代码规范感知

wescode 中的 Convention（项目约定）与 Correction（用户纠正）——自动检测 vs 显式反馈。

Convention 概念

Convention 是自动检测的项目事实——代码库中已经存在但没有写成文档的编码规范：

项目约定示例：
  - 缩进使用 tab（不是 space）
  - import 按 stdlib → 第三方 → 本地排序
  - 错误处理使用 errors.Wrap 而非 fmt.Errorf
  - 测试文件命名 *_test.go
  - 每个 handler 开头校验 Authorization header

关键特性

特性	说明
来源	自动从代码检测
持久化	❌ 不入 memory store（INV-MEM-12）
存储	runtime probe-cache（per-Cell LRU）
生命周期	随进程（重启后重新检测）
隔离	per-workspace（per-Cell）

Correction 概念

Correction 是用户显式教给 Agent 的偏好——通过拒绝或修改 AI 的编辑来学习：

纠正示例：
  - "不要用 any 类型，用具体类型"
  - "错误信息用中文"
  - "函数命名用驼峰不用下划线"

关键特性

特性	说明
来源	用户反馈（拒绝/修改编辑）
持久化	✅ 入 memory store（L4 Agent Memory）
存储	wesgine 记忆系统
生命周期	持久化（跨会话/跨重启）
隔离	per-Actor（默认跨项目）

Convention vs Correction 对比

维度	Convention（约定）	Correction（纠正）
本质	项目事实	用户偏好
来源	自动检测	用户反馈
持久化	❌ runtime probe-cache	✅ memory store
存储介质	per-Cell LRU cache	wesgine sessions.db
生命周期	进程级（重启重检测）	持久（直到删除）
隔离范围	per-workspace	per-Actor（跨 workspace）
注入方式	系统提示词快照	L4 Agent Memory
修改方式	不可手动修改	记忆中心管理
跨项目	❌	✅ 默认跨项目

ScanConventions

检测流程

ScanConventions
  → 分析当前 workspace 代码
  → 检测缩进风格、命名规范、导入顺序等
  → 结果写入 per-Cell LRU ProbeCache
  → 注入系统提示词（作为快照）

ProbeCache 机制

// Convention 结果存储在 per-Cell 的 LRU 缓存中
// 不写入 memory store（INV-MEM-12）
type ProbeCache struct {
    cache   *lru.Cache  // key = 工作目录
    cellID  string
}

为什么不存入记忆

Convention 是项目事实，不是认知记忆：
  - 项目可能随时改变编码风格
  - 不同分支可能有不同的约定
  - 重检测的成本很低
  - 存入记忆会污染认知空间

Learn 系统

Learn 系统处理用户反馈，生成 Correction 和 Convention：

API 端点

方法	路径	说明
`POST`	`/cells/{id}/learn/scan-conventions`	扫描项目约定
`POST`	`/cells/{id}/learn/edit-rejected`	报告被拒绝的编辑
`POST`	`/cells/{id}/learn/edit-modified`	报告被修改的编辑
`GET`	`/cells/{id}/learn/corrections`	获取纠正列表
`GET`	`/cells/{id}/learn/conventions`	获取约定列表

edit-rejected

当用户拒绝 AI 的编辑时：

// POST /cells/{id}/learn/edit-rejected
{
  "file": "internal/service/user.go",
  "original": "func GetUser(id string) (*User, error) {",
  "proposed": "func getUser(id string) (*User, error) {",
  "agent_id": "default-coder"
}

AI 学到：「用户不想让公开函数变成私有」→ 生成 Correction。

edit-modified

当用户修改 AI 的编辑时：

// POST /cells/{id}/learn/edit-modified
{
  "file": "internal/service/user.go",
  "original": "return fmt.Errorf(\"user not found: %s\", id)",
  "ai_edit": "return errors.New(\"user not found\")",
  "user_edit": "return errors.Wrapf(err, \"user not found: %s\", id)",
  "agent_id": "default-coder"
}

AI 学到：「用户偏好 errors.Wrapf 并保留上下文」→ 生成 Correction。

Correction 的跨项目行为

在 wescode 中，1 workspace = 1 Cell，但 Correction 属于 L4 记忆（per-Actor）：

workspace A (Cell ws-a1b2)：
  → 用户拒绝了某个编辑
  → Correction 写入 Cell ws-a1b2 的记忆

workspace B (Cell ws-c3d4)：
  → 这条 Correction 不在 Cell ws-c3d4 中
  → 不会跨 workspace 生效

为什么"默认跨项目"在 wescode 不完全成立

由于 1 workspace = 1 Cell 的隔离模型，Correction 实际上不跨 workspace——虽然 Correction 属于 L4 per-Actor 记忆，但 actor 绑定在 Cell 中：

wescode 的隔离：
  Correction 生命周期 = Cell 生命周期 = workspace 生命周期

接入 SSO 后（多 workspace 共享 actor），Correction 才会真正跨项目生效。

Convention 注入时机

Convention 以快照形式注入系统提示词：

新对话开始
  → 读取 ProbeCache 中的 Convention
  → 作为快照注入系统提示词
  → 对话期间不变（byte-stable，保护 prompt 缓存）

Convention 变化
  → 下次 ScanConventions 时更新 ProbeCache
  → 下一个新对话生效

最佳实践

通过拒绝/修改教 AI：这是最自然的反馈方式
理解隔离：Convention 和 Correction 都随 workspace 切换
不需要手动配置 Convention：自动检测
在记忆中心管理 Correction：查看和删除不正确的纠正