MBE 核心能力与行业应用拆分方案
将 MBE 打造成通用的行为引擎平台，行业应用（教育、客服、游戏等）通过 API 调用核心能力
1. 架构总览
┌─────────────────────────────────────────────────────────────────────────────┐
│ 行业应用层 (Industry Applications) │
├─────────────────────────────────────────────────────────────────────────────┤
│ │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ 教育系统 │ │ 客服系统 │ │ 游戏 AI │ │ 健康管理 │ │
│ │ Education │ │ Customer │ │ Game │ │ Health │ │
│ │ │ │ Service │ │ │ │ │ │
│ └──────┬──────┘ └──────┬──────┘ └──────┬──────┘ └──────┬──────┘ │
│ │ │ │ │ │
│ └─────────────────┼─────────────────┼─────────────────┘ │
│ │ │ │
│ ▼ ▼ │
├─────────────────────────────────────────────────────────────────────────────┤
│ MBE API Gateway │
│ (统一 API 网关 + 认证鉴权) │
├─────────────────────────────────────────────────────────────────────────────┤
│ │
│ MBE 核心能力层 (Core Capabilities) │
│ │
│ ┌──────────────────────────────────────────────────────────────────────┐ │
│ │ MOE 专家系统 (Mixture of Experts) │ │
│ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │
│ │ │ 智能路由 │ │ 专家调度 │ │ 结果合成 │ │ 负载均衡 │ │ │
│ │ └──────────┘ └──────────┘ └──────────┘ └──────────┘ │ │
│ └──────────────────────────────────────────────────────────────────────┘ │
│ │
│ ┌────────────────┐ ┌────────────────┐ ┌────────────────┐ │
│ │ HOPE 学习 │ │ TITANS │ │ MIRAS │ │
│ │ (惊讶度驱动) │ │ (记忆系统) │ │ (检索系统) │ │
│ │ │ │ │ │ │ │
│ │ • 快速适应 │ │ • 短期记忆 │ │ • 局部检索 │ │
│ │ • 稳定记忆 │ │ • 长期记忆 │ │ • 上下文检索 │ │
│ │ • 模式识别 │ │ • 工作记忆 │ │ • 全局检索 │ │
│ │ • 遗忘控制 │ │ │ │ │ │
│ └────────────────┘ └────────────────┘ └────────────────┘ │
│ │
│ ┌────────────────┐ ┌────────────────┐ ┌────────────────┐ │
│ │ 嵌套学习组件 │ │ LLM 抽象层 │ │ 存储抽象层 │ │
│ │ │ │ │ │ │ │
│ │ • 梯度控制 │ │ • 多模型支持 │ │ • Redis │ │
│ │ • 记忆压缩 │ │ • Token 计费 │ │ • PostgreSQL │ │
│ │ • 专家均衡 │ │ • 重试/熔断 │ │ • 向量数据库 │ │
│ │ • 惊讶路由 │ │ │ │ │ │
│ └────────────────┘ └────────────────┘ └────────────────┘ │
│ │
└─────────────────────────────────────────────────────────────────────────────┘
2. 核心能力清单
2.1 MBE 核心能力 (领域无关)
| 能力模块 |
API 端点 |
功能描述 |
适用场景 |
| 惊讶度计算 |
/api/mbe/surprise |
计算输入的"惊讶度"（新颖程度） |
学习追踪、异常检测、推荐 |
| 智能路由 |
/api/mbe/route |
根据输入特征选择最佳专家 |
任务分发、负载均衡 |
| 记忆读写 |
/api/mbe/memory |
存储和检索长短期记忆 |
上下文管理、个性化 |
| 模式识别 |
/api/mbe/pattern |
从历史数据中发现模式 |
行为预测、趋势分析 |
| 遗忘控制 |
/api/mbe/forget |
选择性遗忘不重要信息 |
隐私保护、资源优化 |
| 专家调度 |
/api/mbe/expert |
调用和组合多个专家 |
复杂任务处理 |
| 嵌入生成 |
/api/mbe/embed |
生成语义向量 |
相似度搜索、聚类 |
| LLM 调用 |
/api/mbe/llm |
统一的 LLM 调用接口 |
文本生成、理解 |
2.2 行业应用能力 (领域相关)
| 行业 |
应用模块 |
调用的核心能力 |
| 教育 |
学习追踪 |
惊讶度 + 记忆 |
|
自适应教学 |
智能路由 + LLM |
|
间隔复习 |
遗忘控制 + 记忆 |
|
能力评估 |
模式识别 |
| 客服 |
意图识别 |
智能路由 + 嵌入 |
|
对话管理 |
记忆 + LLM |
|
情绪检测 |
惊讶度 + 模式识别 |
| 游戏 |
NPC 行为 |
专家调度 + 记忆 |
|
难度调节 |
惊讶度 + 模式识别 |
|
玩家建模 |
记忆 + 模式识别 |
3. 项目结构拆分
3.1 目录结构
mises-behavior-engine/
│
├── mbe-core/ # 🔷 MBE 核心（独立部署）
│ ├── src/
│ │ ├── moe/ # MOE 专家系统
│ │ │ ├── base.py # 基础类
│ │ │ ├── router.py # 路由器
│ │ │ ├── experts.py # 专家定义
│ │ │ └── combiner.py # 结果合成
│ │ │
│ │ ├── core/ # 核心模块
│ │ │ ├── hope_moe.py # HOPE 学习
│ │ │ ├── titans.py # 记忆系统
│ │ │ └── miras.py # 检索系统
│ │ │
│ │ ├── nested/ # 嵌套学习组件
