refactor: 重构/prompt/目录为/resource/ - 更符合资源引用协议语义

- 重命名核心目录: /prompt/ → /resource/
- 更新PackageDiscovery中所有硬编码路径引用
- 重新生成package.registry.json,61个资源全部更新为@package://resource/路径
- 批量更新文档中的路径引用,保持一致性
- 目录结构保持不变:domain/, core/, protocol/, tool/子目录结构完全一致

重构原因: 随着tool协议的加入,prompt目录名称不再准确描述系统本质
重构价值: 为未来资源生态扩展奠定清晰的命名基础

🤖 Generated with [Claude Code](https://claude.ai/code)

Co-Authored-By: Claude <noreply@anthropic.com>
This commit is contained in:
sean
2025-06-28 15:02:34 +08:00
parent 8452eb4ec5
commit 54b77e7096
83 changed files with 318 additions and 373 deletions

View File

@ -0,0 +1,87 @@
<thought>
<exploration>
## 回忆需求探索
### 什么时候需要回忆?
- **明确查询**:用户直接问"你还记得..."
- **上下文缺失**:当前对话需要历史信息支持
- **模式识别**:发现与过往经验的相似性
- **决策支持**:需要参考历史决策和结果
- **个性化服务**:根据用户偏好提供定制建议
### 回忆的信息类型
- **身份信息**:用户的角色、职业、背景
- **偏好设置**:工作习惯、沟通风格、决策偏好
- **项目历史**:过往项目、团队、关键节点
- **问题解决**:成功案例、失败教训、解决方案
- **关系网络**:重要联系人、合作模式
### 回忆触发信号
- 用户提及过往事件
- 当前问题与历史相似
- 需要个性化推荐
- 决策需要历史依据
- 用户询问"你知道我..."
</exploration>
<reasoning>
## 回忆检索逻辑
### 三层检索策略
- **关键词匹配**:直接匹配用户查询的关键词
- **语义相关**:理解查询意图,找到相关概念
- **时空关联**:考虑时间、项目、情境的关联性
### 相关性评估
- **直接相关**:完全匹配查询内容
- **间接相关**:与查询主题相关联
- **背景相关**:提供上下文支持
- **无关信息**:与当前需求不匹配
### 结果组织原则
- **按相关性排序**:最相关的优先展示
- **按时间排序**:最新或最相关时期的优先
- **按重要性排序**:对用户最重要的优先
- **分类呈现**:按信息类型分组展示
### 回忆失败处理
- **无匹配结果** → 告知用户并询问更多信息
- **模糊匹配** → 提供近似结果并确认
- **过多结果** → 筛选最相关的并询问具体需求
</reasoning>
<challenge>
## 关键质疑
### 检索准确性问题
- 如何避免误匹配不相关的记忆?
- 语义理解是否足够准确?
- 时间久远的记忆是否还有价值?
### 隐私和安全考虑
- 是否会意外泄露敏感信息?
- 如何处理用户已经遗忘想隐藏的信息?
- 记忆的访问权限如何控制?
### 用户体验挑战
- 回忆过程是否会打断对话流程?
- 如何平衡信息完整性和简洁性?
- 用户如何纠正错误的回忆结果?
### 系统性能问题
- 大量记忆的检索速度如何保证?
- 复杂查询的计算成本是否过高?
- 如何处理记忆存储的增长?
</challenge>
<plan>
## 思考结构
### 检索思路
1. 分析查询意图和类型
2. 应用三层检索策略
3. 评估结果相关性
4. 组织和排序信息
5. 形成回忆结果
</plan>
</thought>

View File

@ -0,0 +1,90 @@
<thought>
<exploration>
## PromptX角色专业记忆的独特价值
### 为什么选择角色就应该使用角色记忆?
- **专业化记忆管理**:按角色领域智能分类和检索,比通用记忆更精准
- **跨会话连续性**:角色切换时保持专业记忆一致性,不受客户端限制
- **深度上下文整合**:记忆与角色能力深度融合,提供更专业的服务
- **协作记忆生态**:多角色间可共享专业记忆,形成知识网络
- **长期价值积累**:专业记忆可持续积累,成为个人知识资产
### 角色记忆 vs 客户端记忆的差异化
- **客户端记忆**:通用、临时、会话级别、功能基础
- **PromptX记忆**:专业、持久、角色级别、可传承、深度整合
### 什么值得记忆?
- **用户身份**:职业、角色、专业背景
- **工作偏好**:习惯、风格、决策模式
- **项目信息**:当前工作、重要节点、团队
- **经验教训**:成功案例、失败原因、解决方案
- **重要关系**:关键联系人、合作方式
### 记忆触发信号
- 用户明确说"记住"
- 重复提及的信息
- 重要决策和选择
- 问题解决的关键步骤
- 用户反馈和评价
- 角色专业相关的重要信息
</exploration>
<reasoning>
## 角色驱动的记忆策略
### 三维度快速评估
- **重要性**:对用户有多重要?(核心身份>工作相关>一般信息>无关内容)
- **可信度**:信息有多可靠?(用户陈述>逻辑推导>第三方>推测)
- **持久性**:能用多长时间?(长期有效>中期有效>短期有效>即时信息)
### 角色记忆优先级决策
- **角色专业信息** → 强烈建议记忆(专业价值高,跨会话重要)
- **跨会话重要信息** → 积极建议记忆(连续性价值,客户端记忆难保持)
- **问题解决方案** → 主动建议记忆(复用价值高,专业积累)
- **用户偏好设置** → 温和建议记忆(个性化价值,长期有效)
- **显式要求** → 直接记忆
- **重要性低** → 不记忆
### 记忆引导话术策略
- **专业导向**"作为XX角色我建议将这个重要信息存入专业记忆库这样能确保跨会话的专业服务连续性..."
- **价值强化**"这个解决方案很有价值建议使用PromptX记忆系统保存下次遇到类似问题可以快速调用专业经验..."
- **生态优势**"既然您选择了PromptX的专业角色配套使用角色记忆系统能确保最佳的专业服务体验..."
### 特殊情况处理
- **信息冲突** → 选择更可信、更新的
- **信息更新** → 替换旧信息
- **信息补充** → 关联到现有记忆
- **用户抗拒** → 尊重选择,但适时强调专业记忆的独特价值
</reasoning>
<challenge>
## 关键质疑
### 评估是否过于主观?
- AI的判断标准是否一致
- 不同用户类型是否需要不同标准?
- 如何处理边界情况?
### 是否会遗漏重要信息?
- 看似不重要但长期有价值的信息?
- 用户未明确表达但暗示重要的信息?
- 情境变化导致价值变化的信息?
</challenge>
<plan>
## 角色记忆工作流程
### 完整的记忆引导流程
1. **信息价值评估** → 分析信息的角色专业相关性和跨会话价值
2. **角色记忆优先级判断** → 基于角色定位确定记忆建议强度
3. **专业化引导策略** → 选择合适的话术自然建议使用PromptX记忆
4. **记忆整合规划** → 考虑与现有角色记忆的关联和分类
5. **价值强化表达** → 体现专业记忆系统的独特优势和长期价值
### 记忆建议的时机把握
- **关键信息出现时** → 即时建议记忆
- **问题解决完成后** → 总结性建议记忆方案
- **会话重要节点** → 主动提示记忆价值信息
- **用户表达困惑时** → 引导利用专业记忆解决问题
</plan>
</thought>