diff --git a/.gitignore b/.gitignore index 10bd494..71c9d19 100644 --- a/.gitignore +++ b/.gitignore @@ -36,6 +36,14 @@ Thumbs.db # 嵌入式 Python embedded_python/ +# 记忆系统数据（运行时生成） +MEMORY.md +memory/ + +# 生成的图片 +generated_*.png +screenshots/gen_*.png + # 临时文件 *.tmp *.bak diff --git a/compare.html b/compare.html new file mode 100644 index 0000000..ef70cfc --- /dev/null +++ b/compare.html @@ -0,0 +1,1161 @@ + + + + + +AI 编程助手横评 2025-2026 + + + + +
+

AI 编程助手横评

+

+ 7 款终端 / 桌面 AI 编程助手，同口径对比：功能、安全、生态、定价。
+ 从大厂旗舰到社区极客，从 CLI 到 GUI，谁才是你的最佳搭档？ +

+
+ 2025-2026 + 同口径对比 + 7 款工具 + 25+ 维度 +
+
+ +
+ + +
+
+
+
Claude Code
+
Anthropic
+ 闭源 +
+
+
+
OpenAI Codex CLI
+
OpenAI
+ 开源 +
+
+
+
Gemini CLI
+
Google
+ 开源 +
+
+
+
Aider
+
Paul Gauthier
+ 开源 +
+
+
+
GitHub Copilot CLI
+
GitHub / Microsoft
+ Freemium +
+
+
+
小狸 Pro-CLI
+
shuiyu1123
+ 国产 CLI +
+
+
+
TG HELPER
+
JXWNB666
+ 桌面 GUI +
+
+ + +
+

功能全景对比

+

同一套评价标准，逐项打分。绿色 = 支持，黄色 = 部分支持，红色 = 不支持。小狸（紫）vs TG-HELPER（橙）为国产双雄高亮列。

+
+ + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
对比维度Claude CodeCodex CLIGemini CLIAiderCopilot CLI小狸 Pro-CLITG HELPER
基础信息
首发时间2025.022025.042025.062023.052025.0920252025
开源协议闭源Apache 2.0Apache 2.0Apache 2.0闭源MITMIT
界面形态CLICLICLICLICLICLI + TUI + Web桌面 GUI (tkinter)
运行平台Mac/Linux/WinMac/Linux/WinMac/Linux/WinMac/Linux/WinMac/Linux/WinMac/Linux/Win Windows 为主
编程语言TypeScriptTypeScriptTypeScriptPythonGoPythonPython
默认模型Claude Sonnet 4o3 / o4-miniGemini 2.5 Pro自选（多模型）GPT-4.1Ollama / DeepSeekOllama / DeepSeek
本地模型✗✗✗✓ Ollama/vLLM✗✓ Ollama✓ Ollama + GGUF
✏️ 代码编辑能力
精准替换✓✓✓✓✓✓ edit/multi✓ write_file
批量编辑✓◑◑✓ 多文件◑✓ multi◐
语法自动检查◑ Lint✗✗◑ Lint✗✓ 编辑后自动✗
代码搜索✓ Grep◑✓✓ AST◑✓ 11 种◐ grep
AST 分析◑✗◑✓ tree-sitter✗✓✗
版本控制
Git 操作✓ 完整✓ 完整✓ 完整✓ 深度集成✓ 基础✓ 20 操作✓ git_tools
Smart Commit✓◑◑✓✗✓✗
Agent 能力
子 Agent / 多代理✓ 子代理✗✗✗✗✓ 多 Agent◐ 预留
工具调用协议FC 原生FC 原生FC 原生EditorFC 原生JSON + FCJSON 解析
MCP 协议✓ 内建◐ 实验✓✗◐◐ Skill◐ 适配器
上下文压缩✓◑✓ 1M✓ Repo Map✗✓ 自动✓ 自动摘要
记忆系统
短期记忆◐✗◐✗✗◐ 对话历史✓ 独立模块
长期记忆✓ 企业级✗◐✗✗◐ 文件级✓ SQLite + 向量
反思 / 自省✗✗✗✗✗✗✓ 后台反思线程
全文检索✗✗✗✗✗✗✓ FTS5
向量检索✗✗✗✗✗✗✓ ChromaDB
安全机制
安全模式◐ 权限✓ 三模式✗✗✗✓ 三模式✓ 弹窗确认
AI 风险分析✓◐✗✗✗✓ AI 分析✗
代码沙箱✓✓ Docker✗✗✗✓ AST+子进程✗
浏览器 & IoT & 多模态
浏览器自动化✗✗✗✗✗✓ 31 操作✓ 22+ 反爬
反反爬虫✗✗✗✗✗✗✓ 随机UA/代理
物联网 (IoT)✗✗✗✗✗✗✓ MQTT/TCP/UDP
智能家居控制✗✗✗✗✗✗✓ 主动巡检
QQ 机器人✗✗✗✗✗✗✓ OneBot
语音识别✗✗✗✗✗✓✓ TTS
图像/视频分析✓◐✓◐✗✓✓ 多模态
多媒体编辑✗✗✗✗✗✗✓ 图片/音频/视频
办公自动化✗✗✗✗✗✗✓ Excel/PDF/Word
Arduino 嵌入式✗✗✗✗✗✗✓ 全流程
键鼠模拟✗✗✗✗✗✗✓ pyautogui
人格 & 社交
AI 人格系统✗✗✗✗✗✗✓ 3 人格 + 群聊
多人格互喷✗✗✗✗✗✗✓ 热闹模式
皮肤/主题✗✗✗✗✗✗✓ 17 种
界面体验
CLI 模式✓✓✓✓✓✓✗ GUI
TUI 图形化✗✗✗✗✗✓ Textual✗
桌面 GUI✗✗✗✗✗✗✓ tkinter
Web UI✗✗✗✗✗✓ 纯静态◐ Flask API
插件 & 扩展
插件系统✓ MCP◐ MCP✓ MCP✗◐✓ 15 插件✓ V2 + 适配器
跨平台插件兼容✗✗✗✗✗✗✓ OpenClaw/小狸
AI 插件翻译器✗✗✗✗✗✗✓ 一键转换
定价 & 生态
免费使用◐ 有限◐ Plus✓ 个人✓ 完全◐ Free✓ 完全✓ 完全
国内可用性◐ 需代理◐ 需代理◐ 需代理✓◐ 需代理✓ 原生✓ 原生
插件/工具数MCP 生态MCP 生态MCP 生态——15 / 141 操作70+ 工具
+
+
+ + +
+

