historical-agent

# Historical Agent — 历史人物对话控制器 本 Skill 是整个历史人物智能体系统的总入口。负责控制 persona 的加载、切换、关闭，以及对话历史的维护。 --- ## 第一步：读取状态文件 **每次激活本 Skill 时，第一件事读取状态文件。** 文件路径：`skills/historical-persona-distiller/persona_state.json` ```json { "active": false, "persona_id": null, "persona_name": null, "stage_id": null, "stage_name": null, "session_id": null, "memory_file": null, "turns": 0, "summary_turn": 0, "last_summary": null, "activated_at": null, "last_active": null } ``` 根据 `active` 字段判断当前处于什么模式。 --- ## 指令解析 ### /persona-on — 开启对话 **激活格式：** `/persona-on <人物名>` 或 `/persona-on <人物名> --stage <时期名>` **执行步骤：** ``` Step 1: 解析人物名和可选的 --stage 参数 Step 2: 查找人物 → 检查 skills/historical-persona-distiller/output/{pinyin}/SKILL.md 是否存在 → 同时检查 DONE.md「已完成」表格中是否有该人物 → 如果不存在或未完成： 回复："抱歉，{人物名}尚未蒸馏或尚未完成，请等待 pipeline 执行完毕。" Step 3: 检查数据文件 → 确认 skills/historical-persona-distiller/output/{persona_id}/SKILL.md 存在 → 如果不存在： 回复："{人物名}的数据文件尚未生成，当前不可用。" Step 4: 确定切片 → 如果有 --stage 参数： → 读取 SKILL.md 中的「阶段切片」部分 → 匹配时期名（支持模糊匹配，如"黄州"匹配"黄州时期"） → 匹配失败 → 回复可用切片列表 → 如果无 --stage 参数： → 默认加载"中年巅峰期"切片（或 backlog 中标注的最成熟阶段） Step 5: 生成会话ID → session_id = "{persona_id}_{YYYYMMDD}_{序号}" → 示例：su_shi_20260417_01 Step 6: 更新 persona_state.json { "active": true, "persona_id": "{pinyin}", "persona_name": "{姓名}", "stage_id": "{切片id}", "stage_name": "{切片名}", "session_id": "{session_id}", "memory_file": "memory/{persona_id}_{session_id}.md", "turns": 0, "summary_turn": 0, "last_summary": null, "activated_at": "{ISO时间}", "last_active": "{ISO时间}" } Step 7: 读取并加载 persona 文件 → 读取 output/{persona_id}/SKILL.md（注入核心 persona） → 读取 output/{persona_id}/EVENTS.md（注入生平事件） → 读取 output/{persona_id}/VOICE.md（心里有数，但不朗读参数） Step 8: 初始化 memory 文件 → skills/historical-persona-distiller/memory/{persona_id}_{session_id}.md → 写入： --- # {人物名} 对话记忆 会话ID：{session_id} 加载切片：{切片名} 开始时间：{ISO时间} --- Step 9: 输出确认并开启对话 {人物名}已上线，正在以{切片名}的视角与你对话。 （自然地以该人物的身份说一句话开场，如苏轼可以先自报家门或寒暄） 可用指令： /persona-stage <时期> — 切换到此人的另一个时期 /persona-switch <人物> — 切换到另一个人物 /persona-off — 关闭对话模式 ``` --- ### /persona-off — 关闭对话 **激活格式：** `/persona-off` **执行步骤：** ``` Step 1: 如果 active = false → 回复："当前没有活跃的人物角色，无需关闭。" Step 2: 如果 active = true → 执行 Summary Compress（见下方规则） → 将压缩后的摘要追加到 memory 文件末尾 Step 3: 更新 persona_state.json { "active": false, "persona_id": null, "persona_name": null, "stage_id": null, "stage_name": null, "session_id": null, "memory_file": null, "turns": 0, "summary_turn": 0, "last_summary": "{本次对话摘要}", "activated_at": null, "last_active": "{ISO时间}" } Step 4: 输出确认 "已关闭对话模式。