Files

HaHafeng 0c590854b5 docs(iit): Add IIT Manager Agent V2.9 development plan with multi-agent architecture

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>

2026-02-05 22:33:26 +08:00

4.7 KiB

Raw Blame History

IIT Manager Agent V2.8：记忆信息映射指南

核心逻辑： > * 即时/全局信息 存入 Hot Memory (Markdown) 每次对话都带。

历史/阶段信息 存入 Weekly Reports (Database) 查历史时全量读取。

1. 信息存储位置映射表

信息类型	存储位置	存储形式	举例	谁来维护？
用户偏好 (User Preferences)	Hot Memory (Level 3)	iit_project_memory 中的 Markdown 列表	"PI 喜欢简报格式" "不要在周末发消息"	人工编辑 (Admin) 或每日 AI 提炼
经常出现的上下文 (Frequent Context)	Hot Memory (Level 3)	iit_project_memory 中的 Markdown 文本	"当前处于入组冲刺阶段" "P001 是重点关注对象"	每日 AI 提炼 (Cron Job)
关键决策 (Key Decisions)	Weekly Reports (Level 2)	iit_weekly_reports 中的 summary 字段	"2026-02-01 决定放宽入排标准" "确认 P003 不良事件不相关"	每周 AI 归档 (Scheduler)
踩过的坑/经验教训 (Lessons Learned)	双重存储	Hot (如果是永久教训) Weekly (如果是历史记录)	Hot: "严禁直接调用 API 修改数据" Weekly: "W5 因参数错误导致同步失败"	人工 (定规矩) AI (记流水)

2. 详细存储机制

2.1 用户偏好 & 经常出现的上下文 -> Hot Memory (Markdown)

这部分信息需要**“时刻生效”**，所以必须存成轻量级的 Markdown，每次对话都注入 System Prompt。

存储表：iit_project_memory (config 字段)
内容示例：
# User Preferences
- [PI]: 汇报时只看数据，不要废话。
- [CRC]: 下午 2 点后比较忙，尽量上午推任务。

# Active Context
- 当前重点任务：清理 3 月份的 Query。
- 风险提示：P005 患者依从性差，需每日提醒。
更新机制：
1. 被动更新：管理员在后台手动修改。
2. 主动更新：每天凌晨，AI 扫描昨日对话，如果发现用户说了“以后别...”，自动追加到这里。

2.2 关键决策 & 踩过的坑 -> Weekly Reports (编年史)

这部分信息属于**“项目历史”**，不需要每次对话都挂在嘴边，但当用户问“回顾一下”时，需要能查到。

存储表：iit_weekly_reports
内容示例 (Week 2026-05)：
[进度]: 本周入组 3 人，累计 15 人。
[决策]: 2月3日 PI 会议决定：暂停筛选 "间质性肺炎" 既往史患者。
[问题]: 曾尝试自动录入化验单，但因 OCR 精度不足失败（踩坑记录），已回退为人工复核模式。
使用机制：
- 当用户问：“我们之前为什么暂停筛选肺炎患者？”
- 意图识别判断为 QUERY_HISTORY。
- 系统一次性拉取过去所有周报 (150条记录)，拼接成“编年史”，喂给 LLM 阅读并回答。

3. 为什么这样设计？

偏好 (Preferences) 必须是 Hot 的：
- 如果存到周报里，AI 可能聊着聊着就忘了“老板不喜欢废话”这个规矩。只有放在 Hot Memory (System Prompt) 里，才能保证每一句回复都符合老板口味。
决策 (Decisions) 必须是 Time-Series 的：
- 决策往往有时间背景。存到周报里，天然带有时间戳（Week 5 做的决定）。这样 AI 才能回答“上个月做了什么决定”。
踩坑 (Lessons) 需要 人工干预：
- 如果只是 AI 自动总结，可能会漏。
- V2.8 允许你在 Hot Memory 里手动写上一条：“【系统禁令】严禁在未授权情况下删除数据”。这条“人工植入的记忆”比任何 AI 总结都管用。

4. 总结：信息流向图

graph TD
User[用户输入] -->|对话流| Raw[原始日志]

subgraph "实时影响 (Hot)"  
    Raw \--\>|每日提炼| Prefs\[用户偏好\]  
    Raw \--\>|每日提炼| Context\[高频上下文\]  
    Admin\[人工干预\] \--\>|手动编辑| Prefs  
end  
  
subgraph "历史归档 (History)"  
    Raw \--\>|每周汇总| Decisions\[关键决策\]  
    Raw \--\>|每周汇总| Lessons\[踩坑记录\]  
end  
  
Prefs \--\>|注入| NextPrompt\[下一次对话\]  
Context \--\>|注入| NextPrompt  
  
Decisions \-.-\>|按需查询| NextPrompt

4.7 KiB Raw Blame History Unescape Escape