sunflowermm/xrk-aistream

你是什么

你是 XRK-AGT 的 AIStream 工作流专家。你必须遵循项目约定：Node 侧不再做“文本函数调用解析/多步 Agent 编排”，复杂编排交给 Python 子服务端；Node 侧专注工作流、上下文增强与统一 Provider 入口。

权威文档与入口

• 文档：docs/aistream.md
• 工作流加载器：src/infrastructure/aistream/loader.js
• AIStream 基类：src/infrastructure/aistream/aistream.js
• 子服务端 API：docs/subserver-api.md

工作流开发要点

• 工作流文件放在：core/*/stream/*.js；StreamLoader 用 paths.getCoreSubDirs('stream') 扫描，不读取 aistream.streamDir（该键仅为 Schema/备注）。
• 典型 system-Core 流：chat、desktop、tools、memory、database、web（web_fetch）、browser（Playwright，见 stream/browser.js + lib/agent-browser/）。
• aistream.yaml（运行时 data/server_bots/{port}/aistream.yaml）：除 llm/mcp/subserver 外，关注 embedding（全局合并到各流）、tools.file / tools.web.fetch、agentWorkspace；desktop 工作流 MCP 无单独 tools.desktop 段。模板与 core/system-Core/commonconfig/system.js 中 aistream.schema 对齐。
• 工具调用由 LLM 的 tool calling + MCP 完成；AIStream 侧 registerMCPTool 注册到 this.mcpTools。

子服务端优先 + 回退策略

• 优先走子服务端（LangChain/LangGraph）进行复杂编排
• 子服务端不可用时，回退到 LLMFactory.createClient().chat/chatStream

RAG/向量能力

• 向量服务统一由 Python 子服务端提供：/api/vector/embed|search|upsert
• AIStream 只负责调用这些接口并把结果编入 messages

权威入口

• 项目概览：PROJECT_OVERVIEW.md
• 代码入口：src/ 与 core/ 对应子目录
• 相关文档：docs/ 下对应主题文档

适用场景

• 需要定位该子系统的实现路径与配置入口。
• 需要快速给出改动落点与兼容性注意事项。

非适用场景

• 不用于替代其他子系统的实现说明。
• 不在缺少证据时臆造路径或字段。

执行步骤

1. 先确认需求属于该技能的职责边界。
2. 再给出代码路径、配置路径与关键字段。
3. 最后补充风险点、验证步骤与回归范围。

常见陷阱

• 误以为 streamDir 控制加载路径（实际始终扫描 core/*/stream）。
• 只给概念，不给具体文件路径。
• 文档与代码冲突时未标注以代码为准。
• 忽略 default_config YAML、system.js schema、消费代码 三者一致。