Delibera

⚖️ Продуманные решения с помощью ИИ

Коллективное принятие решений через структурированное обсуждение ИИ — с RAG, pgvector, Knowledge Keeper, 🛠️ Operator (MCP-инструменты), Chairman, 🔥 сжатием контекста, ✂️ AutoChunking, 💉 Dependency Injection и 📋 журналированием выполнения

🇬🇧 English version (README.md)

📖 Обзор

Delibera — это фреймворк на C# / .NET 10, который оркеструет многомодельные обсуждения между LLM. Несколько моделей ИИ рассуждают над вопросом в течение структурированных раундов, критикуют ответы друг друга, а Chairman (председатель) взвешивает аргументы, чтобы синтезировать сбалансированный финальный вердикт — обогащённый Knowledge Keeper на базе Qdrant или PostgreSQL/pgvector (RAG), с интеллектуальным сжатием контекста для минимизации расхода токенов.

Название происходит от слова deliberation — тщательного взвешивания доказательств и точек зрения перед принятием решения. Delibera привносит эту дисциплину в ИИ, помогая командам приходить к продуманным, хорошо обоснованным результатам, а не к догадкам одной модели.

✨ Ключевые возможности

Возможность	Описание
🏛️ Многомодельные советы	Оркестрация любого числа LLM-участников по структурированным раундам дебатов
⚖️ Синтез Chairman	Выделенный модератор открывает, регулирует и синтезирует финальный вердикт
📚 Knowledge Keeper (RAG)	Семантический поиск по раундам со структурированными ответами и цитированием
🛠️ Operator (MCP-инструменты)	Микроагент, делегирующий задачи MCP-серверам (веб, файлы, Marp, Notion, …) по запросу в ходе дебатов
🐘 Qdrant + pgvector	Подключаемые векторные хранилища — отдельная БД или ваш существующий PostgreSQL
🗜️ Сжатие контекста	4 стратегии (Semantic, Deduplication, Summarization, Hybrid) экономят 30–70% токенов
✂️ AutoChunking	Прогрессивное раскрытие больших документов по раундам — с учётом контекстных окон моделей
💉 Dependency Injection	Расширение `AddDelibera()` для `IServiceCollection` с полной привязкой опций
📋 Журналирование выполнения	Модель `ExecutionLog` с `LogLevel` — события Chairman, KK, сжатия и участников
📁 Раздельный вывод файлов	Экспорт `result.md`, `statistics.md` и `logs.md` по отдельности
🔌 Interface-First	Чистые абстракции для провайдеров, фабрик, билдеров и исполнителей
🤝 Microsoft.Extensions.AI	Поддержка `IChatClient` / `IEmbeddingGenerator` — подключайте OpenAI, Azure OpenAI, Ollama и любые совместимые бэкенды, с middleware (function calling, логирование)
🧱 Современный C# 15 (preview)	Построено на .NET 10 с `LangVersion=preview`, file-scoped namespaces, records, span/SIMD горячие пути

🆕 Что нового в v10.2.6

Возможность	Описание
🌊 Асинхронный потоковый совет	`ICouncilExecutor.StreamDebateAsync` отдаёт каждый `DebateRound` по мере завершения через внутренний мост `Channel<DebateRound>` — идеально для ASP.NET Core SSE, WebSocket, Blazor и CLI в реальном времени. Включены метаданные `DebateRound.Total` + `IsFinal` + `LastStreamedResult`.
🗳️ Подключаемый движок голосования	`IVotingStrategy` со встроенными `MajorityVotingStrategy`, `BordaCountVotingStrategy`, `WeightedVotingStrategy` (повеса по участникам `MemberWeights`). `Chairman.CreateVoting(...)` подменяет синтез Chairman на верифицируемый подсчёт, который отображается как секция 🗳️ Voting Tally в Markdown-выводе.
💾 Персистентность и возобновление дебатов	`IDebateStore` + `FileDebateStore` (атомарная запись JSON с rename, `RetentionDays`) + `InMemoryDebateStore`. `CouncilBuilder.WithPersistence(...)` сохраняет чекпоинт после каждого раунда; `ResumeFrom(debateId)` продолжает с последнего завершённого раунда после сбоя или паузы.
🧠 Память агентов	`IAgentMemory` с реализациями `InMemoryAgentMemory` (схожесть Жаккара), `QdrantAgentMemory` (отдельная коллекция на агента), `PgVectorAgentMemory` (общая таблица с фильтром `agent_name`). `CouncilBuilder.WithAgentMemory(...)` подгружает контекст до и сохраняет выводы после каждого совета.
📊 OpenTelemetry-стиль наблюдаемости	`DeliberaActivitySource` + `DeliberaMeter` с гистограммами, счётчиками и gauge для спанов `delibera.council.execute`, `delibera.council.round`, `delibera.compression` и т.д. Нулевые накладные расходы, когда слушатель не подключён. Включается через `CouncilBuilder.WithTelemetry(...)`.
📋 Структурированный вывод	`IStructuredOutputSerializer` + `JsonSchemaOutputSerializer` (использует .NET 10 `JsonSchemaExporter`). `ICouncilExecutor.ExecuteTypedAsync<TVerdict>` возвращает строго типизированный вердикт, десериализованный из ответа Chairman. Одна автоматическая повторная попытка при ошибке десериализации.
🔄 Адаптивная смена стратегии	`IStrategySelector` + `AdaptiveStrategySelector` меняют стратегию дебатов на лету при стагнации ответов (`StagnationThreshold` подряд идущих раундов с низким разнообразием, fallback на Левенштейна при отсутствии embedding-провайдера).
📋 Шаблоны дебатов	6 встроенных шаблонов (`DebateTemplate.ArchitectureReview`, `RiskAssessment`, `CodeReview`, `ProductDecision`, `SecurityAudit`, `DataArchitecture`) с преднастроенными участниками, персонами, стратегиями и Chairman.
⚡ Quick Wins	`DebateResult.ToHtml()` + `SaveToHtmlAsync()`; `CouncilBuilder.WithTimeout(TimeSpan)`; пресеты `Persona`; `CouncilBenchmark` для сравнения моделей; `WithParticipantLimit(int)` как защитный гард.

