四分钟跑完整条引擎

README 从前完整收录的那份关爱圈演示。第 2 到第 4 段是对着一套跑起来的 ./deploy.sh、并且开着 SEED_DEMO_DATA 录的；第 1 段是画的 —— 它讲的是授权那条路，而画出来的东西能拿去和 user/care_circle.py 对照，录屏不能。README 放了四幕里的三幕，第四幕链到这里。 SEED_DEMO_DATA 默认打开，所以 ./deploy.sh 一跑完，① → ② → ③ 这条链就能走：登录和浏览种子记录不需要任何 key；第 2、3 段的抽取和第 4 段的提问，走的是前面配的那一把 key。 1 · 进门。 你用 you@mirobody.ai 登录，看到的是两份记录，不是一份。你自己的：一年的自测体征，加去年 11 月的一份化验单。mom@mirobody.ai 的形状一样，但那是另一个人，把记录以只读方式共享给你，而她的体重在涨、睡眠偏短、HbA1c 已经越出范围。同一个问题，两个答案，而两份记录里只有一份是你的。隔离是你能看见的，不是只能读到的。

一个人如何读到另一个人的健康记录：请求经过 resolve_subject，它要求双方成员关系都已接受、且对方自己打开了 health_access 开关，然后要么返回按请求裁剪过的权限，要么抛出 403

关爱圈的四条承诺	由什么保证
必须本人接受才算加入	`status`，待处理不等于已接受
健康数据默认不开，除非你允许	`health_access`，`NOT NULL DEFAULT 0`
这是你的开关，在你自己的那一行上	它管的是你的记录，不是对方的
每个成员各管各的	任何别人的动作都抬不高你的

到 1.4.4 之前，这四条只是一张图。现在每一条都由测试当作安全属性钉死，而不是当作一件好事，因为出货的代码曾经一次性违反了全部四条（见路线图）。表可以 diff，图不行。这个开关是一个字段，不是一句承诺：care_circle_members.health_access， NOT NULL DEFAULT 0，在你自己的那一行上。被拉进一个圈子本身不共享任何东西，由成员自己决定，别人的任何动作都抬不高它。读它的那个检查是抛异常而不是返回一个假值，所以一条忘了检查的路由给出的是 403，而不是把记录递出去。 examples/06_care_circle_rules.py 能离线打印整张决策表。 2 · ① 收集。 demo/upload/ 里放着四份种子数据故意没写进库的文件，所以上传一份不是空操作。它们是四种不同的格式，因为一份健康档案本来就是化验所、诊所和家里各自产出什么样，它就是什么样：

文件	格式	是什么	指标数
`you_annual_checkup_2026-05.pdf`	PDF	今年的体检套餐，诊所打印的	9
`mom_physical_2026-06.jpg`	JPG	一张打印单子的手机照片	9
`you_lipid_panel_2026-08.csv`	CSV	另一家化验所的导出，用它自己的写法	5
`mom_clinic_visit_2026-07.xlsx`	XLSX	诊所敲进表格里的那些	4

把一份拖到 Data 页，文件先被原样存下来，可追溯。① 收集只做这一件事，而这个切分很要紧：化验所说了什么是一个事实，它是什么意思是另一个。

把化验单 PDF 拖到 Data 页；分析物被抽取出来，各自链回来源文件

3 · ② 转译。 几秒之后，里面的分析物变成一条条指标，每一条都链回它被读出来的那份文件，每一条都带着码：

Glycated Hemoglobin-HbA1c   5.2 %        loinc 4548-4
Fasting Blood Glucose-FBG   4.9 mmol/L   loinc 14771-0
Total Cholesterol-TC        4.45 mmol/L  loinc 14647-2
Low-Density Lipoprotein-LDL 2.48 mmol/L  loinc 22748-8

模型负责读这一页，但轮不到它去编码。解析是对着随包发布的词表查表，离线、结果确定，查不到就弃答，不猜。正是那个码，让不同的文件能放在一起读。那份 csv 来自另一家化验所，分析物的写法也不一样：套餐上印的是 Total Cholesterol-TC，它写的是 Cholesterol, Total，而两者同为 14647-2，所以它们是一条序列，不是两条。单位是这个身份的一部分，而不是被抹平的东西：胆固醇在 mmol/L 下是 14647-2，在 mg/dL 下是 2093-3，把这件事说出来，才挡得住一条由两者混起来的趋势悄悄地错。把这两个码归并成一条可比的线是 1.5.0 的 comparability key；设备那一侧的换算已经在做了， examples/02_standardize_a_reading.py 能离线把 154.5 lb 变成 70.08 kg。 4 · ③ 智能体。 问一句胆固醇怎么变的。agent 会把带着这一项的文件全都找出来，包括 csv 里那个不一样的写法，然后拿它读到的东西作答：

Total Cholesterol   4.60 mmol/L   2025-11-12   you_lab_2025-11.md
                    4.45 mmol/L   2026-05-06   2026-05-06_Annual_Physical_Exam_Report.pdf
                    4.38 mmol/L   2026-08-04   you_lipid_panel_2026-08.csv

三份文件，三套写法，一条线，每个数字旁边都写着它出自哪一份。同一个问题问到共享的那份记录上，答案就是另一个人的。

问自己的体检结果；agent 把两次抽血都画出来，注明每个数字来自哪份文件，并读出趋势

同一个问题问到共享记录上；agent 从一份你只能查看的记录里作答

这就是一次坐下来跑完的整条链：一份文件进去，一条带码的指标出来，一个 agent 在它上面作答。C · T · A，每一阶段都单独可见，而不是嘴上说说。所有数值都是生成的，这里没有一份文件描述真实的人，种子数据也不需要联网、不需要 key。要让一套部署存真实数据，把 SEED_DEMO_DATA 设成 false。 demo/README.md 说明每份文件是什么、怎么重建；抽取这一步对这些指标还没有做到的事，写在 docs/roadmap.md 里，而不是在这里含糊过去。