YunShu/docs/taolun.md

# 讨论历史

## 2026-05-07 项目启动与架构设计

### 背景
用户有一个 `MSN天气API探索报告.md` 文档，记录了通过抓包发现的微软 MSN 天气内部 API（`assets.msn.cn`），该 API 国内访问速度快，数据完整（温度、湿度、风速、AQI、紫外线等），但属于非公开接口，无 SLA 保证。

### 目标演变
1. **最初目标**：做一个"天气情报官" agent，后期结合 TTS 和 ASR 实现语音查询播报
2. **深化**：用户想从 0 实现一个类似 opencode 主-从架构的个人 AI 助理，解决现有单 agent 框架（zeroclaw/picoclaw）的痛点：上下文污染、工具执行懒惰、skill 效果差
3. **当前范围**：先做一个最小化的 CLI 天气查询工具，验证 .md 外挂 agent 定义 + session 会话管理 + 工具注册表机制

### 架构决策

#### 为什么不用现有框架（LangChain 等）
- 核心创新是 .md 文件即 agent 定义，与任何框架都耦合不上
- 自实现核心 ~500 行，无外部依赖包袱

#### Agent 定义格式（仿 opencode）
- YAML frontmatter + Markdown body
- frontmatter 字段：name, description, type, tools, permission
- body 即 system prompt，定义角色行为

#### Session 会话机制
- `session.json` 文件存对话历史，格式兼容 OpenAI Chat Completion API messages 数组
- 每次启动清空，每轮对话追加
- 追问时 LLM 自动判断是否需要重新调 API（数据过期/不同城市）
- 通用设计，后续 master-subagent 架构也可复用

#### LLM 提供商
- 用户提供豆包（火山引擎）API：`https://ark.cn-beijing.volces.com/api/v3`
- 模型：`doubao-seed-2-0-pro-260215`
- 环境变量可配置：`LLM_ENDPOINT`, `LLM_MODEL`, `LLM_API_KEY`

### 工具系统
- 声明式注册：`tool.go` 注册工具，`.md` 文件声明即可用
- 内置工具：`http-get`, `skill`, `read-file`
- skill 工具按需加载，不预置到 system prompt

### Windows 编码问题
- PowerShell 输出编码为 GB2312，Go 输出 UTF-8 导致中文乱码
- 通过 `kernel32.SetConsoleOutputCP(65001)` 设置控制台 CP 为 UTF-8
- 在 PowerShell 中需额外执行 `[Console]::OutputEncoding = [Text.Encoding]::UTF8`

### 项目结构（最终）
```
weather/
├── main.go                    # CLI 入口
├── types.go                   # 核心类型
├── loader.go                  # .md 解析 + skill 加载
├── llm.go                     # LLM API 封装（默认豆包）
├── tool.go                    # 工具注册表
├── runtime.go                 # agent 循环 + session
├── agents/
│   └── weather-agent.md       # 天气情报官定义
├── skills/
│   └── msn-weather-api/SKILL.md
├── data/
│   └── cities.json            # 42 个中国城市
├── taolun.md                  # 本文件
├── changelog.md               # 版本变更
└── agents.md                  # 编码规范
```

### 验证结果
- 单次查询：`.\weather-agent.exe "北京今天天气"` → 成功返回温度、湿度、AQI 等
- 交互模式：启动后连续追问 → `session.json` 记录历史，LLM 基于上下文回答"适合穿什么"
- 豆包 API 工具调用正常：自动读取 cities.json → 调 MSN API → 分析输出

---

## 2026-05-07 项目重命名与配置体系

### 变更
1. **项目重命名**：`weather-agent` → `weather-cia`（CIA = 天气情报官）
2. **配置体系**：`~/.config/weather-cli/config.yaml` 统一管理 LLM 配置
3. **初始化方式**：`weather-cia onboard` 交互式向导，替代手动写配置文件
4. **双路径搜索**：项目目录优先 + `~/.config/weather-cli/` 后备

