@bgicli/bgicli 2.2.0 → 2.2.2

This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.
Files changed (3) hide show
  1. package/README.md +152 -74
  2. package/dist/bgi.js +119 -32
  3. package/package.json +1 -1
package/README.md CHANGED
@@ -1,12 +1,13 @@
1
1
  # BGI CLI
2
2
 
3
- **BGI CLI** 是一个独立的生物信息学 AI 终端工具，专为中国研究者设计。
3
+ **BGI CLI** 是面向中国生物学研究者的 AI 终端工具，开箱即用，无需额外配置。
4
4
 
5
- - ✅ **独立工具** — 无需安装 OpenCode 或其他 AI 工具
6
- - ✅ **中国 AI 服务商** — DeepSeek、Kimi、通义千问、MiniMax
7
- - ✅ **21 个预装工作流** — 覆盖转录组、基因组、表观基因组、临床分析
8
- - ✅ **真正的工具调用** — 执行 bash 命令、读写文件、运行 R/Python 脚本
9
- - ✅ **单一命令** — 直接运行 `bgi`
5
+ - ✅ **开箱即用** — `npm install -g @bgicli/bgicli` 即可
6
+ - ✅ **内置 889 个技能** — 21 个生信工作流 + 868 个 OpenClaw 医学技能，自动安装
7
+ - ✅ **智能技能路由** — 描述任务自动激活对应技能，无需手动搜索
8
+ - ✅ **中国 AI 服务商** — 百炼(DashScope)聚合：Qwen3.5、DeepSeek、Kimi、MiniMax 等 20+ 模型
9
+ - ✅ **真实工具调用** — 执行 bash、读写文件、运行 R/Python 脚本
10
+ - ✅ **内网支持** — 可接入公司私有化部署的大模型
10
11
 
11
12
  ---
12
13
 
@@ -14,96 +15,178 @@
14
15
 
15
16
  ```bash
16
17
  # 需要 Node.js 18+
17
- npm install -g @bgicli/bgicli
18
+ npm install -g @bgicli/bgicli --registry https://registry.npmjs.org
19
+ ```
18
20
 
19
- # 或从源码安装
20
- git clone https://github.com/zja2004/BGI-CLI.git
21
- cd BGI-CLI
22
- npm install
23
- npm run build
24
- npm link
21
+ 首次运行自动初始化工作流和技能库（约 16MB），无需额外操作。
22
+
23
+ ```bash
24
+ bgi
25
25
  ```
26
26
 
27
+ ---
28
+
29
+ ## 卸载
30
+
31
+ ```bash
32
+ # 卸载 npm 包
33
+ npm uninstall -g @bgicli/bgicli
34
+
35
+ # 删除本地数据（配置、工作流、技能库）
36
+ # Linux / macOS
37
+ rm -rf ~/.bgicli
38
+
39
+ # Windows PowerShell
40
+ Remove-Item -Recurse -Force "$env:USERPROFILE\.bgicli"
41
+ ```
42
+
43
+ ---
44
+
27
45
  ## 快速开始
28
46
 
29
47
  ```bash
30
- bgi
48
+ bgi # 启动
49
+ /connect # 首次配置 API Key
50
+ /cat # 浏览技能分类目录
51
+ /sk deseq2 # 搜索并激活 DESeq2 工作流
52
+ /help # 查看全部命令
31
53
  ```
32
54
 
33
- 首次运行会提示选择 AI 服务商并输入 API Key。
55
+ 首次运行提示配置百炼 (DashScope) API Key：
56
+ - 获取地址：[bailian.console.aliyun.com](https://bailian.console.aliyun.com/) → API Key 管理
34
57
 
35
58
  ---
36
59
 
37
60
  ## 支持的 AI 服务商
38
61
 
39
- | 服务商 | 命令 | 获取 API Key |
40
- |--------|------|-------------|
41
- | **DeepSeek** (默认) | `/provider deepseek` | [platform.deepseek.com](https://platform.deepseek.com/api_keys) |
42
- | **Kimi** | `/provider kimi` | [platform.moonshot.cn](https://platform.moonshot.cn/console/api-keys) |
43
- | **通义千问** | `/provider qwen` | [dashscope.aliyuncs.com](https://dashscope.aliyuncs.com) |
44
- | **MiniMax** | `/provider minimax` | [platform.minimax.chat](https://platform.minimax.chat) |
62
+ ### 百炼 · 阿里云 (DashScope) — 默认
63
+ 通过百炼统一接入多个国内主流模型：
64
+
65
+ | 模型 | 命令 |
66
+ |------|------|
67
+ | Qwen3.5-plus（默认） | `/model qwen3.5-plus` |
68
+ | Qwen3-235B | `/model qwen3-235b-a22b` |
69
+ | DeepSeek-R1 | `/model deepseek-r1` |
70
+ | DeepSeek-V3 | `/model deepseek-v3` |
71
+ | Kimi-K2.5 | `/model kimi-k2.5` |
72
+ | MiniMax-M2.5 | `/model MiniMax-M2.5` |
73
+ | QwQ-Plus（推理） | `/model qwq-plus` |
74
+
75
+ 获取 API Key：[bailian.console.aliyun.com](https://bailian.console.aliyun.com/)
76
+
77
+ ### 内网私有化部署
78
+ ```bash
79
+ /provider intranet # 切换到内网 Qwen3-235B（无需 Key）
80
+ ```
81
+
82
+ ### 自定义 OpenAI 兼容服务
83
+ ```bash
84
+ /connect custom # 配置任意 vLLM / Ollama / FastChat 地址
85
+ ```
45
86
 
