mirror of
https://gitcode.com/JianFeeeee/HomeAgent.git
synced 2026-09-21 09:28:14 +00:00
背景:此前媒体是靠「生成的描述文本」将就进记忆的——写 marker 进正文、 再由正则反解成 media_refs 与图库里的 type=Media 实体。这条链路有三个 致命缺陷:描述由异步模型生成(未生成前媒体等于不存在)、语义检索实质上 只搜描述文字、图库里的「媒体节点」是描述文本的投影而不是媒体本身。 本提交把这条链路整体拆除,媒体改为按自己的原生向量参与记忆: 一、描述链彻底删除(无残留、无兼容分支) - media.Item 去掉 Description/DescribedBy 与对应列; - 删除 Store.Describe / Store.Search / Store.Pending; - 删除 Agent.mediaDescribeLoop / describePendingMedia 与配置项 core.memory.media.describe_on_ingest; - SDK 侧 MediaAttachment 去掉 Description(见 SDK 仓独立提交)。 二、marker 机制删除,媒体归属改为结构化块边 - 删除 mediaMarkerLine/parseMediaMarkers/mediaEntityName/mediaTriplesFromText/ extractMediaDigests/sentenceWithMediaMarkers/docMediaContext; - memory.Triple 新增 MediaDigests 结构化字段;句子文本保持原样, 不再被 marker 污染; - 块以 sentence --contains--> block / document --contains--> block 结构边 挂到承载节点(新增 documents 表与 document 节点种类); - 模型未给原句时用「主谓宾。」拼一句自然语言作落点,不造 marker 文本。 三、旧数据迁移(幂等) - 新增 GraphDB.MigrateLegacyMediaEntities:把 type=Media 的旧实体按短 digest 还原成原生块、挂回原句子、删除旧实体与描述关系;Agent 启动时执行; - CleanupOrphanedSentences 同时看关系引用与块边,避免把只靠块存活的句子 连同块边一起删掉。 四、向量融合:媒体按图本身被召回 - 新增 vector.FuseVectors(逐维求和 + L2 归一化); - Doc.DenseVec = 文本向量 ⊕ 文档块的媒体向量(同 fingerprint 才融合), 新增 Doc.DenseFP,指纹变化触发重算; - ContextEvent.DenseVec 同理融合事件块;事件新增 DenseFP,Prune 只在 同一统一空间内比稠密余弦; - 跨模态视觉路只召回「仍被某层记忆块持有」的媒体,CAS 全库字节不再 直接充当记忆检索结果。 五、同时纳入本分支既有的嵌入基础改造(此前工作区未提交,缺它 HEAD 不可构建) - internal/tfidf 懒回退包、千问三段式多模态 ONNX 空间的 Go 侧 (qwen/embedder.go、image.go、model_input.go)、CLIP 移除、 sdk.NewStore 分词器签名与调用点、embed 侧车 systemd 单元。 验证:go build ./... 、go vet ./...(含 -tags medialive)均通过; 在 HEAD 的独立 worktree 上重放本次暂存集后 go test -short ./internal/... 全部通过(端口冲突类用例在隔离环境中亦通过)。未提交工作区中与本改造 无关的改动(HarmonyOS、waiter、devicebridge、plan.md 等)。
290 lines
9.5 KiB
Go
290 lines
9.5 KiB
Go
package memory
|
||
|
||
import (
|
||
"log"
|
||
"os"
|
||
"path/filepath"
|
||
"strings"
|
||
"sync"
|
||
"unicode/utf8"
|
||
|
||
"github.com/yanyiwu/gojieba"
|
||
)
|
||
|
||
// contentPOS 有实义的词性标签:只保留名词/动词/形容词/专名等
|
||
var contentPOS = map[string]bool{
|
||
"n": true, // 普通名词
|
||
"nr": true, // 人名
|
||
"ns": true, // 地名
|
||
"nt": true, // 机构名
|
||
"nw": true, // 作品名/URL
|
||
"nz": true, // 其他专名
|
||
"v": true, // 动词
|
||
"vd": true, // 副动词
|
||
"vn": true, // 名动词
|
||
"a": true, // 形容词
|
||
"ad": true, // 副形词
|
||
"an": true, // 名形词
|
||
"i": true, // 成语
|
||
"l": true, // 习用语
|
||
"j": true, // 简称
|
||
"s": true, // 处所词
|
||
"f": true, // 方位词
|
||
"b": true, // 区别词
|
||
"z": true, // 状态词
|
||
"t": true, // 时间词
|
||
"eng": true, // 英文
|
||
"x": true, // 非语素字
|
||
"zg": true, // 其他
|
||
"un": true, // 未知词性——保守保留
|
||
}
|
||
|
||
var (
|
||
jiebaOnce sync.Once
|
||
jiebaInst *gojieba.Jieba
|
||
)
|
||
|
||
func GetJieba() *gojieba.Jieba {
|
||
