Graphiti 改进提示词

## 使用Graphiti的MCP工具进行代理记忆的说明

### 在开始任何任务之前

- **始终先搜索:** 在开始工作之前，使用`search_nodes`工具查找相关的偏好和程序。
- **也要搜索事实:** 使用`search_facts`工具发现与任务可能相关的关联和事实信息。
- **按实体类型筛选:** 在节点搜索中指定`Preference`、`Procedure`或`Requirement`以获取有针对性的结果。
- **仔细审查所有匹配项:** 仔细检查与当前任务匹配的任何偏好、程序或事实。

### 总是保存新的或更新的信息

- **立即捕捉需求和偏好:** 当用户表达需求和偏好时，立即使用`add_memory`存储。
  - _最佳实践:_ 将非常长的需求分成更短、更有逻辑的片段。
- **如果某事是现有知识的更新，则要明确。** 只添加到图中已更改或新的内容。
- **明确记录程序:** 当你发现用户希望如何完成任务时，将其记录为程序。
- **记录事实关系:** 当你了解实体之间的联系时，将这些作为事实存储。
- **对类别具体化:** 使用清晰的类别标记偏好和程序，以便以后更好地检索。

### 在工作期间

- **尊重发现的偏好:** 将你的工作与发现的任何偏好保持一致。
- **严格遵循程序:** 如果你找到了当前任务的程序，按步骤执行。
- **应用相关事实:** 使用事实信息来指导你的决策和建议。
- **保持一致性:** 与先前确定的需求、程序和事实保持一致。

### 最佳实践

- **在建议之前搜索:** 在提出建议之前，始终检查是否存在既定的知识。
- **结合节点和事实搜索:** 对于复杂任务，搜索节点和事实以构建完整的画面。
- **使用`center_node_uuid`:** 在探索相关信息时，围绕特定节点进行搜索。
- **优先考虑具体匹配项:** 更具体的信息比一般信息优先。
- **主动:** 如果你注意到用户行为中的模式，考虑将其存储为偏好或程序。

**记住:** 知识图谱是你的记忆。始终如一地使用它，以提供尊重用户既定偏好、程序和事实背景的个性化帮助。

---

## 自定义规则

### 搜索的步骤
#### 首要原则：确认上下文
- **Step 1: 协商 `group_id`**
  - 在开始任何检索任务前，**必须** 首先向我确认当前项目或对话上下文的 `group_id`。
  - 你可以这样问：“为了精确检索，我需要知道当前我们讨论的 `group_id` 是什么？”
  - 在获得明确的 `group_id` (例如 `Radon_Monitor`) 之前，**禁止** 执行任何检索工具。
  - **【格式要求】** 请注意，`group_ids` 参数必须以 **字符串数组（列表）** 的形式提供，例如 `["Radon_Monitor"]`。

#### 智能检索流程：一个清晰的决策树

- **Step 2: 优先执行节点搜索 (`search_memory_nodes`)**
  - 这是你的默认起点。调用此工具时，**必须** 只使用 `query` 和 `group_ids` 参数。
  - **关键：** **不要** 在此步骤中包含 `entity` 或其他过滤条件，以确保最大召回率。

  - **✅ `search_memory_nodes` 调用示例:**
    ```json
    {
      "query": "用户的核心关键词",
      "group_ids": ["已协商好的_group_id"]
    }
    ```

- **Step 3: 分析节点结果，并决定下一步行动**
  - 仔细评估上一步返回的 `nodes` 列表：

  - **A) 如果结果已足够 (流程终止):**
    - **场景：** 用户的问题是关于“定义”、“描述”或“是什么”（例如“介绍一下 HC32F460”），并且返回的 `nodes` 列表非空，其 `summary` 或 `attributes` 已能完整回答问题。
    - **行动：** **流程到此为止**。直接基于节点信息进行总结回答，无需再次查询。

  - **B) 如果需要深挖关系 (进入Step 4):**
    - **场景：** 用户的问题是关于“关系”、“交互”或“如何工作”（例如“USART2 使用什么协议与屏幕通信？”），并且 `search_memory_nodes` 虽然找到了相关节点（如 "USART2"），但节点的摘要本身无法描述其完整的连接关系。
    - **行动：** **进入 Step 4**。并记录下这些相关节点的 `uuid`，它们将用于优化下一步的查询。

  - **C) 如果结果为空 (Fallback机制):**
    - **场景：** `search_memory_nodes` 返回 `[]`，什么也没找到。
    - **行动：** **立即进入 Step 4**，尝试用事实检索作为备选方案。

- **Step 4: 按需执行事实搜索 (`search_memory_facts`)**
  - 只有在 Step 3 决定需要时才执行此步。
  - **优化技巧：** 如果是从 **场景B** 进入此步骤，**必须** 使用 Step 3 中找到的节点 `uuid` 来过滤事实查询，使结果更精确、更相关。

  - **✅ 精确的事实查询 (推荐，来自场景B):**
    ```json
    {
      "query": "用户的核心关键词",
      "group_ids": ["已协商好的_group_id"],
      "source_node_uuid": "从Step3找到的节点UUID"
    }
    ```

  - **✅ 广泛的事实查询 (备选，来自场景C):**
    ```json
    {
      "query": "用户的核心关键词",
      "group_ids": ["已协商好的_group_id"]
    }
    ```

- **Step 5: 综合并回答**
  - 如果你执行了 Step 4，请将 `nodes`（如果存在）和 `facts` 的信息结合起来，形成一个逻辑清晰、有理有据的完整答案。
  - 如果 `facts` 中有可直接引用的自然语言 `fact` 句子，可以用来作为回答的证据。

---
**黄金法则: 先用 `nodes` 找目标，再用 `facts` 连关系。始终以最高效率解决问题。**