kicer
|
80e9dcb0aa
|
feat(local): 新建会话可手选工作目录,AI 直接在所选目录干活
- 后端核心只动 taskDirOf:sessions.work_dir 非空即会话工作目录,不建 task-* 子目录;空串行为与旧版一致(服务器形态恒为空)
- db 幂等迁移加 work_dir 列
- createSession 校验并接受手选目录(必须已存在、拒绝根目录与平台数据目录);deleteSession 绝不删用户所选目录
- fsRoot 优先 ctx.workDir;@会话 按目标会话 work_dir 解析
- 新增 routes/local.js:osascript/zenity/kdialog 原生选目录,仅 AGENT_LOCAL_PICK=1 时挂载
- 欢迎页加工作目录 chip:选择只暂存前端,建档时随 POST /api/sessions 提交
- local/start.sh 注入 AGENT_LOCAL_PICK=1;同步 AGENTS/README/docs
|
2026-11-11 13:59:15 +08:00 |
|
kicer
|
b5cfa36832
|
feat(local): 依赖安装自愈:源探测 + 换源重试 + 本地缓存 + 看门狗
国内网络下首装依赖最容易卡死,启动器现在自己处理,用户不用懂环境:
- 自动选源:并行探 npmmirror 与官方源(各 3s 超时)取最快,缓存一天;
只在命令行传 --registry,不写 ~/.npmrc、不改用户全局配置。
- 换源重试:公共源之间自动互换,换源成功即记住;显式指定或公司私有源不兜底
(乱兜底可能装错东西)。重试前清掉半成品 node_modules。
- 本地缓存:装成功后把 node_modules 打成
~/.cache/agent-local/deps-<平台>-<架构>-abi<ABI>-<依赖哈希>.tgz,
重启/删 node_modules/换 clone 都解压恢复(零网络),只留最近 3 份。
- 看门狗:npm 10 + Node 22 断网时既不报错也不退出(Exit handler never called),
超过 AGENT_LOCAL_NPM_TIMEOUT(默认 240s)直接 SIGKILL 整棵树再换源。
- 报错翻译:状态页只显示「网络没通 / 缺编译工具链 / 没有写权限 / 源没响应」,
npm 原文仍完整落 npm-install.log。
同时修掉两个埋着的 bug:
- kill_tree 先把参数赋给变量再递归,POSIX sh 无局部变量导致递归覆盖,
回到外层 kill 的是子进程,留下 PPID=1 的孤儿 npm。改为只用 $1。
- 看门狗不能先 TERM:TERM 先杀掉外壳会让 npm 变孤儿,kill -0 判不到。
改为直接递归 SIGKILL(先子后己)。
全部改动只在 local/ 与文档,app/ 未动。
|
2026-11-11 12:16:35 +08:00 |
|
kicer
|
f451027729
|
feat(local): 本地端可用化收尾:后台启动 + stop.sh + 状态页修复
后台化与停止
- start.sh 默认后台启动(AGENT_LOCAL_DETACH=1):拉起真正的启动器后 1 秒返回,
终端窗口可以关掉;停止统一走新增的 local/stop.sh(pid 文件 → core 父进程 → 占端口
三级兜底,幂等)。保留 AGENT_LOCAL_DETACH=0 前台模式。
- 「已在运行」改看 supervisor.pid(kill -0 + 命令行校验),health 只做兜底。
原来只看 health 时,core 尚未就绪的几秒内连跑两次会拉起两个启动器抢同一端口。
启动失败与首装体验
- 没 node 时在入口就拦下(生成配置之前),终端打出安装方式,不再让用户白选目录。
- 首次安装停在状态页等点击,后续启动才 2 秒自动跳转;状态页同一轮只开一个标签。
- 后台子进程秒退时改为指向状态页与日志路径,不再打印两行无意义的启动横幅。
其他修正
- MCP 默认端口 3101~3104 → 8091~8094;PORT 撞 MCP 端口直接拒绝启动。
- 没 ffmpeg 时不启动 mcp_asr(配置条目保留,装好后重跑即生效)。
- 依赖检测改为逐包检查 + .agent-installed 时间戳;npm install 输出落盘进状态页。
- app/package-lock.json 的 resolved 从腾讯云内网镜像改为公共 registry。
- 删除 local/start.command(Finder 双击常被当文本预览,入口统一为 start.sh)。
- 文档:docs/local-mode.md 补验证结果与新设计说明;local/README.md 改为启动/停止用法。
|
2026-11-11 11:22:15 +08:00 |
|
kicer
|
8a5c8b1547
|
新增本地端(local 模式):同一份代码直接跑在本机,不起 Docker / executor
后端只改两处,都靠 env 开关,不设置时服务器行为与 v2.5.0 完全一致:
- server.js:支持 HOST,本地注入 127.0.0.1(不设仍是 0.0.0.0)
- tools/executor.js:AGENT_FILE_SCOPE=workspace 把文件工具的根从会话目录放宽到
workspace_root,并关掉 /tmp 重定向(本地 terminal 写的是真 /tmp,重定向会造成
AI 自己写的东西自己读不到);recordFile 跳过会话外文件,避免附件表存 ../ 路径。
路由层、@历史会话、mint_public_link 仍按会话目录校验,不变。
