@bolloon/bolloon-agent 0.1.35 → 0.1.37

package/src/bollharness-integration/llm-judgment-engine.ts

@@ -1,712 +0,0 @@
-/**
- * LLM-native Judgment Engine
- *
- * 核心理念：
- * - 不使用关键词匹配，而是让 LLM 理解用户意图
- * - 价值观注入：学习人类判断价值观，注入到 Prompt 中
- * - Skills 可以被动态调用
- *
- * 架构：
- * 1. LLM-as-Judge: 使用 LLM 执行真正的理解
- * 2. Value Injection: 从 human-value-store 获取价值观注入
- * 3. Dynamic-Skill-Routing: 根据判断结果动态调用 Skills
- */
-
-import { createBollharnessIntegration } from './integration.js';
-import {
-  generateJudgmentPromptWithValues,
-  type ValueInjectionConfig
-} from '../pi-ecosystem-judgment/value-injection.js';
-import {
-  learnFromFeedback,
-  learnFromCorrection
-} from '../pi-ecosystem-judgment/human-value-store.js';
-import { initPiAI, getModel, isModelAvailable } from '../llm/pi-ai.js';
-import { getPiSDKConfig } from '../llm/config-store.js';
-
-export interface LLMJudgmentResult {
-  // 理解结果
-  understanding: {
-    essence: string;           // 问题本质
-    coreNeed: string;          // 核心需求
-    implicit: string[];        // 隐含信息
-  };
-
-  // 评估结果
-  assessment: {
-    complexity: 'simple' | 'moderate' | 'complex' | 'profound';
-    complexityReason: string;   // 为什么是这个复杂性
-    depth: 'surface' | 'deeper' | 'fundamental';
-    urgency: 'low' | 'medium' | 'high' | 'critical';
-  };
-
-  // 决策
-  decision: {
-    approach: 'answer' | 'analyze' | 'design' | 'implement' | 'coordinate';
-    reasoning: string;          // 决策理由
-  };
-
-  // 路由
-  routing: {
-    skills: string[];          // 应该调用的 Skills
-    agents: string[];          // 应该参与的智能体
-    collaboration: 'solo' | 'pair' | 'team';
-  };
-
-  // 产物
-  artifacts: {
-    required: string[];        // 需要什么产物
-    gate?: number;            // 如果需要 gate
-  };
-
-  // 原始 LLM 输出
-  raw?: string;
-}
-
-/**
- * 判断用的 Prompt 模板（可以从 YAML 加载）
- */
-export const JUDGMENT_PROMPT_TEMPLATE = `你是一个专业的 AI 任务分析专家。你的职责是深入理解用户的问题，并给出精准的判断。
-
-【输入】
-{user_input}
-
-【历史上下文】
-{history_context}
-
-请分析以上输入，回答以下问题：
-
-## 1. 问题理解
-
-**问题本质**：用户真正想要什么？这是什么类型的问题？
-- how-to: 寻求操作指导
-- why: 寻求解释
-- what: 寻求定义
-- should: 寻求建议
-- feasibility: 寻求可行性评估
-
-**核心需求**：用户最想要的结果是什么？
-
-**隐含信息**：有什么用户没有明确说但需要考虑的因素？
-- 时间压力？
-- 质量要求？
-- 风险限制？
-- 团队协作？
-
-## 2. 复杂性评估
-
-**复杂性等级**：这个问题有多复杂？
-- simple: 简单任务，直接可答
-- moderate: 中等复杂，需要一定思考
-- complex: 复杂问题，需要深入分析
-- profound: 深刻问题，需要本质性思考
-
-**评估理由**：为什么认为这是这个复杂性等级？
-
-**深度**：需要多深的理解？
-- surface: 表面理解即可
-- deeper: 需要分析
-- fundamental: 需要本质性思考
-
-## 3. 处理决策
-
-**推荐方式**：
-- answer: 直接回答
-- analyze: 深入分析
-- design: 设计方案
-- implement: 实现代码
-- coordinate: 协调多智能体
-
-**决策理由**：为什么推荐这个处理方式？
-
-## 4. 路由决策
-
-**应该调用的 Skills**（可选多个）：
-- arch: 架构设计
-- harness-dev: 开发实现
-- guardian-fixer: 代码审查
-- harness-eng: 工程协调
-- harness-eng-test: 测试工程
-- task-arch: 任务分解
-- crystal-learn: 反思学习
-
-**参与智能体**（可选）：
-- architect: 架构师
-- developer: 开发者
-- reviewer: 审查员
-- coordinator: 协调者
-
-**协作模式**：
-- solo: 单独处理
-- pair: 配对协作
-- team: 团队协作
-
-## 5. 产出要求
-
-**需要的产物**：
-- 问题分析
-- 方案设计
-- 代码实现
-- 测试用例
-- 其他
-
-**Gate 建议**（如果有）：
-- Gate 0: 问题锁定
-- Gate 1: 架构设计
-- Gate 2: 架构审查
-- Gate 3: 计划制定
