@agentunion/kite 1.5.0 → 1.6.0

package/extensions/services/evolmem/prompts/02-summary-format.md

@@ -0,0 +1,112 @@
+## 话题总结机制
+
+### 触发条件
+
+当满足以下条件之一时，你应该生成话题总结：
+
+1. **话题转移** — 用户提出与当前话题**完全无关**的新问题（这是最主要的触发条件）
+2. **用户请求** — 用户说"总结一下"、"今天讨论了什么"等
+
+### 话题转移判断标准
+
+**什么是话题转移？**
+- 用户的新问题与当前话题**完全无关**，不是延续、深入或扩展
+- 例如：从"EvolMem 机制"跳到"Kite 架构"、从"缓存机制"跳到"如何做饭"
+
+**什么不是话题转移？**
+- 用户的问题是当前话题的**延续**（如从"总结机制"到"Hook 工作流程"）
+- 用户的问题是当前话题的**深入**（如从"缓存机制"到"缓存失效条件"）
+- 用户的问题是当前话题的**扩展**（如从"UserPromptSubmit"到"SessionStart"）
+
+**判断方法**：
+- 回顾最近 2-3 轮对话的核心主题
+- 判断用户的新问题是否与这些主题相关
+- 如果相关度 < 30%，判定为话题转移
+- **当你不确定时，倾向于判定为话题延续**（避免过度总结）
+
+### 总结格式（必须严格遵守）
+
+在你的回复中包含以下标记：
+
+**话题转移格式（开启新话题）**：
+```
+<<<TOPIC_SUMMARY_START:new_topic>>>
+# 话题总结：{话题标题}
+...
+<<<TOPIC_SUMMARY_END>>>
+```
+
+**用户主动请求格式（继续当前话题）**：
+```
+<<<TOPIC_SUMMARY_START>>>
+# 话题总结：{话题标题}
+...
+<<<TOPIC_SUMMARY_END>>>
+```
+
+### 总结内容格式
+
+```
+<<<TOPIC_SUMMARY_START>>>
+# 话题总结：{话题标题}
+
+**话题 ID**: {topic_id}
+**时间范围**: {start_time} - {end_time}
+**轮次**: {turn_count} 轮
+**字符数**: {total_chars} 字
+**估计 Token**: {estimated_tokens}
+**关键词**: {关键词1}, {关键词2}, {关键词3}, ...
+
+## 摘要
+
+[150 字以内的摘要，包含以下要素：
+- 话题主题（一句话）
+- 核心讨论内容（2-3 个要点）
+- 关键决策或结论（1-2 个）
+- 避免冗余，突出重点]
+
+## 核心讨论内容
+
+[列出主要讨论的内容，3-5 条]
+
+## 关键决策
+
+[列出重要的决策和结论，2-3 条]
+
+## 待办事项
+
+[列出未完成的任务，使用 - [ ] 格式]
+
+## 相关对话
+
+- Turn {start_turn}-{end_turn}: `.claude/evolmem/logs/sessions/session-{SESSION_ID}.jsonl`
+<<<TOPIC_SUMMARY_END>>>
+```
+
+### 重要说明
+
+- **标记必须独占一行**
+- 标记之间的内容会被自动保存到 `.claude/evolmem/logs/summaries/topic-{topic_id}.md`
+- 保存后，当前话题计数器会重置，新话题开始
+- 如果有文件操作，系统会自动生成附件并在总结中引用
+
+### 总结内容要求
+
+1. **核心讨论内容** — 简明扼要，突出重点
+2. **关键决策** — 记录重要的技术选型、架构决策
+3. **待办事项** — 使用 `- [ ]` 格式，便于追踪
+4. **关键词** — 3-10 个关键词，用于话题检索和分类
+5. **避免冗余** — 不要重复对话细节，总结即可
+
+### 关键词提取指南
+
+**关键词应该包括**：
+- 技术名词（如：Hook, SessionStart, WebSocket）
+- 功能模块（如：EvolMem, 日志系统, 总结机制）
+- 重要概念（如：跨会话, 记忆管理, 关键词搜索）
+- 文件名（如果是核心讨论对象）
+
+**关键词不应该包括**：
+- 通用词汇（如：实现, 修改, 讨论）
+- 停用词（如：的, 了, 是）
+- 过于宽泛的词（如：系统, 功能）

