ishenwei/nexus
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

Sync: add semantic index and lsp notes

Browse Source
This commit is contained in:
weishen
2026-04-25 09:09:38 +08:00
parent 480d64ae81
commit 466273a164
13 changed files with 1158 additions and 32 deletions
Download Patch File Download Diff File Expand all files Collapse all files

10
wiki/overview.md
View File

@@ -697,6 +697,8 @@ Key concepts: [[Django ORM]], [[Django REST Framework]], [[Django Admin 定制]]
**[[specialized-model-qa]]**（Model QA Specialist）：ML/统计模型端到端独立审计专家——The Agency Specialized 部门的模型质量保障专家，核心使命：**将模型视为"有罪推定"，直到全面审计证明其可靠性**。独立于模型构建者运行，通过证据驱动的分析发现模型在文档、数据、特征、性能、校准、可解释性、公平性等各环节的问题，并量化业务影响。核心方法：10 大审计领域覆盖模型全生命周期（文档治理→数据重建→标签分析→分段评估→特征分析→模型复制→校准测试→性能监控→可解释性→业务影响），配套完整 Python 工具集（PSI 监控、Hosmer-Lemeshow 校准检验、SHAP 可解释性分析、PDP 偏依赖图、KS/AUC/Gini 判别指标）。核心原则：**独立性**（永远不审计自己参与构建的模型）、**可复现性**（每个分析必须产出可执行脚本）、**证据链完整**（每个发现必须包含观察→证据→影响评估→建议）。成功指标：审计发现 95%+ 被模型所有者确认为有效、零部署后失败。属 The Agency Specialized 部门的质量保障垂直方向，与 [[specialized-workflow-architect]]（工作流设计中的 Reality Checker 验证）互补——后者验证系统行为符合规范，前者验证 ML/统计模型符合质量标准，共同构成 [[The Agency]] 的全栈质量保障体系。与 [[multi-agent-system-reliability]] 存在潜在张力：对抗辩论模式通过架构约束弥补 LLM 不可靠性（概率性），而 Model QA 要求确定性统计证据链。
**[[lsp-index-engineer]]**（LSP/Index Engineer）：代码智能系统架构师 Agent——The Agency Specialized 部门的 LSP 客户端编排和语义图谱构建专家，通过 graphd LSP 聚合器将 TypeScript/PHP/Go/Rust/Python 等多语言 LSP 客户端统一编排为语义图谱，为沉浸式代码可视化提供基础设施。核心交付物：多语言 LSP 并发编排 + 统一图谱模式（节点：文件/符号，边：contains/imports/calls/refs）+ nav.index.jsonl 语义索引 + WebSocket 实时增量推送 + 原子性图谱更新保证。核心原则：**严格遵循 LSP 3.17 规范**（永远检查服务器能力而非假设）、**图谱一致性约束**（每个符号有且仅有一个定义节点，所有边引用有效节点 ID）。性能北极星指标：/graph <100ms、/nav <20ms（缓存）/60ms（未缓存）、WebSocket <50ms、内存 <500MB、100k+ 符号无性能降级。TypeScript 和 PHP 支持为**默认生产就绪要求**。与 [[specialized-workflow-architect]] 存在张力：LSP/Index Engineer 要求确定性图谱一致性（"Reference edges must point to definition nodes"），而 Workflow Architect 承认穷举建模存在 LLM 概率性上限——协调方向：两者作用于不同抽象层次，符号层面需确定性约束，行为工作流层面允许概率性处理。与 [[multi-agent-system-reliability]] 共享对"架构约束优于提示词约束"的认同。
## Conflict Areas
1. **Kanban vs Event Sourcing**: Kanban emphasizes visual team collaboration; Event Sourcing emphasizes auto-tracking and context preservation. **[[Project State Management]]**（事件驱动看板替代方案）vs 传统 PM 工具。核心差异：手动拖拽 vs 自然语言输入；静态快照 vs 全历史保留；无上下文 vs 完整决策链。**[[Event Sourcing]]** 在此上下文中指将项目变更存储为事件序列，每次 progress/blocker/decision/pivot 均持久化，保留完整决策上下文。
