- normalizePlatforms/旧格式迁移两处判定 === true → !== false(显式配 vision: false 才关) - 设置页新建平台/加模型行的「图片输入」勾选默认开;新增行保存极性翻转: 勾上靠缺省不落键,取消勾选显式写 vision: false(否则键省略解析成 true,幽灵回勾) - 已有行显示/diff 不受影响:effective 视图经规范化,vision 恒 bool,无冗余键注入 - README/ARCHITECTURE 配置说明同步
90 KiB
Agent 项目架构说明
本文档是给 AI 助手的代码导览——基于仓库实际代码梳理,不是设计文档(设计层面的内容看
README.md)。 当需要修改代码时,先按目录结构定位 → 再按模块职责确认改动是否落在正确文件 → 改前先看相应"扩展点"和"约定"两节。
0. 项目一句话
自用通用 Agent 系统:浏览器(移动端 H5 SPA)→ Core(Node 20 + Express + SQLite)→ LLM 池(OpenAI 兼容上游),配合可选的 agent-executor 容器执行 shell 命令与技能脚本。所有 AI 工具调用都在 Core 内统一分派:文件类工具走 Core 本地 fs,命令与技能走远端 Executor(隔离 Python/ffmpeg/libreoffice 等重工具链)。
1. 目录结构
agent/
├── README.md 设计文档(API/数据模型/部署总览)
├── docker-compose.yml 编排:agent-core / agent-executor(+init) / wxbot(微信接入)
├── config.yml 运行时配置(含密钥,已 .gitignore;只给 agent-core 进程读,其他组件禁挂禁读)
├── data/ 默认数据卷(任务目录、SQLite、prompt dump)
├── tasks/ 任务目录挂载点(同 ./data 顶层等价,二选一)
├── skills/ 技能目录(用户维护的 SKILL.md/run.py)
│
├── app/ ── Core 服务容器 ──
│ ├── Dockerfile node:20-slim,npm install only prod
│ │ ├── package.json 依赖:express / better-sqlite3 / multer / sharp / yaml / minimatch / cron-parser
│ ├── config.example.yml core 专属配置模板(复制/生成为顶层 config.yml)
│ ├── scripts/
│ │ └── init.sh 部署入口:生成 .env + config.yml → 起 agent/mcp 服务
│ ├── server/ 后端代码
│ │ ├── server.js 入口:装配 cfg / db / bus / engine / 路由
│ │ ├── config.js YAML 配置加载、迁移、读写、校验、脱敏还原
│ │ ├── log.js 分级日志(debug/info/warn/error/none)
│ │ ├── auth.js 多用户会话认证(HttpOnly cookie + HMAC token)
│ │ ├── db.js SQLite 初始化 + 表结构 + 增量迁移
│ │ ├── sse.js 按会话分组的 SSE 事件总线
│ │ ├── engine.js 会话/模型池/Agent 主循环/任务目录(核心调度器)
│ │ ├── scheduler.js 定时任务调度器(30s 轮询到期任务,存档历史后投递;需 engine.init() 后启动)
│ │ ├── llm.js 上游 OpenAI 兼容 /chat/completions 流式调用 + 消息组装
│ │ ├── mcp.js 极简 MCP 客户端(Streamable HTTP,init→tools/list→tools/call)
│ │ ├── remote-exec.js agent-executor 远端执行客户端(SSE 收流)
│ │ ├── wechat.js 微信接入桥接(wechat_bindings 权威 / 实例控制 / inbox / 总线投递;对端服务见 wxbot/,§5.13)
│ │ ├── balance.js 余额查询适配器(按 platform.type 分发)
│ │ ├── version.js 版本信息(package.json + git 短提交号)
│ │ ├── tools/
│ │ │ ├── definitions.json 内置工具的 OpenAI function 格式定义(现 12 项,含元工具 lab 与全局屏蔽的 handoff)
│ │ │ ├── executor.js 工具执行器(文件类 + terminal + skill 委托)
│ │ │ └── skills.js Skill Manager(skill 工具的 list/get/run + 路径预处理)
│ │ ├── download-token.js 下载链接签名(浏览器原生下载用;密钥进程内随机)
│ │ ├── download-send.js 单文件下载响应(Content-Disposition / 缓存策略)
│ │ ├── public-files.js 公网临时文件短 ID 表(mint/resolve + 过期)
│ │ ├── routes/
│ │ │ ├── sessions.js /api/sessions CRUD + 列表分页
│ │ │ ├── messages.js /api/sessions/:id/messages + SSE 流 + stop/release
│ │ │ ├── files.js /api/sessions/:id/files 上传/列表/下载/删除
│ │ │ ├── channel.js /api/channel/send 文本命令接入(IM/CLI 等无 UI 端;当前会话绑定 + /new /list /switch /rename /delete /models /stop /compact /clear /status /help)
│ │ │ ├── wechat.js /api/wechat 绑定管理(设置页)+ /wxhook 内网回调(微信接入,见 §5.13)
│ │ │ ├── config.js /api/config 读写(含 api_key/password 脱敏)
│ │ │ ├── platforms.js /api/platforms/balance 余额查询
│ │ │ ├── skills.js /api/skills 技能文件管理
│ │ │ ├── public-files.js GET /p/<id> 公网临时文件取用(匿名)
│ │ │ └── system.js /api/system/status + /restart 优雅重启
│ │ ├── templates/
│ │ │ ├── profile-default.txt system prompt 静态模板(每次请求复用,利于上游前缀缓存)
│ │ │ ├── profile-advising.txt 顾问阶段提示词(内置 profile:advising,phase=advising 时强制命中,见 §4.1)
│ │ │ ├── prompt-compress.txt 上下文压缩提示词(压缩回合末尾追加为 user 消息,历史照常走 messages)
│ │ │ └── prompt-title.txt 会话标题自动生成提示词(回合结束过门槛触发:本轮有工具,或纯聊≥ 3 正题轮且字数达标;{{language}} 填配置语言)
│ │ └── public/ 前端 H5 SPA(无构建,Vanilla JS 经典脚本多文件 + SSE)
│ │ ├── index.html 主页(HTML+样式;脚本全部在 js/,按序加载共享全局作用域)
│ │ ├── login.html 登录页
│ │ ├── js/ core / chat / sessions / stream / files / settings 六模块(settings.js 尾部含全局初始化,须最后加载)
│ │ ├── css/style.css
│ │ ├── vendor/marked.min.js
│ │ └── sw.js service worker
│ └── test/
│ ├── smoke.js 端到端冒烟(mock 上游 + 真 server,68+ 用例)
│ ├── remote-exec.test.js 远端执行集成测试(起真 executor + 调 Core)
│ ├── dep-check.js 依赖完整性
│ ├── mock-upstream.js 测试用假 LLM 上游
│ └── config.test.yml 测试配置(隔离 data_root)
│
├── executor/ ── Executor 服务容器(独立部署)──
│ ├── Dockerfile node:20-slim + 系统/Python 工具链(apt + pip)
│ ├── server.js 零依赖单文件 HTTP 服务(仅 Node 内置 http)
│ └── smoke-test.js Executor 自身冒烟(/health / exec 流式 / 鉴权 / 取消)
│
├── wxbot/ ── 微信接入容器(根 compose 的 wxbot 服务)──
│ ├── app/Dockerfile node:22-slim + @wechatbot/wechatbot / express / js-yaml / qrcode
│ ├── app/src/server.js iLink 多实例调制解调器:实例管理 + /api/{instances,deliver} + 收信转发 core
│ ├── README.md 部署/接口/零配置接线(WXBOT_TOKEN/CORE_URL 全靠 env 注入)
│ └── data/ iLink 登录凭证(gitignore,绝不入库)
│
└── docs/
├── DEPLOY.md 部署(Docker,IP:端口直连)
├── v2-develop.md v2 移动端单聊视图开发说明
└── ARCHITECTURE.md ← 本文件
2. 部署
graph LR
Browser((移动端浏览器<br/>WebView/APK))
Core[agent-core<br/>宿主机 8090]
Exec[agent-executor<br/>:9000 内网]
MCP[MCP 服务<br/>agent-mcp-net]
Zhipu[智谱服务器]
LLM[LLM 池<br/>OpenAI 兼容]
Tasks[./tasks<br/>任务目录 bind mount]
Skills[./skills<br/>技能目录 bind mount]
DB[(SQLite<br/>.agent.db)]
Browser -->|HTTP + Cookie| Core
Core -->|SSE /exec| Exec
Core -->|POST /chat/completions| LLM
Core -->|tools/call| MCP
MCP -->|提交任务| Zhipu
Zhipu -->|匿名 GET /p/id| Core
Core <-->|读写| Tasks
Exec <-->|读写| Tasks
Core <-->|技能| Skills
Exec <-->|技能 + deps| Skills
Core --> DB
所有容器都在同一个 agent-mcp-net 上(core 与 executor 同时靠它访问 MCP);外网只暴露 Core
(宿主机端口映射)。注意其中一条反向的入站链路:外部服务(如智谱)来拉文件时,走的是 Core 的
GET /p/<id>(匿名,22 字符随机 ID + 服务端过期,见 routes/public-files.js);这个 id 由内置工具
mint_public_link 在 core 进程内现签(AI 只传文件名,不走任何 HTTP),所以链接里既没有会话名也没有文件名。
关键约束(改 compose 时务必保持):
- 全部容器同一个网络
agent-mcp-net(由本仓库 compose 创建,mcp 侧 external 加入)——core 与 executor 都靠它按容器名访问 MCP 服务。 agent-core与agent-executor须把**同一份宿主机./tasks、./skills**挂到相同的容器路径(默认/workspace/tasks、/workspace/skills)。这是文件工具在 Core 本地直接读、命令在远端写,二者能"看到"彼此产物的根本约定。- 两条公网文件路径分工别搞混:浏览器原生下载走
download-token.js的签名链接(前端用download-token接口换 URL,auth.js的isSignedDownload放行?t=);外部服务取文件走GET /p/<id>短 ID。前者需要在 URL 末段带文件名(给安卓下载器猜名),后者刻意不带文件名/会话名。 GET /p/<id>是 Core 上唯一的匿名入口(只有读、必须挂在auth.middleware之前,未命中/过期一律 404):安全性 = 22 字符随机 ID + 服务端过期(public-files.js的内存表)。唯一的签发入口是内置工具mint_public_link(在 core 进程内,与 Core 同属一个信任边界,不再额外监听端口),它自己做路径校验(resolveInTask沙箱 + 会话表 + realpath 复核,挡ln -s外泄);未配public_link.base_url(且容器 env 没给VIRTUAL_HOST)时工具直接报错:配了VIRTUAL_HOST(nginx-proxy 域名 + HTTPS)时,前缀自动用https://<第一个域名>,env 优先于 config.yml。- nginx-proxy 前置时必须
proxy_buffering off,否则 SSE 流被缓冲。详见docs/DEPLOY.md。 - Core 通过环境变量
EXECUTOR_URL/EXECUTOR_TOKEN注入 executor 端点(也可用config.yml的executor段覆盖)。token 从.env读取(compose 变量替换${EXECUTOR_TOKEN:?...},未设置直接报错,杜绝静默无鉴权);.env已 gitignore,模板见.env.example,生成:openssl rand -hex 32。 - Executor 拒绝来自容器自身(回环/本机网卡)的