新增 local/:start.sh(探测 → 首次生成配置 → 装依赖 → 起 core +4 个 MCP → 守护重启)、
start.command(mac 双击)、config.example.yml(参考)、README.md。
能力按需:node 必需,ffmpeg 决定语音(靠 ASR_URL 注入)、python3 决定技能(靠
.runtime/skills 软链切换),两者都不写进配置——配置首次生成后永不覆盖,避免冲掉
用户在网页里配的模型与密钥。
另加 docs/local-mode.md:设计决定、验证状态与 mac 上的逐项验证清单(含重启按钮
守护、/tmp 一致性两个关键项)。
|
2026-11-11 10:25:33 +08:00 |
|
kicer
|
62e5902834
|
版本号升到 2.5.0:收口语音输入这一批改动
- 语音:长说不带停顿按能量最低点软切、转写并行发送并限流 3
- 语音:识别提示改动态进度(段数 + 秒数)
- 鸿蒙 APK 长按时按住区不再随遮罩隐藏
- 公网临时链接:图片改 inline 返回,sw.js 放行 /p/ 二进制直链
- package.json 与 routes/system.js 的 VERSION 同步为 2.5.0(发版约定)
v2.5.0
|
2026-11-11 10:16:02 +08:00 |
|
kicer
|
b4755ac98b
|
转写请求改并行发送并限流:最多 3 个在飞,名额谁落定谁交出去
串行上传(一段没回来不发下一段)让长语音的松手等待等于各段耗时之和,
上游一慢就整体排队。改成并行,同时限制并发数避免压垮上游:
- 并发上限 ASR_MAX_CONCURRENCY = 3(页面侧常量,改完刷新即生效)
- 名额制而不是「第 i 段等第 i-N 段」:后者的伪阻塞在于最慢那段会卡住
本可以发的后续段(只飞 1 个时,排队的第 7 段也要一直等)
- 名额在成功/失败后都归还,单段失败不吞名额
- 取消/重录:被唤醒的排队段看到 gen 变了只还名额、不真发,计数不漏
- 结果按 textParts[idx] 落位:并行返回是乱序的,拼接仍按说话顺序
- 收口改成 Promise.all(inflight),逐个兜 catch,避免单段异常让整批失败、
只能等 60s 超时把已识别内容全丢掉
|
2026-11-11 09:25:07 +08:00 |
|
kicer
|
df1b1787e9
|
长说不带停顿时按能量最低点软切:6s 先发一段,不再憋到松手
一口气说不停顿是语音输入最慢的路径:没有 0.5s 停顿就一段都发不出去,
只能等松手整段上传。改成累计语音到 6s 就在低能量处分段发出:
- 只在尾部 3s 窗口里找切点:太靠前会把很久以前的低点当作刀口
- 切点按分片边界取:每片已有峰值 dB(与 segChunks 平行的 segLens/segDbs),
取最小者下刀,尾部静音是 -Infinity 会天然胜出 → 落在气口上
- 切完剩下的留在缓冲继续累积,不丢采样、不重复;真静音切点仍优先
- 25s 硬切保留作兜底(软切一直不成立时才会走到)
- silLen 在切后被钳到剩余长度:切点落在尾巴静音里时不能超过段长
代价:刀口是分片粒度(APK 约 100ms),可能劈在字中间,所以段更短;
调大 VAD_SOFT_CUT_SEC 可让切点更可能落在真实气口。
|
2026-11-11 09:11:32 +08:00 |
|
kicer
|
03cf4b86e4
|
语音松手后的识别提示改为动态进度:段数 + 秒数
「正在识别…」是静态文案,上游慢时看着像卡死。改成按真实进度变化:
- 多段:正在识别 2/3 段 · 5s(每完成一段分子加一)
- 单段:正在识别… 5s(0/1 看着也像没进展,只留秒数)
- 秒数 1s 一跳,从松手(尾巴已入队)才开始算,说话过程不计时
- 失败也算走完一段,进度不会停在半路
- resetUI 统一 clearInterval:取消/超时/完成/切模式都不会漏
|
2026-11-11 08:55:40 +08:00 |
|
kicer
|
7641f5c0a7
|
鸿蒙长按时按住区不再随遮罩隐藏:避免指针捕获被释放而误判“说话太短”
按下后 body.voice-active 会把输入卡所有子项设成 visibility:hidden,#voice-hold 也在内。
它是 pointerdown 里 setPointerCapture 的持有者,鸿蒙 ArkWeb 在元素不可见时会释放捕获并
补一个 pointercancel,页面把它当成“松手”→ 按住不到 500ms → 丢弃并提示“说话时间太短”,
表现就是长按立刻失效、按钮像丢了状态。
- 只把 #voice-hold 排除在隐藏规则外(遮罩覆盖这一段本来就不透明,视觉无差别)
- 其余元素(输入框、操作栏等)的隐藏行为保持不变
- 未改 JS:录音状态机、取消手势阈值、识别流程都不动
真机确认有效后再看是否需要处理 setPointerCapture 与长按序列打断。
|
2026-11-11 08:48:14 +08:00 |
|
kicer
|
ae8ed6bb25
|
Service Worker 放行 /p/ 二进制直链:图片外链不再被当 HTML 文本重建
图片外链改成 inline 后点开变成坏图:sw.js 的导航分支默认把同源导航当 HTML,
resp.text() 把整张 PNG 解成替换字符再 new Response 回去,浏览器只看到空白;
它“残缺重试一次”的行为还让日志里每点一次出现两条 public-file 取用。
- 跳过名单补 /p/:公网短链是二进制 + 带 TTL 的 bearer 能力,不该接管也不该缓存
