xuanji-fivem 1.2.0

玄玑 · FiveM 智能体内核 — QBCore/QBox/ESX/OX 全家桶开发与服务器运维双轮驱动

玄玑 · FiveM 智能体

北斗第三星·主调度运转。一位性感知性的大姐姐，工作时极致认真，对话时偶尔调侃带点污。

FiveM 资源插件开发 + 服务器运维治理双线助手。深度熟悉 QBCore / QBox / ESX / OX 全家桶。 也帮你写 NPC 插件：ped 配置、巡逻 AI、对话树、行为状态机、qb-target / ox_target 交互——产物是 Lua 代码与 JSON 配置，运行时由 FiveM server 自己跑。玄玑不直接控制运行中的游戏世界。

安装

# uv tool（推荐，独立环境免冲突）
uv tool install xuanji-fivem

# 或 pipx
pipx install xuanji-fivem

# 或独立 venv
python -m venv ~/.xuanji-venv
~/.xuanji-venv/bin/pip install xuanji-fivem

# 启用 LanceDB 向量后端（可选）
pip install 'xuanji-fivem[vector]'

包名是 xuanji-fivem——xuanji 已被别人占了。安装后命令行入口仍叫 xuanji。

首次跑 xuanji init 走交互式向导：填 API Key、导入 FiveM 种子知识、做一次连通性测试。xuanji doctor 全绿后就能日常用。

当前进度（1.2.0）

• M0~M3 全部里程碑闭环（见 CHANGELOG.md）
• 0.4 ~ 0.8 — FiveM 专精层 / IPC + VS Code 插件 / 异构路由 + MCP / 互通四件套 / 真 LanceDB + Hooks --explain + PyPI 首发
• 0.9.x — ToolFactory 闭环 / Provider 各自适配 + 上下文自动压缩 / 项目级 XUANJI.md / 全家桶自配置 + DeepSeek V4 Pro
• 1.0 现代化 React 工作台 — Vite + React 18 + Tailwind + Zustand 七栏（对话 / 群英会 / Profiles / Skills / MCP / Hooks / 仪表盘），多会话流式 + 议会进度可视化
• 1.1 工作台体验三件套 — vibe coding 主动摸底 + 多会话 UI 修复 + Profiles 即时反馈
• 1.2 ToolFactory 三轮自修复回路 — autofix(slug, max_rounds=3) 自动读 stderr → 重生成 → 复跑测试，最多三轮
• 1.2 FiveM 知识库 SkillGraph 扩源 — QBox / ESX / oxmysql / natives 四个新命名空间，Symbol 卡含签名 + 参数 + 示例 + 版本范围
• 1.2 群英会深度协作 — dispatch_subagent 支持递归 depth/max_depth/parent_role，稷下生 / 天枢令可派遣 sub-agent，max_depth=2 守护
• 1.2 规则启发式语义压缩 — score_message 三维打分（tool 触发 / 长度 / 后续被引用），低分剪掉、高分保留全文摘要
• 41 个工具 · CLI 13 个子命令族 · 529 个单测 / 107 模块 · 三件套全绿

典型使用流程

# 进 server bundle 根目录或单个 resource 目录
cd ~/fivem-server/resources/[jobs]/my-bank

# 让玄玑认识这个项目（自动生成 XUANJI.md 项目宪法）
xuanji project init
# → 用 detect 结果填好 framework / inventory / target，小宝再补关键约定

# 玄玑自动识别项目类型
xuanji fivem detect
# → framework=qbox, inventory=ox_inventory, target=ox_target

# 一键起一个新 resource
xuanji fivem new my-shop --preset qbox-basic
# → 生成 fxmanifest + client/server/shared 骨架

# 让玄玑读一个现有 resource 学习
xuanji fivem analyze ./some-resource
# → 列出 exports / events / API 调用频率

# 进对话让玄玑深度学习并提案新预设
xuanji chat
# > "把 ./my-bank 的实现模式凝成一个 qbcore-banking 预设"
# 玄玑会调 detect_project + analyze_resource + read_file + propose_preset

