OpenHuman Goals Curator 深度解析长期目标记忆的守护者 Agent 如何设计与运行【免费下载链接】openhumanOpenHuman is an open source personal AI for Mac, Windows and Linux — local-first memory, agent orchestration, and deep research.项目地址: https://gitcode.com/GitHub_Trending/op/openhuman本篇技术指南以 OpenHuman 开源项目内置的 Goals CuratorGoals Agent为核心讲解这个在后台持续维护用户长期目标清单MEMORY_GOALS.md的系统提示词工程与其完整实现链路。读完你将掌握该 Agent 的系统提示词设计、注册表配置agent.toml、四个目标工具的调用协议、多轮 enrichment 调度机制以及单行/敏感信息校验等落地细节可直接对照源码深入研读。Goals Curator 是什么Goals Curator 是 OpenHuman 中一个运行在后台的内置 Agent职责是维护一份短小、持久、高信噪比的用户长期目标清单。它与普通会话中的临时任务无关——清单里存放的是用户的抱负与长期立场目标aspirations and standing objectives而非一次性任务。这份清单存放在MEMORY_GOALS.md中上限约为 8 条。其系统提示词定义在 prompt.md而该提示词并非一次性注入而是通过 prompt.rs 在运行时组装先输出静态 archetype即prompt.md原文通过include_str!引入再依次拼接用户文件段render_user_files、工具说明段render_tools与工作区段render_workspace最终形成的字符串就是 LLM 实际看到的完整系统提示词。// src/openhuman/agent/registry/agents/goals_agent/prompt.rs const ARCHETYPE: str include_str!(prompt.md); pub fn build(ctx: PromptContext_) - ResultString { let mut out String::with_capacity(4096); out.push_str(ARCHETYPE.trim_end()); out.push_str(\n\n); // render_user_files / render_tools / render_workspace 三段 Ok(out) }工作流程四条铁律式操作原则系统提示词为 Goals Curator 定义了严格的工作顺序保证任何一次维护动作都在看过当前清单的前提下进行永远先调用goals_list不先读取当前清单就不得新增或编辑这既避免产生重复目标也确保能拿到正确的目标 id 进行寻址。需要更多上下文时使用memory_recall在决定改动之前若对用户过往意图掌握不足通过记忆召回获取更多背景。执行最小化变更集仅做上下文所证实的改动goals_add真正全新的、尚未被捕获的持久目标goals_edit随目标演进精修已有目标的措辞goals_delete移除用户已完成或已放弃的目标。首次运行空清单从上下文推断并填充初始目标集此时要保守只添加有把握的目标。这套先读后写、最小改动的原则在代码层得到了双重保障。一方面工具描述本身强制了调用顺序如goals_list的描述要求Always call this before adding/editing/deleting另一方面enrichment 的任务提示词在first_run与非首次两种模式下显式切换指令文本见 enrich.rslet mode if first_run { The goals list is currently EMPTY. This is the first run — populate \ an initial set of the users durable long-term goals (max ~8) from \ the context below. Start by calling goals_list to confirm, then use \ goals_add for each goal. } else { Maintain the existing goals list. Call goals_list first, then make \ the MINIMAL set of changes (goals_add / goals_edit / goals_delete) \ justified by the context below. Do not churn goals that are still \ valid. };守则约束清单质量的四条红线系统提示词同时规定了内容质量底线这些约束不是建议而是由底层校验代码强制执行每条目标一句话单句、简洁描述持久长期目标而非临时任务。对应的强制校验位于 doc.rs——目标文本必须是非空、单行的字符串违反时返回goal text must be a single line。保持挑剔Be selective不是每段对话都会改变目标什么都不做是合法结果。若没有持久性变化就不做任何工具调用。绝不存储密钥或 PII不得包含 keys、tokens、passwords 及敏感个人信息。该约束同样是硬校验doc.rs通过has_likely_secret与has_goal_pii内含has_likely_email等谓词检测目标文本命中即拒绝写入错误信息为goal text must not contain secrets or PII对包含疑似凭据的文本还会走sanitize_text脱敏处理。不折腾Dont churn对仍然有效的目标保持不动优先小幅编辑而非整体重写。每次操作完成后Agent 需要简短总结自己改了什么或什么都没改把变更结果以自然语言回传。注册表定义agent.toml 逐项解读Goals Agent 的注册表定义位于 agent.toml它决定了一个内置 Agent 在 OpenHuman 中如何被构建与运行配置项值含义idgoals_agent注册表中的唯一标识也是 enrichment 代码引用的GOALS_AGENT_IDdisplay_nameGoals Curator展示名称delegate_namecurate_goals委派/调度名when_to_useBackground — keeps the users long-term goals list (MEMORY_GOALS.md) fresh from session context. Runs cheap and slow.使用时机后台低频运行、成本低廉temperature0.3采样温度较低偏向确定性的保守维护max_iterations5单次运行最多 5 轮迭代对应多轮工具循环上限sandbox_modenone无需沙箱因为只操作本地内存文档backgroundtrue标记为后台 Agentomit_identity/omit_memory_context/omit_safety_preamble/omit_memory_mdtrue省略身份、记忆上下文、安全开场白与 memory.md保持提示词精简[model].hintagentic使用云端 agentic 模型注释明确指出它与 researcher、profile_memory_agent 等后台专家一致不用local 模型——因为目标整理必须经过真实 LLM 回合且没有启发式兜底[tools].namedgoals_list, goals_add, goals_edit, goals_delete, memory_recall允许使用的工具白名单值得注意的是omit_*这一组配置后台专家 Agent 刻意剥离了通常注入的身份与安全开场白只保留最小必要的 archetype 与工具说明这是廉价后台维护者定位的体现。