46
87
  ---
47
88
 
48
89
  ## 命令参考
49
90
 
91
+ ### 服务商 / 模型
50
92
  | 命令 | 说明 |
51
93
  |------|------|
52
- | `/provider <name>` | 切换 AI 服务商 |
94
+ | `/provider <name>` | 切换服务商 (`bailian` / `intranet` / `custom`) |
53
95
  | `/model <name>` | 切换模型 |
54
- | `/models` | 列出当前服务商的可用模型 |
96
+ | `/models` | 列出当前服务商所有可用模型 |
55
97
  | `/providers` | 列出所有服务商 |
56
98
  | `/connect [provider]` | 配置 API Key |
57
99
  | `/status` | 显示当前配置 |
58
- | `/clear` | 清空对话历史 |
59
- | `/help` | 显示帮助 |
60
- | `exit` / `quit` | 退出 |
61
100
 
62
- ---
63
-
64
- ## 预装工作流 (21个)
65
-
66
- 运行分析时，BGI CLI 自动读取对应的 SKILL.md 工作流指南：
101
+ ### 技能与工作流
102
+ | 命令 | 说明 |
103
+ |------|------|
104
+ | `/cat` | 按领域浏览技能分类目录（11个领域） |
105
+ | `/sk` | 列出全部技能（工作流 + OpenClaw Medical） |
106
+ | `/sk <关键词>` | 搜索并激活技能（如 `/sk deseq2`、`/sk alphafold`） |
107
+ | `/wf` | 同 `/sk`，别名 |
67
108
 
68
- ### 转录组学
69
- - `bulk-rnaseq-counts-to-de-deseq2` — DESeq2 差异表达分析
70
- - `bulk-omics-clustering` — 样本/特征聚类
71
- - `scrnaseq-scanpy-core-analysis` — 单细胞分析 (Scanpy/Python)
72
- - `scrnaseq-seurat-core-analysis` — 单细胞分析 (Seurat/R)
73
- - `spatial-transcriptomics` — 空间转录组
74
- - `coexpression-network` — 共表达网络 (WGCNA)
75
- - `functional-enrichment-from-degs` — 功能富集 (GO/KEGG/GSEA)
76
- - `grn-pyscenic` — 基因调控网络 (pySCENIC)
109
+ > **智能路由**：直接描述任务，BGI CLI 自动识别并激活对应技能。
77
110
 
78
- ### 基因组学
79
- - `genetic-variant-annotation` — 变异注释
80
- - `gwas-to-function-twas` — GWAS → TWAS
81
- - `mendelian-randomization-twosamplemr` — 孟德尔随机化
82
- - `polygenic-risk-score-prs-catalog` — 多基因风险评分
83
- - `pooled-crispr-screens` — CRISPR 文库筛选
111
+ ### 对话管理
112
+ | 命令 | 说明 |
113
+ |------|------|
114
+ | `/clear` | 清空对话历史（重置激活的技能） |
115
+ | `/history` | 查看对话统计（轮次 / Token 估算） |
116
+ | `/save [文件名]` | 保存对话为 Markdown 文件 |
117
+ | `/think [on\|off]` | 切换思考模式（Qwen3 `/think` 前缀） |
84
118
 
85
- ### 表观基因组
86
- - `chip-atlas-peak-enrichment / diff-analysis / target-genes` — ChIP-Atlas 分析
119
+ ### 文件与目录
120
+ | 命令 | 说明 |
121
+ |------|------|
122
+ | `/cd <路径>` | 更改工作目录 |
123
+ | `/cwd` | 显示当前工作目录 |
124
+ | `/tools` | 列出 AI 可调用的工具 |
125
+ | `@路径` | 消息中内嵌文件内容（如 `@data.csv 里有什么?`） |
87
126
 
88
- ### 临床与流行病学
89
- - `clinicaltrials-landscape`, `literature-preclinical`
90
- - `experimental-design-statistics`, `lasso-biomarker-panel`, `pcr-primer-design`
127
+ ### 其他
128
+ | 命令 | 说明 |
129
+ |------|------|
130
+ | `/help` | 显示帮助 |
131
+ | `exit` / `quit` / `q` | 退出 |
91
132
 
