12
|
||||
> 基于：`docs/plans/2026-05-12-ai-coding-assistant-design.md`（已批准）
|
||||
> 范围：P0 — 核心 agent loop + OpenAI 兼容 provider + stdio transport
|
||||
|
||||
## 目标
|
||||
|
||||
跑通最小闭环：用户输入 → LLM 流式响应 → 工具调用 → 输出
|
||||
|
||||
## 前置条件
|
||||
|
||||
- Python 3.12+ 环境
|
||||
- 依赖：httpx, pytest, pytest-asyncio, respx, pydantic
|
||||
|
||||
---
|
||||
|
||||
## 任务清单
|
||||
|
||||
### Batch 1：项目脚手架 + 消息模型 + LLM Provider 抽象
|
||||
|
||||
#### T01: 初始化项目结构
|
||||
|
||||
- **修改目标**：创建 Python 包结构、pyproject.toml、基础配置
|
||||
- **涉及文件**：
|
||||
- `pyproject.toml` — 项目元数据、依赖、pytest 配置
|
||||
- `packages/core/__init__.py`
|
||||
- `packages/core/agent/__init__.py`
|
||||
- `packages/core/llm/__init__.py`
|
||||
- `packages/core/transport/__init__.py`
|
||||
- `packages/core/context/__init__.py`
|
||||
- `packages/core/skills/__init__.py`
|
||||
- `packages/core/tools/__init__.py`
|
||||
- **验证方式**：`pip install -e .` 成功，`python -c "import packages.core"` 无报错
|
||||
- **完成判定**：包可安装、可导入
|
||||
|
||||
#### T02: 实现消息模型（messages.py）
|
||||
|
||||
- **修改目标**：定义 Agent 内部消息类型和 LLM API 消息类型
|
||||
- **涉及文件**：
|
||||
- `packages/core/agent/messages.py` — AgentMessage, UserMessage, AssistantMessage, ToolResultMessage, SystemMessage
|
||||
- `tests/core/agent/test_messages.py` — 消息模型序列化/反序列化测试
|
||||
- **验证方式**：`pytest tests/core/agent/test_messages.py` 通过
|
||||
- **完成判定**：所有消息类型可正确创建、序列化为 dict、从 dict 反序列化
|
||||
|
||||
#### T03: 实现 LLM Provider 抽象接口（llm/base.py）
|
||||
|
||||
- **修改目标**：定义 LLMProvider ABC、StreamChunk、ToolDef 类型
|
||||
- **涉及文件**：
|
||||
- `packages/core/llm/base.py` — LLMProvider, StreamChunk, ToolDef, Message 等类型
|
||||
- `tests/core/llm/test_base.py` — 类型构造测试
|
||||
- **验证方式**：`pytest tests/core/llm/test_base.py` 通过
|
||||
- **完成判定**：抽象接口可被正确继承，类型可正确构造
|
||||
|
||||
---
|
||||
|
||||
### Batch 2：OpenAI 兼容 Provider + 工具系统基础
|
||||
|
||||
#### T04: 实现 OpenAI 兼容 Provider
|
||||
|
||||
- **修改目标**：实现 stream_chat、convert_messages、convert_tools
|
||||
- **涉及文件**：
|
||||
- `packages/core/llm/openai_compat.py` — OpenAICompatProvider
|
||||
- `tests/core/llm/test_openai_compat.py` — 使用 respx mock HTTP 测试
|
||||
- **验证方式**：`pytest tests/core/llm/test_openai_compat.py` 通过
|
||||
- **完成判定**：
|
||||
- 流式调用返回正确的 StreamChunk 序列（content + tool_call + done）
|
||||
- AgentMessage → OpenAI Message 转换正确
|
||||
- ToolDef → OpenAI tool 格式转换正确
|
||||
- 错误重试逻辑（指数退避，最多 3 次）
|
||||
|
||||
#### T05: 实现工具系统基础（tools/base.py）
|
||||
|
||||
- **修改目标**：定义 Tool 基类、ToolRegistry、ToolResult
|
||||
- **涉及文件**：
|
||||
- `packages/core/tools/base.py` — Tool ABC, ToolRegistry, ToolResult
|
||||
- `packages/core/tools/builtin/echo.py` — 内置 echo 工具（用于测试）
|
||||
- `tests/core/tools/test_base.py` — 注册、查找、执行测试
|
||||
- **验证方式**：`pytest tests/core/tools/test_base.py` 通过
|
||||
- **完成判定**：工具可注册、可按名查找、可执行并返回 ToolResult
|
||||
|
||||
---
|
||||
|
||||
### Batch 3：Agent Loop + Transport + 端到端闭环
|
||||
|
||||
#### T06: 实现 Agent Loop 核心（agent/loop.py）
|
||||
|
||||
- **修改目标**：实现 runLoop 主循环（流式响应 + 工具调用 + follow-up）
|
||||
- **涉及文件**：
|
||||
- `packages/core/agent/loop.py` — AgentLoop, AgentConfig, runLoop