jiebaOnce.Do(func() {
|
||
defer func() {
|
||
if r := recover(); r != nil {
|
||
log.Printf("[jieba] init panic recovered: %v", r)
|
||
}
|
||
}()
|
||
d := jiebaDictDir()
|
||
if d == "" {
|
||
log.Printf("[jieba] no dictionary directory found, jieba disabled")
|
||
return
|
||
}
|
||
jiebaInst = gojieba.NewJieba(
|
||
filepath.Join(d, "jieba.dict.utf8"),
|
||
filepath.Join(d, "hmm_model.utf8"),
|
||
filepath.Join(d, "user.dict.utf8"),
|
||
filepath.Join(d, "idf.utf8"),
|
||
filepath.Join(d, "stop_words.utf8"),
|
||
)
|
||
})
|
||
return jiebaInst
|
||
}
|
||
|
||
func jiebaDictDir() string {
|
||
// GOMODCACHE is typically $GOPATH/pkg/mod. When set, Go writes modules
|
||
// under <GOMODCACHE>/github.com/... . Look first at GOMODCACHE, then
|
||
// derive from GOPATH, then try common locations.
|
||
candidates := []string{
|
||
os.Getenv("GOMODCACHE"),
|
||
}
|
||
if gp := os.Getenv("GOPATH"); gp != "" {
|
||
candidates = append(candidates, filepath.Join(gp, "pkg", "mod"))
|
||
}
|
||
if home, err := os.UserHomeDir(); err == nil && home != "" {
|
||
candidates = append(candidates, filepath.Join(home, "go", "pkg", "mod"))
|
||
}
|
||
if h := os.Getenv("HOME"); h != "" {
|
||
candidates = append(candidates, filepath.Join(h, "go", "pkg", "mod"))
|
||
}
|
||
|
||
suffix := filepath.Join("github.com", "yanyiwu", "gojieba@v1.4.7", "deps", "cppjieba", "dict")
|
||
for _, base := range candidates {
|
||
if base == "" {
|
||
continue
|
||
}
|
||
d := filepath.Join(base, suffix)
|
||
if info, err := os.Stat(d); err == nil && info.IsDir() {
|
||
return d
|
||
}
|
||
}
|
||
return ""
|
||
}
|
||
|
||
var stopWords = map[string]bool{
|
||
// ── 代词 ──
|
||
"我": true, "你": true, "他": true, "她": true, "它": true,
|
||
"我们": true, "你们": true, "他们": true, "她们": true, "它们": true,
|
||
"自己": true, "别人": true, "大家": true,
|
||
"这": true, "那": true, "哪": true,
|
||
"这个": true, "那个": true, "哪个": true,
|
||
"这里": true, "那里": true, "哪里": true,
|
||
"这些": true, "那些": true, "哪些": true,
|
||
"什么": true, "怎么": true, "怎样": true, "怎么样": true,
|
||
"谁": true, "为什么": true,
|
||
// ── 量词 ──
|
||
"一个": true, "每个": true,
|
||
"种": true, "个": true, "些": true, "点": true,
|
||
// ── 介词 ──
|
||
"在": true, "到": true, "对": true, "从": true, "把": true,
|
||
"被": true, "让": true, "给": true, "向": true, "往": true,
|
||
"跟": true, "和": true, "与": true, "同": true, "比": true,
|
||
"关于": true, "对于": true, "按照": true, "根据": true, "通过": true,
|
||
"因为": true, "由于": true, "为了": true, "为": true,
|
||
// ── 连词 ──
|
||
"或": true, "或者": true,
|
||
"但是": true, "但": true, "可是": true, "不过": true,
|
||
"然而": true, "虽然": true, "尽管": true, "即使": true,
|
||
"如果": true, "假如": true, "只要": true, "除非": true,
|
||
"而且": true, "并且": true, "同时": true, "此外": true,
