feat(robot_agent): 基于 libhttp 的 DeepSeek 视觉机器人 agent 骨架

- 工具循环：capture_image / get_robot_status / spawn_subagent - 子代理：技能超集（run_command 带超时截断、read_file / write_file） - V4L2 摄像头抓帧：MJPEG 优先零转码，YUYV+libjpeg 回退，/dev/video* 自动探测 - 时间戳注入：system prompt 会话级当前时间 + 工具结果执行时间 - CLI：--prompt-file / --camera / --camera-device / --model / --max-turns
2026-08-21 14:47:29 +00:00
1 parent 2dc79f0637
commit 7e44025671
@@ -0,0 +1,129 @@
+#include "agent.hpp"
+#include "tools.hpp"
+
+#include <cstdlib>
+#include <fstream>
+#include <iostream>
+#include <sstream>
+#include <string>
+
+namespace {
+
+constexpr const char* DEFAULT_ENDPOINT = "https://api.deepseek.com/chat/completions";
+constexpr const char* DEFAULT_MODEL = "deepseek-v4-flash-vision-exp";
+
+constexpr const char* MAIN_SYSTEM_PROMPT =
+    "你是控制硬件机器人的主智能体。当用户的问题涉及观察环境、看东西、识别物体时，"
+    "必须先调用 capture_image 工具获取照片再回答。"
+    "当任务需要执行 shell 命令、读写文件等操作时，调用 spawn_subagent 工具委派给子代理，"
+    "不要自己尝试执行。回答使用中文。";
+
+struct Options {
+    std::string question;
+    std::string prompt_file;  // 非空 = 从文件读取问题
+    std::string camera_path;   // 非空 = 模拟摄像头（读文件）
+    std::string camera_device; // 空 = 自动探测 /dev/video*
+    std::string model = DEFAULT_MODEL;
+    std::string endpoint = DEFAULT_ENDPOINT;
+    std::string api_key;
+    int max_turns = 8;
+};
+
+void print_usage(const char* prog) {
+    std::cerr << "用法: " << prog << " \"问题\" [选项]\n"
+              << "      " << prog << " --prompt-file <文件> [选项]\n"
+              << "选项:\n"
+              << "  --prompt-file <文件>  从文件读取问题（与位置参数互斥）\n"
+              << "  --camera <文件>    模拟摄像头：拍照工具读该图片（不指定则用真实摄像头）\n"
+              << "  --camera-device <设备>  摄像头设备（默认自动探测 /dev/video*）\n"
+              << "  --model <名称>     模型名（默认 " << DEFAULT_MODEL << "）\n"
+              << "  --key <API_KEY>    API key（默认读环境变量 DEEPSEEK_API_KEY）\n"
+              << "  --endpoint <URL>   接口地址（默认 DeepSeek 官方）\n"
+              << "  --max-turns <N>    最大工具轮次（默认 8）\n";
+}
+
+Options parse_args(int argc, char** argv) {
+    Options opt;
+    if (const char* key_env = std::getenv("DEEPSEEK_API_KEY")) opt.api_key = key_env;
+
+    for (int i = 1; i < argc; ++i) {
+        std::string arg = argv[i];
+        auto next = [&](const char* name) -> std::string {
+            if (i + 1 >= argc) {
+                std::cerr << "错误: " << name << " 缺少参数\n";
+                std::exit(2);
+            }
+            return argv[++i];
+        };
+        if (arg == "--camera") opt.camera_path = next("--camera");
+        else if (arg == "--camera-device") opt.camera_device = next("--camera-device");
+        else if (arg == "--prompt-file") opt.prompt_file = next("--prompt-file");
+        else if (arg == "--model") opt.model = next("--model");
+        else if (arg == "--key") opt.api_key = next("--key");
+        else if (arg == "--endpoint") opt.endpoint = next("--endpoint");
+        else if (arg == "--max-turns") opt.max_turns = std::stoi(next("--max-turns"));
+        else if (arg == "--help" || arg == "-h") { print_usage(argv[0]); std::exit(0); }
+        else if (!arg.empty() && arg[0] == '-') {
+            std::cerr << "错误: 未知选项 " << arg << "\n";
+            print_usage(argv[0]);
+            std::exit(2);
+        } else {
+            opt.question = arg;
+        }
+    }
+    return opt;
+}
+
+} // namespace
+
+int main(int argc, char** argv) {
+    Options opt = parse_args(argc, argv);
+
+    if (!opt.prompt_file.empty()) {
+        if (!opt.question.empty()) {
+            std::cerr << "错误: --prompt-file 与位置参数问题不能同时使用\n";
+            return 2;
+        }
+        std::ifstream f(opt.prompt_file);
+        if (!f) {
+            std::cerr << "错误: 无法读取提示词文件 " << opt.prompt_file << "\n";
+            return 2;
+        }
+        std::ostringstream ss;
+        ss << f.rdbuf();
+        opt.question = ss.str();
+    }
+
+    if (opt.question.empty()) {
+        std::cerr << "错误: 缺少问题参数（用位置参数或 --prompt-file）\n";
+        print_usage(argv[0]);
+        return 2;
+    }
+    if (opt.api_key.empty()) {
+        std::cerr << "错误: 缺少 API key（用 --key 或设置环境变量 DEEPSEEK_API_KEY）\n";
+        return 2;
+    }
+
+    AgentConfig cfg;
+    cfg.model = opt.model;
+    cfg.endpoint = opt.endpoint;
+    cfg.api_key = opt.api_key;
+    cfg.camera_path = opt.camera_path;
+    cfg.camera_device = opt.camera_device;
+    cfg.max_turns = opt.max_turns;
+
+    ToolRegistry registry;
+    registry.add(make_capture_image_tool(opt.camera_path, opt.camera_device));
+    registry.add(make_robot_status_tool());
+    registry.add(make_spawn_subagent_tool(cfg));
+
+    try {
+        std::string answer =
+            run_chat_loop(cfg, MAIN_SYSTEM_PROMPT, opt.question, registry, "主代理");
+        std::cout << answer << "\n";
+    } catch (const std::exception& e) {
+        std::cerr << "错误: " << e.what() << "\n";
+        return 1;
+    }
+    return 0;
+}