- 导航分支加硬约束:Content-Type 不是 text/html 就原样透传,不再按文本重建
- 该兜底不依赖路径枚举,其它同源二进制直链导航同样受保护
sw.js 不在预缓存清单里,无需升 CACHE_VERSION;刷新页面即可生效。
|
2026-11-11 07:59:32 +08:00 |
|
kicer
|
3806071698
|
公网临时链接图片改 inline 返回:点开直接看图,不再一律下载
/p/<id> 原先不分类型一律 attachment(为安卓封装壳的 DownloadManager 兜底),图片外链点开只会进下载器;read_file 读图也走这个端点,用户点开来只能下载、看不到图。
- download-send.js 抽出 contentDisposition(type),新增 inlineImageType / sendInlineImage
- 图片显式给 image/* + X-Content-Type-Options: nosniff + inline;缓存仍 no-store(/p/ 是短命 bearer 链)
- 按扩展名判定:png/jpg/jpeg/webp/gif/bmp/tif/tiff/avif/ico/svg,不读文件头做嗅探
- SVG 额外加 CSP: sandbox(匿名同源端点,直接打开不能执行内嵌脚本;img 引用不受影响)
- inline 走 dotfiles:allow,保证 read_file 的 .imgcache/ 压缩产物能取到
- 其余类型(PDF/Office/zip/HTML 等)保持 attachment,下载语义与安卓兜底不变
- README「公网临时链接」补响应头说明
|
2026-11-11 07:31:02 +08:00 |
|
kicer
|
b0a8283406
|
占位裁剪新增 turns(真人回合)条件:回合内不裁,跨回合才裁
rounds 数的是 assistant 行,长回合里会把模型还要用的回执裁掉——实测有回合把同一文件
分段重读了 24 次(每次都在 rounds:2 生效的那一轮回来重读)。
- 规则新增 turns 字段:其后又来了几条真人消息(role=user 且 type 为空,注入行不算)
- rounds 与 turns 同时满足才裁(AND);两者都写 0 才算规则关闭
- 默认:fetch / read_file / web_search 用 rounds:2 + turns:1(回合内绝不裁),
write_file 参数侧保持 rounds:1 + turns:0(只是写盘快照,照旧早裁)
- config.example.yml 补了带时间线的例子与「rounds=后面 AI 又说了几句话 /
turns=后面又来了几条真人消息」的注释;AGENTS.md 与 tool-design.md 同步
- 启动日志改为打印 轮≥N,回合≥M,便于核对生效规则
|
2026-11-03 08:06:43 +08:00 |
|
kicer
|
cc53c117e8
|
web_search snippet 默认不截断,改由调用方传 maxSnippetLength
之前自定义上游与 Exa 都写死 500 字,换上游就等于悄悄丢内容。现在:
- 默认原样返回整段 snippet(只压平空白)
- 传 maxSnippetLength: N 才截断到 N 字并补省略号;0 / 负数 / 非数字一律视为不传
- 三路上游(自定义 /search、Parallel、Exa)统一按同一参数处理
- 上游报错时的响应片段仍固定截 200 字(那是诊断信息,不参与该参数)
|
2026-11-02 20:55:55 +08:00 |
|
kicer
|
10877c9723
|
web_search 支持自建 /search 上游:上游参数逐请求由 header 带入
与 image_task / asr 同构:容器不存密钥,配置只写在 config.yml 的 mcp_servers[].headers。
- 新增 X-Web-Search-Base-Url(拼 /search)与可选 Authorization(裸 key 自动补 Bearer);
配了地址就以它为准,失败直接报错,不静默退回免费后端
- 没配地址时行为不变:Parallel 优先,失败自动退 Exa(降级从前端 provider 参数收回服务端)
- 工具 schema 去掉 provider 参数(模型不该决定走哪家上游),只留 query / numResults
- 响应统一归一化:丢弃无 url 条目,snippet 压平并截断 500 字,published_at 映射为 publishedAt
- server.js 把 req.headers 传进协议层;stdio 模式无 header,只能用免费后端
- 设置页预设补两条可选字段(settings.js 无需改动,纯数据驱动)
|
2026-11-02 20:28:10 +08:00 |
|
kicer
|
509d63a99b
|
重负载占位裁剪改为配置驱动:agent.trim.rules 统一策略,默认覆盖 web_search
|
2026-11-02 19:46:16 +08:00 |
|
kicer
|
dbd67ec273
|
PDF 预览改用 inline 直连,支持 Range 与 304 缓存
新增 /files/inline;桌面面板与窄窗口统一用 iframe 直连,不再 fetch 整包转 blob;下载接口保持 attachment/no-store 不变。
|
2026-10-26 11:16:26 +08:00 |
|
kicer
|
774d09a07a
|
图片预览改为服务端派生 WebP 直连,修复大图加载慢