92
133
  ---
93
134
 
94
- ## 工作流安装
135
+ ## 内置技能库
136
+
137
+ ### 生物信息学工作流（21个）
138
+
139
+ #### 转录组学
140
+ | ID | 说明 |
141
+ |----|------|
142
+ | `bulk-rnaseq-counts-to-de-deseq2` | DESeq2 差异表达分析 |
143
+ | `bulk-omics-clustering` | 样本/特征聚类（K-Means / HDBSCAN） |
144
+ | `scrnaseq-scanpy-core-analysis` | 单细胞 RNA-seq（Scanpy/Python） |
145
+ | `scrnaseq-seurat-core-analysis` | 单细胞 RNA-seq（Seurat/R） |
146
+ | `spatial-transcriptomics` | 空间转录组（Visium） |
147
+ | `coexpression-network` | 共表达网络（WGCNA） |
148
+ | `functional-enrichment-from-degs` | 功能富集（GO / KEGG / GSEA） |
149
+ | `grn-pyscenic` | 基因调控网络（pySCENIC） |
150
+
151
+ #### 基因组学
152
+ | ID | 说明 |
153
+ |----|------|
154
+ | `genetic-variant-annotation` | VCF 变异注释（VEP / ANNOVAR） |
155
+ | `gwas-to-function-twas` | GWAS → TWAS 因果基因 |
156
+ | `mendelian-randomization-twosamplemr` | 孟德尔随机化 |
157
+ | `polygenic-risk-score-prs-catalog` | 多基因风险评分（PRS） |
158
+ | `pooled-crispr-screens` | CRISPR 文库筛选（MAGeCK / BAGEL2） |
159
+
160
+ #### 表观基因组
161
+ | ID | 说明 |
162
+ |----|------|
163
+ | `chip-atlas-peak-enrichment` | ChIP-seq 峰值富集 |
164
+ | `chip-atlas-diff-analysis` | 差异结合分析 |
165
+ | `chip-atlas-target-genes` | 转录因子靶基因鉴定 |
166
+
167
+ #### 临床与流行病学
168
+ | ID | 说明 |
169
+ |----|------|
170
+ | `clinicaltrials-landscape` | 临床试验格局分析 |
171
+ | `literature-preclinical` | 临床前文献系统提取 |
172
+ | `experimental-design-statistics` | 实验设计与统计检验 |
173
+ | `lasso-biomarker-panel` | LASSO 生物标志物筛选 |
174
+ | `pcr-primer-design` | PCR/qPCR 引物设计 |
175
+
176
+ ### OpenClaw Medical Skills（868个）
177
+
178
+ 覆盖结构生物学、单细胞、药物发现、抗体设计、文献检索等领域，使用 `/cat` 浏览分类目录。
95
179
 
96
- 将 21 个分析工作流部署到 `~/.bgicli/workflows/`：
97
-
98
- ```bash
99
- # 从 bgicli-opencode 目录复制（如果已克隆旧仓库）
100
- cp -r /path/to/old/workflows ~/.bgicli/workflows/
101
- ```
180
+ ---
102
181
 
103
- 或运行安装脚本（Linux/macOS）：
182
+ ## 从源码安装
104
183
 
105
184
  ```bash
106
- bash install.sh
185
+ git clone https://github.com/zja2004/BGI-CLI.git
186
+ cd BGI-CLI
187
+ npm install
188
+ npm run build
189
+ npm link
107
190
  ```
108
191
 
109
192
  ---
@@ -111,22 +194,17 @@ bash install.sh
111
194
  ## 架构
112
195
 
113
196
  ```
114
- bgi (单一二进制)
115
- ├── src/index.ts — CLI 主入口、命令处理、交互循环
116
- ├── src/chat.ts — 流式对话引擎（支持工具调用）
117
- ├── src/tools.ts — 工具实现 (bash, read_file, write_file, list_dir, search_files)
118
- ├── src/prompt.ts — 嵌入式生物信息学系统提示 + 工作流索引
119
- ├── src/providers.ts — 中国 AI 服务商配置
120
- └── src/config.ts — 配置管理 (~/.bgicli/config.json)
197
+ bgi
198
+ ├── src/index.ts — CLI 主入口、命令处理、智能路由
199
+ ├── src/chat.ts — 流式对话引擎（工具调用循环）
200
+ ├── src/tools.ts — 工具实现（bash / read_file / write_file 等）
201
+ ├── src/skillRouter.ts — 关键词路由表（35个核心技能自动匹配）
202
+ ├── src/prompt.ts — 生物信息学系统提示
203
+ ├── src/providers.ts — 中国 AI 服务商配置
204
+ ├── src/config.ts — 配置管理（~/.bgicli/config.json）
205
+ └── data/ — 内置数据（工作流 + Skills + Python 工具）
121
206
  ```
122
207
 
123
- **工具调用流程**：
124
- 1. 用户提问 → 发给 LLM（带工具定义）
125
- 2. LLM 决定调用工具（bash/read_file 等）
126
- 3. BGI CLI 执行工具，将结果返回给 LLM
127
- 4. LLM 基于执行结果继续回答
128
- 5. 循环直到 LLM 完成回答
129
-
130
208
  ---
131
209
 
