YunShu/docs/AGENTS.md

编码规范

通用规范

• 全程使用中文书写注释、文档、沟通以及内部思考过程
• 所有代码必须包含详细的中文注释，说明函数功能、参数含义、关键逻辑
• Markdown 文件使用 # 标题层级，保持结构清晰
• 变量命名采用驼峰式，类型和函数首字母大写导出
• 同一个问题连续工作 3 次没有结论，立即退出并询问用户接下来怎么做

Go 代码规范

• 使用 package main 扁平结构（MVP 阶段），后续可拆分子包
• 错误处理：所有可能失败的操作必须检查 error
• 错误信息使用中文描述
• 导出函数（首字母大写）供包外调用，非导出函数（首字母小写）为内部实现
• HTTP 客户端设置超时（默认 15s），避免资源泄漏
• JSON 序列化/反序列化使用 encoding/json 标准库
• 终端颜色输出优先使用 pkg/style 包：
  • 8 色用 Fg(ColorXxx) / Bg(ColorXxx)
  • 真彩色用 FgHex("#RRGGBB") / BgHex("#RRGGBB")
  • 所有通配 .Render(text) 生成 ANSI 转义序列

Agent 定义规范（.md 文件）

• 必须包含 YAML frontmatter（以 --- 包裹）
• frontmatter 必需字段：name, description, type, tools
• type 可选值：main（主持者/对话 Agent，唯一入口）、sub（领域专家，被 task 调）
• cache 可选字段：ttl（过期秒数）、keys（从 args 中提取的缓存 key 字段列表）
• tools 为数组，声明 agent 需要的工具名（在 tool.go 中注册）
• body 为 system prompt，只定义行为逻辑（角色、工作流程、输出规范）
• 关键技术细节（URL、apiKey、请求头、JSON 路径等）不要 inline 在 agent skill 中，改为：
  • 放到 skills/*/SKILL.md 中，由 agent 调用 skill("name") 按需加载
  • 或注册为 tool（确定性操作），由 agent 声明 tools 即可调用
• session 文件存在 ~/.config/yunshu/session.json，不污染项目目录

主持者示例（type: main）

---
name: dialog
type: main
description: 个人助理，负责闲聊和调度
tools:
  - task
  - memory.read
  - memory.write
---

# 对话助理
你是用户的私人助理...

你可以调度以下子 Agent：
- weather: 天气查询
- earthquake: 地震信息

用 task("agent_name", {args}) 调度。
不自己回答领域问题。

子 Agent 示例（type: sub）

---
name: weather
type: sub
description: 天气查询专家
cache:
  ttl: 7200
  keys: ["city", "forecast_type"]
tools:
  - http-get
  - geocode
  - skill
---

# 天气专家
你是天气领域的专家。被调时才回答。

被调时你会收到：
- args: 查询参数
- cache_data: 上次缓存的原始数据（有则传，无则 null）

有 cache_data 且未过期 → 直接回答，不使用 http-get。
无 cache_data → 调 http-get 获取新数据。

返回格式（两段式）：
---RESULT---
{结构化 JSON 数据，如 {"temp": 25, "condition": "晴"}}
---TEXT---
你想要对用户说的文本

返回协议说明：

• ---RESULT---：原始数据，进缓存，不进 dialog 上下文
• ---TEXT---：陈述文本，进 dialog 上下文，由 dialog 用自己的风格说出去
• 如果本次没有新数据（比如 cache 命中后直接复述），可不带 ---RESULT---

Session 规范

• 文件路径：~/.config/yunshu/session/session.json
• 格式：JSON 数组，元素为 Message 对象（兼容 OpenAI Chat Completion messages 格式）
• 角色类型：system, user, assistant, tool
• 启动时清空，每轮对话追加
• 消息顺序即对话顺序
• 放在用户配置目录而非项目目录，确保不同目录下运行时上下文连贯

工具注册规范

• 工具在 tool.go 的 init() 中通过 RegisterTool() + NewTool[T]() 注册
• NewTool[T any](name, desc string, fn func(T) (string, error)) 泛型函数自动处理一切：
  • 用 toolschema.go（structToSchema + typeToSchema）反射推导 JSON Schema
  • JSON 往返桥接：map[string]any ↔ 类型安全的输入结构体
  • handler 内直接访问结构体字段，无需 args["x"].(string) 类型断言
• 注册路径：tool.go:init() → NewTool[T]() → RegisterTool()
• 工具名与 .md 文件中声明的 tools 列表对应
• 新增工具三步：定义输入结构体（struct tags: json, description, enum）→ 写 handler → 调用 NewTool[T]()

