AIPodCli

AIPod

让 Agent 在明确的文件边界内开发，由 Pod 协调修改和验收。

AIPod 是一个 AI 应用开发框架，提供 Python 和 Node.js / TypeScript 两个实现。你描述目标，Agent 使用文件与 shell 工具完成开发；产物是可以阅读、修改和运行的普通项目代码。

框架保留五层结构：

Model → Provider → Service → Pipeline → Interface
数据      基础能力      领域行为      执行编排      用户入口

每层 Agent 共用一套工具和执行循环。Pod 决定层级调度、处理跨层修改申请，并检查最终交付结果。

本文描述 GitHub main 分支的新工作区 Agent 流程。本次重构尚未重新发布到 PyPI/npm；使用这一流程请按下面的源码安装方式运行。

Python 包 · Node 包 · Node 使用说明 · 执行模型

核心工作方式

在同一工作区开发。 Agent 可以查看项目文件，在自己的范围内增删改文件、搜索代码和运行 shell。
上游保持只读。 后续 Agent 发现上游问题时，提交修改原因、目标文件和建议给 Pod。
由文件所属 Agent 修改。 Pod 批准后，将任务交回对应 Agent；申请方不会获得上游写权限。
按实际需要检查。 Agent 自行选择编译、测试或启动命令，修改后重新检查，最后由 Pod 验收。

例如 Service 需要调整 Provider：

sequenceDiagram
    participant S as Service Agent
    participant P as Pod Agent
    participant R as Provider Agent
    S->>P: 提交问题、目标文件和修改建议
    alt Pod 批准
        P->>R: 分配修改任务与可写文件
        R->>R: 修改并运行检查
        R-->>P: 返回结果与检查记录
        P-->>S: 返回更新后的结果，继续开发
    else Pod 拒绝
        P-->>S: 返回拒绝原因
    end

跨层修改可能使中间层失效，Pod 会安排这些层重新检查后再继续。批准、拒绝、执行结果及未完成状态都会保存，便于恢复。

默认构建不再为每个组件强制安排“生成测试 → 冻结测试 → 生成实现 → 复制项目验证”的流程。普通测试仍然可用，Agent 可以按需要编写和运行。

五层分别负责什么

层	职责	典型内容
Model	定义共享数据	用户、订单、向量、场景状态、事件
Provider	提供基础能力	存储、文件、网络、时钟、渲染设备
Service	实现领域行为	创建任务、计算价格、更新位置、检测碰撞
Pipeline	组合执行步骤	顺序、分支合并、并行、重复、流处理
Interface	提供用户入口	CLI、Web、桌面界面、消息入口

Service 使用 Model 和 Provider，Service 之间的组合放在 Pipeline 中。Interface 通过已注册的路由调用 Pipeline。

这套结构可以用于业务工具，也可以组织模拟程序、游戏原型等项目。具体实现能力仍取决于模型、需求和使用的基础库。

Provider 和 Service 的内部组织

两层都使用 contracts/、impl/、public/ 三个顶层目录。框架只固定这三个区域，AI 自行规划其中的目录和文件，按领域、能力或算法拆分，没有固定嵌套深度，也不要求三个目录一一对应。

modules/                      # Node 对应 src/，源码后缀为 .ts
├── providers/
│   ├── contracts/storage.py
│   ├── impl/storage/memory.py
│   └── public/storage.py
└── services/
    ├── contracts/physics.py
    ├── impl/physics/
    │   ├── collision/
    │   └── dynamics/
    └── public/physics.py

contracts/：稳定的接口、类型及行为约定，复用 Model，不依赖实现或公开入口。
impl/：具体组件和内部辅助代码，复杂起来后由所属 Agent 自行拆分。
public/：薄的公开导出，注册表指向这里；不放业务逻辑或重复包装类。一个入口可导出多个组件。

Python 公开入口使用显式导入，例如 from ..impl.storage.memory import MemoryStore as Store，注册路径为 modules.providers.public.storage.Store。也支持 public/__init__.py 和逐层命名导出。Node 使用 export {MemoryStore as Store} from '../impl/storage/memory.js'，注册 src/providers/public/storage.ts 与 ID Store。静态校验会沿导出找到真实实现，不会执行源码来解析入口；不支持用通配导出或动态赋值注册组件。