132
210
  ## License
package/dist/bgi.js CHANGED
@@ -13930,6 +13930,33 @@ async function streamOnce(client, messages, model) {
13930
13930
  finishReason
13931
13931
  };
13932
13932
  }
13933
+ async function compactMessages(messages, config) {
13934
+ const prov = PROVIDERS[config.provider];
13935
+ if (!prov) throw new Error(`Unknown provider: ${config.provider}`);
13936
+ const baseURL = config.provider === "custom" ? config.customUrl : prov.baseURL;
13937
+ const apiKey = getApiKey(config);
13938
+ const client = new openai_default({ apiKey: apiKey || "none", baseURL });
13939
+ const transcript = messages.filter((m2) => m2.role === "user" || m2.role === "assistant").map((m2) => `[${m2.role === "user" ? "\u7528\u6237" : "AI"}]: ${String(m2.content ?? "").slice(0, 2e3)}`).join("\n\n");
13940
+ const resp = await client.chat.completions.create({
13941
+ model: config.model,
13942
+ messages: [
13943
+ {
13944
+ role: "system",
13945
+ content: "\u4F60\u662F\u4E00\u4E2A\u5BF9\u8BDD\u6458\u8981\u52A9\u624B\u3002\u8BF7\u5C06\u4EE5\u4E0B\u5BF9\u8BDD\u5386\u53F2\u538B\u7F29\u4E3A\u7B80\u6D01\u7684\u4E2D\u6587\u6458\u8981\uFF0C\u4FDD\u7559\u6240\u6709\u5173\u952E\u6280\u672F\u4FE1\u606F\uFF1A\u6587\u4EF6\u8DEF\u5F84\u3001\u547D\u4EE4\u3001\u5206\u6790\u7ED3\u679C\u3001\u7528\u6237\u51B3\u7B56\u3001\u5DF2\u6FC0\u6D3B\u7684\u5DE5\u4F5C\u6D41/\u6280\u80FD\u3002\u6458\u8981\u5E94\u8BA9\u5BF9\u8BDD\u80FD\u591F\u65E0\u7F1D\u7EE7\u7EED\u3002"
13946
+ },
13947
+ {
13948
+ role: "user",
13949
+ content: `\u8BF7\u538B\u7F29\u4EE5\u4E0B\u5BF9\u8BDD\u5386\u53F2\uFF1A
13950
+
13951
+ ${transcript}
13952
+
13953
+ \u8F93\u51FA\u683C\u5F0F\uFF1A\u76F4\u63A5\u8F93\u51FA\u6458\u8981\u6587\u672C\uFF0C\u4E0D\u9700\u8981\u4EFB\u4F55\u524D\u7F00\u3002`
13954
+ }
13955
+ ],
13956
+ stream: false
13957
+ });
13958
+ return resp.choices[0]?.message?.content ?? "\uFF08\u5BF9\u8BDD\u5386\u53F2\u5DF2\u538B\u7F29\uFF09";
13959
+ }
13933
13960
  function getApiKey(cfg) {
13934
13961
  const prov = PROVIDERS[cfg.provider];
13935
13962
  if (prov?.envKey && process.env[prov.envKey]) return process.env[prov.envKey];
@@ -14663,8 +14690,8 @@ function installBundledData() {
14663
14690
  if (!(0, import_fs4.existsSync)(bundledData)) return;
14664
14691
  ensureDirs();
14665
14692
  const targets = [
14666
- { src: (0, import_path4.join)(bundledData, "workflows"), dest: WORKFLOWS_DIR, name: "\u5DE5\u4F5C\u6D41" },
14667
- { src: (0, import_path4.join)(bundledData, "skills"), dest: SKILLS_DIR, name: "OpenClaw Skills" },
14693
+ { src: (0, import_path4.join)(bundledData, "workflows"), dest: WORKFLOWS_DIR, name: "Skills (\u751F\u4FE1\u5DE5\u4F5C\u6D41)" },
14694
+ { src: (0, import_path4.join)(bundledData, "skills"), dest: SKILLS_DIR, name: "Skills (\u533B\u5B66\u4E13\u79D1)" },
14668
14695
  { src: (0, import_path4.join)(bundledData, "tools"), dest: TOOLS_DIR, name: "\u5DE5\u5177" }
14669
14696
  ];
14670
14697
  let installed = false;
@@ -14707,12 +14734,13 @@ function printHelp() {
14707
14734
  console.log(source_default.bold.cyan("\u2500\u2500\u2500 \u5BF9\u8BDD\u7BA1\u7406 \u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500"));
14708
14735
  console.log(` ${source_default.cyan("/clear")} \u6E05\u7A7A\u5BF9\u8BDD\u5386\u53F2`);
14709
14736
  console.log(` ${source_default.cyan("/history")} \u67E5\u770B\u5BF9\u8BDD\u7EDF\u8BA1\uFF08\u8F6E\u6B21 / Token \u4F30\u7B97\uFF09`);
14737
+ console.log(` ${source_default.cyan("/compact")} \u7ACB\u5373\u538B\u7F29\u5BF9\u8BDD\u5386\u53F2\uFF08\u8D85 60k token \u81EA\u52A8\u89E6\u53D1\uFF09`);
14710
14738
  console.log(` ${source_default.cyan("/save")} [\u6587\u4EF6\u540D] \u4FDD\u5B58\u5BF9\u8BDD\u4E3A Markdown \u6587\u4EF6`);
14711
14739
  console.log(` ${source_default.cyan("/think")} [on|off] \u5207\u6362\u601D\u8003\u6A21\u5F0F (Qwen3 /think \u524D\u7F00)`);
14712
14740
  console.log();
14713
- console.log(source_default.bold.cyan("\u2500\u2500\u2500 Skills (\u5DE5\u4F5C\u6D41 + OpenClaw Medical) \u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500"));
14714
- console.log(` ${source_default.cyan("/cat")} \u6309\u9886\u57DF\u6D4F\u89C8\u6280\u80FD\u5206\u7C7B\u76EE\u5F55`);
