Files
agent/app/config.example.yml
T
kicer 29be7bd9d7 feat(shell): 抽出执行后端,Windows 用 git-bash / busybox 跑命令
POSIX 上 spawn('/bin/sh') + kill(-pid) 是刻意选的最强约束:/bin/sh 固定
(不读 $SHELL,否则用户把 shell 设成 fish 后模型写的 POSIX 语法全废),
进程组让「停止」能一次带走孙进程。Windows 这三样都没有,同一个写法从
「有效」变成「静默失效」,detached 还会多弹一个控制台。

把三种能力收敛到 app/server/shell.js(resolve / spawnShell / killTree),
terminal、技能、engine 的取消都改走它,上层不再出现 process.platform 分支:

  - POSIX 分支逐字节不变,Linux / macOS / OpenWrt 行为与拆分前一致
  - Windows 依次探测 git-bash、busybox-w32,都没有就明确报错,不静默退到
    cmd.exe——cmd 的语法与模型写的 POSIX 差太远,降级只会让它反复试错
  - killTree 在 Windows 走 taskkill /T:child.kill() 只杀 shell 本身,
    模型起的 node/python/ffmpeg 孙进程会留下来继续占端口
  - detached 在 Windows 关闭(会新建控制台,且让子进程脱离 taskkill 的父子树)
  - 三级覆盖:AGENT_SHELL > config.terminal.shell > 自动探测;
    AGENT_SHELL_ARGS 可改参数模板(bash 想读 rc 时写 -lc)

新增 local/start-win.mjs:start.sh 那 1100 多行 bash 靠 lsof / pgrep /
readlink -f / nohup / setsid / 进程组信号,Windows 一个都没有。启动器这层
本来就只做进程管理,用 Node 重写更省事;业务代码一行都不分平台。首次运行
自动把 busybox-w32(单文件 600KB)下到 local/bin/,生成 local/config.win.yml,
之后不再覆盖。

验证(macOS 实跑):普通命令 / 超时 704ms / 取消 403ms 三条路径正常,进程组
3 个进程 kill 后归 0,procs 无残留;真实 core 启动 health 200,日志多一行
terminal=/bin/sh -c ← default。win32 分支只做了逻辑模拟(无 shell 的报错
文案、有 busybox 时解析为 busybox sh -c),真机待验。

未做:Windows 启动器未拉起四个同栈 MCP 与 office 预览网关,配置里
mcp_servers 暂为空,terminal / 文件工具 / 技能不受影响。
2026-11-19 11:27:17 +08:00