内部可以复用本层的辅助代码和契约，跨层导入只能使用 public/ 或 contracts/，不能直接引用另一层的 impl/。Service 之间仍通过 Pipeline 组合。内部辅助文件不需要注册，也不需要额外 Agent。

新生成的 Provider/Service 必须注册公开入口；已有平铺组件可以继续维护，不会自动搬迁。内部重组保留公开路径，跨 Owner 的修改仍由 Pod 批准并交给所属 Agent 执行。删除共享入口中的一个组件时，只移除它的命名导出及注册信息，保留其他组件。

快速开始：Python

需要 Python 3.10+。以下示例适用于 macOS；Linux 的 Agent shell 还需要 bubblewrap。

从源码安装

git clone https://github.com/wangzhongren/ai_pod_cli.git
cd ai_pod_cli

python3 -m venv .venv
source .venv/bin/activate
python -m pip install -e .

mkdir ../demo-python
cd ../demo-python
aipod init

配置模型

支持 OpenAI-compatible 接口。填写你实际使用的接口地址和模型名称：

export OPENAI_API_KEY="your-api-key"
export OPENAI_BASE_URL="https://api.openai.com/v1"
export OPENAI_MODEL="your-model"

也可以通过 aipod config set KEY VALUE 保存到 ~/.aipod/config.toml。Python 和 Node 共享这份全局配置。

开发与修改

aipod pod "开发一个本地待办应用：任务持久化，支持新增、列表和完成，通过 CLI 使用。" --yes

需求较长时可以从文件读取：

aipod pod --file requirements.md --yes

修改已有项目，自动判断最早受影响的层：

aipod pod "调整 CLI 的输出格式，保留已有任务行为。" --stage auto --yes

也可以明确指定层：

aipod pod "调整任务完成规则。" --stage services --yes

指定层之前的产物保持只读；确实需要修改时，仍走 Pod 的审批与转交流程。这里的审批是框架内部协调，不会每次都要求用户确认。

查看和运行

aipod inspect project --json
aipod inspect pipelines --json
aipod interface list

根据实际生成的名称、参数和启动说明运行，例如：

aipod run list_tasks --params '{}'
aipod interface run todo_cli --payload '{"action":"list"}'

list_tasks、todo_cli 及事件格式只是示例，具体以项目注册信息为准。运行已经生成的应用不需要再次调用 AI，除非应用本身包含 AI 功能。

Node.js / TypeScript

Node 版本使用相同的 Agent 协作规则，需要 Node.js 20+。在仓库根目录执行：

cd aipod-node
npm ci
npm run build

npm run cli -- init ../../demo-node
npm run cli -- pod "开发一个有类型契约的问候服务、路由和 CLI 入口。" --project-root ../../demo-node
npm run cli -- inspect ../../demo-node

完整命令、运行时示例和版本差异见 Node README。

内容	Python	Node
组件代码	Python	TypeScript / JavaScript
Model	Pydantic / SQLModel	TypeScript 数据声明
内置持久化	SQLModel `ModelRepository`	JSON `ModelRepository`
组件注册	`beans_config.json`	`aipod.json`
路由注册	`routes.toml`	`aipod.json`
Pod 状态	`aipod_plan.json`	`.aipod/plan.json`
Studio	原生窗口，可选依赖	本机 Web 页面

两个版本共享设计，底层 API 和已有运行时功能并非完全一致。

文件权限

Agent	Python 可写范围	Node 可写范围
Model	`modules/models/`	`src/models/`
Provider	`modules/providers/`	`src/providers/`
Service	`modules/services/`	`src/services/`
Pipeline	`pipelines/`	`src/pipelines/`
Interface	`interfaces/`、`app.py`	`src/interfaces/`、`interfaces/`