14715
- console.log(` ${source_default.cyan("/sk")} \u5217\u51FA\u5168\u90E8 Skills\uFF08\u5DE5\u4F5C\u6D41 + OpenClaw\uFF09`);
14741
+ console.log(source_default.bold.cyan("\u2500\u2500\u2500 Skills \u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500"));
14742
+ console.log(` ${source_default.cyan("/cat")} \u6309\u9886\u57DF\u6D4F\u89C8 Skills \u5206\u7C7B\u76EE\u5F55`);
14743
+ console.log(` ${source_default.cyan("/sk")} \u5217\u51FA\u5168\u90E8 Skills`);
14716
14744
  console.log(` ${source_default.cyan("/sk")} <\u5173\u952E\u8BCD> \u6A21\u7CCA\u641C\u7D22\uFF0C\u5339\u914D\u5219\u6CE8\u5165\uFF0C\u5426\u5219\u5217\u51FA\u5019\u9009`);
14717
14745
  console.log(` ${source_default.cyan("/wf")} \u540C /sk\uFF0C\u522B\u540D`);
14718
14746
  console.log(source_default.dim(" \u793A\u4F8B: /cat /sk deseq2 /sk pubmed /sk alphafold /sk crispr"));
@@ -14823,13 +14851,13 @@ function collectAllSkills() {
14823
14851
  });
14824
14852
  };
14825
14853
  addFrom(SKILLS_DIR, "skill");
14826
- addFrom(WORKFLOWS_DIR, "workflow");
14854
+ addFrom(WORKFLOWS_DIR, "skill");
14827
14855
  return entries;
14828
14856
  }
14829
14857
  function listSkills(keyword) {
14830
14858
  const all = collectAllSkills();
14831
14859
  if (all.length === 0) {
14832
- console.log(source_default.yellow("\u6682\u65E0\u5DF2\u5B89\u88C5\u7684 Skills / \u5DE5\u4F5C\u6D41"));
14860
+ console.log(source_default.yellow("\u6682\u65E0\u5DF2\u5B89\u88C5\u7684 Skills"));
14833
14861
  return;
14834
14862
  }
14835
14863
  const matched = keyword ? all.filter((e2) => e2.id.toLowerCase().includes(keyword.toLowerCase())) : all;
@@ -14838,20 +14866,11 @@ function listSkills(keyword) {
14838
14866
  console.log(source_default.dim("\u63D0\u793A: \u4F7F\u7528\u66F4\u7B80\u77ED\u7684\u5173\u952E\u8BCD\uFF0C\u5982 alphafold\u3001pubmed\u3001rnaseq\u3001crispr\u3001deseq2"));
14839
14867
  return;
14840
14868
  }
14841
- const title = keyword ? `\u641C\u7D22\u7ED3\u679C "${keyword}" (${matched.length} \u4E2A) \u2014 \u4F7F\u7528 /sk <id> \u52A0\u8F7D:` : `\u5168\u90E8 Skills + \u5DE5\u4F5C\u6D41 (${matched.length} \u4E2A) \u2014 \u4F7F\u7528 /sk <id> \u52A0\u8F7D:`;
14869
+ const title = keyword ? `\u641C\u7D22\u7ED3\u679C "${keyword}" (${matched.length} \u4E2A) \u2014 \u4F7F\u7528 /sk <id> \u52A0\u8F7D:` : `\u5168\u90E8 Skills (${matched.length} \u4E2A) \u2014 \u4F7F\u7528 /sk <id> \u52A0\u8F7D:`;
14842
14870
  console.log(source_default.bold(title));
14843
- const workflows = matched.filter((e2) => e2.tag === "workflow");
14844
- const skills = matched.filter((e2) => e2.tag === "skill");
14845
- if (workflows.length > 0) {
14846
- console.log(source_default.dim(" \u2500\u2500 \u751F\u7269\u4FE1\u606F\u5B66\u5DE5\u4F5C\u6D41 \u2500\u2500"));
14847
- workflows.forEach((e2) => console.log(` ${source_default.green(e2.id)}`));
14848
- }
14849
- if (skills.length > 0) {
14850
- console.log(source_default.dim(" \u2500\u2500 OpenClaw Medical Skills \u2500\u2500"));
14851
- const show = skills.slice(0, 35);
14852
- show.forEach((e2) => console.log(` ${source_default.cyan(e2.id)}`));
14853
- if (skills.length > 35) console.log(source_default.dim(` ... \u8FD8\u6709 ${skills.length - 35} \u4E2A\uFF0C\u8BF7\u7528\u5173\u952E\u8BCD\u7B5B\u9009`));
14854
- }
14871
+ const show = matched.slice(0, 50);
14872
+ show.forEach((e2) => console.log(` ${source_default.cyan(e2.id)}`));
14873
+ if (matched.length > 50) console.log(source_default.dim(` ... \u8FD8\u6709 ${matched.length - 50} \u4E2A\uFF0C\u8BF7\u7528\u5173\u952E\u8BCD\u7B5B\u9009`));
14855
14874
  console.log();
14856
14875
  }
14857
14876
  function injectSkill(id, history) {
@@ -14868,10 +14887,9 @@ function injectSkill(id, history) {
14868
14887
  return false;
14869
14888
  }
14870
14889
  const content = (0, import_fs4.readFileSync)(skillPath, "utf8");
14871
- const label = match.tag === "workflow" ? "\u751F\u7269\u4FE1\u606F\u5B66\u5DE5\u4F5C\u6D41" : "OpenClaw Skill";
14872
14890
  history.push({
14873
14891
  role: "user",
14874
- content: `[${label}\u5DF2\u52A0\u8F7D: ${match.id}]
14892
+ content: `[Skill \u5DF2\u52A0\u8F7D: ${match.id}]
14875
14893
 
