DevFlow/docs/02-架构设计/专项设计/AI原生上下文地图与去AI化进化系统-2026-06-26.md

AI 原生工作模式：上下文地图与去 AI 化进化系统

文档状态：构想 → 架构设计 创建日期：2026-06-26 关联灵感：Idea 84797cb1-37f2-4599-ba5f-ae8d8555dc0f 核心理念：让 AI 做得越来越少——高频路径逐步结晶为确定性逻辑，AI 退守到真正需要推理的边界。

---

0. 问题诊断：当前 AI 工作流的资源浪费

0.1 现状痛点

症状	根因	代价
每次对话都从零检索项目结构	无持久化的工程地图	30-40% token 浪费在重复探索
简单文件操作也要 LLM 推理	无模式结晶机制	推理延迟 + API 成本
AI 不知道上次改了什么	无上下文缓存层	重复扫描 + 上下文断裂
高频任务路径无法优化	无执行频度感知	永远全量推理，无法降级

0.2 核心洞察

AI 原生不等于"什么都让 AI 做"。真正的 AI 原生是：AI 构建认知基础设施，然后将高频路径交给确定性逻辑，自身退守到创造性边界。

---

1. 架构总览：三层地图 + 缓存层 + 结晶器

┌─────────────────────────────────────────────────────────────────────┐
│                        AI Agentic Loop                              │
│                                                                     │
│  ┌──────────┐   ┌──────────────┐   ┌───────────┐   ┌────────────┐ │
│  │ Working  │   │   Coding     │   │   Tool    │   │  Context   │ │
│  │   Map    │──▶│    Map       │──▶│   Map     │──▶│   Cache    │ │
│  │ (任务态) │   │ (代码态)     │   │ (工具态)  │   │  (会话态)  │ │
│  └──────────┘   └──────────────┘   └───────────┘   └─────┬──────┘ │
│                                                         │         │
│                                              ┌──────────▼───────┐ │
│                                              │ Pattern          │ │
│                                              │ Crystallizer     │ │
│                                              │ (模式结晶器)     │ │
│                                              └──────────┬───────┘ │
└─────────────────────────────────────────────────┼─────────┼────────┘
                                                  │         │
                                    ┌─────────────▼─┐   ┌───▼──────────┐
                                    │ Deterministic │   │  Frequency   │
                                    │   Scripts     │   │   Tracker    │
                                    │ (确定性脚本)  │   │  (频度追踪)  │
                                    └───────────────┘   └──────────────┘

1.1 设计原则

1. 地图先行：AI 的每次操作都基于预构建的地图，而非实时盲搜
2. 缓存就近：会话级上下文缓存，避免跨轮重复推理
3. 频度驱动结晶：高频路径自动进入结晶候选队列
4. 渐进去 AI 化：结晶后的路径从 LLM 推理降级为确定性脚本

---

2. 三层地图设计

2.1 Working Map（工作地图 — 任务态）

职责：描述"当前在做什么"——任务、项目、灵感、工作流的实时状态拓扑。

WorkingMap
├── active_projects[]        // 活跃项目清单（含 stack/path/bind 状态）
├── active_tasks[]           // 进行中任务（含 status/assignee/blocker）
├── task_dependencies[]      // 任务间依赖（子任务/阻塞关系）
├── recent_decisions[]       // 近期决策记录（灵感→任务转化轨迹）
├── workflow_state           // 当前工作流执行状态
└── project_modules[]        // 多工程结构（复用 modules 表）

DevFlow 现状对接：

• projects 表 → active_projects
• tasks 表 → active_tasks
• ideas 表 → recent_decisions（灵感→任务转化链）
• modules + module_dependencies 表 → project_modules（多工程功能，子1-5 任务在建）

