itwanger/PaiCLI-Python

itwanger のプロフィール

記録された最新のソース活動: 2026年7月8日 09:33

SkillsMP カタログ更新: 2026年10月26日 11:37

収集済み skills: 1

GitHub スター: 107
GitHub フォーク: 27

リポジトリの README

README の元ファイル：README.md

README の元ファイルを読む

README 全文を表示

# PaiCLI Python PaiCLI Python 是一个运行在终端里的 AI Agent CLI，面向真实项目开发场景：读写文件、搜索代码、执行命令、联网检索、调用 MCP 工具、保存记忆、生成快照、恢复现场，并通过 Runtime API 对外提供线程、turn、事件和后台任务能力。 ![](https://cdn.paicoding.com/stutymore/best-city-ai-agent-jd-20260708142704.png) 这个仓库是 PaiCLI 的 Python 版本。它不是一个空壳 Demo，而是按真实 CLI 产品来做：核心路径有测试覆盖，也经过本地 smoke 和真实终端运行验证。 ## 配套教程路线如果你是为了学习 Agent 工程、准备简历或准备面试，可以先看这条教程路线： [PaiCLI 学习路线：手搓一个 Java 版 Claude Code](https://paicoding.com/paicli-learning-path) 这篇路线不是单纯教你“从第一行源码看到最后一行”，而是按真实学习和求职路径来组织： - 先把 PaiCLI 在本地跑起来，直观看到 ReAct、工具调用、Plan 模式和联网搜索是怎么工作的 - 再把项目能力拆成可以写进简历的模块，比如 ReAct、Plan-and-Execute、Memory、RAG、MCP、HITL、多模态和 Runtime API - 然后围绕简历里写到的模块去深挖源码，并同步准备对应的 Agent 面试题 - 最后通过 debug、改 bug、加工具、整理踩坑笔记，把项目真正变成自己的工程经验教程目录覆盖实战篇、简历篇和面试篇，适合作为学习 PaiCLI Java 版和理解本 Python 版设计取舍的路线图。 ![](https://cdn.paicoding.com/stutymore/paicli-python-launch-20260708161001.png) ## 功能特性 - 交互式终端 Agent，基于 Rich 和 prompt-toolkit 渲染 - 单次 prompt 模式，适合脚本、管道和自动化调用 - OpenAI-compatible 流式 LLM 客户端，默认面向 DeepSeek 配置 - 支持 `DEEPSEEK_API_KEY` 等 provider-specific API Key - ReAct 工具调用循环，支持 thinking、tool call、tool result、final output 和 usage 事件 - Plan-and-Execute 模式，使用独立 Planner 生成 DAG，并按依赖批次执行可并行任务 - Multi-Agent 协作模式，包含 Planner、Worker、Reviewer、依赖调度、并行 worker、review 重试，以及可切换到独立 Plan-and-Execute 的子 Agent - 内置文件、Shell、grep、glob、记忆、网页搜索、网页抓取、代码搜索等工具 - HITL 人工确认、命令/路径安全策略和 JSONL 审计日志 - MCP client，支持 stdio 和 Streamable HTTP MCP server - Skill 系统，支持内置、用户级和项目级分层、输入 Top-K 匹配、`load_skill` 当前回合懒加载，以及经 HITL 确认的 `save_skill` 流程沉淀 - Chrome DevTools MCP 配置助手 - PaiCLI 自身也可以作为 MCP server 暴露内置工具 - Runtime API，支持有历史的 thread、turn、事件日志，以及带原子抢占、租约恢复、取消保护、项目隔离和 `react|plan|team` 模式的持久化后台任务 - 静态项目记忆 + SQLite 动态长期记忆，支持元数据、去重、TTL、容量治理和相关性召回 - 上下文预算与压缩：达到可用输入预算的 80% 后压缩旧轮次，保留近期消息和完整工具调用对 - 完整 usage、缓存命中/未命中 Token、reasoning Token 和可配置成本估算 - Agent run 前后自动创建快照，支持恢复现场 - 支持本地图片和远程图片输入，并根据模型能力自动降级 ## 环境要求 - Python 3.11 或更新版本 - [uv](https://docs.astral.sh/uv/) - 可选：`rg`，用于更快的本地搜索 - 可选：Chrome DevTools MCP 需要 Node.js 20.19.0 LTS 或更新版本、npm/npx 和 Chrome ## 快速开始 ```bash git clone https://github.com/itwanger/PaiCLI-Python.git cd PaiCLI-Python uv sync --extra dev uv run paicli --help ``` 启动交互模式： ```bash uv run paicli ``` 单次查询： ```bash uv run paicli -p "帮我总结这个项目" ``` 选择运行模式并输出机器可读的 usage/cost： ```bash uv run paicli --mode plan -p "先读取 README，再验证项目" --json uv run paicli --mode team --worker-mode plan -p "并行审计核心模块" --json ``` 检查当前环境： ```bash uv run paicli doctor --cwd . ``` ## 配置 PaiCLI 的配置优先级如下： 1. 