笔润智谈 LuminBuddy V2

English · 在线体验 · 更新日志

面向中文内容创作者的 AI 写作工作台：从需求理解、素材检索、提纲确认，到按风格成稿、写后自检、反馈与记忆沉淀，把一次性生成变成可观察、可干预、可迭代的写作流程。

关于笔润智谈

笔润智谈（LuminBuddy）是一款面向中文内容生产场景的 AI 写作助手。它不追求"一键生成"的魔法，而是将写作过程拆解为可观察、可干预、可迭代的工程流程——让创作者在关键决策点保持控制权，同时让 AI 在素材搜集、结构规划、风格适配和质量检查等环节提供有效辅助。

当前成熟度：工程 Beta。已实现完整前后端、Harness 单层 Agent 编排、写作 Pipeline、引导式提纲、风格配置、A/B 评测、反馈系统、分层记忆与监控指标；持续迭代中。

解决了什么问题

通用对话模型可以快速给出一篇稿件，但真实写作任务通常卡在四个环节：

如何解决

核心架构：Harness-LLM 单层持续会话

借鉴 DeepSeek Harness (dsh) 的编排理念，采用单层架构：

用户请求
  → Harness（意图路由、工具注册、状态管理、断路保护）
    → LLM 持续会话（自主决定调用什么工具、何时写作、何时修正）
      ←→ 工具执行（搜索/知识库/写作/评审/修正）
  → 流式输出到前端

关键设计：

• 不存在外层 ReAct + 内层 agent loop 的嵌套，降低延迟与输出漂移
• 1 次 LLM 持续会话替代传统 Pipeline 的 10+ 次独立调用，首字延迟从 30-60s 降至 3-5s
• 会话状态跨轮持久化：文章、素材、搜索记录在同一对话框内累积复用

智能上下文管理

Compaction（对话压缩）：当对话历史超过阈值（10 条消息 / 6000 tokens），自动将旧消息压缩为摘要，前端显示节省的 Token 数。

按需获取（retrieve_context）：LLM 可以根据当前任务需要，主动查询：

• article — 当前文章的特定段落
• memory — 用户的写作偏好和历史记忆
• history — 本轮对话历史
• search — 已收集的搜索素材
• profile — 当前风格配置详情

System Prompt 从全量注入（3000+ tokens）精简为常驻层（500-800 tokens），信息更精准，上下文窗口更充裕。

写作流程

写作需求
  → 意图识别（规则优先，毫秒级路由）
  → 记忆检索（用户偏好注入）
  → 素材检索（多源搜索 + 知识库 + 相关性过滤）
  → 提纲确认（引导模式：确认/编辑/重做）
  → 风格化流式写作（按 Profile 规则生成）
  → 写后审校（质量评分 + 敏感检查）
  → 自动修正（低严重度问题自动修复）
  → 分段反馈 + A/B 评测 + 记忆沉淀

功能特性

写作核心

写作工具集

LLM 在持续会话中自主调用的工具：

搜索源扩展：本仓库提供了 SearchClient 的完整接口和多源并发搜索框架。搜索源的具体对接实现（Tavily、知乎、腾讯新闻、微博、Bing 等）不包含在本仓库中，开发者可以参照 SearchClient 结构自行实现 NewSearchClient 中各搜索源的构造函数。

在线编辑与导出

• 实时编辑：在聊天框内直接编辑文章（Markdown 格式）
• 多格式导出：Markdown (.md) / Word (.doc) / PDF（打印模式）
• 纯前端实现：无需后端 API，浏览器直接生成文件

记忆系统

四层记忆架构：

支持文件层双向同步（Markdown 文件 ↔ 数据库），人类可读、可编辑。

编辑部多 Agent 协作

编辑部内部供稿流程的完整三 Agent 编排系统：

人类编辑创建任务 → 研究Agent → 写作Agent → 审校Agent
  → 质量路由：通过→待发布 / 一般问题→退回 / 严重问题→升级人工

• 角色化 Agent 执行器（RoleAgentRunner）：每个 Agent 有独立 Persona、工具集和信号工具
• 工具注册式管理（EditorialToolRegistry）：新增工具只需 Register，无需修改 switch-case
• 三层模型：Event（客观事实）+ Decision（人类/系统选择）+ Transition（状态转换）
• 质量路由：信源数、信息缺口、验证声明自动评分，达标自动推进
• Agent 信誉：记录成功率、Token 成本、质量评分
• 对照实验：Pipeline / Harness / Editorial 三组盲评（六维度 LLM 评分）