/exec:隔离只 unshare mount+pid,命令与 executor 同 net ns,能打到127.0.0.1:9000;据此即使 token 泄漏也无法在会话内调用/exec越权读他人会话(core 在另一容器,不受影响)。本机集成测试用EXECUTOR_ALLOW_LOCAL_ORIGIN=1放行,生产不得设置。 - Executor 镜像分两阶段(
executor/Dockerfile):base= M(长期不变,仅系统工具 + 预烘 Python 包),skills= M' = M + 技能“系统层”依赖。compose 用build.target: skills、上下文为仓库根(.dockerignore只放行executor/、skills/)。管理员增删/改动 skills 后docker compose build agent-executor重建 M',M 不动。 agent-executor-init在 executor 启动前一次性执行(executor/init-skills.js):逐行离线探测各技能requirements.txt,只把镜像缺的包pip --target装进共享deps/,并执行install.sh生成技能资产,全部落到宿主./skills,跑完即退出;只挂./skills(不挂./tasks,看不到会话数据)、无特权、read_only(系统层写不进去,只能写挂载卷)。executordepends_on其service_completed_successfully。- Executor 在 compose 里加了 cgroup/ulimit 护栏(
cpus 2.0/mem_limit 2g/pids_limit 512/ulimits.fsize 2G)——详见executor/server.js头注释。
3. 启动流程
app/server/server.js 顺序:
loadConfig(AGENT_CONFIG)读config.yml,跑完整校验与归一化(config.js›parseAndValidate)。log.setLevel(cfg.log_level)注入全局日志等级。initDb(cfg.db_path)建表 + 增量迁移(db.js,含held_at/last_model_id/assistant_type/user/profile等历史升级)。createBus()建 SSE 事件总线(sse.js)。engine.setModelPool(cfg, db, bus); engine.init():按 cfg.models 重建model_pool槽位表;会话状态归位(active/遗留 queued → held,绑定不清);指向已删/禁用模型的绑定在下次发言时由ensureBinding自动改选。scheduler.start(engine):启动定时任务轮询(30s 一次,unref)。必须在 engine.init() 之后——先让会话状态归位,首轮 tick 才看不到脏状态(见 §5.12)。随后wechat.init(cfg, db, bus)挂上总线内部订阅(微信接入,§5.13;env WXBOT_URL/WXBOT_TOKEN 未就位时全程静默)。createAuth(cfg)装配登录中间件;未配auth.users则认证关闭(可交给前置 nginx-proxy basic auth)。express.static(public)+ 路由挂载(/api/sessions、/api/skills、/api/config、/api/platforms、/api/system、/api/channel、/api/wechat);auth.middleware之前另挂两个内网/匿名入口:/p(公网临时文件)与/wxhook(wxbot 回调,共享服务 token 把门)。mcp.init(cfg).then(...):对每个 MCP 服务 initialize → tools/list,发现的工具存在mcp模块内。skills.listSkills(...)→llm.setSkillListText(...)快照注入 system prompt(llm.js)。server.listen(PORT),打 startup 行:workspace_root / data_root / models / mcp_servers / auth / log_level。dumpPromptBundle()把"system prompt + tools 列表 + 示例会话上下文"写进data_root/prompt.txt(仅供人核对,失败不阻塞)。
⚠️ 配置是冷加载:改
config.yml需重启生效,没有热重载。设置页修改后必须调POST /api/system/restart(路由层 409 防有活跃回合的强杀,force=true可打断)。
4. 数据模型
4.1 SQLite 表(db.js)
sessions id (PK='task-YYYYMMDD-NNN') / title / status / phase /
model_id / last_model_id / assistant_type / user / profile /
created_at / updated_at / completed_at / cancelled_at / held_at
messages id PK / session_id FK / role (system|user|assistant|tool) /
content (TEXT, 含 __blocks__ 哨兵 JSON 多模态) / reasoning /
tool_calls (JSON) / tool_call_id / name / type /
is_error / created_at
# type 取值: summary / archived / errAck / task_brief (任务书快照,advising→executing 切换后首条上下文) /
# session_context (name 列 = SESSION_CONTEXT_NAME) /
# scheduler_note(定时任务删除通知)/ channel_note(微信渠道上下文说明,每微信会话一条)/
# wx_media(微信单发媒体留痕行,落盘不触发回合,同 scheduler_note 语义;
# 未知 type 一律按普通 user 消息发模型、UI 照常展示)
# 旧版遗留: summarize_request(压缩指令 user 消息,已废弃,仅 buildMessages 兼容旧库)
files id PK / session_id / filename / size / created_at
# 仅记录元数据;文件本体在 workspace 目录里
model_pool id (PK='平台#key下标') / display_name / last_used_at / is_busy / current_session_id
# 启动时 syncModelPool 按 cfg.models 重建;key 为共享资源不再独占(多会话可并发绑同一 key),
# 调度只按「最不 active」优先级选 key(engine.chooseKey);is_busy/current_session_id 为旧版独占残留列,不再读写
wait_queue (已废弃)旧版 FIFO 排队表;排队语义整体移除(不再等模型),表保留不再读写
meta key PK / value
# 杂项:如 task_seq:YYYYMMDD(每日任务序号,删除会话不回退)
model_usage id PK / session_id / model_id /
prompt_tokens / completion_tokens / total_tokens / created_at
# 故意不建会话外键,删会话后累计统计仍保留
scheduled_tasks session_id PK (FK sessions, ON DELETE CASCADE) / cron_expr /
prompt / next_run_at / last_run_at / last_status (ok|error|skipped|running) /
last_note (给人看的中文说明,UI 原样展示) / created_at
# 定时任务:每会话至多一个(session_id 主键兼防重),按 next_run_at 索引;
# 创建只经 AI 工具 schedule;频次/提示词可在会话详情弹窗改(PATCH /:id/schedule,
# 改频次后端重校验并重算 next_run_at);删除走 CASCADE 或 DELETE /:id/schedule(见 §5.12)
channel_sessions user + channel 复合 PK / session_id / updated_at
# 文本命令接入端(routes/channel.js)的「当前会话」映射:接入端无会话列表 UI,
# 普通消息与 /new 等命令都路由到绑定的会话;无外键,删会话后懒解析自愈;
# /api/channel/send 是唯一读写方,Web 路由不碰这张表
wechat_bindings id PK(wx+10hex)/ user / status (pending|online|expired|error) / note /
bot_account_id / wx_to_user / last_msg_id / created_at / updated_at
# 微信绑定权威表(§5.13):一条 core 用户 ↔ 一个 wxbot iLink bot 实例(一人一绑,换号先解绑);
# id 兼作 channel 键(channel='wx:'+id,复用 channel_sessions 全套机制)与 wxbot 凭证目录名;
# last_msg_id 是投递游标(assistant 消息 id ≤ 此值已送微信),落库防 core 重启重发
session.status 状态机(engine.js,无排队版):
stateDiagram-v2
[*] --> held: createSession(创建即绑模型,空池报错)
held --> active: postUserMessage(沿用绑定立即开跑)
completed --> active: postUserMessage(绑定仍在,继续用原模型)
cancelled --> active: postUserMessage(同上)
active --> held: finalize(正常结束,绑定保持)
active --> cancelled: stop(用户终止,绑定保持)
held --> completed: releaseHold(手动「断开」,纯状态动作)
held --> active: bindToSession(换绑且有未回应消息)
completed --> held: bindToSession(手动选模)
cancelled --> held: bindToSession
要点:key 非独占、无排队、无保持租约——held 只表示「回合已收尾,绑定持续展示」,不会自动到期;
会话永远粘着自己的 model_slot(跨重启/结版/终止保持),换绑只有两条路:用户手动「选择模型」,
或绑定失效(配置删模型/禁用/改名)后由 ensureBinding 自动改选(优先留原平台)。
session.phase 状态机(advising/executing,engine.js):
stateDiagram-v2
[*] --> advising: createSession
advising --> executing: handoff 工具(handler 落盘 task.md → enterExecuting,同回合继续开工)
executing --> advising: clearSessionMessages(旧 task.md mv 进 .task-history/)
- advising(顾问):profile 被
resolveProfileName强制为内置advising组合(问答/判意图/引导澄清需求), 只聊和读不写(write_file/edit_file不在其白名单,批内幻觉调用也被 runLoopInner 挡下;例外profile—— 画像元信息不碰任务目录,顾问问答恰是收集称谓/偏好密度最高的时刻), 唯一出口是handoff工具:handler 把brief原样落盘根task.md(reason ∈ ready/user_skip/user_stuck, 空 brief 拒回不切);handoff与lab同入全局tools_deny,advising 组合显式tools_deny: []独享可见。 - executing(执行):回到常规 profile 链路(模型配置 > 默认全量);单会话只解决一个问题,一路走到底,回头路只有「清空」。
- 上下文压缩对 phase 中性(原来什么模式、压完仍什么模式);定时任务投递与微信渠道消息前强制
executing(无人值守/异步接入不能被顾问话术卡住,微信侧由 wechat.ensureChannelContext 幂等保证,见 §5.13)。 - 切换瞬间全史标
archived、插一条type='task_brief'user 行(task.md 磁盘快照)作执行阶段唯一上下文起点; 幂等:执行中再改 task.md 只是普通文件编辑。 - 存量会话启动时统一回填
executing(旧值 planning 废弃,见 db.js 迁移);与 status 状态机正交,不影响模型调度。
4.2 文件布局
任务目录(cfg.workspace_root/<session-id>/):每个会话一个目录;Core 与 Executor 都可读写;sh 命令默认 cwd 即此目录。task.md = 当前轮任务书(由 handoff handler 落盘,phase 切换唯一入口);.task-history/ = 清空会话时旧任务书归档(点目录,文件列表默认隐藏,同 .imgcache 约定)。
技能目录(cfg.skills_root/<skill-name>/):所有会话共享;deps/ 子目录是 pip --target 共享的 Python 依赖(只放镜像缺失的包,镜像已带的不重复装),与技能目录同级(不是技能子目录)。RESERVED_DIRS = {deps} 在 routes/skills.js 里被排除以免被当成技能。
