agcore/design/roadmap/roadmap-v0.1.0.md

AG Core Roadmap — v0.1.0

本文件聚焦 v0.1.0 版本 的规划与交付（Phase 0–4c），已于 2026-07-04 完成发布。 返回总入口：roadmap.md

v0.1.0 愿景

AG Core 定位为构建 AI 智能体的底层工具箱，通过模块化、可插拔的架构，提供大模型调用、提示词工程、工具系统、记忆检索四大核心能力，支持快速组合出符合业务需求的智能体应用。

v0.1.0 总体范围

总体规模：5 个主体 Phase（Phase 0–4c）+ Provider IR 重构 + LlmCycle 简化 + v0.1 Release 收尾，182 个测试全绿，clippy 0 警告，7 个离线示例全 exit 0。

---

Phase 0 — Foundation（基础设施）

目标：实现 LLM 调用周期的核心功能，作为所有上层模块的基础。

交付物：

1. ✅ llm/types.rs — 核心数据类型（Message, ContentBlock, ChatRequest/Response, ToolDefinition, StopReason）
2. ✅ llm/error.rs — 错误体系（LlmError 枚举，可重试/不可重试判断）
3. ✅ llm/provider.rs + llm/provider/openai.rs — Provider 接口 + OpenAI 兼容实现
4. ✅ llm/provider/registry.rs — ProviderRegistry（多 Provider 注册发现）
5. ✅ llm/cycle.rs + llm/cycle/{retry,usage}.rs — 生命周期引擎（重试策略 + 用量追踪）
6. ✅ llm/hooks.rs — HookExecutor 接口（生命周期钩子）
7. ✅ llm/stream.rs — StreamEvents 流式事件系统（AssistantTextDelta, ToolExecutionStarted 等）
8. ✅ llm/compact.rs — Auto-compaction（上下文自动压缩）
9. ✅ Cargo.toml — 添加依赖（tokio, reqwest, serde, thiserror, async-trait, tracing）

依赖：无

优先级：Must Have

预估规模：约 1000 行核心代码

状态：✅ Phase 0 全部交付物已完成

---

Phase 1 — Prompt Engineering（提示词工程）

目标：提供提示词的组合、模板化与优化能力。

交付物：

1. ✅ prompt.rs + prompt/ 模块
2. ✅ PromptTemplate — 模板引擎（支持变量插值、条件渲染）
3. ✅ PromptComposer — 提示词组合器（拼接 system/user/assistant 消息）
4. ✅ docs/4-prompt-engineering.md — 方案文档

依赖：无（可与 Phase 0 并行）

优先级：Should Have

预估规模：约 400 行代码

状态：✅ Phase 1 全部交付物已完成

---

Phase 2 — Tool System（工具系统）

目标：实现 MCP 协议集成与自定义工具注册、调用、权限控制。

交付物：

1. ✅ tools.rs + tools/ 模块（base/registry/permission/mcp/error）
2. ✅ ToolRegistry — 工具注册表（注册、发现、调用、并行执行、超时控制）
3. ✅ BaseTool trait — 工具抽象接口（含 ToolContext 执行上下文）
4. ✅ McpClient — MCP 协议客户端（stdio transport，StreamableHttp 预留）
5. ✅ PermissionChecker — 工具执行权限检查（白名单/黑名单/自定义权限）
6. ✅ docs/5-tool-system.md — 方案设计文档
7. ✅ 扩展 llm/cycle.rs 支持自动 tool 循环（submit_with_tools() + submit_request() + maybe_compact()）
8. ✅ ToolError — 结构化错误体系（含 is_recoverable() 分类）

