背景：公司自研开发环境 Coddiger 由自研开发语言（Phoenix）、自研编译器、自研虚拟机拼合而成，以开发者小主机为载体交付。自研语言生态的最大瓶颈是入门门槛高——开发者不熟悉 Phoenix 语法与工具链，导致小主机销量受限、生态扩展缓慢。
目标用户：购买 Coddiger 小主机的开发者（对自研语言不熟悉、需要编程辅助的开发者）。
核心诉求：通过自然语言辅助完成代码编写、调试与编译，显著降低自研语言使用门槛，验证 LLM 在系统级编程（Compiler/VM）领域的可行性。
AI 编程辅助：作为内置在 Coddiger 开发环境中的专属编程智能体，通过自然语言帮助开发者完成代码编写、调试与编译，Phoenix 编写效率提升 40%+。
MCP 工具链调用：将 Compiler/VM/Transpiler 底层能力封装为标准 MCP Tools，落地"自然语言 -> Agent 决策 -> MCP 工具调用 -> Phoenix 源码生成 -> 自动编译验证"端到端闭环。
多 Agent 协作编排：具备 ReAct 自主规划与 Reflexion 自我修正能力，可动态拆解复杂跨语言编译任务，精确调度 FFI/Transpiler 工具链，解决长链任务逻辑断裂与幻觉问题。
知识库检索：自研 Rust rag-worker 实现全文/向量/混合检索 + RRF 融合 + flash-rerank 语义重排，支持 PDF 智能消化（文字版/扫描版/表格版自动识别，扫描页本地 OCR、表格转 Markdown）。
经验自动沉淀：任务完成钩子将经验自动入库，失败/返工痕迹驱动 Skill 进化，Agent 能力随使用持续增强。
多端入口接入：打通 CLI（Textual）/ HTTP API（FastAPI）/ 桌面（PyQt6）/ IM（LangBot）四入口；基于 LangBot 网关接入飞书/微信等 IM 平台，支持附件自动收集、长任务占位回复与实时进度推送。
Agent 编排与多 Agent 协作：基于 LangGraph 生态构建主 Agent（DeepAgents 框架 + MemorySaver 多轮状态持久化），配以自研「意图评分（IntentScorer）→ Pattern 流水线（6 类模式）→ 任务拆分（TaskDecomposer，模板/LLM/多交付物预拆 + DAG 校验）→ 专家子 Agent（architect/coder/reviewer/tester/debug/finance）→ 产物门禁 → 主 Agent 兜底」编排体系；支持异步子 Agent（Agent Protocol）与跨任务 token 用量统计。
MCP 工具链与底层能力开放：基于 FastMCP 将编译器工具链封装为标准 LLM 工具集——VM 运行时诊断工具（异常处理状态/内存堆栈）、多语言互操作（FFI）桥接工具（安全调用 C/C++/Rust 外部高性能库）、AST 转译与控制工具（驱动 JS -> Phoenix AST 自动化转换）；Agent 经 MCP 自主感知代码库上下文，规划解决路径，并在编译错误时自我反思修正。
记忆与知识库：MemorySaver 短期记忆 + SQLite 会话持久化 + 向量知识库三层记忆体系；自研 Rust 知识库引擎（PyO3 高性能模块）实现「Qdrant 向量 + SQLite FTS5 trigram 中文全文 → RRF 融合 + flash-rerank 语义重排」混合检索（相关 0.997 vs 不相关 0.00004）与 wikilink 图谱扩展；text-splitter 语义切片（段落→句子→子句，中文标点正确断句）；统一入库入口（PDF/Office/图片/文本/笔记自动分派）。
多平台 IM 机器人接入：基于 LangBot 网关接入飞书/微信等 IM 平台，自研
评论