日志系统

日志系统分两层：控制台输出（charmbracelet/log → stderr）和文件持久化（YAML 序列 → log.yml）。

日志写入

warnLog(msg string, keyvals ...any)  // 写 log.yml + 可选 stderr
errorLog(msg string, keyvals ...any) // 同上
infoLog(msg string, keyvals ...any)  // 同上

• stderr 输出受 logToStderr 全局开关控制（交互模式默认关，/log on 开启）
• log.yml 始终写入，YAML 序列格式，每次读→追加→重写

日志查看

yunshu log 子命令：

yunshu log              → 全量显示（时间倒序）
yunshu log --top N      → 只看最后 N 条
yunshu log --level warn → 过滤级别
yunshu log --clear      → 清空
yunshu log --watch      → 监听模式（2s 轮询）

日志点

[INFO] task(weather) 开始
[INFO] 子 Agent 开始  agent=weather
[INFO] LLM 调用完成  tokens=1420  duration=3.2s
[WARN] 解析 session.json 失败  err=...

关键原则：

• 成功日志用 infoLog（task 开始/完成、LLM 调用完成、会话清空）
• 异常日志用 warnLog（解析失败、文件不存在的异常错误）
• 错误日志用 errorLog（工具执行失败、子 Agent 未找到）

---

环境变量

变量名	必需	说明
LLM_API_KEY	否*	API Key，覆盖配置文件
LLM_ENDPOINT	否	API 端点，覆盖配置文件
LLM_MODEL	否	模型名，覆盖配置文件
OPENAI_API_KEY	否	兼容旧名，当 LLM_API_KEY 未设置时生效

*注：可在 ~/.config/yunshu/config.yml 中配置，无需环境变量。 首次使用请运行 yunshu onboard 交互式初始化。

---

【认知修正】

本字段存放开发过程中验证后的知识点、踩坑记录。以陈述句形式记录。

2026-05-07

1. MSN 天气 API 属于非公开内部接口，apiKey 固定为 j5i4gDqHL6nGYwx5wi5kRhXjtf2c5qgFX9fzfk0TOo，修改任意字符即 401。必须携带 User-Agent 和 Referer 请求头，否则返回 401。响应数据在 value[0].responses[0].weather[0] 路径下。

2. Go 的 syscall 包是标准库，无需额外依赖。在 Windows 上可通过 kernel32.SetConsoleOutputCP(65001) 设置控制台 UTF-8 编码，但 PowerShell 5.1 有独立的 [Console]::OutputEncoding 覆盖此设置，需要额外 [Console]::OutputEncoding = [Text.Encoding]::UTF8。

3. 豆包（火山引擎）API 兼容 OpenAI Chat Completion 格式，包括 function calling（tool_calls）。修改 endpoint 和 model 即可切换，无需改动代码逻辑。实测 doubao-seed-2-0-pro-260215 支持工具调用正常。

4. 非流式调用更简单可靠。对于 CLI 工具，等待完整响应再输出比流式逐 token 输出实现更简单，且用户能一次获取完整信息。

5. Session 文件的关键设计：session 存储的是完整的对话消息列表（不含 system prompt），格式与 OpenAI Chat Completion API 的 messages 数组一致。这意味着 runtime 不需要做任何格式转换，读 session → 直接 POST 给 LLM → 拿到回复 → 追加到 session。

6. Go 的 gopkg.in/yaml.v3 依赖可能遇到 GOSUMDB 问题。在中国网络环境下，需要设置 GONOSUMCHECK='*' 和 GONOSUMDB='*' 环境变量来绕过 checksum 数据库验证。

7. 工具定义要提供清晰的 JSON Schema 参数描述。LLM 通过参数描述来理解如何调用工具。描述越清晰，LLM 生成正确参数的概率越高。http-get 工具的 headers 参数设计为 JSON 字符串格式，比结构化对象更灵活。

8. Go 中处理 OpenAI 响应的 Content 字段要使用指针类型。当 LLM 返回 tool_calls 时，content 字段为 null（JSON 中的 null），而非空字符串。使用 *string 才能区分"内容为空"和"无内容"两种情况。

9. 配置文件放在 ~/.config/yunshu/config.yaml 而非 .env/.secret。YAML 格式与 agent 定义风格一致，统一管理。API Key 用 0600 权限保护。优先顺序：环境变量 > 配置文件 > 默认值。onboard 子命令提供交互式初始化体验。