依赖：Phase 0（LlmProvider 接口传递 tool definitions）、Phase 1（提示词可能需要注入工具描述）

优先级：Should Have

预估规模：约 900 行代码（实际约 1500 行）

状态：✅ Phase 2 全部交付物已完成

---

Phase 3 — Memory System（记忆系统）

目标：提供对话记忆的存储、检索与管理能力。

交付物：

1. ✅ memory.rs + memory/ 模块（store / conversation / knowledge / retriever / error / types）
2. ✅ MemoryStore trait + InMemoryStore — 记忆存储抽象（可插拔后端）+ 默认实现
3. ✅ ConversationMemory — 对话记忆管理（sliding window / 全量），复用 llm::compact
4. ✅ KnowledgeStore — 知识页面存储（具体 struct，非 trait，基于 MemoryStore）
5. ✅ MemoryRetriever — 记忆检索器（TextOverlap Dice 系数评分，单通道）
6. ✅ docs/6-memory-system.md — 方案设计文档
7. ✅ docs/note-knowledge-graph-design.md — KnowledgeGraph 等 Phase 4 备用设计
8. ✅ EvictionPolicy — 支持 None / Ttl / Capacity 三种淘汰策略

依赖：Phase 0（llm::compact 复用）、Cargo.toml 新增 time 依赖

优先级：Could Have

预估规模：约 700 行代码（实际约 1242 行，含测试）

状态：✅ Phase 3 全部交付物已完成

---

Phase 4a — Agent Core Glue（核心胶水层）

目标：提供最小可用的 Agent Runtime——把 Phase 0-3 的能力"装配"成 AgentSession::submit_turn。上层可基于 4a 构建多轮对话应用。

交付物：

1. ✅ agent.rs + agent/ 模块（7 个文件：agent/error/runtime/builder/session/task + 模块根）
2. ✅ Agent trait — 智能体角色定义（name / system_prompt / tool_definitions）
3. ✅ AgentSession — 会话实例（绑定 Arc<dyn Agent> + RuntimeBundle + 内联 HashMap session_data）
4. ✅ RuntimeBundle — 显式依赖注入容器（不含 session_memory_backend）
5. ✅ AgentBuilder — 链式构造入口（不含 session_memory_backend）
6. ✅ AgentError — 统一错误类型（7 个变体：Llm / Tool / Memory / HookBlocked / LimitExceeded / Config / Other；不含 PlanParse）
7. ✅ Plan / Step / StepStatus — 纯数据结构（不含任何解析逻辑）
8. ✅ Hook 事件扩展：OnTurnStart / OnTurnEnd + turn_index 字段
9. ✅ docs/7-agent-runtime.md — 方案设计文档（含 4a/4b/4c 分阶段计划）

实际新增：

• 新增文件 7 个（agent.rs + agent/{agent, error, runtime, builder, session, task}.rs）
• 修改文件 3 个（lib.rs +1 行；llm/hooks.rs +13 行追加变体/字段；llm/cycle.rs 内部字段 Box→Arc + 新增 new_with_arc 公共方法）
• 实际代码量约 800 行（含测试；纯实现约 470 行——略高于方案预估 440 行，因 AgentSession 的 tests 模块内联 MockProvider/StubAgent 等辅助结构）
• 新增内联测试 22 个；全量测试 84 → 109（0 失败）
• clippy 0 警告（agent 模块）
• 无新增外部依赖

依赖：Phase 0, 1, 2, 3

优先级：Could Have

预估规模：约 440 行代码

状态：✅ Phase 4a 全部交付物已完成

---

Phase 4b — Task Execution（任务执行）

目标：在 Phase 4a 基础上，赋予智能体"拆解目标 → 逐步执行"的能力。

前置条件：Phase 4a 已完成。

交付物：

1. ✅ TaskAgent trait — run(goal) 自主式 + execute_plan(plan) 外部驱动式
2. ✅ PlanParser trait + JsonPlanParser 参考实现
3. ✅ AgentError 追加 PlanParse 变体（共 7 个变体）
4. ✅ Hook 事件扩展：OnPlanStepComplete + plan_step_index 字段

依赖：Phase 4a

优先级：Could Have

预估规模：约 200 行代码（增量）

实际新增：

• 修改文件 2 个（llm/hooks.rs +5 行；agent/error.rs +10 行）
• 新增代码约 150 行（含测试；纯实现约 90 行）
• 新增内联测试 4 个；全量测试 109 → 113（0 失败）
• clippy 0 警告
• 无新增外部依赖

