Chain·解读——访客提问，语料库以你的声音作答

上级：requirements-to-design

L0 · 愿景

• introduction ——"把压缩过程倒过来"：一个经过整理的知识库，访客可以对它提问，由 AI 用你自己的声音作答，答案扎根于你自己写下的文字并带有引用；"模式即角色——四个应用共享同一份语料库（自用 / 公开 / 招聘方 / 朋友）"；ACL 是硬墙，角色是软的框架。
• lossy-self-presentation ——三种损耗（记忆 / 捕获 / 传递）；StandMeet 存储的是图结构，并在查询发生时针对具体问题做线性化。
• dont-repeat-myself ——每一次系统替你吸收的重复讲解，都是省下来的时间。
• differentiation ——检索是对话式的：一个具体问题对应一个具体答案，而不是一份排名列表。

L1 · 承诺

任何人都可以提出一个具体问题，并得到一个用主人的口吻表达、有依据、带引用、并按其角色调整过框架的具体答案——一份语料库，按提问者、按每个问题分别做线性化。

L2 · 需求（旅程与功能）

访客旅程集合（详见 features-and-journeys），运行在三个功能面上：公开页面——根路径是首页 microsite（a5e1cada9，2026-09-04；没挂 microsite 时从代码直接提供由 SDK widget 组成的 DefaultHome，28f750caf / 185c4321b，app/src/app/default-home.tsx），ChatRoom 是内建的带码聊天（app/src/app/visitor-root.tsx:10），外加 /wiki / /output / /writings 阅读页——推理/对话引擎、以及访客会话——包括阅读页上的 AskAboutThis（早先的 FloatingChatDock 已移除，1d9500acd，2026-08-16）。（每条旅程的细节记录在那份文档里；本 chain 不重复陈述。）

L3 · 设计决策

• 角色框架——访客的规则与人设来自在代码签发时冻结的 RoleSnapshot；愿景中的"四个应用"其实是同一份语料库之上的角色配置。
• 检索——corpus-retrieval：Meilisearch 词法索引（Postgres FTS 作退路）加树形导航；刻意不用向量检索（相关性 = 主人自己建立的链接）。图遍历也已落地，但不是这里写的那种有界深度 BFS —— 它是 corpus_links，一个1 跳的 op，返回 {outgoing, backlinks}，要不要再往下走由 agent 自己决定（对某个邻居再调一次）。BFS 是错的心智模型：相关性就是那些链接，所以深度是一个阅读决定，不是一个查询参数。"把图线性化"现在在检索层也成立了，不只是数据层。
• 依据（Grounding）——引用以 grounding_refs 的形式随落库的那一轮一起存（Citation VO 与消息行原子写入，backend/internal/routes/public/agent_turn.go:205、conversation/ops/conversations_shape.go:85），在对话记录里渲染成 CitationsList（app/src/components/visitor/ChatTranscript.tsx）；原来的 chat.show_grounding op 随 dispatcher 重构一起没了（5bd5ed95f，2026-08-01）。
• 循环终止——force-final-answer：带 ReturnDirectly 的 ask_visitor 结束循环。
• 结果呈现面——ui-cards（ui:// 卡片，用于 corpus_search/list、摘要、日程时段）。
• 入口中立——entry-agnostic-agent：聊天入口只是中立启动边界的众多消费者之一。

L4 · 工程实现

• backend/internal/conversation/inference——eino ADK 循环（Anthropic 原生 / OpenAI 兼容适配器）；SSE 代理也在这里实现（unbuffered-sse-passthrough）。
• backend/agentcore——BuildVisitorAgent(driver, input)（visitor_build.go:50），启动接缝所在处。
• prompts——visitor-header 片段（backend/internal/owner/entity/prompt_fragments.go，在 conversation/usecase/visitor_chat_prompt.go 里组装）；part_ids + hash 是漂移检测仪（system-prompt-hash-regression），钉住组装后提示词的身份。
• mcp-servers/retrieval——八个工具，corpus_search / read / list / links / map / resolve / peek / grep（main.go:39-46），运行在沙盒中，通过 capsocket 访问宿主数据（隔离，一条窄套接字）。
• backend/internal/infra/session——visitor_session、query_queue.go。
• app/src/lib/page/use-chat.ts、use-chat-session.ts——薄的 SSE 消费端；ChatRoom / ChatTranscript / AskAboutThis 组件；SDK 的 CorpusWidget 带 subtree / sort / limit 查询语言（113ba6a1a，2026-09-06），让 microsite 能内联展示语料。

L5 · 验证

E2e 规格标签（记录于 features-and-journeys 中）：[✓ public-page]、[✓ byoai-chat]、[✓ visitor-chat-permissions-deny]，加上 visitor-chat 套件；eval-harness 通过 EvalDriver 驱动同一条真实循环（golden/插件/检索组装 + 启动测试）。

现状与缺口

循环、人设冻结、依据呈现面、卡片都已落地——这条 chain 过去等着的两个面也落地了：爬取面（corpus_links 沿 note_refs 走，mcp-servers/retrieval/main.go:42；corpus_grep 作为永不漏的通道；corpus_search 在分词器看不见查询时会明说，bd45353f4）和渲染面（阅读页上的 KaTeX / Mermaid / callout / TikZ，rendering-engines）。"根据你已链接的思考来作答"现在是对 owner 链接的一次真正遍历，不再是文本上的 FTS（corpus-retrieval）。仍然单薄的不是机制而是度量：质量由 eval-harness 离线检查，不在活的循环上（eight-controls-applied）。