A2A Agent Card

实现了 A2A（Agent-to-Agent）协议的 Agent Card 概念，每个 Agent 角色有自描述的 JSON 文档，支持能力发现：

• Identity：名称、角色、描述、版本
• Capabilities：可产出/消费的 Artifact 类型、决策类型
• Skills：工具列表
• Constraints：隔离要求、Persona

认证与安全

• Passkey/WebAuthn：无密码登录，设备级安全
• 游客模式：无需注册即可体验，支持后续升级
• Prompt Injection 防御：输入清洗（SanitizeExternalContent）+ System Prompt 7 条防御指令
• 安全审计持久化：所有安全事件记录到数据库，支持历史查询和合规审计
• RBAC 细粒度权限：角色 + 权限管理，支持自定义角色和权限分配
• MCP 安全沙箱：工具调用策略控制、域名限制、资源限制、违规审计

MCP 双向集成

• MCP Client：支持 stdio 和 SSE 传输，连接外部 MCP 服务器
• MCP Server：进程内 MCP Server，通过 JSON-RPC 2.0 暴露本地工具
• 工具注册表：统一管理内置工具、MCP 工具和 Pipeline 步骤，命名 mcp__server__tool
• 管理后台：可视化管理 MCP 服务器连接状态和工具发现

管理后台

• 风格管理：Profile 创建、编辑、版本控制、灰度发布
• 模型配置：多模型接入（DeepSeek/OpenAI 兼容接口）、密钥管理
• A/B 评测：对照组/实验组自动化评测与指标对比
• Luminbuddy Eval Center：以 WABench 统一管理数据集、冻结候选、Shadow Run、人工评审、Badcase 与发布证据
• 反馈分析：分段反馈统计、质量趋势
• 审计日志：操作追踪、安全审计
• Token 监控：用量统计、成本分析
• 安全审计：Prompt Injection 事件统计、拦截趋势、攻击模式分析
• RBAC 管理：角色创建、权限分配、用户角色绑定

技术架构

┌─────────────────────────────────────────────────────────────┐
│                    Frontend (React 19 + Vite)                 │
│  ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌────────────────┐  │
│  │ 写作工作台 │ │ 选题中心  │ │ 个人中心  │ │ Admin Dashboard │  │
│  └─────┬────┘ └─────┬────┘ └─────┬────┘ └───────┬────────┘  │
│        └────────────┴────────────┘              │           │
│                     │                           │           │
│              WebSocket + REST                   │           │
└─────────────────────┼───────────────────────────┼───────────┘
                      │                           │
┌─────────────────────┼───────────────────────────┼───────────┐
│              Go Backend (chi router)             │           │
│                     │                           │           │
│  ┌──────────────────┴───────────────────────────┴────────┐  │
│  │                   Harness Agent Engine                 │  │
│  │  ┌────────┐  ┌─────────┐  ┌────────┐  ┌────────────┐  │  │
│  │  │ Intent │→ │ Search  │→ │ Write  │→ │PostReview  │  │  │
│  │  │Routing │  │  Plan   │  │ Step   │  │   Step     │  │  │
│  │  └────────┘  └─────────┘  └────────┘  └────────────┘  │  │
│  │                                                        │  │
│  │  ┌────────┐  ┌─────────┐  ┌────────┐  ┌────────────┐  │  │
│  │  │ Memory │  │  Style  │  │  A/B   │  │  Feedback  │  │  │
│  │  │  Gate  │  │ Profile │  │  Eval  │  │  System    │  │  │
│  │  └────────┘  └─────────┘  └────────┘  └────────────┘  │  │
│  └────────────────────────────────────────────────────────┘  │
│                     │                                       │
│  ┌──────────┬──────────┬──────────┬──────────┬──────────┐  │
│  │ DeepSeek │  Search  │ IMA KB   │ DashScope│ MCP Server│  │
│  │  Client  │  Client  │  Client  │ Embedding│ (JSON-RPC) │  │
│  └──────────┴──────────┴──────────┴──────────┴──────────┘  │
└─────────────────────┬───────────────────────────────────────┘
                      │
┌─────────────────────┼───────────────────────────────────────┐
│              PostgreSQL 17 + pgvector + paradedb             │
│  ┌─────────┬──────────┬──────────┬──────────┬────────────┐  │
│  │ 用户数据 │ 风格配置  │ 知识库   │ 记忆系统  │ 会话日志   │  │
│  │会话状态  │ A/B评测  │ GraphRAG │ 实体网络  │ 审计日志   │  │
│  └─────────┴──────────┴──────────┴──────────┴────────────┘  │
└─────────────────────────────────────────────────────────────┘

