zhimeng-agent（智盟 Agent）

zhimeng's Agent 操作技能

概述

zhimeng's Agent 是基于 Obsidian 知识库的 RAG 智能问答助手，由 Claude Opus 4.5 驱动。支持知识库问答、日报同步、飞书消息推送等功能。

服务信息

核心能力

API 详细说明

1. 问答接口 (POST /ask)

请求体:

{
  "question": "用户问题",
  "top_k": 5,
  "include_sources": true,
  "filter_folder": null,
  "user_id": "用户唯一标识"
}

响应体:

{
  "answer": "回答内容",
  "sources": [
    {"file": "文件名.md", "folder": "文件夹", "relevance": 0.85}
  ],
  "tokens_used": 1234
}

参数说明:

• question (必填): 用户问题
• top_k (可选, 默认5): 检索文档数量 (1-20)
• include_sources (可选, 默认true): 是否返回来源
• filter_folder (可选): 限定搜索的文件夹
• user_id (可选): 用户标识，用于对话记忆

2. 健康检查 (GET /health)

响应体:

{
  "status": "healthy",
  "vectorstore_loaded": true,
  "document_count": 1316
}

3. 重建索引 (POST /index)

请求体:

{
  "paths": ["Journal", "Projects"],
  "force": false
}

响应体:

{
  "status": "success",
  "chunks_indexed": 1500
}

标准操作流程 (SOP)

SOP 1: 知识库问答

步骤1: 检查服务状态
  curl http://localhost:8001/health

步骤2: 发送问题
  curl -X POST http://localhost:8001/ask \
    -H "Content-Type: application/json" \
    -d '{"question": "你的问题", "top_k": 5}'

步骤3: 解析响应中的 answer 和 sources

SOP 2: 日报同步到飞书

步骤1: 读取今日日报
  读取 ~/Documents/Obsidian Vault/Journal/YYYYMMDD.md

步骤2: 提取关键内容
  - 完成的工作
  - 代码变更统计
  - AI 消耗统计

步骤3: 格式化为飞书消息
  使用 feishu-messaging 技能发送

步骤4: 发送到目标用户
  调用 mcp__feishu__im_v1_message_create
  收件人: 王植萌 (open_id: ou_18b8063b232cbdec73ea1541dfb74890)

SOP 3: 重建知识库索引

步骤1: 停止正在进行的查询

步骤2: 调用索引接口
  curl -X POST http://localhost:8001/index \
    -H "Content-Type: application/json" \
    -d '{"force": true}'

步骤3: 验证索引结果
  curl http://localhost:8001/health
  确认 document_count 已更新

SOP 4: 启动/停止服务

启动服务:

cd /Users/qitmac001395/workspace/QAL/ideas/apps/zhimeng-agent
poetry run uvicorn src.main:app --host 0.0.0.0 --port 8001 --reload

启动飞书长连接 (本地开发，无需公网IP):

cd /Users/qitmac001395/workspace/QAL/ideas/apps/zhimeng-agent
poetry run python src/feishu_ws.py

后台启动:

# 主服务
nohup poetry run uvicorn src.main:app --host 0.0.0.0 --port 8001 > /tmp/zhimeng-agent.log 2>&1 &

# 飞书长连接
nohup poetry run python src/feishu_ws.py > feishu_ws.log 2>&1 &

与其他技能的集成

集成 feishu-messaging

日报同步工作流:

1. 本技能读取 Obsidian 日报
2. 格式化内容
3. 调用 feishu-messaging 技能发送消息

集成 obsidian-organize

知识库维护工作流:

1. 使用 obsidian-organize 整理文档结构
2. 触发本技能的 /index 重建索引
3. 验证检索质量

常见问题

Q: 服务无法启动？

检查:

1. Python 环境: poetry install
2. 端口占用: lsof -i:8001
3. 环境变量: config/.env 是否存在

Q: 检索结果不准确？

尝试:

1. 重建索引: POST /index {"force": true}
2. 增加 top_k 值
3. 使用 filter_folder 限定范围

Q: 飞书长连接断开？

检查:

1. 网络连接
2. App 凭证是否过期
3. 查看日志: tail -f feishu_ws.log

配置文件

config/.env

# LLM 配置
LLM_PROVIDER=anthropic
LLM_MODEL=claude-sonnet-4-20250514
ANTHROPIC_API_KEY=sk-ant-xxx

# 飞书配置
FEISHU_APP_ID=cli_xxx
FEISHU_APP_SECRET=xxx

# 服务配置
HOST=0.0.0.0
PORT=8001
DEBUG=true

config/settings.py

主要配置项:

• obsidian_vault_path: 知识库路径
• chroma_persist_dir: 向量数据库持久化目录
• chunk_size: 文档分块大小 (默认1000)
• chunk_overlap: 分块重叠 (默认200)

监控与日志

日志位置

• 主服务: 标准输出 或 /tmp/zhimeng-agent.log
• 飞书长连接: feishu_ws.log

关键日志模式

INFO:src.retriever:检索到 X 个相关文档  # 检索成功
INFO:httpx:HTTP Request: POST https://api.anthropic.com/v1/messages  # LLM 调用
INFO:src.smart_agent:已更新用户 xxx 的对话历史  # 对话记忆更新

注意事项

1. API 密钥安全: .env 文件不要提交到 Git
2. 成本控制: 每次问答约消耗 Claude API $0.01-0.05
3. 索引时间: 完整重建约需 2-5 分钟 (取决于文档数量)
4. 对话记忆: 基于 user_id 隔离，无 user_id 时不保留历史
5. 飞书长连接: 需要 App 开启"机器人消息长连接"能力