Полные release notes v10.2.6 смотрите в CHANGELOG.md, оригинальный roadmap — в docs/v10.2.6.md.

🚀 Быстрый старт

Требования и модели

.NET 10 SDK (≥ 10.0.301) — проект нацелен на net10.0 и собирается с LangVersion=preview для включения возможностей C# 15. См. docs/NET10-Upgrade-RU.md для полных заметок о миграции.
Запущенный экземпляр Ollama — локально (ollama serve) или Ollama Cloud (только API-ключ, без установки).
Минимальный набор моделей, перечисленный ниже.
Опционально — для роли Operator: Node.js + npx для запуска MCP-серверов (например, @playwright/mcp, @marp-team/marp-cli). См. Operator (MCP-инструменты).

🟢 Минимальный — для небольших дебатов (≈ 2 ГБ всего)

Подходит для smoke-тестов, слабого железа и быстрых запусков из CLI.

Назначение	Модель	Размер	Команда загрузки
Участник совета	`llama3.2:1b`	1.3 ГБ	`ollama pull llama3.2:1b`
Участник совета	`qwen2.5:1.5b`	1.1 ГБ	`ollama pull qwen2.5:1.5b`
Эмбеддинги (RAG)	`nomic-embed-text`	274 МБ	`ollama pull nomic-embed-text`

🟡 Стандартный — рекомендуется для большинства случаев (≈ 7 ГБ всего)

Хорошее качество рассуждений при низкой задержке. Это набор по умолчанию, используемый по всему README.

Назначение	Модель	Размер	Команда загрузки
Участник совета	`llama3.2:3b`	2.0 ГБ	`ollama pull llama3.2:3b`
Участник совета	`qwen2.5:7b`	4.7 ГБ	`ollama pull qwen2.5:7b`
Эмбеддинги (RAG)	`nomic-embed-text`	274 МБ	`ollama pull nomic-embed-text`

🔴 Высокопроизводительный — для продакшн-уровня дебатов (≈ 30+ ГБ)

Более тяжёлые локальные модели, рекомендуются на GPU с ≥ 24 ГБ VRAM или на Ollama Cloud.

Назначение	Модель	Размер	Команда загрузки
Участник совета	`llama3.1:8b`	4.9 ГБ	`ollama pull llama3.1:8b`
Участник совета	`qwen2.5:14b`	9.0 ГБ	`ollama pull qwen2.5:14b`
Участник совета	`mistral:7b`	4.4 ГБ	`ollama pull mistral:7b`
Chairman	`qwen2.5:14b` (или больше)	9.0 ГБ	`ollama pull qwen2.5:14b`
Эмбеддинги (RAG)	`nomic-embed-text`	274 МБ	`ollama pull nomic-embed-text`

💡 Ollama Cloud использует те же имена моделей, но не требует места на локальном диске — нужен только API-ключ. См. раздел конфигурации для его настройки.

