feat: 增强编码能力 - 新增代码编辑器、代码搜索、Git集成

- 新增 plugins/code_editor.py: 精准代码编辑（搜索替换、批量编辑、diff对比）
- 新增 plugins/code_search.py: 代码搜索与理解（跨文件搜索、符号提取、依赖分析）
- 新增 plugins/git_tools.py: Git 版本控制（status/diff/log/commit/branch）
- 新增 core/ 模块: 配置管理、引擎管理、对话处理、显示输出、代码沙箱
- 修复 requirements.txt: 使用正确的 pip 包名（Pillow、opencv-python 等）
- 更新 unified_tool_manager.py: 兼容 Plugin 和 Liugin 两种类名
- 更新系统提示词: 增强编程工作流指导

本次更新由 mimo 自动化执行，与开发者无关。

ai_engines/ollama_engine.py

@@ -0,0 +1,401 @@
+import os
+import sys
+import json
+import requests
+import threading
+import time
+from colorama import Fore, Style
+
+# 延迟导入 ollama，避免程序启动时卡住
+# 如果导入失败，ollama_client 将为 None
+try:
+    import ollama
+    ollama_client = ollama
+except Exception as e:
+    print(f"{Fore.YELLOW}警告: 无法导入 ollama 库: {e}{Style.RESET_ALL}")
+    print(f"{Fore.YELLOW}请确保已安装 ollama 包 (pip install ollama){Style.RESET_ALL}")
+    ollama_client = None
+
+# 添加项目根目录到sys.path
+current_dir = os.path.dirname(os.path.abspath(__file__))
+project_root = os.path.dirname(current_dir)
+sys.path.insert(0, project_root)
+
+
+class OllamaAI:
+    """基于Ollama的本地AI引擎"""
+    requires_api_key = False  # Ollama是本地引擎，不需要API密钥
+    
+    def get_help_info(self):
+        """获取引擎帮助信息"""
+        help_text = """
+Ollama AI引擎插件帮助信息
+========================
+
+引擎名称: Ollama
+描述: 基于Ollama的本地AI引擎,支持多种大型语言模型
+
+可用命令:
+  /engine.ollama models     - 列出本地可用的模型
+  /engine.ollama remote-models - 显示可下载的模型列表
+  /engine.ollama search <关键词> - 搜索可下载的模型
+  /engine.ollama set <模型名> - 设置当前使用的模型
+  /engine.ollama pull <模型名> - 从Ollama库拉取模型
+
+注意: 本引擎强制使用流式输出，AI回复会实时显示。
+
+使用说明:
+1. 确保Ollama服务已在本地运行
+2. 使用/engine.switch ollama切换到此引擎
+3. 使用上述命令管理模型和与AI交互
+
+思考模式:
+  - 支持深度思考模型（如 QwQ、DeepSeek-R1）
+  - 思考过程会自动以灰色文本显示
+"""
+        return help_text
+    
+    def __init__(self):
+        self.name = "ollama"
+        self.cli = None  # 引用CLI实例以访问插件
+        # 初始化对话历史
+        self.conversation_history = []
+        
+        # 直接从 config.json 读取配置
+        config_file = os.path.join(project_root, "config.json")
+        try:
+            with open(config_file, 'r', encoding='utf-8') as f:
+                config = json.load(f)
+                engine_config = config.get("api", {}).get("engines", {}).get("ollama", {})
+                self.api_key = engine_config.get("api_key", "")
+                self.base_url = engine_config.get("base_url", "")
+                self.model = engine_config.get("model", "")
+                self.max_history = config.get("system", {}).get("max_history", 10)
+        except Exception as e:
+            # 如果读取失败，使用空值
+            self.api_key = ""
+            self.base_url = ""
+            self.model = ""
+            self.max_history = 10
+        
+        # 共享对话历史引用（由CLI设置）
+        self.shared_conversation_history = None
+        
+        # 直接启用思考标记，由主程序自动处理深度思考模型的响应
+        self.thinking_start_marker = "<thinking>"
+        self.thinking_end_marker = "</thinking>"
+
+        # 检测Ollama服务是否运行
+        self.is_service_running = self.check_ollama_service()
+        
+        if self.is_service_running:
+            print(f"{Fore.GREEN}Ollama服务检测成功,引擎已启用{Style.RESET_ALL}")
+        else:
+            print(f"{Fore.RED}Ollama服务未运行,引擎将不可用{Style.RESET_ALL}")
+    
+    def check_ollama_service(self):
+        """检测Ollama服务是否运行"""
+        # 检查 ollama 库是否可用
+        if ollama_client is None:
