fusion-enginelisted

# Fusion Engine — 多源数据融合引擎 ## 功能概述 从三个独立的数据维度收集信息，通过加权融合算法生成综合的决策上下文评分，为精准工具调用提供科学依据。 ## 核心功能 ### 1. 三维数据融合 | 数据源 | 权重 | 说明 | |--------|------|------| | LanceDB 记忆相关性 | 30% | 历史相似操作的可信度和成功率 | | 命令执行成功率 | 30% | 此工具在历史中的成功率 | | 用户交互偏好 | 25% | 用户过往决策模式和满意度 | | 系统状态 | 15% | CPU/内存/磁盘/网络健康度 | ### 2. 融合评分系统 ``` 综合评分 = (LanceDB相关性 × 0.30) + (命令成功率 × 0.30) + (用户偏好 × 0.25) + (系统健康 × 0.15) ``` **评分区间**： - **75-100** 🟢 **自动允许** — 直接执行，高度可信 - **50-74** 🟡 **请求确认** — 向用户确认后执行 - **0-49** 🔴 **阻止** — 阻止执行，可能存在风险或不适当 ### 3. 多维度评估 #### 3.1 LanceDB 记忆相关性 (0-100) 评估当前操作在历史中的相似度和可信度： ```python if 相关记忆存在: 平均重要性 = 相关记忆的importance平均值 成功率 = 相关记忆中成功的比例 评分 = 40 + (平均重要性 × 40) + (成功率 × 20) else: 评分 = 40 # 无历史，保守估计 ``` #### 3.2 命令执行成功率 (0-100) 基于历史执行数据统计： ```python 成功率(%) = (成功次数 / 总执行次数) × 100 评分 = min(100, 成功率(%)) ``` #### 3.3 用户交互偏好 (0-100) 整合用户过往的决策模式： ```python 接受率(%) = (用户批准数 / 总交互数) × 100 平均满意度 = 用户给定的满意度评分(1-5)对应的百分制 评分 = (接受率 × 0.6) + (平均满意度 × 0.4) ``` #### 3.4 系统健康状况 (0-100) 实时检测系统资源状态： ```python CPU分数 = 100 - CPU使用率(%) 内存分数 = 100 - 内存使用率(%) 磁盘分数 = 100 - 磁盘使用率(%) 评分 = (CPU分数 + 内存分数 + 磁盘分数) / 3 ``` ### 4. 决策推理 每个决策都附带清晰的推理日志： ```json { "tool": "bash", "final_score": 73.5, "decision": "request_confirm", "reasoning": { "memory": { "score": 75, "note": "基于LanceDB中相关记忆的可信度" }, "cmd_success": { "score": 80, "note": "基于历史执行的成功率" }, "user_pref": { "score": 70, "n