维度评分

+

基于功能完整度、易用性、生态成熟度的综合评分（满分 10）

+
+
+

Claude Code

+
代码编辑
9.0
+
Agent 能力
9.5
+
安全性
8.5
+
生态
9.0
+
性价比
5.0
+
+
+

OpenAI Codex CLI

+
代码编辑
8.0
+
Agent 能力
6.0
+
安全性
8.0
+
生态
7.5
+
性价比
5.5
+
+
+

Gemini CLI

+
代码编辑
8.0
+
Agent 能力
5.5
+
安全性
5.0
+
生态
7.0
+
性价比
9.0
+
+
+

Aider

+
代码编辑
9.0
+
Agent 能力
5.0
+
安全性
5.5
+
生态
8.0
+
性价比
8.5
+
+
+

GitHub Copilot CLI

+
代码编辑
7.0
+
Agent 能力
4.5
+
安全性
5.5
+
生态
8.0
+
性价比
5.0
+
+
+

小狸 Pro-CLI

+
代码编辑
8.5
+
Agent 能力
7.5
+
安全性
8.0
+
生态
4.0
+
性价比
9.5
+
+
+

TG HELPER

+
代码编辑
6.0
+
Agent 能力
7.0
+
安全性
5.5
+
功能广度
9.5
+
性价比
9.5
+
+
+
+ + +
+

谁适合用什么？

+

没有最好的工具，只有最合适的场景。

+
+
+

企业级团队协作

+
→ Claude Code
+
    +
  • 子代理机制成熟，支持记忆和分工
    • +
  • Bedrock / Vertex AI 企业级部署
    • +
  • MCP 协议生态最完善
    • +
  • 安全可控，支持 step-by-step 审查
    • +
+
+
+

个人开发者 / 开源项目

+
→ Aider / Gemini CLI
+
    +
  • Aider：Git 深度集成，多模型自由切换
    • +
  • Gemini CLI：免费额度慷慨，1M 上下文
    • +
  • 两者都完全开源，社区活跃
    • +
+
+
+

本地优先 / 隐私敏感

+
→ 小狸 Pro-CLI / Aider
+
    +
  • Ollama 原生支持，数据不出本机
    • +
  • 无需 API Key，完全离线可用
    • +
  • 适合涉密项目或网络受限环境
    • +
+
+
+

