HTMLPAGE 的全域上下文感知系统（Omni-Context Awareness System）是 AI 引擎的"大脑皮层"。它不仅关注当前的对话窗口，更能够跨越时间（历史交互）、空间（项目环境）和语义（行业知识）维度，构建一个立体的上下文模型，从而实现真正"懂你"的智能生成。
🧠 上下文记忆架构
双层记忆模型
我们借鉴人类的认知心理学模型，构建了短期工作记忆和长期语义记忆相结合的双层架构。
graph TD
A[用户输入] --> B{上下文管理器}
subgraph "短期工作记忆 (Session)"
C[当前对话窗口]
D[临时变量池]
E[即时意图栈]
end
subgraph "长期语义记忆 (Profile)"
F[用户画像库]
G[项目知识库]
H[行业领域图谱]
end
B <--> C
B <--> F
C -.->|归档与摘要| F
F -.->|检索增强| C
向量化记忆存储
所有的上下文信息都被转化为高维向量（Embeddings），存储在向量数据库（Vector DB）中，支持毫秒级的语义检索。
上下文检索代码示例
class ContextMemorySystem:
def __init__(self):
self.vector_db = MilvusClient()
self.embedding_model = OpenAIEmbeddings()
def retrieve_relevant_context(self, query, user_id, project_id):
query_vec = self.embedding_model.embed_query(query)
# 混合检索策略
results = self.vector_db.search(
collection_name="context_memory",
data=[query_vec],
filter=f"user_id == {user_id} && (project_id == {project_id} || scope == 'global')",
limit=5
)
return self.synthesize_context(results)
🕸️ 知识图谱集成
实体链接与消歧
当用户提到"苹果"时，系统需要根据上下文判断是指"水果"还是"科技公司"。我们通过实体链接（Entity Linking）技术，将文本映射到知识图谱中的具体节点。
- 技术栈识别：识别 "Vue", "React", "Tailwind" 等技术名词，自动关联其最佳实践和依赖关系。
- 行业术语解析：识别 "SaaS", "B2B", "ROI" 等商业术语，自动调整生成内容的专业度。
关系推理
知识图谱不仅存储实体，还存储实体间的关系。系统利用这些关系进行逻辑推理。
推理示例: 用户输入: "我想做一个类似 Airbnb 的网站。" 系统推理: Airbnb -> 属于 "短租平台" -> 核心功能包括 "房源搜索", "地图模式", "预订系统", "评价系统" -> 自动推荐包含这些模块的页面结构。
🌍 环境与情境感知
设备与网络感知
系统会自动检测用户的设备环境，并据此调整生成策略。
- 设备类型：如果是移动设备访问，优先生成 Mobile-First 的布局，并简化交互逻辑。
- 网络状况：检测到弱网环境时，自动生成轻量级的图片（WebP/AVIF）和精简的 CSS/JS 代码。
- 深色模式：检测系统主题设置，自动生成适配 Dark Mode 的配色方案。
时间与地域感知
- 时区适配：根据用户时区，自动调整生成内容中的时间格式和问候语。
- 地域文化：根据 IP 地址推断用户所在地区，自动适配货币单位、度量衡和文化习俗（如：美国用户使用 MM/DD/YYYY 日期格式）。
🎯 意图追踪与预测
隐式意图推断
用户往往不会直接说出所有需求。系统通过分析用户的行为序列，推断其隐式意图。
行为序列分析
- 用户生成了一个"产品介绍页"。
- 用户修改了"价格表"组件。
- 用户点击了"导出代码"。
- 系统推断：用户可能正在准备上线一个新产品的落地页，下一步可能需要"支付集成"或"SEO 优化"。
动态目标规划
系统维护一个动态的目标栈（Goal Stack），跟踪当前任务的完成进度。
interface GoalState {
primaryGoal: string; // e.g., "Create Landing Page"
subGoals: [
{ id: 1, name: "Header Design", status: "completed" },
{ id: 2, name: "Feature Section", status: "in-progress" },
{ id: 3, name: "Footer", status: "pending" }
];
currentFocus: number; // 2
}
🛡️ 隐私与隔离
上下文隔离机制
为了保护用户隐私，我们实施了严格的上下文隔离策略。
- 租户隔离：不同企业/团队的数据在物理存储上是隔离的。
- 项目隔离：不同项目之间的上下文默认不共享，防止信息串扰。
- 敏感信息过滤：在将上下文发送给 LLM 之前，自动识别并掩盖（Mask）手机号、邮箱、API Key 等敏感信息。
🔗 相关技术文档
上下文是智能的基石。HTMLPAGE 通过全域上下文感知，让 AI 不再是冷冰冰的工具，而是懂你、识你、助你的智能伙伴。