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>
1.4 KiB
1.4 KiB
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)