状态：✅ Phase 4b 全部交付物已完成

---

Phase 4c — Session Memory（会话级记忆）

目标：提供会话级 key-value 记忆，作为 session 内各 context 之间的信息桥接通道。

前置条件：Phase 4a 已完成（可与 Phase 4b 并行）。

交付物：

1. ✅ SessionMemory struct — 基于 MemoryStore，按 session_id namespace 隔离
2. ✅ RuntimeBundle + AgentBuilder 扩展 session_memory_backend 字段
3. ✅ AgentSession 替换内联 HashMap 为完整 SessionMemory

依赖：Phase 4a（Phase 3 MemoryStore）

优先级：Could Have

预估规模：约 115 行代码（增量）

实际新增：

• 新增文件 1 个（agent/session_memory.rs）
• 修改文件 4 个（agent/runtime.rs +5 行；agent/builder.rs +10 行；agent/session.rs +30 行；agent.rs +2 行）
• 新增代码约 180 行（含测试；纯实现约 100 行）
• 新增内联测试 3 个；全量测试 113 → 116（0 失败）
• clippy 0 警告
• 无新增外部依赖

状态：✅ Phase 4c 全部交付物已完成

---

graph BT
    P0["<b>Phase 0: Foundation</b><br/>LLM Cycle<br/>ProviderRegistry<br/>HookExecutor<br/>StreamEvents<br/>Auto-compaction"]:::done
    P1["<b>Phase 1: Prompt Engineering</b><br/>PromptTemplate<br/>PromptComposer"]:::done
    P2["<b>Phase 2: Tool System</b><br/>Tool Registry<br/>PermissionChecker<br/>MCP Client"]:::done
    P3["<b>Phase 3: Memory System</b><br/>MemoryStore<br/>ConversationMemory<br/>KnowledgeStore"]:::done
    P4a["<b>Phase 4a: Core Glue</b><br/>AgentSession<br/>RuntimeBundle<br/>Plan/Step 纯数据"]:::done
    P4b["<b>Phase 4b: Task Execution</b><br/>TaskAgent<br/>PlanParser<br/>JsonPlanParser"]:::done
    P4c["<b>Phase 4c: Session Memory</b><br/>SessionMemory"]:::done

    P1 --> P0
    P2 --> P0
    P3 --> P0
    P2 --> P1
    P4a --> P1
    P4a --> P2
    P4a --> P3
    P4b --> P4a
    P4c --> P4a

    classDef done fill:#4ade80,stroke:#16a34a,color:#1a1a1a
    classDef pending fill:#fbbf24,stroke:#d97706,color:#1a1a1a

---

v0.1 发布里程碑（2026-07-04）

质量基线：

指标	数值
cargo build --all-targets	✅ 通过
cargo test --all-targets	✅ 182 passed / 0 failed
cargo clippy --all-targets -- -D warnings	✅ 0 警告
离线示例（cargo run --example）	✅ 7 个全部 exit 0

关键交付：

1. Provider IR 重构 — 统一 Message / ContentBlock / MessageRequest / MessageResponse 类型层；4 个 Provider 适配（OpenAI Chat / Anthropic Messages / DeepSeek / Qwen）；LlmProvider trait 签名同步切换
2. LlmCycle 简化 — LlmCycle 内部消息类型切到 IR 层；移除 Phase 0 的 OpenaiChatMessage ↔ Message 桥接；测试从 116 → 182（含 provider 测试）
3. MockProvider 公开化 — agcore::llm::mock::MockProvider 支持 chat + chat_stream，无需 API key 即可运行示例
4. 7 个离线示例 — prompt_composer / custom_tool / agent_session_demo / task_agent_demo / conversation_memory_demo / knowledge_search_demo / streaming_events_demo
5. 错误消息友好化 — AgentError / LlmError / ToolError / MemoryError / PromptError 全部面向最终用户改写（给出可操作的建议）
6. 文档完整 — README 完整版（快速上手 + 架构图 + 环境变量）、Apache-2.0 LICENSE