1. 项目概览与相互关系

两者关系：app/rsi/ 各文件 docstring 自述了移植差异——asyncio 化、沙盒移入子进程、A/B 修复为 challenger 不覆盖 champion、L1/L2 挂起策略不再预写配置、记忆多租户隔离、热配置默认值与主系统硬编码完全一致（进化未介入时零行为变化）。RSI 复用主系统全局 LLM 设置，无第二份 API Key（rsi/client.py:36-40）。

flowchart LR
    subgraph RSI原型["lawsight-rsi（独立原型）"]
        A1["core/rsi_loop.py<br/>四阶段循环"] --- A2["optimizers/ 7个优化器"]
        A2 --- A3["governance 沙盒+审批"]
        A1 --- A4["智慧芽专利 / GLM"]
    end
    subgraph 主系统["lawsight-workdsh（主系统）"]
        B1["对话/分析任务引擎<br/>llm.py + workflow.py + harness.py"]
        B2["app/rsi/ 子系统<br/>（源码级融入，异步化+加固）"]
        B1 -- "task.end 钩子" --> B2
        B2 -- "热配置反哺提示词/工具/工作流" --> B1
    end
    RSI原型 == "深度移植" ==> B2

2. 总体架构（lawsight-workdsh）

flowchart TB
    subgraph FE["前端 Vue3（frontend/src，11 个视图）"]
        V0["WorkbenchView 工作台<br/>左会话/中对话/右产物"]
        V1["Library / Experts / Skills / Projects / Schedules"]
        V2["McpView MCP服务"]
        V3["RSI 三页：Dashboard / Evolution / Governance"]
        V4["Settings（模型/语言/标题）"]
    end

    subgraph API["FastAPI 路由层（main.py 挂载 12 个 router）"]
        R1["/api/sessions（chat=SSE）"]
        R2["/api/tasks（run/stop=SSE，workflow 透视）"]
        R3["/api/library /experts /skills /projects /schedules /artifacts /settings /harness"]
        R4["/api/rsi/*（36 端点）"]
        R5["/api/mcp/*（服务器 CRUD + 工具调用）"]
    end

    subgraph ENG["引擎层"]
        E1["workflow.py 分析任务引擎<br/>轮次循环·检查点·停止/恢复·Token记账"]
        E2["llm.py 提示词组装 + 工具执行<br/>5 内置工具 + SSE 解析"]
        E3["harness.py Agent Harness<br/>工具注册表·权限·6钩子·压缩·记忆·重试"]
        E4["scheduler.py 定时任务<br/>metrics.py Redis Stream"]
    end

    subgraph CAP["能力层"]
        C1["artifacts.py 产物校验+导出<br/>（html/pptx/docx/xlsx）"]
        C2["converters.py 8格式→Markdown"]
        C3["skills.py SKILL.md 管理 + ZIP 导入"]
        C5["mcp/ Streamable HTTP + STDIO 客户端<br/>工具以 mcp__server__tool 注入 harness"]
    end

    subgraph RSI["RSI 自我进化子系统（app/rsi/，15 模块）"]
        S0["collector 轨迹采集（harness 钩子）"]
        S1["evaluator 四维评估"]
        S2["optimizers 6优化器+元优化器"]
        S3["governance 沙盒/黑名单/审计<br/>executor 应用/回滚/A/B<br/>monitor 巡检熔断"]
        S4["loop 循环编排 + events SSE 总线<br/>memory 四层记忆 + knowledge + feedback"]
    end

    subgraph DATA["数据层"]
        D1[("store.py SQLite lawsight.db<br/>18 领域表 + 13 RSI 表 + mcp_servers")]
        D2["data/ 技能库(82+) · 记忆文件 · 资料原件 · exports"]
        D3["settings.json（6键白名单）"]
    end

    EXT["外部：GLM(OpenAI兼容) · Redis Stream · MCP 服务器(wk-mcp)"]

    FE --> API --> ENG
    ENG --> CAP
    ENG --> RSI
    E3 -- "工具注册表统一调度" --> C5
    ENG --> DATA
    RSI --> DATA
    E1 -- "每轮 LLM 调用" --> EXT
    C5 --> EXT
    S0 -- "task.end" --> E3

启动装配（main.py:25-34 lifespan）：seed_all() → scheduler.start() → rsi_loop.start()（种子配置+采集钩子+监控巡检）→ mcp_manager.start()（自动连接+30s 重连）；关闭逆序。静态托管 frontend/dist，非 /api 404 回退 SPA（main.py:65-81）。