+            return False
+        try:
+            # 尝试调用Ollama API获取版本信息
+            response = ollama_client.list()
+            # 如果没有异常,说明服务运行正常
+            return True
+        except Exception as e:
+            # 如果出现异常,说明服务未运行
+            return False
+    
+    def generate_response(self, user_input, tool_results=None, system_prompt=None):
+        """生成AI响应 - 使用Ollama API"""
+        try:
+            # 检查Ollama服务是否运行
+            if not self.is_service_running:
+                return "错误:Ollama服务未运行,请启动Ollama服务后再使用此引擎."
+            
+            # 如果有工具结果,将其作为上下文返回给AI处理
+            if tool_results:
+                tool_result_text = f"工具执行结果: {tool_results.get('result', '无结果')}"
+                # 构建包含历史记录的消息列表
+                messages = self._build_messages_with_history(system_prompt, tool_result_text)
+                
+                # 使用Ollama Python库调用API
+                response = ollama_client.chat(
+                    model=self.model,
+                    messages=messages,
+                    stream=False
+                )
+                
+                # 返回AI的回复
+                return response["message"]["content"]
+            
+            # 构建包含历史记录的消息列表
+            messages = self._build_messages_with_history(system_prompt, user_input)
+            
+            # 使用Ollama Python库调用API
+            response = ollama_client.chat(
+                model=self.model,
+                messages=messages,
+                stream=False
+            )
+            
+            # 返回AI的回复
+            content = response["message"]["content"]
+            # 清理无效的 UTF-8 代理字符
+            content = content.encode('utf-8', 'replace').decode('utf-8')
+            return content
+            
+        except Exception as e:
+            # 如果API调用失败,返回错误信息
+            return f"Ollama API调用失败: {str(e)}"
+
+    def _build_messages_with_history(self, system_prompt, user_input):
+        """构建包含历史记录的消息列表"""
+        messages = []
+        
+        # 添加系统提示词
+        if system_prompt:
+            # 清理代理字符
+            clean_prompt = system_prompt.encode('utf-8', 'replace').decode('utf-8')
+            messages.append({
+                "role": "system",
+                "content": clean_prompt
+            })
+        
+# 添加历史对话记录（使用共享历史）
+        if self.shared_conversation_history is not None:
+            # 确保历史记录格式正确
+            for msg in self.shared_conversation_history[-self.max_history:]:
+                if isinstance(msg, dict) and "role" in msg and "content" in msg:
+                    # 清理内容中的代理字符
+                    clean_content = msg["content"].encode('utf-8', 'replace').decode('utf-8')
+                    messages.append({"role": msg["role"], "content": clean_content})
+                else:
+                    # 如果格式不正确，跳过该条记录
+                    continue
+        
+        # 清理用户输入
+        if user_input:
+            clean_input = user_input.encode('utf-8', 'replace').decode('utf-8')
+            messages.append({
+                "role": "user",
+                "content": clean_input
+            })
+        
+        return messages
+    
+    
+    
+    def _call_api_with_history(self, content, system_prompt=None):
+        """使用对话历史调用API"""
+        if not self.is_service_running:
+            return "错误:Ollama服务未运行,请启动Ollama服务后再使用此引擎."
