knowledge-mastery-evolution-roadmap.md

解释：知识彻底掌握演进路线图

本页用于说明 NoteConnection 如何从“知识可视化系统”演进为“本地优先、可验证学习成效”的学习平台。

2026-05-12 HEAD 重新定级

• 当前分支已经落入真实的 Phase-3 tutor/memory 切片，但不能继续沿用“Phase-1 已闭环”的说法。
• 当前更准确的口径是：
  • Phase-1 A8 已推进到 embedded 本地图后端基线：graph/store ops 语义、embedded SQLite graphdb persistence/query 路径与 HTTP adapter 路径已经存在，默认 runtime 现在走 graphdb/sqlite 并保留显式 file fallback，重启耐久性已有集成证明，主机级 dist/runtime + packaged sidecar 证明也已具备，而且覆盖 smoke / medium / heavy 的主机级 workload matrix 也已具备；但 soak、长时段与性能级加固仍未完成；
  • Phase-1 A9 已推进到 ANN connector operational baseline：ANN 风格 prefilter、representation telemetry、远端索引同步、live external_http query 证明、主机级 dist/runtime + packaged sidecar 证明，以及覆盖 smoke / medium / heavy 的主机级 workload matrix 都已存在；但 recall/latency 阈值收敛与发布级校准仍未完成；
  • Phase-2 现已具备运行级诊断基线：learning quality、session plan quality、query compare、staleness、query-backend config、query-backend diagnostics 都已接通真实实现，但它们仍需要建立在当前 graph/ANN operational baseline 之上的发布级校准；
  • Phase-3 现已进入 operational baseline：导师遥测、导师 trace/provider trend、conversation memory、memory-policy diagnostics，以及默认 runtime tutor-adapter 注入都是真实实现，但生产级多适配器路由策略仍未闭环。
• 因此下一轮推进不应再以“假定底座完成”为前提，而应先保持 A8 新的 packaged/runtime 与 workload matrix 证明持续为绿，也保持 A9 新的 runtime 与 workload matrix 证明持续为绿，补齐剩余的 soak / 长时段 / 性能闭环与 A9 的阈值收敛，再进入诚实的 Phase-2 门禁升级。

2026-05-27 Tauri-first 交互基线与 CI 稳定化

• 当前分支现在也具备了真实的 Tauri-first assistant-reply 基线：
  • grounded conversation 已不再停留在 plain-text assistantMessage 挂载，
  • conversation response contract 已新增向前兼容的 assistantBlocks，
  • 一套从 Reader 侧抽取出来的 markdown / math / mermaid 共享 runtime 已驱动 Tauri workspace shell 中的 rich assistant reply。
• 这不会改变 Phase-1 / Phase-2 / Phase-3 的战略分级， 但会改变交互基线：
  • Tauri 现在是 rich-render 的参考交互面，
  • Godot 仍是后续的降级 / 物化目标，而不再反向约束当前 assistant reply 的功能基线。
• 当前 HEAD 的 remote CI 也已重新稳定：
  • Migration Gates 与 Fixrisk Operational Readiness 已在 strict PathBridge verifier 与当前亮度边界重新对齐后恢复为绿色，
  • workflow 的 Node.js 基线也已从 20 升级到 24，不再依赖 forced-node24 兼容过渡开关。

实际含义：

• 下一阶段工作不再是“让 Tauri shell 具备 rich reply 能力”，因为这条基线已经存在，
• 下一阶段工作应转向扩充 richer assistant block 覆盖面、保持 render substrate 在真实 browser/Tauri 运行时下持续可验证，并继续在 graph/ANN substrate 推进的同时压缩架构压力。

战略总目标

路线图只围绕一个核心目标展开：

• 在保持结果可解释、可审计的前提下，持续提高可测量的掌握度提升。

为达到这个目标，系统必须同时满足：

1. 知识表示稳定且证据可追溯，
2. 检索可解释且编排有策略约束，
3. 掌握状态更新闭环可被质量门禁验证。

为什么必须转型

• 可视化提升理解路径，但不能证明学习效果。
• 若 LLM 输出缺少证据对齐，会出现“看似流畅但不可信”的学习反馈。
• 长期学习依赖时序有效性和记忆治理，不能只做单次问答。

三阶段路线骨架

Phase 1：表示层与底座加固

• 统一摄入与 staleness 重建链路。
• 关系边 + 时序边契约化。
• 存储后端抽象（file / memory / graphdb）与 fallback 安全路径。
• 检索后端可比较（local_hybrid vs keyword_only）并沉淀趋势遥测。

Phase 2：掌握闭环与发散引擎

• 掌握诊断与误区统计。
• 会话规划支持双路径输出（MasteryPath + DivergencePath）。
• 会话历史支持策略来源与结果遥测分析。
• 质量趋势与阈值门禁与路径策略联动。