package/extensions/services/evolmem/prompts/03-file-query.md

@@ -0,0 +1,92 @@
+## 日志目录结构
+
+你的所有对话都被记录在以下位置：
+
+### 会话状态（临时）
+
+**位置**: `~/.claude/evolmem/logs/{project_name}/state/`
+
+**文件**:
+- `session-{session_id}.json` — 会话全局状态
+- `topic-{session_id}.json` — 当前话题统计
+- `turn-{session_id}.json` — 当前轮次数据
+
+**作用**: hook 之间传递实时状态，会话结束时自动删除
+
+---
+
+### 完整对话记录（永久）
+
+**位置**: `~/.claude/evolmem/logs/{project_name}/sessions/session-{session_id}.jsonl`
+
+**内容**:
+- 用户消息（全量）
+- 助手回复（全量）
+- 每条消息包含：session_id, turn_id, topic_id, timestamp, message, char_count, estimated_tokens
+
+---
+
+### 话题总结（永久）
+
+**位置**: `~/.claude/evolmem/logs/{project_name}/summaries/`
+
+**文件**:
+- `topic-{topic_id}.md` — 话题总结（Markdown 格式）
+- `topic-{topic_id}-raw.txt` — 原始消息存档（用于校验）
+- `topic-{topic_id}-tools.md` — 文件操作附件（如有）
+
+---
+
+### 话题索引（永久）
+
+**位置**: `~/.claude/evolmem/logs/{project_name}/summaries/index.jsonl`
+
+**内容**:
+- 所有话题总结的元数据
+- 包含：topic_id、时间范围、轮次、关键词、摘要
+
+---
+
+## 查询历史对话
+
+当用户问"今天讨论了什么"、"之前我们聊了什么"时：
+
+### 主动搜索话题（推荐）
+
+使用 EvolMem HTTP API：
+
+```bash
+# 单个关键词
+curl "http://localhost:18767/api/search?project={project_name}&q=Hook"
+
+# 多个关键词（逗号分隔）
+curl "http://localhost:18767/api/search?project={project_name}&q=Hook,系统提示词"
+```
+
+**搜索范围**：话题总结全文（标题、摘要、关键词、核心讨论、关键决策）
+**返回结果**：按匹配次数排序，最多 10 个话题
+
+### 步骤 1：查看话题索引
+
+```bash
+cat ~/.claude/evolmem/logs/{project_name}/summaries/index.jsonl | jq .
+```
+
+### 步骤 2：查看话题总结
+
+```bash
+cat ~/.claude/evolmem/logs/{project_name}/summaries/topic-{topic_id}.md
+```
+
+### 步骤 3：查看完整对话（如需要）
+
+```bash
+cat ~/.claude/evolmem/logs/{project_name}/sessions/session-{session_id}.jsonl | jq 'select(.topic_id == "{topic_id}")'
+```
+
+---
+
+## 当前会话信息
+
+- **会话 ID**: {SESSION_ID}
+- **当前话题 ID**: {TOPIC_ID}

package/extensions/services/evolmem/prompts/04-topic-stats.md

@@ -0,0 +1,11 @@
+## 当前话题统计（实时更新）
+
+- 话题 ID: {TOPIC_ID}
+- 开始时间: {TOPIC_START_TIME}
+- 已进行轮次: {TURN_COUNT}
+- 累计字符数: {TOTAL_CHARS}
+- 估计 Token: {ESTIMATED_TOKENS}
+- 距离上次总结: {TURN_COUNT} 轮 / {ESTIMATED_TOKENS} tokens
+
+**提醒**: 当前话题已进行 {TURN_COUNT} 轮对话，累计约 {ESTIMATED_TOKENS} tokens。
+{WARNING_MESSAGE}

package/extensions/services/evolmem/prompts/05-recent-topics.md

@@ -0,0 +1,84 @@
+## 最近话题回顾
+
+{RECENT_TOPICS}
+
+---
+
+## 热门关键词（最近 30 天）
+
+{HOT_KEYWORDS}
+
+---
+
+## 如何查询历史话题
+
+### 主动查询（推荐）
+
+当你需要了解历史讨论时，主动查询话题索引：
+
+**场景**：
+- 用户问"之前讨论了什么"
+- 用户问"今天/昨天/上周聊了什么"
+- 用户提到某个关键词，你想知道是否之前讨论过
+- 你觉得当前问题可能在历史话题中有相关讨论
+
+**查询方法**：
+
+1. **查看话题索引**
+   ```bash
+   cat .claude/evolmem/logs/summaries/index.jsonl | jq .
+   ```
+
+2. **查看具体话题总结**
+   ```bash
+   cat .claude/evolmem/logs/summaries/topic-{id}.md
+   ```
+
+3. **按关键词搜索话题**
+   ```bash
+   python3 .claude/evolmem/scripts/search-topics.py "关键词1" "关键词2"
+   ```
+   返回相关度最高的前 10 个话题
+
+### 被动查询（用户明确要求）
+
+当用户明确要求查询时：
+
+**场景**：
+- 用户说"帮我查一下之前关于 XXX 的讨论"
+- 用户说"搜索话题：XXX"
+- 用户说"找一下我们之前聊过的 XXX"
+
+**查询方法**：同上
+
+### 关键词搜索示例
+
+```bash
+# 搜索单个关键词
+python3 .claude/evolmem/scripts/search-topics.py "Hook"
+
+# 搜索多个关键词（AND 关系）
+python3 .claude/evolmem/scripts/search-topics.py "Hook" "系统提示词"
+
+# 模糊搜索
+python3 .claude/evolmem/scripts/search-topics.py "evolmem"
+```
+
+**返回格式**：
+```
+相关话题（按相关度排序）：
+
+1. topic-20260304-153000 (相关度: 95%)
+   时间: 2026-03-04 15:30:00 - 16:00:00
+   轮次: 15 轮
+   关键词: Hook, 系统提示词, SessionStart, 注入
+   总结: .claude/evolmem/logs/summaries/topic-20260304-153000.md
+
+2. topic-20260304-100000 (相关度: 78%)
+   时间: 2026-03-04 10:00:00 - 12:00:00
+   轮次: 10 轮
+   关键词: EvolMem, 设计, 目录结构
+   总结: .claude/evolmem/logs/summaries/topic-20260304-100000.md
+
+...
+```

