HaHafeng
0c590854b5
Features: - Add V2.9 enhancements: Cron Skill, User Profiling, Feedback Loop, Multi-Intent Handling - Create modular development plan documents (database, engines, services, memory, tasks) - Add V2.5/V2.6/V2.8/V2.9 design documents for architecture evolution - Add system design white papers and implementation guides Architecture: - Dual-Brain Architecture (SOP + ReAct engines) - Three-layer memory system (Flow Log, Hot Memory, History Book) - ProfilerService for personalized responses - SchedulerService with Cron Skill support Also includes: - Frontend nginx config updates - Backend test scripts for WeChat signature - Database backup files Co-authored-by: Cursor <cursoragent@cursor.com>
134 lines
5.1 KiB
Markdown
134 lines
5.1 KiB
Markdown
# **IIT Manager Agent V2.8：基于“周报卷叠”的终极记忆架构**
|
||
|
||
**版本：** V2.8 (The Chronicle Edition)
|
||
|
||
**日期：** 2026-02-05
|
||
|
||
**核心变更：** 采纳“以周报代替向量检索”的建议。利用 LLM 的长窗口能力，通过周期性压缩数据，实现全生命周期的可读记忆。
|
||
|
||
**适用场景：** 1-3 年周期的临床研究项目。
|
||
|
||
## **1\. 核心理念：把“大数据”变成“厚书”**
|
||
|
||
我们不再试图在海量碎片数据中大海捞针（Vector Search），而是把数据写成一本\*\*“编年史”\*\*。
|
||
|
||
* **每日**：忠实记录流水账。
|
||
* **每周**：LLM 阅读本周流水账，写一页“历史书”（周报）。
|
||
* **查询时**：LLM 直接阅读整本“历史书”。
|
||
|
||
### **优势分析**
|
||
|
||
| 维度 | 向量检索 (V2.6/2.7) | 周报卷叠 (V2.8) |
|
||
| :---- | :---- | :---- |
|
||
| **准确性** | 模糊匹配，容易漏掉关键细节 | **全量阅读**，拥有上帝视角，极准 |
|
||
| **可解释性** | 黑盒向量，不知道 AI 看了啥 | **白盒周报**，医生可以随时翻阅、修正周报 |
|
||
| **技术难度** | 高 (Embedding, Vector DB) | **低** (Cron Job \+ LLM Summary) |
|
||
| **成本** | 检索便宜，但索引维护贵 | 生成周报耗 Token，但查询极其高效 |
|
||
|
||
## **2\. 数据库设计 (Schema)**
|
||
|
||
### **2.1 新增 iit\_weekly\_reports 表**
|
||
|
||
model IitWeeklyReport {
|
||
id String @id @default(uuid())
|
||
projectId String
|
||
|
||
weekNumber Int // 例如: 202605 (2026年第5周)
|
||
startDate DateTime
|
||
endDate DateTime
|
||
|
||
// 核心：LLM 生成的高浓缩总结
|
||
// 包含：入组进度、发生的AE、关键沟通结论
|
||
summary String @db.Text
|
||
|
||
// 结构化数据 (可选，用于画图)
|
||
stats Json? // { "enrolled": 5, "queries": 2 }
|
||
|
||
createdAt DateTime @default(now())
|
||
|
||
@@unique(\[projectId, weekNumber\])
|
||
@@map("iit\_weekly\_reports")
|
||
@@schema("iit\_schema")
|
||
}
|
||
|
||
## **3\. 核心流程实现**
|
||
|
||
### **3.1 写入端：每周一凌晨的“编史官” (Cron Job)**
|
||
|
||
**SchedulerService.ts:**
|
||
|
||
// 每周一凌晨 02:00 执行
|
||
async generateWeeklyMemory(projectId: string) {
|
||
// 1\. 获取上周所有的原始对话 & 操作日志
|
||
const logs \= await this.rawLogs.get({
|
||
projectId,
|
||
from: lastMonday,
|
||
to: thisSunday
|
||
});
|
||
|
||
// 2\. 调用 LLM 进行“有损压缩”
|
||
const prompt \= \`
|
||
你是一个临床项目经理。请阅读上周的项目流水账，生成一份【周报记忆块】。
|
||
要求：
|
||
1\. 忽略闲聊和无关信息。
|
||
2\. 重点记录：入组人数变化、新增不良事件(AE)、主要方案偏离、PI的关键决策。
|
||
3\. 格式为 Markdown，字数控制在 500 字以内。
|
||
|
||
流水账数据：
|
||
${JSON.stringify(logs)}
|
||
\`;
|
||
|
||
const summary \= await this.llm.chat(prompt);
|
||
|
||
// 3\. 存入数据库 (成为历史书的一页)
|
||
await prisma.iitWeeklyReport.create({
|
||
data: { projectId, summary, ... }
|
||
});
|
||
}
|
||
|
||
### **3.2 读取端：查询时的“速读” (Context Injection)**
|
||
|
||
当意图识别发现用户在问“过去”或“趋势”时，直接把**所有周报**读出来。
|
||
|
||
**ChatService.ts:**
|
||
|
||
async buildHistoryContext(projectId: string): Promise\<string\> {
|
||
// 1\. 取出该项目所有历史周报 (按时间正序)
|
||
// 3年也就 150 条，Postgres 毫秒级返回
|
||
const reports \= await prisma.iitWeeklyReport.findMany({
|
||
where: { projectId },
|
||
orderBy: { weekNumber: 'asc' },
|
||
select: { weekNumber: true, summary: true }
|
||
});
|
||
|
||
// 2\. 拼接成一本“书”
|
||
// 格式:
|
||
// \[Week 2026-01\]: 入组 2 人，无异常。
|
||
// \[Week 2026-02\]: P003 发生 SAE，已上报。
|
||
const chronicle \= reports.map(r \=\> \`\[Week ${r.weekNumber}\]: ${r.summary}\`).join('\\n');
|
||
|
||
return \`
|
||
\=== 项目编年史 (Project Chronicle) \===
|
||
${chronicle}
|
||
\====================================
|
||
\`;
|
||
}
|
||
|
||
## **4\. 最终开发计划修正 (Phase 5\)**
|
||
|
||
我们将 Week 5 的任务彻底简化：
|
||
|
||
| 时间 | 任务 | 说明 |
|
||
| :---- | :---- | :---- |
|
||
| **Day 24** | **原始日志表** | 确保 iit\_conversation\_history 记录完整。 |
|
||
| **Day 25** | **周报表结构** | 创建 iit\_weekly\_reports 表。 |
|
||
| **Day 26** | **编史官 Worker** | 写一个 Cron Job，每周把 Log 压缩成 Report。 |
|
||
| **Day 27** | **记忆注入** | 在回答 QA\_QUERY 类问题时，将历史周报注入 Context。 |
|
||
|
||
## **5\. 总结：为什么这是终极方案？**
|
||
|
||
1. **解决了“上下文遗忘”**：150 个周报拼接起来，刚好填满 DeepSeek 的上下文窗口。AI 可以看到**完整**的项目生命周期，这是 RAG 切片做不到的。
|
||
2. **解决了“幻觉”**：周报是持久化的，医生可以去后台检查某一周的周报写得对不对。如果 AI 瞎写，医生可以手动修正。**修正后的周报就是新的真理。**
|
||
3. **极简运维**：不需要维护向量库索引，不需要调优 Embedding 模型。就是简单的 SQL 查询和文本拼接。
|
||
|
||
**就用这个方案。这是目前为止最完美、最优雅的解决路径。** |