fnvtk/karuo-ai

Fork 0

Files

Manus AI df98da40cc 🔄 卡若AI 重建本地主仓 | 保留有效小文件

2026-07-19 00:21:46 +08:00

5.9 KiB

Raw Blame History

实时对话同步与优化迭代机制

核心机制：每次对话结束时自动将对话写入MongoDB，并进行智能优化迭代

一、机制概述

1.1 核心功能

每次对话结束时，realtime_chat_sync.py 自动执行以下操作：

实时写入MongoDB
- 将对话记录写入 karuo_site.对话记录
- 将消息内容写入 karuo_site.消息内容
- 同步写入本地 fallback（MongoDB不可用时使用）
智能优化迭代
- 项目自动分类：基于文件路径、对话名称、内容的多维度匹配
- 标签自动提取：基于关键词和项目类型自动生成标签
- 摘要自动生成：提取用户前3条消息的关键信息作为摘要
- 分类规则优化：定期分析未分类对话，建议新关键词
优化算法
- 项目分类使用权重匹配（文件路径权重3、名称权重2、内容权重1）
- 标签提取基于关键词库和项目类型
- 摘要生成提取用户消息的前3条关键信息

二、自动触发机制

2.1 Cursor Hook（默认，不占 Agent 终端）

本机 ~/.cursor/hooks.json 注册 afterAgentResponse，调用 ~/.cursor/hooks/karuo_mongo_chat_sync.sh：在 每条 Agent 用户可见回复结束后 后台执行 realtime_chat_sync.py（自动分类、标签、摘要、写 Mongo、刷新 项目分类 等与原先一致）。日志：聊天记录管理/日志/cursor_hook_chat_sync.log。

规则说明仍见 .cursor/rules/karuo-ai.mdc 与 运营中枢/参考资料/卡若AI_Mongo对话留存闭环.md。修改 Hook 后请重启 Cursor。

显式命令（立即入库、全量、修索引、Hook 不可用等）：仍使用
python3 01_卡资（金）/金仓_存储备份/聊天记录管理/脚本/realtime_chat_sync.py（可加 --force / --sync-all 等）。

2.2 执行流程

Agent 回复结束 → Cursor 调 Hook → 后台 realtime_chat_sync.py →
读取 state.vscdb → 智能分类+标签+摘要 → 写入 MongoDB → 同步 fallback

三、使用方法

3.1 自动执行（推荐）

对话结束时，Cursor会自动调用，无需手动操作。

3.2 手动执行

# 同步最新对话
python3 脚本/realtime_chat_sync.py

# 指定对话ID同步
python3 脚本/realtime_chat_sync.py --current-conversation-id <对话ID>

# 强制更新已存在的对话
python3 脚本/realtime_chat_sync.py --current-conversation-id <对话ID> --force

# 优化分类规则（分析未分类对话，建议新关键词）
python3 脚本/realtime_chat_sync.py --optimize-classification

# 查看统计
python3 脚本/realtime_chat_sync.py --stats

四、优化迭代机制

4.1 项目分类优化

当前分类规则（15类）：

卡若AI、Soul创业、存客宝、玩值电竞、数据处理、神射手、上帝之眼
服务器、设备管理、群晖NAS、飞书、微信管理、工具维护、个人、开发

优化方式：

定期执行 --optimize-classification 分析未分类对话
提取高频关键词，建议加入分类规则
手动更新 项目分类规则 字典

4.2 标签提取规则

自动标签类型：

基于项目：自动添加项目名作为标签
基于关键词：bug修复、功能开发、优化、部署、数据分析、文档

扩展方式：

修改 提取标签() 函数中的 关键词标签 字典

4.3 摘要生成规则

当前规则：

提取用户前3条消息
每条消息截取前100字符
总长度不超过300字符

优化方向：

可引入NLP模型提取关键信息
可基于对话主题生成更精准摘要

五、数据存储结构

5.1 对话记录集合

{
  "对话ID": "uuid",
  "名称": "对话名称",
  "副标题": "自动生成的摘要",
  "项目": "自动分类的项目",
  "标签": ["标签1", "标签2"],
  "创建时间": ISODate,
  "更新时间": ISODate,
  "消息数量": 10,
  "是否Agent": true,
  "模型配置": {},
  "关联文件": ["/path/to/file"],
  "首条消息": "用户第一条消息摘要",
  "来源": "实时同步",
  "同步版本": "2.0"
}

5.2 消息内容集合

{
  "对话ID": "uuid",
  "消息ID": "bubbleId",
  "类型": 1,  // 1=用户, 2=AI
  "角色": "用户",
  "内容": "消息文本",
  "创建时间": ISODate,
  "是否Agent": true,
  "Token用量": {},
  "工具调用数": 0,
  "代码块数": 0
}

六、性能与可靠性

6.1 性能优化

增量同步：只同步新对话，已存在对话跳过（除非使用 --force）
批量写入：消息内容使用 bulk_write 批量操作
连接复用：MongoDB连接复用，减少连接开销

6.2 容错机制

MongoDB不可用：自动降级到本地fallback
state.vscdb不存在：友好提示，不中断流程
数据解析失败：跳过该对话，继续处理其他对话

6.3 数据一致性

upsert操作：使用 update_one 的 upsert=True 确保数据不重复
时间戳同步：保留原始创建时间，更新时间实时更新
fallback同步：MongoDB写入成功后同步写入fallback

七、迭代改进计划

7.1 短期优化

引入更智能的NLP模型进行项目分类
支持自定义分类规则配置
增加对话质量评分机制

7.2 长期优化

基于历史对话学习优化分类规则
自动生成对话标签建议
对话主题聚类分析
智能摘要生成（基于LLM）

八、相关文件

核心脚本：脚本/realtime_chat_sync.py
SKILL文档：SKILL.md
Cursor规则：.cursor/rules/karuo-ai.mdc
Fallback机制：脚本/chat_fallback.py

九、版本历史

版本	日期	变更
2.0	2026-03-20	创建实时同步机制，支持智能分类、标签提取、摘要生成
1.0	2026-03-19	初始版本，基础归档功能

5.9 KiB Raw Blame History Unescape Escape