-- Gate 4: 计划审查
-- Gate 5: 任务分解
-- Gate 6: 任务审查
-- Gate 7: 代码实现
-- Gate 8: 测试验证
-
-请用 JSON 格式输出分析结果。`;
-
-/**
- * 简化的判断结果（用于快速场景）
- */
-export interface QuickJudgment {
-  complexity: 'simple' | 'moderate' | 'complex' | 'profound';
-  approach: 'answer' | 'analyze' | 'design' | 'implement' | 'coordinate';
-  skills: string[];
-  collaboration: 'solo' | 'pair' | 'team';
-}
-
-/**
- * LLM-native Judgment Engine
- */
-export class LLMJudgmentEngine {
-  private harness: ReturnType<typeof createBollharnessIntegration>;
-  private promptTemplate: string;
-  private useLLM: boolean;
-  private valueInjectionConfig: Partial<ValueInjectionConfig>;
-  private recentJudgments: Array<{
-    input: string;
-    result: LLMJudgmentResult;
-    timestamp: number;
-  }> = [];
-
-  constructor(options?: {
-    useLLM?: boolean;
-    promptTemplate?: string;
-    valueInjectionConfig?: Partial<ValueInjectionConfig>;
-  }) {
-    this.harness = createBollharnessIntegration();
-    this.promptTemplate = options?.promptTemplate || JUDGMENT_PROMPT_TEMPLATE;
-    this.useLLM = options?.useLLM ?? true;
-    this.valueInjectionConfig = options?.valueInjectionConfig || {};
-  }
-
-  /**
-   * 设置判断用的 Prompt 模板
-   */
-  setPromptTemplate(template: string): void {
-    this.promptTemplate = template;
-  }
-
-  /**
-   * 设置价值观注入配置
-   */
-  setValueInjectionConfig(config: Partial<ValueInjectionConfig>): void {
-    this.valueInjectionConfig = config;
-  }
-
-  /**
-   * 从配置文件加载 Prompt
-   */
-  async loadPromptFromConfig(configPath: string): Promise<void> {
-    // TODO: 从 YAML/JSON 加载 prompt 模板
-    // 这个配置可以包含更复杂的 prompt 变体
-  }
-
-  /**
-   * 执行 LLM 判断（集成价值观注入）
-   */
-  async judge(
-    userInput: string,
-    options?: {
-      history?: string[];
-      forceLLM?: boolean;
-      context?: string;
-    }
-  ): Promise<LLMJudgmentResult> {
-    // 如果强制不使用 LLM 或未配置，使用简化判断
-    if (!this.useLLM && !options?.forceLLM) {
-      return this.quickJudge(userInput);
-    }
-
-    // 构建 prompt（带价值观注入）
-    const historyContext = options?.history
-      ? options.history.slice(-5).join('\n')
-      : '无历史上下文';
-
-    const context = options?.context || userInput;
-
-    // 生成带价值观的 prompt
-    let prompt: string;
-    try {
-      prompt = await generateJudgmentPromptWithValues(
-        userInput,
-        context,
-        options?.history || [],
-        this.valueInjectionConfig
-      );
-    } catch (error) {
-      // 价值观注入失败，使用基础 prompt
-      console.warn('[LLMJudgment] Value injection failed, using base prompt:', error);
-      prompt = this.promptTemplate
-        .replace('{user_input}', userInput)
-        .replace('{history_context}', historyContext);
-    }
-
-    try {
-      // 调用 LLM（这里需要集成 LLMConfigStore）
-      const result = await this.callLLM(prompt);
-
-      // 解析 LLM 输出
-      const judgmentResult = this.parseLLMOutput(result, userInput);
-
-      // 记录判断结果（用于学习）
-      this.recordJudgment(userInput, judgmentResult);
-
-      return judgmentResult;
-    } catch (error) {
-      console.warn('[LLMJudgment] LLM call failed, falling back to quick judgment:', error);