│ │ │ ├── gradient.py # 梯度控制
│ │ │ ├── memory.py # 记忆压缩
│ │ │ ├── balancer.py # 专家均衡
│ │ │ └── surprise.py # 惊讶路由
│ │ │
│ │ ├── llm/ # LLM 抽象层
│ │ ├── storage/ # 存储抽象层
│ │ └── api/ # 核心 API
│ │ ├── surprise.py
│ │ ├── route.py
│ │ ├── memory.py
│ │ └── expert.py
│ │
│ ├── Dockerfile
│ ├── requirements.txt
│ └── README.md
│
├── mbe-apps/ # 🔶 行业应用（可独立部署）
│ │
│ ├── education/ # 教育应用
│ │ ├── src/
│ │ │ ├── student_tracker.py
│ │ │ ├── adaptive_tutor.py
│ │ │ ├── review_scheduler.py
│ │ │ ├── course_manager.py
│ │ │ ├── social/ # 社交功能
│ │ │ ├── fun/ # 趣味功能
│ │ │ └── creative/ # 创造性思维
│ │ ├── api/ # 教育 API
│ │ ├── admin-ui/ # 教育管理界面
│ │ ├── Dockerfile
│ │ └── requirements.txt
│ │
│ ├── customer-service/ # 客服应用
│ │ ├── src/
│ │ │ ├── intent_router.py
│ │ │ ├── dialog_manager.py
│ │ │ └── sentiment.py
│ │ └── ...
│ │
│ └── game-ai/ # 游戏 AI 应用
│ ├── src/
│ │ ├── npc_behavior.py
│ │ ├── difficulty.py
│ │ └── player_model.py
│ └── ...
│
├── mbe-gateway/ # 🔵 API 网关
│ ├── src/
│ │ ├── auth.py # 认证鉴权
│ │ ├── rate_limit.py # 限流
│ │ ├── routing.py # 请求路由
│ │ └── billing.py # 计费
│ └── ...
│
└── mbe-sdk/ # 🟢 客户端 SDK
├── python/
│ └── mbe_client/
├── typescript/
│ └── mbe-client/
└── go/
└── mbe-client/
4. 核心 API 设计
4.1 惊讶度计算 API
# POST /api/mbe/surprise
{
"input": "递归是函数调用自身的技术",
"context": {
"user_id": "user_001",
"domain": "programming",
"history": ["变量", "循环", "函数"] # 已学过的概念
},
"config": {
"threshold": 0.5,
"use_memory": true
}
}
# Response
{
"surprise_score": 0.85, # 惊讶度 (0-1)
"is_novel": true, # 是否是新概念
"related_concepts": ["函数", "栈"],
"learning_mode": "fast_adaptation", # 建议的学习模式
"metadata": {
"computation_time_ms": 45,
"model_version": "1.0.0"
}
}
4.2 智能路由 API
# POST /api/mbe/route
{
"input": "请解释什么是递归",
"task_type": "explanation",
"user_profile": {
"level": "beginner",
"style": "visual"
},
"available_experts": ["detailed", "example", "analogy", "practice"]
}
# Response
{
"selected_experts": [
{"id": "analogy", "weight": 0.6, "reason": "适合初学者"},
{"id": "example", "weight": 0.4, "reason": "视觉学习者"}
],
"routing_confidence": 0.92,
"metadata": {...}
}
4.3 记忆操作 API
# POST /api/mbe/memory/write
{
"user_id": "user_001",
"memory_type": "long_term", # short_term, working, long_term
"content": {
"concept": "递归",
"understanding_level": 0.3,
"last_accessed": "2024-01-15T10:00:00Z"
},
"importance": 0.8,
"ttl": null # 永久存储
}
# POST /api/mbe/memory/read
{
"user_id": "user_001",
"query": "与递归相关的概念",
"memory_types": ["long_term"],
"top_k": 5
}
# Response
{
"memories": [
{"concept": "函数", "relevance": 0.9, ...},
{"concept": "栈", "relevance": 0.8, ...}
]
}
4.4 专家调度 API
# POST /api/mbe/expert/invoke
{
"expert_id": "hope_learning",
"method": "process",
"params": {
"input_data": {...},
"surprise_threshold": 0.5
}
}
# POST /api/mbe/expert/combine
{
"experts": [
{"id": "fast_adaptation", "weight": 0.6},
{"id": "stable_memory", "weight": 0.4}
],
"inputs": {...},
"combine_strategy": "weighted_average"
}
5. 教育应用调用示例
5.1 学习追踪 (调用惊讶度 API)
# mbe-apps/education/src/student_tracker.py
from mbe_sdk import MBEClient
class StudentTracker:
def __init__(self, mbe_client: MBEClient):