版本与提交号:git short hash 来自 version.json(post-commit 钩子自动写)→ 容器通过 bind mount 读到;无 version.json 时回退 git rev-parse;都没有则只显示 package.json 版本。
5. 核心运行时模块
5.1 engine.js —— 调度与主循环(最复杂的一个文件)
| 函数 | 角色 |
|---|---|
syncModelPool |
启动时把 cfg.models 写入 model_pool 表,删配置中已消失的;会话状态归位(active/遗留 queued→held,绑定不清) |
applyBinding / bindingValid / ensureBinding |
会话粘住 key+模型(model_slot/model_id/last_model_id + 刷新槽位 last_used_at);绑定失效(配置删模型/禁用/改名)时按优先级自动改选,优先留原平台;空池抛 503 |
chooseKey / chooseModel |
优先级选 key(无排队、无独占):looping 回合数少 → 在用(active/held)会话数少 → 最久未用(轮转摊平)→ id;具体模型在同平台内选(偏好旧模型 > 绑得最少的) |
getRun / killRunProcs |
每会话的运行控制(cancelled / procs / abortController / looping) |
runLoop / runLoopInner |
Agent 主循环:解析 profile → buildMessages → callModel → 解包 tool args → 校验 → saveMessage → executeTool → saveMessage(tool) → SSE 广播。每迭代现解 profile(resolveProfileName:advising 阶段强制内置 advising 组合 > 模型配置 > 默认全量),prompt 与 tools 集(effectiveTools 按 tools_allow/tools_deny 过滤)跟着组合切换 |
streamAssistant |
单次上游调用:拿 abortSignal / shouldCancel / 各类回调,把流式 chunk 转 SSE 事件(assistant_delta / reasoning_delta) |
createSession |
生成 id(task-YYYYMMDD-NNN,序号从历史 + meta.task_seq 取大)→ mkdir 任务目录 → phase 默认 advising → 创建即绑模型落 held(指定模型优先其平台,无效退回全局;空池直接报错不建吊着会话) |
postUserMessage |
用户消息入口;除 looping(下一迭代自动带上新消息)外任意状态都是「保绑定→转 active→立即开跑」,delivered 恒 'live' |
bindToSession / releaseHold |
手动换绑(任意模型即点即换,仅输出中拒绝,无「占用」概念);「断开」= held→completed 纯状态动作(无资源可释放,绑定仍在可继续用) |
summarizeContext / clearSessionMessages / deleteMessage |
收尾 + 上下文压缩(清空同时把 phase 打回 advising、归档旧 task.md、连带清空会话 .tmp 即执行容器里的 /tmp) |
enterExecuting / archiveTaskBrief |
阶段切换:批尾接 handoff 成功标记(brief 已由 handler 落盘)→ 全史存档 + 插 task_brief 快照 + phase='executing' + SSE 广播;清空时旧 task.md mv 进 .task-history/ |
checkToolArgs / unwrapToolArgs |
工具参数校验 + 部分弱模型参数包裹外层自动解包 |
ensureSessionContext |
注入/刷新"会话上下文"首条 user 消息(日期/任务目录/模型名/vision 能力) |
关键约定:
run.cancelled = true是停止的最终信号;远端子进程通过run.procs注册(local spawn 用 child、remote-exec 用remoteKill句柄),killRunProcs按类型分别处理。lastIncludedId跟踪本轮已纳入模型请求的最新消息 id;流式期间到达的新 user 消息靠它在下一轮迭代时自动带上。- errAck 机制:工具参数结构性错误(JSON 非法/缺必填)→ 整条 assistant 标
type='errAck',关联 tool 回执一并丢弃,发请求时由 user 错误提示替代(llm.buildMessages)—— 防止模型模仿自己的坏样本死循环。 - archived/summary 机制(上下文压缩):
type='archived'的消息 UI 照常展示但不再发模型;type='summary'是压缩后的"上下文起点"。压缩回合不插入任何指令消息:由engine.summarizeContext在内存 run 上标summarizing,runLoopInner据此走llm.compressMessages:沿用默认 system prompt + 正常历史 messages,末尾追加一条 user(server/templates/prompt-compress.txt原文,参考标题回合的拼法),且不传 tools;回合内首条无 tool_calls 的收尾回复即摘要。(llm.buildMessages仍保留旧库summarize_request行的处理,仅为历史数据兼容。) - 图片(多模态):
messages.content列是 TEXT,含图时存{"__blocks__":[content...]}哨兵 JSON。新版read_file读图:sharp 压缩产物落任务目录.imgcache/(前端文件列表隐带点的项),库里只存image_ref轻量块;buildMessages发送前经调用方传入的mintUrl回调现签成公网外链(同mint_public_link那套GET /p/<id>)成image_url块,base64 不进 DB 也不进请求体;签不到降级为文字占位。图不塞在 tool 回执里发(tool 角色带image_url是非标准形态,大量 OpenAI 兼容上游整批忽略或只认批次最后一张,模型看不到图会反复 read_file 补看成死循环):回执降级为纯文本,未消费的图统一并入该批之后的一条user消息(逐图对应说明合并置顶为一段文字、图块按回执顺序紧随——对齐官方示例排布;探针实测 DS 对交替排布也兼容,取低风险形态),并附「先逐张简述每图内容再继续任务」指令兼作送达自检;旧库/用户粘贴附件的data:URL 块原样透传。图块保留到最后一条收尾 assistant(无 tool_calls)之前(lastAssistant判定)——只发 tool_calls 的中间轮不算已阅、图继续携带(实测过图已进上下文而模型仍自述没看到的行为,鲁棒优先于极致省 token);更早的换成"已省略"文字描述(措辞不催促重读);同回合同一图只投递一次(run.imgDelivered去重,再读同图只回文字提示;多图同请求经探针实测可行,曾按批限"每轮一张"已撤);发送前log.debug('req', 发送形态...)打每轮图块计数,一眼区分发送侧漏拼与上游吞图。UI 渲染走带 cookie 的会话内下载路由,历史永不裂图。 - key 共享并发,无租约:
model_pool.is_busy/current_session_id已废弃不再读写(旧库残留列,启动时清零);同一 key 可被多个会话同时绑定并发 looping(上游 key 本身支持多并发)。held 不再自动到期,顶部「保持中 · 模型」持续展示,唯一出口是手动「断开」或换绑。 - task_brief(任务书锚点,advising→executing 切换):runLoopInner 工具批跑完后,若 advising 回合内有
handoff成功返回(brief 已由 handler 原样落盘根 task.md 并记 files 表;批量末尾统一切,防父 assistant 先存档、后落库回执成孤儿行被上游拒收;同批多次 handoff 后写覆盖 last-wins),enterExecuting当场重建上下文:全史标archived→ 插一条type='task_brief'user 行(内容 = task.md 磁盘快照,非引用)→ phase='executing' + SSEphase/status事件;下一迭代重读历史 + 重解 profile,天然切默认组合、同回合开工。压缩不碰 phase(task_brief 与其它历史一样会被后续压缩存档,漂移可控:压缩本就由用户主导)。 - profile(prompt+tools 组合):顶层
model_profiles定义多套组合,platforms[].models[].profile引用(见 §5.8)——这是唯一的引用来源:运行期手动切换已全部移除(消息级 profile 参数、sessions.profile会话绑定均废弃,列保留不读写);advising例外,不走引用、由 phase 强制命中。名单外工具被调用不拦(checkToolArgs查不到 def 不报错,executeTool全表照跑),但阶段契约类例外:advising 内write_file/edit_file在批内挡下、handoff在 handler 里带 phase 守卫;tools schema 只活在请求体不进历史,所以切换不脏化旧消息。压缩回合同样跟随(小模型会话点压缩不会回退到默认大模板)。
5.2 llm.js —— 上游调用
| 函数 | 角色 |
|---|---|
systemPromptText(language, profile?) |
按 profile 名选 prompt 源(缺省 = 默认模板);{APP_SKILLS} 占位符就地替换为技能清单(自定义文件没放占位符 = 无技能段;默认模板没放时兑底尾拼),末尾统一拼语言指令;拼接结果按 (profile, 语言) 缓存(_promptTextCache Map) |
setSkillListText(text) |
技能列表变更后清缓存,强制重拼 |
setProfilePrompts(map) |
profile 自定义 prompt 注册表(name→全文,文本已随配置加载读入);engine.init 调一次,运行期选取零 IO |
buildMessages(session, lang, mintUrl?) |
DB 行 → OpenAI messages 数组;处理 summary/archived/errAck/图片消费;image_ref 块用 mintUrl 现签成公网 image_url 外链 |
forEachSSEData(res, onEvent, onMeta, onBadData) |
通用 SSE 帧解析(空行分隔,data: 行 JSON.parse,注释行走 onMeta) |
callModel(cfg, modelId, messages, tools, opts) |
一次模型调用;opts.deepThink 启用时合并 thinking_params;返回 {content, reasoning, tool_calls, finish_reason, usage, aborted, sseFrames} |
关键点:
- 模型内部唯一键 =
平台名/模型id(model_id列),发上游用原始mid。 extra_params与thinking_params通过deepMergeInto合入 body;thinking_params覆盖extra_params同名键。reasoning字段兼容reasoning与reasoning_content(各家上游不一致),只走一个。- 上游错误帧(
choices=[]且usage也无)通过onBadEvent落 warn 日志,不再静默。
5.3 mcp.js —— 极简 MCP 客户端
- 协议:Streamable HTTP(JSON-RPC over HTTP,响应可能 SSE 包裹)。
- 启动
init(cfg)对每个服务 initialize → notifications/initialized → tools/list;单个服务失败只 warn,不影响其他。 - 工具名单过滤:服务配
tools_allow(白名单)/tools_deny(黑名单,allow 之后叠加生效)时,在 tools/list 后按服务端原始工具名过滤(重命名之前);两者都在config.js归一化(非数组/空数组视作未配)。过滤后剩 0 个会 warn(多半是名字写错)。 - 工具名冲突时重命名:
内置名或其他MCP名已占 → 加服务名__前缀(toolIndex索引走重命名后的名,调用时按索引还原成原始名调tools/call)。 - session 补偿:MCP 规范的
Mcp-Session-Id缓存在server.sessionId;过期(400 + 含 "session" 字样)自动重 initialize 后重试一次。 - 某些老服务无
initialize→ catchMethod not found不阻断。
5.4 tools/executor.js —— 内置工具(现 12 项,含元工具 lab)的派发器
HANDLERS 是 name → async(ctx, args) → result 的表;executeTool(ctx, name, args) 按 name 派发;未知名直接转发给 MCP(若 mcp.hasTool(name),调 mcp.callTool)。
| 工具 | 实现要点 |
|---|---|
read_file |
走 resolveInTask 防路径穿越;图像(PNG/JPEG/WebP/GIF/BMP/TIFF)按 vision 能力走 sharp 压缩后落盘 .imgcache/ 并回传 image_rel(长边 ≤ 2000px,JPEG q=80;文件名带源文件 mtime+size 指纹,重读复用不增殖;重编码无收益时不落盘、直指原文件),发送前由 llm.buildMessages 现签成公网外链(engine 侧 mint 前 realpath 复核);大文本/二进制给 outline,超 32MB 拒读并引导 terminal;行号前缀格式 "<6位右对齐行号>\\t<原文>"(edit_file 用) |
