beaver_project/projcet_review/backend_product_roadshow.md

Beaver 后端产品能力展示与演进路线

1. 产品定位

Beaver 后端不是一个普通聊天后端，而是一个面向“可执行任务”的智能体运行系统。

它的核心价值是把用户的一句话，从普通对话升级成一条可以被识别、执行、追踪、验收、复用和持续学习的任务链路。系统不仅能调用模型生成回答，还能调用工具处理文件、搜索历史、执行命令、触发定时任务，并把成功经验沉淀成后续可复用的技能。

从产品角度看，Beaver 后端承担的是智能体产品的“操作系统层”：

• 识别用户真正要完成的任务
• 调用合适的模型和工具执行任务
• 记录任务过程、证据和结果
• 支持用户确认、修改或放弃结果
• 把被用户认可的经验沉淀为长期能力
• 为已经完成但待接入的记忆系统、未来文件系统、多智能体协作和主动服务能力打基础

2. 核心价值

从聊天助手升级为任务执行系统

普通聊天系统的重点是“回答问题”。Beaver 后端的重点是“完成事情”。

系统会判断用户当前输入是简单对话，还是需要进入任务模式。如果是任务，系统会持续跟踪它的目标、执行过程、工具调用、产出结果和用户反馈，而不是把每次对话当成孤立消息。

从一次性回答升级为可验收结果

系统会保存任务执行过程中的证据，包括模型输出、工具结果、子任务结果和最终产物。用户可以对结果进行满意、修改、放弃等反馈。

这让产品具备“交付物意识”：不是模型说完就结束，而是以用户是否认可作为闭环。

从人工经验升级为可复用技能

当一次任务被用户认可，系统可以把这次成功经验转化为技能候选，再经过草稿、审核和发布，变成后续任务可自动调用的能力。

这意味着 Beaver 不只是被动响应，而是具备逐步积累组织经验的基础。

从短期上下文升级为长期记忆资产

系统已经具备长期记忆系统的底层能力，包括用户记忆、组织知识、历史任务、文件资源、工具经验和技能学习记录。当前重点不是从零建设记忆系统，而是把已完成的记忆能力接入主产品链路，并做成可展示、可管理、可解释的产品体验。

3. 产品能力总览

能力名称	当前价值	后续可展示的产品形态
多渠道接入能力	支持来自网页、命令行、网关、定时任务等入口的请求	统一工作台、多渠道智能助手、企业内部入口
任务识别与跟踪能力	自动判断是否需要进入任务模式，并跟踪任务状态	任务列表、任务详情、执行进度
自动执行与工具调用能力	模型可以调用文件、终端、网页、记忆、定时任务等工具	可视化工具调用记录、任务产物管理
多智能体协作能力	复杂任务可拆给多个子智能体并行或按依赖执行	多角色协作视图、子任务分工看板
过程证据留存能力	任务过程、工具结果、输出和验证信息会被记录	可审计任务报告、证据链展示
用户验收与反馈能力	用户可以确认满意、要求修改或放弃任务	结果验收按钮、修改意见跟踪
技能沉淀与复用能力	成功经验可进入技能学习、草稿、审核、发布链路	企业技能库、最佳实践沉淀
长期记忆与上下文管理能力	记忆底层能力已完成，当前待接入主产品链路	记忆管理台、知识资产地图、检索轨迹
定时任务与主动触达能力	支持自动触发任务或通知	定时提醒、周期报告、主动运营
模型与供应商切换能力	后端抽象了模型供应商和 fallback 机制	成本/质量路由、多模型策略

4. 已具备的产品功能

4.1 多入口统一接入

系统可以承接不同来源的请求，包括网页端、命令行、本地工具、网关和定时任务。无论请求来自哪里，后端都会把它转成统一的会话和任务执行流程。

产品价值：

• 后续可以同时支持 Web 助手、企业内部工具、自动化任务和第三方系统接入
• 不需要为每个入口重复实现一套智能体逻辑
• 用户在不同入口产生的任务和记忆可以沉淀到同一套系统里

