Tea Agent v0.15.0

⚠️ AI 写 AI 的实验项目，自行承担责任。

🌐 English Version

会自我进化的 AI 编程助手 — 不只是完成编码任务，还能修改自己的代码、创造新工具、优化自己的提示词，越用越强。

🎯 一句话看懂 Tea Agent


🧠 自进化	AI 写 AI —— 能改自己的代码、造新工具、优化提示词，任务越多越强
🧰 工具驱动	75+ 内置工具（文件/代码/搜索/截图/浏览器/包管理/Git），运行时热插拔
🖥️ 多形态	Web V2 / REST API / ACP / Telegram / 微信界面，一套引擎
🧠 真记忆	类人长期记忆：分层优先级、语义检索、自然衰减、去重合并，跨会话不忘
🤖 多 Agent	6 阶段全栈协作：角色化 Agent + 事件流 + 消息总线 + 并行执行 + DAG 编排
📡 远程协同	`toolkit_remote_agent` 连接边缘设备（RK3588/BM1688），主机 ↔ 设备协同

✨ 核心特点

1. 🧠 自进化引擎（AI 写 AI）— 本项目灵魂

Agent 在运行中改造自己，全程五层安全防护：

toolkit_save          → 运行时创建/更新工具，即时生效，自动版本管理
toolkit_self_evolve   → 五层安全修改源码：Git 快照 → .bak → 语法检查 → 编译 → LSP → 测试
toolkit_prompt_evolve → 基于反思 + 记忆，自我优化系统提示词
toolkit_experience_solidify → 成功→技能，失败→教训，自动结晶复用

⚠️ 上下文感知：自进化能力只在 tea_agent 自身项目内激活；在外部项目中自动禁用，专注完成你的任务，不做有害改动。

2. 🧰 工具驱动 — 75+ 内置工具

类别	代表工具
📁 文件 / 代码	`toolkit_file`, `toolkit_edit`, `toolkit_diff`, `toolkit_code_review`, `toolkit_format_code`
🔍 搜索 / 智能	`toolkit_search`, `toolkit_lsp`, `toolkit_explr`, `toolkit_query_chat_history`
🖥️ 屏幕 / 浏览器	`toolkit_screenshot`, `toolkit_ocr`, `toolkit_input`, `toolkit_js_fetch`, `toolkit_browser_tab`
🧠 记忆 / 知识	`toolkit_memory`, `toolkit_kb`, `toolkit_proactive`
🤖 多 Agent	`toolkit_parallel_subtasks`, `toolkit_subagent`, `toolkit_subagent_msg`, `toolkit_remote_agent`
📋 规划 / 调度	`toolkit_plan`, `toolkit_todo`, `toolkit_scheduler`, `toolkit_task_resume`
🔧 系统 / 工程	`toolkit_exec`(含 git), `toolkit_pkg`, `toolkit_build`, `toolkit_config`

工具引擎（tlk.py）支持动态加载/卸载/重载 — 对话中创建一个新工具，下一轮就能用。

3. 🧠 类人长期记忆系统

模拟人类记忆的工作方式，底层 SQLite + 语义向量：

优先级分层：CRITICAL / HIGH / MEDIUM / LOW，关键指令优先注入
语义检索：embedding 余弦相似度，从 ≤30 条活跃记忆中选最相关
自然衰减：Ebbinghaus 遗忘曲线，旧记忆逐步降级，pinned 豁免
去重合并：Jaccard + embedding 双通道，相似记忆自动合并提权
跨主题汇总（v0.13.3+）：每 3 轮后台分析，发现跨会话模式

4. 🤖 多 Agent 系统（v0.11+）

6 阶段全栈协作框架：

RoleAgent（角色化） + FlowEngine（事件流） + MessageBus（消息总线）
+ Agent-as-Tool（Agent 即工具） + ExecutionPool（并行执行）
+ WorkflowDAG（DAG 编排） + PatternMarket（模式市场） + TraceEngine（调用追踪）