新增 /files/preview:按宽度生成 WebP 并落盘缓存,inline + ETag,原图仅下载时取;前端图片与全屏查看器改用派生直链,不再 fetch 整包转 blob。
|
2026-10-26 11:07:19 +08:00 |
|
kicer
|
5b005cc042
|
微信中途消息改走干预队列;工具失败不再推给微信
微信与渠道普通消息改用 enqueueMessage(mode:'interject'):回合中插话在当前工具跑完后生效,不再把 user 行插进 tool 批次中间;interject 入队插到队列 messages 之前,保证边界检查能命中队首。
微信端不再下发任何工具失败(多数是 AI 参数用错,模型下一轮自行纠正):去掉即时「工具调用失败」行与尾段失败清单,台账只保留中性计数与「N 次因你介入未执行」。
|
2026-10-26 10:41:28 +08:00 |
|
kicer
|
7a34f612e7
|
修复沉浸式模式下的显示问题
|
2026-10-25 23:08:05 +08:00 |
|
kicer
|
2e220d0a22
|
运行中发送改为待发送条幅:排队 / 干预 / 立即发送
- 运行中点发送不再立即插话,改为进服务端队列(engine.pendings,内存态),
输入框上方一行条幅:默认本轮结束后发出,队首可「干预」(当前工具跑完就插话)
或「立即发送」(终止本轮工具调用并立刻发)。队列在服务端,关页面/重连不丢。
- 新增 closeToolBatch():给未闭合批次里缺回执的 tool_call 补合成回执,
取消/干预/finalize 兜底三处调用;顺带修掉「中途停止后库里留孤儿 tool_calls、
下一轮请求被上游拒收」的存量 bug。
- llm.buildMessages 加读侧配对过滤(pairedByAssistant / emittedCallIds):
只下发本批确有回执的调用,孤儿回执也不下发,兜历史脏数据,DB/UI 不动。
- HTTP:POST /messages 支持 delivery:'queue';新增 POST/DELETE /pending/:qid;
会话详情与 status 事件带 pending。
- 前端:条幅渲染与动作、pending_added/pending_removed/user_message 事件、
硬中断后工具卡标「已取消」;发送始终交服务端判定,避免过期状态把 user 行
插进工具批次中间。
- 文档:app/AGENTS.md 补生命周期、SSE 事件清单与待投递队列语义。
|
2026-10-25 22:44:02 +08:00 |
|
kicer
|
0ac161c579
|
配置写回:带冒号的值加引号、参数表写单行
- 写回的值含冒号(纯 URL 除外)时强制双引号:global:hy-image-3.5 这类模型 id / header 值
裸写虽能被本项目的 yaml 解析,换个解析器或落进 flow 集合就容易被当成分隔符
- extra_params / thinking_params 用 flow 风格写单行({k: v}),不再展开成多层块
- 追加整项时连同父数组一起转 block:flow 空数组里塞 block 映射会输出成残句
(platforms: 后直接跟键,序列丢失)
- 只作用于 PATCH /api/config 写入的节点,文件其它部分与注释原样保留
|
2026-10-25 22:12:37 +08:00 |
|
kicer
|
81e0a44671
|
MCP 页去掉「刷新连接状态」按钮
- 状态本来就是进页时的快照,配置改动后都要重启才生效,手动刷新意义不大
- 顺带删掉因此无人使用的 mcpUI.refresh 导出
|
2026-10-25 21:33:26 +08:00 |
|
kicer
|
560bd9afd4
|
模型平台编辑器:预设平台 + 模型高级参数
- 新增平台时给预设 chips(智谱 / DeepSeek / 通义 / 自定义):点选填好 url 与平台名,
模型 id 用预设的 model_hint 作 placeholder,新模型行自动带上 model_defaults
(extra_params / thinking_params / reasoning_ack_field)
- 切换预设只覆盖「空 / 上一个预设缺省」的行,手填参数与已有模型不动;
选「自定义」清空平台字段与 Key/模型行,回到空白平台
- 每个模型卡加「高级」:display_name、profile(下拉取 model_profiles 的 key)、
extra_params / thinking_params(JSON 文本框)、reasoning_ack_field
- 保存继续走细粒度 path,只推真正变化的叶子;清空写 op:delete,绝不整体替换模型对象;
JSON 先前端校验,非法直接提示不发请求
- 余额类型不再让用户填:用预设新增平台时隐式按预设落 type(平台名与预设一致则不写)
- 移动端模型弹窗同步放宽;去掉弹窗底部「仅写入配置…」提示
- presets:智谱 label 精简为「智谱」
|
2026-10-25 16:06:57 +08:00 |
|
kicer
|
ce7a62dcba
|
MCP 卡片显示运行态连接状态
- mcp.js 留痕每个服务的发现结果(key = name|url|mode → ok/tools/hidden/error/disabled),
重试阶梯重跑 loadServer 时状态自动更新;失败原因补上 err.cause,
卡片 title 能看到 fetch failed(ECONNREFUSED)这类真因
- 新增 GET /api/config/mcp-status(随 /api/config 继承管理员门禁)