3. 核心设计一：对话即任务（统一执行路径）

"一轮对话 = 一个分析任务"（routers/sessions.py:171-193）：chat 端点为每条用户消息 workflow.create_task 后 run_task 流式执行，普通聊天免费获得检查点/停止/恢复/Token 记账/RSI 轨迹采集；llm.stream_chat 仅剩定时任务路径使用。

sequenceDiagram
    participant U as 用户(WorkbenchView)
    participant S as POST /api/sessions/{id}/chat
    participant W as workflow.run_task
    participant H as harness
    participant L as GLM(流式)
    U->>S: 发送消息（/技能 专家 资料引用）
    S->>W: create_task(每轮对话=1任务)
    W-->>U: SSE: task(taskId)
    loop 轮次(上限 max_rounds=12, RSI 可调)
        W->>W: 停止检查 stop_requested
        W->>H: compact_messages(预算压缩)
        W->>L: 流式补全(with_retry×3)
        L-->>U: SSE: reasoning / delta
        W->>W: usage 记账 + Redis XADD wf:llm_tokens
        W->>W: 落检查点(round/messages/pendingTools)
        loop 每个工具调用
            W->>H: execute_tool(权限→钩子→超时)
            H-->>U: SSE: tool(running/done) / artifact
            W->>W: 再落检查点
        end
    end
    W-->>U: SSE: done(usage) + 落库助手消息
    W->>H: emit("task.end") → RSI collector 采集

检查点/停止/恢复语义（workflow.py:209-587）：

• checkpoint = {round, messages[全量], assistantText, reasoning, thinkingMs, pendingToolCalls}（_checkpoint :277-281），每轮后与每个工具后写入。
• POST /tasks/{id}/stop 仅置 stop_requested=1，引擎在安全点（轮开始/工具前后）以 stopped 收尾并保留 checkpoint；completed 清空。
• POST /tasks/{id}/run 从 checkpoint 恢复：先执行 resume-tools 阶段补跑遗留 pendingToolCalls，再续轮次；恢复偏移量保证只落库新增正文（:551-552）。
• 客户端断开 → stopped 停在最近检查点（:546-547）；前端气泡出现「已停止于检查点 rN，可恢复」芯片，点击续跑。

4. 核心设计二：Agent Harness（手、眼、记忆、安全边界）

harness.py（405 行）把引擎与能力边界解耦：

系统提示词组装（llm.py:67-160）：RSI 进化基础提示（SHA1(task_key)%2 确定性 A/B 分流）→ 专家人设（含技能依赖并入）→ 技能正文（8000 字上限）→ 资料库固定修订（≤12 条×24000 字）→ 项目指令 → 语言指令置末（近因效应）。所有限额都是 RSI context_policy 热配置旋钮。

5. 核心设计三：RSI 自进化闭环

5.1 数据采集闭环（Perform 层，持续发生）

flowchart LR
    A["会话对话/定时任务"] --> B["analysis_tasks<br/>(trace+精确usage)"]
    B -- "harness.emit(task.end)<br/>workflow.py:580" --> C["rsi/collector._on_task_end"]
    C --> D["rsi_trajectories 轨迹<br/>(steps/A-B变体/tokens)"]
    C --> E["L2隐式+L3结果反馈"]
    C --> F["knowledge 知识萃取"]
    C --> G["memory.sync_user_memory<br/>文件→long层"]
    C --> H["异步 L4 评审(LLM 1-5分<br/>+插件融合调整)"]
    C --> I["loop.on_task_finished()<br/>计数≥8 且 autonomy≥2"]
    I --> J["run_cycle(auto_after_tasks)"]
    U["用户 👍/👎"] --> K["feedback.submit_l1(L1)"]
    K --> F
    H --> D

stopped 任务不计反馈（可恢复，collector.py:208-210）；L4 评审用任务画像（状态/延迟/tokens/轮次/工具成功率/产物）打分，高分轨迹自动沉淀长期记忆。