Установка

dotnet add package Delibera.Core

Минимальный пример

using Delibera.Core.Council;
using Delibera.Core.Providers;

using var factory = new ProviderFactory();
var ollama = factory.CreateOllama("http://localhost:11434");

var result = await new CouncilBuilder()
    .AddMember("llama3.2:3b", ollama, "Analyst")
    .AddMember("qwen2.5:7b", ollama, "Strategist")
    .SetChairman(Chairman.CreateStandard("qwen2.5:7b", ollama))
    .WithStandardDebate()
    .WithSystemPrompt("You are a software architecture expert.")
    .WithUserPrompt("Microservices vs Monolith for a 5-person startup?")
    .WithMaxRounds(4)
    .SaveResultTo("./deliberation.md")
    .Build()
    .ExecuteAsync();

Console.WriteLine(result.FinalVerdict);

📄 См. docs/QuickStart-RU.md для пошагового руководства.

Запуск

dotnet run

Delibera проведёт структурированные многораундовые дебаты и запишет полную стенограмму и вердикт председателя в файл deliberation.md.

💉 Dependency Injection

Зарегистрируйте все сервисы Delibera одной строкой:

using Delibera.Core.DependencyInjection;

// Вариант A: С привязкой конфигурации (привязывает секцию "Delibera")
services.AddDelibera(configuration, "Delibera");

// Вариант B: С делегатом опций
services.AddDelibera(options =>
{
    options.Strategy = "Standard";
    options.MaxRounds = 4;
    options.Temperature = 0.7f;
    options.Compression.Enabled = true;
    options.Compression.Strategy = "Hybrid";
    options.Compression.TargetRatio = 0.5;
});

// Вариант C: Только значения по умолчанию
services.AddDelibera();

Резолвит из DI следующие интерфейсы:

Интерфейс	Реализация	Время жизни
`ILLMProviderFactory`	`ProviderFactory`	Singleton
`IRagProviderFactory`	`RagProviderFactory`	Singleton
`ICompressionFactory`	`CompressionService`	Singleton
`ICouncilBuilder`	`CouncilBuilder`	Transient

Конфигурация (`appsettings.json`)

{
  "Delibera": {
    "Strategy": "Standard",
    "MaxRounds": 4,
    "Temperature": 0.7,
    "SystemPrompt": "You are a knowledgeable AI expert participating in a council debate.",
    "Providers": {
      "DefaultType": "Ollama",
      "DefaultEndpoint": "http://localhost:11434",
      "ApiKey": "",
      "EmbeddingModel": "nomic-embed-text"
    },
    "Compression": {
      "Enabled": true,
      "Strategy": "Hybrid",
      "TargetRatio": 0.5,
      "EnableCache": true,
      "MaxCacheEntries": 256
    },
    "Rag": {
      "Enabled": false,
      "ProviderType": "Qdrant",
      "Host": "localhost",
      "Port": 6334,
      "CollectionName": "council_knowledge",
      "ConnectionString": null
    },
    "Output": {
      "Directory": "./debate_results",
      "SeparateFiles": true,
      "FilePrefix": null
    }
  }
}

Чтобы использовать Ollama Cloud, задайте Providers:DefaultEndpoint равным https://api.ollama.com и поместите ключ в Providers:ApiKey (или OllamaCloud:ApiKey в секции DeliberaApp, используемой консольным приложением — см. Примеры ConsoleApp).

🛠️ Operator (MCP-инструменты)

Operator — это лёгкий микроагент, который соединяет совет с внешним миром через серверы MCP (Model Context Protocol). Он предоставляет участникам дебатов любые инструменты, которые дают эти серверы — веб-навигацию, доступ к файловой системе, генерацию Marp-презентаций, Notion, PostgreSQL и т. д.

Как это работает

Operator подключается к одному или нескольким MCP-серверам и обнаруживает их инструменты при InitializeAsync.
Участникам сообщается (в их системном промпте), что умеет Operator, и они могут делегировать задачу в любой момент дебатов, написав маркер в своём сообщении:
```
[[OPERATOR: открой https://modelcontextprotocol.io и кратко перескажи, что такое MCP]]
```
Operator интерпретирует запрос своей собственной (более дешёвой) LLM-моделью, выбирает и вызывает нужные MCP-инструменты, интерпретирует результаты и возвращает краткий ответ, который внедряется в следующий раунд.
Если совет использует сжатие контекста, Operator может переиспользовать ту же стратегию для сжатия больших выводов инструментов перед их возвратом в дебаты. Его DisposeAsync — это ValueTask (паттерн IAsyncDisposable из .NET 10), поэтому MCP-клиенты освобождаются без аллокации Task.

Все взаимодействия с Operator записываются по раундам и отображаются в финальном Markdown-отчёте в блоке 🛠️ Operator Interactions.