内置默认配置 2. `~/.paicli/config.json` 3. 项目级 `.paicli/config.json` 4. 项目级 `.env` 5. CLI 参数 6. 当前进程环境变量可以像 Java 项目一样，把 DeepSeek Key 写到项目 `.env` 里： ```dotenv PAICLI_PROVIDER=deepseek PAICLI_MODEL=deepseek-v4-flash DEEPSEEK_API_KEY=your_key_here ``` 也可以使用 PaiCLI 通用 Key： ```dotenv PAICLI_PROVIDER=deepseek PAICLI_MODEL=deepseek-v4-flash PAICLI_API_KEY=your_key_here ``` 当前支持的 provider-specific API Key 包括： - `DEEPSEEK_API_KEY` - `ZAI_API_KEY`（GLM 官方推荐） - `GLM_API_KEY` - `STEP_API_KEY` - `KIMI_API_KEY` 通过命令行临时覆盖 provider 和 model： ```bash uv run paicli --provider deepseek --model deepseek-v4-flash ``` 连接本地 OpenAI-compatible 服务： ```bash PAICLI_PROVIDER=openai-compatible \ PAICLI_BASE_URL=http://127.0.0.1:11434/v1 \ PAICLI_MODEL=qwen2.5-coder \ uv run paicli -p "解释这个仓库" ``` ## 交互命令进入 `uv run paicli` 后，可以使用这些 slash commands： ```text /help /exit /clear /context /memory /memory search <query> /memory stats /memory delete <id> /memory clear /save <fact> /config /tools /hitl default|auto /policy /audit [N] /index [path] /search <query> /plan <task> /team <task> /team --plan <task> /model /model <model-id> /model <provider> <model-id> /usage /skill /skill list /skill show <name> /skill on <name> /skill off <name> /skill reload /mcp /task /task add [--mode react|plan|team] <task> /task cancel <task_id> /task log <task_id> /snapshot /snapshot clean /restore <snapshot-id-or-index> ``` `/model` 会打开交互式模型选择器：`Tab` 或左右方向键在 `Default`、`Custom` 之间切换，上下方向键选择模型，`Enter` 立即切换当前 Agent。`Custom` 中可以选择已保存的 BYOK 模型、创建新的 DeepSeek/GLM/OpenAI-compatible 配置，或按 `d` 删除配置。自定义配置保存在权限为 `0600` 的 `~/.paicli/models.json`；建议填写 API Key 环境变量名，只有显式输入 API Key 时才会把密钥写入该文件。 ## 内置工具 PaiCLI 内置了一组 Agent 可以调用的本地工具和联网工具： - `read_file` - `write_file` - `list_dir` - `glob` / `glob_files` - `grep` / `grep_code` - `bash` / `execute_command` - `web_search` - `web_fetch` - `save_memory` - `search_memory` - `load_skill` - `save_skill` - `search_code` - `revert_turn` 写文件、执行命令、远程 MCP 写操作、恢复快照等危险动作，会经过 policy、HITL 和 audit 处理。 `save_skill` 也必须经过 HITL；模型可以提议沉淀，但不会静默改变后续行为。交互模式下按 `Shift+Tab` 可在两种会话权限模式间切换： - `Default`：使用启动时的 HITL、工作区路径和命令安全策略。 - `Auto (full access)`：当前会话内不再请求审批，并关闭路径与命令守卫；再次按 `Shift+Tab` 会恢复启动时的默认策略。 ## Skill 匹配与沉淀 Skill 按 `builtin -> user -> project` 加载，同名时后层覆盖前层： - builtin：产品默认能力 - user：`~/.paicli/skills/*/SKILL.md`，跨项目复用 - project：`.paicli/skills/*/SKILL.md`，最贴近当前仓库并拥有最高优先级每次用户输入先用 name、description、tags 做中英文词法/字符 n-gram Top-K 匹配，再把候选交给模型决定是否调用 `load_skill`。Skill 正文只在真正加载后进入当前 ReAct 的下一模型轮；每个并发子 Agent 都有独立 Skill 缓冲区，不会串线。