write_file / edit_file |
edit_file 用模糊定位(Zed 风格):先精确匹配,失败后用 Levenshtein DP 找最相似行;超 32MB 拒绝整文件读写(OOM 防护);DP 候选区间不连续(中间跳过无关 buffer 行)即弃用,防静默吞行;空 new_text = 整行干净删除(精确/模糊两层统一,对齐 "".lines() 零行语义);old_text/new_text 协议见 definitions.json |
| 已移除的工具(部分复活) | list_directory / copy_path 于 2026-09 复活并加 @<session-id>/<rel> 只读记号:当年删除理由是「环境固定,统一走 terminal」,但生产 terminal 在远端 executor 容器(compose:wrapper 启动即 unmount host-tasks),其他会话目录在 shell 物理视图里不存在——跨会话取旧成果只剩 core 进程一个口子。校验单点 resolvePastPath(形状+存在+同用户,承自 recall 旧 files/link);list_directory 单层 ls(≤200 条、隐藏项不列,@ 模式条目带 '@/' 全形前缀可直接抄进 copy_path);copy_path 源可 @、目标拒 @(历史只读,导入落本会话后 read_file/vision/mint 全量生效,不给存量工具开跨墙特例),预算 200 文件/200MB,符号链接拒收防逃逸(mint 同款防线)。同批拆除 recall 的 files/link 两 op(沙箱外克隆必漂移:link 漏抄 mint 的 realpath 防线),recall 收敛为纯记忆 search/days/day。仍移除:create_directory / delete_path / move_path / find_path / grep(写删检索继续走 terminal);17→10 大盘不变,复活两件+后续 db/profile → 现 15 项 |
terminal |
唯一一个走 executor 的内置工具(当 rexec.isRemote(cfg));本地分支用 spawn + detached + 进程组 kill;远端分支 rexec.run SSE 收流,结果套上超时/截断/取消注解后 truncate(text, cfg.terminal.max_output_chars) 返回 |
fetch |
AbortController 覆盖全生命周期(响应头之后的 body 读流同样被超时/取消打断,取消用与 terminal 同款的 200ms 轮询);content-type 先行,非文本只回状态/类型/尺寸不读 body;下载/返回双上限解耦:流式读到 cfg.fetch.max_bytes(默认 1MB)即断开(下载不占上下文可宽松),返回窗默认 max_chars(12000)字符,模型显式传 max_chars 夹在 max_chars_hard(64000)硬帽内;超窗尾部拼 offset 续读提示,转换后全文缓在 ctx.run.fetchCache(回合级 LRU 3 条),续读纯本地切片不重抓;SSRF 防护:主机名解析结果含回环/私有/链路本地地址即拒(allow_private: true 才放行),redirect:'manual' 逐跳复查至多 5 次(残余风险:undici 建连时二次解析,DNS 重绑定不可根治);按响应 charset 解码(full-icu 支持 gbk/gb18030 等,未知编码退回 UTF-8);HTML 用 htmlToMarkdown 转(剥 script/style/head 及 nav/header/footer/aside/form 整块,class/id 样板词启发式丢块,<title> 提成首行);HTML 实体单遍解码(常见命名实体+数字实体通吃,修 & 双重解码);字节截断切在多字节字符中时尾 U+FFFD 去噪;网络错误解包 err.cause 直述 ENOTFOUND/TLS 等真因,SSRF/重定向类错误带 fetchUserError 标记直接冒泡;engine 不截工具结果,返回值末尾另有 truncate 1MB 字符兜底护栏 |
mint_public_link |
唯一的 mint 入口:与 core 同进程,直接 publicFiles.mint(),不绕任何 HTTP;ctx.taskDir 就是会话目录,relOf 的结果正是取用侧要的 rel。校验:public_link.base_url 已配 + resolveInTask 沙箱 + 确认是文件 + realpath 未沿符号链接跳出任务目录;返回单行 URL |
skill |
op 分派 list/get/run(三件套合并:同一 name 标识空间 + 同一生命周期,见 docs/tool-design.md §一);委托 tools/skills.js;input_args 仅 op=run 且可缺省 {},缺参由各技能 input_schema 校验点名报错;front matter 带 visit_url 的技能在 op=run 成功后由 executor 层拼 public_link.base_url(与 mint 同源)追加完整「访问地址」行(技能进程不知公网前缀,AI 拿相对路径会原样转给用户) |
schedule |
当前会话(ctx.sessionId,AI 不可指定他会话)定时任务的完整生命周期:op 分派 get/create/update/delete(表主键 session_id → 每会话至多一条,无 id 参数);条件必填在代码里校验、错误回显 op 与缺失字段;数据层在 scheduler.js(cron 可解析 → 间隔 ≥1h → prompt ≤20000 → 查重/存在性检查),delete 不落 scheduler_note;描述里限定「仅用户明确要求时调用」(安全缓解,见 §5.12) |
profile |
用户画像增量维护(op 分派:list / set(honorific|industry 单值≤20字,空串清除) / add / remove(preference 顿号标签));user 取自会话行,AI 不可指定他人;护栏单标≤15字×≤24个×总≤300字,整批原子(任一超限不落库);停用(enabled=0)拒写不拒读;写入自新会话生效(快照冻结语义不变),list 永远给 live 状态——取代了原 handoff 落槌一次性提取链路 |
lab |
元工具统一入口:tool + 自由 args 转发内置 + MCP 全部能力(目标 schema 定义期不可知,条件校验归内层 handler);help 伪工具做现场发现(无参列名单、带 args.tool 出完整 schema),未知名回显全清单,禁嵌套、内层错误冒泡不包装。默认被全局 tools_deny: ['lab'] 屏蔽,仅 lab profile(allow [lab] + deny [] 清空)下发,见 §5.8 |
resolveInTask(taskDir, relOrAbs):把相对路径或绝对路径解析为绝对路径并校验落在 taskDir 之内(含根),防穿越。
5.5 tools/skills.js —— Skill Manager
- 技能 = 单层子目录,含
SKILL.md(YAML front matter 可选,含description/input_schema/visit_url,后者的完整链接由 executor 层在 op=run 后拼接,见 §5.4)+run.py或run.sh入口(接收 JSON 字符串作为唯一 argv)。 - 依赖不由 core 安装(core 只发现与执行):系统层依赖(apt 等,
install.sh的副作用)在镜像skills阶段烘入 M'(需重建镜像);pip 依赖与技能资产(如字体提取)在服务启动前由agent-executor-init一次性落到宿主./skills。- init 的 pip 步骤先离线探测(
pip install --no-index --dry-run <逐行>,不联网):镜像已带的包直接跳过,只把缺的装进deps/;.deps_installedmarker(requirements/install.sh 两份 hash)也在那里维护。 - 外挂层可见性:
skills/deps由 compose 放进 executor 容器 env 的PYTHONPATH(server.js白名单同步放行),技能入口与 AI 终端命令都能 import;运行期 skills 与 deps 均:ro,加包只需改requirements.txt后docker compose up -d(重跑 init),不需重建镜像。
- init 的 pip 步骤先离线探测(
runSkill流程:input_args类型守卫(非对象早拒,免得在 Object.entries 里静默错位) →skillDir校验 →absolutizeArgs(按任务目录 + 启发式判断路径类参数) →validateArgs(按 front matterinput_schema.required,缺项报错点名字段) → 选python3 run.py '<json>'或bash run.sh '<json>'→runEntry。- system prompt 注入(
formatSkillListForPrompt)按- 名字: 描述每行一个(listSkills 已按名字排序,行序恒定不破坏前缀缓存;描述压单行);参数查 op=get、执行 op=run(skill工具),op 间依赖写进工具 description。 - 走 executor:命令拼成
shq转义后的单条 shell 行(shellLine);env 不额外传,依赖层由容器 env 提供。 - cwd 分两类:
skillop=run 传会话任务目录(ctx.taskDir),命中 executor 的 session 隔离与虚拟视图,技能在/workspace/tasks/<sid>看到的就是本会话数据,absolutizeArgs产出的绝对路径因此有效;入口脚本一律用绝对路径(cwd 已不是技能目录)。
5.6 remote-exec.js —— 远端 executor 客户端
run(cfg, opts) 流程:
- 校验
cfg.executor.url(即isRemote)。 fetch POST /exec(body ={command, cwd, timeout_ms, env}),得到 SSE 流。- 用
for await+ 手工\n\n切帧;遇到[DONE]或type:'exit'帧 break。 - SSE 内只发
out/err的 chunk;out累积到字符串。 opts.run可选传入,句柄挂到run.procs;200ms 轮询run.cancelled触发remoteKill(DELETE /exec/:id+ac.abort())。- 看门狗
timeoutMs+15s兜底。
返回 {code, killed_by, out, truncated}。
5.7 auth.js —— 多用户会话认证
users: [{user, password}]在 config.yml;secret留空则随机生成(重启即掉登录态,建议固定)。- 签发 HMAC 签名 token(payloadB64url.signature,payload =
{u, exp}),存 HttpOnly + SameSite=Lax cookie,30 天有效。 - 路由:
POST /api/login→ 校验 + setCookie + 返回 token(WebView 封装 APK 杀进程后 cookie 不一定落盘,token 存 localStorage 备login_restore恢复)。POST /api/login_restore(Authorization: Bearer)→ 验签 + 重新签发。POST /api/password(认证中)→ 校验 + 改写 config.yml(保留注释 + 校验失败不动文件) + 内存同步生效。POST /api/logout/GET /logout。
- 中间件:cookie 或 Authorization: Basic 任一通过(cookie 优先,见 §14.16;
/api/me与中间件同一解析顺序,保证显示身份 = 数据身份);公开路径白名单(/login,/api/login等)+ 签名下载链接(?t=...)放行;其余 API 401、页面重定向/login。 req.user在中间件通过后挂上,业务路由不要信客户端传的 user/body 里的 user。
5.8 config.js —— 配置加载与读写
- 加载:
loadConfig(AGENT_CONFIG)读文件 →parseAndValidate。 - 兼容:旧版
models[](扁平)自动迁移到platforms[]层级;旧版web_search.*迁移到mcp_servers[](log.info 提示)。 - 规范化:
normalizePlatforms校验name/url/type,key 层concurrency,model 层{id, display_name, vision, enable, extra_params, thinking_params, profile};同平台内 model id 必须唯一(内部唯一键 = 平台名/模型id);profile引用不存在的名字直接报错。 model_profiles(顶层,normalizeModelProfiles):多套可复用的 prompt+tools 组合,每项{tools_allow?, tools_deny?, system_prompt_file?},三者至少配一个。tools_allow按最终发给模型的工具名匹配(内置 + MCP,含服务名__前缀,与 prompt.txt dump 同源可对);未配 = 全量,空数组[]= 零工具(纯文本组合)——与 MCP 的tools_allow(空名单视作未配)有意不同。tools_deny在 allow 之后叠加生效(deny 赢);profile 未配 = 继承全局tools_deny(DEFAULTS 屏蔽元工具lab),[]= 显式清空(lab profile 靠它换回元工具),非空 = 替换全局。system_prompt_file相对server/templates/(compose 已 bind-mount ./app/server,宿主直接可改),配置加载时一次性读入常驻内存,缺失/为空报错拦在保存/重启预检;自定义文件 = 完全接管模板正文,技能清单靠模板内{APP_SKILLS}占位符就地插入(不放 = 无技能段;默认模板同机制,见 §5.2),语言指令始终尾拼。运行期切换(前端传参)零 IO、不碰本配置。- 默认值(
