KoiWeave v2.0 — 从“AI 自觉“到“AI 受控“,企业级知识中枢的进化之路

KoiWeave v2.0 --- 从"AI 自觉"到"AI 受控"

一、背景:AI 写代码很快,但 AI 不知道你之前为什么那么写

这是当前 AI-assisted 开发的核心矛盾------代码生成效率上去了,但知识复用率没跟上。

我们面临三个具体问题:

问题 表现 后果
知识碎片化 架构决策散落在 Slack/PR/Comment 里,AI 看不到 重复决策、重复踩坑
知识不流动 service-auth 的 ADR 不会自动同步到 service-order 各服务各自为政
知识会腐烂 三个月前的设计文档没人更新 逐渐变成错误文档

KoiWeave 的回答是:让 AI 在写代码前必须读完相关的历史知识,在写完后必须把新知识吐回来。


二、架构总览:三环进化 + 双 Skill 体系

2.1 整体布局

复制代码
                    KoiWeave(本仓库)
                    │
        ┌───────────┴───────────┐
        │                       │
   koi-llm-wiki/          skills/
   (知识中枢仓库)          (AI Skill 定义)
        │                       │
        │               ┌───────┴───────┐
        │               │               │
        │          koi-weave-wiki  koi-weave-dev
        │           (中枢运维)    (开发辅助)
        │               │               │
        └───────────────┴───────────────┘
                        │
          ┌─────────────┼─────────────┐
          │             │             │
    service-auth  service-order  service-payment

2.2 三环进化机制

知识在三个时间尺度上自动进化:

复制代码
微循环(每次归档 ~ 秒级)
  push → 写 staging → 写 auto-ingest → 中枢消化 → 创建确认标记

日循环(每天 ~ 分钟级)
  健康检查 → 术语一致性 → 链接完整性 → 时效标记(30d) → 矛盾检测

周循环(每周 ~ 小时级)
  回流模式分析 → 知识缺口检测 → 公共抽象提取 → 周报生成

三、v1.x 的教训:文本宪法管不住 AI

3.1 旧方案长什么样

v1.x 的核心思路是:AGENTS.md 里写规则,告诉 AI 该怎么做。

AGENTS.md 中定义了"四步锁":

复制代码
Step 0: 读取 STATUS.md → 判断同步状态 → 落后则 pull
Step 1: 读取 MANIFEST.md → 加载知识到上下文
Step 2: 四问验证 → 通过前禁止编码
Step 3: 归档回流 → 分析 diff → 写回中枢

3.2 问题在哪

AGENTS.md 是文本,AI 可以自由决定是否遵守。实践中我们发现:

  1. AI 会"忘记"执行某些步骤------问就说做了,实际上没做
  2. 同一操作不同 AI 工具行为不同------OpenCode、Claude Code、Cursor 各自解读
  3. 回流没有事务保证------"上传成功删除,失败重试"这个需求无法实现
  4. 去重靠 AI 自觉------"检查 SYNC_LOG 最近 5 条"这种指令,AI 不一定执行
  5. 不可复现------人无法复现 AI 的操作流程

核心矛盾:约束写在文本里,执行靠 AI 自觉------这本身就是矛盾的。


四、v2.0 升级:从"AI 自觉"到"AI 受控"

4.1 核心变化

复制代码
v1.x: AGENTS.md 文本声明 → AI 自觉遵守
                  ↓
v2.0: SKILL.md + scripts/ 可执行脚本 → AI 按步骤执行 bash 命令 → 输出 JSON

AI 不再直接操作文件,而是通过 skill script 执行:

复制代码
用户:"知识回流"
  → AI 读取 SKILL.md 找到 push 命令
  → AI 分析 diff,生成标准 YAML
  → AI 调用 bash scripts/push.sh <change-name>
  → push.sh 执行三阶段事务,输出 JSON
  → AI 读取 JSON,向用户汇报

4.2 双 Skill 体系

v2.0 将原本的一个 skill 拆分为两个独立 skill,职责分界清晰:

复制代码
koi-weave-wiki(知识中枢运维)
├── SKILL.md         入口
├── scripts/
│   ├── digest.sh    扫描 signals/ 素材
│   └── health.sh    健康检查
├── references/      参考文档
└── assets/templates/ 初始化模板

koi-weave-dev(微服务开发辅助)
├── SKILL.md         入口
├── scripts/
│   ├── status.sh    同步检查 + 事务审计
│   ├── pull.sh      git pull --ff-only
│   └── push.sh      三阶段事务回流
├── references/      四问验证 + 事务说明
├── assets/templates/ 服务宪法模板