Phase 3：导师与记忆操作层

• 在证据优先约束下接入可插拔导师动作。
• 对 session / unit / long_term 记忆策略建立诊断与趋势治理。
• 运行时能力 runbook 落地整改队列与事件验证闭环。

当前实施基线（2026-04-11）

• 核心接口位于 src/learning/api.ts，由 src/learning/index.ts 对外导出。
• 原子/证据/关系/时序/掌握/动作/导师轨迹类型位于 src/learning/types.ts。
• 服务端 API 面在 src/server.ts，由 src/knowledge.api.contract.test.ts 持续做契约覆盖。
• Learning Workbench 在 src/frontend/path_app.js 集成会话、治理与调试能力。

2026-05-12 HEAD 真实状态重分级

• 当前准确状态是：
  • Phase-1 A8 已推进到 embedded 本地图后端基线：graph/store ops 语义、embedded SQLite graphdb persistence/query 路径与 HTTP adapter 路径已经存在，默认 runtime 现在走 graphdb/sqlite 并保留显式 file fallback，重启耐久性、主机级 packaged/runtime 证明，以及 smoke / medium / heavy workload matrix 都已具备；但 soak、长时段与性能级加固仍未完成。
  • Phase-1 A9 已不再只是脚手架：ANN 风格 prefilter、representation telemetry、external_http 真实 query、主机级 dist/runtime + packaged sidecar proof，以及覆盖 smoke / medium / heavy 的 workload matrix 都已存在；但默认交付路径上仍没有已完成阈值收敛与发布级校准的生产级 ANN 后端。
  • Phase-2 现已具备运行级诊断基线：learning quality、session plan quality、query comparison、staleness、query-backend config、query-backend diagnostics 都已接通真实实现，但由于它们仍建立在同一个 Partial+ 的 Phase-1 graph/ANN 交付路径之上，因此还不能宣称发布级闭环。
  • Phase-3 现已从 catalog-only 前进到 operational baseline：tutor telemetry、tutor trace/provider trends、conversation memory、memory-policy diagnostics，以及默认 runtime tutor-adapter 注入都是真实的，但生产级多 provider 路由策略仍未闭环。

当前仍需优先补齐的结构缺口

1. 真实 graph backend 闭环：
   • 让新的 embedded graphdb/sqlite 默认基线在 packaged/runtime 路径中持续成立，
   • 将“重启耐久性、主机级 packaged/runtime 证明、以及 workload matrix 已证明”继续扩展为 ops-preferred 查询语义、fallback 一致性，以及 soak / 长时段耐久性的完整验证。
2. 真实 ANN connector 闭环：
   • 让新的 live external_http connector 路径在真实 sync/query 流量下持续稳定，
   • 保持新的主机级 ANN runtime 与 workload matrix 证明持续为绿，
   • 在宣称向量层可用于生产前完成 recall / latency 阈值校准。
3. Phase-2 质量门禁：
   • 让新接通的 learning quality、session plan quality、query comparison、staleness 诊断与同一份运行时真相持续对齐，
   • 只有在 Phase-1 backend 不再是 Partial+ 之后，才把这些趋势输出升级为发布阻断门禁。
4. tutor routing 加固：
   • 保持当前已激活的默认 tutorAdapter 可观测，
   • 在保留显式 fallback 行为的前提下，从 local-first 继续推进到生产级多 provider 路由策略。
5. 架构压力：
   • 持续压缩 server.ts、KnowledgeLearningPlatform.ts、path_app.js、app.js、routes/knowledge.ts，避免“文档说已收口、代码仍在回涨”的结构漂移。

后续迭代决策规则

1. 真相先于“完成”：
   • 只要仍有 placeholder 返回或 catalog-only wiring，就不能用“已闭环”描述该能力。
2. 先补真实底座，再做 rollout 结论：
   • 先完成 graphdb / ANN 的真实交付，再讨论底座已经生产级。
3. 证据优先：
   • 新能力必须同时给出契约接线、运行时可观测信号、以及新鲜测试证据。
4. 门禁先于演示：
   • 趋势输出可用于观察，但发布决策必须绑定非 placeholder 的阈值门禁结果。
5. tutor routing 必须是“已激活”，不能只做到“可枚举”：
   • 只有默认 server runtime 在真实执行中出现 adapter telemetry，才算多适配器导师路径闭环。

进度跟踪入口

• 开发进度看板

该页面提供执行视角：分层矩阵、调试 Runbook、优先级待办。

权威计划与基线来源

• docs/zh/knowledge_mastery_evolution_plan.md
• 学习平台契约与工作台基线（v1.7.0 到 HEAD）
• 演进进度对齐需求（2026-04-11）

关联解释文档

• 架构与迁移
• 启动节点更新提速方案