DEFAULTS):port=8090、workspace_root/data_root=/workspace/tasks/workspace/data、log_level=info、terminal 30s/10K、fetch 30s/1MB、agent temperature=1.0、max_tool_iterations=100、max_retries=2、上传 1.5MB/2000px/0.85(旧model_hold已废弃,字段仅为旧 config.yml 解析兼容保留);顶层默认tools_deny: [lab];内置model_profiles含lab(元工具自测:tools_allow:[lab]+ 显式清空 deny +profile-lab.txt)与zero(零工具 +profile-zero.txt)。config.yml只覆盖 deploy 相关段,其余走默认值;整份清单见app/config.example.yml。 - 读写:
readConfigText/writeConfigText(先校验后写,无原子 rename,因 bind mount 上 rename 会 EBUSY);applyEditsToText用YAML.Document保留注释。 getConfig是浅引用,路由层拿到的就是运行中实例,改完 in-memory 不影响(要重启)。
5.9 db.js —— SQLite 初始化
- 启动建表(
CREATE TABLE IF NOT EXISTS)+ 增量迁移(ALTER TABLE失败忽略,重复启动安全)。 - 迁移示例:
reasoning、type、is_error、held_at、last_model_id、assistant_type、user列。 - 所有表都用自增 PK 或显式 id;
messages按session_id, id索引;files按session_id;model_usage按model_id, created_at。
5.10 sse.js —— 事件总线
Map<session_id, Set<res>>。emit(sessionId, event, data)拼event: <name>\ndata: <json>\n\n;无客户端静默丢弃(消息本身已持久化,重连可回放)。- 进程内内部订阅
onInternal(fn):先于 HTTP 客户端触发、不受「无观看者早退」影响、单个监听抛错不影响其余——微信投递(wechat.js)靠它拿 assistant_message(微信会话常常没有任何 Web 页面在看)。 - SSE 心跳:路由层 15s 一次
: ping\n\n注释行(X-Accel-Buffering: no是给 nginx-proxy 看的)。
5.11 balance.js —— 余额查询
- 按
platform.type分发到ADAPTERS;已接deepseek(/user/balance)与bigmodel(/api/biz/account/query-customer-account-report)。 - 上游根地址 =
cfg.platforms[i].url去掉尾部/与/v1(余额端点在站点根)。 types()返回已接入类型列表,前端设置页据此决定要不要展示余额行。
5.12 scheduler.js —— 定时任务调度器
AI 通过 schedule 工具为所在会话建周期性任务(scheduled_tasks 表,生命周期绑定会话),无人值守时(典型是半夜)自动执行,结果留在会话里供用户次日查看。
- 形态:
start(engine)注入 engine(避免 engine→executor→scheduler 顶层循环 require),setInterval30s +unref,单次异常只log.error不中断定时器。周期/最小间隔是模块常量,不进 config.yml。 - cron:
cron-parser@5.10.1(锁版;v5 API 是CronExpressionParser.parse,与 v4 的parseExpression不兼容),显式tz: 'Asia/Shanghai'(与容器 TZ 一致,不靠隐式时区)。最小间隔 1h 在创建时校验。 - tick 两阶段:A 收尾上一轮
running(runLoop 无结束回调,轮询推断:会话转非 active 即标 ok);B 取到期任务投递——next_run_at <= now且非 running;防堆积以会话状态为准:active 直接标skipped不投递(比 DB 标记时序可靠)。 - 投递 = 存档 + 强制 executing + postUserMessage(顺序不可换):先把会话全部消息标
type='archived'(buildMessages跳过 → AI 只看到本次 prompt,等价全新会话,上下文不随触发次数增长;UI 照常展示全量),再把phase强制置executing(无人值守的半夜 prompt 不能被顾问 profile 当白天聊天「引导澄清等人回答」),最后engine.postUserMessage——新调度下恒立即开跑(key 不独占不排队,任何状态都拿模型直接跑;绑定失效自动改选);仅模型池整体为空会投递失败标error,下个周期重试。 - 补跑语义:
computeNext一律以now为基准,停机跨过多个触发点后重启只算未来一次,天然不补跑;重启后任务从库自动恢复。 - 安全:本功能等价给 AI 开持久化后门(prompt injection 可诱使建任务定时执行任意指令)。缓解三件:工具描述限定「仅用户明确要求时调用」+ 会话页常驻状态条(点击弹详情窗,可见 cron/上次下次时间/提示词,能就地改提示词或删除)+ 创建/触发/跳过/删除全打
schedulerinfo 日志。无权限分级/审批/配额。 - 边界:两次触发之间的用户对话也会被下次触发一并存档(UI 可见、AI 下次看不到,符合设计意图);多用户:调度器全局遍历不按 user 过滤(投递目标是会话本身,隔离在建任务时的 ctx.sessionId 已有);
last_status='running'的收尾不精确(异常结束的回合也会被标 ok)。
5.13 wechat.js —— 微信接入桥接
背景:仓库内 wxbot/(已入库,作为根 compose 的 wxbot 服务)是基于官方 iLink 协议 SDK 的微信「调制解调器」,只挂 agent-mcp-net 内网、不暴露公网;身份权威与全部会话逻辑在 core,引擎不感知微信。
- 模型:一条
wechat_bindings= 一个 core 用户 = 一个 bot 实例(一人一绑,换号先解绑)。binding id 三用:实例控制/投递的寻址键、wxbot 凭证目录名、channel 键(channel='wx:'+id,因此命令层、会话自动新建、投递游标查询全部白借 §5.4 的 channel 机制,零新逻辑)。iLink 协议保证扫码登录后仅本人可与 bot 单线对话,无陌生人入口,故无联系人授权面。 - 方向三条线:① Web(设置页→账户→微信内联卡)→
/api/wechat→ wxbot/api/instances*(实例控制;QR SVG 代理内联渲染,只在 has_qr 就绪后取码,服务 token 不出内网);② wxbot 收信 →POST core:/wxhook/inbox→ 直调channel.handleSend()(文本;image/video/file 媒体先落会话任务目录:带说明文字的拼「用户上传了文件」告知行+正文并进一回合,单发媒体只补一行wx_media留痕不触发回合(下次真实对话模型自然看到,「刚才那张图」指代不断),同 web 附件链路;voice 走 iLink 服务端自动转写(msg.text 即识别文字),按文本类转发——命令回执同步回文本;普通消息不回执,等异步投递);③ core 总线监听 assistant_message/done → 按回合回复预算分配投递(见下两条),分段(~1800 字/段,行优先聚合)→POST wxbot:/api/deliver→bot.send;wxbot 出口 markdown 默认透传(微信已支持渲染;envWXBOT_STRIP_MARKDOWN=1恢复 stripMarkdown 纯文化降级);tool_call/tool_result 事件另发/api/typingsendTyping 心跳(每绑定 2s 冷却、失败静默),长工具回合里微信持续显示「正在输入」,文本投递后自动取消;同一对事件还记账工具台账(见下段)。 - 渠道上下文(ensureChannelContext,普通/媒体/带尾随文本的 /new 收信时幂等确保,先于首条消息入库):微信会话直接落 executing(跳过顾问 handoff,与定时任务同理由)+ 注入一条
channel_noteuser 行(微信环境说明:单线纯文本、给链接即交付卡片、入站文件已存工作目录等,AI 第一回合即知);/clear 删光历史后下条消息自动重注入。 - 出站文件(链接→卡片):sendAttachments 扫正文
/p/<22位id>链 → 同进程publicFiles.resolve+ 归属硬校验(只转本会话签发的链接,防外流)→ 本地读字节(单文件≤20MB、每条回复最多 5 个)→POST wxbot:/api/deliver_media→ SDK 按扩展名自动路由 image/video/file 卡片;尽力而为:失败只 warn,链接文字留在正文作兜底(AI 无需感知卡片机制,channel_note 已告知「给链接即交付」)。 - 投递游标
last_msg_id落库 + 每绑定串行队列:重启不重发旧回复,wxbot 短暂不可达不丢(下一条连带补齐);errAck/纯工具轮(空文本)不进微信,__blocks__图消息降级为占位文案。markdown 的出口处理在 wxbot:默认透传(微信已支持渲染),WXBOT_STRIP_MARKDOWN=1时 stripMarkdown 纯文化。 - 回合回复预算(配额在 iLink 上游、不可查,core 记账分配):回复额度挂在入站消息的 context token 上,每轮约 10 条(分段与附件卡片各占 1),AI 多迭代中间回复 + 长结论天然撞上限,故不能按位置丢消息。策略:handleInbox 每条入站重置预算(命令回执占 1);带
tool_calls的 assistant_message 必然是过程消息,直发至多PROC_HEAD_LIMIT=1条且投完仍给结论留CONCLUSION_RESERVE=4条,超出的并入结论开头「已省略 N 条过程」注记(长任务进展靠 typing 心跳);不带tool_calls的挂起到done事件确认是收尾结论再保底投递——预算够全文+卡片;不够但 ≥2 降级为「截断头 + 全文落会话微信回复全文-<id>.md转文件卡片」(内容零丢失);<2 放弃并 warn(网页端完整可见)。状态全内存按 binding 记,调度器触发的回合无入站不重置(记账继续累积,与上游 token 真实剩余一致)。 - 工具台账(微信端过程可见性,单一出口):
tool_call/tool_result只往st.tools记账(name + 参数原文,不解析、整串 120 字截断、换行压平;同类计数折叠 xN、is_error标 ✗(成功行 ✓ 前缀,状态在行首醒目)、失败不插队——用户确认微信端重结果轻过程);攒满一屏 8 行 → 「### 工具调用 + ``` 代码块」独立消息经串行投递队列即发(占 1 条配额,长参数代码块内横向滚动不折行);done时零头补发(纯工具轮兜底也在此,不依赖任何文本消息);预算保不住CONCLUSION_RESERVE或直投失败 → 降级为结论的「--- 尾段」便车(与正文同段不多占配额);过程正文不再携带工具信息。诊断日志:台账直投 N 类调用(余 M)。 - 降级承诺:微信接入未配置(env
WXBOT_URL置空或未配WXBOT_TOKEN)= 功能整体静默关闭(启动零日志噪声、设置页入口隐藏);配了但 wxbot 没起 = restore 只留一行 info,面板显示未连接,所有外呼失败只 warn,绝不阻塞/抛出未捕获异常影响 Web 主流程(鉴权/探活失败同样只降级)。绑定/刷新/解绑对 wxbot 均 fire-and-forget(点击秒回,不拿 wxbot 网络往返卡按钮;失败落 note 由轮询/刷新按钮恢复);overview()每轮访问拿实例快照双向纠偏(补建缺失实例/纠正丢的 hook),restore()启动对账兼清孤儿实例;前端内联卡按渲染串比对增量更新,QR 只在 has_qr 就绪后才取码,无闪烁无坏图帧。 - 鉴权:双向共用一个服务 token(根 .env
WXBOT_TOKEN,init.sh 生成/复用)——core→wxbot 时 wxbot 把该 env 自动并入 /api 白名单;wxbot→core 走/wxhook(挂 auth.middleware 之前,Bearer 哈希后定长比较,token 未配一律 503 fail-closed)。wxbot 零配置文件(同 executor 模式):接线全靠 env(WXBOT_TOKEN/CORE_URL/WXBOT_LOG_LEVEL,none/off→silent;debug 原样打印收信消息结构),不挂不读 core 的 config.yml(密钥只给 core 进程)。
6. agent-executor 容器
单文件 Node HTTP 服务(executor/server.js),零依赖。镜像 executor/Dockerfile 分两阶段:base(M,长期不变)与 skills(M' = M + 技能系统层依赖,管理员改 skills 后重建)。端点:
GET /health→{ok, running:[{id, pid, cwd, started_at}]},免鉴权。POST /execbody{command, cwd(必填), timeout_ms?, max_output_chars?, env?}→ SSE 流:start(带 id + pid + cwd)→out/err增量分块 →exit收尾。- 期间每 15s 一条