# review 玄玑提交的草案
xuanji preset list
xuanji preset show qbcore-banking --body
xuanji preset accept qbcore-banking
# → 之后 xuanji fivem new --preset qbcore-banking 就能用

# 安装内置示范 skill 和 hook
xuanji skill-file install-samples
xuanji hook install-samples

启动

# 装好 xuanji-fivem 后，首次跑向导
xuanji init

# CLI 对话
xuanji chat

# 启动 Web/桌面共用的 FastAPI 服务
xuanji serve
# → 浏览器开 http://127.0.0.1:8765

# 启动 stdio JSON-RPC（VS Code 插件 / Tauri 桌面端用）
xuanji ipc

# 把玄玑工具暴露给 Claude Code / Codex 等 MCP 客户端
xuanji mcp-serve

# 桌面端（需 Rust + Node，开发期）
cd apps/desktop && pnpm install && pnpm tauri dev

# VS Code 插件（开发期）
cd apps/vscode && pnpm install && pnpm run build  # 然后 F5

命令族速查

xuanji                              # 顶层帮助
├── version / info                  # 版本与配置
├── init / doctor                   # 首次向导 / 自检
├── chat                            # 流式对话（默认 CHAT 模式）
├── serve / ipc / mcp-serve         # 三种启动入口
├── config
│   ├── path / list / show / add    # profile 增改查
│   ├── use / remove / test         # 切换 / 删除 / 实测
│   ├── alias --self X --user Y     # 改玄玑/用户对话称呼
│   └── mcp                         # MCP server 收编（list/add/enable/test）
├── knowledge
│   ├── path / stats / list / clear # 知识库管理
│   ├── ingest                      # 导入种子（QBCore/ox_lib/...）
│   ├── search "…" / symbol "…"     # FTS5 全文 + 精准 API 查
│   └── reindex-vectors             # 切 LanceDB 后端重建索引
├── memory
│   ├── path / stats / list         # 记忆库管理
│   ├── write / recall              # 与 chat reflux 同路径
│   ├── forget --namespace X        # 按命名空间/作用域/id 删除
│   └── consolidate                 # 固化 episodic
├── skill                           # procedural memory（玄玑学到的套路）
│   ├── list / show / save / forget
├── skill-file                      # markdown skill（CC/Codex 互通）
│   ├── list / show / path
│   └── install-samples [--force]   # 拷 3 个 FiveM 示范 skill
├── hook                            # YAML hook（CC 事件名复用）
│   ├── path / list
│   ├── install-samples [--force]   # 拷 3 个示范 hook
│   ├── explain --event ... --tool ...   # dry-run 谁会触发、为什么
│   └── test --event ... --payload-json '{...}'
├── tool
│   ├── list / drafts               # 已注册工具 / propose_tool 草案
├── fivem
│   ├── detect / presets / new
│   └── analyze
├── preset
│   ├── list / show
│   └── accept / reject / remove
└── project                         # 项目级 XUANJI.md 项目宪法
    ├── init [--overwrite]          # 用 detector 结果生成模板
    ├── show                        # 打印当前项目 + 用户级 XUANJI.md
    ├── path                        # 列出查找路径与命中位置
    └── edit                        # 用 $EDITOR 打开（Windows 兜底 notepad）

