架构

ARES 采用分层组织。sdk 包是唯一入口；它拥有的 Runtime 将 LLM 服务、 工具注册表、记忆、知识图谱与进化系统串联在一起。sdk 以下均为内部包， 通过 api/ 暴露稳定的公开契约。

分层模型

flowchart TD
    User([开发者]) --> SDK["sdk.NewRuntime"]
    SDK --> RT["Runtime"]
    RT -->|NewAgent| Agent["Agent"]
    Agent -->|Run ctx, input| Loop["Agent Loop"]
    Loop -->|strategy| Strat["StrategySource<br/>internal/agents"]
    Loop -->|history| Mem[("Memory<br/>internal/ares_memory")]
    Loop -->|recall| KR["Knowledge Runtime<br/>internal/knowledge"]
    Loop -->|chat+tools| LLM["LLM Service<br/>internal/llmservice"]
    LLM -->|tools| Tools["Tool Registry<br/>api/tools"]
    KR -->|distill| Bridge["DistillBridge<br/>internal/knowledge/adapter"]
    Bridge -->|quality gate| Store[("Knowledge Store<br/>memory/sqlite/pg/mysql")]
    Loop -->|events| Evt["Event Store<br/>internal/ares_events"]
    Evt -->|TaskCompleted| Distill["Distillation Service<br/>internal/ares_experience"]

请求流程

1. sdk.NewRuntime(opts...) 构造 Runtime，根据传入的选项串联 LLM 客户端、 工具注册表、记忆管理器、知识运行时、进化协调器与 MCP 客户端。
2. rt.NewAgent(name, opts...) 创建绑定到运行时的 Agent。
3. agent.Run(ctx, input) 进入智能体循环：
   • 从 StrategySource 加载当前策略（prompt + LLM 参数）。
   • 从记忆（RAG）与知识运行时召回相关上下文。
   • 构建消息列表（system + 历史 + 用户输入 + 上下文片段）。
   • 调用 LLM 服务。若存在工具，路由到 Chat API。
   • 若 LLM 返回工具调用，通过工具注册表执行并将结果回填；重复直到 LLM 产出最终答案或达到迭代上限。
4. 完成后发布 TaskCompleted 事件。事件驱动的蒸馏订阅者消费该事件， 将对话蒸馏为长期经验与 AKG KnowledgeObject。

模块协作

上图展示了主要数据路径。关键协作关系：

• sdk ↔ internal/*：SDK 是唯一直接导入内部包的层；api/ 定义公开契约。
• agents ↔ llmservice：智能体循环在有工具时调用 Service.Chat，否则 调用 Service.Generate。
• knowledge ↔ ares_memory：KnowledgeRetriever 实现 ContextRetriever 接口，使 AKG 事实注入记忆 RAG。
• ares_events ↔ ares_experience：事件触发蒸馏流水线，回写到经验存储与 知识存储。
• ares_evolution ↔ knowledge：进化协调器可通过 WithPatchRegistry 提交影响运行中知识运行时的补丁。

扩展方式

具体的新增 LLM 供应商、自定义工具、知识存储与策略源的指引，请参见 扩展指南。