package/extensions/services/evolmem/scripts/extract_keywords.py

@@ -0,0 +1,40 @@
+"""
+关键词提取工具 — 从话题索引中统计近期高频关键词。
+"""
+import json
+from collections import Counter
+from datetime import datetime, timedelta
+from pathlib import Path
+
+
+def extract_hot_keywords(index_file: Path, days: int = 30, limit: int = 50) -> list:
+    """
+    读取 summaries/index.jsonl，返回最近 days 天内频率最高的 limit 个关键词。
+    返回格式：[(keyword, count), ...]
+    """
+    if not index_file.exists():
+        return []
+
+    topics = []
+    with open(index_file, "r", encoding="utf-8") as f:
+        for line in f:
+            try:
+                topics.append(json.loads(line))
+            except Exception:
+                pass
+
+    if not topics:
+        return []
+
+    threshold = datetime.now() - timedelta(days=days)
+    counter = Counter()
+
+    for topic in topics:
+        try:
+            end_time = datetime.strptime(topic.get("end_time", ""), "%Y-%m-%d %H:%M:%S")
+            if end_time >= threshold:
+                counter.update(topic.get("keywords", []))
+        except Exception:
+            pass
+
+    return counter.most_common(limit)

package/extensions/services/evolmem/scripts/search_topics.py

@@ -0,0 +1,91 @@
+"""
+话题搜索工具 — 按关键词（支持正则）搜索历史话题总结文件。
+"""
+import re
+from pathlib import Path
+
+
+def search_topics(patterns: list, summaries_dir: Path, limit: int = 10) -> list:
+    """在 summaries_dir 下搜索匹配 patterns 的话题，返回按相关度排序的结果列表。"""
+    regexes = []
+    for p in patterns:
+        try:
+            regexes.append(re.compile(p, re.IGNORECASE))
+        except re.error:
+            regexes.append(re.compile(re.escape(p), re.IGNORECASE))
+
+    results = []
+    for md_file in summaries_dir.glob("topic-*.md"):
+        try:
+            content = md_file.read_text(encoding="utf-8")
+            match_count = 0
+            matched_patterns = []
+            for i, regex in enumerate(regexes):
+                matches = regex.findall(content)
+                if matches:
+                    match_count += len(matches)
+                    matched_patterns.append(patterns[i])
+
+            if match_count == 0:
+                continue
+
+            lines = content.split("\n")
+            title = lines[0].replace("# 话题总结：", "").strip() if lines else md_file.stem
+
+            def _find_field(prefix):
+                for line in lines[1:15]:
+                    if line.startswith(prefix):
+                        return line.split(":", 1)[1].strip()
+                return ""
+
+            summary = ""
+            in_summary = False
+            for line in lines:
+                if line.startswith("## 摘要"):
+                    in_summary = True
+                    continue
+                if in_summary:
+                    if line.startswith("##"):
+                        break
+                    if line.strip() and not line.startswith("["):
+                        summary = line.strip()
+                        break
+
+            results.append({
+                "file":             str(md_file),
+                "title":            title,
+                "time_range":       _find_field("**时间范围**"),
+                "turn_count":       _find_field("**轮次**"),
+                "keywords":         _find_field("**关键词**"),
+                "summary":          summary,
+                "match_count":      match_count,
+                "matched_patterns": matched_patterns,
+            })
+        except Exception:
+            pass
+
+    results.sort(key=lambda x: x["match_count"], reverse=True)
+    return results[:limit]
+
+
+def format_results(results: list) -> str:
+    """将搜索结果格式化为可读文本。"""
+    if not results:
+        return "未找到相关话题"
+
+    lines = [f"找到 {len(results)} 个相关话题", "=" * 60]
+    for i, r in enumerate(results, 1):
+        lines.append(f"\n{i}. {r['title']}")
+        lines.append(f"   匹配次数: {r['match_count']}")
+        if r["time_range"]:
+            lines.append(f"   时间: {r['time_range']}")
+        if r["turn_count"]:
+            lines.append(f"   轮次: {r['turn_count']}")
+        if r["summary"]:
+            lines.append(f"   摘要: {r['summary']}")
+        if r["keywords"]:
+            lines.append(f"   关键词: {r['keywords']}")
+        lines.append(f"   匹配模式: {', '.join(r['matched_patterns'])}")
+        lines.append(f"   文件: {r['file']}")
+        lines.append("-" * 60)
+    return "\n".join(lines)