技术栈

快速开始

Docker Compose（推荐）

cp .env.docker.example .env.docker
# 编辑 .env.docker，填入模型 API Key 和数据库密码
docker compose up -d

默认入口：前端 http://localhost:3000，后端健康检查 http://localhost:8080/api/v2/health。

本地开发

# 后端
cd backend
cp .env.example .env
go run ./cmd/server/

# 前端
cd frontend
npm ci
npm run dev

验证

cd backend && go test ./...
cd frontend && npm ci && npm run build

部署打包

# 仅源码包
./scripts/pack-for-1panel.sh

# 源码 + Docker 镜像（国内服务器推荐）
./scripts/pack-for-1panel.sh --images

搜索源扩展

本仓库提供了搜索客户端的核心框架（backend/internal/tools/search.go），包含：

• SearchClient 多源并发搜索结构体
• NewSearchClient 构造函数
• Search / FetchHotTopics 并发搜索方法
• KnowledgeSearcher 知识库搜索接口

搜索源的具体对接实现不包含在本仓库中。开发者可以参照 SearchClient 的字段定义，自行实现以下搜索源的构造函数：

// 示例：实现一个自定义搜索源
type MySearchClient struct { /* ... */ }

func NewMySearchClient(/* params */) *MySearchClient { /* ... */ }

func (c *MySearchClient) Search(ctx context.Context, query string, limit int) ([]engine.SearchResult, error) {
    // 你的搜索逻辑
}

然后在 NewSearchClient 中初始化你的搜索源即可。

设计文档

更新日志

v0.6.0 (2026-08-23)

• 编辑部 Agent 工具化：角色化 Agent 执行器（RoleAgentRunner），工具注册式管理（EditorialToolRegistry），信号工具机制
• A2A Agent Card：Agent 能力自描述，支持 A2A 协议发现
• 安全审计持久化：安全事件记录到数据库，支持历史查询和合规审计
• 品牌 UI 升级：统一品牌标识，favicon/apple-touch-icon 更新
• 个人中心重构：拆分为 8 个独立 section 组件

v0.5.0 (2026-08-21)

• 编辑部多 Agent：文档补充三 Agent 编排系统（研究→写作→审校 + 质量路由 + 信誉系统 + 对照实验）
• 安全体系：文档补充红队 20 用例评估、Prompt Injection 防御细节、MCP 双向集成
• 文档统一：UnifiedAgent → Harness 命名统一 + 架构历史文档化

v0.4.0 (2026-08-18)

• 智能上下文管理：retrieve_context 工具让 LLM 按需获取信息，System Prompt Token 减少 60%+
• 对话历史 Compaction：借鉴 dsh 模式自动压缩历史，前端显示节省 Token 数
• 写作工具集扩展：新增 word_count_check、rewrite_title、fact_check
• 在线编辑与导出：支持 Markdown/Word/PDF 格式导出
• 管理后台重构：统一权限/轮询/资源管理 hooks，新增审计日志
• 精简 docreader 镜像：~150MB 替代旧 5.53GB

v0.3.0 (2026-08-16)

• Harness 架构：单层 LLM 持续会话编排，工具自主调用
• A/B 测试框架：对照组/实验组自动化评测
• Passkey 认证：WebAuthn 无密码登录
• Session Event Log：追加式事件日志，支持断线重连
• Prompt 注入防御：chat 意图精简注入，Token 降 10.5%

v0.2.0

• 引导式提纲（Guided Mode）
• Style Profile 灰度路由
• Post Review + Auto Fix
• 分层记忆系统
• Prometheus 指标与 Trace 链路追踪

v0.1.0

• React 19 写作工作台 + Go Agent Pipeline
• WebSocket 流式事件
• 多源检索与相关性过滤
• Docker Compose 一键部署

项目声明

• 这是可运行的个人产品与工程项目，不代表已完成规模化市场验证。
• 搜索源的具体对接实现不包含在本仓库中，开发者需要自行实现。
• 仓库不包含生产环境密钥；请从示例环境文件创建本地配置。

License

MIT