|
||
"所以": true, "因此": true, "于是": true,
|
||
"然后": true, "接着": true, "从而": true,
|
||
"不是": true, "就是": true, "而是": true,
|
||
// ── 助词 ──
|
||
"的": true, "地": true, "得": true,
|
||
"了": true, "着": true, "过": true,
|
||
"所": true,
|
||
"吗": true, "吧": true, "啊": true, "呢": true, "啦": true,
|
||
"嗯": true, "哦": true, "哈": true, "呀": true, "嘛": true, "哟": true,
|
||
"噢": true, "喔": true, "呵": true, "嘿": true, "喂": true,
|
||
"呐": true, "呗": true, "咚": true, "噗": true,
|
||
// ── 副词 ──
|
||
"不": true, "没": true, "没有": true, "别": true, "不要": true,
|
||
"很": true, "太": true, "非常": true, "十分": true, "特别": true,
|
||
"比较": true, "相当": true, "更": true, "最": true,
|
||
"都": true, "也": true, "还": true, "又": true, "再": true,
|
||
"就": true, "才": true, "便": true,
|
||
"已经": true, "曾经": true, "刚": true, "刚刚": true,
|
||
"正在": true, "正": true,
|
||
"将要": true, "将": true,
|
||
"一直": true, "总是": true, "从来": true,
|
||
"经常": true, "通常": true, "往往": true,
|
||
"可能": true, "也许": true, "大概": true, "大约": true,
|
||
"一定": true, "肯定": true, "必须": true,
|
||
"当然": true, "其实": true, "确实": true,
|
||
"一起": true, "一块": true,
|
||
"仍然": true, "依然": true, "还是": true,
|
||
"互相": true, "分别": true,
|
||
"是否": true, "能否": true, "可否": true,
|
||
"越": true, "挺": true,
|
||
// ── 判断动词 ──
|
||
"是": true, "有": true,
|
||
"是的": true, "有的": true,
|
||
// ── 能愿动词 ──
|
||
"能": true, "能够": true, "可以": true, "会": true,
|
||
"要": true, "需要": true, "想要": true,
|
||
"应该": true, "应当": true, "该": true,
|
||
"愿意": true, "肯": true, "敢": true,
|
||
// ── 常用弱义动词 ──
|
||
"说": true, "看": true, "做": true, "来": true, "去": true,
|
||
"用": true, "想": true, "知道": true,
|
||
"觉得": true, "认为": true, "发现": true, "看到": true,
|
||
"表示": true, "告诉": true, "问": true, "回答": true,
|
||
"成为": true, "作为": true, "进行": true, "使用": true,
|
||
// ── 时间词(泛化) ──
|
||
"今天": true, "昨天": true, "明天": true, "前天": true, "后天": true,
|
||
"早上": true, "上午": true, "中午": true, "下午": true, "晚上": true,
|
||
"现在": true, "目前": true, "之前": true, "之后": true, "以后": true,
|
||
"最近": true, "刚才": true, "以前": true, "原来": true, "将来": true,
|
||
// ── 人称/泛指 ──
|
||
"人": true, "人们": true, "东西": true, "事情": true,
|
||
"问题": true, "情况": true, "时候": true, "地方": true,
|
||
"方式": true, "方法": true, "原因": true, "结果": true,
|
||
// ── 高频语气组合 ──
|
||
"好的": true, "好吧": true, "好": true,
|
||
"好了": true, "对了": true, "行了": true,
|
||
"没事": true, "没关系": true, "算了": true,
|
||
"看起来": true, "看上去": true, "听起来": true,
|
||
"可以说": true, "也就是说": true, "的话": true,
|
||
"来着": true, "罢了": true, "便是": true,
|
||
// ── 对话/消息类弱义词 ──
|
||
"消息": true, "回复": true, "发送": true,
|
||
"查看": true, "显示": true, "输出": true, "输入": true,
|
||
"文件": true, "内容": true, "信息": true,
|
||
"来自": true, "收到": true,
|
||
// ── 英文停用词 ──