Настройка MCP-серверов

using Delibera.Core.Models;

var servers = new[]
{
    // stdio-транспорт — запускает локальный процесс MCP-сервера
    McpServerConfig.Stdio(
        name: "browser",
        command: "npx",
        arguments: new[] { "-y", "@playwright/mcp@latest", "--headless" }),

    McpServerConfig.Stdio(
        name: "marp",
        command: "npx",
        arguments: new[] { "-y", "@marp-team/marp-cli", "--server", "./out" }),

    // …или HTTP/SSE-транспорт для удалённого MCP-сервера
    // McpServerConfig.Http(
    //     name: "remote",
    //     endpoint: "https://my-mcp-host.example.com/mcp",
    //     additionalHeaders: new Dictionary<string, string> { ["Authorization"] = "Bearer <token>" }),
};

Сервер	Транспорт	Команда запуска	Что даёт
🌐 `browser`	stdio	`npx -y @playwright/mcp@latest --headless`	Навигация по сайтам, чтение страниц, клики, скриншоты
🎯 `marp`	stdio	`npx -y @marp-team/marp-cli --server <dir>`	Генерация презентаций (HTML/PDF/PPTX) из Markdown

Быстрое использование (внутри совета)

using Delibera.Core.Council;
using Delibera.Core.Providers.LLM;

var ollama = new OllamaProvider("http://localhost:11434");

var council = new CouncilBuilder()
    .AddMember("llama3.2:3b", ollama, "Optimist")
    .AddMember("qwen2.5:7b",  ollama, "Skeptic")
    .SetChairman(Chairman.CreateStandard("qwen2.5:7b", ollama))
    // Operator использует свою более дешёвую модель; reuseCompression разделяет компрессор совета
    .WithOperator("llama3.2:3b", ollama, servers, reuseCompression: true)
    .WithStandardDebate()
    .WithUserPrompt("Research the latest .NET 10 features and prepare a short summary.")
    .WithMaxRounds(4)
    .Build()
    .ExecuteAsync();

Предпочитаете создать Operator самостоятельно? Передайте готовый экземпляр:

using Delibera.Core.Council;
using Delibera.Core.Interfaces;
using Delibera.Core.Models;
using Delibera.Core.Providers.Mcp;

var @operator = new Operator(
    new CouncilMember("llama3.2:3b", ollama, "Operator"),
    new IMcpClient[] { new McpClientAdapter(servers[0]), new McpClientAdapter(servers[1]) },
    compressor: null,            // необязательный IContextCompressor
    compressionOptions: null);   // необязательные CompressionOptions

var council = new CouncilBuilder()
    /* …участники… */
    .WithOperator(@operator)
    .Build();

Прямое использование (без совета)

await using var @operator = new Operator(
    new CouncilMember("llama3.2:3b", ollama, "Operator"),
    new IMcpClient[] { new McpClientAdapter(servers[0]), new McpClientAdapter(servers[1]) });

await @operator.InitializeAsync();

var result = await @operator.ExecuteTaskAsync(
    "Open https://modelcontextprotocol.io and briefly summarize what MCP is.");

Console.WriteLine(result.FinalAnswer);

Dependency Injection

Настройте Operator декларативно в appsettings.json в секции Delibera:Operator:

{
  "Delibera": {
    "Operator": {
      "Enabled": true,
      "ModelName": "llama3.2:3b",
      "ReuseCompression": true,
      "McpServers": [
        {
          "Name": "browser",
          "Transport": "Stdio",
          "Command": "npx",
          "Arguments": [ "-y", "@playwright/mcp@latest", "--headless" ]
        },
        {
          "Name": "remote",
          "Transport": "Http",
          "Endpoint": "https://my-mcp-host.example.com/mcp",
          "AdditionalHeaders": { "Authorization": "Bearer <token>" }
        }
      ]
    }
  }
}

▶️ Полный рабочий пример находится в OperatorMcpToolsExample.cs. Запустите его командой dotnet run --project src/Delibera.ConsoleApp -- --operator-mcp. Полное техническое описание см. в docs/NET10-Upgrade-RU.md.

🗜️ Сжатие контекста

Автоматически сжимайте контекст между раундами обсуждения — экономьте 30–70% токенов без потери смысла.