4.3 标准 Skill 目录结构

每个 skill 遵循统一结构:

复制代码
skills/<name>/
├── SKILL.md         核心(必选):技能定义 + 操作指南
├── README.md        人类阅读的使用说明
├── scripts/         辅助 shell 脚本(AI 调用执行)
├── references/      参考文档(规则说明、原理图)
└── assets/          静态资源(模板、图片)

五、三阶段事务:解决"上传成功删除,失败重试"

这是 v2.0 最核心的技术设计。

5.1 问题场景

开发者完成功能开发后执行回流:

  • 如果中途网络断了怎么办?
  • git push 失败了,staging 文件还在吗?
  • 下一次重推会不会重复写入?

5.2 三阶段协议

复制代码
                    hash 去重
  ┌──────────┐    ┌──────────────┐    成功    ┌──────────┐
  │  AI生成   │───→│ Phase 1      │───────────→│  PENDING  │
  │  YAML     │    │ PREPARE      │            └─────┬─────┘
  └──────────┘    │ 写 staging    │                  │
                  └──────────────┘            失败重试 │
                                                     │ 成功
                                                     ▼
                                           ┌──────────────┐
                                           │ Phase 2      │
                                           │ COMMIT       │
                                           │ 写 auto-ingest│
                                           │ git push     │
                                           └──────┬───────┘
                                                  │
                                          ┌───────┴───────┐
                                          │               │
                                    git push 失败   写入成功
                                          │               │
                                          ▼               ▼
                                    重试保留staging   ┌──────────┐
                                                      │ COMMITTED │
                                                      └─────┬─────┘
                                                            │
                                                    中枢 digest
                                                            │
                                                            ▼
                                                     .done 创建
                                                            │
                                                     status 检测
                                                            │
                                                            ▼
                                                      ┌──────────┐
                                                      │  ACKED   │
                                                      │ 删 staging│
                                                      └──────────┘

5.3 关键设计点

幂等性:每个回流内容计算 SHA256 指纹。相同内容 always 相同 hash。三阶段各环节都做去重检查。

文件见证

复制代码
Phase 1: .wiki-context/staging/<change>.pending.yaml
Phase 2: koi-llm-wiki/signals/auto-ingest/<service>/<change>.yaml
Phase 3: .../.ack/<change>.done(中枢 digest 完成后创建)

边界情况

场景 行为
git push 网络超时 staging 保留,重试幂等
同内容重推 hash 相同,跳过写入
内容修改后重推 hash 变化,覆盖旧内容
离线开发 允许,staging 保留,上线后推送

六、标准化回流格式

v1.x 的回流内容是 AI 自由撰写的 Markdown 文本。v2.0 定义为标准 YAML Schema:

yaml 复制代码
schema_version: "1.0"
service: auth
change_name: add-phone-login
entities:
  - name: PhoneLogin
    summary: "手机号登录凭证"
    fields:
      - { name: phone, type: string }
modules_updated:
  - name: auth-module
    changes: "新增 phoneLogin() 方法"
architecture_decisions:
  - title: "手机登录安全策略"
    summary: "验证码5分钟有效,错误5次锁定30分钟"
glossary_terms:
  - { cn: "短信验证码", en: "SMS Code", definition: "一次性验证码" }

AI 只负责"分析 diff → 填字段",CLI 负责"校验 → hash → 存储 → git push"。职责分界清晰。


七、跨平台兼容

所有脚本兼容 Linux、macOS、Windows(Git Bash):

命令 Linux macOS Windows 方案
SHA256 sha256sum shasum -a 256 同上之一 自动检测函数
时间戳 date -Iseconds 不支持 不支持 date -u +"%Y-%m-%dT%H:%M:%S%z"
sed -i 需备份后缀 ⚠️ 脚本中避免使用
bash 复制代码
# 跨平台 SHA256 检测
_sha256() {
  if command -v sha256sum >/dev/null 2>&1; then
    echo -n "$1" | sha256sum | cut -d' ' -f1
  elif command -v shasum >/dev/null 2>&1; then
    echo -n "$1" | shasum -a 256 | cut -d' ' -f1
  elif command -v openssl >/dev/null 2>&1; then
    echo -n "$1" | openssl dgst -sha256 | cut -d' ' -f2
  fi
}

零安装依赖------bash + git + sha256sum/shasum/openssl 均为操作系统自带。


八、AI 工具集成

三种主流 AI 编程工具均可使用:

工具 加载方式 Skill 目录
OpenCode 自动发现 .opencode/skills/ .opencode/skills/koi-weave-*/
Claude Code CLAUDE.md 引用 skills/koi-weave-*/

SKILL.md 是 AI 的操作指南,AGENTS.md 是行为宪法,scripts/ 是可执行工具------三层约束确保 AI 行为一致。


九、从 v1.x 到 v2.0 的迁移

维度 v1.x v2.0
约束方式 AGENTS.md 文本声明 SKILL.md + 可执行 bash 脚本
回流事务 无保证 三阶段 PREPARE → COMMIT → ACK
去重机制 AI 人工检查 SHA256 内容指纹自动去重
脚本语言 Node.js(需安装) bash(系统自带)
Skill 数量 1 个合并 skill 2 个独立 skill(wiki + dev)
技能结构 单个 SKILL.md SKILL.md + scripts/ + references/ + assets/
AGENTS.md 强度 建议性 宪法级(含禁止操作条款)
跨平台 仅 Linux Linux + macOS + Windows Git Bash

十、完整开发流程演示

复制代码
===== 第 1 步:知识中枢初始化 =====
koi-weave-wiki init ./koi-llm-wiki
  → 创建骨架:AGENTS.md + wiki/ + signals/ + outputs/

===== 第 2 步:接入微服务 =====
koi-weave-dev init auth
  → 创建 AGENTS.md + .wiki-context/ + staging/ + 中枢回流目录

===== 第 3 步:日常开发循环 =====
# 检查同步
koi-weave-dev status        # 🟢 最新

# 加载知识
koi-weave-dev load-task "给用户增加手机号登录"
  → 自动匹配加载:User, PhoneLogin, auth-module, ADR-001, ADR-007
  → 输出四问清单

# 编码前验证(AI 逐条附证据)
✅ 问题一:涉及 User, PhoneLogin, auth-module
✅ 问题二:wiki 定义 login(phone) → 代码 loginByPhone() 匹配
✅ 问题三:ADR-001 要求 JWT → 本变更输出 JWT
✅ 问题四:glossary "SMS Code" → 变量名 smsCode

# AI 编码...

# 回流
cat <<'YAML' | koi-weave-dev push add-phone-login
schema_version: "1.0"
service: auth
change_name: add-phone-login
entities:
  - name: PhoneLogin
    summary: "手机号登录凭证"
YAML

# 查看回流状态
koi-weave-dev status
  → 自动检测 .done → 清理 staging
  → 🟢 最新,回流已确认

十一、总结

KoiWeave v2.0 的核心思想很简单:把 AI 该遵守的规则从文本变成可执行工具。

  • AGENTS.md 说"你该做什么"------宪法
  • SKILL.md 说"具体怎么做"------操作指南
  • scripts/ 说"我帮你做"------可执行工具

AI 做它最擅长的(分析 diff、提取知识、生成 YAML),脚本做最需要确定性的(文件操作、hash 计算、git push)。

这就是 v2.0 的全部秘密------不是约束变多了,而是约束从软的变成了硬的。


参考

  • 项目地址:KoiWeave
  • 架构设计文档:doc/KoiWeave 架构设计.md
  • 协议:MIT
相关推荐
虹科网络安全4 分钟前
使用艾体宝 IOTA 10 CORE+ 监控企业网络中的 AI 流量
网络·人工智能
朝阳资本论8 分钟前
群核科技:从空间设计龙头到物理AI“卖水人”的升维之战
人工智能
七夜zippoe15 分钟前
为什么 2026 年每个 Java 团队都该懂 AI Agent
java·开发语言·人工智能
举个栗子。17 分钟前
SwarmForge:AI 智能体协同编程框架,让多个 Agent 在隔离工作区并行协作
人工智能·开源·ai编程
AIGC小尼28 分钟前
Windows 本地 AI 漫剧全自动生产线部署完整教程(零基础、全指令、带源码、模型配置、排错方案)
人工智能·windows·ai漫剧
合米AI SOP系统32 分钟前
传统产线如何快速上马落地 AI 防错?合米科技 AI SOP 7天即可上线。
大数据·人工智能·科技
思录Echo33 分钟前
什么决定具身智能的最终走向?多技术路线与落地现实辨析
大数据·人工智能
ShallWeL1 小时前
Orin 上多模型常驻与显存预算
人工智能·嵌入式硬件·nvidia·orin
xiaohaiAIgeo1 小时前
【2026年】AI监控加行为分析守护实验室安全
大数据·人工智能·科普知识
IT_陈寒1 小时前
Python的多线程就是个假把式,我算是体验到了
前端·人工智能·后端