### 关键决策
- **用 config.yaml 而非 .env/.secret**：YAML 风格与 agent 定义一致，API Key 用 0600 权限保护
- **配置优先级**：环境变量 > 配置文件 > 默认值（`init()` 中依次加载）
- **`onboard` 子命令**：交互式 TTY 输入，自动复制默认 agents/skills/data 到全局目录
- **搜索路径**：`SearchFile()` 统一管理，开发者用项目文件，用户用全局配置

### 验证
- `weather-cia onboard` 成功创建 `~/.config/weather-cli/config.yaml`
- `weather-cia "北京今天天气"` 无需环境变量，直接读取配置文件中的豆包 key 并成功返回天气数据
- 全局配置目录自动包含 agents/、skills/、data/ 的完整副本

---

## 2026-05-07 架构分离：Agent Skill vs 普通 Skill vs Tool

### 背景
参考了 picoclaw 的 weather skill 设计，对比发现：
- picoclaw 的 skill 写得很完整（含验证规则、边界情况）
- 但我们的 `weather-agent.md` 之前 inline 了大量 API 细节 → 和 picoclaw 一样污染上下文

### 决策：三层分离

| 层 | 文件位置 | 加载时机 | 上下文影响 |
|---|---------|---------|-----------|
| **Agent skill** | `agents/weather-agent.md` | 启动即加载为 system prompt | **全程** |
| **普通 skill** | `skills/*/SKILL.md` | LLM 调用 `skill("name")` 时 | **仅该轮对话** |
| **Tool** | `src/tool.go` 注册 | 预声明，LLM 调用时执行 | **仅返回结果文本** |

### 具体改造

1. **新增 `geocode` tool**（Go 代码）：
   - 输入城市名，调 wttr.in `?format=j1` 解析 JSON
   - 返回 `{lat, lon, name, country}` 结构化数据
   - 确定性执行，比 LLM 自己构造 URL 解析 JSON 更可靠

2. **新建 `skills/geocoding/SKILL.md`**：
   - 纯知识：wttr.in 查询格式、JSON 解析路径
   - 验证规则：同名城市检测、country 核对、population 排序

3. **精简 `agents/weather-agent.md`**：
   - 去掉所有 MSN API URL、apiKey、请求头、JSON 路径等内联知识
   - 改为行为描述：识别城市 → geocode → skill("msn-weather-api") → http-get → 分析
   - 从 65 行缩减为 40 行，只留行为逻辑

4. **session 移至 `~/.config/weather-cli/session.json`**

### 结果
- Agent skill 保持瘦身，system prompt 不膨胀
- 知识按需加载，用完即走，不残留上下文
- Tool 执行可靠，不依赖 LLM 的 JSON 解析能力
- 三种内容互不干扰，为后续主-从架构打下基础

---

## 2026-05-07 项目更名：云枢·Agent

### 变更
1. **正式命名**：云枢·Agent（YunShu / yunshu）
   - 坐看云卷云舒，静听花开花落
2. **配置目录迁移**：`~/.config/weather-cli/` → `~/.config/yunshu/`（自动迁移）
3. **二进制名称**：`yunshu`
4. **架构白皮书**：`~/Desktop/yunshu-architecture.md`

### 设计理念
"云枢"二字呼应了项目作为 AI 助理"中枢调度"的定位——云是分布式的、流转的，枢是枢纽、核心。后续主-从架构中，master 负责调度、subagent 各司其职，恰如云卷云舒。

---

## 2026-05-09 Markdown 渲染器重构 + 终端输入修复

### 背景
原本的 `pkg/mdprint/mdprint.go` 是"一行流"渲染——读取 Markdown 文本后直接正则/字符串匹配输出 ANSI。问题：heading 和后续 paragraph 无法正确分离，`#### 标题\n正文` 导致正文也被染上 heading 颜色。