Стратегия	Как работает	Лучше всего для
Semantic	Эмбеддинг предложений, ранжирование по релевантности, топ-N	Большие контексты знаний
Deduplication	Удаляет семантически похожие предложения между участниками	Многомодельные дебаты с пересечениями
Summarization	LLM создаёт краткое резюме, сохраняя ключевые факты	Максимальная степень сжатия
Hybrid	Конвейер Dedup → Semantic → Summarize	Лучшее общее качество
None	Без изменений (когда отключено)	Отладка

using Delibera.Core.Compression;
using Delibera.Core.Providers.LLM;

var ollama = new OllamaProvider("http://localhost:11434");
var embeddings = new OllamaEmbeddingProvider(ollama, "nomic-embed-text");

var result = await new CouncilBuilder()
    .AddMember("llama3.2:3b", ollama, "Analyst")
    .AddMember("qwen2.5:7b", ollama, "Strategist")
    .SetChairman(Chairman.CreateStandard("qwen2.5:7b", ollama))
    .WithCompression(CompressionStrategy.Hybrid,
        llmProvider: ollama,
        modelName: "llama3.2:3b",
        embeddingProvider: embeddings)
    .WithCompressionOptions(new CompressionOptions { TargetRatio = 0.5 })
    .WithCompressionCache()
    .WithUserPrompt("Analyze our architecture options...")
    .WithMaxRounds(4)
    .Build()
    .ExecuteAsync();

Console.WriteLine(result.TokenStats?.ToSummary());

Конвейер сжатия

IContextCompressor
├── SemanticCompressor        ← Ранжирование предложений на основе эмбеддингов
├── DeduplicationCompressor   ← Удаление дубликатов по схожести
├── SummarizationCompressor   ← Резюмирование с помощью LLM
├── HybridCompressor          ← Многоэтапный конвейер (Dedup → Semantic → Summarize)
└── PassThroughCompressor     ← Без операций (когда отключено)

CompressionFactory            ← Статическая фабрика (Create по enum или строке)
CompressionService            ← DI-дружественная обёртка над CompressionFactory
CompressionCache              ← LRU-кэш с ключами SHA-256
TokenCounter                  ← Эвристическая оценка токенов

✂️ AutoChunking

Автоматическое разбиение больших документов (договоры, отчёты, статьи) на чанки, соответствующие размеру контекстного окна моделей, с распределением по раундам дебатов через прогрессивное раскрытие (progressive disclosure). Если документ превышает контекстное окно самой маленькой модели, оркестратор создаёт план чанкинга и равномерно распределяет чанки — каждая модель получает полное представление к финальному раунду.

Как это работает

Определение моделей — запрос контекстного окна каждой модели через GetModelCapabilitiesAsync() (Ollama /api/show или встроенный реестр из 40+ моделей).
Расчёт накладных расходов — системный промпт + вопрос + буфер ответа + история.
План чанкинга — разбивка документа по семантическим границам (Markdown-заголовки → параграфы → предложения), каждый чанк ≤ minWindow − overhead − safetyMargin.
Прогрессивное раскрытие — Раунд 1 получает чанки 1..N/3, Раунд 2 — N/3+1..2N/3 и т.д. Каждый раунд видит маркеры [Chunk X/Y] SectionTitle + сводку предыдущих раундов.

Три способа конфигурации

// Способ 1: Fluent API
var executor = new CouncilBuilder()
    .WithAutoChunking(new AutoChunkingOptions
    {
        Strategy = ChunkingStrategy.SemanticBoundary,
        SafetyMargin = 0.15,
        MaxChunksPerRound = 3
    })
    /* …участники, chairman, знания… */
    .Build();

// Способ 2: Объект CouncilOptions (из DI или вручную)
var options = new CouncilOptions
{
    AutoChunking = new AutoChunkingConfig { Enabled = true, Strategy = "SemanticBoundary" }
};
var executor = new CouncilBuilder(options)  // или .WithOptions(options)
    /* … */
    .Build();

// Способ 3: Лямбда-конфигурация
var executor = new CouncilBuilder()
    .WithOptions(o =>
    {
        o.AutoChunking.Enabled = true;
        o.AutoChunking.MaxChunksPerRound = 2;
    })
    /* … */
    .Build();

Конфигурация (`appsettings.json`)

{
  "Delibera": {
    "AutoChunking": {
      "Enabled": true,
      "Strategy": "SemanticBoundary",
      "SafetyMargin": 0.15,
      "MaxChunksPerRound": 3,
      "EnableMapReduce": true,
      "EnableProgressiveDisclosure": true,
      "ModelContextWindows": {
        "my-custom-model": 65536
      }
    }
  }
}

Реестр контекстных окон моделей

// Запрос известных моделей
var window = ModelContextWindowRegistry.GetContextWindow("llama3.2"); // → 131072
var window = ModelContextWindowRegistry.GetContextWindow("phi3:mini"); // → 4096

// Регистрация своих моделей
ModelContextWindowRegistry.Register("my-fine-tuned-model", 65536);

▶️ Запустите демо: dotnet run --project src/Delibera.ConsoleApp -- --autochunking

📚 Интеграция RAG

Используйте выделенный экземпляр Qdrant или вашу существующую базу PostgreSQL/pgvector в качестве векторного хранилища.