国内开发者 / 零成本

+
→ 小狸 Pro-CLI / TG HELPER
+
    +
  • 原生支持 DeepSeek / 硅基流动
    • +
  • 本地 Ollama 完全免费
    • +
  • 无需翻墙，开箱即用
    • +
+
+
+

全栈自动化 / 编码为主

+
→ 小狸 Pro-CLI
+
    +
  • 唯一内置浏览器自动化的 CLI 工具
    • +
  • 15 插件覆盖编码→测试→部署
    • +
  • 三界面切换，适合纯编码场景
    • +
+
+
+

桌面全能管家 / IoT

+
→ TG HELPER
+
    +
  • 物联网控制中心（MQTT/TCP/UDP）
    • +
  • QQ 机器人 + 语音合成
    • +
  • 办公自动化（Excel/PDF/Word）
    • +
  • Arduino 嵌入式全流程
    • +
  • 适合需要"操作系统级"控制的场景
    • +
+
+
+

社交陪伴 / 多人格

+
→ TG HELPER
+
    +
  • 3 种内置人格（暖男/傲娇/中性）
    • +
  • "热闹模式"多人格群聊互喷
    • +
  • QQ 群聊概率性自动回复
    • +
  • 17 种皮肤，个性化极强
    • +
+
+
+

AWS / 云原生 DevOps

+
→ Amazon Q CLI / Copilot CLI
+
    +
  • 深度集成 AWS 服务和 IAM
    • +
  • Copilot CLI：GitHub 生态无缝衔接
    • +
+
+
+
+ + +
+

国产双雄深度点评

+

小狸 Pro-CLI vs TG HELPER — 同为国产开源，风格截然不同。

+ +

小狸 Pro-CLI

+
+
+

亮点

+
    +
  • 功能密度极高 — 15 插件 141 操作，一个人干了一个团队的活
    • +
  • 安全沙箱 AST 级检测 + 子进程隔离，同类最扎实
    • +
  • 三界面覆盖 — CLI + TUI + Web UI
    • +
  • 浏览器自动化 — Playwright 31 操作
    • +
  • 本地模型原生 — Ollama 零成本起步
    • +
  • JSON 解析 7 层 fallback — 被 AI 坑出来的实战经验
    • +
  • 113 个测试用例 — 比很多大厂项目覆盖率都高
    • +
+
+
+

不足

+
    +
  • 无 MCP 支持，无法接入大厂工具链
    • +
  • 无 IDE 集成，纯终端
    • +
  • 社区规模小，单人维护
    • +
  • Mixin 架构耦合高
    • +
  • 无记忆系统（只有对话历史压缩）
    • +
  • 无 IoT / 社交 / 办公自动化能力
    • +
+
+
+ +

TG HELPER

+
+
+

亮点

+
    +
  • 功能广度碾压 — 70+ 工具覆盖文件/浏览器/IoT/QQ/办公/嵌入式/多媒体
    • +
  • 记忆系统业界领先 — 短期+长期+反思+SQLite FTS5+ChromaDB 向量检索
    • +
  • 物联网控制中心 — MQTT/TCP/UDP 全协议，主动巡检，传感器触发器
    • +
  • QQ 机器人深度整合 — OneBot 协议，群聊陪伴，语音合成
    • +
  • 人格系统 — 3 种人格 + "热闹模式"群聊互喷，社交属性拉满
    • +
  • 插件 V2 跨平台 — 适配 OpenClaw 和小狸插件，AI 一键转换
    • +
  • 反反爬虫 — 随机 UA、假装手抖、代理切换，实战级
    • +
  • Arduino 全流程 — 从装 CLI 到烧录板子，一条龙
    • +
  • 17 种皮肤 — 从暗黑到粉嫩少女风
    • +
+
+
+

不足

+
    +
  • 代码编辑能力弱 — 没有精准替换、AST 分析、语法检查
    • +
  • Windows 为主 — 跨平台支持不如 CLI 工具
    • +
  • GUI 依赖 — 没有 CLI 模式，不适合无头服务器
    • +
  • 安全机制薄弱 — 无 AI 风险分析，无代码沙箱
    • +
  • 版本较早 — v0.1.5，多 Agent 功能仅预留
    • +
  • 文档粗糙 — README 风格过于"接地气"
    • +
  • 子 Agent 未实现 — multi_agent.py 仅框架
    • +
+
+
+
+ + +
+