-      return this.quickJudge(userInput);
-    }
-  }
-
-  /**
-   * 记录判断结果（支持后续学习）
-   */
-  private recordJudgment(input: string, result: LLMJudgmentResult): void {
-    this.recentJudgments.push({
-      input,
-      result,
-      timestamp: Date.now()
-    });
-
-    // 保留最近 50 条判断
-    if (this.recentJudgments.length > 50) {
-      this.recentJudgments.shift();
-    }
-  }
-
-  /**
-   * 学习人类反馈（集成到判断引擎）
-   */
-  async learnFromHumanFeedback(
-    originalInput: string,
-    approved: boolean,
-    reason?: string
-  ): Promise<void> {
-    // 从反馈中学习
-    await learnFromFeedback(originalInput, approved, reason);
-
-    // 重新评估相关判断的置信度
-    const relatedJudgment = this.recentJudgments.find(
-      j => j.input.includes(originalInput.substring(0, 20))
-    );
-
-    if (relatedJudgment && !approved) {
-      // 如果被拒绝，降低置信度
-      console.log('[LLMJudgment] Learning from rejection, will adjust future judgments');
-    }
-  }
-
-  /**
-   * 学习修正（从错误中学习）
-   */
-  async learnFromCorrection(original: string, corrected: string, reason: string): Promise<void> {
-    await learnFromCorrection(original, corrected, reason);
-  }
-
-  /**
-   * 调用 LLM
-   */
-  private async callLLM(prompt: string): Promise<string> {
-    if (!isModelAvailable()) {
-      const config = getPiSDKConfig();
-      initPiAI(config);
-    }
-
-    const model = getModel();
-    const result = await model.chat(prompt, process.cwd());
-    return result.reply;
-  }
-
-  /**
-   * 解析 LLM 输出
-   */
-  private parseLLMOutput(output: string, originalInput: string): LLMJudgmentResult {
-    try {
-      // 尝试解析 JSON
-      const parsed = JSON.parse(output);
-
-      return {
-        understanding: {
-          essence: parsed.essence || parsed.问题本质 || 'unknown',
-          coreNeed: parsed.coreNeed || parsed.核心需求 || 'unknown',
-          implicit: parsed.implicit || parsed.隐含信息 || []
-        },
-        assessment: {
-          complexity: this.normalizeComplexity(parsed.complexity || parsed.复杂性等级),
-          complexityReason: parsed.complexityReason || parsed.评估理由 || '',
-          depth: this.normalizeDepth(parsed.depth || parsed.深度),
-          urgency: this.normalizeUrgency(parsed.urgency || 'medium')
-        },
-        decision: {
-          approach: this.normalizeApproach(parsed.approach || parsed.推荐方式),
-          reasoning: parsed.reasoning || parsed.决策理由 || ''
-        },
-        routing: {
-          skills: parsed.skills || parsed.应该调用的Skills || [],
-          agents: parsed.agents || parsed.参与智能体 || [],
-          collaboration: this.normalizeCollaboration(parsed.collaboration || parsed.协作模式)
-        },
-        artifacts: {
-          required: parsed.artifacts || parsed.需要的产物 || [],
-          gate: parsed.gate || parsed.Gate建议
-        },
-        raw: output
-      };
-    } catch {
-      // JSON 解析失败，返回默认结果
-      return this.quickJudge(originalInput);
-    }
-  }
-
-  /**
-   * 快速判断（不调用 LLM）
-   */
-  private quickJudge(userInput: string): LLMJudgmentResult {
