从「能用」到「可治理」： AI 随手记做了一次「不动皮只动骨」的升级

最近我们给「 AI 随手记」做了一次大改造。
用户看到的还是老样子写随手记、点生成、拿到一篇日记。但里面已经从一个「大杂烩流程」，变成了一条可组合、可追踪、可回放、还能做质量把关的「技能流水线」。

这篇文章用大白话讲讲：我们为什么要改、改了什么、踩了哪些坑，以及这件事对我们（和对想做类似产品的人）意味着什么。

一、为什么要动刀？「能跑」和「能管」是两回事

以前的实现也能跑，但有几件事让我们越来越头疼：

• 逻辑缠在一起
  生成一篇日记时，清洗、检索、写作、存库、向量化全挤在一坨，改一处怕动全身。

• 出了问题不好查
  用户说「这次写得怪」，我们只能翻日志猜，很难精确还原「到底是哪一步、输入输出长什么样」。

• 想小步试新东西很难
  比如只想换一段提示词或某一步策略，几乎要动整条链路，没法单独试。

• 质量会飘
  不同模型（尤其像 Qwen 这类）有时会「脑补」事实，规则不好统一管。

所以我们这次的目标很明确：
把「写日记」从一个大函数，拆成一条「有标准接口的技能流水线」。
这样每一步都可以单独升级、单独排查、单独做灰度。

二、我们具体做了什么？（一句话版）

我们把系统重构成了四块：

• SkillRegistry：技能注册表，知道有哪些技能、怎么找。
• SkillExecutor：执行器，按标准接口跑每一个技能。
• SkillOrchestrator：编排器，决定先跑谁、后跑谁、怎么串起来。
• Trace：每次运行都留痕，谁在什么时候、吃了什么、吐出了什么、花了多久、有没有报错。

然后把「生成日记」这条主流程，拆成了 5 个技能：

1. note-normalize （清洗）
   把随手记整理成统一的结构化块，去噪音，准备好给后面用。

2. memory-retrieve （记忆检索）
   用本地记忆做召回，给生成阶段补一点上下文；可以降级为空，不阻塞主流程。

3. diary-compose （生成）
   按规则生成正文。

4. diary-critic （审校门控）
   检查有没有「硬伤」：比如图片标记幻觉、背景信息泄露、拼接感太重等。
   不只是打分，还能拦：不合格就不落库，避免脏数据。

5. persist （落库）
   通过审校的才存进去；不通过就阻断，并返回可解释的原因。

用户依然只点「生成日记」，但内部已经是一条清晰的流水线：清洗 → 检索 → 生成 → 审校 → 落库。

三、最关键的四种能力：可追踪、可回放、可灰度、可门控

这次重构，我们最在意的是四件事。它们不炫，但决定了能不能长期迭代、少背锅。

1 ） Trace：可追踪

每次运行都有一个 run_id，会记录：
每个技能吃了什么（输入摘要）、吐出了什么（输出摘要）、耗时多少、有没有报错。

以前：用户说「这次写得怪」→ 我们猜。
现在：按 run_id 一查，就能看到是哪一个技能、在什么输入下、产出了什么，相当于可回放的一盘录像。

2 ） Replay：可回放

我们加了一套「固定样本」的复测数据。
改一个技能或一段提示词，可以用同一批样本反复跑，看有没有「修一个坏三个」。

这对稳定迭代特别重要：先能复现，再谈优化。

3 ） Rollout：可灰度

支持「按技能切版本」。
比如只把「 diary-compose 」换成新版本，其他技能不动，整条链路不用大动。
这样我们可以小步试新策略、新 prompt ，出问题也能快速回滚。

4 ） Gate：可门控

diary-critic 不只是打分数，而是有「拦」的能力。
高风险内容（幻觉、泄露、拼接味太重）可以不落库，并给用户一个可解释的原因，而不是悄悄存错。

四、踩过的坑

坑 1：Xcode 资源重名冲突

多个技能里都有 SKILL.md、input.json、output.json，Xcode 拷贝资源时会扁平化，结果出现「重复输出」之类的问题。

解决：改成全局唯一文件名（例如 SKILL-note-normalize.md、note-normalize-input.json），并在 registry 里用 SKILL*.md 这种方式扫描，避免重名。

坑 2：第二次生成时崩溃（ SwiftData detached backing data ）

第一次生成后，我们在异步任务里还在读旧的 DiaryElement；第二次生成时先把旧元素删了，就触发了 fault 崩溃。

解决：去掉在后台乱跑的并发 Task ，把向量生成和保存放回同一条 async 执行流里，保证对象生命周期一致，不再「用已删掉的东西」。

坑 3：日记「像在拼接 notes 」

提示词太保守时，模型会变成「安全复述器」：一条条复述随手记，不像日记，像清单。

解决：

• 在 prompt 里允许「合并同主题、时间线重排、口语转书面、压缩重复」；
• 在 Critic 里加「拼接味检测」（例如重合度阈值）；
• 命中后自动重写一轮，但不放宽事实约束，避免编造。

五、最难的一关：既不虚构，又要像日记

「禁止虚构」和「读起来像日记」经常打架：
管太严 → 像清单；放太松 → 容易编造。

我们的做法是三层：

1. 硬约束守底线
   不新增输入里没有的关键事实。这是红线。

2. 结构规则保可读
   强制段落规划、主题合并，让文本有节奏、有重点，而不是流水账。

3. 审校规则兜质量
   用 Critic 检测「拼接味」，必要时自动重写一次，仍然不放宽事实约束。