self.mbe = mbe_client
async def track_learning(
self,
student_id: str,
knowledge_point: str,
content: str,
):
# 1. 调用 MBE 核心：计算惊讶度
surprise_result = await self.mbe.surprise.calculate(
input=content,
context={
"user_id": student_id,
"domain": "education",
"history": await self._get_learning_history(student_id)
}
)
# 2. 调用 MBE 核心：写入记忆
await self.mbe.memory.write(
user_id=student_id,
memory_type="long_term",
content={
"knowledge_point": knowledge_point,
"surprise_score": surprise_result.surprise_score,
"learned_at": datetime.now().isoformat()
}
)
# 3. 教育业务逻辑
return self._determine_learning_mode(surprise_result)
5.2 自适应教学 (调用路由 + LLM API)
# mbe-apps/education/src/adaptive_tutor.py
class AdaptiveTutor:
async def teach(
self,
student: Student,
knowledge_point: KnowledgePoint,
surprise_score: float,
):
# 1. 调用 MBE 核心：选择教学专家
routing_result = await self.mbe.route(
input=knowledge_point.description,
task_type="teaching",
user_profile={
"level": student.level,
"style": student.learning_style,
"surprise": surprise_score
},
available_experts=[
"detailed_explanation",
"example_illustration",
"pattern_summary",
"practice_questions"
]
)
# 2. 调用 MBE 核心：LLM 生成内容
content = await self.mbe.llm.generate(
prompt=self._build_teaching_prompt(
knowledge_point,
routing_result.selected_experts
),
model="deepseek-chat",
temperature=0.7
)
# 3. 教育业务逻辑：添加游戏化元素
return self._enhance_with_gamification(content, student)
6. 部署架构
6.1 微服务部署
# docker-compose.yml
version: '3.8'
services:
# MBE 核心服务
mbe-core:
image: mbe-core:latest
ports:
- "8000:8000"
environment:
- DATABASE_URL=postgres://...
- REDIS_URL=redis://...
deploy:
replicas: 3
# API 网关
mbe-gateway:
image: mbe-gateway:latest
ports:
- "80:80"
depends_on:
- mbe-core
# 教育应用
mbe-education:
image: mbe-education:latest
ports:
- "8001:8001"
environment:
- MBE_API_URL=http://mbe-gateway
- MBE_API_KEY=xxx
depends_on:
- mbe-gateway
# 客服应用
mbe-customer-service:
image: mbe-customer-service:latest
ports:
- "8002:8002"
environment:
- MBE_API_URL=http://mbe-gateway
- MBE_API_KEY=xxx
6.2 调用流程
┌────────────────┐ ┌────────────────┐ ┌────────────────┐
│ 教育前端 │ │ 教育后端 │ │ MBE Core │
│ (React) │ │ (FastAPI) │ │ (FastAPI) │
└───────┬────────┘ └───────┬────────┘ └───────┬────────┘
│ │ │
│ 1. 开始学习 │ │
│─────────────────────>│ │
│ │ │
│ │ 2. 计算惊讶度 │
│ │─────────────────────>│
│ │ │
│ │ 3. {surprise: 0.85} │
│ │<─────────────────────│
│ │ │
│ │ 4. 选择教学专家 │
│ │─────────────────────>│
│ │ │
│ │ 5. {experts: [...]} │
│ │<─────────────────────│
│ │ │
│ 6. 教学内容 + 游戏化 │ │
│<─────────────────────│ │
│ │ │
7. 计费模型
7.1 API 调用计费
| API |
计费单位 |
价格 |
/surprise |
每 1000 次 |
¥10 |
/route |
每 1000 次 |
¥5 |
/memory/write |
每 MB |
¥0.5 |
/memory/read |
每 1000 次 |
¥2 |
/llm/* |
按 token |
透传 |
7.2 订阅套餐
| 套餐 |
价格 |
包含 |
| 免费版 |
¥0/月 |
10K 次调用 |
| 基础版 |
¥99/月 |
100K 次调用 |
| 专业版 |
¥499/月 |
1M 次调用 + 优先支持 |
| 企业版 |
定制 |
私有部署 + SLA |
8. 迁移计划
Phase 1: 抽象接口 (1周)
Phase 2: 拆分代码 (2周)
Phase 3: 独立部署 (1周)
Phase 4: 扩展应用 (持续)
9. 收益
| 维度 |
收益 |
| 可复用性 |
核心能力可被多个行业应用使用 |
| 可扩展性 |
新行业应用只需调用 API |
| 可维护性 |
核心和应用独立迭代 |
| 可商业化 |
核心能力可独立售卖/订阅 |
| 团队分工 |
核心团队 vs 行业团队分开 |