工具协议goals_list / goals_add / goals_edit / goals_delete四个目标工具的完整实现位于 memory/tools/goals.rs它们全部通过goals_guard()获取当前激活的MemoryGuard若底层内存驱动不支持 goals family则返回memory driver does not support the goals family再统一委托给goals::ops执行从而保证工具路径与 RPC 路径memory_goals.*是同一套实现——Agent 添加的目标与通过 RPC 添加的目标经历完全一致的校验、上限与返回格式。工具权限级别参数JSON Schema返回goals_listReadOnly无参数以 Markdown 渲染返回每条目标的 id 与文本ops::list后调用outcome.value.render()goals_addWrite必填textstring一句目标文本新增目标的 id如Added goal g3.goals_editWrite必填idstring如g1textstringEdited goal g1.goals_deleteWrite必填idstringDeleted goal g1.参数校验在工具层先行完成例如goals_add缺少text时返回Missing text parametergoals_edit/goals_delete缺少id时返回Missing id parameter。所有写操作在执行前都会记录[memory_goals] tool...的 debug 日志便于追踪。从源码结构看这些工具是tools::ops以workspace_dir沙箱身份构造的但workspace_dir仅用于标识而非存储定位——目标文档在驱动侧同样是 workspace 级因此工具与 ambient binding 指向同一个文件。触发链路enrichment 如何被调度Goals 清单的维护不是一次性脚本而是一个真实的多轮 Agent 回合。核心入口在 enrich.rsenrich_goals(config, workspace_dir, context_input)先读取当前目标文档并判断first_run doc.is_empty()读取失败时直接报错而不是伪装成空文档——因为first_run决定是否引导 Agent 初始化清单误判会把清单已存在当成清单为空。然后以Agent::from_config_for_agent(config, GOALS_AGENT_ID)从注册表构建 Agent在AgentTurnOrigin::TrustedAutomation来源标记为Subconscious下执行单一外部回合由该回合驱动完整的内部工具循环。TrustedAutomation 来源意味着这是内部对本地存储目标的自愿维护不涉及把外部内容转发给外部副作用工具。spawn_enrich_goals(...)以tokio::spawn派发分离的后台任务调用方不被阻塞任何失败都非致命仅记录 warn 日志。它还会捕获当前CoreContext并在任务内重新进入该作用域避免多租户场景下把 A 租户的 recap 写进 B 租户的目标文档。任务上下文通过set_event_context(job_id, goals_enrichment)标记job_id 形如memory_goals:enrich:unix_秒用于遥测。触发入口有两处自动总结触发在 archivist/lifecycle.rs 中当cfg.learning.goals_enrichment_enabled !summary.trim().is_empty()时调用spawn_enrich_goals把会话总结作为上下文输入。按需 nudge在 memory/goals/ops.rs 中若未提供上下文则使用默认 nudgeReview the users long-term goals against recent memory and the surrounding context, and update the list accordingly.。配置开关与环境变量目标清单 enrichment 是 Learning 子系统的一部分默认开启配置项learning.goals_enrichment_enabled: bool默认default_true()见 config/schema/learning.rs。环境变量覆盖OPENHUMAN_LEARNING_GOALS_ENRICHMENT_ENABLED0|1解析逻辑见 env_overlay_impl_01_part_02.rs。文档注释提示若只想在总结之外手动更新目标可显式设为false。校验与上限写入前的最后一道防线目标文档的写入面在 memory/goals/doc.rs 与 memory/goals/ops.rs 中分层把关校验host 策略目标文本必须非空、单行、无密钥/PII违反任一条件都会被拒绝且错误信息面向 Agent 可读。上限driver 策略存储驱动拥有条目数量上限与文件字节大小上限当一个 mutation 超出上限时driver 会裁剪最旧的目标除非仅剩的那一条独自超过整文件字节上限。正因为上限属于驱动mutation 本身无法预知自身结果必须等驱动回传上限结论——这正是所有写入统一走ops层的原因保证 Agent 路径与 RPC 路径行为完全一致。测试与验证该模块的测试覆盖了提示词与校验两方面prompt_tests.rs构造最小PromptContext调用build断言返回体非空且包含Goals Curator验证 archetype 正确嵌入最终提示词。doc_tests.rsadd_and_edit_reject_secret_or_pii_text验证含密钥/邮箱/PII 形状文本如ghp_开头或 32 位凭据字符串的目标会被拒绝has_likely_secret等谓词的判据可在doc.rs中查阅。小结Goals Curator 展示了 OpenHuman 后台 Agent 的完整工程范式以一份精炼的系统提示词定义职责边界先读后写、最小改动、不存敏感信息用agent.toml声明运行参数与工具白名单用prompt.rs在运行时拼装最终提示词再用enrich.rs TrustedAutomation 起源把多轮工具循环包装成廉价的后台任务最终由doc.rs的硬校验兜底数据质量。如果你想在自己的 OpenHuman 实例中观察它工作保持goals_enrichment_enabled开启默认随后查看MEMORY_GOALS.md的变化或从[memory_goals]前缀的日志追踪每次 enrichment 的启动与完成。【免费下载链接】openhumanOpenHuman is an open source personal AI for Mac, Windows and Linux — local-first memory, agent orchestration, and deep research.项目地址: https://gitcode.com/GitHub_Trending/op/openhuman创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