当一次成功流程具备稳定输入、明确步骤和可复用边界时，模型可以调用 `save_skill` 提议写入 project 或 user 层。该工具默认拒绝覆盖已有 Skill，并强制人工确认。 ## 记忆、动态 Prompt 与上下文压缩 PaiCLI 把记忆分成三层： - 短期记忆：当前 thread/session 的原始消息、工具调用和工具结果 - 静态长期记忆：`AGENTS.md`、`PAI.md`、`.paicli/PAI.md` 及自定义 prompt 文件；人工维护、可版本控制 - 动态长期记忆：按项目 scope 隔离的 SQLite 记录；包含 kind、source、importance、confidence、TTL、访问次数和内容哈希动态记忆不会再无条件取“最近 8 条”。每个请求会按当前问题自动召回 Top-K，并把结果放进明确标注为 untrusted data 的动态 Prompt；模型觉得候选不足时，还可以调用 `search_memory` 深搜。写入端会拒绝空值/超长值，通过规范化哈希去重，并按项目容量淘汰低价值记录。 Prompt 分为可缓存的静态前缀和逐请求重建的动态后缀。静态前缀承载身份、规则和项目指令；动态后缀承载当前时间、cwd、模型、工具以及与当前问题相关的记忆。可用输入预算按 `context_window - max_output_tokens - reserve_tokens` 计算。默认在该预算的 80% 触发压缩，压到 55% 左右，为后续输出、工具结果和无 tokenizer 估算误差留出空间。压缩摘要只属于短期会话，不会自动晋升为长期记忆。 ## 模型、Token 与费用默认 provider/model 是 `deepseek/deepseek-v4-flash`。DeepSeek V4 Flash/Pro 的内置 profile 使用 1M 上下文，并带有截至 2026-07-17 的官方每百万 Token 价格；价格会变化，因此可以用 `llm.context_window` 和 `llm.prices` 覆盖，未知 OpenAI-compatible 模型应显式配置。流式请求开启 `stream_options.include_usage`，并解析 `choices=[]` 的 usage-only 块、cache hit/miss 和 reasoning Token。REPL 用 `/usage` 查看最近一次普通 ReAct，单次 CLI 用 `--json` 获取完整 usage/cost。成本以供应商返回的实际 Token 为准，不能只用“代码行数”精确推算。 ## 联网工具 `web_search` 使用 DuckDuckGo HTML 搜索，返回标题、URL 和摘要。 `web_fetch` 可以抓取公开 HTTP/HTTPS 页面，并做基础正文提取。它会拒绝 `file://`、loopback、私有网络和内网地址，降低 SSRF 风险。如果需要登录态、浏览器状态或 JS 渲染页面，建议使用 Chrome DevTools MCP。 ## MCP PaiCLI 可以连接 MCP server，并把远端工具动态注册为： ```text mcp__<server-name>__<tool-name> ``` 初始化项目级 Chrome DevTools MCP 配置： ```bash uv run paicli mcp init-chrome --scope project ``` 它会写入 `.paicli/mcp.json`，内容类似： ```json { "mcpServers": { "chrome-devtools": { "type": "stdio", "command": "npx", "args": [ "-y", "chrome-devtools-mcp@latest", "--no-usage-statistics" ] } } } ``` 连接已有 remote-debugging Chrome： ```bash uv run paicli mcp init-chrome \ --scope project \ --browser-url http://127.0.0.1:9222 ``` 查看已配置的 MCP server： ```bash uv run paicli mcp list ``` 把 PaiCLI 自身作为 MCP server 暴露： ```bash uv run paicli mcp serve --transport stdio uv run paicli mcp serve --transport http --port 3000 ``` HTTP smoke： ```bash curl -sS -X POST http://127.0.0.1:3000 \ -H 'content-type: application/json' \ -d '{"jsonrpc":"2.0","id":1,"method":"tools/list","params":{}}' ``` Chrome DevTools MCP 会把浏览器页面和 DevTools 状态暴露给 Agent。不要随意把包含个人账号、敏感数据或生产后台的 Chrome 会话授权给 Agent。 ## Runtime API PaiCLI 内置轻量 Runtime API，适合外部系统接入线程、turn、事件和后台任务。