using Delibera.Core.Council;
using Delibera.Core.Models;
using Delibera.Core.Providers.LLM;
using Delibera.Core.Providers.RAG;

var ollama = new OllamaProvider("http://localhost:11434");
var embeddings = new OllamaEmbeddingProvider(ollama, "nomic-embed-text");

// pgvector — просто добавьте строку подключения
var ragFactory = new RagProviderFactory();
var rag = ragFactory.CreatePgVector(
    embeddings,
    "Host=localhost;Database=council_vectors;Username=postgres;Password=postgres");

await rag.IndexDocumentAsync("my_collection", documentText);
var results = await rag.SearchAsync("my_collection", "query", limit: 5);

// Подключаем к Knowledge Keeper
var kkMember = new CouncilMember("llama3.2:3b", ollama, "Knowledge Keeper");
var keeper = new KnowledgeKeeper(rag, kkMember, "my_knowledge");
await keeper.IndexFileAsync("./docs/architecture.md");

IRagProvider
├── QdrantRagProvider
│   └── QdrantVectorStore     ← Qdrant gRPC
└── PgVectorRagProvider
    └── PgVectorStore         ← PostgreSQL/pgvector

IEmbeddingProvider
└── OllamaEmbeddingProvider

Затем Knowledge Keeper присоединяется к совету через WithKnowledgeKeeper(...) — см. пример RAG для полного рабочего демо.

🗣️ Стратегии дебатов

Стратегия	Поток	Сценарий использования
StandardDebate	Initial → Critique → Improved → Verdict	Общий анализ
CritiqueDebate	Position → Attack → Defence → Judge	Проверка гипотез
ConsensusDebate	Perspectives → Common Ground → Consensus → Facilitator	Поиск оптимального решения

Каждая стратегия реализована как IDebateStrategy — см. src/Delibera.Core/Debate/ для полного исходного кода.

Паттерны проектирования

Паттерн	Использование
Factory	`ProviderFactory`, `RagProviderFactory`, `CompressionFactory`, `Chairman`
Strategy	`IDebateStrategy`, `IContextCompressor`
Builder	Fluent API `CouncilBuilder`
Template Method	Абстрактный базовый класс `DebateScenario`
Cache	`CompressionCache` с ключами SHA-256
Observer	Событие `OnRoundCompleted` у `CouncilExecutor`

📁 Структура выходных файлов

Каждое обсуждение можно экспортировать как один файл или как три отдельных Markdown-документа:

var result = await executor.ExecuteAsync();

// Сохранить в 3 отдельных файла
var (resultPath, statsPath, logsPath) = await result.SaveAllAsync("./output");
// Создаёт: debate_20260604_120000_result.md
//          debate_20260604_120000_statistics.md
//          debate_20260604_120000_logs.md

// Или сохранить по отдельности
await result.SaveToMarkdownAsync("result.md");
await result.SaveStatisticsAsync("statistics.md");
await result.SaveLogsAsync("logs.md");

Файл	Содержимое
`*_result.md`	Полная стенограмма обсуждения, раунды и финальный вердикт председателя
`*_statistics.md`	Статистика использования токенов с разбивкой по раундам
`*_logs.md`	Журналы выполнения (`ExecutionLog`) для Chairman, KK, сжатия и участников

💻 Примеры ConsoleApp

В репозитории есть Delibera.ConsoleApp — запускаемый демо-проект, который задействует каждую возможность. Запускайте его из корня репозитория:

# Клонировать репозиторий
git clone https://github.com/delibera/Delibera.git
cd Delibera/src/Delibera.ConsoleApp

# Запустить конкретный пример
dotnet run -- --di                 # Dependency Injection
dotnet run -- --separate-files     # Сохранить result.md, statistics.md, logs.md
dotnet run -- --compression        # Демо сжатия контекста
dotnet run -- --multiprovider      # Совет с несколькими провайдерами (cloud + local)
dotnet run -- --rag                # RAG на базе Qdrant с Knowledge Keeper
dotnet run -- --pgvector           # RAG на базе pgvector
dotnet run -- --operator           # Основы роли Operator (MCP-инструменты)
dotnet run -- --operator-mcp       # 🆕 Operator с MCP-серверами browser + Marp
dotnet run -- --autochunking       # 🆕 Демо AutoChunking (большие документы)

# Или запустить полное демо по умолчанию (читает appsettings.json)
dotnet run

Консольное приложение читает appsettings.json, который использует секцию DeliberaApp — по умолчанию она указывает на Ollama Cloud и показывает, как подключить несколько провайдеров, RAG и сжатие в одном месте.