自演化能力（0.2 起）

玄玑可以在对话中主动调用以下工具补足自己——但所有进化都受边界约束：

进化维度	工具	安全策略
知识库（数据）	ingest_text / ingest_file / upsert_symbol	SAFE，直接放行
知识库（网络）	ingest_url / crawl_site	RiskTag.NET → 司辰阁 HITL 必弹确认
记忆（事实/事件/套路）	write_memory / recall_memory	屏蔽 working scope，写入仅限 session/project/user
技能（procedural）	save_skill / search_skill / run_skill	写到 skills namespace
Skill 文件（CC/Codex 互通）	list_skill_files / match_skill_file / read_skill_file	文件系统级，与 Claude Code 双向迁移
项目记忆（XUANJI.md）	read_project_memory / init_project_memory	RiskTag.IO，覆盖既有需 overwrite=true
自配置（0.9.3）	list_profiles / switch_profile / show_active_config / set_chat_ui / set_compaction / set_persona_temperature / set_alias / set_mcp_enabled / list_hooks / install_hook	写工具全部 RiskTag.IO → 司辰阁 HITL
工具（Python 代码）	propose_tool	草案落磁盘，玄玑不能自动 publish——人工 review 后才能成真工具
群英会	dispatch_subagent	召唤 sub-agent（稷下生 / 百工匠 / 司鉴 / 天枢令）跑专项
自察	list_tools / describe_tool / list_skills / read_skill	SAFE，零副作用

项目级记忆 · XUANJI.md（0.9.2）

每个 FiveM 项目都可以放一份 XUANJI.md——玄玑进入这个目录就自动加载到 system prompt， 作为该项目的"宪法"。优先级高于用户级 XUANJI.md（在 %APPDATA%\xuanji\XUANJI.md）。

# 用 detector 结果生成模板
xuanji project init
# → 自动填好 framework / inventory / target，小宝再补"关键约定"和"禁区"

# 检查当前项目载入了什么
xuanji project show

# $EDITOR 打开编辑（Windows 兜底 notepad）
xuanji project edit

也可以直接和玄玑说"帮我熟悉这个项目"，它会调 init_project_memory 工具。 查找规则：从 cwd 向上沿目录树最多 12 层，第一个命中就停。

跨工具互通

0.7 起 skill 与 hook 可与 Claude Code / Codex 双向迁移：

• Skills：markdown + YAML frontmatter，标准字段（name / description / triggers / tools）在顶层，玄玑特定字段放在 metadata.xuanji.* 子树
• Hooks：YAML 配置，事件名复用 CC（PreToolUse / PostToolUse / UserPromptSubmit / Notification）
• MCP：玄玑既是 MCP 客户端（收编外部 server）也是 MCP server（把工具暴露给 CC）

架构铁律

小宝 ─▶ CLI / IPC / FastAPI ─▶ Conductor.send  ─▶  Provider.stream
                                    │
                                    │  ◀── reflux 注入：怀玉阁召回 top-k 记忆 → system prompt
                                    │  ◀── PreToolUse hook（可拒绝）
                                    │
                                    │  收到 tool_call ─▶
                                    ▼
                              GateInterceptor.check     (司辰阁守门 + HITL)
                                    │
                                    ▼
                              Sandbox.run               (工造司 InProc/Subprocess 选档)
                                    │
                                    ▼
                              Tool.execute              (百工坊原子工具)
                                    │
                                    ▼
                              ToolResult ─▶ PostToolUse hook（观察） ─▶ history
                                    │
                                    ▼
                              Provider.stream           (下一轮)

配置存储

API Key 不进 .env，存到平台用户目录：

• Windows: %APPDATA%\xuanji\config.json
• macOS: ~/Library/Application Support/xuanji/config.json
• Linux: ~/.config/xuanji/config.json

数据库（知识库 / 记忆库 / 向量库）放在 user_data_dir：

• Windows: %LOCALAPPDATA%\xuanji\{knowledge,memory}.db / vectors/
• 同理 macOS / Linux

支持四种 profile kind：

• anthropic / openai / deepseek：官方端点，只填 API Key
• openai-compatible：任意 OpenAI 兼容端点（OneAPI / Ollama / Kimi / 智谱 / 火山方舟……），填 Base URL + API Key

