0e6c389c41
* 重构ActionCommand和LearnCommand，更新DPMLContentParser和SemanticRenderer的导入路径，确保模块结构一致性。删除不再使用的DPMLContentParser和SemanticRenderer文件，优化代码结构，提升可维护性。 * 重构PromptX资源协议系统，采用极简两层协议架构，删除不必要的语义层，优化路径解析和资源加载流程。引入AI协作优化，支持直接生成完整协议路径，提升系统性能和用户体验。整体架构简化60%，实现零配置启动，显著降低内存占用和启动时间。 * optimize:优化女娲提示词 * Optimize:更新记忆策略文档，增加角色专业记忆的独特价值和工作流程，强调角色记忆与客户端记忆的差异，优化记忆引导话术和决策规则，以提升用户对专业记忆系统的理解和应用。 * feature：增加 Sean 角色 * optimize:优化记忆格式化逻辑，确保完整记忆内容不被截断，同时更新工具定义中的描述，增强用户对记忆回想器的理解和使用指导。 * feat: 添加DACP服务支持，允许通过命令行调用DACP专业服务，增强AI角色的执行能力，同时更新相关依赖和工具定义。 * feat: 在MCPServerCommand和MCPStreamableHttpCommand中添加'promptx_dacp'参数映射，同时在DACPCommand中优化参数处理逻辑，以支持数组参数的正确解析。 * feat: 更新DACP演示服务，重命名服务和描述，简化功能，删除不必要的日历和文档操作，增强演示效果。同时，优化了API接口和README文档，确保用户更易于理解和使用。 * feat: 添加DACP邮件发送功能，支持真实发送与Demo模式，增强邮件发送的配置管理和错误提示，优化用户体验。 * feat: 更新女娲和Sean角色文档，增强角色身份、核心特质和决策框架的描述，优化内容结构，提升用户理解和使用体验。同时，更新产品哲学知识体系，明确矛盾驱动和简洁性原则的应用。 * Add product management submodule * fix: 修复 recall 和 learn 的 bug * refactor: 把 hello 改成 welcome * feat: 添加DACP服务启动脚本和测试命令，更新相关依赖，优化配置文件路径处理 * fix: 更新pnpm-lock.yaml以匹配DACP依赖，解决CI中--frozen-lockfile的错误 * 更新DACP白皮书的更新日期至2025-01-19；在DACPConfigManager中优化配置管理，支持项目级和用户级配置的优先级处理，增强错误提示信息，更新相关方法以支持异步操作。
90 lines
4.2 KiB
Markdown
90 lines
4.2 KiB
Markdown
<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> |