-    const input = userInput.toLowerCase();
-    const words = userInput.length;
-
-    // 复杂性评估
-    let complexity: 'simple' | 'moderate' | 'complex' | 'profound' = 'moderate';
-    let complexityReason = '';
-
-    const hasDesignKeywords = input.includes('设计') || input.includes('架构');
-    const hasReviewKeywords = input.includes('review') || input.includes('审查');
-    const hasMultiSystem = input.includes('和') || input.includes('以及');
-    const hasFundamental = input.includes('为什么') || input.includes('本质') || input.includes('根本');
-
-    if (hasDesignKeywords || hasMultiSystem || words > 200) {
-      complexity = 'complex';
-      complexityReason = '涉及设计或多系统';
-    }
-    if (hasFundamental || (words > 500 && hasDesignKeywords)) {
-      complexity = 'profound';
-      complexityReason = '需要本质性思考';
-    }
-    if (words < 50 && !hasDesignKeywords) {
-      complexity = 'simple';
-      complexityReason = '简短输入，意图明确';
-    }
-
-    // 处理方式
-    let approach: LLMJudgmentResult['decision']['approach'] = 'answer';
-    if (hasDesignKeywords) approach = 'design';
-    else if (hasReviewKeywords || input.includes('分析')) approach = 'analyze';
-    else if (input.includes('实现') || input.includes('写')) approach = 'implement';
-
-    // Skills
-    const skills: string[] = [];
-    if (hasDesignKeywords) skills.push('arch');
-    if (hasReviewKeywords) skills.push('guardian-fixer');
-    if (approach === 'implement') skills.push('harness-dev');
-    if (complexity === 'complex' || complexity === 'profound') {
-      skills.push('harness-eng');
-    }
-
-    // 协作模式
-    const collaboration: LLMJudgmentResult['routing']['collaboration'] =
-      complexity === 'profound' ? 'team' :
-      complexity === 'complex' ? 'pair' : 'solo';
-
-    return {
-      understanding: {
-        essence: this.extractEssence(input),
-        coreNeed: this.extractCoreNeed(input),
-        implicit: []
-      },
-      assessment: {
-        complexity,
-        complexityReason,
-        depth: hasFundamental ? 'fundamental' : 'surface',
-        urgency: input.includes('紧急') ? 'high' : 'medium'
-      },
-      decision: {
-        approach,
-        reasoning: '基于快速模式判断'
-      },
-      routing: {
-        skills,
-        agents: [],
-        collaboration
-      },
-      artifacts: {
-        required: approach === 'design' ? ['架构文档'] : ['回答']
-      }
-    };
-  }
-
-  private normalizeComplexity(c: string): LLMJudgmentResult['assessment']['complexity'] {
-    const lower = c.toLowerCase();
-    if (lower.includes('simple') || lower.includes('简单')) return 'simple';
-    if (lower.includes('moderate') || lower.includes('中等')) return 'moderate';
-    if (lower.includes('complex') || lower.includes('复杂')) return 'complex';
-    return 'profound';
-  }
-
-  private normalizeDepth(d: string): LLMJudgmentResult['assessment']['depth'] {
-    const lower = d.toLowerCase();
-    if (lower.includes('surface') || lower.includes('表面')) return 'surface';
-    if (lower.includes('deeper') || lower.includes('深入')) return 'deeper';
-    return 'fundamental';