: ping注释行保活。
DELETE /exec/:id→ 杀进程组(process.kill(-pid, SIGKILL))。
安全约束(改 executor 时务必保持):
EXECUTOR_TOKEN非空时,除/health外必须Authorization: Bearer(常时间比较)。token 存.env(gitignore),不硬编码进仓库。- 拒绝来自容器自身(回环/本机网卡)的
/exec:隔离未 unshare net ns,命令能打到127.0.0.1:9000;据此即使 token 泄漏,会话内也无法回环调/exec以他人会话 cwd 起命令(core 在另一容器,源地址非本机,不受影响)。EXECUTOR_ALLOW_LOCAL_ORIGIN=1仅供本机集成测试,生产不得设置。 cwd必须落在EXECUTOR_ROOTS(逗号分隔白名单,默认/workspace)realpath 之下,防穿越。cwd不得是任务根本身(realpath 相等即拒):它是全部会话目录的父目录,在其下执行会暴露所有会话,且隔离 wrapper 在此层无从生效;缺省 cwd 落任务根同样被拒 → 等效必填。timeout_ms夹在[1000, EXECUTOR_MAX_TIMEOUT_MS=1800000]。- 输出按
max_output_chars(默认 200000)截断,截断后仍持续消费管道(防子进程因 pipe 满阻塞),并设truncated=true。
启动参数(环境变量):
| 变量 | 默认 | 含义 |
|---|---|---|
PORT |
9000 | 监听端口 |
EXECUTOR_ROOTS |
/workspace |
cwd 白名单,逗号分隔 |
EXECUTOR_CWD |
<ROOTS[0]>/tasks |
默认 cwd |
EXECUTOR_MAX_TIMEOUT_MS |
1800000 | timeout 上限(30 分钟) |
EXECUTOR_MAX_OUTPUT_CHARS |
200000 | stdout/stderr 单向截断阈值 |
EXECUTOR_TOKEN |
空 | 可选 Bearer 鉴权 |
EXECUTOR_LOG_LEVEL |
info |
分级日志(debug 打满请求/响应交互) |
EXECUTOR_ALLOW_LOCAL_ORIGIN |
空 | 仅本机集成测试:1 放行回环/本机来源的 /exec(生产勿设) |
per-task 挂载隔离(server.js 的 isolatedCommand):cwd 在任务根(EXECUTOR_CWD)严格之下的命令,spawn 时包一层 wrapper,在新的 mount namespace 里把任务根覆盖为 tmpfs、只把当前会话根(第一层子目录)bind 回原路径——AI 只能看到/改自己的项目,看不到别的会话;cwd 恰为任务根被 /exec 边界直接拒 400(见上);cwd 在任务根外(如技能依赖安装跑在技能目录)不隔离直接 spawn(/mnt 仍被遮,看不到任何会话数据)。wrapper 同时 unshare --pid --fork 进新 pid ns 并重挂 /proc(flags 对齐 docker):否则 /proc 仍是宿主视图,nsenter --mount=/proc/1/ns/mnt 可借 executor 主进程的 ns 句柄逃逸回原始 mount ns(已实测复现过);重挂后 /proc/1 即命令自身。新 proc 可写会顶掉 docker 防护,wrapper 逐项还原:/proc/sys 只读 bind(防 core_pattern 宿主逃逸)、/dev/null 遮蔽 kcore/keys/sysrq-trigger(echo b 可重启宿主机)。wrapper 还把 server.js 所在目录(镜像 WORKDIR,容器内 /app)tmpfs 盖掉(任务根与之嵌套的开发态跳过);且下发命令的 env 剥掉 EXECUTOR_TOKEN——否则 env 一 dump 即得 token,可从容器内回环调 /exec 以任意会话目录起命令,绕过隔离。需 compose 配 cap_add: SYS_ADMIN + security_opt: apparmor=unconfined(不用 privileged:实测 Docker 29,默认 AppArmor profile 拦 mount(2),单加 SYS_ADMIN 不够;默认 seccomp 对持 CAP_SYS_ADMIN 的进程放行 unshare(2)/mount(2),无需改动);unshare/mount/mktemp 来自 debian 基础包 util-linux。wrapper 还会把 /dev/shm、/var/tmp、/dev/mqueue、/run 整体换成 per-exec tmpfs,并 unshare --ipc 隔离 System V IPC;session 模式的 /tmp 另叠一层 bind 指向 <session>/.tmp(会话内跨调用共享、随会话目录删除),堵掉跨 exec/跨会话的共享内存、临时文件与运行时状态通道;/dev/mqueue 挂不上时回退用 tmpfs 遮盖(队列不可用但不泄漏)。隔离层失败退出码 ≥90 逐个区分(99=会话 /tmp bind,100=/dev/shm,101=/var/tmp,102=/run)。
资源护栏(compose 层,不在 server.js):
cpus 2.0 / mem_limit 2g / pids_limit 512 / ulimits.fsize 2G —— 防 AI 失控命令。残余缺口(只限单文件不限总量)在 compose 注释里已标。
根文件系统只读(compose 层):read_only: true 挡住 AI 命令往镜像层写文件做持久化/篡改;tmpfs: /tmp /var/tmp /run 提供必要可写点。/run 必须给——隔离 wrapper 要在 /run/agent-exec 建私有 anchor/rundir,否则 read_only 下 mkdir 报 EROFS(set -e 直接中断每条命令);正常写盘另走 handleExec 的 HOME=/tmp/TMPDIR=/tmp 与 bind 卷。
7. HTTP 路由
所有路由走 Express Router,server.js 挂到 /api/...;静态资源(前端)走 express.static('public') 直接托管;其余路径走 auth middleware。
| 路径前缀 | 文件 | 主要端点 |
|---|---|---|
/api/sessions |
routes/sessions.js |
POST / 创建、GET / 列表(分页 + 搜索 + user 隔离)、GET /:id 详情(含 schedule 字段,列表接口不带以免 N+1)、PATCH /:id 改名、DELETE /:id?delete_dir=...、POST /:id/bind(model_id=手动换绑:任意模型即点即换、仅正在输出拒绝;原 profile 会话模式绑定已废弃)、DELETE /:id/schedule(删定时任务,只落 scheduler_note 通知消息不触发 AI)、PATCH /:id/schedule(改提示词/频次,cron 经 validateCron 重校验并重算 next_run_at) |
/api/sessions/:id/messages |
routes/messages.js |
POST / 发消息(body 可选 deepThink;响应 delivered 恒 'live'(排队已废弃);原 profile 参数已废弃)、POST /stop、POST /release(held→completed,纯状态动作、无资源可释放)、DELETE /messages(清空 + 回 advising)、POST /summarize(压缩,phase 中性)、DELETE /messages/:mid、GET /stream SSE 事件流 |
/api/sessions/:id/files |
routes/files.js |
POST / 上传(multer,50MB/文件,文件名清洗 sanitizeName)、GET / 列表(递归)、GET /download[-name/...] 签名下载(5 分钟 TTL)、GET /zip-token + GET /zip[-name/...] 选中项(含文件夹)打包 zip 流式下载(纯 Node STORE,两遍读:先 CRC 后磁盘流发送)、DELETE / 删文件(目录递归删) |
/api/skills |
routes/skills.js |
技能列表/创建/重命名/删除 + 技能内文件 CRUD + 上传(?overwrite=true 覆盖) |
/api/config |
routes/config.js |
GET / 原文+生效(脱敏)、POST /validate、PUT / 整文件保存、PATCH / 单项修改(path/value/op[delete|append]) |
/api/platforms |
routes/platforms.js |
GET /balance?pi=&ki= 余额 |
/api/system |
routes/system.js |
GET /status + /restart?force=...(原 model_profiles 可用名单字段已删,前端无消费方) |
/api/profile |
routes/profile.js |
GET / 读画像、PUT / 保存(三字段 + enabled);按 req.user 隔离,逻辑全在 user-profile.js(快照冻结见 engine createSession/clearSessionMessages;日常更新由 AI 经 profile 工具增量维护,见 §5.4) |
/api/channel |
routes/channel.js |
POST /send {channel, text} 文本命令接入端(IM/CLI 等无 UI 客户端,走 Basic/cookie 鉴权):命令仅在本入口解析(Web 消息路由不受影响,防误伤路径/代码文本);严格匹配白名单 /new[文本] /list /switch[编号] /rename[标题] /delete[编号] /models[编号] /stop /compact /clear /status /help(可带参数命令走 ARG_CMDS:switch/delete 编号=最近 /list 行号或 id 前缀,delete 删会话连同任务目录(同 Web 删除弹窗默认勾选),models 换绑复用 engine.bindToSession),未知斜杠词回提示、不像命令的当普通消息;(user,channel) 经 channel_sessions 表绑定当前会话(普通消息无绑定自动建);命令动作不落消息行(与 Web 按钮对称),AI 回复由接入端复用既有 SSE/详情接口获取;handleSend() 另供微信桥接直调 |
/api/wechat |
routes/wechat.js |
微信绑定管理(设置页,cookie 鉴权 + req.user 隔离):GET /(enabled/alive/我的绑定)、POST /(新建绑定,一人一绑)、GET /:id/qr(登录二维码 SVG 代理)、POST /:id/refresh(重发登录)、DELETE /:id(解绑,销毁实例与凭证);业务全在 wechat.js(§5.13) |
/wxhook |
routes/wechat.js(hookRouter) |
wxbot → core 内网回调(挂 auth.middleware 与全局 express.json 之前,自带 32mb 解析器容纳媒体 base64):POST /inbox {id, from, text, media?} 文本/媒体转 channel 层——media={kind:image|video|file, b64, filename?},core 按 magic 嗅探定扩展名、落会话任务目录(文件保留消毒原名,图/视频生成 wximg-/wxvid- 时间戳名)+ 记 files 表 + 拼「用户上传了文件:<名>」告知行(同 web 附件模式,vision 模型 read_file 即见);非 2xx 时 wxbot 把 error 文案回给微信用户;POST /hook {id, event} 实例状态回报;Bearer 共享服务 token(哈希后定长比较,未配一律 503) |
/api/models |
server.js |
模型池(在用会话数 slots_used / 在用会话列表,非独占展示)+ token 用量 |
/api/health |
server.js |
健康检查 |
/api/login /api/login_restore /api/logout /api/password /api/me |
auth.js |
认证路由(认证前) |
/login /logout |
auth.js |
登录/登出页 |
/files/download[-name/...]?t= /files/zip[-name/...]?t= |
auth.js 白名单 |
带签名 token 的下载/打包下载(认证中免 cookie) |
/p/<id> |
routes/public-files.js |
公网临时文件取用(匿名,挂认证中间件之前;随机 ID + 过期) |
SSE 事件(/api/sessions/:id/stream,由 bus.emit 触发,前端订阅):
| event | data | 触发时机 |
|---|---|---|
status |
{session_id, status, phase, model_id} |
状态变化时;SSE 连接建立时立即发一次 |
assistant_delta |
{text} |
模型流式文本 |
reasoning_delta |
{text} |
模型流式思考(reasoning/reasoning_content) |
assistant_message |
{id, content, reasoning, tool_calls, type, is_summary, mode} |
整轮 assistant 落库后(含 type='errAck' 标识) |