+        
+        # 构建消息列表
+        messages = []
+        # 添加系统提示词(如果提供)
+        if system_prompt:
+            messages.append({
+                "role": "system",
+                "content": system_prompt
+            })
+        # 添加历史对话记录（使用共享历史）
+        if self.shared_conversation_history is not None:
+            # 确保历史记录格式正确
+            for msg in self.shared_conversation_history[-self.max_history:]:
+                if isinstance(msg, dict) and "role" in msg and "content" in msg:
+                    messages.append(msg)
+                else:
+                    # 如果格式不正确，跳过该条记录
+                    continue
+        # 添加当前内容
+        messages.append({
+            "role": "tool",
+            "content": content
+        })
+        
+        # 使用Ollama Python库调用API
+        response = ollama_client.chat(
+            model=self.model,
+            messages=messages,
+            stream=False
+        )
+        
+        return response["message"]["content"]
+    
+    def set_model(self, model_name):
+        """设置要使用的模型"""
+        if not self.is_service_running:
+            print(f"{Fore.RED}错误:Ollama服务未运行,无法切换模型{Style.RESET_ALL}")
+            return
+        
+        self.model = model_name
+        print(f"{Fore.GREEN}已切换Ollama模型为: {model_name}{Style.RESET_ALL}")
+    
+    def list_models(self):
+        """列出本地可用的模型"""
+        if not self.is_service_running:
+            return ["错误:Ollama服务未运行"]
+        
+        try:
+            response = ollama_client.list()
+            models = [model["name"] for model in response["models"]]
+            return models
+        except Exception as e:
+            return [f"获取模型列表失败: {str(e)}"]
+    
+    def list_remote_models(self, limit=10):
+        """获取可下载的模型列表(仅展示前N个)"""
+        if not self.is_service_running:
+            return ["错误:Ollama服务未运行"]
+        
+        try:
+            # 使用Ollama Python库获取可下载的模型列表
+            # 注意:Ollama库本身没有直接获取可下载模型列表的API
+            # 这里返回一些常见的模型作为示例
+            # 实际应用中可能需要从Ollama官网或其他来源获取此信息
+            common_models = [
+                "llama3.1:latest",
+                "llama3:latest", 
+                "mistral:latest",
+                "gemma2:latest",
+                "phi3:latest",
+                "qwen2:latest",
+                "command-r:latest",
+                "dolphin-mistral:latest",
+                "nous-hermes2:latest",
+                "llava:latest",
+                "codellama:latest",
+                "mxbai-embed-large:latest",
+                "all-minilm:latest",
+                "stable-diffusion:latest",
+                "moondream:latest"
+            ]
+            return common_models[:limit]
+        except Exception as e:
+            return [f"获取远程模型列表失败: {str(e)}"]
+    
+    def search_models(self, query, limit=10):
+        """模糊搜索可下载的模型"""
+        if not self.is_service_running:
+            return ["错误:Ollama服务未运行"]
+        
+        try:
+            # 使用Ollama Python库获取可下载的模型列表
+            # 注意:Ollama库本身没有直接获取可下载模型列表的API
+            all_models = [
+                "llama3.1:latest", "llama3:latest", "llama2:latest",
+                "mistral:latest", "mistral-openorca:latest",
+                "gemma2:latest", "gemma:latest",
+                "phi3:latest", "phi2:latest",
+                "qwen2:latest", "qwen:latest",
+                "command-r:latest", "command-r-plus:latest",
+                "dolphin-mistral:latest", "dolphin-llama3:latest",
+                "nous-hermes2:latest", "nous-hermes:latest",
+                "llava:latest", "bakllava:latest",
+                "codellama:latest", "codeup:latest",
+                "mxbai-embed-large:latest", "nomic-embed-text:latest",
+                "all-minilm:latest", "bge-m3:latest",
+                "stable-diffusion:latest", "moondream:latest",
+                "llama3-groq:latest", "eva-qwen2:latest"
+            ]
+            
+            # 进行模糊搜索(简单匹配,包含查询词的模型)