5.2 进化循环四阶段（rsi/loop.py:31-144，单实例互斥）

flowchart TB
    START(["run_cycle(trigger)"]) --> P0{"monitor.is_paused()?<br/>熔断检查"}
    P0 -- 是 --> FAIL(["status=failed 熔断拒跑"])
    P0 -- 否 --> E1["② Evaluate<br/>evaluator.evaluate()<br/>规则阈值+LLM机会识别<br/>→ rsi_evaluations"]
    E1 --> M0["③ Modify<br/>budget=40000-token已用"]
    M0 --> M1["generate_strategies<br/>元优化器按可信度选top4<br/>6优化器生成 Strategy"]
    M1 --> M2{"governance.check_strategy<br/>14条危险正则+受保护目标"}
    M2 -- 拦截 --> BLK["blocked"]
    M2 --> M3{"executor.validate_strategy<br/>沙盒验证→sandbox_score"}
    M3 -- "score=0" --> BLK2["淘汰"]
    M3 --> M4["meta select_best<br/>rank=gain×sandbox×trust<br/>×cost_penalty+roi/1000"]
    M4 --> M5{"ROI≥0.5 或零成本?"}
    M5 -- 否 --> SKIP["仅存档"]
    M5 -- 是 --> M6{"autonomy≥3<br/>或人工批准?"}
    M6 -- 是 --> M7["apply_strategy<br/>快照旧值→写热配置/A-B挑战者/插件"]
    M6 -- 否 --> M8["pending_approval<br/>不写任何配置(修复点)"]
    M7 --> R1["④ Redeploy<br/>settle_ab_test 裁决<br/>monitor.check_once 巡检"]
    R1 --> DONE(["cycle completed<br/>report落库+SSE"])

5.3 七类优化器（rsi/optimizers.py）

5.4 策略生命周期与治理纵深

stateDiagram-v2
    [*] --> generated: 优化器生成
    generated --> blocked: 危险模式/受保护目标
    generated --> validated: 沙盒通过(sandbox_score>0)
    validated --> skipped: 未入选/ROI不足
    validated --> pending_approval: autonomy L1/L2
    validated --> applied: autonomy L3/L4 自动应用
    pending_approval --> applied: 人工批准(actor=human)
    pending_approval --> rejected: 人工驳回
    applied --> kept: A/B challenger 胜出转正
    applied --> rolled_back: A/B 落败 / 监控熔断自动回滚 / 人工回滚
    kept --> [*]
    rolled_back --> [*]

七层安全纵深（每条策略必经）：
① 14 条危险正则黑名单 → ② 受保护模块前缀（governance/loop/executor/store…）→ ③ CONFIG_SCHEMA 键与字段范围白名单（如 max_rounds 4-20、提示 30-4000 字）→ ④ 子进程 AST 沙盒（节点白名单+受限 builtins+回归用例+8s 硬超时杀进程）→ ⑤ 自主级别门控（L1 观察/L2 建议/L3 自动应用/L4 全自主，may_auto_apply≥3）→ ⑥ pending_approval 人工审批（未批准不写任何运行时配置）→ ⑦ 监控熔断（30 分钟窗错误率>0.3 → critical 告警 + L3/L4 自动回滚最近 applied + 暂停进化，人工 resume）。全链路 rsi_audit_logs 留痕。

5.5 A/B 测试与热配置反哺

• 分流：SHA1(task_key) 前8位 % 2 确定性分臂（rsi/config.py:177-190），champion 保持原文，challenger 为进化提示。
• 裁决：总样本≥6 且两臂各≥4 条 L4 评审，challenger 均分高出 0.05 才转正；否则回滚（optimizers.judge_ab_test + executor.settle_ab_test）。
• 反哺点（进化结果 → 下一次对话立即生效）：llm.py:72-75 基础提示/A-B；llm.py:61-65 上下文限额；llm.py:314-321 HTTP 超时；workflow.py:27-53 轮次/历史/记忆检索注入；harness.py:191-201 工具开关+统一超时（应用策略后 executor._refresh_tool_timeouts 即时刷新）。

6. 支撑子系统速览

数据模型（SQL，31+ 表，节选）

erDiagram
    sessions ||--o{ messages : "消息"
    sessions }o--|| experts : "专家人设"
    sessions }o--o| projects : "所属项目"
    sessions ||--o{ library_refs : "固定修订引用"
    sessions ||--o{ artifacts : "文件成果"
    analysis_tasks }o--|| sessions : "一轮对话=一任务"
    analysis_tasks ||--o{ rsi_trajectories : "task.end采集"
    library_assets ||--o{ library_revisions : "不可变修订"
    library_assets ||--o{ library_drafts : "乐观锁草稿"
    experts ||--o{ expert_revisions : "发布修订"
    projects ||--o{ project_work_items : "看板"
    schedules ||--o{ schedule_runs : "运行记录"
    rsi_trajectories ||--o{ rsi_feedback : "L1-L4反馈"
    rsi_cycles ||--o{ rsi_strategies : "策略"
    rsi_cycles ||--o| rsi_evaluations : "评估"
    mcp_servers ||--o{ harness_tools : "mcp__前缀注册"