Luna-AI

# Luna AI Luna 是一款本地优先、隐私安全的“陪伴式人格 + 长期记忆 + 主动行为”全栈 AI 桌面助理。其核心不仅是对话，而是建立**自然语言理解 → 锁定全局目标 → 生成分步计划 (Plan) → 分步执行与工具调用 (Tool Execution) → 局部偏差评估与重规划 (Replan) → 目标收束与最终验收 → 长期记忆更新与主动交互**的完整可恢复闭环。系统采用 **Goal-Stable / Plan-Mutable (全局目标不可变，局部步骤可重规划)** 的重型状态机架构，旨在处理复杂多步任务。 <div align="center"> <img src="asset/9.jpg" width="100%"> <div style="display: flex; justify-content: space-between; margin-top: 10px;"> <img src="asset/2.jpg" width="49%"> <img src="asset/1.jpg" width="49%"> </div> <div style="display: flex; justify-content: space-between; margin-top: 10px;"> <img src="asset/3.jpg" width="49%"> <img src="asset/4.jpg" width="49%"> </div> <div style="display: flex; justify-content: space-between; margin-top: 10px;"> <img src="asset/5.jpg" width="49%"> <img src="asset/6.jpg" width="49%"> </div> </div> ### 核心能力与功能特性 - **四种原生交互模式**：支持根据不同场景在前端的模式胶囊中手动选择，覆盖日常到深度的多重需求： - **普通对话模式 (Daily Chat)**：用于基础问答和日常交流，快速响应。 - **极速闲聊模式 (Casual Chat)**：基于本地或流式快速模型，更专注情感和高频陪伴。 - **智能规划模式 (Plan-State-Node)**：将复杂问题拆解为明确阶段（Planner → Executor → StateEvaluator），一步步调用知识库与工具来执行深度分析与写作。 - **万能循环模式 (Agent Loop)**：基于 Goal-Stable / Plan-Mutable 原则的重型循环。系统锁定全局目标后规划路径，执行中遇到问题会自动修复或重规划（Repair / Replan），适合长程复杂的探索性或系统性任务。 - **基于 LangGraph 的 DAG 重型任务流 (Goal-Stable / Plan-Mutable)**： - 构建了由 `Planner`, `StepPlan`, `StepExecutor`, `StateEvaluator`, `PlanReplan` 等构成的状态图。 - **目标不可变与步骤自修复**：全局目标锁定后，系统按步骤并发执行（Parallel Execution）。若检测到局部工具执行失败或结果偏差，将自动启动 **Replan** 机制生成新步骤以修补路径，防止陷入死循环。 - **多 Agent 流水线与子代理分发**：支持将部分子任务指派给专项 Sub-agent 处理，有效隔离长短期上下文，防止 Token 污染。 - **长时任务的中断与恢复 (Checkpoint)**：执行长耗时任务时，依赖 Redis/PostgreSQL 持久化引擎图快照。即便软件意外关闭，重启后亦能从当前执行断点（Cursor）无缝恢复。 - **MCP 标准化工具集成与动态 Gating 审批**： - 原生支持接驳兼容 **MCP (Model Context Protocol)** 协议的本地或远程工具（L0~L3 级风险管控）。 - **Human-in-the-loop**：对于系统命令、文件修改等高风险操作，Python 后端会拦截请求并挂起工作流，通过 SSE 唤起前端 Gating 弹窗，等待用户审批后再恢复执行，防止越权破坏。 - **混合 RAG 与多路 Chunk 策略**： - 内置 Qdrant 向量数据库。在文档解析阶段提供多种 Chunk 切分策略（基于语义、段落或 Token），保证召回精度。 - 检索阶段结合 **BM25 词频检索** 与 **Embedding 向量检索** 进行混合召回并 Rerank。支持检索过程受防 Unicode 截断与防乱码机制保护。 - **多级记忆流与上下文自动收束**： - **记忆分层**：融合会话级的短期工作记忆、情节记忆与持久化入 PostgreSQL/Redis 的长期记忆（用户画像、指令偏好、交互事实）。 - **上下文压缩治理 (Context Compression)**：当聊天记录或任务日志过长时，系统会自动启动多 Agent 协作将无用记录压缩成事实摘要，保证模型注意力不丢失并节省 Token 预算。 - **多模态情感陪伴 (Live2D + TTS)**： - **双轨情绪状态机 (WSM / ESM)**：将工作流状态 (Work State) 与 情绪状态 (Emotion State) 解耦。根据交互内容的感情色彩动态跃迁情绪。 - 前端结合 **Live2D 技术与 TTS 语音合成**，根据实时下发的指令，平滑驱动角色的视线追踪、口型同步及情绪神态变化，并在检测到负面情绪时触发安抚策略。 - **全息可观测调试与审计回看**： - 基于前后端贯穿的 TraceID 实现请求的生命周期追踪。桌面端内置全链路回放页面，支持回放工作流节点输入/输出、工具执行耗时、Token 消耗预算及 Gating 审批记录。 ## 项目架构 系统严格实施**前后端物理与逻辑解耦**： 1. **前端工程 (Electron + React + TypeScript)**：纯展示与交互层，包括 Live2D 渲染与多模态交互。相关文档参考 `frontend/docs`。 2. **后端工程 (Python AI Service)**：统一控制与智能层，负责 DAG 工作流、状态机、工具路由、持久化、大模型接入、RAG、认知推理。相关文档参考 `backend/docs`。 ## 目录结构 - `/frontend`: 前端工程 - `/backend/ai-service`: Python AI 智能服务与控制面 - `agent.md`: 项目级开发约束、协作规范、编码边界 ## 开发阶段 | 所属卷 | 阶段 | 目标 | 行动内容 (已优化) | 退出标准 | 备注 / 注意 | 状态 | 涉及文档 | |:---------------- |:------------------------------ |:---------------------------------- |:---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |:------------------------------------------------------------------------------------ |:------------------------------------------------------- |:------------------------------- |:----------------------------- | | **卷一：工程底座与前后端打通** | **Phase 0：工程规范与运行基线** | 先把项目能"按统一规则开发、调试、追踪"建立起来。 | • 统一仓库结构与模块边界，确立 Python Backend 为全局配置与状态的唯一事实来源 (SSOT)。<br>• 定义基础静态环境配置 (`.env` / `config.yaml`) 解析方式。<br>• 约定日志格式与贯穿全链路的 TraceID 下发规范。<br>• 约定错误码规范、结构化 JSON 响应约束及状态枚举。<br>• 明确前后端严格调用边界。<br>• 建立本地开发启动方式与多层健康检查协议。 | • 前后端团队按照同一套规范开发，不需要口头约定接口格式<br>• 任何请求都能携带 trace_id 并在日志中查到完整链路<br>• 项目可以一键启动本地最小开发环境 | **为什么先做这个**：后面所有阶段都会依赖协议、日志、配置、错误码。如果不先统一，后续每加能力必生兼容问题。 | 已完成 | [`backend/docs/system/配置与环境管理方案.md`](backend/docs/system/配置与环境管理方案.md)<br>[`backend/docs/system/日志、监控与审计方案.md`](backend/docs/system/日志、监控与审计方案.md)<br>[`frontend/docs/system/桌面端交互与前端架构方案.md`](frontend/docs/system/桌面端交互与前端架构方案.md) | | | **Phase 1：前后端通信骨架打通** | 跑通 Electron → Python 的最小通信链路。 | • Electron 启动并建立到 Python 的 WebSocket/SSE 单向数据流连接。<br>• 定义最小消息协议：Ping / Pong / Error / Health。<br>• 本地 Redis、PostgreSQL 完成基础可用部署（暂不涉及复杂业务建表）。<br>• 前后端都能健康检查联调，确保连通性。 | • 前端发一个 Ping<br>• Python 回 PONG<br>• 前端 UI 能显示 PONG | **注意**：这一步只验证链路，不做任何智能、不做任何状态机、不做任何记忆。 | 已完成 | [`backend/docs/system/数据存储与同步方案.md`](backend/docs/system/数据存储与同步方案.md)<br>[`backend/docs/system/日志、监控与审计方案.md`](backend/docs/system/日志、监控与审计方案.md)<br>[`frontend/docs/system/桌面端交互与前端架构方案.md`](frontend/docs/system/桌面端交互与前端架构方案.md) | | | **Phase 2：基础流式问答能力** | 先把"能像聊天产品一样说话"做出来。 | • Python 接入统一大模型调用层（OpenAI Compatible API），屏蔽底层厂商差异。<br>• 支持本地 vLLM/Ollama 与云端 API 切换，内置基础重试机制。<br>• Python 负责流式代理、消息转发及 TTFT（首字延迟）核心指标记录。<br>• Electron 依据 Python 下发的 `CurrentNodeId` 负责气泡流式渲染。<br>• 统一流式消息结构与结束标记，强制要求 Python 侧通过 Pydantic 校验 JSON 结构化输出。<br>• 设计结构化核心系统提示词，明确 Luna 角色定位、任务目标、回复风格和行为约束。<br>• 实现多轮对话上下文历史记录管理与 Token 边界截断策略。<br>• 实现流式输出缓冲平滑机制（合并小 Token 为语义完整的短句后输出）。<br>• 实现网络异常及中断的分层捕获与容错处理。 | • 可以稳定进行普通 LLM 对话<br>• 支持流式输出<br>• 支持多轮对话上下文感知<br>• 支持 Token 边界截断<br>• 流式输出平滑，前端无逐字闪烁<br>• 网络中断有友好降级提示<br>• 不接工具、不接记忆、不接 RAG | **为什么重要**：验证的是"AI 输入输出管道"是否稳定，而不是智能是否足够复杂。 | 已完成（增强） | [`backend/docs/system/大模型接入与统一调用层设计.md`](backend/docs/system/大模型接入与统一调用层设计.md)<br>[`frontend/docs/system/桌面端交互与前端架构方案.md`](frontend/docs/system/桌面端交互与前端架构方案.md)<br>[`backend/docs/plans/phase2_plan.md`](backend/docs/plans/phase2_plan.md) | | | **Phase 3：配置、Prompt 与密钥管理** | 消除硬编码，让系统具备可配置能力。 | • 引入 OS Keychain 存储主密钥，结合 AES-256-GCM 在 PostgreSQL 中加密存储 API Key。<br>• PostgreSQL 存储 Prompt 模板与模型动态配置，实现 Append-Only 历史版本记录快照。<br>• Python 维护 ConfigManager，通过内部 Event Bus 分发配置变更事件。<br>• Python 层实现热重载配置，实现动静分离。<br>• 先实现 JSON/YAML MVP 版本的 Prompt 插槽装配，再向数据库迁移。 | • 前端修改系统 Prompt 后下一次对话立即生效<br>• 无需重启整个系统<br>• 敏感信息不落明文 | **注意**：Prompt 版本必须可回滚，不能只保留"当前值"。 | 已完成 | [`backend/docs/system/配置与环境管理方案.md`](backend/docs/system/配置与环境管理方案.md)<br>[`backend/docs/system/PromptTemplate 与提示词版本管理方案.md`](backend/docs/system/PromptTemplate%20与提示词版本管理方案.md)<br>[`backend/docs/system/权限与安全方案.md`](backend/docs/system/权限与安全方案.md) | | | **Phase 4：最小可观测性与审计链路** | 让系统从一开始就能被追踪。 | • TraceID (`InteractionID`) 贯穿前后端全链路。<br>• 记录请求入站、模型调用（含 TTFT 与耗时预估）、工具调用、状态变化。<br>• PostgreSQL 引入 `audit_logs` 表，结合 WAL 机制记录防篡改的关键审计事件。<br>• Python 侧输出日志强制对敏感信息进行 Regex 脱敏（替换为 `[REDACTED]`）。<br>• 在 Electron 提供基础调试面板，支持按 TraceID 查询链路。 | • 任意请求都能查到完整生命周期<br>• 能定位失败源头（前端/Python/模型）<br>• 后续排障不需要猜 | **为什么放这里**：可观测性拖到最后会让后续加能力变成黑盒，必须提前。 | 已完成 | [`backend/docs/system/日志、监控与审计方案.md`](backend/docs/system/日志、监控与审计方案.md)<br>[`backend/docs/system/权限与安全方案.md`](backend/docs/system/权限与安全方案.md)<br>[`frontend/docs/system/桌面端交互与前端架构方案.md`](frontend/docs/system/桌面端交互与前端架构方案.md) | | **卷二：记忆与知识底座** | **Phase 5：短期会话记忆与上下文窗口管理** | 先让系统记住"当前会话正在发生什么"。 | • Redis 维护短期上下文窗口，隔离日常闲聊与任务执行日志。<br>• 记录最近消息、临时状态、当前任务上下文。<br>• 定义上下文过长时的裁剪策略，防止 Token 溢出导致注意力丢失。<br>• 支持会话恢复时的最小上下文重建，基于 Python 引擎的最新会话拉取请求。 | • 对话中系统能正确引用前文<br>• 重启后会话短期上下文可按策略恢复<br>• 上下文不会无限膨胀 | **注意**：短期记忆不等于长期记忆，不要混用。 | 已完成 | [`backend/docs/system/多层记忆系统设计.md`](backend/docs/system/多层记忆系统设计.md)<br>[`backend/docs/system/数据存储与同步方案.md`](backend/docs/system/数据存储与同步方案.md) | | | **Phase 6：长期记忆写入与恢复** | 让系统真正"记得住"。 | • Python (`AnalyzeMemory`) 负责记忆提取、冲突对比、结构化更新指令生成。<br>• Python 负责 Memory Write Commit 的事务落盘，执行软删除或追加到 PostgreSQL。<br>• 实现关系型 PostgreSQL 与向量库 Qdrant 的同步写入，Python 提供降级重试防脑裂。<br>• 定义记忆写入的用户授权确认条件（Gating）、去重策略与版本回溯能力。 | • 告知偏好后，重启系统仍能识别并记住<br>• 记忆写入可追溯、可撤销、可更新 | **关键原则**：长期记忆不能由模型"想写就写"，必须经过 Python 的提交控制。 | 已完成 | [`backend/docs/system/多层记忆系统设计.md`](backend/docs/system/多层记忆系统设计.md)<br>[`backend/docs/system/数据存储与同步方案.md`](backend/docs/system/数据存储与同步方案.md)<br>[`backend/docs/system/用户画像与偏好建模方案.md`](backend/docs/system/用户画像与偏好建模方案.md) | | | **Phase 7：RAG 知识检索增强** | 让系统能基于外部知识回答问题。 | • 部署本地 Qdrant，打通文档切片、Embedding、检索流程。<br>• 实现动态 RAG 路由机制：按需划分为 Search、Modular 与 Agentic 检索。<br>• Python 工作流中维护 RAG 子图（Sub-Graph）状态机。<br>• Python 负责实际检索与融合，合并各源的 Evidence 及置信度并注入 Prompt。 | • 导入文档后可回答具体问题<br>• 答案能引用检索结果<br>• 低相关结果不会污染最终回答 | **注意**：RAG 是"证据注入"，不是"记忆替代"。 | 已完成 | [`backend/docs/system/知识库检索增强生成方案.md`](backend/docs/system/知识库检索增强生成方案.md)<br>[`backend/docs/system/多层记忆系统设计.md`](backend/docs/system/多层记忆系统设计.md) | | | **Phase 8：上下文治理与摘要压缩** | 解决长对话、长任务导致的上下文污染。 | • Python 侧串联 Multi-Agent 上下文治理流水线（提取、过滤、融合、压缩）。<br>• Python 负责状态机推进，保存中间态，推送"治理进度"提示给前端。<br>• 将"最近意图"与"历史资料"分层保存，消除 GIGO 效应。<br>• 对超长聊天做冗余裁剪，单独记录中间 Prompt 载荷和 Token 压缩率审计。 | • 冗余长记录输入也能抓住最新意图<br>• 旧信息不会压倒新信息<br>• 压缩过程可回放、可审计 | **顺序原因**：先有记忆与 RAG，才知道该保留和压缩什么。 | 已完成 | [`backend/docs/system/多智能体协作与角色分工方案.md`](backend/docs/system/多智能体协作与角色分工方案.md)<br>[`backend/docs/system/多层记忆系统设计.md`](backend/docs/system/多层记忆系统设计.md) | | **卷三：工作流与状态控制** | **Phase 9：LangGraph 工作流内核** | 让系统具备多步规划与可执行能力。 | • Python 实现执行容器：基于 LangGraph 构建 StateGraph。