跳转至

智能体架构

YesImBot 采用现代化的服务导向架构（SOA），通过模块化设计实现高度可扩展和可维护的智能体系统。

整体架构概览

graph TB
    subgraph "核心服务层 (Core Service Layer)"
        YB[YesImBot 主服务]
        AC[AgentCore 智能体核心]
        MS[ModelService 模型服务]
        WS[WorldStateService 世界状态]
        MEM[MemoryService 记忆服务]
        TS[ToolService 工具服务]
        PS[PromptService 提示词服务]
        IS[ImageService 图片服务]
        LS[LoggerService 日志服务]
    end

    subgraph "决策与执行 (Decision & Execution)"
        WM[WillingnessManager 意愿管理]
        Cycle{Agent 心跳循环}
    end

    subgraph "扩展层 (Extension Layer)"
        MCP[MCP 扩展]
        FAV[好感度系统]
        CODE[代码解释器]
    end

    subgraph "外部接口 (External Interfaces)"
        KOISHI[Koishi 框架]
        DB[(数据库)]
        LLM[大语言模型]
        FILE[文件系统]
    end

    YB --> AC
    AC --> WM
    AC --> Cycle
    Cycle --> PS
    Cycle --> MS
    Cycle --> TS
    Cycle -- reads --> MEM
    Cycle -- reads --> WS

    PS --> LLM
    MS --> LLM
    WS --> DB
    MEM --> DB
    MEM --> FILE
    TS --> MCP
    TS --> FAV
    TS --> CODE

    YB --> KOISHI
    LS --> FILE

AgentCore: 核心处理流程

AgentCore 是智能体的中枢神经系统，它编排所有服务来响应用户。其处理流程精密且健壮，确保了响应的智能性和稳定性。

  1. 意愿计算 (Willingness Calculation):

    • 当收到新消息时，AgentCore 首先将消息交给 WillingnessManager。
    • WillingnessManager 根据四层决策模型计算出当前的“意愿分数”和“回复概率”。

  2. 响应决策 (Reply Decision):

    • AgentCore 根据回复概率，随机决定本次是否要响应。如果决定不响应，流程终止。

  3. 防抖机制 (Debounce):

    • 为防止因短时间内连续收到消息而导致机器人刷屏，AgentCore 采用了防抖机制。它会等待一小段时间（由 agentBehavior.arousal.debounceMs 配置），如果在此期间没有新的触发，才会继续执行。

  4. 任务锁定 (Task Locking):

    • 在开始真正的“思考”之前，AgentCore 会为当前频道上锁，确保同一时间只有一个回复任务在运行，避免了逻辑混乱和重复响应。

  5. Agent 心跳循环 (Agent Heartbeat Cycle):

    • 这是 Agent 的核心思考过程，它模仿了人类“观察-思考-行动”的循环模式（ReAct）。

    • 在一个心跳内，Agent 会：

      a. 构建上下文: 从 MemoryService 和 WorldStateService 收集所有相关信息。

      b. 构建提示词: 使用 PromptService 将上下文渲染成发送给 LLM 的最终提示词。

      c. 调用模型: 通过 ModelService 与 LLM 交互。

      d. 解析与行动: 解析 LLM 返回的“想法”和“行动”（如工具调用），并使用 ToolService 执行。

    • LLM 可以请求再次心跳 (request_heartbeat)，以便在一次回复中使用多次工具或进行更复杂的推理。此循环有最大次数限制（由 agentBehavior.heartbeat 配置）。

  6. 记录与解锁 (Record & Unlock):

    • 循环结束后，所有思考和行动的结果都会被 WorldStateService 记录下来，成为未来对话的记忆一部分。
    • 最后，释放频道锁，等待下一次触发。

核心服务详解

1. 模型服务 (ModelService)

  • 职责: 管理与各种大语言模型的交互。
  • 特性:
    • 多提供商支持: 支持 OpenAI、Anthropic、Ollama 等多种模型提供商。
    • 模型组管理: 实现模型故障转移机制。
    • 专用模型分配: 可为不同任务分配特定的模型。
    • 流式响应: 支持流式响应处理。

2. 记忆系统 (Memory System)

该系统由 MemoryService 和 WorldStateService 共同构成。

  • MemoryService (记忆服务)

    • 职责: 实现多层记忆架构，提供核心记忆。
    • 架构:
      • 核心记忆 (Core Memory): 通过 Markdown/文本文件存储，包含 Agent 的基础设定、性格描述等长期不变的人设和知识。
      • 档案记忆 (Archive Memory): 基于向量数据库，用于存储历史对话和学习经验，支持语义检索。
      • 对话记忆 (Conversation Memory): 基于关系数据库，存储近期的对话历史。

  • WorldStateService (世界状态服务)

    • 职责: 管理动态的对话历史和上下文（短期记忆）。
    • 核心功能:
      • 对话历史管理。
      • 智能上下文窗口控制。
      • 自动历史总结。
      • 频道状态追踪。

3. 工具服务 (ToolService)

  • 职责: 管理和执行所有可用的工具。
  • 核心功能:
    • 向 LLM 提供工具定义。
    • 解析模型的工具调用请求。
    • 执行工具并返回结果。

决策层组件

1. 意愿管理器 (WillingnessManager)

  • 职责: 作为 Agent “是否发言”的唯一决策者，模拟人类的社交直觉。
  • 决策层次（四层意愿模型）:
    1. 基础分数: 根据收到的消息类型（如普通消息、指令等）给予一个初始意愿分数。
    2. 属性加成: 当消息包含特定属性时进行加分，例如被 @提及、被回复或在私聊中。
    3. 兴趣模型: 根据预设的关键词和消息内容，计算出一个兴趣乘数，调整意愿分数。
    4. 精力模拟: 引入模拟的疲劳和恢复机制，影响最终的发言意愿。

2. 提示词服务 (PromptService / 提示构建)

  • 职责: 一个功能全面的提示词管理和渲染服务，负责动态构建高质量的模型提示词。
  • 核心功能:
    • 管理所有提示词模板（包括系统、用户、局部模板）。
    • 使用 Mustache 引擎，将动态的上下文数据填充到模板中，生成最终发送给 LLM 的内容。
  • 提示词构建要素:
    • 系统提示词模板
    • 核心记忆注入
    • 世界状态描述
    • 工具可用性声明
    • 对话历史整理

可扩展性设计

1. 插件化架构

YesImBot 的核心功能与扩展功能完全分离，采用插件化架构。 

yesimbot (核心包)
├── koishi-plugin-yesimbot-extension-mcp
├── koishi-plugin-yesimbot-extension-favor
└── koishi-plugin-yesimbot-extension-code-interpreter

2. 工具开发接口

提供标准化的接口，方便开发者为 Agent 创建和注册新的工具。

接口定义: 

interface Tool {
  name: string;
  description: string;
  parameters: ToolParameters;
  execute(args: any): Promise<ToolResult>;
}
注册示例: 
// 注册工具
toolService.register(new CustomTool());
// 或者将其作为插件注册
ctx.plugin(CustomToolPlugin, customToolConfig);