AstroResearch/docs/database.md

AstroResearch Database Schema / 数据库设计

AstroResearch 使用轻量级、零配置的 SQLite 数据库作为持久化存储。数据库文件默认保存在项目根目录下的 astro_research.db（可通过 .env 中的 DATABASE_URL 配置），由 Rust 中的 sqlx 驱动管理并自动执行迁移。

---

1. 实体关系图 (Entity-Relationship Diagram)

erDiagram
    PAPERS {
        text bibcode PK
        text title
        text authors "JSON Array"
        text year
        text pub "Journal/Publisher"
        text keywords "JSON Array"
        text abstract
        text doi
        text arxiv_id
        integer citation_count
        integer reference_count
        text doctype "文献类型"
        text pdf_path "PDF 物理路径 或 error:诊断"
        text html_path "HTML 物理路径 或 error:诊断"
        text markdown_path "Markdown 物理路径"
        text translation_path "翻译文件物理路径"
        datetime created_at
    }

    NOTES {
        integer id PK
        text bibcode FK
        integer paragraph_index
        text note_text
        text highlight_color
        text selected_text
        datetime created_at
    }

    CITATIONS_REFERENCES {
        text source_bibcode PK
        text target_bibcode PK
    }

    SYNC_QUERIES {
        integer id PK
        text query "检索关键词"
        text source "数据源"
        integer limit_count "拉取上限"
        datetime last_run "最近运行时间"
        datetime created_at "创建时间"
        UNIQUE_query_source_limit "唯一去重约束"
    }

    AGENT_SESSIONS {
        text session_id PK
        text title
        text model
        integer turn_count
        datetime deleted_at
    }

    AGENT_TASKS {
        integer id PK
        text session_id FK
        text task_id
        text content
        text status
        text blocked_by "JSON Array — DAG 依赖"
        text owner "分配目标 agent 名称"
    }

    AGENT_AUDIT_LOG {
        integer id PK
        text session_id FK
        integer step
        text tool_name
        text status "OK / FAIL / SESSION_STOP"
        integer elapsed_ms
        text output_preview
        text agent_name
    }

    AGENT_TEAM_MEMBERS {
        integer id PK
        text session_id FK
        text agent_name
        text agent_role
        text status "spawning / active / idle / shutdown"
    }

    PAPERS ||--o{ NOTES : "has"
    PAPERS ||--o{ CITATIONS_REFERENCES : "cites / cited_by"
    AGENT_SESSIONS ||--o{ AGENT_TASKS : "owns"
    AGENT_SESSIONS ||--o{ AGENT_AUDIT_LOG : "records"
    AGENT_SESSIONS ||--o{ AGENT_TEAM_MEMBERS : "members"

---

2. 数据表结构详述 (Table Schema Details)

2.1 papers 表 (文献元数据)

存储文献的核心元数据和本地物理存储路径。

• 特殊字段说明：
  • pdf_path / html_path：正常情况下存储相对路径（如 library/PDF/2024arXiv.pdf）。当下载失败时，会以 error: 前缀存储诊断信息（如 error:Cloudflare 拦截）。特殊值 error:no_resource 表示用户手动标记了"无有效全文资源"。
  • doctype：文献类型标识，如 article、eprint、proceedings、phdthesis、catalog、software、circular、book 等。
• 索引：
  • idx_papers_doi -> 基于 doi
  • idx_papers_arxiv_id -> 基于 arxiv_id

2.2 citations_references 表 (引文与参考文献拓扑)

多对多关联表，存储文献之间的引用网络（即拓扑星系图的基础数据）。

• 复合主键：(source_bibcode, target_bibcode)
• 索引：
  • idx_citations_ref_source -> 优化以 source_bibcode 查询参考文献
  • idx_citations_ref_target -> 优化以 target_bibcode 查询被引文献

2.3 notes 表 (高亮与阅读笔记)

存储学者在阅读器中对特定段落创建的高亮和笔记。

• 外键：bibcode 级联删除 (ON DELETE CASCADE)。
• 索引：
  • idx_notes_bibcode -> 优化单篇文献的笔记列表查询。

2.4 sync_queries 表 (同步检索条件)

存储用户保存的批量同步检索条件，支持快速重新同步。

• 唯一约束：UNIQUE(query, source, limit_count) 确保相同条件的检索不会重复保存。

2.5 agent_sessions 表 (Agent 会话)

存储 ReAct 智能体对话会话的元数据，支持软删除 (deleted_at)。

• 每条会话关联 agent_messages 表存储对话历史与工具调用记录。
• 索引：idx_agent_sessions_created_at (ORDER BY updated_at DESC)。

2.6 agent_tasks 表 (Agent 任务追踪)

持久化智能体的结构化待办任务，支持 DAG 依赖模式。

• blocked_by：JSON 数组，前置任务 ID 列表。
• status 生命周期：pending → in_progress → completed。
• owner：分配目标 agent 名称（多 Agent 团队协作路由）。
• 索引：idx_agent_tasks_session、idx_agent_tasks_status、idx_agent_tasks_session_task (UNIQUE)。

2.7 agent_audit_log 表 (Agent 工具审计)

记录所有工具调用的审计信息：工具名称、执行状态、耗时 (ms)、输出预览。

• status：OK / FAIL / SESSION_STOP。
• agent_name：区分 lead/子代理/teammate 的调用来源。
• 用途：GET /api/chat/metrics 聚合指标、会话审计回溯。

2.8 agent_team_members 表 (多 Agent 团队)

管理多智能体团队中每个成员的生命周期。

• status：spawning → active → idle → shutdown。
• agent_role：区分 team lead / teammate 等角色。
• 唯一约束：UNIQUE(session_id, agent_name)。

---

3. 数据库迁移说明

迁移脚本存放在 migrations/ 下，服务启动时（src/main.rs）会自动调用 sqlx::migrate!().run(&pool).await 自动部署：

迁移文件	说明
20260608000000_init.sql	初始化 papers 与 citations_references 结构。
20260608000001_notes.sql	添加 notes 笔记高亮表，并为关联建立级联删除。
20260608000002_add_doctype.sql	为 papers 表新增 doctype 文献类型字段。
20260608000003_sync_features.sql	添加 sync_queries 同步检索条件表，支持唯一去重。
20260616000000_agent_tasks.sql	智能体任务持久化表，支持 DAG 依赖与状态生命周期。
20260617000000_agent_audit_log.sql	智能体工具调用审计日志表。
20260618000000_agent_identity.sql	Agent 身份隔离：消息/审计归属、agent_team_members 团队注册表。

---

4. 错误诊断存储约定

系统使用 papers 表的 pdf_path 和 html_path 字段的双重语义来同时存储正常路径和错误诊断：

字段值模式	含义	前端展示
NULL	尚未尝试下载	琥珀色"未下载"角标
library/PDF/xxx.pdf	下载成功，正常物理路径	蓝色"已下载"角标
error:具体原因	下载失败，原因为前缀后的文本	红色"下载失败"角标，悬浮显示原因
error:no_resource	用户手动标记为无有效全文资源	灰色"无资源"角标

health_check 工具在 --fix 模式下会清理损坏文件并将路径重置为 NULL，但不会清除 error: 前缀的记录（以保留诊断线索）。