第 6 次会议纪要¶

摘要¶

确定 DiPECS 方案细节，完成分组和分工。DiPECS 是一个运行在 Android 上的意图驱动系统原型，通过"本地采集—本地预测—本地优化—离线学习"的闭环降低用户操作延迟。

日期：2026-04-15

参会人：lsy, srh, ljs, wxz, sdd

议题：确定 DiPECS 方案细节，完成分组

参考：https://github.com/OSH-2025/MEMO

DiPECS 是一个运行在 Android 设备上的意图驱动系统原型，其核心是从用户真实操作中学习并预测下一步行为，从而提前进行系统优化：

行为采集层：本地通过 Android 官方能力构建，利用应用使用统计（前后台切换）、通知监听、媒体与文件变化监听，并在用户授权下通过无障碍服务补充界面交互信息，将原始信号统一转化为结构化的行为事件流。
预测与优化：基于短时间窗口内的事件序列，使用本地轻量模型预测用户下一步最可能触发的 skill，并在置信度满足条件时，仅执行低风险的预加载优化（如应用进程预热、关键数据缓存等），以降低操作延迟。
离线学习：大模型主要用于离线对历史行为进行模式归纳与 skill 抽象，辅助优化预测策略而不参与在线执行。

系统闭环："本地采集—本地预测—本地优化—离线学习"，可观测、可回放且具备扩展能力。