🛠️ Установка и сборка

Клонирование и сборка

git clone https://github.com/delibera/Delibera.git
cd Delibera

# Собрать всё решение
dotnet build --configuration Release

# Запустить консольное демо
cd src/Delibera.ConsoleApp
dotnet run

Инфраструктура одной командой (Docker Compose)

Поднимите Qdrant + PostgreSQL/pgvector за один шаг. (Ollama намеренно не включена — установите её нативно, чтобы GPU-драйвер использовался напрямую.)

# Из корня репозитория
docker compose up -d

# В другом терминале запустите консольное приложение
cd src/Delibera.ConsoleApp
dotnet run

Compose-стек предоставляет:

Сервис	URL	Назначение
Qdrant (REST)	`http://localhost:6333`	UI / REST векторного хранилища
Qdrant (gRPC)	`localhost:6334`	gRPC-клиент (используется Delibera)
PostgreSQL	`localhost:5432`	RAG-хранилище pgvector

Учётные данные по умолчанию: postgres / postgres, база council_vectors.

Если эти сервисы уже запущены нативно, просто пропустите docker compose и направьте консольное приложение на них — appsettings.json по умолчанию использует localhost.

Альтернатива вручную (по одному контейнеру)

# Запуск с Qdrant (Docker)
docker run -d -p 6333:6333 -p 6334:6334 qdrant/qdrant

# Запуск с pgvector (Docker)
docker run -d -p 5432:5432 -e POSTGRES_PASSWORD=postgres pgvector/pgvector:pg16

# Затем включите расширение pgvector
docker exec -it <container> psql -U postgres -d council_vectors -c "CREATE EXTENSION IF NOT EXISTS vector;"

NuGet-зависимости

Пакет	Назначение
`OllamaSharp`	Клиент API Ollama
`Qdrant.Client`	gRPC-клиент векторной БД Qdrant
`Npgsql`	ADO.NET-провайдер PostgreSQL
`Pgvector`	Поддержка типов pgvector для Npgsql
`ModelContextProtocol`	MCP-клиент для роли Operator
`Microsoft.Extensions.AI`	Унифицированные AI-абстракции `IChatClient` / `IEmbeddingGenerator` и middleware
`Microsoft.Extensions.*`	Конфигурация, DI и Options

🤝 Microsoft.Extensions.AI

Delibera интегрирована с Microsoft.Extensions.AI (v10.7.0) — стандартным слоем абстракций .NET для генеративного AI. Это позволяет запускать совет с любым бэкендом, реализующим IChatClient (OpenAI, Azure OpenAI, Ollama, Anthropic, LM Studio / LocalAI / vLLM, …) и собирать конвейер middleware (вызов функций/инструментов, логирование, кэширование, телеметрия) — без написания отдельного провайдера под каждого поставщика.

Что вы получаете

Тип	Роль
`ChatClientLLMProvider`	Адаптирует любой `IChatClient` к `ILLMProvider` Delibera (со стримингом через `ChatStreamAsync`)
`EmbeddingGeneratorProvider`	Адаптирует любой `IEmbeddingGenerator<string, Embedding<float>>` к `IEmbeddingProvider` для RAG
`MicrosoftAIExtensions`	Мосты: `AsLLMProvider()`, `AsEmbeddingProvider()`, `AsChatClient()`, `WithMiddleware()`
`ProviderFactory.CreateFromChatClient(...)`	Создаёт кэшируемый провайдер прямо из `IChatClient`
`AddDeliberaChatClient(...)` / `AddDeliberaEmbeddingGenerator(...)`	Регистрация стандартных AI-сервисов в DI

Использование любого `IChatClient` как провайдера Delibera

using Delibera.Core.Extensions;
using Microsoft.Extensions.AI;

// 1) Подключите свой IChatClient. Для OpenAI:
//    dotnet add package Microsoft.Extensions.AI.OpenAI
IChatClient client = new OpenAI.Chat.ChatClient("gpt-4o-mini", apiKey).AsIChatClient();

// 2) (опционально) middleware — вызов функций + логирование
client = client.WithMiddleware(enableFunctionInvocation: true, loggerFactory);

// 3) отдайте его Delibera
ILLMProvider provider = client.AsLLMProvider("OpenAI");

var executor = new CouncilBuilder()
   .AddMember("gpt-4o-mini", provider, "Архитектор")
   .AddMember("gpt-4o-mini", provider, "Скептик")
   .SetChairman(Chairman.CreateStandard("gpt-4o-mini", provider))
   .WithStandardDebate()
   .WithUserPrompt("Модульный монолит или микросервисы для команды из 5 человек?")
   .Build();

Ollama работает «из коробки», так как OllamaApiClient из OllamaSharp нативно реализует IChatClient и IEmbeddingGenerator:

using var ollama = new OllamaProvider("http://localhost:11434");
IChatClient chat = ollama.AsChatClient();                 // готов к middleware
ILLMProvider provider = chat.AsLLMProvider("Ollama");
IEmbeddingProvider embeddings = ollama.AsEmbeddingGenerator().AsEmbeddingProvider("nomic-embed-text");

Стриминг

await foreach (var chunk in provider.ChatStreamAsync("gpt-4o-mini", systemPrompt, userPrompt))
   Console.Write(chunk);

ChatStreamAsync — это additive-метод по умолчанию в ILLMProvider: провайдеры на базе IChatClient стримят токен за токеном, а старые провайдеры прозрачно используют один вызов.

