running-dream-cycle

能力目标

让 Agent 手动跑一次 dream cycle——brain 的离线维护循环、一次 blocking single-run 跑完 16 个 phase——完成 embedding、fact 抽取、cross-session 整合（synthesize → reflections → patterns）等，并能预览调度、读懂各 phase 状态、判断哪些「无产出」是设计预期、验证 dream 可安全重复调度。

前置

• brain 已 import。dream 对 brain 已有内容做整合（synthesize / patterns），不拉取外部数据；对页面事实的补全（extract_facts / propose_takes / consolidate）也在同一个 dream 命令里一并完成。
• 两个 API key：DASHSCOPE_API_KEY（embed phase）、ANTHROPIC_API_KEY（synthesize / patterns / propose_takes 三个 LLM phase 走 Anthropic Claude、不是 DashScope）。
• brain 目录必须是 git repo（sync phase 要求）。
• gbrain 命令用 timeout -k 5 300 gbrain dream ... 包裹（LLM phase 可能较慢、留足超时；exit 124 正常）。

实操流程

1. 导两个 key，brain 目录 git init：

   export DASHSCOPE_API_KEY="<你的 DashScope key>"
   export ANTHROPIC_API_KEY="<你的 Anthropic key>"
   cd "$BRAIN_DIR" && git init && git add . && git commit -m "brain state for dream"
   

2. 配置 synthesize 的语料目录——synthesize phase 不读 DB、直接读文件系统上的原始 transcript（需要完整对话原文、不是 chunk 片段）：

   gbrain config set dream.synthesize.session_corpus_dir "$BRAIN_DIR/meetings/"
   

3. dry-run 预览 16 phase 调度（不写入、不消耗 LLM quota）：

   timeout -k 5 60 gbrain dream --dry-run --json --dir "$BRAIN_DIR/"
   

   canonical 16 phase 顺序：lint → backlinks → sync → synthesize → extract → extract_facts → resolve_symbol_edges → patterns → recompute_emotional_weight → consolidate → propose_takes → grade_takes → calibration_profile → embed → orphans → purge。其中只有 synthesize、patterns、propose_takes 三个走 Anthropic，其余是本地规则计算或 DashScope embedding。

4. 记录 baseline 后真跑：

   timeout -k 5 60 gbrain get 'people/lena-kovac' > /tmp/baseline.txt 2>&1
   timeout -k 5 300 gbrain dream --json --dir "$BRAIN_DIR/" > /tmp/dream.json 2>&1; cat /tmp/dream.json
   timeout -k 5 60 gbrain get 'people/lena-kovac' > /tmp/after.txt 2>&1
   diff /tmp/baseline.txt /tmp/after.txt
   

   JSON summary 的 status: partial 不是错误——只表示有 phase 被 skip 或 warn（synthesize 需 corpus dir、patterns 需 ≥3 reflections、orphans 是 audit）。非 LLM phase 个位数毫秒，最慢是 propose_takes（扫全部 page，首次约数秒到 20s+）。

5. 验证幂等：再跑一次，行为应一致：

   timeout -k 5 120 gbrain dream --json --dir "$BRAIN_DIR/"
   # sync +0 added / embed 0 newly embedded / patterns 0 reflections —— 与首次一致
   

校验回路

• dry-run 输出 16 个 phase 的计划状态；真跑的 JSON phases 字段有 16 个 key。
• 真跑 status 为 partial 或 ok，其中 ≥11 个 phase status=ok（synthesize / patterns / calibration_profile 在数据不足时 skip 是预期）。
• 第二次 dream 的 totals 与第一次一致（synth_pages=0 patterns=0 embedded=0 等相同），证明幂等。

常见陷阱

• fresh / stub brain 首次 dream 的 diff 为空、这是成功不是坏了：page 内容太薄时 extract_facts 抽不出埋藏事实、propose_takes 找不到值得提议的 take。被动复利是渐进的、需要时间维度累积（多次 import、更多 wikilink、更多 timeline 条目后 diff 才逐渐显现），不是一次性爆发。
• 没有 gbrain enrich 命令：enrichment 是 structural requirement、无手动触发入口，全部行为通过 dream 驱动、用户无机会误用。
• synthesize FAIL / skip：skip 是没配 session_corpus_dir；FAIL 多是 Anthropic 用量超限（该 phase 硬编码 Anthropic Haiku 做 verdict + Sonnet 做 synthesis、不支持切换 provider）。patterns 需 synthesize 先产出 ≥3 reflection 才触发，二者有严格输入输出依赖。
• git log 不出现 dream auto-commit：当且仅当 synthesize / patterns 产生了新 markdown 文件，sync phase 才自动 commit。fresh brain 首次 dream 不产新文件 → 不 commit，属预期。
• embed 报缺 key：daemon 场景下 export 不生效——但手动跑用 export 即可；embed 缺 DASHSCOPE_API_KEY、propose_takes 缺 ANTHROPIC_API_KEY。