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
工业设备方案笔记4 分钟前
AI大模型为什么开始跑到边缘设备上?——本地大模型部署正在成为新的行业趋势
人工智能
未知违规用户1 小时前
大模型项目:RAG项目实战与FlagEmbedding模型
人工智能·windows·python·深度学习
蓝狐社1 小时前
宁德时代不是电池厂,是下棋的
人工智能
李燚7 小时前
RAG 流水线设计:Eino 的 Loader → Transformer → Indexer → Retriever(第60篇-E46)
人工智能·深度学习·transformer·agent·rag·aiagent·eino
码农学院7 小时前
Vue3小程序开发实战:服装鞋帽箱包行业库存同步方案
人工智能
To_OC7 小时前
跟 AI 写代码越写越乱?我靠这套「Vibe Coding」思路彻底治好了幻觉屎山
人工智能·agent·vibecoding
IT小盘7 小时前
03-大模型API不只是发送Prompt-流式输出超时重试与异常处理
人工智能·python·prompt
深圳慧闻智造技术有限公司8 小时前
机器人减速机壳体加工精度要求的四大核心维度分析
人工智能·机器人·机器人壳体加工
冬奇Lab8 小时前
AI 评测系列(07):自定义 Benchmark——从业务场景到评测集
人工智能
骏晔科技DreamLNK9 小时前
国产蓝牙模块哪个品牌好?骏晔科技 7 款主流型号横向对比
人工智能·科技