Внедрение зависимостей (DI)

services.AddDeliberaChatClient(
   sp => new OpenAI.Chat.ChatClient("gpt-4o-mini", apiKey)
            .AsIChatClient()
            .WithMiddleware(enableFunctionInvocation: true),
   providerName: "OpenAI");

services.AddDeliberaEmbeddingGenerator(
   sp => /* ваш IEmbeddingGenerator */,
   modelName: "text-embedding-3-small");

Попробуйте: dotnet run --project src/Delibera.ConsoleApp -- --msai

🏛️ Архитектура

Delibera.Core
├── Council/              ← CouncilBuilder, CouncilExecutor, Chairman, KnowledgeKeeper, Operator
├── Debate/               ← StandardDebate, CritiqueDebate, ConsensusDebate
├── Compression/          ← Semantic / Deduplication / Summarization / Hybrid
├── Chunking/             ← AutoChunker, AutoChunkingOrchestrator, AutoChunkingOptions
├── Providers/
│   ├── LLM/              ← OllamaProvider, ChatClientLLMProvider, EmbeddingGeneratorProvider
│   ├── RAG/              ← QdrantRagProvider, PgVectorRagProvider
│   └── Mcp/              ← McpClientAdapter (Operator ↔ MCP-серверы)
├── Extensions/           ← MicrosoftAIExtensions (мосты IChatClient ↔ ILLMProvider)
├── DependencyInjection/  ← AddDelibera() / AddDeliberaChatClient() + CouncilOptions
├── Knowledge/            ← MarkdownKnowledgeBase
├── Models/               ← CouncilMember, DebateResult, DebateRound, TokenStatistics, ...
└── Interfaces/           ← ILLMProvider, IRagProvider, IContextCompressor, IOperator, IMcpClient, ...

🤝 Участие в разработке

Мы приветствуем вклад! Пожалуйста, прочитайте CONTRIBUTING.md для рекомендаций по настройке окружения разработки, стандартам кодирования и процессу pull-request.

📄 Лицензия

Delibera распространяется под лицензией MIT.

⚖️ Delibera — Продуманные решения с помощью ИИ

Создано с заботой о коллективном интеллекте на базе ИИ

FilesExpand file tree

README-RU.md

Latest commit

History

README-RU.md

File metadata and controls

Delibera

⚖️ Продуманные решения с помощью ИИ

📖 Обзор

✨ Ключевые возможности

🆕 Что нового в v10.2.6

📑 Содержание

🚀 Быстрый старт

Требования и модели

🟢 Минимальный — для небольших дебатов (≈ 2 ГБ всего)

🟡 Стандартный — рекомендуется для большинства случаев (≈ 7 ГБ всего)

🔴 Высокопроизводительный — для продакшн-уровня дебатов (≈ 30+ ГБ)

Установка

Минимальный пример

Запуск

💉 Dependency Injection

Конфигурация (appsettings.json)

🛠️ Operator (MCP-инструменты)

Настройка MCP-серверов

Быстрое использование (внутри совета)

Прямое использование (без совета)

Dependency Injection

🗜️ Сжатие контекста

Конвейер сжатия

✂️ AutoChunking

Как это работает

Три способа конфигурации

Конфигурация (appsettings.json)

Реестр контекстных окон моделей

📚 Интеграция RAG

🗣️ Стратегии дебатов

Паттерны проектирования

📁 Структура выходных файлов

💻 Примеры ConsoleApp

🛠️ Установка и сборка

Клонирование и сборка

Инфраструктура одной командой (Docker Compose)

Альтернатива вручную (по одному контейнеру)

NuGet-зависимости

🤝 Microsoft.Extensions.AI

Что вы получаете

Использование любого IChatClient как провайдера Delibera

Стриминг

Внедрение зависимостей (DI)

🏛️ Архитектура

🤝 Участие в разработке

📄 Лицензия

Конфигурация (`appsettings.json`)

Конфигурация (`appsettings.json`)

Использование любого `IChatClient` как провайдера Delibera