构建时机：

• 冷启动：从 SQLite 全量加载活跃实体
• 热更新：CRUD 操作触发增量更新（事件驱动，复用全局事件总线）

2.2 Coding Map（代码地图 — 结构态）

职责：描述"代码长什么样"——文件树、符号索引、依赖图、技术栈。

CodingMap
├── module_index[]           // 每个工程的文件树 + 技术栈
│   ├── file_tree            // 目录结构（懒加载，按需展开）
│   ├── symbol_index         // AST 符号索引（函数/结构体/类）
│   └── stack_signature      // 技术栈指纹（Cargo.toml/package.json/...）
├── cross_module_deps[]      // 跨工程依赖（API 调用/类库引入/消息通信）
├── recent_changes[]         // 近期文件变更（git diff + 时间窗口）
└── hotspots[]               // 热点文件（高频访问/修改的文件）

DevFlow 现状对接：

• read_symbol 工具 → symbol_index 的查询入口
• detect_stack 逻辑 → stack_signature
• modules + module_dependencies → cross_module_deps
• 知识库 Tier1 → CodingMap 的知识层补充

构建策略：

• 符号索引：按需解析（首次访问某文件时触发 AST 解析，结果缓存）
• 依赖图：module 绑定目录时构建，变更时增量更新
• 热点追踪：记录工具调用中的文件访问频度

2.3 Tool Map（工具地图 — 能力态）

职责：描述"AI 能做什么"——工具注册表、工具调用历史、工具审批策略。

ToolMap
├── registered_tools[]       // 已注册工具清单（名称/参数schema/风险等级）
├── tool_call_history[]      // 近期调用历史（参数/结果/耗时/是否审批）
├── approval_policies[]      // 审批策略（自动批准/人工审批/拒绝）
├── tool_success_rate        // 各工具成功率统计
└── parameter_patterns[]     // 常见参数模式（用于结晶候选识别）

DevFlow 现状对接：

• 工具注册表（68 IPC commands）→ registered_tools
• 工具审批机制（Agentic Loop + 审批）→ approval_policies
• tool_call_history → 新增，记录到 SQLite 或内存环形缓冲

---

3. Context Cache（上下文缓存层）

职责：在 Agentic Loop 的多轮对话中，缓存已检索/已推理的上下文，避免重复劳动。

3.1 缓存结构

pub struct ContextCache {
    /// 会话级：当前对话已探索的文件/符号
    explored_files: HashMap<PathBuf, FileSnapshot>,
    
    /// 任务级：当前任务关联的上下文窗口
    task_context: HashMap<TaskId, TaskContext>,
    
    /// 推理缓存：相同输入的推理结果（短 TTL）
    inference_cache: LruCache<InferenceKey, InferenceResult>,
    
    /// 工具结果缓存：相同参数的工具调用结果
    tool_result_cache: LruCache<ToolCallSignature, ToolResult>,
}

3.2 缓存失效策略

缓存类型	TTL	失效条件
explored_files	会话级	文件被修改（mtime 变化）
task_context	任务级	任务状态变更
inference_cache	5 分钟	时间过期或上下文窗口滑动
tool_result_cache	10 分钟	时间过期或目标文件变更

3.3 预期收益

• 减少 50-60% 的重复推理量
• 工具调用延迟降低（缓存命中直接返回）
• 对话连续性增强（AI"记得"上次探索的结果）

---

4. Pattern Crystallizer（模式结晶器）

职责：识别高频任务路径，将其从 LLM 推理降级为确定性脚本/规则。

4.1 结晶流水线

Frequency Tracker          Pattern Analyzer           Crystallizer
┌──────────────┐          ┌──────────────┐          ┌──────────────┐
│ 记录每次工具 │──▶ N 次 ─▶│ 分析参数模式 │──▶ 稳定 ─▶│ 生成确定性   │──▶ 注册为
│ 调用的签名   │   以上   │ + 成功率     │   模式   │ 脚本/规则    │   新工具
└──────────────┘          └──────────────┘          └──────────────┘

4.2 数据结构

pub struct FrequencyTracker {
    /// 工具调用签名 → 出现次数
    call_signatures: HashMap<ToolCallSignature, u32>,
    
