1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
//! # agent-context
//!
//! 通用、后端无关的 LLM 对话上下文管理器,基于 [kameo](https://crates.io/crates/kameo) Actor 模型构建。
//!
//! ## 核心概念
//!
//! ### 三区 + Scratch 消息模型
//!
//! 上下文消息按可变性分为三个存储区域,加上一个可选且不存储的 Scratch 层,按序拼接为完整对话:
//!
//! | 区域 | 容器 | 可变性 | 用途 |
//! |------|------|--------|------|
//! | **immutable** | [`ReadOnly`] | 不可变 | 系统提示词、预设上下文等构造后不变的消息 |
//! | **compressed** | `Vec` | 仅压缩时写入 | 历史对话压缩后的摘要 |
//! | **incremental** | `Vec` | 完全可变 | 当前活跃对话,支持增删改查 |
//! | **scratch** | — | 可选,不存储 | 每轮刷新的临时元数据(时间、工作目录等),通过 [`CommonOpts`] 配置 |
//!
//! 拼接顺序:immutable → compressed → incremental → scratch(如有)。
//! Scratch 由调用方在每次 [`RequestSend`]/[`RequestSendStream`] 时通过 [`CommonOpts`] 传入,
//! 不存入任何区域,不触发变更事件,不参与序列化。
//!
//! ### 后端 trait
//!
//! [`ContextBackend`] 是核心抽象,封装 LLM 后端的:
//!
//! - **消息工厂**:[`user_message`](ContextBackend::user_message)、[`system_message`](ContextBackend::system_message)、[`tool_message`](ContextBackend::tool_message)
//! - **格式转换**:[`to_system_message`](ContextBackend::to_system_message)、[`to_request_messages`](ContextBackend::to_request_messages)
//! - **响应解析**:[`extract_messages`](ContextBackend::extract_messages)
//! - **模型对话**:[`send`](ContextBackend::send)、[`send_stream`](ContextBackend::send_stream)、[`estimate_tokens`](ContextBackend::estimate_tokens)
//!
//! 实现 `ContextBackend` 即可让 AC 支持任意 LLM 后端(DeepSeek、智谱、OpenAI 等)。
//!
//! ### 变更通知
//!
//! 通过 [`RequestSubscribeChange`] 动态注册订阅者 Actor,接收 [`NotifyChange`] 实时追踪消息变化。
//!
//! ### 上下文压缩
//!
//! [`RequestSend`]/[`RequestSendStream`] 发送前自动检测上下文是否已满。
//! 当 [`CommonOpts::auto_compress`] 为 `true` 时自动压缩;为 `false` 时返回错误。
//! 也可通过 [`RequestCompress`] 手动触发压缩,支持 [`CompressStrategy::Summarize`] 策略。
//! 通过 [`RequestSubscribeCompressed`] 注册压缩结果订阅者,可在压缩后修改摘要与保留消息。
//!
//! ## 快速开始
//!
//! ```ignore
//! use agent_context::{
//! AgentContext, RequestAppend, RequestSend, RequestSendStream, RequestMessages,
//! RequestSubscribeChange, ContextBackend, CommonOpts, NotifyChange,
//! };
//! use futures::StreamExt;
//!
//! // 1. 实现 ContextBackend(以你的 LLM SDK 类型)
//! // 2. 创建 Actor 并订阅变更通知
//! let ctx = AgentContext::new(my_backend, vec![backend.system_message("You are a helpful assistant.")]);
//! let actor_ref = AgentContext::spawn(ctx);
//! actor_ref.ask(RequestSubscribeChange { recipient: app_ref.recipient() }).await?;
//!
//! // 3. 非流式对话
//! actor_ref.ask(RequestAppend { message: user_msg }).await?;
//! actor_ref.ask(RequestSend { opts: my_opts }).await?;
//!
//! // 4. 流式对话
//! let mut stream = actor_ref.ask(RequestSendStream { opts: my_opts }).await??;
//! while let Some(chunk) = stream.next().await { /* 逐块处理 */ }
//! let chunks = stream.take_chunks();
//! let msg = backend.merge_chunks(&chunks).expect("chunk merge failed");
//! let msgs = backend.to_request_messages(vec![msg])?;
//! for m in msgs {
//! actor_ref.ask(RequestAppend { message: m }).await?;
//! }
//!
//! // 5. 读取全部消息
//! let all: Vec<_> = actor_ref.ask(RequestMessages).await?;
//! ```
pub use ;
pub use AgentError;
pub use ContextMessage;
pub use ReadOnly;
pub use Role;