- 卡片:「已配置」转中性灰,颜色只表达连接——已连接(绿,带工具数)/
未连接(红,带原因)/ 待重启(黄,运行态查不到);mode=disable 不显示连接标记
- 状态接口自身失败时整块不显示,避免把全部卡片误报成「待重启」
- 页头加「刷新连接状态」:状态是页面快照,重试阶梯成功后需手动刷
- 预设字段的 hint 右对齐
|
2026-10-25 15:47:12 +08:00 |
|
kicer
|
d0e6a981a6
|
MCP 设置页改成内置服务引导:预设卡片 + 字段表单
- header 掩码只遮密钥类(名字 Authorization/*token*/*key*,或值 Bearer…/sk-…),
base-url / model 明文回显——引导表单得看得见当前值才能改
- restoreMcpHeaders 改为按键名还原(原按出现顺序,只遮部分 header 后会张冠李戴);
补上单个 header 叶子写入的还原:原来把 ***** 直接写进 config.yml
- MCP 页分「内置服务」(4 张预设卡:未配置→添加、已配置→编辑)与「其它服务」
- 弹窗预设模式:name/url 只读、mode 收敛为「预设值 / disable」、字段按 presets.fields
生成(左标签 + 右输入),隐藏 header 区;配置里历史多余的 header 保存时仍原样带上
- 超时 / 工具暴露改成左标签右控件的单行排版,ms 作输入框内后缀
- 移动端 MCP 弹窗放宽到 calc(100% - 24px),内边距收紧
|
2026-10-25 15:22:48 +08:00 |
|
kicer
|
1ea29c0448
|
设置页配置预设:平台与同栈 MCP 的固定契约收进 presets.json
- 新增 app/server/presets.json:3 个模型平台(url/type/model_defaults)与
4 个内置 MCP(url/mode/header 字段,含 placeholder/hint),不含任何密钥
- routes/config.js 新增 GET /api/config/presets(随 /api/config 挂载,仅管理员)
- 启动时校验一次:key/url/type 必填、key 不重复、mode 枚举、fields[].header 必填;
失败只 warn 并降级为空预设,不影响启动
|
2026-10-25 12:20:13 +08:00 |
|
kicer
|
d6b949969f
|
image_task 图生图改走 /images/edits:下载参考图后 multipart 上传
- 文生图仍走 /images/generations,图生图改走 /images/edits(原先错发到 generations 的 images 数组)
- X-Image-Task-Base-Url 统一剥离末尾 /images/generations 或 /images/edits,端点由模式决定
- 参考图先下载成字节再以 multipart 上传:60s 独立超时、20MB 流式上限、校验 image/*
- 同步 README / mcp README / package.json 说明
|
2026-10-25 10:13:47 +08:00 |
|
kicer
|
bdc2de7128
|
image_task 去掉智谱专用通道,统一按 OpenAI 兼容协议
- 三个 header 全部必填:Authorization / X-Image-Task-Base-Url / X-Image-Task-Model
- 删除 zhipu 别名、bigmodel.cn 主机判断与默认模型;地址必须是完整 http(s) URL,
已给到 /images/generations 就直接用,否则自动补全
- 请求体统一为 { model, prompt, n: 1, response_format: "url" },传图时追加 images
- 任务摘要不再输出 provider;图生图不再按通道拒绝,能否编辑交给上游
- 同步 image_task README / package.json 描述 / 根 README 与 mcp/README 的示例
|
2026-10-25 09:13:32 +08:00 |
|
kicer
|
b97b13095f
|
部署初始化收敛:init.sh 不再生成配置,只做 .env + 公网地址 + 初始 admin
- scripts/init.sh 重写:不再生成模型/MCP/用户配置;只维护 .env(幂等复用密钥、保留手改变量)、
探测 PUBLIC_BASE_URL、config.yml 缺失时写入初始管理员(admin/admin)。已存在绝不改写;
Docker 误建的空目录自动删除重建,非空目录报错退出;去掉 --env-only 参数
- config.js:config.yml 缺失/为空/被误建成目录都能正常启动(不再 EISDIR 崩);PATCH 在文件
缺失时以空文档继续并自动创建;public_link 改为 config.yml 优先、PUBLIC_BASE_URL 兜底
- compose:ASR_URL 固定为 http://mcp_asr:3000;agent-core 注入 PUBLIC_BASE_URL;
token 缺失提示改指 scripts/init.sh
- 删除 .env.example(与 init.sh/compose 重复),引用改指 README
- 移除仓库内所有 VIRTUAL_HOST/VIRTUAL_PORT/CERT_NAME 关联(特定部署的反代约定,不进仓库)