启动服务： ```bash PAICLI_RUNTIME_API_KEY=dev-key \ uv run paicli serve --http --port 8080 ``` 创建线程： ```bash curl -sS -X POST http://127.0.0.1:8080/v1/threads \ -H 'x-api-key: dev-key' ``` 发送 turn： ```bash curl -sS -X POST http://127.0.0.1:8080/v1/threads/<thread_id>/turns \ -H 'content-type: application/json' \ -H 'x-api-key: dev-key' \ -d '{"message":"总结这个项目"}' ``` 读取事件： ```bash curl -sS http://127.0.0.1:8080/v1/threads/<thread_id>/events \ -H 'x-api-key: dev-key' ``` 创建并查看后台任务： ```bash curl -sS -X POST http://127.0.0.1:8080/v1/tasks \ -H 'content-type: application/json' \ -H 'x-api-key: dev-key' \ -d '{"message":"后台总结这个仓库","mode":"plan"}' curl -sS http://127.0.0.1:8080/v1/tasks \ -H 'x-api-key: dev-key' ``` 也可以只启动队列消费者，不暴露 HTTP： ```bash uv run paicli worker --workers 2 --cwd . ``` 任务队列按项目目录隔离；worker 使用 SQLite 原子事务领取任务，并通过 lease/heartbeat 恢复崩溃任务。运行中取消会阻止 worker 把迟到结果重新覆盖为 completed。 ## 图片输入 PaiCLI 支持在 prompt 里引用图片： ```text 分析这张截图 @image:./screenshots/page.png ``` 也支持绝对路径和远程图片： ```text 解释这张图 @image:/Users/me/Desktop/diagram.png 看看这个图片 @image:https://example.com/image.png ``` 本地图片会自动压缩、缩放，并在需要时把透明底铺成白底，再转为 data URL。如果当前 provider/model 不支持多模态输入，PaiCLI 会自动降级为文本元信息，不会把不支持的图片 payload 发给模型。 ## 快照每次 Agent run 都会尽力创建项目快照： - `pre-turn` - `post-turn` 快照保存在 `~/.paicli/snapshots/`，不会写入项目 `.git`。 REPL 中可以使用： ```text /snapshot /restore 1 /snapshot clean ``` ## SDK ```python from paicli.sdk import create_default_engine engine = create_default_engine(cwd=".") result = engine.ask_complete("解释这个项目") print(result.text) plan_result = engine.plan_complete("先读取 README，再总结项目结构") team_result = engine.team_complete("让多个 Agent 并行检查核心模块") ``` ## 开发安装开发依赖： ```bash uv sync --extra dev ``` 运行检查： ```bash uv run python -m ruff check . uv run python -m ruff format --check . uv run python -m pytest uv build ``` 常用 smoke： ```bash uv run paicli --version uv run paicli --help uv run paicli doctor --cwd . uv run paicli --plain -p hello ``` ## 和 Java / TypeScript 版本的关系 Python 版覆盖了 Java / TypeScript 版本里公开、开放协议相关的主要 Agent CLI 能力，包括 CLI、REPL、ReAct、Plan-and-Execute、Multi-Agent、Skill、SDK、工具调用、MCP、Runtime API、记忆、快照、联网工具和图片输入。 Java 版本里还有一个私有的微信 iLink 通道。Python 仓库没有内置这个私有通道，因为它依赖账号、扫码登录和协议凭证，不应该用假实现冒充。更详细的实现对齐情况见 [docs/parity.md](docs/parity.md)。 ## License MIT. See [LICENSE](LICENSE).

リポジトリの README を読み込んでいます…

このリポジトリの skills

ソフトウェア開発者

1 件の職業カテゴリ · 100% 分類済み

skill

職業分類

説明

更新

web-access

ソフトウェア開発者

Use this skill for live web research, webpage fetching, login-state browsing, dynamic pages, social sites, and tasks that need current internet evidence.

原文の言語: 英語

2026-07-08

収集済み skill 1 件中 1 件を表示しています。

AI アシスタントでインストール

このプロンプトをコピーして、使用中の AI アシスタントに送ってください。

Follow https://skillsmp.com/skill-install/prompt.md to install Agent Skills from https://github.com/itwanger/PaiCLI-Python.