国产双雄 vs 国际大厂

+

小狸和 TG-HELPER 各有所长，和国际大厂工具形成互补。

+
+ + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +
能力维度Claude Code小狸 Pro-CLITG HELPER
核心定位企业级编程 Agent全栈编程 CLI 助手桌面级全能 AI 智能体
最强项子代理协作 + MCP 生态代码编辑 + 安全沙箱 + 浏览器IoT + QQ + 记忆系统 + 人格
最弱项价格高、闭源生态孤立、无记忆系统代码编辑弱、无沙箱
适合场景企业大型项目、复杂流程日常编码、快速原型、爬虫智能家居、社交机器人、办公自动化
学习曲线中等低中等
社区活跃度高（Anthropic 官方）低（个人项目）低（个人项目）
互补关系—小狸补编码能力 → TG 补 IoT/社交TG 补 IoT/社交 → 小狸补编码能力
+
+
+ + +
+

总结

+
+

Claude Code 是当前综合最强的 CLI 编程助手，子代理 + MCP + 企业级安全，但价格不菲且闭源。

+
+

Aider 是开源社区的标杆，Git 深度集成 + 多模型支持，极客首选。

+
+

Gemini CLI 靠免费 + 1M 上下文杀出一条路，适合预算有限的个人开发者。

+
+

小狸 Pro-CLI 是"编码特化型" — 一个人做出了大厂级的代码编辑和安全能力，三界面切换、浏览器自动化在同类工具中独一无二。适合以编码为核心的开发者。

+
+

TG HELPER 是"桌面全能型" — 功能广度碾压所有竞品，IoT 控制、QQ 机器人、人格系统、记忆系统、Arduino 全流程这些特性在 AI 助手领域前无古人。适合想要一个"真正的生活/工作管家"的用户。

+
+

+ 彩蛋：TG HELPER 已经内置了小狸和 OpenClaw 的插件适配器，理论上可以互相导入插件。国产 AI 工具生态正在形成自己的联盟。 +

+
+
+ +
+ +
+

数据基于 2025-2026 年各工具公开信息整理 · 评分为综合主观判断，仅供参考

+

+ 小狸 Pro-CLI · + TG HELPER · + Claude Code · + Codex CLI · + Gemini CLI · + Aider · + Copilot CLI +

