journal_organizer/README_V2.md

Obsidian 智能日记整理 Agent v2.0 - 对话式

版本: 2.0.0

这是一个基于 对话式 Agent 架构 的智能日记整理系统，专为 Obsidian 用户设计。它能够通过自然语言对话，理解您的需求，自动分析每日日记，提取关键信息，并将其智能地整理到您的知识库中。

v2.0 新特性：对话式交互

• 自然语言理解：您可以直接用自然语言与 Agent 对话，例如“帮我整理一下昨天的日记”。
• 多轮对话：支持上下文感知，可以进行多轮对话来澄清和确认您的需求。
• 智能建议：根据您的使用习惯，主动推荐可能的操作。
• 交互式界面：提供一个命令行聊天界面，支持实时交互和反馈。

系统架构

系统采用分层架构，将对话逻辑与业务执行分离：

1. 对话层 (conversation/)

   • 意图理解 (intent_understanding.py)：使用 Claude API 理解用户意图。
   • 对话状态管理 (conversation_state.py)：管理对话历史和上下文。
   • 响应生成 (response_generator.py)：生成自然语言响应。
   • 对话式 Agent (conversational_agent.py)：协调对话层的所有模块。

2. 执行层 (Command + Skill)

   • 沿用 v1.0 的 Command + Skill 架构，负责执行具体的业务逻辑。

graph TD
    subgraph User Interface
        ChatCLI[命令行聊天界面]
        ObsidianPlugin[Obsidian 插件]
    end

    subgraph Conversational Layer
        ConvAgent[对话式 Agent]
        ChatCLI --> ConvAgent
        ObsidianPlugin --> ConvAgent

        ConvAgent -- uses --> IntentUnderstanding[意图理解]
        ConvAgent -- uses --> ConversationState[对话状态管理]
        ConvAgent -- uses --> ResponseGenerator[响应生成]
    end

    subgraph Execution Layer
        CommandAgent[Command Agent]
        ConvAgent -- dispatches to --> CommandAgent

        CommandAgent -- orchestrates --> Skills[Skills]
    end

    subgraph External Services
        ClaudeAPI[Claude API]
        ObsidianAPI[Obsidian Local REST API]
    end

    IntentUnderstanding -- HTTP --> ClaudeAPI
    ResponseGenerator -- HTTP --> ClaudeAPI
    Skills -- HTTP --> ObsidianAPI

安装与配置

安装和配置过程与 v1.0 相同。请参考 README.md。

使用方法

启动交互式对话

python -m journal_organizer.chat_main

启动后，您将进入一个交互式的命令行聊天界面：

============================================================
Obsidian 智能日记整理 Agent - 对话模式
============================================================

🤖 助手: 👋 欢迎使用 Obsidian 日记整理助手！我可以帮您整理日记、分析内容、导出总结等。请告诉我您想要做什么？

👤 您: 

示例对话

👤 您: 帮我整理一下昨天的日记

⏳ 处理中...

🤖 助手: ✓ 已成功整理您昨天的日记。提取了 5 条经验、3 条待办事项和 2 个问题。

💡 您可以尝试:
   1. 分析本周的主题
   2. 导出月度总结

👤 您: 分析一下这周的主题

⏳ 处理中...

🤖 助手: ✓ 分析完成！本周的主题主要集中在项目管理和技术学习两个方面。

系统命令

在对话界面中，您可以使用以下系统命令：

• help / 帮助：显示帮助信息
• history / 历史：显示对话历史
• status / 状态：显示当前状态
• clear / 清除：清除对话历史
• exit / quit / 退出：退出程序

处理单个查询

python -m journal_organizer.chat_main --query "整理今天的日记"

此命令将直接输出 JSON 格式的结果，方便脚本调用。

项目结构

journal_organizer/
├── conversation/            # 对话层模块
│   ├── __init__.py
│   ├── conversational_agent.py
│   ├── conversation_state.py
│   ├── intent_understanding.py
│   └── response_generator.py
├── commands/
├── skills/
├── agent_core.py
├── main.py
├── chat_main.py             # 对话式 Agent 入口
├── ... (其他文件)

开发者指南

扩展对话能力

1. 添加新的意图：在 intent_understanding.py 的 command_keywords 中添加新的命令和关键词。
2. 添加新的参数提取：在 parameter_patterns 中添加新的正则表达式。
3. 自定义响应：修改 response_generator.py 中的提示来改变响应风格。

集成到 Obsidian 插件

您可以使用 Obsidian 插件的 Modal 来创建一个对话窗口，并通过 child_process 调用 chat_main.py 来与 Agent 交互。

// Obsidian 插件示例
import { App, Modal, Plugin } from 'obsidian';
import { spawn } from 'child_process';

class ChatModal extends Modal {
    constructor(app: App) {
        super(app);
    }

    onOpen() {
        // 创建对话界面
        // ...
    }

    async sendMessage(message: string) {
        const agentProcess = spawn('python', ['-m', 'journal_organizer.chat_main', '--query', message]);

        agentProcess.stdout.on('data', (data) => {
            const response = JSON.parse(data.toString());
            // 显示响应
        });

        agentProcess.stderr.on('data', (data) => {
            // 处理错误
        });
    }
}

许可证

本项目采用 MIT 许可证。