### 方案：OOP 风格 AST 架构
将 `pkg/mdprint/` 拆分为多文件，各司其职：

| 文件 | 职责 |
|------|------|
| `mdprint.go` | `Node` 接口 + 所有块级/行内类型定义 + `Print()` 入口 |
| `parse.go` | 状态机块级解析器 `parseBlocks` |
| `inline.go` | 递归行内解析器 `parseInline` |
| `render.go` | `renderNode` type switch 渲染器 |
| `mdprint_test.go` | 单元测试（待加） |

### AST 类型设计
```
Node interface
├── Heading{Level, Content}    → `#### 标题`
├── Paragraph{Content}         → 普通文本块
├── CodeBlock{Lang, Body}      → ```fenced```
├── Blockquote{Children}       → > 引用
├── List{Ordered, Items}       → - / * / 1. 列表
├── ListItem{Checked, Content} → 含 checkbox 支持
├── Table{Headers, Rows}       → `| H1 | H2 |`
├── ThematicBreak{}            → ---
├── Text{Text}                 → "纯文本"
├── Bold{Content}              → **bold**
├── Italic{Content}            → *italic*
├── Code{Text}                 → `code`
└── Link{Content, URL}         → [text](url)
```

### 解析器流程
1. `Print(content)` → 按 `\n` 分割为 lines
2. `parseBlocks(lines)` → 逐行状态机，识别 heading / code fence / quote / list / table / thematic-break / paragraph → 输出 `[]Node`
3. 块内文本调 `parseInline()` → 递归扫描，识别 `**`/`*`/\`\`/`[]()` → 输出 `[]Node`
4. 遍历 `[]Node` 调 `renderNode()` → type switch 分发 → `strings.Builder` 拼接
5. `fmt.Print` 输出

### 关键修复
- Heading 和 Paragraph 是独立 AST 节点，heading 后的文本永远归 Paragraph，不会再染上 heading 颜色
- 块级解析器在 heading 行后自动切 paragraph，无需 blank line 分隔
- 代码 fence 用状态机追踪开闭

### 终端输入修复（2026-05-09）
- **Root cause**：Windows 控制台处于 character mode（`ENABLE_WINDOW_INPUT`），导致 `bufio.Scanner` 和 `ReadString` 均无法获取行输入
- **修复**：`ensureLineMode()` 在每次读之前调 `GetConsoleMode` + `SetConsoleMode` 设置为 `ENABLE_LINE_INPUT | ENABLE_ECHO_INPUT | ENABLE_PROCESSED_INPUT`
- `ReadLine()` 改为 `bufio.NewReader(os.Stdin).ReadString('\n')`（每次新建 reader），避免 Scanner 的缓冲区冲突
- ANSI 样式在所有提示符和状态指示器上恢复正常显示

### 当前进度（后续完成）
- 2026-05-09 补充完成：`inline.go` + `render.go` + `mdprint_test.go`
  - 行内解析器支持 `**bold**` / `*italic*` / `` `code` `` / `[link](url)`，递归嵌套
  - 修复：未闭合分隔符死循环、代码 fence 不识别语言标识

---

## 2026-05-09 标题视觉系统 + 真彩色支持

### 背景
Markdown 渲染器完成 AST 解析后，需要确定标题的终端展示风格。最初方案是保留 Markdown 的 `#` 前缀，但用户反馈效果不好。

### 标题样式演进
1. **最初**：`#` 前缀 + ANSI 颜色 → 用户觉得不好看
2. **方案 A**：去掉 `#`，用 `▎` 色块 + 加粗文字 → 讨论中用户提出 `▪`/`▫` 符号更好
3. **方案 B**：H1-H3 用 `▪` + 空格，H4-H5 用 `▫` + 空格，H6 纯加粗 → 用户确认
4. **配色**：黄色/红色保留给重要信息，排除后从青/蓝/绿/品红/白中分配
5. **最终使用真彩色**：用户要求莫奈（印象派）配色，现有 8 色 ANSI 无法满足