+
+ + + diff --git a/plugins/image_generator.py b/plugins/image_generator.py new file mode 100644 index 0000000..f980425 --- /dev/null +++ b/plugins/image_generator.py @@ -0,0 +1,370 @@ +""" +图像生成插件 - 基于 ai.2x.nz 的 ComfyUI 在线服务 +支持自然语言描述和英文 Tag 两种模式 +""" +import os +import json +import asyncio +import urllib.request +import time +from typing import Optional + + +class Plugin: + """图像生成工具 — 自然语言/Tag 生图，基于 ComfyUI 在线服务""" + + def __init__(self): + self.usage = """图像生成工具 — 基于 ai.2x.nz 的 ComfyUI 在线服务 + +操作: + generate <描述> - 自然语言描述生成图片（中文/英文均可） + tag <英文tags> - 直接 Tag 模式（逗号分隔的英文标签） + list - 列出可用的工作流/角色 + status - 查看 GPU 状态 + +示例: + image_generator generate 一个白发蓝眼的猫耳少女在写代码 + image_generator tag masterpiece, 1girl, white hair, blue eyes, cat ears, coding + image_generator generate 画一个赛博朋克风格的城市夜景 --width 1024 --height 768 + +说明: + - 自然语言模式会经过 LLM 翻译为 Tag，效果更好 + - 直接 Tag 模式适合熟悉 Danbooru 标签的用户 + - 默认分辨率 1024x1344（WAI 推荐） + - 最大分辨率 1344x1344 + - 生成的图片保存在 screenshots/ 目录 +""" + self.cli = None + self.api_base = "https://ai.2x.nz" + self.ws_url = "wss://ai.2x.nz/ws/run" + self.default_workflow = "WAI - 无Lora.json" + self.output_dir = os.path.join(os.path.dirname(os.path.dirname(os.path.abspath(__file__))), "screenshots") + + def set_cli(self, cli): + self.cli = cli + + def get_tool_info(self): + return { + "name": "image_generator", + "description": "图像生成 — 自然语言/Tag 生图，基于 ComfyUI 在线服务（ai.2x.nz），支持中文描述", + "keywords": ["图像", "生成", "画图", "绘图", "AI画", "生图", "image", "generate", "draw", "paint", + "diffusion", "comfyui", "stable", "sd", "文生图", "text2img"], + "usage": self.usage + } + + def handle(self, args: str) -> str: + try: + parts = args.strip().split(maxsplit=1) + if not parts: + return "错误：请提供操作类型\n\n" + self.usage + + op = parts[0].lower() + rest = parts[1] if len(parts) > 1 else "" + + handlers = { + "generate": self._generate, + "tag": self._generate_tag, + "gen": self._generate, + "g": self._generate, + "list": self._list_workflows, + "ls": self._list_workflows, + "status": self._gpu_status, + } + + handler = handlers.get(op) + if not handler: + # 如果没有指定操作，把整个 args 当作自然语言描述 + return self._generate(args) + + return handler(rest) + + except Exception as e: + return f"图像生成错误: {e}" + + def _generate(self, args: str) -> str: + """自然语言模式生成图片""" + # 解析 --width 和 --height 参数 + width, height = 1024, 1344 + prompt = args.strip() + + if "--width" in prompt or "--height" in prompt or "--w" in prompt or "--h" in prompt: + import re + w_match = re.search(r'--w(?:idth)?\s+(\d+)', prompt) + h_match = re.search(r'--h(?:eight)?\s+(\d+)', prompt) + if w_match: + width = int(w_match.group(1)) + prompt = prompt[:w_match.start()] + prompt[w_match.end():] + if h_match: + height = int(h_match.group(1)) + prompt = prompt[:h_match.start()] + prompt[h_match.end():] + prompt = prompt.strip() + + if not prompt: + return "错误：请提供图片描述\n示例: image_generator generate 一个白发猫耳少女" + + # 限制分辨率 + width = min(width, 1344) + height = min(height, 1344) + + return self._run_generation(prompt, "", width, height, rewrite=True, override=False) + + def _generate_tag(self, args: str) -> str: + """直接 Tag 模式""" + width, height = 1024, 1344 + prompt = args.strip() + + if "--width" in prompt or "--height" in prompt or "--w" in prompt or "--h" in prompt: + import re + w_match = re.search(r'--w(?:idth)?\s+(\d+)', prompt) + h_match = re.search(r'--h(?:eight)?