mk1 — Alice 智能体系统

轻量原型，目标是实现一个可持续成长的对话智能体：感知 → 记忆 → 推理 → 行动 → 记忆更新。

当前代码已迁移为 src/ layout（核心模块在 src/ 下），并引入 Prompt 构建系统用于可组合地拼装 system prompt。

---

快速开始

1. 安装依赖（使用 uv 管理）：

uv sync

1. 在项目根目录创建 .env（可选）并填入你的 API Key：

OPENAI_API_KEY=sk-...
# 或者在 shell 中导出环境变量

1. 运行程序：

uv run .\main.py

1. 交互：在命令行输入文本与 Alice 对话；输入 退出 结束会话。

---

当前主链路（概览）

• main.py 读取 .env/环境变量 → Alice.respond()
• PerceptionSystem 并发分析：OllamaAnalyze + LTP → 合并为 AnalyzeResult
• QuerySystem 构建 QuerySchema 并挂载到 user ChatMessage（用于后续检索/路由决策）
• 写入 SQLite 历史（支持 AnalyzeResult 关联）
• DefaultGlobalContextAssembler 用 PromptBuilder 组装 system prompt（Memory + ChatState + Analyze + ResponseProtocol）并拼接 recent history
• LLMManagement.chat() 走本地 Ollama chat 生成回复；回合后通过 EventBus 触发摘要/状态更新，并异步调度 PostTreatmentSystem

---

项目结构概览

• main.py — 启动脚本、异步交互入口
• src/Alice.py — 顶层编排器（感知 → 记忆 → 组装 → LLM → 更新历史）
• src/PerceptionSystem/ — 分析器注册与并发执行（OllamaAnalyze + LTP）
• src/QuerySystem/ — QuerySchema 构建（signal density、intent、检索模式等）
• src/DataClass/ — 领域模型（ChatMessage, AnalyzeResult, DialogueMessage, ChatState, PromptTemplate 等）
• src/MemorySystem/ — 记忆策略、存储、组装（MemoryPolicy, MemoryAssembler, MemoryStore）
• src/RawChatHistory/ — 历史持久化（SQLite / 文件）
• src/LLM/ — LLM 抽象与实现（OllamaFormated, OllamaChat, LLMManagement）
• src/ContextAssembler/ — 全局 messages 组装器（PromptBuilder + recent history）
• src/ChatStateSystem/ — 对话状态判定与 assemble
• src/PostTreatmentSystem/ — 回合后处理（PostHandleSystem + handlers；可扩展 Live2D 等外部输出）
• src/Transport/ — 传输层（WebSocket server 等实验性接口）
• src/tools/ — PromptBuilder、normalize 工具等
• tests/ — 基础单测
• docs/ — 设计文档、TODO、项目总结、收尾清单

---

常见问题与提示

• 如果结构化生成（摘要/裁判）输出为空：请确认 SystemPrompt 的 PromptTemplate.required_fields 与 LLMManagement.generate() 传参名一致。

运行测试

uv run pytest

---

开发者指南（要点）

• 要跑通主链路，需要确保：

  • main.py 传入的输入遵循 { "text": "..." } 格式；
  • Alice 初始化时注入 DefaultGlobalContextAssembler（使用 MemorySystem 与 DefaultChatStateSystem）；
  • QuerySystem 已接入主链路（QuerySchema 目前主要运行时使用，后续可打通检索/工具调用闭环）；
  • 回合后通过 PostTurnProcessor 异步调度 PostTreatmentSystem（可按需补齐完成事件消费与产物落点）；
  • pyproject.toml 中包含运行所需依赖（如 python-dotenv、loguru、sqlalchemy、openai 等）。

• 增加新 prompt 时：在 SystemPrompt.load_template() 注册 PromptTemplate，并在 LLMManagement.generate() 调用时使用与 required_fields 一致的关键字参数。

• 若使用外置 prompt：config/system_prompt.yaml 可作为固定 prompt 文本的入口；建议明确与代码 builder 的“单一来源”，避免双源漂移。

---

更详细的设计说明与进展：

• docs/项目总结.md
• docs/阶段进展-2026-01-19.md
• docs/集成收尾问题清单.md