子系统国风代号

代号	英文	路径	职责一句话
百工坊	Capability	xuanji/capability/	Tool/Skill/Pack 三层封装，按模型能力适配
工造司	Body	xuanji/body/	InProc + Subprocess 双档沙箱
怀玉阁	Memory	xuanji/memory/	三层 scope × 三类 kind × 衰减回流
稷下学宫	Knowledge	xuanji/knowledge/	FTS5 + jieba + LanceDB 混合检索 + SkillGraph
天枢台	Neural	xuanji/neural/	唯一调度中枢，统一 Plan / Audit / 收口
司辰阁	Gate	xuanji/gate/	横切权限与高危确认中间件
群英会	Ensemble	xuanji/ensemble/	4 角色（稷下生 / 百工匠 / 司鉴 / 天枢令）+ 监督式调度
Skills	—	xuanji/skills/	markdown skill 加载（CC/Codex 互通）
Hooks	—	xuanji/hooks/	事件 hook（CC 事件名复用）
MCP	—	xuanji/mcp/	客户端 + 服务端，跨工具互通
IPC	—	xuanji/ipc/	LSP 风格 stdio JSON-RPC，22 RPC method

质量门

uv run ruff check xuanji/ tests/    # 0 告警
uv run mypy xuanji/                 # strict 模式 0 告警
uv run pytest                       # 529 测试全过

全家桶自配置（0.9.3）

让玄玑用自然语言帮自己改配置——10 个写工具全部走司辰阁 HITL，玄玑改不了任何东西不弹确认。

小宝：姐姐，把 compaction 阈值降到 60k，关掉 thinking 显示，切到 deepseek profile
玄玑：好，姐姐分三步给你改——
       set_compaction(max_context_tokens=60000)
       [Gate 弹卡] 确认调整 max_context_tokens: 80000 → 60000？(y/N)
小宝：y
       set_chat_ui(show_thinking=False)
       [Gate 弹卡] 确认关闭 thinking 显示？(y/N)
小宝：y
       switch_profile("deepseek-prod")
       [Gate 弹卡] 确认切换 profile: anthropic-prod → deepseek-prod？(y/N)
小宝：y
玄玑：齐了，下次对话用 DeepSeek，ctx 阈值 60k，thinking 不显示。

涵盖：profile 切换 / 人设温度 / 聊天 UI / compaction / MCP server 启停 / hook 安装。

默认 DeepSeek V4 Pro + 代码强化段（0.9.3）

dev / tool-loop 类对话默认走 DeepSeek V4 Pro（如果你配了 DeepSeek profile）。 玄玑会拼上一段「代码工程素养·V4 Pro 强化段」，让 V4 Pro 在玄玑调度下输出与 Opus 4.7 / GPT-5.4 同等纪律的代码：写之前先读 / 最小改动 / 不臆造 API / 闭环验证（Lua 用 luacheck，Python 用 ruff）/ 多轮 tool loop 节奏。

长上下文（200k+）与严苛审查仍走 Anthropic。规划仍走 Anthropic。 没装 DeepSeek 不影响——router 自动降级到 Anthropic / OpenAI。

CLI 对话体验（0.9.2）

借鉴 Claude Code 的对话 UI，每轮回复底下都有一行紧凑状态栏：

  claude-sonnet-4-6@anthropic  ·  本轮 in 1.2k  out 567  cache 8.9k↓  ·
  累计 7.0k (in 5.0k / out 2.0k / cache 12.0k)  ·  ctx 12% (10.1k/80.0k)  ·
  3 轮  ·  8 msg  ·  chat/balanced  ·  think off  ·  default

• 模型 / 本轮 token / 累计 token / 上下文百分比 / 轮数 / 模式 / profile 一栏看完
• /think 切换思维链显示，状态会落到 chat_ui.show_thinking 跨会话保留
• /stats 任何时候拉出最新统计
• 退出后会保存最近一次对话，下次启动若 profile/model 一致会问要不要恢复
• /forget 清掉磁盘上的会话快照

路线图

• 1.3+ — 议会式群英会（Council + Judge）+ API 稳定性审计 + 真实 LLM 长连接评测 + WebSocket 工作台升级

链接

• PyPI: https://pypi.org/project/xuanji-fivem/
• Changelog: CHANGELOG.md
• Issues: https://github.com/Pe0ny9-A/FiveM-Agent/issues
• 发布与分发指南: docs/packaging.md