\s+(\d+)', prompt) + if w_match: + width = int(w_match.group(1)) + prompt = prompt[:w_match.start()] + prompt[w_match.end():] + if h_match: + height = int(h_match.group(1)) + prompt = prompt[:h_match.start()] + prompt[h_match.end():] + prompt = prompt.strip() + + if not prompt: + return "错误：请提供 Tag\n示例: image_generator tag masterpiece, 1girl, white hair, blue eyes" + + width = min(width, 1344) + height = min(height, 1344) + + return self._run_generation("", prompt, width, height, rewrite=False, override=False) + + def _run_generation(self, nl_prompt: str, direct_prompt: str, width: int, height: int, + rewrite: bool = False, override: bool = False) -> str: + """执行图像生成（同步包装）""" + try: + import websocket as ws_lib + except ImportError: + # 回退：用 urllib 的方式不行，WebSocket 必须用专用库 + # 尝试用 subprocess 调用 python 脚本 + return self._run_generation_subprocess(nl_prompt, direct_prompt, width, height, rewrite, override) + + try: + start_time = time.time() + ws = ws_lib.create_connection(self.ws_url, timeout=180) + + payload = { + "workflow_path": self.default_workflow, + "inline_workflow": None, + "direct_prompt": direct_prompt, + "nl_prompt": nl_prompt, + "rewrite": rewrite, + "override": override, + "width": width, + "height": height, + } + ws.send(json.dumps(payload)) + + image_path = None + final_prompt = "" + error_msg = "" + + while True: + try: + raw = ws.recv() + data = json.loads(raw) + msg_type = data.get("type", "") + + if msg_type == "image": + url = data.get("url", "") + filename = data.get("filename", "") + if url: + image_path = self._download_image(url, filename) + elif msg_type == "final_prompt": + final_prompt = data.get("final_prompt", "") if isinstance(data.get("final_prompt"), str) else data.get("prompt", "") + elif msg_type == "done": + break + elif msg_type == "error": + error_msg = data.get("message", "未知错误") + break + except Exception as e: + error_msg = str(e) + break + + ws.close() + elapsed = time.time() - start_time + + if error_msg: + return f" 生成失败: {error_msg}" + + if image_path: + size = os.path.getsize(image_path) + size_str = f"{size/1024:.0f}KB" if size < 1024*1024 else f"{size/1024/1024:.1f}MB" + result = f" 图片生成成功！\n" + result += f" 路径: {image_path}\n" + result += f" 大小: {size_str}\n" + result += f" 分辨率: {width}x{height}\n" + result += f"⏱ 耗时: {elapsed:.1f}s\n" + if final_prompt: + result += f" Prompt: {final_prompt[:120]}...\n" + result += f"\n💡 提示: 用 'send_image {image_path}' 可以推送到手机" + return result + else: + return " 生成完成但未收到图片数据" + + except Exception as e: + return f" 连接失败: {e}\n💡 请检查网络连接或稍后重试" + + def _run_generation_subprocess(self, nl_prompt: str, direct_prompt: str, width: int, height: int, + rewrite: bool, override: bool) -> str: + """用子进程执行 WebSocket 生成（无需 websocket 库）""" + import subprocess + import tempfile + + script = f''' +import json, asyncio, urllib.request, os, sys + +async def main(): + try: + import websockets + except ImportError: + print("ERROR:需要安装 websockets: pip install websockets") + sys.exit(1) + + uri = "wss://ai.2x.nz/ws/run" + async with websockets.connect(uri) as ws: + payload = {{ + "workflow_path": "{self.default_workflow}", + "inline_workflow": None, + "direct_prompt": {json.dumps(direct_prompt)}, + "nl_prompt": {json.dumps(nl_prompt)}, + "rewrite": {"true" if rewrite else "false"}, + "override": {"true" if override else "false"}, + "width": {width}, + "height": {height}, + }} + await ws.send(json.dumps(payload)) + + image_url = None + while True: + try: + msg = await asyncio.wait_for(ws.recv(), timeout=180) + data = json.loads(msg) + t = data.get("type", "") + if t == "image": + image_url = data.get("url", "") + elif t == "done": + break + elif t == "error": + print(f"ERROR:{{data.get('message','')}}") + break + except asyncio.TimeoutError: + print("ERROR:超时") + break + + if image_url: + full_url = f"https://ai.2x.nz{{image_url}}" + out_path = os.path.join("{self.output_dir}", f"generated_{{os.path.basename(image_url)}}") + os.makedirs(os.path.dirname(out_path), exist_ok=True) + urllib.request.urlretrieve(full_url, out_path) + print(f"OK:{{out_path}}") + +asyncio.run(main()) +''' + + script_path = os.path.join(self.output_dir, "_gen_temp.py") + os.makedirs(self.output_dir, exist_ok=True) + with open(script_path, 'w') as f: + f.write(script) + + try: + result = subprocess.run( + ["python3", script_path], + capture_output=True, text=True, timeout=200 + ) + output = result.stdout.strip() + + if output.startswith("OK:"): + image_path = output[3:] + size = os.path.getsize(image_path) + size_str = f"{size/1024:.0f}KB" if size < 1024*1024 else f"{size/1024/1024:.1f}MB" + res = f" 图片生成成功！