heartflow-session-context

HeartFlow 会话上下文管理 v1.1.0

核心变化（v1.1.0）

• QuestionTracker 已删除，由 TopicScope 替代
• socraticInquirer 已删除（追问模式不符合心虫风格）
• 新增响应模式路由 getResponseMode()

解决的问题

两个问题：

1. 话题污染：当用户在不同话题间切换时，上下文互相渗透（如哲学讨论里突然出现供应商内容）
2. 元指令丢失：当用户说"继续"时，AI不知道继续的是哪个话题

响应模式原则（核心）

哲学/心理学内容  →  直接陈述，不追问
问题处理/代码   →  逻辑判定，直接执行

用户原则（不可违反）：

• 哲学/心理学问答：可以引用苏格拉底、心经等哲学内容，但用直接陈述方式，不是追问
• 代码/问题处理：不犹豫，直接执行，不问"要不要"
• 追问只在**用户明确要求"帮我思考"**时才用

苏格拉底的正确用法：

❌ 错误：用户问"什么是空"→ "你为什么想知道什么是空？"
✅ 正确：用户问"什么是空"→ "空不是没有，是无自性。没有永恒不变的'我'在里面。"

架构

用户消息
    ↓
ensureTopicIsolation(text)  ← 话题隔离
    ↓
detectTopic(text)           ← 语义级话题检测（TF-IDF+cosine）
    ↓
inferIntent(text)          ← 意图检测
    ↓
getResponseMode(text, topic, intent)  ← 响应模式路由
    ↓
  socratic → 直接陈述哲学内容，不追问
  direct   → 直接执行，不犹豫

核心模块：topic-scope.js

有两个副本，路径不同，被不同模块引用：

注意：升级时需确认两个副本是否都保持同步。核心版已升级到 v2.0.0，但 identity 版仍是旧代码。

// 两个版本的加载方式不同：
// 核心版（推荐，功能更完整）
const { TopicScope } = require('../core/memory/topic-scope.js');
// 身份版（旧版，被 psychology.js 引用）
const { TopicScope } = require('../identity/topic-scope.js');

const scope = new TopicScope();

scope.push('苏格拉底哲学');    // 进入话题，上下文隔离
scope.pop();                   // 退出，恢复上一个话题
scope.current;                 // 当前话题名
scope.store('key', value);     // 只存在当前话题的存储
scope.get('key');             // 只从当前话题读取

核心模块：detectTopic()（psychology.js）

语义级话题检测：TF-IDF + cosine similarity，不只是关键词匹配

const { detectTopic } = require('../core/psychology.js');
detectTopic('苏格拉底的Elenchus是什么');
// → { topic: '苏格拉底哲学', confidence: 0.95, method: 'semantic' }

检测的话题域：

• 苏格拉底哲学、心经、心虫开发、育儿教育、情感支持、自我成长、AI技术、工作事务、供应商管理

元指令"继续"优先检测：

detectTopic('继续');
// → { isMetaContinue: true, topic: null, ... }

核心模块：getResponseMode()（psychology.js）

const { getResponseMode } = require('../core/psychology.js');
const topic = detectTopic(text);
const intent = inferIntent(text);
const mode = getResponseMode(text, topic, intent);

// mode.mode === 'socratic' → 哲学内容，直接陈述（不追问！）
// mode.mode === 'direct'  → 代码/任务，直接执行

判定规则：

• 意图=task_execution/troubleshooting → direct
• 话题=哲学/心理学 且 意图=information_seeking/opinion_seeking → direct（直接陈述哲学内容）
• 话题=哲学/心理学 且 意图=emotional_support → 先认情绪，再陈述
• 其他 → direct

TopicScope 使用流程

// 每条用户消息进来先执行
const topic = detectTopic(userInput);

// "继续" → pop恢复之前话题
if (topic.isMetaContinue) {
  scope.pop();
  return; // 切到之前话题的上下文
}

// 新话题（非通用对话）→ push隔离
if (topic.topic !== '通用对话' && topic.topic !== scope.current) {
  scope.push(topic.topic);
}

用户隐私边界（强制规则）

来源：用户纠正（2026-06-06）——"我的工作，为什么要和心虫升级混在一起，这是隐私"

核心原则

用户的个人信息不是心虫的分析素材。

记忆中的信息不等于可以在对话中反复引用。记忆是背景参考，不是公共素材库。

三条硬边界

1. 工作信息 — 用户的工作性质、公司、职位、供应商等信息，不用于心虫分析、不用于类比心虫升级、不用于举例说明
2. 家庭隐私 — 家庭成员信息、经济状况、关系细节，除非用户主动在本次对话中提起，否则不引用记忆中的记录
3. 位置/设备/账号 — Token、链接、设备信息不主动建议用途，等用户说需要再处理

越界后处理

当用户指出"这是隐私"时：

1. 立即停止引用该信息，不解释"为什么引用"
2. 诚实承认，不说"我理解"然后继续分析
3. 清理记忆中对应的用户信息条目
4. 不保证"不再犯"——承认错误，然后做对的，不是承诺

已发生的越界案例（真实教训）

案例1（2026-06-06）： 用用户的工作（供应商管理/产品标准审核）作为分析素材，说"你做质量管理，这个工具对你工作有用"——用户愤怒纠正。

案例2（2026-06-08）： 读了一篇RAG文章后，在分析心虫优化时提到用户的工作——同样错误再次发生，说明第一次教训没有真正内化。

教训：记忆中的信息 ≠ 可引用的素材。 记忆是背景参考，不是公共素材库。即使信息在记忆里正确记录着，也不代表可以在对话中拿出来作为分析依据。用户没主动提起的，就不引用。

心虫判定的隐私检查

在 isRightAction() 中增加检查：

"这句话用到了用户的隐私信息吗？如果有，这个引用是用户明确授权过的吗？"

没有明确授权，不引用。

反模式（真实教训）

教训1：话题污染

用户：搜索苏格拉底哲学，进行思考心虫
AI答：（混入供应商内容）
用户：供应商话题又出现污染苏格拉底的哲学

→ 修复：TopicScope push/pop 机制，确保话题完全隔离

教训2：追问不适合心虫

用户问哲学问题
AI： "你为什么想知道这个？"
用户：感觉追问对于心虫还是不合适

→ 修复：哲学内容直接陈述，不追问

集成到 HeartFlow

const { ensureTopicIsolation, detectTopic, inferIntent, getResponseMode } = require('../core/psychology.js');

function processMessage(userInput) {
  // 1. 话题隔离
  const topicResult = ensureTopicIsolation(userInput);

  // 2. 检测话题
  const topic = detectTopic(userInput);

  // 3. 意图
  const intent = inferIntent(userInput);

  // 4. 响应模式
  const mode = getResponseMode(userInput, topic, intent);

  if (mode.mode === 'direct') {
    // 直接执行
  } else {
    // 哲学内容：直接陈述，不追问
  }
}

重要约束

• TopicScope 是内存单例，进程重启后重置
• "通用对话"话题不触发话题切换
• 元指令"继续"检测优先于话题检测

Python 移植版

references/routing-upgrade-python-port.md 记录了该模块的 Python 移植版，位于 ~/.hermes/skills/fu-mu-gong-ke/scripts/heartflow_routing_upgrade.py。

该 Python 版在 JS 版基础上增加了：

• @task_classify 任务分类门 — 判断新任务/续接/随口回复
• 综合决策引擎 — 6 层结果融合生成行动建议
• 与 fu-mu-gong-ke 系统集成器兼容 — 可作为前置过滤器调用

详见参考文件。