psi-shared-state-architecture

name

psi-shared-state-architecture

description

PSI (Persistent Shared Interface): A shared-state architecture for coherent AI-generated instruments in personal AI agents. Enables cross-module reasoning and synchronized actions across interfaces. Use for: AI agent architecture, shared state design, personal AI systems, tool coordination, multi-module integration. Activation: PSI architecture, shared state, AI agent coordination, personal AI, cross-module reasoning.

PSI Shared State Architecture

基于论文 "PSI: Shared State as the Missing Layer for Coherent AI-Generated Instruments in Personal AI Agents" (arXiv:2604.08529v1, 2026) 的共享状态架构方法论。

核心问题

个人AI工具可以从自然语言请求生成，但生成后往往保持孤立状态。PSI解决了将独立生成的模块转化为连贯工具的问题。

现有问题

1. 工具孤岛: AI生成的模块相互独立，缺乏协调
2. 状态不一致: 不同界面显示不同状态
3. 重复交互: 用户需要在多个工具间手动同步
4. 上下文丢失: 跨工具推理困难

PSI架构

核心概念

PSI是一个共享状态架构，将独立生成的模块转化为连贯工具:

• Persistent: 状态持久化
• Connected: 模块间互联
• Chat-complementary: 与聊天界面互补

架构层次

┌─────────────────────────────────────────┐
│           User Interfaces               │
│  (GUI, Chat, Voice, API)               │
└─────────────────┬───────────────────────┘
                  │
┌─────────────────▼───────────────────────┐
│      Shared Personal-Context Bus        │
│  (State Publication & Write-Back)       │
└─────────────────┬───────────────────────┘
                  │
┌─────────────────▼───────────────────────┐
│      AI-Generated Instruments           │
│  (Module A, Module B, Module C, ...)   │
│  • Publish current state                │
│  • Expose write-back affordances        │
└─────────────────────────────────────────┘

关键机制

1. 状态发布 (State Publication)

每个模块向共享总线发布当前状态:

{
  "module_id": "calendar",
  "state": {
    "current_view": "week",
    "selected_date": "2026-04-09",
    "events": [...]
  },
  "timestamp": "2026-04-09T10:30:00Z"
}

2. 写回能力 (Write-Back Affordances)

模块暴露可操作的能力:

{
  "module_id": "calendar",
  "affordances": [
    {
      "action": "create_event",
      "parameters": ["title", "start_time", "end_time"],
      "description": "Create a new calendar event"
    },
    {
      "action": "update_event",
      "parameters": ["event_id", "updates"],
      "description": "Update an existing event"
    }
  ]
}

3. 跨模块推理

利用共享状态进行跨模块推理:

用户: "我下周的会议和任务冲突吗?"

系统:
1. 从Calendar模块获取会议状态
2. 从Task模块获取任务状态
3. 进行时间冲突分析
4. 通过各自模块的写回能力提出调整建议

实现模式

模式1: 事件驱动同步

class SharedStateBus:
    def __init__(self):
        self.state_cache = {}
        self.subscribers = {}
    
    def publish(self, module_id, state):
        """模块发布状态更新"""
        self.state_cache[module_id] = {
            "state": state,
            "timestamp": time.now()
        }
        self._notify_subscribers(module_id, state)
    
    def subscribe(self, module_id, callback):
        """订阅其他模块状态变化"""
        if module_id not in self.subscribers:
            self.subscribers[module_id] = []
        self.subscribers[module_id].append(callback)
    
    def execute_affordance(self, module_id, action, params):
        """执行模块的写回操作"""
        module = self.get_module(module_id)
        return module.execute(action, params)

模式2: 查询响应

class CrossModuleReasoning:
    def query(self, intent):
        """跨模块查询"""
        # 收集相关模块状态
        relevant_states = self._collect_states(intent)
        
        # 进行推理
        analysis = self._analyze(relevant_states, intent)
        
        # 生成建议动作
        actions = self._generate_actions(analysis)
        
        return {
            "analysis": analysis,
            "suggested_actions": actions
        }

模式3: 自动集成

新模块通过相同契约自动集成:

class NewModule:
    def __init__(self, bus):
        self.bus = bus
        self._register()
    
    def _register(self):
        """向共享总线注册"""
        self.bus.register_module(
            module_id=self.id,
            state_schema=self.state_schema,
            affordances=self.affordances
        )
    
    def update_state(self, new_state):
        """状态变化时发布更新"""
        self.bus.publish(self.id, new_state)

应用场景

场景1: 个人助手系统

模块: 日历、任务、邮件、笔记

用户: "把我明天的会议准备材料整理出来"

系统动作:
1. Calendar模块 → 获取明天会议列表
2. Email模块 → 获取相关邮件
3. Task模块 → 获取相关任务
4. Note模块 → 创建准备笔记，整合信息

场景2: 智能家居控制

模块: 灯光、温度、安防、娱乐

用户: "我要看电影"

系统动作:
1. Entertainment模块 → 启动播放器
2. Light模块 → 调暗灯光
3. Temperature模块 → 调整温度
4. Security模块 → 检查门窗状态

场景3: 开发环境

模块: 代码编辑器、终端、文档、调试器

用户: "这个bug是什么原因?"

系统动作:
1. Editor模块 → 获取当前文件和光标位置
2. Terminal模块 → 获取最近命令输出
3. Debugger模块 → 获取运行时状态
4. Doc模块 → 查询相关API文档

设计原则

1. 松耦合

模块间不直接依赖，通过共享总线通信:

• 模块可以独立开发
• 新模块可以无缝集成
• 故障隔离

2. 状态一致性

所有界面显示一致的状态:

• 单一数据源
• 实时同步
• 冲突解决机制

3. 可发现性

模块能力自动可发现:

• 自描述能力
• 动态集成
• 无需硬编码

4. 隐私优先

个人数据保持本地:

• 状态存储在用户设备
• 细粒度权限控制
• 数据最小化

与现有架构比较

架构	耦合度	扩展性	一致性	适用场景
单体应用	高	低	高	简单应用
微服务	低	高	中	企业系统
插件系统	中	中	低	编辑器IDE
PSI	低	高	高	个人AI系统

实现建议

技术栈选择

1. 状态存储: SQLite, Redis, 或内存存储
2. 通信机制: WebSocket, EventEmitter, 或消息队列
3. 序列化: JSON, Protocol Buffers
4. 接口: REST API, GraphQL, 或gRPC

开发流程

1. 定义共享状态模式
2. 实现共享总线
3. 开发核心模块
4. 添加新模块（自动集成）
5. 构建用户界面

激活关键词

• PSI architecture
• shared state
• AI agent coordination
• personal AI
• cross-module reasoning
• coherent instruments
• 共享状态架构
• 个人AI系统
• 模块协调

相关技能

• llm-decision-centric-design: LLM决策中心设计
• agent-memory-framework: Agent记忆框架
• meta-cognitive-tool-optimization: 元认知工具优化

参考文献

Wang, Z., Hu, E., Rucker, M., & Barnes, L.E. (2026). PSI: Shared State as the Missing Layer for Coherent AI-Generated Instruments in Personal AI Agents. arXiv:2604.08529v1.