- 同步 README / AGENTS.md / config.example.yml / init_host.sh / wxbot / mcp 文档
|
2026-10-25 08:42:26 +08:00 |
|
kicer
|
dca4e6be70
|
优化document-photo-to-pdf技能
|
2026-10-24 23:17:33 +08:00 |
|
kicer
|
58b9eaddd4
|
浏览器语音输入改为流式断句:ScriptProcessor 采 PCM 降采样到 16k,与套壳共用 pushChunk 流水线
- 浏览器不再用 MediaRecorder 整段录后上传,改为 AudioContext + ScriptProcessor 实时采 PCM
- 新增 downsampleTo16k():44.1k/48k 降采样到 16k,小数相位跨分片累计不漂移
- 抽出 pushChunk(),壳推的分片与浏览器采的分片汇到同一处做 VAD/切段/上传
- 电平统一用 PCM 峰值,删除 AnalyserNode;两条路收口都走 flushTail/waitFlush
- 新增 primeAudioCtx():iOS Safari 需在手势里创建并 resume AudioContext
- nativeStop():cancelVoice 缺失时退回 stopVoice,避免壳侧麦克风一直开着
- 同步 docs/voice-input.md
|
2026-10-24 20:21:33 +08:00 |
|
kicer
|
b2b0f8d2b2
|
语音输入改为流式断句,服务端只做超长兜底切分
- 壳推 16k/单声道/16bit PCM 分片(onNativeVoiceChunk,~100ms 一片),
页面自己判停顿(≥0.5s 静音)断句、逐段串行上传;松手只 flush 剩下的话,
全部结果到齐后一次性写进输入框并自动发送
- 纯静音的尾巴不再上传(否则只会换来一次「没有可识别人声」)
- 删除 onNativeVoiceResult / onNativeVoiceAmp:声波改由页面用 PCM 峰值驱动
- 服务端不再逢停顿就切:≤25s 直接一次请求、不跑 silencedetect;
>25s 才在距上限最后 6s 的窗口里挑停顿中点,挑不到硬切,段数 ≈ 时长/25
(去掉 ASR_MAX_SEGMENTS 的 20 段退化分支)
- 上游 200 + 空 text 改判 400(这是「这段没人声」的正常结果,不再打堆栈)
- docs/voice-input.md 按新契约整篇重写(含 AudioRecord 参考骨架)
|
2026-10-24 20:11:25 +08:00 |
|
kicer
|
f97eb566e3
|
语音按住说话的遮罩改为不透明底色
遮罩顶部伸进会话流 72px,原来只有一层 9% 蓝渐变、没有实底,底下的消息文字直接透上来,
「松手传送」看着就像半透明、也没把底部盖住。改成 --page 实底 + 上沿 20px 渐隐衔接,
提示文案由 --gray 加深到 #5f6672,取消态同步改为同样的实底 + 红调。
|
2026-10-24 19:37:26 +08:00 |
|
kicer
|
153a8768bf
|
ASR_URL 改为可由 .env 覆盖(支持指向外网 mcp_asr)
- compose 用 ${ASR_URL-http://mcp_asr:3000}:不设则默认内网;显式写空值则关闭语音输入
(用无冒号的 - 而非 :-,否则空值会被默认值兜掉,就没法关闭)
- .env.example 补注释示例
- README 环境变量表与 MCP 章节补充外网用法与注意事项(对端需接受三个 header、证书校验)
|
2026-10-24 18:56:06 +08:00 |
|
kicer
|
ceccb3645f
|
语音识别上游参数改为随请求带入,init.sh 不再绑定平台
- mcp_asr 不再从容器 env 读 key/base_url/model,改为逐请求 header
(Authorization / X-ASR-Base-Url / X-ASR-Model),容器不存任何平台密钥
- core 的 /api/asr 从 config.yml 的 mcp_servers[asr].headers 取值转发,
/status 增加 reason(未接线时前端 console 直接打印原因)
- init.sh 只自动启用模型平台与 web_search;image_task / video_task / asr
改为带默认 url 与 header 名的注释模板,删掉 ASR_API_* 输入与 BIGMODEL_KEY 复用
- docker-compose 去掉 mcp_asr 的三个上游 env
- 同步 README / AGENTS / app/config.example.yml / mcp 文档
|
2026-10-24 17:43:36 +08:00 |
|
kicer
|
55efb1c410
|
mcp/asr 构建默认换腾讯云 apt 源
node:22-slim 的 apt-get update 走官方源在国内会卡十几分钟:按 executor/Dockerfile 的做法把 deb.debian.org 替换为 mirrors.cloud.tencent.com,grep 扫 /etc/apt/ 同时兼容 sources.list 与 deb822 的 *.sources。境外构建可用 --build-arg DEBIAN_MIRROR=deb.debian.org 覆盖回官方源。
已实际构建验证:镜像内 sources 生效,ffmpeg 5.1.9 / node v22.23.3 正常。
v2.4.0
|
2026-10-24 16:27:29 +08:00 |