### 最终标题配置
| 级别 | 符号 | 色值 | 色名 |
|------|------|------|------|
| H1 | `▪ ` | `#6B8E9B` | 雾蓝灰 |
| H2 | `▪ ` | `#89A894` | 鼠尾草绿 |
| H3 | `▪ ` | `#A6C0B5` | 薄荷青 |
| H4 | `▫ ` | `#C3B1BD` | 淡紫粉 |
| H5 | `▫ ` | `#7B8E8A` | 暖灰绿 |
| H6 | 无 | Dim | 浅灰 |

### 排版规则
- 所有标题前插一个空行
- 1 级标题前后各插一个空行
- `---` 横线前后各插一个空行
- 输出末尾统一加空行
- 交互模式：输入与响应之间插空行，响应与下一轮 `❯` 之间插空行

### 真彩色支持方案
- `pkg/style/style.go` 新增 `FgHex()` / `BgHex()` 方法
- 输出 `\033[38;2;R;G;Bm` 格式的 24-bit 真彩色序列
- 底层复用 `codes []string`，`Render()` 零改动
- 旧 `Fg(Color)` 8 色 API 完全兼容，不破坏已有代码

### 验证
- 19/19 单元测试通过
- 构建成功，二进制运行正常

---

## 2026-05-11 会议室架构：从单 Agent 到主-从调度

### 背景
用户发现 `weathertrends` 接口失效，逐小时数据缺失。在排查中意外发现 `hourlyforecast` 端点存在且正常工作，文档之前遗漏了。同时回顾了与天气 Agent 的对话，发现 Agent 汇报 MSN 接口"国内城市不可用"的判断有误——实际 `assets.msn.cn` 按经纬度查一直正常，Agent 用的是 `api.msn.cn` 城市名接口（其文档本就标注"北京返回了也门萨那"）。

这暴露了单 Agent 架构的局限性：Agent 的自我判断不可靠，上下文一多就容易出偏差。

### 讨论历程

#### 从"PicoClaw 为什么崩"出发

| PicoClaw 痛点 | 原因 |
|--------------|------|
| 上下文污染 | 所有知识/工具/历史全混在同一个 system prompt |
| Skill 污染 | skill 内联大量技术细节，退化为长 prompt |
| 逃避执行 | LLM 倾向"自己回答"而非调工具 |
| 扩展困难 | 加能力 = 改代码或改长 prompt |

用户想从 0 实现一个干净的架构，先在云枢上验证，再移植到 HxClaw（河虾Claw）。

#### 方案演进

| 轮次 | 方案 | 问题 |
|------|------|------|
| 1 | CLI 切换主 Agent（`--agent weather/earthquake`） | 家庭用户记不住命令，跨域查询（火山附近天气）没法做 |
| 2 | 唯一对话入口 + task 调度子 Agent | 但担心记忆管理和上下文混乱 |
| 3 | 命名空间隔离记忆 | 无法共享用户画像（住通州 → 查地震也要知道住通州） |
| 4 | **会议室模式**（最终方案） | 共享黑板（记忆）+ 主持者 + 发言人，角色隔离而非数据隔离 |

#### 关键设计决策

1. **主 Agent 即对话 Agent**（`type: main`），用户唯一入口，扮演"个人助理"角色
2. **子 Agent**（`type: sub`）是领域专家，被 `task` 工具调才说话，不直接面对用户
3. **`task` 工具**负责：加载子 Agent → 查/写缓存 → 调子 Agent LLM → 返回文本
4. **Cache 机制**：Frontmatter 声明 `cache.keys`，`task` 工具机械化拼 key、查/写文件
5. **记忆管理员**（`memory` 子 Agent）：负责从对话中提取用户画像，写入记忆数据库
6. **所有子 Agent 回答经过对话 Agent 返回给用户**，保持单一入口