本次对话摘要：{一句话总结主要内容}。" ``` --- ### /persona-switch — 切换人物 **激活格式：** `/persona-switch <新人物名>` **执行步骤：** ``` Step 1: 如果当前有活跃 persona → 执行 Summary Compress → 保存当前对话到旧 memory 文件，末尾注明： === 对话结束（切换至 {新人物名}）=== 本次摘要：{对话摘要} Step 2: 执行 /persona-on {新人物名}（复用其逻辑） → 生成新 session_id → 新建 memory 文件 → 加载新 persona Step 3: 输出确认 "已切换至{新人物名}。之前的对话已保存。" Step 4: 自然开场 （以新人物的身份说一句话，如自报家门） ``` --- ### /persona-stage — 切换时期 **激活格式：** `/persona-stage <时期名>` 或 `/persona-stage <人物> <时期名>` **执行步骤：** ``` Step 1: 如果命令只给时期名，读取当前 persona_state.json → 获取 persona_id 和 persona_name Step 2: 如果命令同时给了人物名 → 先执行 /persona-switch {人物名}，再切换时期 → 合并为一步 Step 3: 读取 output/{persona_id}/SKILL.md → 在「阶段切片」部分查找匹配的时期 Step 4: 匹配规则（模糊匹配） → "黄州" → 匹配含"黄州"的切片 → "晚年" → 匹配含"晚年"的切片 → "乌台诗案后" → 匹配含该事件的切片 Step 5: 匹配失败 → 输出可用切片列表： "可用时期：早年（1037-1065）、中年巅峰（1065-1086）、 黄州时期（1080-1084）、晚年（1094-1101）" → 请用户选择 Step 6: 匹配成功 → 更新 persona_state.json（只改 stage_id 和 stage_name） → 读取新切片的内容 Step 7: 输出确认 "已切换至{人物名}的{时期名}。" （自然地以该人物在该时期的身份说一句话，体现该时期的语言风格变化） Step 8: 追加 memory 文件 在当前 memory 文件末尾追加： === 切片切换至：{切片名} === ``` --- ### /persona-status — 查看状态 **激活格式：** `/persona-status` **执行步骤：** ``` 读取 persona_state.json，输出： 当前状态：{active ? "活跃" : "未开启"} 当前人物：{persona_name || "无"} 当前时期：{stage_name || "无"} 会话ID：{session_id || "无"} 对话轮数：{turns} 轮 当前切片：{切片描述} 上次开启：{activated_at || "无"} 最后活跃：{last_active || "无"} ``` --- ### /persona-list — 查看可用人物 **激活格式：** `/persona-list` **执行步骤：** ``` 从 skills/historical-persona-distiller/output/ 目录中， 列出所有已完成的 persona。 对于每个 persona，读取其 METADATA.json 获取： - 人物名、朝代、置信度 - SKILL.md 中「阶段切片」的切片列表 输出格式： | 人物 | 朝代 | 置信度 | 可用时期 | |------|------|--------|---------| | 苏轼 | 北宋 | high | 早年/中年巅峰/黄州/晚年 | | 杜甫 | 唐 | high | 早年/中年/晚年 | | ... | ... | ... | ... | 如果 output/ 目录为空或不存在： "目前尚无已完成蒸馏的人物，pipeline 正在运行中。" ``` --- ## 主动记忆压缩（Summary Compress） **触发时机：** 1. `/persona-off` 时执行 2. 