4.2 任务模式

系统会判断用户输入是普通聊天，还是需要持续执行和跟踪的任务。

如果是简单问题，系统直接回复；如果是复杂任务，系统会创建一个可追踪的任务，记录目标、过程、结果和反馈。

产品价值：

• 用户不需要手动创建任务，系统自动识别
• 复杂请求不会被当成一次性聊天处理
• 后续可以展示任务状态、历史结果和修改记录

4.3 自动执行与工具调用

系统可以根据任务需要选择并调用工具，例如文件操作、终端命令、网页访问、会话搜索、记忆读写、技能管理和定时任务操作。

产品价值：

• 智能体不只是“说”，还能“做”
• 适合代码分析、文件处理、资料整理、定时报告、历史追溯等工作流
• 工具调用过程会被记录，方便审计和复盘

4.4 多智能体协作

对于复杂任务，系统可以先拆分成多个子任务，再交给不同的子智能体执行。子任务可以顺序执行、并行执行，也可以按依赖关系执行。

产品价值：

• 复杂任务不必全部压在一个模型调用里
• 适合“调研 + 审核 + 汇总”“设计 + 实现 + 验证”等多阶段工作
• 后续可以形成可视化的任务协作网络

4.5 过程证据留存

系统会记录任务执行过程，包括模型请求、工具选择、工具结果、子任务输出、最终结果和用户反馈。

产品价值：

• 结果不是黑盒，可以追溯它是怎么得出的
• 适合企业场景下的复盘、合规和质量管理
• 为后续自动学习提供可靠证据

4.6 用户验收闭环

任务完成后，系统支持用户表达满意、要求修改或放弃。用户反馈会影响任务状态，也会影响后续技能学习。

产品价值：

• 用用户真实反馈判断任务是否成功
• 避免把错误结果沉淀成长期能力
• 支持“交付 - 修改 - 再交付”的工作流

4.7 技能沉淀与复用

当任务结果被用户认可，系统可以把执行经验整理成技能候选。候选经过草稿、审核和发布后，可以在未来类似任务中被自动激活。

产品价值：

• 把一次成功经验变成组织可复用能力
• 减少重复摸索和重复提示词编写
• 为企业内部“智能体技能库”打基础

4.8 长期记忆系统

系统已经完成长期记忆系统的底层能力，目前主要处于“已实现、待接入、待产品化展示”的状态。

它已经覆盖几类核心资产：

• 用户记忆：保存长期偏好、背景和稳定信息
• 组织业务知识：保存企业、项目和业务相关的长期知识
• 历史任务和结果：保存任务目标、执行过程和最终产出
• 文件和任务产物：保存可被后续任务引用的资源线索
• 工具调用经验：保存哪些工具在什么任务中有效或失败
• 成功技能和失败案例：支持后续复用和避坑
• 可复用工作流程：为技能学习和自动化执行提供素材

产品价值：

• 智能体可以基于历史上下文工作，而不是每次从零开始
• 后续重点是把已完成的记忆能力接入任务、文件、技能和工作台
• 支持向“越用越懂业务”的智能体演进

4.9 定时任务与主动触达

系统支持定时触发任务或通知，适合周期性提醒、自动报告、定期检查和主动推送。

产品价值：

• 从被动问答扩展到主动服务
• 支持运营、管理、监控类场景
• 可以与任务系统、记忆系统、文件系统联动

4.10 模型与供应商切换

系统把模型供应商抽象为统一接口，可以支持不同模型服务，并区分主模型、辅助模型和向量检索模型。

产品价值：

• 可以根据成本、速度、质量选择不同模型
• 可以为不同任务配置不同模型能力
• 为企业级稳定性和成本管理打基础

5. 记忆系统：从聊天记录到智能体长期资产

5.1 为什么记忆系统是关键能力

智能体产品的长期竞争力不只来自模型本身，还来自它能否积累上下文、业务经验、用户偏好和工具使用方式。

如果没有记忆系统，智能体每次都像第一次工作：不知道用户偏好，不知道历史任务，不知道哪些方案曾经成功，也不知道哪些工具调用曾经失败。

Beaver 后端的记忆系统底层能力已经完成，当前还没有完整接入主产品链路。后续重点是把它和任务执行、文件资源、技能学习、用户界面打通，让已经存在的记忆能力真正成为可使用、可解释、可管理的产品能力。

