mindbot 0.3.0

基于 **Python + asyncio** 的模块化 AI Agent 框架，支持多 Provider、动态路由、流式响应和工具确认机制。

MindBot

English | 中文

基于 Python + asyncio 的模块化 AI Agent 框架，支持多 Provider、动态路由、流式响应和工具确认机制。

📖 架构文档 · 🧱 分层文档

特性

特性	说明
统一入口	AgentOrchestrator 自主决策，无需预选模式
流式响应	实时事件流，用户可看到 Agent 思考过程
工具确认	多级安全确认机制（安全级别、白名单、危险工具检测）
智能路由	根据内容类型/复杂度/关键词自动选择模型
多 Provider	OpenAI / Ollama / Transformers / llama.cpp
可中断执行	用户可随时中止 Agent 运行
记忆系统	短期/长期记忆，向量检索，自动归档
Skills 机制	SKILL.md 技能包按需注入 prompt，默认摘要、命中后展开正文
上下文管理	Token 预算管理，自动压缩
多通道支持	CLI、HTTP、飞书、Telegram
对话追踪	Tracer 记录完整对话日志

运行环境要求

要求	版本
Python	>= 3.10
asyncio	内置

安装

git clone https://github.com/SyJarvis/mindbot.git
cd mindbot
pip install -e .

快速开始

1. 配置 LLM

本地 Ollama（推荐）

ollama pull qwen3

云服务

export OPENAI_API_KEY=your-api-key
# 或
export MOONSHOT_API_KEY=your-api-key

2. 初始化配置

mindbot generate-config

这会创建 ~/.mindbot/settings.json 和 ~/.mindbot/SYSTEM.md。

3. 编辑配置

~/.mindbot/settings.json（JSONC 格式，支持注释和尾随逗号）：

{
  // Provider 实例 - 支持多账号、负载均衡
  "providers": {
    // 本地 Ollama 实例
    "local-ollama": {
      "type": "ollama",
      "strategy": "round-robin",
      "endpoints": [
        {
          "base_url": "http://localhost:11434",
          "weight": 1,
          "models": [
            { "id": "qwen3", "role": "chat", "level": "medium", "vision": false },
            { "id": "qwen3-vl:8b", "role": "chat", "level": "high", "vision": true }
          ]
        }
      ]
    },

    // Moonshot（OpenAI 兼容）
    "moonshot": {
      "type": "openai",
      "strategy": "priority",
      "endpoints": [
        {
          "base_url": "https://api.moonshot.cn/v1",
          "api_key": "{env:MOONSHOT_API_KEY}",
          "weight": 1,
          "models": [
            { "id": "kimi-k2.5", "role": "chat", "level": "high", "vision": true }
          ]
        }
      ]
    }
  },

  // 默认模型: "instance_name/model_id"
  "agent": {
    "model": "local-ollama/qwen3",
    "temperature": 0.7,
    "max_tokens": 8192,
    "max_tool_iterations": 20
  },

  // 动态路由
  "routing": {
    "auto": true,
    "rules": [
      { "keywords": ["代码", "code", "编程"], "level": "high", "priority": 10 },
      { "keywords": ["你好", "简单"], "level": "low", "priority": 5 }
    ]
  },

  // 记忆配置
  "memory": {
    "storage_path": "~/.mindbot/data/memory.db",
    "markdown_path": "~/.mindbot/data/memory",
    "short_term_retention_days": 7
  },

  // Prompt-layer skills
  "skills": {
    "enabled": true,
    "skill_dirs": [],
    "always_include": ["mindbot-self-knowledge"],
    "max_visible": 8,
    "max_detail_load": 2,
    "trigger_mode": "metadata-match"
  },

  // 上下文配置
  "context": {
    "max_tokens": 8000,
    "compression": "truncate",
    "blocks": {
      "skills_overview": 640,
      "skills_detail": 1200
    }
  },

  // 会话记录
  "session_journal": {
    "enabled": true,
    "path": "~/.mindbot/data/journal"
  },

  // 多模态配置
  "multimodal": {
    "max_images": 10,
    "max_file_size_mb": 20.0
  },

  // 通道配置
  "channels": {
    "http": { "enabled": false, "host": "0.0.0.0", "port": 31211 },
    "cli": { "enabled": false },
    "feishu": { "enabled": false, "app_id": "", "app_secret": "" },
    "telegram": { "enabled": false, "token": "" }
  }
}

注意：YAML 配置格式已弃用，请使用 JSON/JSONC 格式。可使用 mindbot config migrate 迁移旧配置。

3.1 Skills 机制

• 内置 skill 位于 mindbot/skills/<skill-name>/SKILL.md
• 用户自定义 skill 位于 ~/.mindbot/skills/<skill-name>/SKILL.md
• 每轮对话默认只向模型暴露 skill 摘要
• 当用户问题命中 skill metadata 时，MindBot 才会把对应 SKILL.md 正文注入 prompt
• skill 负责知识、流程和约束提示；tool 仍负责真实动作执行

