AI Agent Team v2.0.1 发布

peterfei
73 阅读4分钟

AI Agent Team v2.0.1 发布说明

我很高兴地宣布 AI Agent Team v2.0.1 正式发布！这个版本是一个重要的里程碑，为 AI 助手赋予了真正的“语义记忆”能力，并极大地优化了国内用户的使用体验。

🌟 核心亮点

1. 🧠 Thread Manager 语义搜索 (Semantic Search)

这是本次更新的重头戏。以往，您只能通过 switch_thread 回到某个线程，或者依赖 Claude 自己的上下文窗口。现在，Thread Manager 拥有了基于意图的语义搜索能力。

  • 自然语言查询: 您不再需要记住具体的线程 ID 或关键词。只需告诉 AI 您想找什么，例如：“帮我找一下关于登录鉴权的讨论”、“上次提到的数据库设计方案在哪里”。
  • 跨时间记忆: 即使是几周前的对话，只要语义相关，AI 都能迅速定位并提取关键信息。
  • 本地向量数据库: 所有消息在创建时都会自动生成向量嵌入 (Embedding) 并存储在本地 SQLite 数据库中，保证了数据的隐私和检索的高效性。

2. 📦 内置模型 & 离线优先 (Offline-First)

为了彻底解决国内用户在下载 AI 模型时遇到的网络超时、连接失败等问题，我们做出了一个重要决定：

  • 内置嵌入模型: 我们将轻量级且高性能的 Xenova/all-MiniLM-L6-v2 向量模型直接打包到了 npm 安装包中。
  • 零配置开箱即用: 安装 ai-agent-team 后，Thread Manager 的语义搜索功能无需联网下载任何额外资源即可直接使用。
  • 更快的初始化: ai-agent-team init 过程更加流畅，消除了因网络问题导致的安装失败风险。

3. 🛠️ 初始化与迁移流程优化

  • 自动化构建: init 命令现在会自动处理 TypeScript 代码的编译。
  • 一键迁移: 新增 npm run migrate 脚本（集成在 init 流程中），能够自动扫描旧版本创建的历史消息，并为其补充生成向量数据，确保老数据也能被搜索到。

4. 🧠 核心价值主张：认知能力升级

Thread Manager v2.0.1 不仅仅是版本号的提升，它是从简单的对话管理工具向具备认知能力的 AI 记忆系统的重大跨越。通过引入分层记忆架构，我们实现了：

  • 🚀 30-50% 的上下文准确率提升：利用语义检索替代传统的时间线性检索，AI 能更精准地理解您的意图。
  • 🔄 跨线程知识复用：打破线程孤岛，AI 可以跨任务学习和积累经验，不再是“用完即忘”。
  • ⚡ 10倍的检索效率：基于本地向量索引（Vector Index）的毫秒级查询，远超全表扫描。
  • 🤝 更自然的交互体验：AI 能够真正“记住”用户的习惯、偏好和历史决策，提供更个性化的辅助。

5. 🧩 分层记忆架构 (Tiered Memory)

为了实现上述认知能力，我们重新设计了记忆系统，采用了模仿人类认知的 L1/L2/L3 分层架构：

graph TD
    subgraph "L1: 短期记忆 (Context Window)"
        Prompt[当前对话 Prompt]
        Summary[最近 N 条消息摘要]
    end

    subgraph "L2: 工作记忆 (Thread Context)"
        CurrentThread[当前活跃线程]
        FileStats[文件变更统计]
        GitBranch[Git 分支状态]
    end

    subgraph "L3: 长期记忆 (Semantic Knowledge Base)"
        VectorDB[(向量数据库 - 语义索引)]
        Archive[(SQLite 归档 - 完整历史)]
    end

    User --> Prompt
    Prompt <--> CurrentThread
    CurrentThread <--> VectorDB
    VectorDB -.->|语义检索 / search_messages| Prompt
  • L1 短期记忆: 直接在 Context Window 中的信息，响应最快，但容量有限。
  • L2 工作记忆: 当前任务的完整上下文（线程元数据、文件状态），随任务切换而动态加载。
  • L3 长期记忆: 永久存储的所有历史对话和知识库，通过 语义搜索 按需提取，无限容量。

🏗️ 架构概览

本次更新引入了全新的向量检索层，以下是 Thread Manager 的核心架构升级：

graph TD
    User[用户] -->|自然语言查询| Agent[Claude AI 助手]
    Agent -->|调用工具| MCP[Thread Manager MCP Server]
    
    subgraph "Thread Manager Core"
        MCP -->|解析请求| TM[Thread Manager]
        TM -->|语义搜索| Search[Vector Search Engine]
        TM -->|添加消息| MsgDAO[Messages DAO]
        
        MsgDAO -->|生成向量| Embed[Embedding Service]
        Embed -->|加载模型| LocalModel[📦 本地内置模型]
        LocalModel -.->|Xenova/all-MiniLM-L6-v2| Embed
        
        Search -->|查询| DB[(SQLite Database)]
        MsgDAO -->|存储| DB
    end
    
    DB -->|返回结果| Search
    Search -->|相关消息列表| TM
    TM -->|格式化上下文| MCP
    MCP -->|精准回复| Agent

关键组件：

  1. Embedding Service: 负责将文本消息转换为 384 维的向量。它现在优先加载本地模型文件，确保离线可用。
  2. Vector Search Engine: 一个轻量级的内存向量搜索引擎，使用余弦相似度（Cosine Similarity）算法快速匹配意图。
  3. SQLite Database: 扩展了 messages 表结构，新增 embedding_blob 字段存储二进制向量数据。

📈 成果展示

搜索效果对比

查询方式关键词搜索 (旧版)语义搜索 (v2.0.1)
查询语句"JWT""如何保证用户登录安全？"
匹配逻辑仅匹配包含 "JWT" 的文本匹配含义相关的文本 (Token, 加密, 鉴权, Oauth2...)
结果准确性低 (容易漏掉没提关键词的相关讨论)高 (理解上下文和意图)
用户体验机械、死板自然、智能

性能提升

  • 安装成功率: 从依赖网络环境提升至 100% (因内置模型)。
  • 检索响应速度: 本地向量运算，毫秒级响应。

🚀 如何升级

# 1. 安装最新版本
npm install -g ai-agent-team@2.0.1

# 2. 重新初始化 (自动处理编译和迁移)
ai-agent-team init

# 3. (仅首次) 注册 MCP (如果之前未注册)
# 复制 init 结束时显示的命令运行

感谢您选择 AI Agent Team！我们致力于为您提供最极致的 AI 开发体验。

avatar
文章
阅读
粉丝