Agent/knowhub/internal_tools

KnowHub Internal Tools

这些工具只能在 Knowledge Manager 内部使用，不暴露给普通 Agent。

缓存管理工具

Knowledge Manager 使用本地缓存机制来处理调研数据，流程如下：

1. 接收数据 → 缓存到本地

调研 Agent 通过 IM 发送调研结果时，KM 使用 cache_research_data 缓存到本地：

await cache_research_data(
    data={
        "tools": [...],
        "resources": [...],
        "knowledge": [...]
    },
    source="agent_research"
)

存储位置：.cache/.knowledge/buffer/{source}_{timestamp}.json

2. 整理数据 → 去重合并

当需要整理缓存数据时，使用 organize_cached_data：

await organize_cached_data(merge=True)

功能：

• 读取所有 buffer 中的文件
• 按名称/标题去重
• 合并到一个文件
• 保存到 .cache/.knowledge/organized/organized_{timestamp}.json
• 清空 buffer（如果 merge=True）

3. 提交到数据库（可选）

只有在明确要求时，才使用 commit_to_database 提交到数据库：

await commit_to_database()

功能：

• 读取最新的 organized 文件
• 调用 resource_save 和 knowledge_save 入库
• 返回提交统计

4. 查看缓存状态

使用 list_cache_status 查看当前缓存情况：

await list_cache_status()

工作流示例

场景 1：只缓存和整理，不入库

调研 Agent: 发送调研结果
KM: cache_research_data() → 缓存到 buffer
KM: 回复"已缓存"

用户: 整理一下
KM: organize_cached_data() → 整理到 organized
KM: 回复"已整理，去重 X 个"

场景 2：缓存、整理、入库

调研 Agent: 发送调研结果
KM: cache_research_data() → 缓存到 buffer
KM: 回复"已缓存"

用户: 提交到数据库
KM: organize_cached_data() → 整理
KM: commit_to_database() → 入库
KM: 回复"已提交到数据库"

目录结构

.cache/.knowledge/
├── buffer/              # 原始缓存（调研 Agent 提交的数据）
│   ├── agent_research_20260402_120000.json
│   └── agent_research_20260402_130000.json
└── organized/           # 整理后的数据（去重合并）
    └── organized_20260402_140000.json

设计原则

1. 默认缓存：收到数据时先缓存，不直接入库
2. 按需入库：只有明确要求时才提交到数据库
3. 去重优先：整理时必须去重
4. 快速响应：缓存操作很快，不阻塞调研 Agent