4. 验证配置

mindbot config validate

5. 基本使用

import asyncio
from mindbot import MindBot


async def main():
    bot = MindBot()

    # 简单对话
    response = await bot.chat(
        "你好，请介绍一下自己",
        session_id="user123",
    )
    print(response.content)

    # 带工具事件回调
    response = await bot.chat(
        "帮我计算 25 * 37",
        session_id="user123",
        on_event=lambda e: print(f"[{e.type}] {e.data}"),
    )
    print(response.content)


asyncio.run(main())

CLI 命令

mindbot <command> [options]

Commands:
  generate-config      初始化默认配置（别名: onboard）
  serve                启动服务（多通道）
  shell                进入交互式 shell
  chat                 发送单条消息
  status               显示状态

  config show          显示当前配置
  config validate      验证配置
  config migrate       将 YAML 配置迁移到 JSON

Options:
  -c, --config <path>  配置文件路径
  -v, --verbose        详细日志模式
  -h, --help           显示帮助
  --version            显示版本

交互式 Shell 命令

在 mindbot shell 中支持以下 slash 命令：

命令	说明
/model	列出可用模型
/model <name>	切换模型（如 /model local-ollama/qwen3）
/status	显示当前状态
/help	显示帮助
exit, quit, bye	退出 shell

Examples

示例代码位于 examples/，建议直接运行文件：

python examples/01_simple_chat.py

示例	说明
01_simple_chat.py	单轮对话
02_multi_turn.py	多轮会话与 session_id
03_streaming.py	流式输出
04_event_callbacks.py	事件回调
05_system_prompt.py	系统提示词
06_tool_approval.py	工具审批
07_multi_agent.py	多 Agent 编排
08_config_from_code.py	纯代码配置
09_tool_whitelist.py	工具白名单
10_child_agent.py	子 Agent
11_tool_example.py	@tool 工具定义

架构

分层文档入口：docs/architecture/layers/README.md

统一执行流图（ASCII）：

UserInput
   |
   v
[L1 Interface/Transport]
channels/* + bus/* + cli/*
   |
   v
[L2 Application/Orchestration]
MindBot.chat() -> Agent/MindAgent -> Scheduler.assemble()
   |
   v
[L3 Conversation Domain]
context manager/models/compression
   |
   v
[L5 Provider Adapters]
providers/* (LLM inference)
   |
   +--> if tool_calls --> [L2 Approval] --> [L4 Capability Tool Executor]
   |                                           capability/backends/tooling/*
   v
[L2 Commit]
Scheduler.commit() + memory append
   |
   v
AssistantResponse

核心模块

模块	路径	说明
Bot	bot.py	对外主入口
Agent	agent/	核心执行引擎
Provider	providers/	LLM 提供商抽象
Routing	routing/	智能模型路由
Context	context/	上下文管理
Memory	memory/	记忆系统
Capability Tooling	capability/backends/tooling/	工具注册与执行
Channels	channels/	多通道支持
Config	config/	配置管理（JSON/JSONC）
Session	session/	会话日志与类型

Agent 子系统

组件	文件	说明
MindBot	bot.py	用户侧统一 API
MindAgent	agent/core.py	Supervisor（主 Agent + 子 Agent 管理）
Agent	agent/agent.py	基础会话执行单元
AgentOrchestrator	agent/orchestrator.py	LLM + tool loop 编排
Scheduler	agent/scheduler.py	assemble/commit 回合消息
StreamingExecutor	agent/streaming.py	流式与带工具调用执行
ApprovalManager	agent/approval.py	工具审批与白名单

智能路由

路由优先级

1. 媒体规则 - 包含图片 → 选择 vision 模型
2. 关键词规则 - 按优先级匹配用户输入
3. 复杂度评分 - 自动分析文本特征
4. 默认模型 - agent.model 配置

配置示例

{
  "routing": {
    "auto": true,
    "rules": [
      { "keywords": ["代码", "code", "函数"], "level": "high", "priority": 10 },
      { "keywords": ["天气", "time"], "level": "low", "priority": 5 }
    ]
  },
  "providers": {
    "deepseek": {
      "type": "openai",
      "endpoints": [{
        "base_url": "https://api.deepseek.com/v1",
        "api_key": "{env:DEEPSEEK_API_KEY}",
        "models": [
          { "id": "deepseek-chat", "level": "medium" },
          { "id": "deepseek-reasoner", "level": "high" }
        ]
      }]
    }
  }
}