    /// 参数模式聚类（相同工具 + 相似参数归为一类）
    parameter_clusters: HashMap<ToolName, Vec<ParameterPattern>>,
}

pub struct CrystallizedPattern {
    id: String,
    /// 触发条件（何时使用此结晶路径）
    trigger: PatternTrigger,
    /// 确定性执行逻辑（脚本/规则/模板）
    execution: DeterministicExecution,
    /// 置信度（基于历史成功率）
    confidence: f32,
    /// 回退策略（结晶路径失败时回退到 LLM 推理）
    fallback: FallbackStrategy,
}

pub enum DeterministicExecution {
    /// 预定义脚本（Shell/Python）
    Script(PathBuf),
    /// 参数化模板（填充变量后直接执行）
    Template(Template),
    /// 规则引擎（条件→动作映射）
    Rule(RuleSet),
}

4.3 结晶示例

高频模式	结晶前（LLM 推理）	结晶后（确定性逻辑）
创建新 Rust crate	LLM 推理目录结构 + Cargo.toml	脚本：cargo new --lib + 模板填充
添加 IPC command	LLM 生成 handler + 注册代码	模板：参数化生成 + 自动注册
运行测试套件	LLM 推理测试命令	直接执行 cargo test
代码审查	LLM 全量分析	规则引擎：lint 规则 + diff 分析

4.4 回退机制

结晶路径不是"永久替代"——当确定性执行失败或结果异常时，自动回退到 LLM 推理：

执行结晶路径
  ├── 成功 → 直接返回结果（跳过 LLM）
  ├── 失败 → 记录失败 + 回退到 LLM 推理
  └── 连续失败 N 次 → 标记结晶路径为"待审查"，暂停使用

---

5. 演进路线图

Phase 1：地图构建（预计减少 30-40% 无效检索）

目标：三张地图的基础设施就位，AI 操作基于地图而非盲搜。

工作项	依托	状态
Working Map 数据层	projects/tasks/ideas/modules 表	✅ 已有
Coding Map 符号索引	read_symbol 工具	✅ 已有
Coding Map 跨工程依赖	module_dependencies 表	🔨 子1-5 在建
Tool Map 注册表	68 IPC commands	✅ 已有
Tool Map 调用历史	新增 tool_call_log 表	❌ 待建
地图查询 API	新增 IPC commands	❌ 待建

Phase 2：上下文缓存（预计减少 50-60% 推理量）

目标：Agentic Loop 内置缓存层，跨轮复用已检索上下文。

工作项	说明
ContextCache Rust 结构	内存级缓存 + LRU 淘汰
文件快照机制	mtime 监控 + 增量失效
工具结果缓存	签名匹配 + TTL 失效
缓存命中率指标	可观测性面板

Phase 3：模式结晶器（高频任务去 AI 化）

目标：高频路径自动结晶为确定性逻辑，LLM 退守创造性边界。

工作项	说明
FrequencyTracker	工具调用签名记录 + 聚类
PatternAnalyzer	参数模式分析 + 稳定性评估
Crystallizer 引擎	确定性脚本/模板/规则生成
回退机制	结晶失败自动回退 LLM
结晶管理 UI	查看/审批/禁用结晶路径

Phase 4：自治进化（长期愿景）

目标：系统自主识别优化机会，提出并验证新的结晶路径。

工作项	说明
异常检测	识别低效路径（高 token / 低成功率）
结晶提案	自动生成结晶候选方案
A/B 验证	结晶路径 vs LLM 路径对比
自治注册	验证通过后自动注册新工具

---

6. 与 DevFlow 现有架构的融合点

DevFlow 现有架构                        本方案融合点
┌────────────────────┐
│  Vue 3 前端        │ ← 结晶管理 UI / 缓存命中率面板 / 地图可视化
├────────────────────┤
│  Tauri IPC 层      │ ← 地图查询 API / 缓存管理 IPC / 结晶审批 IPC
├────────────────────┤
│  Rust 后端         │
│  ├─ df-storage     │ ← tool_call_log 表 / crystallized_patterns 表
│  ├─ df-project     │ ← Working Map + Coding Map 数据源
│  ├─ df-workflow    │ ← 结晶路径作为工作流节点
│  ├─ df-agent       │ ← ContextCache 注入 Agentic Loop
│  └─ df-tools       │ ← Tool Map + FrequencyTracker + Crystallizer
├────────────────────┤
│  SQLite            │ ← 新增迁移 V17+（patterns/tool_call_log）
└────────────────────┘

