HeartFlow 手术式维度注入
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_fdb96f95/heartflow-surgical-dimension-injection。
技能介绍
要解决什么问题
在 HeartFlow / 心虫这类多版本、架构迭代替换很重的代码库里,经常会出现一种尴尬:archive 或某个历史 tag 里已经有你想要的维度评估逻辑(注意力、上下文饱和、情绪深度等),但当前主线只活在另一个 class 文件里。走 heartflow-historical-integration 会把整份引擎复制成新模块,动辄上百行、require 链和注册表都要改一遍,而你的真实诉求可能只是「给 agent-psychology.js 多两个 assessXxx()」。
手术式注入针对的就是这种增量增强单文件的场景:目标文件不新建,只在一个现有 class 里补方法、补管线调用、补 return { dimensions: { ... } } 里的字段,改完后原模块仍能 require() 通过。
技能如何工作
工作流可以概括为五步,且 patch 必须按顺序(先方法定义,再调用点,最后返回对象),否则很容易出现 this.assessXxx is not a function。
- 定位源逻辑:源不限于
archive/或固定版本;SKILL 里列举了如v9.2.0的ethics-guard.js、deep-emotion.js等候选。只有自包含、属于 AI 原生维度、能独立成方法的块才值得提取。 - 读目标文件找三类注入点:同一文件内的方法缝隙、
fullAssessment()一类管线里的调用、dimensions返回字典的扩展位。 - 适配为独立方法:把
this._detectDimension(text, dim)+AI_EMOTIONAL_DIMENSIONS模式改成信号数组硬编码;context.tokenCount阈值等从参数读取,避免拖入整个旧模块常量。 - 三处 patch:每次改完用字面匹配校验;
old_string不匹配时从read_file输出复制,避免 BOM /\r\n陷阱。 - 验证管线:确认降分机制(如无匹配时
score *= 0.3)仍在新方法里,避免假阳性。
实战案例(SKILL 原文):从 ai-psychology-engine.js 提取 attention_state、context_saturation 注入 agent-psychology.js,约百行、单文件、require() 通过。
适用边界与注意点
- 不要提取依赖网络、文件 IO 的逻辑 → 应走常规整合。
- 不要一次搬超过约 200 行的块 → 拆多个小方法或整文件整合。
- 若源逻辑改 class 内部状态(如
this._analysisCount++),初始化代码要一并移植;纯输入输出方法则不必。 - 中文信号词是语义锚点,保留原样;注入后记得 bump 目标文件版本注释(如 v2.1.0 → v2.2.0)。
- 与 heartflow-historical-integration(整文件复制)、heartflow-maintenance-upgrade(零调用发现 + archive 提取)互补,覆盖不同迁移阶段。
使用场景
- 用户明确要求把 archive 里某个维度(如 attention_state)注入到现有 agent-psychology,而不是新建 psychology 引擎文件
- 现有 class 的 fullAssessment 管线已稳定,只需从历史 tag 的 ethics-guard 或 deep-emotion 补一条评分维度
- 从 ai-psychology-engine 备份中抽出 context_saturation 的 token 阈值逻辑,塞进当前单文件 identity 模块并保证 require 通过
- 某模块缺 AI 原生维度方法,源逻辑块自包含且不到 200 行,适合三处 patch 而非整类复制
适合人员
- 维护心虫/HeartFlow 多版本仓库的集成开发者,要把 v9.2.0 等 tag 里的维度方法并进当前 agent-psychology 单文件
- 负责 psychology 管线迭代的工程师,只想加 assessAttentionState 一类方法而不扩 require 链和注册表
- 做 archive 与主线 diff 的维护者,在用户说「注入 XX 维度」时需要按五步工作流避免 patch 顺序错误
- 想用手术式注入替代百行级 historical-integration,且能自己校验 dimensions 返回与降分逻辑的 backend 贡献者