10. 双路径搜索机制：项目目录优先，~/.config/yunshu/ 后备。这使得开发时用项目本地文件，部署后自动切换到全局配置。SearchFile() 和 LoadAgent()/LoadSkill() 都遵循此规则。

11. 用户配置目录固定为 ~/.config/yunshu/，所有系统统一。存放 config.yaml、session.json、以及用户自定义的 agents/skills/data。不能改到其他路径。

12. Agent skill、普通 skill、tool 必须严格分离，不能混淆。Agent skill（agents/*.md）只放行为逻辑（角色、工作流程、输出风格），不 inline 任何技术细节。技术细节（URL、apiKey、请求头、JSON 解析路径）放在 skills/*/SKILL.md 作为纯知识，由 LLM 按需调用 skill("name") 加载。确定性操作（如 geocode）注册为 tool，保证 100% 可靠执行。这解决了 picoclaw 单 agent 架构下 skill 污染上下文的问题。

13. wttr.in ?format=j1 返回的 JSON 包含地理编码信息，nearest_area[0] 中有 latitude、longitude、areaName、country、population 字段。可作为免费的地理编码服务使用，无需 API Key。

14. geocode 工具用 Go 代码实现比让 LLM 自己调 http-get 解析 JSON 更可靠。LLM 在构造 URL 和解析嵌套 JSON 时容易出错（尤其是中文编码问题）。注册为 tool 后，LLM 只需提供城市名参数，Go 代码处理所有细节。

15. 项目正式命名为云枢·Agent（YunShu / yunshu），配置目录从 ~/.config/weather-cli/ 迁移到 ~/.config/yunshu/。旧目录在首次运行时会自动迁移并删除。二进制名称改为 yunshu。如果迁移失败，用户可手动复制旧目录内容后重新运行。

2026-05-09

1. Windows raw mode + bufio.Reader 冲突：在禁用 ENABLE_LINE_INPUT 的 raw mode 下，bufio.NewReader(os.Stdin).ReadRune() 会因内部预读缓冲（默认 4KB）导致读取阻塞。后续尝试用 ReadConsoleInputW + 手动回显也因光标位置计算不一致而放弃。最终决定放弃自实现 Tab 补全，后续如需补全功能，引入第三方库（如 go-prompt / readline）。

2. ANSI 光标移动需要启用输出 VT 处理：\033[A（光标上移）/ \033[J（清屏）等输出序列需要输出句柄设置 ENABLE_VIRTUAL_TERMINAL_PROCESSING（0x0004）才能生效。只设置输入句柄的 mode 不够，输入输出句柄是两个独立的控制台句柄。

3. ReadLineWithCompletion / Completer 类型已移除。completer.go 清空，main.go 回到 termui.ReadLine()。cmdCompleter、commonPrefix、相关测试一并移除。input.go 中 ReadConsoleInputW 相关的 keyEventRecord/inputRecord 结构和 proc 也一并清理。

2026-05-11

1. MSN 天气存在 hourlyforecast 端点：https://assets.msn.cn/service/weather/hourlyforecast，返回未来 10 天逐小时预报数据，参数和 dailyforecast 一致。之前文档遗漏了该端点。weathertrends 端点已失效（500 Internal Server Error）。

2. MSN 的 assets.msn.cn 国内城市接口正常：用经纬度查询 assets.msn.cn/service/weather/current 对国内城市返回正确数据。之前 Agent 误报"返回也门数据"是因为用了 api.msn.cn 的城市名接口（该接口本就有文档标注的问题：城市名匹配不可靠）。用 assets.msn.cn + 经纬度即可正常获取国内城市数据，不需要切换到 wttr.in。

3. 会议室架构决策：确定从单 Agent 升级为 1 主持（dialog, type:main）+ N 领域专家（type:sub）+ 共享黑板（memory）的架构。主持者保持极薄（只有人格 + 调度规则 + task + memory 工具），子 Agent 只做领域工作，用完即毁。详见 docs/会议室架构计划书.md。

4. Cache 设计原则：Frontmatter 声明 cache.keys 和 cache.ttl，task 工具机械化从 args 取值拼 key、查/写缓存。子 Agent 不感知缓存存在，只需在回答末尾可选带 ---CACHE--- + JSON 供 task 存储。一个 Agent 一个缓存 JSON 文件，MD5 hash 做 key。

5. 记忆系统规则：共享黑板模式，所有 Agent 可读，仅 memory Agent 可写。dialog-agent 是最小写入者（只写 dialog_context），memory Agent 负责从对话中提取用户画像写入长期记忆。