-  }
-
-  private normalizeUrgency(u: string): LLMJudgmentResult['assessment']['urgency'] {
-    const lower = u.toLowerCase();
-    if (lower.includes('low') || lower.includes('低')) return 'low';
-    if (lower.includes('high') || lower.includes('高') || lower.includes('紧急')) return 'high';
-    if (lower.includes('critical') || lower.includes('关键')) return 'critical';
-    return 'medium';
-  }
-
-  private normalizeApproach(a: string): LLMJudgmentResult['decision']['approach'] {
-    const lower = a.toLowerCase();
-    if (lower.includes('answer') || lower.includes('回答')) return 'answer';
-    if (lower.includes('analyze') || lower.includes('分析')) return 'analyze';
-    if (lower.includes('design') || lower.includes('设计')) return 'design';
-    if (lower.includes('implement') || lower.includes('实现')) return 'implement';
-    return 'coordinate';
-  }
-
-  private normalizeCollaboration(c: string): LLMJudgmentResult['routing']['collaboration'] {
-    const lower = c.toLowerCase();
-    if (lower.includes('solo') || lower.includes('单独')) return 'solo';
-    if (lower.includes('pair') || lower.includes('配对')) return 'pair';
-    return 'team';
-  }
-
-  private extractEssence(input: string): string {
-    if (input.includes('为什么')) return 'why: 寻求解释';
-    if (input.includes('怎么') || input.includes('如何')) return 'how-to: 寻求指导';
-    if (input.includes('应该')) return 'should: 寻求建议';
-    return 'general: 一般性讨论';
-  }
-
-  private extractCoreNeed(input: string): string {
-    const lower = input.toLowerCase();
-    if (lower.includes('设计') || lower.includes('架构')) return '设计方案';
-    if (lower.includes('实现') || lower.includes('写')) return '实现代码';
-    if (lower.includes('修复') || lower.includes('解决')) return '修复问题';
-    if (lower.includes('review') || lower.includes('审查')) return '审查代码';
-    return '获得帮助';
-  }
-}
-
-// 单例
-let engineInstance: LLMJudgmentEngine | null = null;
-
-export function createLLMJudgmentEngine(options?: {
-  useLLM?: boolean;
-  promptTemplate?: string;
-}): LLMJudgmentEngine {
-  return new LLMJudgmentEngine(options);
-}
-
-export function getLLMJudgmentEngine(): LLMJudgmentEngine {
-  if (!engineInstance) {
-    engineInstance = new LLMJudgmentEngine();
-  }
-  return engineInstance;
-}
-
-/**
- * Skill Prompt 配置（可以从 YAML 加载）
- */
-export interface SkillPromptConfig {
-  name: string;
-  description: string;
-  systemPrompt: string;        // 系统级 prompt
-  userPromptTemplate: string;  // 用户输入的 prompt 模板
-  examples?: Array<{
-    input: string;
-    output: string;
-  }>;
-  constraints?: string[];
-  outputFormat?: string;
-}
-
-/**
- * Skills 的 Prompt 配置
- */
-export const SKILL_PROMPTS: Record<string, SkillPromptConfig> = {
-  arch: {
-    name: 'arch',
-    description: '架构设计专家',
-    systemPrompt: `你是一个经验丰富的系统架构师。你擅长：
-- 从需求中提取本质问题
-- 设计可扩展的系统架构
-- 权衡技术方案
-- 识别架构风险
-
-你相信：
-- 本质和实现必须分离
-- 好的架构从简单规则中生长
-- 复杂性应该被控制而非消除`,
-    userPromptTemplate: `用户需求：{user_input}
-
-{context}
-
-请进行架构分析：`,
-    examples: [
-      {
-        input: '设计一个电商系统',
-        output: '我将首先分析电商系统的核心本质：交易撮合...'