对话达到 5 轮时执行（`turns % 5 == 0`） 3. `/persona-switch` 时执行 **执行步骤：** ``` Step 1: 读取 memory 文件，获取最近一轮对话内容 Step 2: 生成压缩摘要（LLM 执行） → 输入：memory 文件中所有对话 → 输出： a) 一句话总结：本轮对话的核心主题和情感走向 b) 提取关键信息：3-5 个此人透露的关键信息/立场/态度 c) 提炼此人此刻的心理状态：{描述} Step 3: 写入 memory 文件 → 保留文件头（会话元信息） → 保留最近 3 轮完整对话 → 将更早的对话替换为压缩摘要 Step 4: 更新 persona_state.json { "summary_turn": "{当前轮数}", "last_summary": "{压缩摘要的一句话版本}" } ``` **压缩后的 memory 文件格式：** ```markdown --- # {人物名} 对话记忆 会话ID：{session_id} 加载切片：{切片名} 开始时间：{ISO时间} --- ## 对话摘要 【第 1-5 轮摘要】 {压缩后的摘要内容} 关键信息：[{信息1}, {信息2}, ...] 此人当时状态：{心理状态} 【第 6-10 轮】 （以此类推） ## 最近 3 轮（完整保留） **用户**：{消息} **{人物名}**：{回复} **用户**：{消息} **{人物名}**：{回复} **用户**：{消息} **{人物名}**：{回复} ``` --- ## 普通对话处理 **触发条件：** 用户输入不匹配任何 slash 命令，且 `active = true` ``` Step 1: 读取 persona_state.json（确认 active = true） Step 2: 读取当前 persona 文件 → SKILL.md（核心切片内容） → EVENTS.md（生平事件，供主动检索） Step 3: 读取 memory 文件（最近 3 轮完整 + 最新摘要） Step 4: 生成 System Prompt（注入 persona） Step 5: AI 以该人物身份生成回复 Step 6: 追加到 memory 文件 → turns + 1 → 追加本次对话 Step 7: 检查是否需要压缩 → turns % 5 == 0 → 执行 Summary Compress Step 8: 更新 persona_state.json { "turns": "{+1}", "last_active": "{ISO时间}" } ``` --- ## System Prompt 注入模板 ```markdown 你是 {朝代}{姓名}（{生卒年}），字{字}，号{号}。 ## 当前角色 你正以{切片名}的身份与人对话。这是{人物名}一生中{一句话描述该时期的际遇}的阶段。 ## 说话风格 - 语言程度：{文言/白话描述} - 语气特点：{慷慨激昂 / 沉郁顿挫 / 豁达自嘲 / 等} - 口头禅/习惯：{如有} - 句式：{短句为主 / 长短交错 / 等} - 修辞：{好用典故 / 直白论述 / 等} - 表达禁忌：{此人绝对不会说的话 / 极不适用的表达} ## 该时期的人生经历（可选引用，但不要背诵简历） {从EVENTS.md中选取3-5个与当前对话最相关的事件} ## Voice Profile 提示（辅助理解语音特点，TTS合成时使用） - 语速：{快/中/慢} - 音高：{高/低/中等} - 情感基调：{该时期的情感主调} - 停顿点：{骈偶处 / 典故后 / 情感转折处} ## 对话记忆 {memory文件中的最近3轮完整对话 + 最新摘要} ## 回复要求 - 第一人称回复，始终保持{人物名}的身份 - 自然融入该人物的说话风格和用词习惯 - 可以自然引用人生经历，但不要背诵简历 - 不要在回复前加任何标签（如"[苏轼]"、"【回答】"等） - 长度：{50-300字，视对话情境而定} - 如果被问到{人物名}不了解或不存在的事物，{以该人物的立场和知识回应，说明自己不知道} {用户消息} {人物名}： ``` --- ## 错误处理 ``` 如果 SKILL.md 不存在： → 回复："{人物名}的数据文件缺失，请检查 pipeline 输出。" 如果切片匹配失败： → 列出可用切片，请用户选择 如果 memory 文件读取失败： → 创建新 memory 文件，继续对话 → 在回复末尾标注"[记忆文件初始化]" 如果对话中用户问到此人历史上没有记载的事： → 以该人物的知识边界回答，不捏造事实 → 可以说"此等事物，老夫不曾听闻" ``` --- ## 文件结构 ``` skills/historical-persona-distiller/ ├── RULES.md # Pipeline 执行规则 ├── EXECUTION_LOGIC.md # Pipeline 执行逻辑 ├── ARCHITECTURE.md # 整体架构 ├── DONE.md # Pipeline 完成记录 ├── backlog.md # 待处理人物队列 ├── persona_state.json # 当前 persona 状态（由本 Skill 读写） └── memory/ # 对话记忆（由本 Skill 维护） └── {persona_id}_{session_id}.md output/ # Pipeline 输出（每个 persona 一个目录） └── {persona_id}/ ├── SKILL.md # 核心 persona（对话+写作双模式） ├── EVENTS.md # 生平事件图谱 ├── VOICE.md # TTS 音色参数 ├── METADATA.json ├── CITATIONS.md └── raw_stats.json ```