6. 子 Agent 返回协议 ---RESULT--- / ---TEXT--- 双段设计：子 Agent 回答分两段——RESULT 是原始结构化数据（进缓存，不进 dialog 上下文），TEXT 是陈述文本（进 dialog 上下文，由 dialog 用自己的风格输出）。这样 dialog 不会产生"复述感"，子 Agent 的数据也保持干净。

7. 两次 LLM 调用架构：用户提问 → dialog 的 LLM 判断 → task 工具调子 Agent 的 LLM（第一次）→ 子 Agent 返回 TEXT → dialog 的 LLM 用自己的风格说出去（第二次）。各司其职，职责单一。

8. task 工具内部调用 RunSubAgent() 实现子 Agent 执行：RunSubAgent 不读写全局 session.json，子 Agent 的 tool_calls 用完即毁，不污染主上下文。返回后由 task 工具解析 ---RESULT--- / ---TEXT---。

2026-05-16

1. charmbracelet/log v2（charm.land/log/v2）用作结构化日志。输出到 stderr 时自动带时间戳和级别前缀，彩色渲染。v2 模块路径改为 charm.land/log/v2（非 github.com/charmbracelet/log/v2）。log.NewWithOptions(w, opt) 创建实例，方法签名：log.Warn(msg, keyvals...)、log.Error(msg, keyvals...)、log.Info(msg, keyvals...)。

2. log.yml 使用 YAML 序列追加策略。每次写入先读（反序列化为 []logEntry）→ 追加 → 重写（yaml.Marshal）。不是 JSONL，不是纯文本。适用于 CLI 工具的日志量级。readLogs() 返回全部条目用于 yunshu log 展示。

3. RunSubAgent 加 maxToolCalls=2 安全上限。子 Agent 的 LLM 循环中如果连续 2 轮都在调工具，第 3 轮强制返回 ---TEXT---\n（子 Agent 执行轮次超限，已终止）。防止 prompt 设计缺陷导致子 Agent 死循环。

4. 单 Agent 查询性能优化。dialog-agent 的 prompt 明确指示：对于只需调一个子 Agent 的查询，跳过 observation 写入和 summary 写入，直接输出子 Agent 结果。综合查询的 observation + summary 合并在同一轮 memory.write 调用。实测 note 保存从 ~90s 降至 ~10s。

5. 路径安全使用 filepath.EvalSymlinks + filepath.Rel 三段校验：Clean → Join → EvalSymlinks → Rel。防止符号链接绕过路径限制。仅 strings.Contains("..") 不够，因为符号链接可以指向 ConfigDir 之外。os.IsNotExist 时跳过 EvalSymlinks（新文件创建场景）。

6. flag.ExitOnError 用于 yunshu log 子命令 flag 解析。遇到未知 flag 自动 exit(2) 并打印用法，比手动处理 flag 更简洁。与 main.go 的主 args 手动解析配合不冲突。

7. 流式输出使用 SSE 协议，OpenAI 兼容格式。请求加 "stream": true，响应逐行 data: {...}，以 data: [DONE] 结尾。用 bufio.Reader.ReadString('\n') 逐行读取，不走 io.ReadAll。流式和非流式模式下 tool_calls 的表现不同：非流式一次返回完，流式按 index 分片到达，需要 accumulatedToolCall 累积合并。

8. 按 \n\n 段落边界缓冲后经 mdprint 渲染。流式 token 是碎片，不能直接过 mdprint（后者需要完整 Markdown parse → AST → ANSI）。解决方案：将内容写入 blockBuf，在 \n\n 处切分——之前的是完整 block，调用 mdprint.Print 渲染到 stdout；之后的是不完整残段，留在 buffer 继续累积。流结束时 mdprint.Print(blockBuf) 刷最后一段。实测 weather 场景每个 section（标题/表格/分隔线）依次弹出，延迟 1-3s，渲染效果与非流式一致。

9. 流式模式下 model 可能先吐文本再吐 tool_call。非流式 API 的 model 要么返回 content 要么返回 tool_calls，不会同时出现。但流式模式下，model 可能先输出一段"思考"文字，然后才决定调工具。这段文字已经显示给用户，之后工具返回又有第二轮 LLM 响应，就造成了"用户看到两段回复"的问题。修复方式：prompt 层面要求 model"先调工具，不要先说话"，在 dialog-agent.md 中新增"流式输出原则"章节。