每层还可以写自己的 tests/<layer>/ 和 docs/<layer>/。Pod 管理共享配置、依赖及 tests/pod/、docs/pod/；运行时注册信息和 Pod 状态由控制器更新，Agent 不直接写这些文件。

文件工具和 shell 受同一套写入范围约束。路径穿越、指向其他层的符号链接写入和硬链接绕过都会被拒绝。

macOS：使用系统 sandbox-exec 执行写权限限制。
Linux：需要可运行的 bubblewrap。新的共享根文件应先通过文件工具创建，再交给 shell 修改。
原生 Windows：目前不支持这一受限 shell 执行方式；可使用具备 bubblewrap 的 Linux 环境。

缺少权限执行后端时会报错，不会自动切换成无约束 shell。这是开发期的文件写入边界，不是恶意代码的完整安全隔离，也不限制交付应用在正常启动后的全部行为。

检查、临时数据与恢复

Agent 在项目目录运行命令，临时数据和缓存保存在 .aipod/work/<owner>/。shell 不继承模型 API 凭据；内置存储使用 Agent 的临时数据位置。自定义外部系统仍需要明确的测试配置。

Agent 修改文件或收到上游更新后，需要重新执行检查再交接。Pod 使用同一套工具做最终检查，也可以编写普通验收测试、运行程序并安排所属 Agent 修复。

默认限制：

Model、Provider、Service、Pipeline、Interface Agent 每次执行默认最多 100 轮指令；Pod Agent（含最终验收与共享文件修正）每次执行默认最多 200 轮。每轮输出一条指令，各自独立计数。
每次 Pod 运行最多 10 次修改申请。
shell 默认 60 秒，单次最多 120 秒，返回有限长度的输出。

失败或中断时保留工作区中的部分改动和状态，不会假装回滚成完整版本。已批准但未完成的修改会继续交给所属 Agent 处理。

你也可以手动运行检查：

aipod verify --json
aipod verify --json -- python -m unittest discover -s tests/services

第一条只做结构检查，结果为 unverified。第二条还会执行指定命令；请替换成项目实际使用的测试入口。命令成功是执行证据，不等于完整覆盖了需求。

已有的 ai_pod_cli.testing.Sandbox、component_tests 和行为测试驱动保留为可选工具，不是新构建流程的前置条件。

Agent 指令协议

这一协议由框架与模型交互使用，日常使用 CLI 不需要手写。

提示词明确将其定义为 AIPod 原创的专用文本指令集（AIPod Instruction Set），XML-like 是它使用的表示语法。Agent 在普通响应正文中输出一条指令，AIPod 控制器解析执行并反馈结果。标签名称严格按下列格式书写，源码和复杂 shell 命令放在 CDATA 中：

<read><path>modules/models/task.py</path></read>

<shell><command><![CDATA[python -m unittest discover -s tests/services]]></command><timeout>60</timeout></shell>

<request_change><target>providers</target>
<paths><item>modules/providers/impl/store.py</item></paths>
<reason>当前 API 无法完成需求中的操作</reason>
<change>补充所需操作并保留现有调用兼容性</change></request_change>

<create><path>modules/services/impl/example.py</path><content><![CDATA[
class Example:
    def execute(self, ctx):
        return {"value": 42}
]]></content></create>

<finish><summary>实现和检查完成</summary>
<components><item><id>Example</id>
<class_path>modules.services.public.example.Example</class_path>
<dependencies/><inputs/><outputs/><methods/></item></components>
<pipelines/><interfaces/><remove/></finish>

每次响应一条指令。对象使用嵌套标签，列表成员使用 <item>；空列表、空对象可使用自闭合标签。支持 list、read、search、create、update、delete、shell、request_change、finish。

CDATA 不改变返回值的字符串类型，它用于隔离内容中的 <、& 等符号。路径和普通参数无需 CDATA；不使用 CDATA 的文本须按 XML 规则转义。源码生成提示词使用 CDATA，以保留源码原文并减少转义。