5.2 Beaver 已完成的记忆系统能力

Beaver 的记忆系统可以定义为“智能体长期上下文资产库”。这部分底层能力已经完成，当前状态是待接入主流程和产品界面。

它已经覆盖：

• 用户长期偏好
• 组织业务知识
• 历史任务和结果
• 文件和任务产物
• 工具调用经验
• 成功技能和失败案例
• 可复用的工作流程

这些能力后续需要接入三个主要产品入口：

• 任务执行：让任务能按需读取相关记忆
• 产品界面：让用户能查看、编辑、确认和删除记忆
• 技能学习：让事实类内容进入记忆，流程类经验进入技能

5.3 后期接入功能：记忆管理台

功能说明：

提供一个面向用户和管理员的记忆管理界面，展示系统已经记住了什么、这些记忆来自哪里、何时被使用、是否可信。

解决的问题：

• 用户不知道系统记住了什么
• 错误记忆难以发现和删除
• 记忆来源不可追溯

具体实现：

• 展示长期记忆列表，按用户、任务、技能、文件、来源分类
• 每条记忆展示来源任务、创建时间、最近使用时间、可信状态
• 支持用户手动确认、编辑、删除或冻结记忆
• 支持系统自动标记“候选记忆”，只有确认后进入长期记忆

接入状态：相关底层能力已经完成，后续需要接入产品界面和管理操作。

优先级：高

5.4 后期接入功能：记忆检索轨迹

功能说明：

当智能体引用历史信息时，展示它检索了哪些记忆、为什么选择这些记忆、最终哪些记忆进入了上下文。

解决的问题：

• 用户无法判断回答是否基于正确历史
• 记忆检索像黑盒，难以调试
• 企业场景需要解释和审计

具体实现：

• 每次任务执行记录记忆检索 query、候选结果、最终注入内容
• 在任务详情页展示“本次使用的记忆”
• 支持把错误引用标记为无效，反馈给记忆系统

接入状态：相关记录和检索能力已经具备基础，后续需要接入任务详情页和调试视图。

优先级：高

5.5 已实现功能：分层记忆加载

功能说明：

将记忆分为基础层、任务相关层和深度资料层，按任务需要逐步加载，减少上下文浪费。

解决的问题：

• 全量记忆直接注入会浪费 token
• 过多无关记忆会干扰模型判断
• 历史越多，检索越需要结构化

具体实现：

• 基础层：用户身份、偏好、长期稳定信息
• 任务层：和当前任务相关的历史任务、工具结果、文件资源
• 深度层：需要时再检索的详细材料、历史证据和长文档
• 每次任务记录加载了哪一层、为什么加载