14876
14894
  \u4EE5\u4E0B\u662F\u8BE5\u6280\u80FD\u7684\u64CD\u4F5C\u6307\u5357\uFF0C\u8BF7\u4E25\u683C\u6309\u7167\u8BF4\u660E\u6267\u884C\uFF1A
14877
14895
 
@@ -14879,9 +14897,9 @@ ${content}`
14879
14897
  });
14880
14898
  history.push({
14881
14899
  role: "assistant",
14882
- content: `\u2713 ${label} **${match.id}** \u5DF2\u52A0\u8F7D\u3002\u6211\u5DF2\u9605\u8BFB\u6307\u5357\uFF0C\u968F\u65F6\u53EF\u4EE5\u5F00\u59CB\u3002\u8BF7\u544A\u8BC9\u6211\u60A8\u7684\u5177\u4F53\u6570\u636E\u548C\u9700\u6C42\u3002`
14900
+ content: `\u2713 Skill **${match.id}** \u5DF2\u52A0\u8F7D\u3002\u6211\u5DF2\u9605\u8BFB\u6307\u5357\uFF0C\u968F\u65F6\u53EF\u4EE5\u5F00\u59CB\u3002\u8BF7\u544A\u8BC9\u6211\u60A8\u7684\u5177\u4F53\u6570\u636E\u548C\u9700\u6C42\u3002`
14883
14901
  });
14884
- console.log(source_default.green(`\u2713 ${match.tag === "workflow" ? "\u5DE5\u4F5C\u6D41" : "Skill"} ${match.id} \u5DF2\u6CE8\u5165\u5230\u5F53\u524D\u5BF9\u8BDD\u4E0A\u4E0B\u6587`));
14902
+ console.log(source_default.green(`\u2713 Skill ${match.id} \u5DF2\u6CE8\u5165\u5230\u5F53\u524D\u5BF9\u8BDD\u4E0A\u4E0B\u6587`));
14885
14903
  return true;
14886
14904
  }
14887
14905
  function expandFileRefs(input) {
@@ -14934,6 +14952,45 @@ ${msg.content}
14934
14952
  (0, import_fs4.writeFileSync)(outPath, lines.join("\n"), "utf8");
14935
14953
  console.log(source_default.green(`\u2713 \u5BF9\u8BDD\u5DF2\u4FDD\u5B58: ${outPath}`));
14936
14954
  }
14955
+ var COMPACT_TOKEN_THRESHOLD = 6e4;
14956
+ var COMPACT_KEEP_RECENT = 8;
14957
+ function estimateTokens(messages) {
14958
+ const chars = messages.reduce((n2, m2) => n2 + String(m2.content ?? "").length, 0);
14959
+ return Math.round(chars / 3.5);
14960
+ }
14961
+ async function maybeCompact(history, cfg) {
14962
+ const tokens = estimateTokens(history);
14963
+ if (tokens < COMPACT_TOKEN_THRESHOLD) return history;
14964
+ const recent = history.slice(-COMPACT_KEEP_RECENT);
14965
+ const old = history.slice(0, -COMPACT_KEEP_RECENT);
14966
+ if (old.length === 0) return history;
14967
+ process.stdout.write(source_default.dim(`
14968
+ [\u4E0A\u4E0B\u6587\u5DF2\u8FBE ~${Math.round(tokens / 1e3)}k tokens\uFF0C\u6B63\u5728\u81EA\u52A8\u538B\u7F29...]
14969
+ `));
14970
+ try {
14971
+ const summary = await compactMessages(old, cfg);
14972
+ const compacted = [
14973
+ {
14974
+ role: "user",
14975
+ content: `[\u5BF9\u8BDD\u5386\u53F2\u6458\u8981 \u2014 \u8BF7\u5728\u6B64\u57FA\u7840\u4E0A\u7EE7\u7EED]
14976
+
14977
+ ${summary}`
14978
+ },
14979
+ {
14980
+ role: "assistant",
14981
+ content: "\u2713 \u5DF2\u7406\u89E3\u4E4B\u524D\u7684\u5BF9\u8BDD\u6458\u8981\uFF0C\u8BF7\u7EE7\u7EED\u3002"
14982
+ },
14983
+ ...recent
14984
+ ];
14985
+ const saved = estimateTokens(history) - estimateTokens(compacted);
14986
+ process.stdout.write(source_default.dim(`[\u538B\u7F29\u5B8C\u6210\uFF0C\u91CA\u653E\u7EA6 ~${Math.round(saved / 1e3)}k tokens]
14987
+
14988
+ `));
14989
+ return compacted;
14990
+ } catch {
14991
+ return history.slice(-COMPACT_KEEP_RECENT * 2);
14992
+ }
14993
+ }
14937
14994
  async function handleCommand(input, rl, history, thinkMode) {
14938
14995
  const [cmd, ...rest] = input.slice(1).trim().split(/\s+/);
14939
14996
  const arg = rest.join(" ");
@@ -15037,6 +15094,37 @@ async function handleCommand(input, rl, history, thinkMode) {
