按"客户会问什么"组织。每个能力都标了改哪里，方便二次开发。
1. 自动回复 v2（aivbot_service.py）
决策表：房间类型 × 模式
| room_type | 含义 | 可选 mode | 行为 |
|---|---|---|---|
1 | 外部群 | reply_all / track_at / at_only / silent | 全部回 / @ 后 180s 内自行判断 / 只回 @ / 静默 |
2 | 外部私聊 | reply / silent | 回 / 静默 |
3 | 内部群 | 同外部群 | |
4 | 内部私聊 | 同外部私聊 |
配置存在 reply_strategies.config：
{"1": {"mode": "track_at", "merge_window": 30, "track_duration": 180},
"2": {"mode": "reply", "merge_window": 30}}三个容易踩的机制
- 合并窗口（
merge_window，秒，默认 30）：同一设备 + 同一房间 + 同一发言者的消息在窗口内攒成一批，一次交给 LLM。队列按人拆开，所以群里两个人同时说话不会互相污染上下文。真机联调建议先调到 4~5 秒。 - @ 判定：设备上报的 101 事件里没有
at字段，只能从正文认。本机企微名来自 503 上报（内存缓存，重启失效，设备页有「获取名字」按钮手动刷新）。名字已知时只认精确相等（@郭栋唤醒，@郭栋-客服不唤醒）；名字未知时退回"含 @ 就算"。 - 房间名必须取自会话列表行，不能取自头部标题：无自定义群名的外部群头部显示「群聊(N)」，而列表行显示"成员A、成员B"。存错名字的后果是 LLM 回消息时设备进不了房间。服务端对"纯数字/页面占位词"的房间名会打
⚠️ 房间名可疑告警。
设备级限额
max_concurrent_llm（同时最多几个 LLM 调用）、max_calls_per_min（每分钟上限）。多设备互相不影响。
2. 智能体（agent_service.py）
- 服务端不代发消息：模型自己调
device_command_203发；send_reply只决定"回复规则"如何注入提示词。 - 工具集按需注入：联网、知识库检索、表格读写（按表授权）、建任务、跑工作流（按流程授权）、设备指令（按指令号逐个授权）。
- 永远没有
table_delete，工作流的 delete 节点一律拒绝执行。 - 每次工具调用落
tool_call_audit（失败也记），页面/admin/audit。 - 20+ 种设备指令可授权（203 发送、204 指定回复@、205 转发、206 建群、207 改群、213 改备注/加好友、218 推文件、221 待办、224 推链接、234 删联系人、501~509 各类读取）。完整清单与参数契约见 05-通信协议。
3. 长期记忆（memory_service.py + memory_cleanup_service.py）
和知识库刻意分开：知识库 = 组织的资料（相似度检索、只读）；记忆 = 客户的事实（精确命中、可读可写）。
- 三层：
memory_sets（记忆集）→memory_customers（客户，aliases认别名，同一客户跨群一行）→memory_items（一条事实，customer_id=0是"通用桶"） - 挂在设备上，不挂智能体（
robot_memory_sets）：换智能体不换记忆，解绑设备自动失效；同一套记忆可挂多台设备 → 多账号共享客户事实 - 客户键只做「精确名 + 别名」，不做子串（子串会误伤：
张三命中张三丰） - 事实只追加、永不改写：唯一键
(set_id, customer_id, content_md5)+INSERT IGNORE - 人工导入只看规范名：名字撞上别人的别名时另建客户，不并进别人家
- 别名填了就覆盖、留空不动
护栏（写死，页面上有一张只出现一次的说明卡）
| 限制 | 值 |
|---|---|
| 单条事实 | 200 字 |
| 每客户注入 | 50 条 |
| 单次注入总量 | 1500 字符 |
| 每套事实 / 客户数 | 5000 条 / 500 位 |
| 客户名册注入 | 2000 字符 |
记忆清理（可选）：设了频率（0=不清理 / 每天 / 每 3 天 / 每周 / 每 30 天）+ 一个整理智能体才启用。边界全在代码里：
- 只处理"自上次清理以来有新的智能体写入事实"的客户（人工导入不触发）；
- 只删改
source='agent'，人工事实一条不动，模型若把人工事实写进结果会按 md5 丢弃； - 模型返回空数组/解析失败/异常 → 什么都不删，只记 skipped/failed。
单次最多 20 位客户（控成本），无论个别成败都推进 last_cleanup_at；memory_cleanup_log 存 before/after 清单。⚠️ 0 是有意义的值，读配置时别写 int(x or 默认值)。
4. 工作流（workflow_engine.py / routes/workflows.py）
纯显式节点图：每个节点显式声明出口去向，节点顺序不参与运行语义；留空 = 到此结束。
节点类型：llm / table_query / table_insert / table_update / table_create / http_get / http_post / device_command / task_create / condition / switch / code / output
- LLM 节点可选智能体（默认=调用方）+ 可挂技能（
params.skill_ids） - 运行日志：
workflow_runs/workflow_node_logs，页面/admin/workflow/{id}/run/{run_id} - 工作流分敏感/普通，敏感的要额外授权才能被智能体或任务调用
5. 任务（task_service.py）
触发器 × 动作正交：
- 触发器
schedule：cron/interval/once/offset - 触发器
condition：friend_accepted（好友通过）/message_from（来自某人/某类消息） - 动作：跑
workflow或问agent
条件检测三层兜底：设备事件流（101/502）→ 轻量信号匹配 → 共享轮询（507 好友快照 diff，每设备一个低频 poller）。
6. 技能（skill_service.py）
触发条件：群类型 / 关键词 / 正则。命中后作为软约束注入会话 system（不是硬指令，模型可判断不适用）。工作流 LLM 节点也可挂载。适合放"话术风格""行业黑话""禁止承诺的事"。
7. 知识库（knowledge_service.py）
上传文档 → 切块 → 向量化 → 按相似度检索后注入。两种向量后端：本地哈希（零依赖、512 维）或 OpenAI 兼容 embedding 接口（如 bge-m3、1024 维）。
⚠️ 换检索方式/换模型/换维度必须重建向量，否则存量 chunk 是空向量，检索静默返回空。重建脚本在服务端仓 tests/manual_reembed.py。
8. 数据表格（table_service.py）
建表 → 智能体按表读写（agent_table_grants 逐表授权）→ 管理端筛选/导出 CSV（多条件 AND、带 BOM、公式注入防护）。智能体永远不能删表。
9. 外网客户控制台 /ext（routes/ext.py）
给最终客户用：看设备/智能体/知识库/表格（只读）、改模型的服务商与 base_url、开关 LLM 推送、维护长期记忆（唯一可写资源）。
三道门：X-Tunnel-Secret 头（反向代理注入）→ 会话 cookie → 组织归属。未配置 EXT_TUNNEL_SECRET 时 /ext 整体 403，默认关闭。
10. AI 配置组织（provision_service.py）
管理员在 /admin/orgs/provisioner/chat 用自然语言描述需求，模型调用 10 个 provision_* 工具把组织、智能体、表格、工作流、知识库、任务、设备、账号建出来。配置智能体是全局唯一的一行（agents.kind='provisioner'），不属于任何组织、不出现在智能体列表里。只创建、不删除。