接入状态：底层能力已实现，后续需要接入任务执行链路和产品展示界面。

5.6 已实现能力：记忆与技能联动的基础

功能说明：

把“记住信息”和“学会方法”区分开。事实类内容进入记忆，流程类经验进入技能。

解决的问题：

• 事实、偏好、方法、工具经验混在一起会造成混乱
• 技能学习需要来自高质量任务，而不是任意聊天

具体实现：

• 用户偏好、业务事实进入记忆
• 成功工作流程进入技能候选
• 失败任务进入反例经验，用于提醒系统避免重复错误
• 用户满意反馈作为高价值学习信号

接入状态：底层链路已经具备基础，后续需要在任务验收和技能审核界面中产品化呈现。

6. 后续补强的产品功能

6.3 技能库管理

功能说明：

把系统沉淀出来的技能变成可管理的企业能力库。

业务价值：

• 企业可以看到智能体已经掌握哪些工作方法
• 技能可以审核、启用、停用和版本管理
• 避免未经确认的经验直接影响生产结果

具体实现：

• 展示已发布技能、草稿技能、待审核技能
• 每个技能展示适用场景、来源任务、需要的工具、版本记录
• 支持人工审核后发布
• 支持回滚到上一版本

6.4 权限与安全策略

功能说明：

为工具调用、文件访问、外部系统接入和技能发布建立统一权限体系。

业务价值：

• 企业场景必须控制智能体能看什么、能改什么、能调用什么
• 防止越权访问文件、误执行命令或误发布技能
• 为后续接入客户数据和企业系统做准备

具体实现：

• 按用户、入口、任务类型和工具类型做权限判断
• 高风险工具调用前需要确认或策略允许
• 所有拒绝和允许都进入审计记录
• 管理员可以配置工具权限和文件权限

6.5 可回滚文件系统与对象存储

功能说明：

未来接入 MinIO 作为对象存储底座，承载用户文件、任务产物、工具生成物、会话附件、版本快照和可回滚文件状态。

业务价值：

• 智能体处理的文件不再散落在本地目录
• 每次任务产生的文件都可以追踪来源
• 误操作后可以回滚到历史版本
• 文件可以成为记忆系统和任务系统的长期资源

具体实现：

• 将用户上传文件、任务输出文件、工具生成文件统一存入对象存储
• 为每个文件建立版本记录、来源任务、创建人、使用记录
• 支持文件快照、版本比较和回滚
• 将文件元数据接入记忆检索，让智能体能按任务需要引用相关文件
• 文件访问走权限策略，避免越权读取

6.7 模型成本与质量监控

功能说明：

展示不同模型调用的成本、耗时、成功率和任务质量表现。

业务价值：

• 企业需要控制模型成本
• 不同任务可以选择不同模型
• 可以用数据判断模型供应商是否稳定

具体实现：

• 记录每次模型调用的 token、耗时、模型名、供应商和结果状态
• 按任务类型统计成本和成功率
• 支持为简单任务使用低成本模型，为复杂任务使用高质量模型

7. 未来路线图

短期：让现有能力稳定可展示

目标：把当前已有能力整理成可以验收、可以复盘的产品闭环。

目标为：

• 任务工作台
• 任务详情与执行过程展示
• 用户验收入口
• 定时任务运行历史
• 已完成记忆系统接入验证
• 基础记忆展示
• 技能草稿和审核流程整理

预期结果：

用户可以清楚看到系统正在做什么、做完了什么、哪些结果被认可、哪些经验可以沉淀。

中期：形成智能体资产管理能力

目标：把已经完成的记忆系统接入任务、文件和技能链路，并把任务、记忆、文件、技能变成可管理资产。

目标为：

• 记忆管理台
• 记忆检索轨迹
• 分层记忆加载接入任务执行链路
• 技能库管理
• 可回滚文件系统与对象存储
• 文件版本、来源和回滚
• 权限与审计策略
• 多智能体执行可视化

预期结果：

Beaver 不只是一个执行工具，而是开始形成企业级智能体资产库。已经完成的记忆能力会进入主产品链路，用户的文件、任务、记忆和技能可以被统一管理、追踪和复用。

长期：向自进化智能体系统演进

目标：让系统具备持续学习、持续优化和主动服务能力。

目标为：：

• 记忆质量评估
• 技能效果评估
• 自动发现可复用流程
• 主动推荐技能优化
• 多模型质量和成本路由
• 跨任务、跨文件、跨记忆的上下文网络

预期结果：

Beaver 可以逐步从“会执行任务的助手”演进为“能积累组织经验、主动优化工作方式的智能体系统”。