LLM对话过程的DDD

终于抽出时间调整了一下DDD的结构,感觉这套设计虽然有些不是很原教旨,但已经能很好的支持至少一年的业务迭代了。直接给结论,直接抄也不会有什么错。

整体方案脱胎自openai的assistant api

Entity

  • Thread,对话过程。由Message构成。
  • Message,单个消息或者事件。由TypedContent构成。
  • TypedContent,一段特定格式的内容(e.g. 一次搜索,一个图片生成)。

VO

  • Run,一次推理过程。虽然是但有ID,在推理存活过程中可以使用ID进行控制。类似于一次性的下载任务。
  • Step,单次数据/操作,如果前后端都统一,每个step会带上TypedContent的id。(e.g. append text with text value)。
两个小备注
  • 在实践中,这个虽然TypedContent是entity反而不适合做为一个持久化实例,只是step整合后的临时数据,因为step是有时序的,TypedContent如果有时序会和step极为相似,如果没有会丢失信息量。
  • ChatGPT把这个也抽象成了Message,感觉并不合适,生命周期和真正的message并不一样。

生命周期

可以理解成Entity的状态机在事件风暴中事件的驱动下进行流转。对于后端来讲,是precondition;对于前端来讲,是VM做数据转换时非常重要的输入。生命周期很容易被以各种数据特征来判断,比如history为空的thread在初始态。这种方式很难统一理解,而且很容易出现各种bug。所以,我认为entity的生命周期是系统中几乎最重要的设计。

Thread

UserMessage

AssistantMessage

相关推荐
谙弆悕博士12 小时前
多智能体架构详解:市场拍卖式架构(Market-based / 竞价协商)
开发语言·架构·去中心化·多智能体·智能体·拍卖架构
江屿风13 小时前
AI Agent架构全解析:从规划到记忆的智能跃迁
人工智能·笔记·架构·agent·c/s·mcp工作流
一条Go14 小时前
状态页与 SLA:对外承诺是怎么算出来的
后端·架构·github
EatFan14 小时前
AI Agent 工程化元年:从单体智能到 Agent 集群的架构演进与落地路径
人工智能·架构·ai agent·autogen·crewai·agent集群·记忆工程
泯泷14 小时前
别再“裸聊”大模型了!你家的 AI 为什么总胡说八道?根子在 RAG
人工智能·算法·架构
Dawson Zhu18 小时前
【模型量化⑦】W4A8与GPTQ-Int4:极限压缩与MLC-LLM部署实战
人工智能·语言模型·架构·aigc·agi
Decay__1 天前
PostgreSQL 数据库全栈运维实战系列 — 合集索引(24 篇)
运维·数据库·sql·mysql·架构
Flynn Liang1 天前
大模型成本优化:基于 Redis 的可验证语义缓存架构
人工智能·redis·缓存·架构·ai agent·智能体
Ivis1 天前
多平台架构对比
架构