上课自动播报

一个真实场景串联四个视角——从节点接入到 AI 调用，看 KnotLink 全链路怎么跑。

---

节点

ClassIsland + MultiTTS

两个节点，两种类型，在同一个场景里协作。

	ClassIsland	MultiTTS
类型	独立式（standalone）	插入式（plugin）
做什么	课程表管理，按时发信号	多引擎 TTS 语音合成
发现方式	注册表	Plugins/ 目录扫描
通信代码	5 行	8 行

ClassIsland — 独立式 · 广播信号

安装时写注册表，让 KnotHub 发现：

HKCU\Software\KnotLink\StandaloneNodes
  └── 0x00000031 = "C:\Program Files\ClassIsland"

安装目录根放两份清单：standalone_manifest.json + FuncList.json。

下发事件时，一行代码广播：

from knotlink import SignalSender, KLKVMap

sender = SignalSender(APPID="0x00000031", SignalID="0x00000011")

kv = KLKVMap()
kv["event"] = "OnBreakingTime"
sender.emitt(kv.serialize())   # 下课了，广播给所有订阅方

同一个 signalID 发多种事件——OnClass（上课）、OnBreakingTime（下课）、OnAfterSchool（放学），靠 verification 字段区分。

MultiTTS — 插入式 · 响应接口

打成 zip，拖进 KnotHub 操作面板自动安装。收到调用请求时朗读文本：

from knotlink import OpenSocketResponser, KLKVMap

r = OpenSocketResponser(APPID="0x00000022", OpenSocketID="0x00000011")

def handle(data):
    req = KLKVMap()
    req.deserialize(data)
    text = req.get("text", "")
    speak(text)          # 调用系统 TTS 引擎朗读
    return "status=ok"

r.set_RecvFunc(handle)

两个节点的完整清单和代码见 信号广播案例 和 多引擎适配案例。

平台

KnotHub 操作面板

KnotHub 启动后扫描两类来源，两个节点并列展示：

📡 独立式                      🖥️ 插入式
┌──────────────┐             ┌──────────────┐
│ ClassIsland   │             │ MultiTTS      │
│ 来源：注册表   │             │ 来源：Plugins/ │
│ 接口：2个      │             │ 接口：3个      │
│ 信号：4个      │             │ 信号：0个      │
└──────────────┘             └──────────────┘

发现机制不同，展示格式一致。 ClassIsland 从 HKCU\Software\KnotLink\StandaloneNodes 读取安装路径，MultiTTS 从 Plugins/MultiTTS_Client-HXH/ 扫描。但面板里不区分类型——协议层统一，FuncList.json 的格式完全一样。

点击任一节点进入 调试 API 页，参数表单从 FuncList 自动渲染：

参数类型	效果
input	输入框
optional	下拉菜单
static	灰显固定值

API 文档、测试页、节点索引——全部从两份清单自动生成，不需要单独维护。

配方

互联配方：下课自动播报下一节

配方是一个 Python 脚本，放在 MappingDataPacks/ 下，SignalTransfer 加载器自动挂载。不修改 ClassIsland 和 MultiTTS 一行代码。

做什么

1. 订阅 ClassIsland 的 OnBreakingTime（下课）
2. 调用 ClassService 查下节课
3. 调用 SysTTS 朗读课程名

脚本

import knotlink as kl


def main():
    sub = kl.SignalSubscriber("0x00000031", "0x00000011")
    querier = kl.OpenSocketQuerier("0x00000031", "0x00000011")
    tts = kl.OpenSocketQuerier("0x00000022", "0x00000011")

    def on_signal(data):
        kv = kl.KLKVMap()
        kv.deserialize(data)
        if kv.get("event") != "OnBreakingTime":
            return

        # 查下节课
        req = kl.KLKVMap()
        req["action"] = "GetNextClassSubject"
        resp = querier.query(req.serialize())
        r = kl.KLKVMap()
        r.deserialize(resp)
        subject = r.get("subject", "未知课程")

        # 朗读
        tts_req = kl.KLKVMap()
        tts_req["TTS"] = "SysTTS"
        tts_req["text"] = f"下一节是{subject}"
        tts_req["rate"] = "3"
        tts_req["volume"] = "0.7"
        tts_req["voice_index"] = "0"
        tts.query(tts_req.serialize())

    sub.on_signal(on_signal)
    input("配方运行中，按回车退出。\n")


if __name__ == "__main__":
    main()

配方不关心节点用什么语言写的、跑在哪个目录——它只知道 appID 和 signalID，协议层屏蔽了所有底层细节。

配方开发详见 互联配方教程。

AI

AI 调用本地工具

LLM 通过 FuncList.json 发现本地程序的能力——不需要 MCP 中转，直接走 TCP。

流程

用户："查一下下节课是什么"
   ↓
LLM 读取 ClassIsland 的 FuncList → 看到 ClassService 接口
   ↓
构造 KLUDF 请求：action=GetNextClassSubject
   ↓
OpenSocketQuerier.query() → TCP → ClassIsland
   ↓
返回：subject=数学;teacher=张老师;status=成功
   ↓
LLM 回复用户："下一节是数学课，张老师。"

代码

from knotlink import OpenSocketQuerier, KLKVMap

# LLM 根据 FuncList 自动生成的调用代码
querier = OpenSocketQuerier("0x00000031", "0x00000011")

req = KLKVMap()
req["action"] = "GetNextClassSubject"
resp = querier.query(req.serialize())

result = KLKVMap()
result.deserialize(resp)
print(result.get("subject"))  # "数学"

对 LLM 来说，KnotLink 节点的接口和 function calling 的 tool definition 是同构的——函数名、参数类型、描述都在 FuncList.json 里。你的程序不需要单独为 AI 写 tool schema，清单本身就是 schema。

---

这个场景覆盖了什么

概念	在场景中的体现
独立式节点	ClassIsland — 注册表发现、自管理进程
插入式节点	MultiTTS — zip 分发、Plugins/ 目录
请求-响应	ClassService 查询、SysTTS 朗读
发布-订阅	ClassIsland 广播 OnBreakingTime
信号鉴别	verification: "OnBreakingTime" 区分事件
功能 ≠ 接口	MultiTTS 三个条目共用 openSocketID: 0x00000011
工具链生成	API 测试页、文档从 FuncList 自动生成
配方编排	Python 脚本串联两个节点，不改原代码
AI 调用	LLM 读 FuncList 发现能力，直连 TCP