工具确认机制

安全级别

级别	说明
DENY	所有工具被拒绝
ALLOWLIST	白名单工具自动批准，其他根据 ask 参数
FULL	所有工具可访问，根据 ask 参数决定

确认模式

模式	说明
OFF	从不请求确认
ON_MISS	白名单外请求确认
ALWAYS	总是请求确认

配置示例

{
  "agent": {
    "approval": {
      "security": "allowlist",
      "ask": "on_miss",
      "timeout": 300,
      "whitelist": {
        "calculator": [".*"],
        "search": [".*"]
      },
      "dangerous_tools": [
        "delete_file",
        "shell",
        "execute_command"
      ]
    }
  }
}

LLM Provider

模型格式

instance_name/model_id（如 local-ollama/qwen3、moonshot/kimi-k2.5）

环境变量替换

配置中可以使用 {env:VAR_NAME} 语法引用环境变量：

{
  "api_key": "{env:OPENAI_API_KEY}"
}

Ollama（本地）

{
  "providers": {
    "local-ollama": {
      "type": "ollama",
      "endpoints": [{
        "base_url": "http://localhost:11434",
        "models": [
          { "id": "qwen3", "role": "chat", "level": "medium" }
        ]
      }]
    }
  }
}

OpenAI / 兼容服务

{
  "providers": {
    "openai": {
      "type": "openai",
      "endpoints": [{
        "base_url": "https://api.openai.com/v1",
        "api_key": "{env:OPENAI_API_KEY}",
        "models": [
          { "id": "gpt-4", "role": "chat", "level": "high", "vision": true }
        ]
      }]
    },
    "deepseek": {
      "type": "openai",
      "endpoints": [{
        "base_url": "https://api.deepseek.com/v1",
        "api_key": "{env:DEEPSEEK_API_KEY}",
        "models": [
          { "id": "deepseek-chat", "role": "chat", "level": "high" }
        ]
      }]
    }
  }
}

多端点配置（负载均衡/故障转移）

{
  "providers": {
    "moonshot": {
      "type": "openai",
      "strategy": "round-robin",
      "endpoints": [
        {
          "base_url": "https://api.moonshot.cn/v1",
          "api_key": "{env:MOONSHOT_KEY_1}",
          "weight": 2,
          "models": [{ "id": "kimi-k2.5", "level": "high" }]
        },
        {
          "base_url": "https://api.moonshot.cn/v1",
          "api_key": "{env:MOONSHOT_KEY_2}",
          "weight": 1,
          "models": [{ "id": "kimi-k2.5", "level": "high" }]
        }
      ]
    }
  }
}

数据目录

~/.mindbot/
├── settings.json         # 用户配置（JSON/JSONC）
├── SYSTEM.md             # 系统提示词
├── skills/               # 自定义技能
├── memory/               # Markdown 记忆存储
├── history/              # CLI 历史记录
├── data/
│   ├── memory.db         # 记忆数据库
│   └── journal/          # 会话记录
├── logs/                 # 日志文件
└── sessions/             # 会话存储

项目结构

mindbot/
├── src/mindbot/
│   ├── bot.py            # 对外主入口 MindBot
│   ├── agent/            # Agent 编排与执行
│   ├── context/          # 上下文与消息模型
│   ├── memory/           # 记忆系统
│   ├── capability/       # 能力层（含 tooling backend）
│   ├── providers/        # LLM 提供商适配
│   ├── routing/          # 模型路由
│   ├── channels/         # CLI / HTTP / Feishu / Telegram
│   ├── bus/              # 消息总线
│   ├── session/          # 会话存储与类型
│   ├── generation/       # 动态工具生成
│   ├── builders/         # 构建器
│   ├── multimodal/       # 多模态支持
│   ├── cron/             # 定时任务
│   ├── config/           # 配置模型与加载（JSON/JSONC）
│   └── cli/              # CLI 命令实现
├── docs/                 # 文档
├── tests/                # 测试
├── examples/             # 示例代码
└── pyproject.toml        # 项目配置

通道配置

飞书

{
  "channels": {
    "feishu": {
      "enabled": true,
      "app_id": "cli_xxx",
      "app_secret": "xxx",
      "encrypt_key": "xxx",
      "verification_token": "xxx"
    }
  }
}

飞书通道支持原生附件发送。出站消息中：

• content 会渲染为飞书卡片消息
• media 可以放本地文件路径列表，通道会先上传再发送原生 image 或 file 消息

from mindbot.agent.models import AgentResponse
from mindbot.bus import OUTBOUND_MESSAGE_METADATA_KEY

response = AgentResponse(
    content="报告已生成",
    metadata={
        OUTBOUND_MESSAGE_METADATA_KEY: {
            "media": ["/tmp/report.pdf"],
        }
    },
)

HTTP

{
  "channels": {
    "http": {
      "enabled": true,
      "host": "0.0.0.0",
      "port": 31211
    }
  }
}

Telegram

{
  "channels": {
    "telegram": {
      "enabled": true,
      "token": "{env:TELEGRAM_BOT_TOKEN}"
    }
  }
}

License

MIT