|
kicer
|
53fa5da82b
|
新增语音输入(mcp_asr)与健康检查服务标识
语音输入:输入框为空时发送键变麦克风,进入语音模式后按住说话、松手转写并发送;套壳 App 走原生录音桥,浏览器走 MediaRecorder(需 HTTPS)。转写在 mcp_asr,经 /api/asr/transcribe 直达,不经过模型、不消耗 token。
/api/health 增加 service/api/auth_required 字段并设 no-store,供套壳 App 校验手填的服务器地址;免认证路径容忍尾斜杠,避免 /api/health/ 被中间件 401。
接线与文档:compose 新增 mcp_asr;init.sh 默认复用 BIGMODEL_KEY 作为 ASR_API_KEY;README/AGENTS/mcp 文档同步。版本 2.3.0 → 2.4.0。
|
2026-10-24 16:13:30 +08:00 |
|
kicer
|
5b70f7d614
|
图片滑动改为双层分页 + 相邻图预取,消除切图卡顿与空白
原实现松手时把拖到一半的图瞬移回中心再换 src,视觉上先跳一下;
新图又要等松手后才开始下载,所以会闪白。改为:
- 双层 img:拖动方向确定后相邻图摆到另一侧,两图一起跟手移动,
松手各自滑到位(旧图滑出、新图滑入),不再瞬移
- 开图即用 Image 预取前后各一张(再往后一张),切图直接用已解码位图;
每次落定后补取新邻居,关窗清空引用
- 缩放/平移强制 transition:none,避免与滑动动画的过渡打架
- 连点方向键/快速连滑先收尾上一段动画,避免接替层被瞬移
- 第二层 img 由脚本创建,旧缓存 HTML 也能正常工作
css: 两层 img 绝对定位居中叠放 + will-change: transform
|
2026-10-24 10:24:29 +08:00 |
|
kicer
|
dfcbe6d3ea
|
图片查看器支持同组图片左右滑动切换
移动端点开图片后可在同一组内横滑切换(1x 缩放时接管手势,放大后仍是拖动平移),
底部显示页码,桌面补 ←/→。组边界:聊天内同一消息/工具卡;文件面板当前目录。
- stream.js: openImageViewer 增加可选 list/at 参数与组状态,横滑+页码+键盘
- preview.js: pvImgGroup 按当前目录聚合图片(用下载直链,不逐张取 blob)
- index.html/style.css: 新增 #img-count 页码节点与样式
|
2026-10-24 10:18:07 +08:00 |
|
kicer
|
516b4a5d86
|
fix issues
|
2026-10-24 09:59:48 +08:00 |
|
kicer
|
e39273e97f
|
feat(document-photo-to-pdf): raw PNG 页图导出到 out/,PDF 从 raw 派生
出件改为一次透视:PIL 按四边形自然尺寸 warp 出 raw 页图(只裁剪+拉正,不调色、不缩放、无白边),直接写 out/<PDF 主名>-NN.png;PDF 页再由 raw 调色 + LANCZOS 缩到画布内容区派生。相比「PDF 目标尺寸一次 + raw 自然尺寸一次」少一次 warp,10MP 自然尺寸从 numpy 的 3.0s/页降到 PIL 的 0.3s/页。
不新增输入参数:每次运行 PDF 与 PNG 全出,AI 不需要判断格式;SKILL.md 只补 out/ 说明、images 返回字段,以及 description 里的产出(PDF + out/ 下的 PNG 原图)。
页序先定后渲染,PNG 编号跟最终 PDF 页序;PDF 落盘成功后才清理同前缀的多余编号(失败保留上一份),不碰 out/ 里其它文件。numpy warp 与旧 warp_page 保留作回退路径。
真实样张(task-20261021-004,3 页)A/B:state.json 完全一致;PDF 逐页平均差 0.7 / 0.7 / 1.2 灰度级;raw PNG 与 numpy 自然尺寸 warp 平均差 0.02;3 页端到端 4.8s,PNG 0.58/0.69/0.90MB。注:doc_deskew/smoke_test.py 自 fe1c6d1 起未同步返回契约,属既有问题,本次未改。
|
2026-10-24 09:54:37 +08:00 |
|
kicer
|
8b8fbddb4f
|
refactor(prompt): 精简默认提示词、强化技能优先,校正两个图像技能描述
profile-default.txt 109 行 → 74 行(5.6KB → 3.4KB)。删除 in-scope 能力枚举(与工具/技能清单重复且会随新 MCP 过期)、通用建议与三处重复表述;保留反造假护栏、能力判断规则、mint_public_link 机密禁令,环境事实逐条与 executor 镜像核对后保留。
新增 ## Skill Use 紧贴技能清单:写脚本/装包前先查技能,首次运行前 get 一次接口、同会话不重复 get。规则覆盖全部技能,required 降级为「该域不要手写等价实现」,不必给所有技能加 required。能力判断顺序改为先查技能再考虑工具组合。
两个图像技能描述改为自足表述、互不引用:document-photo-to-pdf 补纸质文档触发词,image-process 明确普通图片/截图。skills/README.md 补 required 字段说明。
|
2026-10-24 09:21:54 +08:00 |
|
kicer
|
ba9534f064
|
修复 office 预览偶发「暂无这份文档」与冷启动长时间转圈