+            matched_models = [model for model in all_models if query.lower() in model.lower()]
+            
+            # 限制返回数量
+            return matched_models[:limit]
+        except Exception as e:
+            return [f"搜索模型失败: {str(e)}"]
+    
+    def pull_model(self, model_name):
+        """从Ollama库拉取模型"""
+        if not self.is_service_running:
+            print(f"{Fore.RED}错误:Ollama服务未运行,无法拉取模型{Style.RESET_ALL}")
+            return False
+        
+        try:
+            print(f"{Fore.YELLOW}正在拉取模型 {model_name}...{Style.RESET_ALL}")
+            
+            # 使用Ollama Python库拉取模型
+            response = ollama_client.pull(model_name, stream=True)
+            
+            # 逐块处理响应
+            for part in response:
+                if 'status' in part:
+                    status = part['status']
+                    print(f"{Fore.YELLOW}{status}{Style.RESET_ALL}")
+                    # 检查是否完成
+                    if 'completed' in part and 'total' in part:
+                        if part['completed'] == part['total']:
+                            print(f"{Fore.GREEN}模型 {model_name} 拉取完成!{Style.RESET_ALL}")
+            
+            print(f"{Fore.GREEN}模型 {model_name} 拉取成功!{Style.RESET_ALL}")
+            return True
+        except Exception as e:
+            print(f"{Fore.RED}拉取模型 {model_name} 失败: {str(e)}{Style.RESET_ALL}")
+            return False
+    
+    def handle_command(self, command):
+        """处理引擎特定命令"""
+        if not self.is_service_running:
+            print(f"{Fore.RED}Ollama服务未运行,无法执行命令{Style.RESET_ALL}")
+            return False
+        
+        if command == "models":
+            # 显示本地可用模型
+            models = self.list_models()
+            print(f"{Fore.GREEN}本地可用的Ollama模型:{Style.RESET_ALL}")
+            for model in models:
+                status = " (当前使用)" if model == self.model else ""
+                print(f"{Fore.GREEN}  - {model}{status}{Style.RESET_ALL}")
+            return True
+        
+        elif command == "remote-models":
+            # 显示可下载的模型(前10个)
+            models = self.list_remote_models()
+            print(f"{Fore.GREEN}可下载的Ollama模型(前10个):{Style.RESET_ALL}")
+            for i, model in enumerate(models, 1):
+                print(f"{Fore.GREEN}  {i}. {model}{Style.RESET_ALL}")
+            return True
+        
+        elif command.startswith("search "):
+            # 搜索模型
+            query = command[7:].strip()  # 移除 'search '
+            if query:
+                models = self.search_models(query)
+                if models:
+                    print(f"{Fore.GREEN}搜索 '{query}' 的结果(前10个):{Style.RESET_ALL}")
+                    for i, model in enumerate(models, 1):
+                        print(f"{Fore.GREEN}  {i}. {model}{Style.RESET_ALL}")
+                else:
+                    print(f"{Fore.YELLOW}未找到与 '{query}' 匹配的模型{Style.RESET_ALL}")
+                return True
+            else:
+                print(f"{Fore.RED}请提供搜索关键词.用法: /engine.search <关键词>{Style.RESET_ALL}")
+                return False
+        
+        elif command.startswith("set "):
+            # 设置模型
+            model_name = command[4:].strip()  # 移除 'set '
+            if model_name:
+                self.set_model(model_name)
+                return True
+            else:
+                print(f"{Fore.RED}请提供模型名称.用法: /engine.set <模型名>{Style.RESET_ALL}")
+                return False
+        
+        elif command.startswith("pull "):
+            # 拉取模型
+            model_name = command[5:].strip()  # 移除 'pull '
+            if model_name:
+                success = self.pull_model(model_name)
+                return success
+            else:
+                print(f"{Fore.RED}请提供模型名称.用法: /engine.pull <模型名>{Style.RESET_ALL}")
+                return False
+        
+        else:
+            print(f"{Fore.RED}未知的Ollama命令.可用命令: models, remote-models, search, set, pull{Style.RESET_ALL}")
+            return False