tool_call |
{id, name, arguments} |
即将执行工具前 |
tool_result |
{tool_call_id, name, content, is_error, image_url, msg_id} |
工具回执落库后 |
phase |
{phase} |
阶段切换(advising↔executing;status 事件也携带 phase) |
done |
{status: 'held'|'cancelled'|'completed'} |
回合收尾 |
title |
{title} |
首次交互结束后自动生成的标题落库时(生成流程见 §9) |
error |
{message} |
异常 |
8. 前端
app/server/public/ 是 H5 SPA(无构建步骤,本地 vendor/marked.min.js 渲染 Markdown,不引外部 CDN)。index.html 只包含 HTML/CSS 与按序加载的 6 个经典脚本(<script src>,无 import/打包):顶层 function 声明仍挂 window 供内联 onclick 调用,顶层 const/let 进全局词法环境跨脚本可见;每文件各自 'use strict'。拆自旧版单一内联脚本,纯搬运零改动,切分均在顶层语句边界:
js/core.js—— 架构注释头、通用工具($/esc/req/toast/copyText/fmtTime/markdown 渲染)、MODES、全局state、视图/模式切换、头部阶段徽标(仅 advising 显灯泡小图标,SSEphase/status驱动)。js/chat.js—— 消息渲染(气泡/思考面板/工具卡)、历史懒加载分页、滚动跟随与回底、typing。js/sessions.js—— 会话列表(抽屉)、打开/新建/重命名/删除、SSE 静默看门狗与后台挂起、phase-bar、定时任务、上下文压缩。js/stream.js—— 发送、SSE 流式渲染(delta 合帧/工具早卡)、消息复制、全屏查看器。js/files.js—— 输入区、任务文件面板(树/选择/下载/拖拽调高)、大图压缩与上传卡片、抽屉与滑动手势。js/settings.js—— 设置区全部(页面栈/账户/服务/config 编辑器/技能/模型池/MCP)及window.sUI/window.mcpUI对外接口;文件尾是全局初始化段(load 时直接调bindChatScroll()/openDrawer()/loadSessionList()等),必须最后加载。
新增模块或调整顺序时注意保持与上表一致的加载序(末尾初始化依赖前面所有文件)。login.html 单独登录页。sw.js 是 service worker:/api/* 与 SSE 直接放行;HTML/CSS/JS 网络优先(改完刷新即生效);图片/JSON 缓存优先(改动需升 CACHE_VERSION)。
前端用 EventSource 订阅 GET /api/sessions/:id/stream;消息体默认 Content-Type: text/event-stream,nginx-proxy 必须 proxy_buffering off 才能实时下发。
9. 配置
详见 app/config.example.yml(core 专属;字段与 server/config.js 的 DEFAULTS 一一对应;顶层 config.yml 由 scripts/init.sh 生成或手建,已 gitignore)。要点:
platforms[].keys[].models[]—— 三层层级。内部唯一键 =平台名/模型id(用于历史会话回绑、用量统计),改名等于重建其下所有模型。model_profiles(顶层)—— 多套可复用的 prompt+tools 组合({tools_allow?, tools_deny?, system_prompt_file?});模型层用profile: <名>引用,不配 = 默认全量(仍受顶层tools_deny屏蔽)。内置advising/lab/zero三套默认组合,可用同名覆盖;advising不经模型引用——会话处于顾问阶段时强制命中(见 §4.1 phase 状态机)。元工具自测/纯文本场景用,详见 §5.8;运行期手动切换已全部移除(消息级参数与会话绑定均废弃)。agent.max_tool_iterations(默认 100)—— 单轮迭代上限(含工具调用),到顶自动停止并提示用户继续输入。terminal.max_output_chars(默认 10000)—— AI 看到的命令输出上限;executor 侧另有EXECUTOR_MAX_OUTPUT_CHARS=200000兕底。fetch.timeout_ms(默认 30000)/fetch.max_bytes(默认 1MB)—— 网页抓取的全生命周期超时与流式抓取字节上限(超限即断开;下载不占上下文,保持宽松)。fetch.max_chars(默认 12000)/fetch.max_chars_hard(默认 64000)—— 回给模型的字符返回窗(与下载上限解耦);模型可传max_chars放宽到硬帽,超窗尾部提示offset,续读走回合缓存不重抓(见 §5.4)。fetch.allow_private(默认 false)—— SSRF 防护开关:目标主机名解析到回环/私有/链路本地地址即拒抓(重定向逐跳复查);确需抓内网服务才显式开 true。skills.skills_root—— 缺省取workspace_root的同级skills/。—— 已废弃(旧版保持租约:held 到期自动释放);新调度下 key 不独占、不排队,held 不再到期,字段仅为旧配置解析兼容保留。model_hold- 上下文压缩 —— 无配置项:压缩回合沿用当前 profile 的 system prompt(无 profile = 默认模板)+ 正常历史,末尾追加一条 user(固定模板
server/templates/prompt-compress.txt原文),该回合不传 tools;调整压缩策略直接改该文件。 - 会话标题自动生成 —— 无配置项:每回合结束(
finalize成功分支)过门槛才触发,防「你好」开局把题定了:①本轮真实执行过工具(run.toolWorked,errAck 批不算)即立题;②零工具纯聊由历史现推(无计数器,重启/压缩免疫):非注入 user 正文行(type IS NULL,[CTX] 各段与 task_brief 天然排除)≥3 条且总字数 ≥30。触发后用会话当前 model_id 发一次不带 system、不传 tools 的标题请求(历史 user/assistant 原文,注入行不进——llm.titleMessages白名单只留 null/summary/task_brief;末尾追加模板server/templates/prompt-title.txt作 user,{{language}}填agent.language);结果清洗后写入sessions.title并 SSE 推title事件。失败静默(title 仍空,下个回合结束自动重试);已有标题(建会话时填写、handoff 顾问自写或手动重命名 title_locked)不覆盖——阶段切换的「过程题→任务书题」升级由 toolHandoff 的 title 参数直写完成,非自动重生成。 auth.users—— 明文密码配在配置里(自用场景);secret留空则随机生成(重启掉登录态,建议固定随机串)。mcp_servers[].enable: false—— 启动不加载该服务(配置保留),其余工具不受影响。mcp_servers[].timeout_ms—— 该服务单次tools/call的最大等待,默认 60000(夹在 1s~10min);工具发现/握手用固定 15s,不受本项影响。mcp_servers[].tools_allow/tools_deny—— 发现阶段的工具名单(字符串数组,按服务端原始名):allow 白名单,deny 在其后叠加(deny 优先);用于压低发给模型的工具数(如浏览器类服务)。- executor 接线 —— 不占配置字段,纯 env(compose 从根 .env 注入
EXECUTOR_URL/EXECUTOR_TOKEN;未注 = 本地 spawn,单机调试形态);executor 进程不读本配置文件,日志等级走EXECUTOR_LOG_LEVEL。 - 微信接入(§5.13)—— 不占 config.yml 字段(wxbot 已是栈内组件):接线纯 env,
WXBOT_URL(缺省http://wxbot:8093;根 .env 显式置空 = 微信入口整体静默关闭)与WXBOT_TOKEN(init.sh 生成/复用,同一值注进 core 与 wxbot 两侧双向互信;未配 = 关闭)。旧 config.yml 里的wxbot:段直接忽略。
10. 关键流程
10.1 用户发消息到 AI 回答的完整链路
sequenceDiagram
participant U as User
participant F as Frontend
participant R as routes/messages
participant E as engine
participant L as llm
participant M as Upstream
U->>F: 输入文本/附件
F->>R: POST /:id/messages {content, attachments, deepThink}
R->>E: postUserMessage
Note over E: saveMessage(user) +<br/>保绑定、转 active、立即开跑
E-->>R: {message_id, delivered}
R-->>F: {message_id, delivered}
par SSE 流
F->>R: GET /:id/stream
R-->>F: event: status
and 主循环
E->>E: runLoop → runLoopInner
loop max_tool_iterations
E->>L: buildMessages + callModel
L->>M: POST /chat/completions (SSE)
M-->>L: data: {choices:[{delta:{content,tool_calls}}]}
L-->>E: onText / onTool / onReasoning
E-->>F: event: assistant_delta / reasoning_delta
alt 工具调用
E->>E: checkToolArgs + unwrap
E->>E: executeTool
E-->>F: event: tool_call → tool_result
else 收尾
E-->>F: event: assistant_message → done
end
end
end
10.2 命令 / 技能走 executor 的路径
sequenceDiagram
participant AI as AI tool call
participant EX as tools/executor
participant RX as remote-exec
participant XS as agent-executor
participant SH as /bin/sh
AI->>EX: terminal({command, timeout_ms})
EX->>RX: run(cfg, {command, cwd, timeout_ms, run})
RX->>XS: POST /exec (Bearer token)
XS->>SH: spawn detached
XS-->>RX: SSE start
loop 数据流
SH-->>XS: stdout/stderr chunk
XS-->>RX: SSE out/err
RX-->>EX: 累积 out
end
alt 30s 到 / 用户取消
XS->>SH: SIGKILL(-pid)
XS-->>RX: SSE exit
end
RX-->>EX: {code, killed_by, out, truncated}
EX-->>AI: truncate(组装, max_output_chars)
10.3 登录
sequenceDiagram
participant U as User
participant A as auth.js
participant M as auth.middleware
U->>A: POST /api/login {user, password}
A->>A: timingEqual(密码)
A-->>U: 200 Set-Cookie: agent_token=<HMAC>+ JSON {user, token}
Note over U: localStorage 存 token(APK 兜底)
U->>M: GET /api/* (Cookie;curl/脚本用 Authorization: Basic)
M->>M: parseCookie / readToken / timingSafeEqual
M->>M: req.user = username
M-->>U: 业务路由
Note over U,A: cookie 丢时,APK 用 localStorage token 调 /api/login_restore
U->>A: POST /api/login_restore (Bearer)
A-->>U: 200 Set-Cookie(重新签发)
11. 扩展点(修改代码时按这里定位)
11.1 加一个内置工具
- 在
app/server/tools/definitions.json末尾追加 OpenAI function 定义。 - 在
app/server/tools/executor.js的HANDLERS表加一行name: handlerFn;按需实现文件路径校验(用resolveInTask防穿越)。 - 若要走 executor(比如执行命令),参
terminal模板用rexec.isRemote分流。 definitions.json的description是给模型看的"何时用、怎么用",写清楚边界(输入/输出/限制)。- 跑
npm test验证。
11.2 加一个技能
- 在
skills/<name>/建目录,写SKILL.md(含 YAML front mattername/description/input_schema)+run.py或run.sh。 - 入口脚本约定:唯一 argv =