读取长文件时通过 offset / limit 和返回的 next_offset 分页。finish 的注册信息由控制器验证归属和契约后写入注册表。解析器保留对已观察到的单个 DSML tool_calls/invoke/parameter 封装的兼容，但提示词只示范上面的文本指令格式。旧的 JSON 控制动作仅为兼容既有调用保留；注册文件和 HTTP 数据仍按各自的数据格式保存。

解析失败时，控制器返回 executed: false，以及 parse_error 中的错误类别、具体原因和可定位时的行列、附近片段；format_help 与 format_example 给出针对当前指令的修正说明和格式示例。混入 DSML 外壳时会明确指出外壳错误，避免误判为文件太大或中文编码问题。模型需要先重发正确指令，解析器不会猜测并执行损坏的回复。文件不存在、权限或执行错误仍按执行结果反馈。

Studio

Python 原生 Studio：

# 在已克隆的仓库目录安装可选依赖
python -m pip install -e '.[studio]'
aipod studio /path/to/project

Node 本机 Web Studio：

# 在仓库的 aipod-node 目录执行
npm run cli -- studio /path/to/project

Studio 提供项目结构、源码、路由、运行记录和 Pod 构建状态查看。

开发与验证

在仓库根目录运行 Python 回归：

python -m unittest discover -s tests -t .

Node 回归：

cd aipod-node
npm ci
npm test

权限相关测试需要系统允许启动受限子进程。受外层沙盒限制而跳过的项目，应在具备相应权限的本机环境补跑。

更多运行时能力，包括异步、并行、重复和流处理，见执行模型。Node 的 Broker/Worker 示例见 distributed-orders。

License

MIT

Metadata

Release files for AIPodCli 0.12.0

For a detailed explanation of source distributions (sdists) and built distributions (wheels), please see the package formats documentation.

Source distribution (sdist)

Source distribution for AIPodCli 0.12.0
File	Size	Uploaded	Provenance
aipodcli-0.12.0.tar.gz	831.7 kB	Sep 10, 2026	Without provenance	Details

Built distribution (wheel)

Table of built distributions (wheels) for AIPodCli 0.12.0
File	Interpreter	ABI	Platform	Reset
aipodcli-0.12.0-py3-none-any.whl 794.7 kB Sep 10, 2026 Without provenance	Python 3	none	any	Details

Total release size: 1.6 MB

Release files / aipodcli-0.12.0.tar.gz

Download URL	aipodcli-0.12.0.tar.gz
Size	831.7 kB
Tags	Source
SHA-256 checksum How to use checksums	`a59f93ee88d4d32b222839917306d5f7b1bea74e04092af5112d7b6e6bb2024f`
BLAKE2b-256 checksum How to use checksums	`1530a25dc7fbc2b6857e7928ae752e09b6de650530cdee293321b44fb38a9556`
Upload date	Sep 10, 2026
Uploaded using Trusted Publishing? What is trusted publishing?	No
Uploaded via	`twine/7.0.0 CPython/3.10.20`

Release files / aipodcli-0.12.0-py3-none-any.whl

Download URL	aipodcli-0.12.0-py3-none-any.whl
Size	794.7 kB
Tags	Python 3
SHA-256 checksum How to use checksums	`c26b600726688c7c29b62c890007be302554e6cb70e33aa9e3b382e81cc0b933`
BLAKE2b-256 checksum How to use checksums	`86af1a0d8c4cb8c12c95ba09f20d9b6c0a7320274155a541d8765484791fe0d2`
Upload date	Sep 10, 2026
Uploaded using Trusted Publishing? What is trusted publishing?	No
Uploaded via	`twine/7.0.0 CPython/3.10.20`

Security for AIPodCli 0.12.0

Report project as malware

Provenance

Provenance describes where a file came from. On PyPI, provenance is shared via attestations, which provide a verifiable record of the build or publishing details. View details, limitations and caveats.

No provenance found

None of the files in this release were uploaded with provenance metadata.

A note on package security

PyPI is a repository for distributing packages, not a service for auditing them. While third-party security researchers and our staff do their best to detect and remove malicious packages, PyPI cannot guarantee the quality, security or suitability of any given package.

To learn more about protecting yourself from malicious actors, visit our package security documentation.