|
||||
- `packages/core/agent/hooks.py` — Hook 定义（P0 仅定义接口，默认实现）
|
||||
- `tests/core/agent/test_loop.py` — 使用 mock provider 测试循环逻辑
|
||||
- **验证方式**：`pytest tests/core/agent/test_loop.py` 通过
|
||||
- **完成判定**：
|
||||
- 单轮对话：用户输入 → LLM 响应 → 结束
|
||||
- 多轮工具调用：LLM 返回 tool_call → 执行工具 → 结果回传 → 继续
|
||||
- follow-up 消息处理
|
||||
- 错误处理：LLM 调用失败返回错误事件
|
||||
|
||||
#### T07: 实现 stdio Transport
|
||||
|
||||
- **修改目标**：实现 Transport ABC + stdio JSON-RPC 传输
|
||||
- **涉及文件**：
|
||||
- `packages/core/transport/base.py` — Transport ABC, AgentEvent, AgentRequest
|
||||
- `packages/core/transport/stdio.py` — StdioTransport
|
||||
- `tests/core/transport/test_stdio.py` — subprocess 集成测试
|
||||
- **验证方式**：`pytest tests/core/transport/test_stdio.py` 通过
|
||||
- **完成判定**：
|
||||
- stdin 接收 JSON-RPC 请求
|
||||
- stdout 输出 JSON-RPC 响应/通知
|
||||
- 事件流式输出（token / tool_call / tool_result / done / error）
|
||||
|
||||
#### T08: 实现入口 CLI + 端到端测试
|
||||
|
||||
- **修改目标**：创建 CLI 入口，串联所有模块，跑通最小闭环
|
||||
- **涉及文件**：
|
||||
- `packages/core/__main__.py` — CLI 入口
|
||||
- `packages/core/cli.py` — 参数解析、配置加载
|
||||
- `tests/core/test_e2e.py` — 端到端测试（mock LLM server）
|
||||
- **验证方式**：
|
||||
- `pytest tests/core/test_e2e.py` 通过
|
||||
- `python -m packages.core --help` 输出帮助信息
|
||||
- 手动测试：`echo '{"method":"chat","params":{"message":"hello"}}' | python -m packages.core --provider openai-compat --model gpt-4o` 可获得流式响应
|
||||
- **完成判定**：
|
||||
- CLI 可启动
|
||||
- 端到端闭环：输入 → LLM 流式输出 → 工具调用 → 结果输出
|
||||
- 优雅退出（Ctrl+C / EOF）
|
||||
|
||||
---
|
||||
|
||||
## 依赖关系
|
||||
|
||||
```
|
||||
T01 → T02 → T03 → T04 → T06
|
||||
↘ T05 → T06
|
||||
T03 → T07
|
||||
T06 + T07 → T08
|
||||
```
|
||||
|
||||
## 风险与待确认项
|
||||
|
||||
1. **OpenAI API Key**：测试需要 mock，不需要真实 key；手动测试需要用户提供
|
||||
2. **stdio JSON-RPC 协议细节**：具体消息格式需要在 T07 实现时细化
|
||||
3. **Python 包命名**：`packages.core` 是否合适？考虑改为 `ai_coding_assistant` 或更短的名字
|
||||
28
memory/2026-05-12.md
Normal file
28
memory/2026-05-12.md
Normal file
@ -0,0 +1,28 @@
|
||||
# 2026-05-12
|
||||
|
||||
## 决策
|
||||
|
||||
- **技术栈**：Python 后端 (agent) + TypeScript 前端 (TUI/Web)，双语言架构
|
||||
- 理由：Python 生态适合 agent 逻辑和 LLM 交互，TypeScript 天然适配 Web Components / xterm.js
|
||||
- 影响：需要统一 Transport 抽象层桥接两语言
|
||||
|
||||
- **Transport 方案**：统一 Transport 接口 + stdio(SSE/WS) 双实现
|
||||
- 理由：TUI 直接 spawn 子进程最简单，Web 需要 SSE/WS 流式推送
|
||||
- 影响：agent loop 不感知传输方式，前端可独立选择接入方式
|
||||
|
||||
- **LLM Provider**：OpenAI 兼容协议 + Anthropic 原生双协议
|
||||
- 理由：OpenAI 兼容覆盖绝大多数提供者，Anthropic 原生保留 tool_use/extended_thinking
|
||||
- 影响：两个 adapter，Gemini 初期走 OpenAI 兼容层
|
||||
|
||||
- **上下文管理**：滑动窗口 + 摘要 + 分层上下文，SQLite 持久化
|
||||
- 理由：分层保证关键上下文不被压缩，SQLite 支持会话恢复和历史查询
|
||||
- 影响：需要 aiosqlite 依赖，数据库 schema 设计
|
||||
|
||||
- **技能系统**：函数注册 + 提示词模板（方案 C），支持动态加载
|
||||
- 理由：底层工具函数注册 + 上层技能描述编排，灵活可扩展
|
||||
- 影响：目录扫描 + importlib 动态加载机制
|
||||
|
||||
## 纪要
|
||||
|
||||
- 完成 AI Coding Assistant 设计文档初稿：`docs/plans/2026-05-12-ai-coding-assistant-design.md`
|
||||
- 待用户批准设计后进入 Phase 2 (Planning)
|
||||
Loading…
x
Reference in New Issue
Block a user