6.1 新增 Crate 规划

Crate	职责	依赖
df-context	ContextCache + 三张地图的内存结构	df-storage, df-project
df-crystallize	FrequencyTracker + PatternAnalyzer + Crystallizer	df-tools, df-context

6.2 新增数据表（V17+ 迁移）

-- 工具调用历史
CREATE TABLE tool_call_log (
    id TEXT PRIMARY KEY,
    task_id TEXT,
    tool_name TEXT NOT NULL,
    parameters TEXT,        -- JSON
    result_summary TEXT,    -- 截断的结果摘要
    success INTEGER NOT NULL,
    duration_ms INTEGER,
    approved INTEGER,
    created_at INTEGER NOT NULL
);

-- 结晶模式
CREATE TABLE crystallized_patterns (
    id TEXT PRIMARY KEY,
    trigger_condition TEXT NOT NULL,   -- JSON: 何时触发
    execution_type TEXT NOT NULL,       -- script / template / rule
    execution_body TEXT NOT NULL,       -- 脚本路径 / 模板内容 / 规则集
    confidence REAL NOT NULL,
    status TEXT NOT NULL,               -- active / suspended / reviewing
    success_count INTEGER DEFAULT 0,
    failure_count INTEGER DEFAULT 0,
    created_at INTEGER NOT NULL,
    updated_at INTEGER NOT NULL
);

---

7. 关键设计决策

7.1 为什么是"三层地图"而非"一张大地图"？

• 职责分离：任务态（Working）、结构态（Coding）、能力态（Tool）的生命周期和更新频率不同
• 按需加载：AI 当前操作只需要相关地图层，避免全量加载
• 独立演进：每层地图可以独立优化数据结构和索引策略

7.2 为什么结晶器需要回退机制？

• 结晶路径基于历史模式，无法覆盖所有边界情况
• 回退到 LLM 推理是安全网，确保系统鲁棒性
• 连续失败自动暂停，避免反复走死路

7.3 为什么缓存层放在 Rust 后端而非前端？

• Rust 后端是 Agentic Loop 的执行体，缓存就近放置延迟最低
• 避免前后端数据同步的复杂性
• Rust 的内存管理适合 LRU 缓存场景

---

8. 风险与缓解

风险	影响	缓解措施
地图数据过期	AI 基于过期信息做决策	mtime 监控 + 事件驱动增量更新
结晶路径覆盖不全	部分场景回退频繁	回退机制 + 逐步扩大结晶覆盖
缓存内存膨胀	内存占用过高	LRU 淘汰 + TTL 过期 + 容量上限
结晶脚本安全风险	恶意/错误脚本执行	审批机制 + 沙箱执行 + 权限限制

---

9. 总结

本方案的核心贡献是将 AI 工作流从"每次全量推理"进化为"地图导航 + 缓存加速 + 高频结晶"的三级加速体系：

1. 地图层解决"去哪找"——减少 30-40% 无效检索
2. 缓存层解决"别重复"——减少 50-60% 推理量
3. 结晶器解决"别想了，直接做"——高频路径去 AI 化

最终愿景：AI 构建认知基础设施，然后将确定性路径交给脚本/规则，自身专注于真正需要创造力的边界问题。这才是 AI 原生的终局——让 AI 做得越来越少，但每一步都精准。

---

下一步行动：

1. 将 Phase 1 中待建项（tool_call_log 表、地图查询 API）拆解为具体任务
2. 在 df-context crate 中实现 ContextCache 原型
3. 设计 FrequencyTracker 的数据采集埋点方案