|
||
"the": true, "a": true, "an": true, "is": true, "are": true,
|
||
"was": true, "were": true, "be": true, "been": true, "being": true,
|
||
"have": true, "has": true, "had": true, "do": true, "does": true,
|
||
"did": true, "will": true, "would": true, "could": true, "should": true,
|
||
"may": true, "might": true, "can": true, "shall": true,
|
||
"this": true, "that": true, "these": true, "those": true,
|
||
"it": true, "its": true,
|
||
"and": true, "or": true, "but": true, "in": true, "on": true,
|
||
"at": true, "to": true, "for": true, "of": true, "with": true,
|
||
"what": true, "how": true, "why": true, "which": true, "where": true,
|
||
"when": true, "who": true, "whom": true,
|
||
"please": true, "yes": true, "no": true, "not": true,
|
||
}
|
||
|
||
// TokenizeWords 使用 jieba 精确模式分词,返回去重后的所有词 token(不过滤停用词)
|
||
func TokenizeWords(text string) []string {
|
||
text = CleanText(text)
|
||
x := GetJieba()
|
||
if x == nil {
|
||
return nil
|
||
}
|
||
words := x.Cut(text, false)
|
||
var result []string
|
||
seen := make(map[string]bool)
|
||
for _, w := range words {
|
||
w = strings.TrimSpace(w)
|
||
if w == "" || seen[w] {
|
||
continue
|
||
}
|
||
seen[w] = true
|
||
result = append(result, w)
|
||
}
|
||
return result
|
||
}
|
||
|
||
// TokenizeContentWords 使用 jieba 精确模式分词 + 词性过滤,只保留名词/动词/形容词/专名等有实义的词
|
||
// 过滤停用词 + 短词(<2 字符),返回去重结果。适用于向量化、关键词提取等需要语义质量的任务。
|
||
func TokenizeContentWords(text string) []string {
|
||
text = CleanText(text)
|
||
x := GetJieba()
|
||
if x == nil {
|
||
return nil
|
||
}
|
||
tagged := x.Tag(text)
|
||
var result []string
|
||
seen := make(map[string]bool)
|
||
for _, t := range tagged {
|
||
idx := strings.LastIndex(t, "/")
|
||
if idx < 0 {
|
||
continue
|
||
}
|
||
word := t[:idx]
|
||
tag := t[idx+1:]
|
||
word = strings.TrimSpace(word)
|
||
if word == "" || seen[word] {
|
||
continue
|
||
}
|
||
if stopWords[word] {
|
||
continue
|
||
}
|
||
if utf8.RuneCountInString(word) < 2 {
|
||
continue
|
||
}
|
||
if !contentPOS[tag] {
|
||
continue
|
||
}
|
||
seen[word] = true
|
||
result = append(result, word)
|
||
}
|
||
return result
|
||
}
|
||
|
||
func ExtractKeywords(text string) []string {
|
||
return TokenizeContentWords(text)
|
||
}
|
||
|
||
// CutExact 精确模式分词:返回去停用词后的所有有义项(不限数量),用于 doc→graph 蒸馏
|
||
func CutExact(text string) []string {
|
||
text = CleanText(text)
|
||
x := GetJieba()
|
||
if x == nil {
|
||
return nil
|
||
}
|
||
words := x.Cut(text, false)
|
||
var result []string
|
||
seen := make(map[string]bool)
|
||
for _, w := range words {
|
||
if stopWords[w] || seen[w] {
|
||
continue
|
||
}
|
||
if !validEntityName(w) {
|
||
continue
|
||
}
|
||
seen[w] = true
|
||
result = append(result, w)
|
||
}
|
||
return result
|
||
}
|