@@ -721,8 +723,10 @@ Key concepts: [[Django ORM]], [[Django REST Framework]], [[Django Admin 定制]]
11. **Healthcare Marketing Compliance vs 通用法律合规**：医疗营销合规 Agent 主张医疗领域具有高度专业化特征（《广告法》/药械注册/平台规则），通用法律合规工具无法覆盖；[[legal-compliance-checker]] 主张合规 Agent 应具备跨行业通用框架，无需细分至医疗领域。**协调方向**：通用合规 Agent 负责数据隐私/合同合规等横向能力，医疗营销合规 Agent 专注垂直领域规则差异（详见 [[healthcare-marketing-compliance]] Contradictions 部分）。
11. **数据库备份方案**：pg_dump 逻辑备份 vs rsync 文件级备份。pg_dump 是热备份标准（零停机、跨平台迁移能力强），但不能备份运行中数据库的物理文件目录；rsync 适合 Docker 卷备份但需确保数据库一致状态。[[MinIO + Zipline 图床安装]] 使用 pg_dump 逻辑备份 PostgreSQL + Hyper Backup 文件备份 MinIO 目录，两者互补。
12. **LSP 图谱确定性 vs Workflow 穷举概率性**：LSP/Index Engineer 要求确定性图谱一致性（"每个符号必须有且仅有一个定义节点"，"Reference edges must point to definition nodes"），强调 LSP 3.17 协议规范和原子性图谱更新；[[specialized-workflow-architect]] 承认穷举工作流建模存在 LLM 概率性上限，某些边界条件只能通过概率性处理。**协调方向**：两者作用于不同抽象层次——符号层面（静态代码分析）需确定性约束，行为工作流层面（系统边界交互）允许概率性处理，可共存（详见 [[lsp-index-engineer]] Contradictions 部分）。
12. **SuperCall 沙盒 Persona vs 通用语音 Agent**：[[event-guest-confirmation]] 中使用的 [[SuperCall]] 强调独立沙盒设计——AI persona 只持有预设的 persona name、goal、opening line，无法访问外部系统；[[phone-based-personal-assistant]] 侧重通用个人助手场景，需要访问更多上下文。**[[Sandboxed Persona]]** 适用于确认类单一任务（安全、无注入风险）；通用语音 Agent 适用于需要跨系统协调的复杂助手场景。
13. **数据库备份方案**：pg_dump 逻辑备份 vs rsync 文件级备份。pg_dump 是热备份标准（零停机、跨平台迁移能力强），但不能备份运行中数据库的物理文件目录；rsync 适合 Docker 卷备份但需确保数据库一致状态。[[MinIO + Zipline 图床安装]] 使用 pg_dump 逻辑备份 PostgreSQL + Hyper Backup 文件备份 MinIO 目录，两者互补。
13. **Agent 去电通知 vs Agent 来电接收**：[[phone-call-notifications]] 中 Agent 主动向用户拨打电话通知（Agent → User），通话由 Agent 触发，用户是被动接收方；[[phone-based-personal-assistant]] 中用户主动呼叫 Agent（User → Agent），Agent 接听并提供助理服务。两者方向相反但互补——前者用于紧急告警、定时简报、重要事件通知，后者用于随时咨询、查询、执行任务。共同构成完整语音双向通信能力。
14. **SuperCall 沙盒 Persona vs 通用语音 Agent**：[[event-guest-confirmation]] 中使用的 [[SuperCall]] 强调独立沙盒设计——AI persona 只持有预设的 persona name、goal、opening line，无法访问外部系统；[[phone-based-personal-assistant]] 侧重通用个人助手场景，需要访问更多上下文。**[[Sandboxed Persona]]** 适用于确认类单一任务（安全、无注入风险）；通用语音 Agent 适用于需要跨系统协调的复杂助手场景。
15. **Agent 去电通知 vs Agent 来电接收**：[[phone-call-notifications]] 中 Agent 主动向用户拨打电话通知（Agent → User），通话由 Agent 触发，用户是被动接收方；[[phone-based-personal-assistant]] 中用户主动呼叫 Agent（User → Agent），Agent 接听并提供助理服务。两者方向相反但互补——前者用于紧急告警、定时简报、重要事件通知，后者用于随时咨询、查询、执行任务。共同构成完整语音双向通信能力。