-      }
-    ],
-    outputFormat: 'markdown'
-  },
-
-  'harness-dev': {
-    name: 'harness-dev',
-    description: '开发实现专家',
-    systemPrompt: `你是一个高效的代码实现专家。你擅长：
-- 快速理解和实现需求
-- 编写清晰、可维护的代码
-- 遵循最佳实践
-- 处理边界情况
-
-你相信：
-- 代码即文档
-- 测试是代码的一部分
-- 简单优于复杂`,
-    userPromptTemplate: `任务：{user_input}
-
-技术栈：{tech_stack}
-
-请实现代码：`,
-    outputFormat: 'code'
-  },
-
-  'guardian-fixer': {
-    name: 'guardian-fixer',
-    description: '代码审查专家',
-    systemPrompt: `你是一个严格的代码审查专家。你擅长：
-- 发现潜在问题
-- 提出改进建议
-- 确保代码质量
-- 平衡效率和安全性
-
-你相信：
-- 细节决定成败
-- 代码审查是质量保障的最后防线
-- 建设性批评比否定更有价值`,
-    userPromptTemplate: `代码：\n{code}
-
-审查范围：{scope}
-
-请进行审查：`,
-    outputFormat: 'structured'
-  }
-};
-
-/**
- * 动态 Skill 调用器
- */
-export class DynamicSkillRouter {
-  private skillPrompts: Record<string, SkillPromptConfig>;
-  private judgmentEngine: LLMJudgmentEngine;
-
-  constructor(options?: { useLLM?: boolean }) {
-    this.skillPrompts = SKILL_PROMPTS;
-    this.judgmentEngine = createLLMJudgmentEngine({ useLLM: options?.useLLM ?? true });
-  }
-
-  /**
-   * 根据判断结果动态调用 Skills
-   */
-  async routeAndExecute(
-    userInput: string,
-    judgment: LLMJudgmentResult,
-    context?: Record<string, unknown>
-  ): Promise<Record<string, unknown>> {
-    const results: Record<string, unknown> = {};
-
-    // 并行执行多个 Skills
-    const skillPromises = judgment.routing.skills.map(async (skillName) => {
-      const skillConfig = this.skillPrompts[skillName];
-      if (!skillConfig) {
-        console.warn(`[SkillRouter] Unknown skill: ${skillName}`);
-        return { skill: skillName, result: null };
-      }
-
-      try {
-        const result = await this.executeSkill(
-          skillConfig,
-          userInput,
-          context
-        );
-        return { skill: skillName, result };
-      } catch (error) {
-        console.error(`[SkillRouter] Skill ${skillName} failed:`, error);
-        return { skill: skillName, result: null, error };
-      }
-    });
-
-    const skillResults = await Promise.all(skillPromises);
-
-    for (const { skill, result, error } of skillResults) {
-      results[skill] = result || { error: String(error) };
-    }
-
-    return results;
-  }
-
-  /**
-   * 执行单个 Skill
-   */
-  private async executeSkill(
-    skillConfig: SkillPromptConfig,
-    userInput: string,
-    context?: Record<string, unknown>
-  ): Promise<string> {
-    // 构建 prompt
-    let prompt = skillConfig.userPromptTemplate.replace('{user_input}', userInput);
-
-    if (context) {
-      for (const [key, value] of Object.entries(context)) {
-        prompt = prompt.replace(`{${key}}`, String(value));
-      }
-    }
-
-    // TODO: 调用 LLM 执行 Skill
-    // 这里需要集成实际的 LLM 调用
-
-    return `Skill ${skillConfig.name} executed with prompt:\n${prompt}`;
-  }
-
-  /**
-   * 添加自定义 Skill
-   */
-  registerSkill(name: string, config: SkillPromptConfig): void {
-    this.skillPrompts[name] = config;
-  }
-
-  /**
-   * 获取可用的 Skills
-   */
-  listSkills(): string[] {
-    return Object.keys(this.skillPrompts);
-  }
-}
-
-// 导出工厂函数
-export function createDynamicSkillRouter(options?: { useLLM?: boolean }): DynamicSkillRouter {
-  return new DynamicSkillRouter(options);
-}