'<JSON 字符串>'(含全部input_args)。 - 路径类参数会被
absolutizeArgs自动按任务目录转绝对;如需输出到特定位置,传output/dest/target之类的 key 名触发"目录型参数"启发。 - 依赖:
requirements.txt(pip)或install.sh(系统级)放同目录;镜像缺的包在启动时由agent-executor-init装进deps/(改完依赖跑docker compose up -d,不用重建镜像),install.sh与.deps_installedmarker 也在那里维护。 - 改完文件后 无需重启——
routes/skills.js的refreshSkillPrompt()会重建 system prompt 段落。
11.3 加一个 MCP 服务
直接改 config.yml 的 mcp_servers 数组加一项 {name, url, headers, enable?, timeout_ms?, tools_allow?, tools_deny?}。重启生效。enable: false 的服务不加载工具(配置保留),单服务失败只 warn 不影响其他。timeout_ms(默认 60000,夹在 1s~10min)是该服务单次 tools/call 的最大等待。tools_allow/tools_deny 可按原始工具名只放行要用的那几个(见 §5.3)。
11.4 加一个模型 / 平台
改 config.yml 的 platforms:加新平台 {name, url, type, keys:[{api_key, models:[{id, display_name, vision?, enable?, extra_params?, thinking_params?}]}]},或在已有平台加新 key/新 model。重启生效。enable: false 的模型不进模型池;vision 缺省开启(现在模型基本都带视觉),不支持的模型显式配 vision: false。小模型可加 profile: <名> 引用顶层 model_profiles 的 prompt+tools 组合(见 §5.8)。
模型内部唯一键 = 平台名/模型id(用于历史回绑、token 用量统计)—— 重命名平台等于重建其下所有模型。
11.5 加一个 HTTP 路由
app/server/routes/ 新建文件,导出 express.Router;在 server.js 的 app.use('/api/...', ...) 挂载。要走认证中间件就放在 auth.middleware 之后(已经是默认行为——除 auth.router 里白名单的路径)。
11.6 加一个平台类型(余额查询)
app/server/balance.js 的 ADAPTERS 加一项 async (p, k) => balanceInfo。types() 自动暴露给前端设置页。
11.7 加一个"用户进入"/"AI 动作"日志
统一走 log.info(category, message),category 用短标识(task/msg/model/file/sse/config/auth/mcp/skills/tool/startup/system/engine/scheduler)。log.setLevel(cfg.log_level) 控制阈值;debug 级别会被多打几项(如 SSE 帧、tool 参数/结果)。
12. 约定(修改时遵守)
12.1 日志
require('./log')拿全局 logger;四档debug/info/warn/error,外加none全静默。- 调用形如
log.info('category', '具体消息')(category 走 SSE meta 不发,仅做过滤标签)。 - 关键动作
info;可预期的异常状况warn(如失败登录、401 token 缺失、MCP 工具发现失败);未预期异常error(spawn 失败、runLoop 异常)。 - Error 对象等原生参数透传
console走util.format,不会被字符串化。 - 等级通过
config.yml的log_level注入(冷加载,需重启)。
12.2 错误处理
- 业务异常走
throw Object.assign(new Error('...'), { status_code: 4xx });路由层wrap(fn)的sendErr读err.status_code设响应码。 - 工具内部异常被
executeTool捕获包成Error: <msg>字符串作为 tool 回执(is_error=true),不会冒泡。 - async 路由返回 Promise 时
wrap会catch→sendErr。 - 不要在异步循环里吞错(除非明确是预期情况)—— 该 warn 的 warn、该 error 的 error。
12.3 路径安全
- 所有用户可传入的路径都必须经
resolveInTask(taskDir, relOrAbs)校验落在任务目录之内(含根),不允许..穿越。 - 技能文件管理(
routes/skills.js)走safeRel(path.posix.normalize+ 拒绝../前缀 + 拒绝绝对路径)+absInSkill(解析后必须以技能目录开头)。 terminal命令的cd同样经resolveInTask校验。
12.4 异步 / DB
better-sqlite3同步 API,单进程内无竞争("JS 单线程 + 同步 DB"在头注释里也强调了)。- 异步用
async/await;setTimeout/setInterval走定时器(scheduler 的轮询 timer、自动压缩宽限期 timer 均调unref()不阻止进程退出)。 - 写库用
db.prepare(...).run/get/all;复杂查询写prepare一次复用。
12.5 进程组 / 取消
- 任何
spawn派生的进程(terminal本地、skill 本地、pip install)都用detached: true+process.kill(-child.pid, 'SIGKILL')杀进程组,确保cat | grep这样的管道命令连子子孙孙都死。 remote-exec的远端进程由 executor 端做同样的进程组 kill。- 远端句柄用
run.procs.add({remoteKill() {...}})注册,killRunProcs识别后调remoteKill()(不能本地 kill)。
12.6 注释 / 语言
- 代码注释、log 消息、SSE 用户可见文案、路由错误消息——统一中文(README、模板除外)。
- system prompt、工具 description、definitions.json——英文(给模型看的,跨模型兼容)。
- 注释风格:函数顶部 1-2 行说明做什么 + 为什么(不只 what),关键边界条件点出来(如
run.cancelled = true是停止的最终信号)。
12.7 命名 / 风格
- 模块名小写蛇形;函数 camelCase;常量 UPPER_SNAKE。
async/await+try/catch为主,少用.then()链。- 中文标点(
,。():)为主,但代码标识符一律英文。 - 状态机用
s.status、run.looping这样的对象属性 + 注释说明约束。
13. 测试
app/test/smoke.js—— 端到端冒烟:mock 上游 + 真 server,覆盖创建/绑定/对话/工具调用/阶段/终止/排队/文件 API 等 68+ 用例。npm test跑。app/test/remote-exec.test.js—— 集成测试:起真 executor,调 core 的 terminal/skill 走远端。app/test/dep-check.js—— 依赖完整性。app/test/mock-upstream.js—— 测试用假 LLM。executor/smoke-test.js—— executor 自身冒烟(cd executor && node smoke-test.js)。
测试配置隔离 data_root(app/test/config.test.yml),不会污染生产数据。
跑测试前要确认端口 8099/9999 未被占用(pkill -f "test/(mock-upstream|server.js)")。
14. 常见陷阱
-
改了
config.yml没重启 —— 配置是冷加载。改完要走POST /api/system/restart(或 docker compose 重启),不能热生效。 -
路径穿越 —— 任何用户传
path都要resolveInTask,否则../../../etc/passwd就能读出去。 -
跨平台路径 —— Windows/macOS 路径分隔符差异:
resolveInTask用path.resolve适配本地;技能内部用path.posix.normalize(强制 POSIX 风格)。 -
session.id 序号不复用 ——
genTaskId取历史最大 +meta.task_seq取大;删会话后序号不回收。 -
held 的语义 —— held = 「回合已收尾,绑定持续展示」,无排队/租约含义、不会自动到期;completed = 手动「断开」,cancelled = 手动终止;三态 UI 仍需区分,但都不影响模型可用性(key 共享)。
-
errAck 误判 —— 弱模型会把参数多包一层
{"arguments":{...}},unwrapToolArgs自动解包;checkToolArgs只看 required 字段是否在顶层。 -
图片上下文省钱与防循环 ——
lastAssistant之前的图发请求时被换成文字描述(DB 存全量,UI 历史重渲染仍能看图;要看原图可read_file重读,新回执会重新投递)。两条铁律(线上死循环实测复盘):① tool 回执夹图会被兼容差的上游静默吞掉,必须走批次后user合并消息;② 上游对 user 合并形态(单消息多图、公网外链、attachment 响应头、自签 https)经探针矩阵实测全部兼容——"多张看不见"的真凶是 tool 夹图时代与弱模型行为惯性,不是多图限制;对策 = 同回合同图去重 + 不催促重读文案 + 合并消息「先逐张简述再继续」送达自检。诊断三源交叉:log.debug('req', 发送形态...)看拼没拼上图、public-file 外部取用日志看上游拉没拉、usage.pt 增量(每图数百~1024 tok)看图进没进上下文。 -
SSE 被 nginx-proxy 缓冲 —— 必须
proxy_buffering off;否则assistant_delta攒到响应结束才一次性下发,体感卡死。 -
cookie 兜底(APK 场景) —— WebView 杀进程后 cookie 不一定落盘,登录响应回
token让前端存 localStorage,下次冷启动调/api/login_restore恢复。 -
MCP session 过期 —— 第一次
tools/call可能 400 + 含 "session",mcp.js自动重 initialize 后重试一次;日志会打 warn。 -
Executor 截断不中断 —— stdout 撞
EXECUTOR_MAX_OUTPUT_CHARS后只停止 SSE 推送,仍持续消费管道(防子进程 pipe 满阻塞),truncated=true在 exit 帧带回。所以cat /dev/urandom这类命令即使输出无限也不会卡死,只是烧 CPU 到timeout_ms触发 SIGKILL。 -
任意时刻发言都立即开跑 ——
postUserMessage除回合正在跑外不排队不分状态,保绑定后直接runLoop(delivered恒 live);原模型被配置改动失效时ensureBinding自动改选(优先原平台),日志有「原绑定失效…自动改选」一行。 -
模型 tool_calls 不带 id ——
runLoopInner兜底补'call_' + 随机串(与tool_call_id落库一致,buildMessages按 id 配对丢弃 errAck 关联回执)。 -
编辑 SKILL.md 不会立即生效 —— 不需要重启,但需要
routes/skills.js的refreshSkillPrompt()异步重建 system prompt 段落(fire-and-forget,扫描失败不影响 API 响应)。 -
pids_limit与ulimit区别 —— 前者是 cgroup pids 控制器算整个容器的进程+线程;后者是 per-processRLIMIT_FSIZE等。被杀时 OOM kill vs SIGXFSZ 行为不同。 -
浏览器内双凭据身份分裂 —— 前端
req()曾附加 sessionStorage 里的 Basic 头兜底 cookie,但 sessionStorage 按标签页隔离、刷新后残留(新标签页不继承,复制标签页则继承),cookie 是浏览器全局:A/B 切号登录后刷新旧标签页,会出现/api/me(读 cookie)是 A、会话列表(Basic 优先于 cookie)是 B 的不一致,SSE(EventSource 只能带 cookie)又跟着 A。现已统一:浏览器身份只认 cookie(req()不带 Basic 头,登录页不再存明文口令),服务端authUser也是 cookie 优先;Basic 仅供 curl/脚本无 cookie 时使用。 -
微信功能必须静默降级 —— wxbot 是可选依赖:未配置/未启动/网络断开时,core 启动与 Web 主流程必须零报错(restore 只留日志、外呼失败只 warn、设置页自动隐藏入口);改 wechat.js 时不得引入任何会冒到主流程的同步抛错或未 catch 的 promise。
15. 进一步阅读
README.md—— 设计文档(API 设计、SQLite 表结构、任务目录结构、Agent 主循环伪代码、Zed 风格工具定义全集)docs/DEPLOY.md—— 部署(Docker,IP:端口直连;外部网络、配置绝对路径、SSE 缓冲坑)docs/v2-develop.md—— v2 移动单聊视图app/config.example.yml—— 配置模板(字段与DEFAULTS一一对应,每个字段一行注释)app/server/templates/profile-default.txt—— AI system prompt 全文executor/server.js头注释 —— executor 协议、安全约束、日志/资源护栏一览