15037
15094
  saveConversation(history, arg || void 0);
15038
15095
  break;
15039
15096
  }
15097
+ case "compact": {
15098
+ const tokens = estimateTokens(history);
15099
+ if (history.length < 4) {
15100
+ console.log(source_default.dim("\u5BF9\u8BDD\u592A\u77ED\uFF0C\u65E0\u9700\u538B\u7F29"));
15101
+ break;
15102
+ }
15103
+ console.log(source_default.dim(`\u5F53\u524D\u5BF9\u8BDD\u7EA6 ~${Math.round(tokens / 1e3)}k tokens\uFF0C\u6B63\u5728\u538B\u7F29...`));
15104
+ try {
15105
+ const currentCfg = loadConfig();
15106
+ const recent = history.slice(-COMPACT_KEEP_RECENT);
15107
+ const old = history.slice(0, -COMPACT_KEEP_RECENT);
15108
+ if (old.length === 0) {
15109
+ console.log(source_default.dim("\u8FD1\u671F\u6D88\u606F\u4E0D\u8DB3\uFF0C\u65E0\u9700\u538B\u7F29"));
15110
+ break;
15111
+ }
15112
+ const summary = await compactMessages(old, currentCfg);
15113
+ const newHistory = [
15114
+ { role: "user", content: `[\u5BF9\u8BDD\u5386\u53F2\u6458\u8981 \u2014 \u8BF7\u5728\u6B64\u57FA\u7840\u4E0A\u7EE7\u7EED]
15115
+
15116
+ ${summary}` },
15117
+ { role: "assistant", content: "\u2713 \u5DF2\u7406\u89E3\u4E4B\u524D\u7684\u5BF9\u8BDD\u6458\u8981\uFF0C\u8BF7\u7EE7\u7EED\u3002" },
15118
+ ...recent
15119
+ ];
15120
+ const after = estimateTokens(newHistory);
15121
+ console.log(source_default.green(`\u2713 \u538B\u7F29\u5B8C\u6210: ${history.length} \u6761\u6D88\u606F \u2192 ${newHistory.length} \u6761\uFF0C~${Math.round(after / 1e3)}k tokens`));
15122
+ return { injectHistory: newHistory };
15123
+ } catch (err) {
15124
+ console.error(source_default.red(`\u538B\u7F29\u5931\u8D25: ${err instanceof Error ? err.message : String(err)}`));
15125
+ }
15126
+ break;
15127
+ }
15040
15128
  case "think": {
15041
15129
  const val = arg.toLowerCase();
15042
15130
  if (val === "on" || val === "1" || val === "true") {
@@ -15080,8 +15168,7 @@ async function handleCommand(input, rl, history, thinkMode) {
15080
15168
  console.log(` ${meta.icon} ${source_default.bold(meta.label)}`);
15081
15169
  for (const item of items) {
15082
15170
  const route = SKILL_ROUTES.find((r2) => r2.id === item.id);
15083
- const tag = item.tag === "workflow" ? source_default.green("\u5DE5\u4F5C\u6D41") : source_default.cyan("Skill ");
15084
- console.log(` ${tag} ${source_default.white(item.id)} ${source_default.dim("\u2014 " + route.name)}`);
15171
+ console.log(` ${source_default.cyan(item.id)} ${source_default.dim("\u2014 " + route.name)}`);
15085
15172
  }
15086
15173
  console.log();
15087
15174
  }
@@ -15089,8 +15176,8 @@ async function handleCommand(input, rl, history, thinkMode) {
15089
15176
  const allInstalled = collectAllSkills();
15090
15177
  const unrouted = allInstalled.filter((e2) => !routedIds.has(e2.id));
15091
15178
  if (unrouted.length > 0) {
15092
- console.log(` \u{1F4E6} ${source_default.bold("\u66F4\u591A OpenClaw Skills")} ${source_default.dim(`(${unrouted.length} \u4E2A\uFF0C\u65E0\u81EA\u52A8\u8DEF\u7531)`)}`);
15093
- console.log(source_default.dim(" \u4F7F\u7528 /sk <\u5173\u952E\u8BCD> \u641C\u7D22\uFF0C\u4F8B: /sk ehr /sk clinical /sk imaging"));
15179
+ console.log(` \u{1F4E6} ${source_default.bold("\u66F4\u591A Skills")} ${source_default.dim(`(${unrouted.length} \u4E2A\uFF0C\u4F7F\u7528\u5173\u952E\u8BCD\u641C\u7D22)`)}`);