<br>• 基于 Redis/PostgreSQL 维护图拓扑及状态，调度节点。<br>• 打通 Python 局部重规划接口，节点失败时由 Python 触发循环重试并由 LLM 修剪。<br>• 异步通过 Event Bus 将状态机流转 Write-Behind 持久化。 | • Python 返回顺序节点 JSON<br>• Python 能按依赖顺序执行<br>• 节点状态成功流转 | **注意**：先不追求复杂容错，先把"能跑起来"做对。 | 已完成 | [`backend/docs/system/DAG 编排方案.md`](backend/docs/system/DAG%20编排方案.md)<br>[`backend/docs/system/数据存储与同步方案.md`](backend/docs/system/数据存储与同步方案.md) | | | **Phase 10：任务状态机与中断恢复** | 让任务不仅能跑，还能停、能恢复、能回滚。 | • Python 建立完备的任务状态机，映射 LangGraph 节点流转的可能状态。<br>• 支持任务级别的超时控制、手动取消与自动补偿策略。<br>• 将运行时快照定期异步持久化到 PostgreSQL。<br>• 恢复时加载序列化上下文，实现从断点节点的无缝拉起。 | • 任务中断后可恢复<br>• 超时能正确终止<br>• 不出现"半死不活"状态 | **独立成段**：LangGraph 解决"怎么排"，状态机解决"怎么活"。 | 已完成 | [`backend/docs/system/DAG 编排方案.md`](backend/docs/system/DAG%20编排方案.md)<br>[`backend/docs/system/工作状态机与情绪状态机方案.md`](backend/docs/system/工作状态机与情绪状态机方案.md) | | | **Phase 11：工作与情绪状态双轨治理** | 让系统懂"继续、暂停还是安抚"。 | • 实现调度引擎中 WSM（工作状态）与 ESM（情绪状态）物理与逻辑双解耦。<br>• Python 触发情感事件，捕捉状态跃迁（如怒气）。<br>• 高危情绪下，Python 冻结当前工具执行上下文，拒绝暴露高危 Tool。<br>• 情绪安抚结束后，支持从 Snapshot 恢复原有工作流。 | • AI 跑长任务时用户叫停能立即冻结<br>• 进入安抚态，不硬跑 | **注意**：情绪状态是主动行为的安全闸门，不是装饰。 | 已完成 | [`backend/docs/system/工作状态机与情绪状态机方案.md`](backend/docs/system/工作状态机与情绪状态机方案.md)<br>[`backend/docs/system/DAG 编排方案.md`](backend/docs/system/DAG%20编排方案.md) | | **卷四：工具与治理** | **Phase 12：MCP 工具协议与基础接入** | 打通标准化工具调用。 | • Python 实现独立工具路由与执行网关，作为副作用操作唯一入口。<br>• 定义标准化 MCP 工具注册、模式校验与三阶段路由协议。<br>• 接入 L0 级低危工具（时间、天气、读取）。<br>• 工具执行结果序列化回传给 Python 工作流引擎并投递至下游节点。 | • AI 自主调用低危工具并回答<br>• 工具调用有完整记录<br>• 不绕过 Python 控制面 | **注意**：工具不能由模型直调，必须过 Python Gateway。 | 已完成 | [`backend/docs/system/工具协议与 MCP 能力接入方案.md`](backend/docs/system/工具协议与%20MCP%20能力接入方案.md)<br>[`backend/docs/system/权限与安全方案.md`](backend/docs/system/权限与安全方案.md) | | | **Phase 13：权限治理与前端 Gating** | 让高危工具必须经过用户确认。 | • 对工具按 RiskLevel 进行强管控标记（L0 到 L3 级）。<br>• 执行到 L2 高危操作时，Python 拦截并挂起 LangGraph，进入审批态。<br>• 通过 WebSocket/SSE 向 Electron 推送请求，弹出 Gating 确认窗口。<br>• 用户拒绝即终止，同意则 Python 恢复执行，全程写防抵赖日志。 | • 敏感/高危操作均能正确拦截弹窗<br>• 拒绝不误执行<br>• 审计链路准确记录 | **为什么放这里**：有主动执行能力前必须先有管控，否则是风险放大器。 | 已完成 | [`backend/docs/system/权限与安全方案.md`](backend/docs/system/权限与安全方案.md)<br>[`backend/docs/system/工具协议与 MCP 能力接入方案.md`](backend/docs/system/工具协议与%20MCP%20能力接入方案.md)<br>[`frontend/docs/system/桌面端交互与前端架构方案.md`](frontend/docs/system/桌面端交互与前端架构方案.md) | | | **Phase 14：审计回放、DevTools 与调试** | 让每一步可解释、可回放、可排障。 | • 前端 UI 提供基于 TraceID 的完整链路回放。<br>• 展示节点输入输出耗时，及被重规划修剪掉的失效子图。<br>• 开发 Context Visualizer 直观呈现 Prompt 载荷和 Chunk 过滤。<br>• 集成 PostgreSQL 审计回看，展示参数与 Gating 记录。 | • 任务结束后能在 UI 回看全流程<br>• 快速定位卡点<br>• 支持后续问题复盘 | **说明**：不是锦上添花，是系统持续迭代的底层刚需。 | 已完成 | [`backend/docs/system/日志、监控与审计方案.md`](backend/docs/system/日志、监控与审计方案.md)<br>[`backend/docs/system/权限与安全方案.md`](backend/docs/system/权限与安全方案.md)<br>[`frontend/docs/system/桌面端交互与前端架构方案.md`](frontend/docs/system/桌面端交互与前端架构方案.md) | | **卷五：协作、主动与表现** | **Phase 15：多 Agent 协作与上下文共享** | 具备角色分工与冲突控制能力。 | • 前端支持多 Agent 任务区的多实例渲染与高亮。<br>• Python 管控长短期上下文在多 Agent 间的隔离与暴露边界。<br>• Python 作为权威控制台监测多 Agent 争抢全局资源（如音频）冲突。<br>• 资源冲突时向前端发 `EVT_NODE_AUTH_REQUIRED` 让用户仲裁。 | • 多 Agent 协作完成复杂任务<br>• 不互相污染上下文<br>• 冲突有明确仲裁 | **注意**：重点是治理上下文与职责边界。 | 未完成 | [`backend/docs/system/多智能体协作与角色分工方案.md`](backend/docs/system/多智能体协作与角色分工方案.md)<br>[`backend/docs/system/多层记忆系统设计.md`](backend/docs/system/多层记忆系统设计.md) | | | **Phase 16：主动感知与后台任务** | 突破"一问一答"，能在后台主动做事。 | • 监测 OS 空闲状态或剪贴板变化并上报。<br>• Python 实现基于 Redis Token Bucket 的速率限制与静默期检测。<br>• Python 提供评估规划，输出是否打扰的决定及解释。<br>• 涉高危工具的主动计划，Python 直接拦截转为前端无声待办卡片。 | • 空闲后能自动总结/提醒<br>• 主动行为不打扰用户<br>• 支持用户限制主动模式 | **关键点**：主动行为必须受治理，防变"打扰"。 | 未完成 | [`backend/docs/system/主动感知与自主行动机制.md`](backend/docs/system/主动感知与自主行动机制.md)<br>[`backend/docs/system/工具协议与 MCP 能力接入方案.md`](backend/docs/system/工具协议与%20MCP%20能力接入方案.md)<br>[`backend/docs/system/工作状态机与情绪状态机方案.md`](backend/docs/system/工作状态机与情绪状态机方案.md) | | | **Phase 17：Live2D、TTS 与多模态表现** | 让系统具备陪伴感和表达力。 | • 前端初始化 PIXI 引擎与 Live2D，建立防白屏兜底策略。<br>• Python 解析音文本流，下发嘴型计算同步指令。<br>• Python 定时下发指令维持待机视线追踪等轻微活动。<br>• 支持情绪骤变响应，强制打断轻巧动作并在 200ms 内淡入表情动作。 | • 输出时角色张嘴说话<br>• 情绪语义触发对应动作<br>• 视觉与状态机一致 | **为什么放最后**：体验层增强，不影响正确性但提升完整感。 | 已完成 | [`frontend/docs/system/Live2D 角色渲染与多模态表现方案.md`](frontend/docs/system/Live2D%20角色渲染与多模态表现方案.md)<br>[`frontend/docs/system/桌面端交互与前端架构方案.md`](frontend/docs/system/桌面端交互与前端架构方案.md)<br>[`backend/docs/system/工作状态机与情绪状态机方案.md`](backend/docs/system/工作状态机与情绪状态机方案.md) | ## 开发规范 请严格遵守 `agent.md` 中定义的开发规范与编码红线。