#### 最终角色定义

| Agent | type | 职责 | 工具 | 缓存 |
|-------|------|------|------|------|
| dialog | main | 入口 + 聊天 + 调度 | `task`, `memory.read/write` | 无（本身就是对话历史） |
| weather | sub | 查天气 | `http-get`, `geocode`, `skill` | `keys: [city, forecast_type]`, ttl: 7200 |
| earthquake | sub | 查地震 | `http-get`, `skill` | `keys: [region]`, ttl: 300 |
| memory | sub | 管理画像/长期记忆 | 读 memory.db | 无 |
| narrator | sub（成熟期） | 格式化回答 | `memory.read` | 无 |

#### Cache 设计

```json
// ~/.config/yunshu/cache/weather.json
{
  "<hash_of_keys>": {
    "created_at": "2026-05-11T06:00:00+08:00",
    "ttl": 7200,
    "data": {...},         // 原始 API 数据
    "raw": {"city": "北京", "forecast_type": "today"}  // 原始参数
  }
}
```

- 子 Agent 每次回答末尾可选带 `---CACHE---` + JSON（只在数据更新时带）
- `task` 工具查缓存：HIT → 把 `cache.data` 作为 `cache_data` 传给子 Agent；MISS → 子 Agent 自己查 API
- 一个 Agent 一个缓存 JSON 文件，里面一个 map，key 是 hash

#### 会话存储

| 类型 | 位置 | 内容 | 生命周期 |
|------|------|------|---------|
| 对话历史 | `session.json` | 只存 user <-> dialog 的消息 | 每次启动清空 |
| 子 Agent 内部 | 临时 | tool_calls、LLM 调用 | 用完即毁 |
| 长期记忆 | 记忆数据库 | 用户画像、偏好、异常记录 | 持久 |

#### 对比结论

| | PicoClaw | 新方案 |
|---|---|---|
| 架构 | 单 Agent 全能 | 1 主持 + N 领域专家 |
| 上下文 | 全混在 system prompt | Host 只有人格+调度，Sub 只有领域 |
| 扩展 | 改代码或改长 prompt | 加一个 `.md` 文件 |
| 记忆 | 无 | 共享黑板，Memory Agent 管写入 |
| 工具污染 | 所有工具混在一起 | 按角色过滤 |
| 失败影响 | 一个坏 tool_call 可能污染全部 | 子 Agent 用完即毁 |

---

## 2026-05-16 多步骤编排与文档更新

### 背景
用户提出真正想要的场景是"我要去北京" → 主 Agent 自动理解需要查天气、交通、住宿，依次调不同子 Agent，综合回答。当前 runtime 用 `capturedOutput` 覆写机制，子 Agent 结果被截走，主 Agent 没机会继续推理。

### 讨论：跨 Agent 数据传递

用户提出：opencode 可以在同上下文中切换不同 agent 继续工作，YunShu 是否也可以？

经过分析，结论：
- `task` 工具调用子 Agent → 子 Agent 返回 TEXT → 普通工具响应，可以留对话上下文
- 主 Agent 看到结果后，可以决定再调另一个子 Agent，也可以直接回答
- **唯一需要改的**：砍掉 `capturedOutput` 覆写，让 LLM 的自然循环接管

### 决定：移除 capturedOutput，启用多步骤编排

在 `runtime.go` 去掉约 5 行代码（`capturedOutput` 变量、覆写逻辑），然后：

- 主 Agent 的 LLM 可以连续调多个子 Agent（weather → train → hotel）
- 数据在步骤间通过对话上下文自然传递
- prompt 告诉 LLM：信息不够就继续调，够了就综合回答
- 单步骤查询（只要天气）行为不变——LLM 按指令直接输出子 Agent 结果

### 同步更新文档

| 文档 | 更新内容 |
|------|---------|
| `docs/architecture.md` | 工具列表、核心流程图、当前状态树 |
| `docs/会议室架构计划书.md` | 实现状态标记、多步骤编排章节、文件结构、调用示例 |
| `docs/AGENTS.md` | 工具注册规范改为 `NewTool[T]` 方式 |
| `docs/changelog.md` | 新增 2.0.0 版本日志 |
| `docs/taolun.md` | 追加本次讨论 |