零代码触发：对话中直接说「并行分析这几个文件」，自动拆分子任务并发执行。内置双 AI 辩论赛 Demo，左右分屏实时交锋。

5. 📡 远程设备 Agent（v0.13.10+）

通过 toolkit_remote_agent 连接边缘设备上的 tea_agent.server：

register → exec（下发任务，session_id 控制上下文） → status（心跳） → unregister

适用于嵌入式调试（RK3588/BM1688/X3）、边缘节点管理、分布式协同。

6. 🏎️ Token 经济 — 四级历史压缩 + 前缀缓存稳定化

L0 系统层 → L3 语义摘要 → L2 历史对 → L1 当前对话 四级组装上下文，在有限 token 窗口内最大化信息密度，长对话不爆上下文。

v0.15.0 缓存前缀稳定化（对齐 DeepSeek Harness「派生只依赖事件流」哲学）— 深度优化 LLM 前缀缓存命中率：

入库定型：消息一旦入库即决定最终形态（截断/占位符/清空），绝不逐轮重算
L2 入库定型：相关性过滤只在「新消息边界」重算一次，工具循环内多轮请求复用同一版本，消除 L2 条目翻转
裁剪决策固化：reasoning 清空 / 紧急截断等形态决策回写 context.messages，预算波动不再导致「完整版↔截断版」翻转
动态内容尾部注入：时间/token 预算/技能/记忆全部放消息尾部，不进 system prompt，保护最长最贵的前缀段
可观测：cache_report.py 输出 prompt_cache_hit_tokens 命中率，端到端可见

7. 👁️ 视觉模型自动切换（v0.13.16+）

主模型不支持视觉？配置一个 vision_model，Agent 自动切换：

请求级切换：检测请求消息含图（当前轮或历史轮）→ 自动使用视觉模型
回合级兜底：覆盖「上一轮发图、本轮纯文本追问」场景，主模型不再收到无法处理的 image_url 内容
toolkit_vision_analyze：主模型「灵机一动」委托能力 — 遇到图片路径 / URL / data URL 主动调用视觉模型分析，返回文本结果继续推理
无感恢复：回合结束自动恢复主模型，零配置零打扰

🚀 30 秒快速开始

# 1. 安装
pip install tea_agent

# 2. 启动（Web V2 全功能界面）
tea-agent-api
# 或 python -m tea_agent.server

# 3. 打开浏览器
# http://127.0.0.1:8282

首次启动自动弹出配置窗口，填入 LLM API Key 即可对话。

💻 界面形态

界面	启动方式	适用场景
Web V2（推荐）	`tea-agent-api`	单页应用 SPA，全功能浏览器体验：聊天 + 记忆 + 调度 + 历史
REST API	`python -m tea_agent.server --port 8081`	OpenAI 兼容接口，第三方集成
ACP 协议	`tea-agent-acp`	VS Code / IDE 集成（JSON-RPC 2.0）
Telegram	`tea-agent-telegram`	手机远程对话
微信	`tea-agent-wechat`	微信个人号接入（iLink Bot，扫码登录）
Mini 版	`tea-agent-mini`	嵌入式 / Docker / 低配 VPS

🗺️ 深度能力地图

想深入了解某一项？展开对应章节。

🧠 长期记忆系统 — 工作原理

存储结构：每条记忆含 content / priority(0-3) / importance(1-5) / category / tags / embedding / expires_at / pinned。

选择算法（每次对话注入 ≤30 条）：

score = 关键词相关性 × 重要度 × 时效因子 × 优先级因子

分层保底：CRITICAL 优先（上限 10）→ HIGH ≥3 → MEDIUM ≥2 → LOW ≥1 → 剩余按分竞争。

年龄衰减（Ebbinghaus）：CRITICAL>30天→HIGH，HIGH>60天→MEDIUM，MEDIUM>90天→LOW。

提取分类：instruction→CRITICAL、preference/reminder→HIGH、fact→MEDIUM、general→LOW，LLM 自动提取 + 4 级容错解析。

去重合并：Jaccard ≥0.6 合并（保留长内容、低优先级、高重要度）；embedding 余弦 ≥0.92 批量去重。

CRITICAL FIFO：上限 30 条，超出软删除最旧，防指令记忆膨胀。

📜 四级历史压缩 — Token 效率

L0 系统层   系统提示词 + 任务恢复 + 记忆注入
L3 语义摘要 L2 溢出时 LLM 生成关键结论（50→20 裁剪）
L2 历史对   SQLite 环形缓冲（50 条），Jaccard 相关性筛选注入
L1 当前对话 128KB 截断 + 旧工具输出占位 + 5 级渐进裁剪

# L0 组装顺序
result.append({"role": "system", "content": system_prompt})
if has_pending_tasks:
    result.append({"role": "user", "content": resume_info})
if memories:
    result.append({"role": "user", "content": memories})