15180
+ console.log(source_default.dim(" /sk <\u5173\u952E\u8BCD>\uFF0C\u4F8B: /sk ehr /sk clinical /sk imaging"));
15094
15181
  console.log();
15095
15182
  }
15096
15183
  break;
@@ -15151,7 +15238,7 @@ async function main() {
15151
15238
  console.log(source_default.bold.cyan("\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500"));
15152
15239
  console.log(` ${source_default.bold("\u670D\u52A1\u5546:")} ${prov?.name ?? cfg.provider}`);
15153
15240
  console.log(` ${source_default.bold("\u6A21\u578B:")} ${source_default.green(cfg.model)}`);
15154
- console.log(` ${source_default.bold("Skills:")} ${totalSkills > 0 ? source_default.green(`${totalSkills} \u4E2A`) : source_default.yellow("\u672A\u5B89\u88C5")} ${source_default.dim("(\u5DE5\u4F5C\u6D41 + OpenClaw Medical\uFF0C/sk \u641C\u7D22)")}`);
15241
+ console.log(` ${source_default.bold("Skills:")} ${totalSkills > 0 ? source_default.green(`${totalSkills} \u4E2A`) : source_default.yellow("\u672A\u5B89\u88C5")} ${source_default.dim("(/sk \u641C\u7D22 /cat \u5206\u7C7B\u76EE\u5F55)")}`);
15155
15242
  console.log(` ${source_default.bold("\u5DE5\u5177:")} bash \xB7 read_file \xB7 write_file \xB7 list_dir \xB7 search_files`);
15156
15243
  console.log(source_default.bold.cyan("\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500\u2500"));
15157
15244
  console.log(source_default.dim(" \u8F93\u5165\u95EE\u9898\u5F00\u59CB\u5BF9\u8BDD /help \u67E5\u770B\u547D\u4EE4 /cat \u6280\u80FD\u5206\u7C7B @\u6587\u4EF6\u8DEF\u5F84 \u5185\u5D4C\u6587\u4EF6"));
@@ -15182,6 +15269,7 @@ async function main() {
15182
15269
  history = [];
15183
15270
  injectedSkills.clear();
15184
15271
  }
15272
+ if (result.injectHistory) history = result.injectHistory;
15185
15273
  if (result.thinkMode !== void 0) thinkMode = result.thinkMode;
15186
15274
  continue;
15187
15275
  }
@@ -15197,8 +15285,7 @@ async function main() {
15197
15285
  } else if (newRoutes.length >= 2 && topScore >= 4) {
15198
15286
  console.log(source_default.dim("\n\u{1F4A1} \u68C0\u6D4B\u5230\u76F8\u5173\u6280\u80FD\uFF0C\u8F93\u5165 /sk <id> \u6FC0\u6D3B:"));
15199
15287
  newRoutes.slice(0, 3).forEach((r2) => {
15200
- const tag = r2.tag === "workflow" ? source_default.green("[\u5DE5\u4F5C\u6D41]") : source_default.cyan("[Skill] ");
15201
- console.log(source_default.dim(` /sk ${r2.id} ${tag} ${r2.name}`));
15288
+ console.log(source_default.dim(` /sk ${r2.id} \u2014 ${r2.name}`));
15202
15289
  });
15203
15290
  console.log();
15204
15291
  }
@@ -15210,7 +15297,7 @@ ${expanded}` : expanded;
15210
15297
  const currentCfg = loadConfig();
15211
15298
  const reply = await chat(history, currentCfg, systemPrompt);
15212
15299
  history.push({ role: "assistant", content: reply });
15213
- if (history.length > 40) history = history.slice(-40);
15300
+ history = await maybeCompact(history, currentCfg);
15214
15301
  } catch (err) {
15215
15302
  const msg = err instanceof Error ? err.message : String(err);
15216
15303
  console.error(source_default.red(`
package/package.json CHANGED
@@ -1,6 +1,6 @@
1
1
  {
2
2
  "name": "@bgicli/bgicli",
3
- "version": "2.2.0",
3
+ "version": "2.2.2",
4
4
  "description": "BGI CLI — Bioinformatics AI terminal for Chinese researchers (百炼/DeepSeek/Kimi/Qwen)",
5
5
  "bin": {
6
6
  "bgi": "dist/bgi.js"