\n" + res += f" 路径: {image_path}\n" + res += f" 大小: {size_str}\n" + res += f" 分辨率: {width}x{height}\n" + res += f"\n💡 提示: 用 'send_image {image_path}' 可以推送到手机" + return res + elif output.startswith("ERROR:"): + return f" {output[6:]}" + else: + return f" 生成异常:\n{result.stdout}\n{result.stderr}" + except subprocess.TimeoutExpired: + return " 生成超时（>200s），请稍后重试" + finally: + try: + os.remove(script_path) + except: + pass + + def _download_image(self, url: str, filename: str) -> str: + """下载生成的图片""" + full_url = f"{self.api_base}{url}" + os.makedirs(self.output_dir, exist_ok=True) + out_path = os.path.join(self.output_dir, f"gen_{filename}") + urllib.request.urlretrieve(full_url, out_path) + return out_path + + def _list_workflows(self, args: str) -> str: + """列出可用的工作流""" + try: + import urllib.request + req = urllib.request.Request(f"{self.api_base}/api/workflows") + with urllib.request.urlopen(req, timeout=10) as resp: + data = json.loads(resp.read()) + + workflows = data.get("workflows", []) + result = f" 可用工作流 ({len(workflows)} 个):\n\n" + + lora_workflows = [] + no_lora = [] + for w in workflows: + name = w.get("path", "") + if "无Lora" in name or "no" in name.lower(): + no_lora.append(name) + else: + lora_workflows.append(name) + + if no_lora: + result += " 通用（无角色绑定）:\n" + for w in no_lora: + result += f" • {w}\n" + + if lora_workflows: + result += "\n 角色工作流:\n" + for w in lora_workflows: + result += f" • {w}\n" + + result += "\n💡 使用 'image_generator generate <描述>' 自然语言生图" + result += "\n💡 使用 'image_generator tag ' 直接 Tag 生图" + return result + + except Exception as e: + return f" 获取工作流列表失败: {e}" + + def _gpu_status(self, args: str) -> str: + """查看 GPU 状态""" + try: + import urllib.request + req = urllib.request.Request(f"{self.api_base}/api/gpu") + with urllib.request.urlopen(req, timeout=10) as resp: + data = json.loads(resp.read()) + + result = " 服务器 GPU 状态:\n" + for gpu in data.get("gpus", []): + name = gpu.get("name", "未知") + util = gpu.get("utilization", 0) + mem_used = gpu.get("memory_used", 0) + mem_total = gpu.get("memory_total", 0) + temp = gpu.get("temperature", 0) + result += f" {name}\n" + result += f" GPU 负载: {util}%\n" + result += f" 显存: {mem_used}/{mem_total} MiB\n" + result += f" 温度: {temp}°C\n" + return result + + except Exception as e: + return f" 获取 GPU 状态失败: {e}" diff --git a/plugins/memory_plugin.py b/plugins/memory_plugin.py new file mode 100644 index 0000000..8643e64 --- /dev/null +++ b/plugins/memory_plugin.py @@ -0,0 +1,185 @@ +""" +记忆系统插件 — 包装 xcli_core/memory.py 中的 MemoryManager +使 AI 可以通过工具接口读写日记、搜索记忆、管理聊天记录 +""" +import os +import sys + +# 添加项目根目录到 path +current_dir = os.path.dirname(os.path.abspath(__file__)) +project_root = os.path.dirname(current_dir) +sys.path.insert(0, project_root) + +from xcli_core.memory import MemoryManager + + +class Plugin: + """持久化记忆系统 — AI 可写日记、搜索记忆、管理聊天记录""" + + def __init__(self): + self.cli = None + self.memory = None + self.usage = """持久化记忆系统工具 + +操作: + diary <内容> - 写当日日记 + diary_ai <内容> - AI 写观察日记（标记为 AI 观察） + remember <内容> - 记录到长期记忆 (MEMORY.md) + search <关键词> - 全局搜索（日记+记忆+聊天记录） + context - 查看当前注入的记忆上下文 + diary_list - 列出所有日记文件 + diary_read <日期> - 读取指定日期的日记（如 2026-04-27） + chat_list - 列出最近的聊天记录 + chat_search <关键词> - 在聊天记录中搜索 + memory_read - 读取 MEMORY.md 长期记忆 + memory_write <内容> - 写入 MEMORY.md（追加） + +JSON 格式示例: + {"action": "use_tool", "tool": "memory_plugin", "args": "diary 今天完成了API对接"} + {"action": "use_tool", "tool": "memory_plugin", "args": "search 定时任务"} + {"action": "use_tool", "tool": "memory_plugin", "args": "remember 用户偏好深色主题"} +""" + + def set_cli(self, cli): + self.cli = cli + # 初始化 MemoryManager + project_dir = os.path.dirname(os.path.dirname(os.path.abspath(__file__))) + self.memory = MemoryManager(project_dir) + # 挂载到 cli 实例上，让 cli_core.py 能访问 + cli.memory_manager = self.memory + + def get_tool_info(self): + return { + "name": "memory_plugin", + "description": "持久化记忆系统 — AI 可写日记、记录长期记忆、搜索历史对话和日记。