Agent/skills4claude/agent/config.py

"""
Agent skill 共享配置
=====================

这是 /Users/sunlit/.claude/skills/agent/ 的本地 agent 运行配置，所有项目共用。
如果某个项目需要不同的 RUN_CONFIG / presets / tools，在那个项目里放一份自己的
config.py 并显式传 `--project_root=<项目目录>`，CLI 会用项目 config 覆盖这份默认。

字段来源：
- RunConfig        → agent/core/runner.py:97
- KnowledgeConfig  → agent/tools/builtin/knowledge.py:26
- MemoryConfig     → agent/core/memory.py（可选，默认 None = 无长期记忆）
- FileSystemTraceStore(base_path=TRACE_STORE_PATH) → agent/trace/store.py:36

调用方式：
    python invoke.py --agent_type=<type> --task="..."   # 自动使用本 config
    python invoke.py --agent_type=<type> --task="..." \
                     --project_root=/path/to/project    # 改用项目 config

注：CLI 传入的 --agent_type / --skills / --continue_from 会在加载 config 后
覆盖 RUN_CONFIG 的对应字段（见 agent/client.py:172-176）。
"""

import os
from pathlib import Path

from agent.core.runner import RunConfig
from agent.tools.builtin.knowledge import KnowledgeConfig
# 如果需要 memory-bearing agent，取消下一行注释：
# from agent.core.memory import MemoryConfig


# =============================================================================
# Agent 运行配置（RUN_CONFIG）
# =============================================================================
# 所有字段都有默认值。仅列出"值得关注或常被调"的字段；完整字段见 runner.py:97。
# agent_type / skills / trace_id 会被 CLI 覆盖，这里写什么都行（留占位符即可）。

RUN_CONFIG = RunConfig(
    # --- 模型层 -------------------------------------------------------------
    model="qwen3.5-plus",           # LLM 模型名。常用："gpt-4o" / "qwen3.5-plus" / "claude-sonnet-4-6"
    temperature=0.3,                # 采样温度。调研/规划建议 0.3；创意任务可升到 0.7
    max_iterations=1000,            # 单次 run 的最大工具调用轮数。远端 agent 一般够用，复杂本地任务可调大

    # 传给 LLM 的额外参数（OpenAI SDK kwargs）。
    # 常用例子：阿里 Qwen 的 thinking 模式、Claude 的 thinking budget。
    extra_llm_params={
        "extra_body": {"enable_thinking": True},   # 启用 Qwen thinking（仅对 qwen 生效，其他模型忽略）
    },

    # --- 工具选择 -----------------------------------------------------------
    # tools=None 时按 tool_groups 白名单过滤；显式列 tool name 则精确指定。
    tools=None,
    tool_groups=["core"],           # 只开核心工具组；需要 knowledge/browser 工具时加 "knowledge" / "browser"
    exclude_tools=[],               # 即使在 groups 里命中，也从最终集合里剔除的工具名

    # --- 框架层 -------------------------------------------------------------
    agent_type="default",           # 被 CLI --agent_type 覆盖，这里写啥都行
    skills=None,                    # 被 CLI --skills 覆盖；None 时按 preset 决定 skill 注入
    name=None,                      # Trace 显示名。None 让 utility_llm 基于 task 自动生成
    enable_memory=True,             # 是否把 goal tree / collaborators 周期性注入（每 5 轮）
    auto_execute_tools=True,        # False 则每个 tool call 需外部确认后才执行（人工审核场景）
    enable_prompt_caching=True,     # Anthropic prompt caching，仅 Claude 模型有效

    # --- Goal / 压缩 --------------------------------------------------------
    goal_compression="on_overflow", # "none" | "on_complete" | "on_overflow"；on_overflow 最省 token
    side_branch_max_turns=5,        # 压缩/反思等侧分支的最大轮数