141 lines
10 KiB
YAML
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# config.example.yml —— agent-core 专属配置模板:与 server/config.js 的 DEFAULTS 一一对应。
# ⚠️ 本文件(及其生成物 config.yml)只给 core 进程读:内含平台 api_key / 登录 secret,
# executor、wxbot 等其他组件一律不挂、不读(bind mount 只挂给 agent-core),它们的接线全部由根 compose 经 .env 注入 env。
# 部署推荐用 scripts/init.sh 生成 config.yml(只写 platforms/auth/mcp_servers/public_link,其余走默认值);
# 手动部署才整份复制本文件。platforms 为空则无模型可用,可在前端设置页添加后重启。
# 模型平台池:每平台 {name, url, type?, models:[{id, ...}], keys:[{api_key, concurrency?}]}。
platforms: []
# 全局工具黑名单:profile 未配 tools_deny 时继承它;allow 先、deny 后叠加(deny 赢,与 mcp_servers 同构)。
# 写数组即整体覆盖默认值,写 [] 即清空。默认屏蔽元工具 lab。
tools_deny: [lab]
# 模型 profile:prompt + tools 名单组合,模型用 profile: <名> 引用(不配 = 默认全量,profile-default.txt)。
model_profiles:
lab: # 统一入口自测:tools 只有 lab,其余能力经 lab(help) 现场发现
tools_allow: [lab]
tools_deny: [] # 必须显式清空全局黑名单,否则 lab 自己也被 deny → 零工具
system_prompt_file: profile-lab.txt # 相对 server/templates/(也接受绝对路径)
zero: # 纯文本对话:一个工具都不发
tools_allow: []
system_prompt_file: profile-zero.txt
port: 8090 # 服务监听端口
workspace_root: "/workspace/tasks" # 任务工作区根目录,AI 文件操作限制在此
data_root: "/workspace/data" # 数据根目录:SQLite 与 prompt dump
db_path: "" # 留空取 data_root/.agent.db
log_level: "info" # debug < info < warn < error < none(仅 core 自身;executor/wxbot 的日志等级另走 EXECUTOR_LOG_LEVEL / WXBOT_LOG_LEVEL env,compose 注)
# executor(命令执行)与 wxbot(微信接入)均**不是本文件的配置项**,接线全走根 compose 注入的 env(见 README「环境变量」):
# EXECUTOR_URL / EXECUTOR_TOKEN;WXBOT_URL(默认 http://agent-wxbot:8093,置空=微信入口静默关闭)/ WXBOT_TOKEN(init.sh 生成,两侧同值)。
terminal:
default_timeout_ms: 30000 # 命令默认超时(ms)
max_output_chars: 10000 # 回传模型的最大输出字符数
# shell: '' # 跑命令的 POSIX shell;空 = 自动探测
# POSIX:/bin/sh;Windows:git-bash → busybox-w32
# env AGENT_SHELL 优先级更高,AGENT_SHELL_ARGS 可改参数模板
fetch:
timeout_ms: 30000 # 抓取总超时(ms),覆盖响应头到 body 读完
max_bytes: 1048576 # 单次响应最多抓多少字节,超限即断开(下载不占上下文,可宽松)
max_chars: 12000 # 返回给模型的默认字符上限(与下载上限解耦;超窗尾部提示 offset 续读)
max_chars_hard: 64000 # 模型显式传 max_chars 时的硬帽
allow_private: false # SSRF 防护:false=拒抓解析到内网/回环地址的目标;确需抓内网服务才开 true
agent:
temperature: 1.0 # 采样温度
max_tool_iterations: 100 # 单轮最大迭代数(含工具调用)
max_retries: 2 # 上游失败重试次数
language: "Simplified Chinese" # 强制回复语言;留空不限
auto_compress_tokens: 0 # In token 超此值弹「自动压缩」提议;0=关(默认关)
# 历史重放占位裁剪(省 token):把「可再生的重负载」换成单行占位再发给上游
#(DB/UI 不动,盘上可重读/重抓)。两个距离条件**同时满足**才裁:
# rounds = 这一行之后又出现了几条 AI 回复 (「后面 AI 又说了几句话」)
# turns = 这一行之后又来了几条真人消息 (「后面又来了几条真人消息」;注入行不算)
#
# 举例(rounds: 2 + turns: 1):
# 回合1:读① → 读② → 改③ → 「改好了」
# 回合2 第 1 句请求:①② 已过 2 条 AI 回复 + 1 条真人消息 → 裁成占位;
# ③ 只过了 1 条 AI 回复 → 留着
# 回合2 第 2 句请求:③ 也过了 2 条 → 裁
# 也就是说:回合内绝不会裁,回合结束后开始清;想「新回合第一句就清光」把 rounds 改成 1。
#
# rounds 与 turns 都写 0(或不写)= 该条规则关闭;整段 rules: [] = 全关。
# side=args 裁调用参数(fields 点名顶层字符串参数);side=result 裁整段回执正文。
# tool 用模型看到的最终工具名(MCP 重名时含 server__ 前缀)。
# 下面就是内置默认(与 config.js 的 DEFAULTS.agent.trim.rules 同步);写了本段就整体替换默认。
trim:
min_chars: 600 # 短于此长度的正文不裁(占位自身也有成本);单条规则可用 min_chars 覆盖
rules:
- tool: write_file # 参数正文只是写盘时的快照,后续 edit_file 一次就失真
side: args
fields: [content]
rounds: 1
turns: 0 # 不带 turns:回合内也照裁(省的是每轮重发整个文件)
- tool: fetch # 页面可重抓;status_regex 取第一个捕获组写进占位(YAML 用单引号,避免 \d 被当转义)
side: result
rounds: 2
turns: 1 # 回合内不裁(否则同一 URL 会被反复重抓),跨回合后按 rounds 清
status_regex: '^HTTP (\d{3})'
- tool: read_file # 文件在盘上,可重读
side: result
rounds: 2
turns: 1 # 回合内不裁(否则长回合里模型会反复重读同一段)
- tool: web_search # 栈内免费搜索 MCP;可重搜,但结果会随时间变化
side: result
rounds: 2
turns: 1 # 同上;现在回执默认不截断,单条可能上万字
auto_complete_ms: 1800000 # 保持中(held)超此时长自动收口为已完成;0=关(纯状态动作,历史/模型绑定不动)
# 长期记忆(日记,memory.js):收口时一条几十字第一人称碎片入当日条目;存储默认永久,旧记忆靠回忆下钻
memory:
inject_max: 3 # 新会话开场注入最近几条碎片;0=只记录不注入
retain_days: 0 # 存储裁剪窗;0=永不删,正数=超窗硬删
wrap_idle_ms: 14400000 # 空闲超此时长自动收口(碎片+归档+微信解绑);0=关
upload:
image_compress_threshold_kb: 1536 # 大图压缩提示阈值(KB)
image_max_dim: 2000 # 压缩后长边上限(px)
image_quality: 0.85 # JPEG 质量
confirm_size_mb: 10 # 任意文件二次确认阈值(MB)
paste_to_file_threshold_chars: 2000 # 粘贴超长文本自动转 .txt 附件(字符数,0=关)
skills:
skills_root: "" # 留空取 workspace_root 同级 skills 目录
timeout_ms: 120000 # 单个技能执行超时(ms)
# 旧版 model_hold(模型保持租约)已废弃删除:key 不再独占也不排队,回合结束后的 held 不再自动到期。
auth: # users 留空 = 不启用登录认证
secret: "" # 登录态签名密钥;留空则每次重启随机(需重新登录)
ttl_ms: 2592000000 # 登录态有效期(ms,默认 30 天)
users:
- user: admin # 默认账号
password: "admin" # 默认密码,请务必修改
role: admin # admin=管理员(全部设置 + 用户管理);user 或缺省=普通用户(仅账户页)
# model: qwen-tp/qwen3.8-flash # 选填:该用户新建会话时锁定的模型(内部键「平台名/模型id」)
# MCP 服务列表(仓库自带的 mcp/ 服务,或栈外服务):每项 {name?, url, headers?, mode?(默认 advertise), timeout_ms?, tools_allow?, tools_deny?}。
# mode 三态:advertise=工具下发给模型;skill=不下发,改为以技能形式暴露(get 返回原始 input_schema,run 转发);
# disable=不连接、不发现。旧字段 enable 已废弃;mode: silent 已移除(改用 skill),写进配置会启动报错。
#
# 语音识别(mcp/asr)建议用 skill:转写音频是低频能力,不必把 schema 塞进每轮请求。
# 上游参数(key / base_url / model)由 core 随请求带给 mcp_asr,容器自己不存密钥,
# 也不预设任何平台——任何 OpenAI 兼容的 /audio/transcriptions 都行。免鉴权的自建服务可省 Authorization。
# - name: asr
# url: "http://mcp_asr:3000/mcp"
# headers:
# Authorization: Bearer <key>
# X-ASR-Base-Url: "https://<host>/v1"
# X-ASR-Model: "whisper-1"
# mode: skill
# 注意:输入框里的语音输入走的是 core 的 /api/asr(由 compose 的 ASR_URL 接线),也读这一段的 headers;
# 不经工具、不消耗 token。mode: disable 或删掉这段 = 麦克风入口关闭。
mcp_servers: []
public_link:
base_url: "" # 留空关闭 mint_public_link;填本服务对外地址
ttl_ms: 1800000 # 链接有效期(ms)