L3 注入格式（[System Memory] 区）包含长期背景/偏好/关键结论 + 历史工具链回顾两块。

🔄 自进化引擎 — 安全机制

修改自身代码时五层防护，任一层失败自动回滚：

Layer 0  Git 快照（仅工作区干净时）
Layer 1  时间戳 .bak（永不覆盖）
Layer 1.5  语法严格检查（换行/缩进/括号/冒号）
Layer 2  py_compile 编译验证 → 失败回滚
Layer 2.5  LSP 智能检查（影响分析 + lint 对比 + 签名对比）
Layer 3  pytest 测试验证 → 失败 git reset --hard

能力	工具	安全
创建新工具	`toolkit_save` + `toolkit_reload`	版本回滚
修改源码	`toolkit_self_evolve`	五层安全
优化提示词	`toolkit_prompt_evolve`	版本回滚
固化经验	`toolkit_experience_solidify`	分类标签
代码智能	`toolkit_lsp`	只读

🤖 多 Agent — 核心组件

四种协作方式：

方式	说明
FlowEngine	事件驱动流：`@flow_start` / `@flow_listen` / `@flow_route`，Mermaid 可视化
Agent-as-Tool	把子 Agent 包装成 `toolkit_xxx`，对话中直接调用
MessageBus	发布/订阅 + 点对点，Agent 间自由通信
ExecutionPool	线程池并行执行，批量 + 超时 + 状态查询

WorkflowDAG 节点：TASK / CONDITION / LOOP / PARALLEL / WAIT / END 六种类型，静态编排复杂流程。

内置模式市场（4 个预制）：代码审查专家 / 高级工程师 / 测试工程师 / 分析专家，一键实例化。

✅ 优势：并行快、专注高、可组合、可观测、零代码触发 ⚠️ 限制：Token 成本高（子任务×每任务）、协调开销、上下文隔离、并发改文件需串行化

📡 远程设备 Agent — 使用示例

# ① 注册设备
toolkit_remote_agent(action="register", device_id="bm1688-1",
    host="172.16.1.49", port=8282, working_path="/app/zkfs/")

# ② 下发任务（不传 session_id → 自动新建远程主题）
r = toolkit_remote_agent(action="exec", device_id="terminal-49",
    goal="分析 /record/dbs/log/ 今日日志")

# ③ 同一 session_id → 追加上下文继续对话
r2 = toolkit_remote_agent(action="exec", device_id="terminal-49",
    goal="继续排查网络问题", session_id=r["session_id"])

# ④ 任务完成 → 断开
toolkit_remote_agent(action="unregister", device_id="terminal-49")

📦 Mini 版（tea_agent_mini）

针对嵌入式设备 / 资源受限 / 仅需 Web 场景的瘦身版 —— 只依赖 7 个核心包（~5 MB vs Full 版 ~80 MB），保留 Agent 核心、Web V2、REST API、记忆、多 Agent 全部能力。

pip install tea_agent_mini        # 独立包
python build_mini.py              # 或从源码构建
python build_nuitka.py            # 或编译为单文件可执行文件（无需 Python 环境）

剔除内容	说明
ACP / Telegram	协议与渠道层
NumPy 向量	替换为纯 Python `math+struct`
Playwright / PyAutoGUI / MSS	可选自行安装
12 个重型工具	JS 渲染、截图、OCR、LSP 等按需启用

🔧 配置

配置文件 ~/.tea_agent/config.yaml：

main_model:
  api_key: "sk-xxx"
  api_url: "https://api.openai.com/v1"
  model_name: "gpt-4o"
  max_context_tokens: 0    # 0=默认 1M(1048576)，>0 显式指定窗口上限并启用渐进式 token 裁剪
cheap_model:               # 独立配置，用于摘要/记忆等廉价任务
  max_context_tokens: 0
embedding:
  provider: openai
  model: text-embedding-3-small
vision_model:             # 视觉模型（可选）：会话含图片时自动切换
  api_key: "sk-xxx"
  api_url: "https://api.openai.com/v1"
  model_name: "gpt-4o-mini"    # 示例：也支持 mimo-v2.5 等视觉模型