    # --- Trace 续跑控制 -----------------------------------------------------
    trace_id=None,                  # 被 CLI --continue_from 覆盖。None = 新 trace
    parent_trace_id=None,           # 子 agent 调用时由上游注入，人工一般不填
    parent_goal_id=None,
    after_sequence=None,            # 指定从哪条 message sequence 后续跑（回溯重跑）

    # --- 研究流程 -----------------------------------------------------------
    # True = 自动跑"知识检索 → 经验检索 → 调研 → 计划"前置流程；
    # 如果 agent 本身就是 research 性质，关掉避免双重调研。
    enable_research_flow=True,

    # --- 知识管理（KnowledgeConfig，详见 knowledge.py:26）-------------------
    knowledge=KnowledgeConfig(
        # 压缩触发时的反思提取
        enable_extraction=False,            # True 在压缩时反思并落知识库
        reflect_prompt="",                  # 自定义 prompt，空则用默认 REFLECT_PROMPT
        reflect_auto_commit=False,          # True 自动提交反思产物（风险：知识库污染）

        # 运行完成后的复盘提取
        enable_completion_extraction=False, # True 在 agent 结束时复盘
        completion_reflect_prompt="",

        # 知识注入（focus goal 时自动拉相关知识进 context）
        enable_injection=False,

        # 默认字段（保存/搜索时自动带上）
        owner="sunlit.howard@gmail.com",    # 空则 fallback 到 git user.email 再到 agent:{agent_id}
        default_tags={},                    # 例如 {"project": "xyz", "domain": "ai_agent"}
        default_scopes=["org:cybertogether"],
        default_search_types=None,          # 搜索时默认的 type 过滤，如 ["strategy"]
        default_search_owner="",            # 空 = 不按 owner 过滤
    ),

    # --- Memory（长期记忆，可选）-------------------------------------------
    # None = 无长期记忆。若要启用：
    #   from agent.core.memory import MemoryConfig
    #   memory=MemoryConfig(...)  # 详见 agent/docs/memory.md
    memory=None,

    # --- 额外上下文（自定义元数据，透传给工具） -----------------------------
    context={},
)


# =============================================================================
# 基础设施路径
# =============================================================================

# --- Trace 存储 -------------------------------------------------------------
# 锚在**调用方 CWD**，每个项目有独立的 trace 目录。
# 用绝对路径是为了绕过 client.py:203-204 的 "非绝对路径 → rebase 到 project_root" 逻辑。
# 如果想所有项目共享一个 trace 目录，把它改成任意绝对路径即可（如 Path.home() / ".agent_trace"）。
_CALLER_CWD = Path(os.getcwd()).resolve()
_TRACE_DIR = _CALLER_CWD / ".cache" / "trace"
# FileSystemTraceStore 只做 mkdir(exist_ok=True) 不带 parents，这里预先兜底创建父目录。
_TRACE_DIR.mkdir(parents=True, exist_ok=True)
TRACE_STORE_PATH = str(_TRACE_DIR)


# --- Skills 目录 ------------------------------------------------------------
# agent 会从这里加载 @skill 声明的技能定义。默认指向本 skill 目录本身，
# 空着也没关系（SDK 容错）；有自定义 skill 时把路径改到放 skill 的目录。
SKILLS_DIR = str(Path(__file__).resolve().parent)


# =============================================================================
# 日志 / 调试
# =============================================================================

DEBUG = False                   # True 会打开更多调试输出（SDK 自己读这个标志）
LOG_LEVEL = "INFO"              # "DEBUG" / "INFO" / "WARNING" / "ERROR"
LOG_FILE = None                 # 设置为文件路径可同时输出到文件，None = 仅 stderr


# =============================================================================
# 浏览器配置（仅当启用 browser 工具组时生效）
# =============================================================================
# 使用场景：agent 需要访问网页（搜索、抓取、登录等）。不用时这段可忽略。

BROWSER_TYPE = "local"          # "local"（本地 Chrome）/ "cloud"（云端）/ "container"（容器内账户）
HEADLESS = False                # True 无头（CI / 服务器）；False 有界面（本地调试观察）