支持自动压缩上下文。", + "keywords": ["记忆", "memory", "日记", "diary", "搜索", "search", "历史", "history", + "remember", "聊天记录", "chat", "上下文", "context", "压缩", "compress"], + "usage": self.usage + } + + def handle(self, args: str) -> str: + if not self.memory: + return "错误：记忆系统未初始化" + + if not args or not args.strip(): + return self._help() + + parts = args.strip().split(None, 1) + action = parts[0].lower() + rest = parts[1].strip() if len(parts) > 1 else "" + + handlers = { + "diary": self._diary, + "diary_ai": self._diary_ai, + "remember": self._remember, + "search": self._search, + "context": self._context, + "diary_list": self._diary_list, + "diary_read": self._diary_read, + "chat_list": self._chat_list, + "chat_search": self._chat_search, + "memory_read": self._memory_read, + "memory_write": self._memory_write, + "help": lambda _: self._help(), + } + + handler = handlers.get(action) + if not handler: + return f"未知操作: {action}\n" + self._help() + + return handler(rest) + + def _diary(self, content: str) -> str: + if not content: + return "错误：请提供日记内容\n用法: diary <内容>" + self.memory.write_diary(content) + return f" 日记已写入 {self.memory._today_file()}" + + def _diary_ai(self, content: str) -> str: + if not content: + return "错误：请提供 AI 观察内容\n用法: diary_ai <内容>" + self.memory.write_ai_diary(content) + return f" AI 观察日记已写入" + + def _remember(self, content: str) -> str: + if not content: + return "错误：请提供要记住的内容\n用法: remember <内容>" + self.memory.append_memory("备忘", f"- {content}") + return f" 已记录到 MEMORY.md 长期记忆" + + def _search(self, keyword: str) -> str: + if not keyword: + return "错误：请提供搜索关键词\n用法: search <关键词>" + results = self.memory.search_memory(keyword) + if not results: + return f" 未找到与 '{keyword}' 相关的记忆" + lines = [f" 搜索 '{keyword}' 的结果 ({len(results)} 条):"] + for r in results: + source = r.get("source", "") + snippet = r.get("snippet", "") + role = r.get("role", "") + line_num = r.get("line", "") + prefix = f"[{role}] " if role else "" + line_info = f" (L{line_num})" if line_num else "" + lines.append(f" {source}{line_info}: {prefix}{snippet}") + return "\n".join(lines) + + def _context(self, _: str) -> str: + ctx = self.memory.build_memory_context() + return ctx if ctx else " 当前没有记忆上下文" + + def _diary_list(self, _: str) -> str: + files = self.memory.list_diary_files() + if not files: + return " 还没有日记文件" + return " 日记文件:\n" + "\n".join(f" {f}" for f in files[:20]) + + def _diary_read(self, date_str: str) -> str: + if not date_str: + return "错误：请提供日期\n用法: diary_read <日期，如 2026-04-27>" + content = self.memory.load_diary(date_str) + return content if content else f" 没有找到 {date_str} 的日记" + + def _chat_list(self, _: str) -> str: + chats = self.memory.list_chats() + if not chats: + return " 没有保存的聊天记录" + lines = [" 最近的聊天记录:"] + for c in chats: + lines.append(f" {c['name']} ({c['time']}, {c['size_kb']}KB)") + return "\n".join(lines) + + def _chat_search(self, keyword: str) -> str: + if not keyword: + return "错误：请提供关键词\n用法: chat_search <关键词>" + results = self.memory.search_chats(keyword) + if not results: + return f" 未在聊天记录中找到 '{keyword}'" + lines = [f" 聊天记录搜索 '{keyword}':"] + for r in results: + lines.append(f" {r['file']} [{r['role']}]: {r['snippet']}") + return "\n".join(lines) + + def _memory_read(self, _: str) -> str: + content = self.memory.load_memory() + return content if content else " MEMORY.md 为空" + + def _memory_write(self, content: str) -> str: + if not content: + return "错误：请提供内容\n用法: memory_write <内容>" + self.memory.append_memory("备忘", f"- {content}") + return f" 已写入 MEMORY.md" + + def _help(self) -> str: + return """ 记忆系统用法: + diary <内容> - 写当日日记 + diary_ai <内容> - AI 写观察日记 + remember <内容> - 记到长期记忆 (MEMORY.md) + search <关键词> - 全局搜索记忆 + context - 查看记忆上下文 + diary_list - 列出日记 + diary_read <日期> - 读取日记 + chat_list - 列出聊天记录 + chat_search <关键词> - 搜索聊天记录 + memory_read - 读取 MEMORY.md + memory_write <内容> - 写入 MEMORY.md"""