上下文窗口控制：max_context_tokens 作为"上下文已用"百分比的分母（窗口上限），超预算时按 5 级渐进裁剪（删旧历史 → 工具输出占位 → 清 thinking → 截长文 → 删旧轮）。未显式配置时默认 1M（1048576），不做模型名推断，避免模型名不匹配导致窗口上限误判。输入预算与 max_tokens 联动求解（窗口 − 输出请求 − 2% 安全余量），从源头防止"输入+输出 > 窗口"的 400 溢出；API 真返回 400 时自动修正窗口、激进压缩历史、钳制 max_tokens 后重试。
上下文填充治理（2026-09）：修复"多轮对话迅速打满窗口"。provider.yaml 的 max_output_tokens 自动填充时按窗口 25% 限幅（不再把 384K 输出预留算进预算，1M 窗口的输入预算从 446K 回到 580K）；L1 的 reasoning_content 以 rc_keep_steps（默认 8）分块，只保留最近一块全文、更早的块置空（字段保留，满足 DeepSeek V4 回传要求），单轮 200 步的思考链不再全量重放；L2 单条 thinking 限幅 l2_thinking_max_chars（默认 6000 字符）且总字符数达到 l2_max_chars（默认 120000）即触发 L3 摘要；L2 与 L1 重叠的轮次自动去重；源码文件回放上限 64KB（此前不截断）；keep_turns 默认回落 5 并让 max_history 真正生效（限制 L1 保留的最近用户轮数）。
视觉模型自动切换：配置 vision_model 后，会话输入含图片时自动使用视觉模型（回合结束恢复主模型）；另提供 toolkit_vision_analyze 工具供主模型委托图片分析
运行时调优：Agent 可用 toolkit_config 自主调整参数
Ruff 规范：内置 pyproject.toml Ruff 配置（E/F/W/I/N/UP/B/C4/SIM），Python 3.10 类型注解

🧪 测试

pytest                    # 全部单元测试（870+ 用例）
python tests/test_server_api.py --port 8282   # Server API 黑盒测试（8 套件 30+ 测试点）

测试覆盖：会话、工具、存储、多 Agent、LSP、ACP 协议、Server 路由、记忆系统。

🏗️ 项目结构

tea_agent/
├── agent.py           # Agent 统一入口
├── onlinesession.py   # 在线会话（工具循环 + 流式）
├── litesession.py     # 轻量会话
├── tlk.py             # 工具加载/注册/执行引擎（75+ 工具）
├── memory.py          # 长期记忆系统
├── config.py          # 配置管理
├── providers.py       # 50+ LLM 提供商适配
├── server/            # REST API + Web V2（Starlette + SSE）
├── protocol/          # ACP 协议
├── channel/           # Telegram / 微信适配器
├── toolkit/           # 75+ 工具模块
├── session/           # 历史压缩 / L1/L2/L3 / JSON 校验
├── store/             # 数据存储（10 子模块）
├── multi_agent/       # 多 Agent 系统
├── lsp/               # 代码智能（Jedi + Tree-sitter）
├── skills/            # 技能结晶
├── tests/             # 870+ 测试用例
└── demo/              # 演示应用（辩论赛 / 钢琴 / DAG）

📄 许可证

Metadata

Release files for tea-agent 0.16.6

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

Source distribution (sdist)

Source distribution for tea-agent 0.16.6
File	Size	Uploaded
tea_agent-0.16.6.tar.gz	1.3 MB	Sep 17, 2026	Details

Built distribution (wheel)

Table of built distributions (wheels) for tea-agent 0.16.6
File	Interpreter	ABI	Platform	Reset
tea_agent-0.16.6-py3-none-any.whl 1.4 MB Sep 17, 2026	Python 3	none	any	Details

Total release size: 2.6 MB

Release files / tea_agent-0.16.6.tar.gz

Download URL	tea_agent-0.16.6.tar.gz
Size	1.3 MB
Tags	Source
SHA-256 checksum How to use checksums	`3879e6e383d14c33c8cd0fc93f76992262faeb2ed0055122b89b6852828954c5`
BLAKE2b-256 checksum How to use checksums	`ba74efc2e412b9fd2a5959ab9db660906eac771828ae9dd9b6c37ec6b33754c6`
Upload date	Sep 17, 2026
Uploaded using Trusted Publishing? What is trusted publishing?	No
Uploaded via	`twine/6.2.0 CPython/3.11.9`

Release files / tea_agent-0.16.6-py3-none-any.whl

Download URL	tea_agent-0.16.6-py3-none-any.whl
Size	1.4 MB
Tags	Python 3
SHA-256 checksum How to use checksums	`ba2d3055af252dcb0a03cda4347e253b47339bfbe6690b7d3a2f91516410747f`
BLAKE2b-256 checksum How to use checksums	`c9eb850100c396347725de9d74e4b2cc3e4b14dd709bef3dbe896ac64ee12325`
Upload date	Sep 17, 2026
Uploaded using Trusted Publishing? What is trusted publishing?	No
Uploaded via	`twine/6.2.0 CPython/3.11.9`