预览网关不再把 HEAD 探针转发给 watch:watch(Kestrel) 对 HEAD 只发响应头(带
content-length)不发 body 就断链,Node 客户端抛 HPE_CLOSED_CONNECTION,旧逻辑把
它当上游故障 res.destroy(),同一文档十次 HEAD 里六七次变成空响应/502;前端探到
一次 404 就显示「预览服务中暂无这份文档」。改为本地按文件系统回答,404 补
no-store(避免被缓存后文件补上仍显示占位卡)。
HEAD 回 200 前等槽位就绪(上限 HEAD_WAIT_MS=15s):冷启动首次渲染很贵(2~6s),
等完再放 iframe 进来,否则这段开销落到 5s 时限的导航请求上,慢文档会被判超时。
导航超时不再直接 retire 正在渲染的 watch——连坐杀掉会让渲染从头再来,表现为一直
转圈;改为连续 3 次超时(约 15s 无首字节)或硬性拒连才判死重启,成功转发后清零。
上游在响应已完整时断链的假报错也不再打断已写好的响应(留一拍再判)。
槽满时优先踢「就绪且无活动连接」的槽,避免误杀正在启动的 watch(浪费数秒冷启动
并让等它的请求失败进冷却)。前端探针遇 404 先短重试一次再落占位卡,文案改为
404 的真实语义(文件已删除/改名/不在任务目录)。
|
2026-10-24 09:13:45 +08:00 |
|
kicer
|
43e77e569e
|
审核页加载失败时保留可用的返回按钮
- #back / #pdf 的绑定从 boot() 移到 start():boot 只在加载成功后执行,
空状态下 X 之前是死的,点了没反应。
- 加载失败时给 body 加 is-empty,隐藏工具栏/底栏/预览区,只留白色标题条。
- data.db 缺 doc_review_batch 表时改成人话提示,不再直接抛 SQLite 错误。
|
2026-10-24 08:43:57 +08:00 |
|
kicer
|
ab67400174
|
技能页面改用符号链接发布,不再每会话复制
core 的 /app 静态托管已放行指向技能根目录的链接,两个技能改成链过去:
- document-photo-to-pdf:.app/doc-review/index.html 链到 web/index.html,缩略图仍写实目录;
- data-page:*.html 与 base.css 链到 templates/,config-*.js 仍是每会话实体文件。
旧会话里的实体副本会在下次发布时自动替换;模板改动从此对所有会话即时生效。
|
2026-10-24 07:46:13 +08:00 |
|
kicer
|
13b493eada
|
静态托管放行指向技能目录的符号链接
/app/{task}/... 在 sendFile 前 realpath,只允许落在会话目录或技能根目录内:
技能页面可以链回技能目录(不必每个会话复制一份),同时挡住用链接把 config.yml
等沙箱外文件带出来的路径。链接目标由 executor 创建、在 core 命名空间解析,
所以 executor 侧的隔离不足以拦住这类读取。
|
2026-10-24 07:45:59 +08:00 |
|
kicer
|
7fc945a4c8
|
修复桌面端预览不显示,翻页按钮移到图片两侧
- 桌面媒体查询漏了 #prevwrap 的 display:flex,右栏一直是空网格;补上后左裁切、右预览常显。
- 上一页/下一页从顶栏移入裁切区,桌面端浮在图片左右两侧(48px 圆形),
移动端仍走滑动 + 底栏箭头。
- 同步 REVIEW.md 的桌面/移动端交互约定。
|
2026-10-24 01:18:59 +08:00 |
|
kicer
|
fbe78d362f
|
完善文档审核页:模式标签、签名下载、自检产物清理
- 顶栏操作按钮在移动端带文字(切换/旋转/重置/设置),视图按钮固定叫「切换」;
图片左上角常驻当前模式(手动定位/校正预览),右上角浮页码 1/n,不再占顶栏。
- 下载改走 files/download-token 的签名直链:APK/系统下载器不携带 cookie,
原先直连 /files/download 会 401 且只能落成 download.pdf。
- 全局设置去掉「N 页已生成」摘要行,右上角加关闭 X;底部保留完成按钮。
- 重新生成 PDF 仅在有未保存修改时出现,成功后消失;新增左右滑动翻页。
- 自检渲染图(.tmp/pdfcheck 下的 PPM)在 inspect_pdf 结束时删除,不再残留在会话目录。
|
2026-10-24 01:12:44 +08:00 |
|
kicer
|
fe1c6d106f
|
收敛 document-photo-to-pdf 的 AI 契约:默认审核页、精简返回值
SKILL.md 只保留 images/output;默认 review=always;stdout 只回 ok/summary/pdf,完整审核地址由 visit_url 追加;内部协议移到 REVIEW.md;审核页补充警告/状态展示,手机默认进预览。
|
2026-10-23 23:44:58 +08:00 |
|
kicer
|
a86b748a6f
|
重构 document-photo-to-pdf:审核页改为 data.db 驱动并支持一键重生成
run.py 接上 edits/enhance/dpi/status/review,并把运行记录写进会话 data.db;审核页模板移到 skill/web,运行时发布到 .app/doc-review/,页面通过 /api/db 水合并调用通用技能执行接口重生成;移除 make_review.py 与模板注入。
|
2026-10-23 23:15:52 +08:00 |
|