@bolloon/bolloon-agent 0.3.52 → 0.4.0

package/dist/llm/error-lessons.js

@@ -0,0 +1,53 @@
+/**
+ * error-lessons.ts — LLM API 错误分类 + 会话级教训学习 (借鉴 Hermes agent/error_classifier.py:
+ *   "record the (provider, model) so we don't waste another call learning the same lesson, retry")
+ *
+ * Hermes 模式:
+ *   - 模式库分类错误 (context overflow / multimodal / 400 / 402 / 429 / 5xx)
+ *   - 同类错误会话内只学一次 (lesson memory), 之后的调用直接走已学恢复动作, 不重复分析
+ *   - 恢复动作: context overflow → 压缩上下文重试; 429/5xx → 退避重试; auth → 不重试
+ *
+ * 纯函数 + 有状态 store 分离, 可单测。
+ */
+const PATTERNS = [
+    { category: 'rate-limit', recovery: 'backoff-retry', re: /(rate.?limit|too many requests|429|quota|限流|频率)/i },
+    { category: 'context-overflow', recovery: 'compact-retry', re: /(context|token|prompt).*(length|limit|size|exceed|too (long|large|many|small|big))|maximum context|reduce.*length|(token|上下文).*(上限|超长|过长|超出)|请求过长/i },
+    { category: 'auth', recovery: 'no-retry', re: /(401|403|402|unauthori[sz]ed|invalid api key|permission denied|鉴权|api.?key)/i },
+    { category: 'network', recovery: 'retry-once', re: /(ECONNRESET|ETIMEDOUT|ENOTFOUND|socket|network|undici|fetch failed|other side closed|timeout)/i },
+    { category: 'server', recovery: 'backoff-retry', re: /(50[0-9]|internal server|bad gateway|service unavailable|overloaded|server error)/i },
+];
+/** 分类错误 (Hermes classify_api_error 的轻量版) */
+export function classifyApiError(err) {
+    const msg = String(err?.message || err || '').slice(0, 500);
+    for (const p of PATTERNS) {
+        if (p.re.test(msg)) {
+            return { category: p.category, pattern: p.re.source, recoverable: p.recovery !== 'no-retry', recovery: p.recovery };
+        }
+    }
+    return { category: 'unknown', pattern: '(无匹配)', recoverable: false, recovery: 'no-retry' };
+}
+/** 会话级教训记忆: 同类错误只学一次 (Hermes "don't waste another call learning the same lesson") */
+export class ErrorLessonStore {
+    lessons = new Map();
+    /** 记录一次错误; 返回 true = 本次是新教训 (同类第一次), false = 已学过 (去重) */
+    learn(err) {
+        const classified = classifyApiError(err);
+        if (this.lessons.has(classified.category)) {
+            return { classified, isNewLesson: false };
+        }
+        this.lessons.set(classified.category, { learnedAt: Date.now(), recovery: classified.recovery });
+        return { classified, isNewLesson: true };
+    }
+    /** 查询已学恢复动作 (未学过返回 undefined) */
+    recoveryFor(category) {
+        return this.lessons.get(category)?.recovery;
+    }
+    /** 已学教训数 */
+    get size() {
+        return this.lessons.size;
+    }
+    /** 清空 (新会话/新 provider 时) */
+    reset() {
+        this.lessons.clear();
+    }
+}

package/dist/llm/llm-judgment-client.js

@@ -31,55 +31,55 @@ export const JUDGMENT_PROMPTS = {
     default: {
         systemPrompt: '',
         systemPromptResolver: () => loadRoleLayer('role.expert', '你是一个专业的 AI 任务分析专家. '),
-        userPromptTemplate: `【当前输入】
-{user_input}
-
-【对话历史】
-{history}
-
-【发送者】
-{sender_name}
-
-请分析以上输入，判断：
-
-## 理解
-1. 问题本质是什么？（how-to / why / what / should / feasibility）
-2. 核心需求是什么？
-3. 有哪些隐含信息需要注意？
-
-## 评估
-1. 复杂性等级（simple / moderate / complex / profound）
-2. 为什么是这个等级？
-3. 需要多深的理解？（surface / deeper / fundamental）
-
-## 决策
-1. 推荐处理方式（answer / analyze / design / implement / coordinate）
-2. 为什么这样处理？
-
-## 路由
-1. 应该调用哪些 Skills？（arch / guardian-fixer / harness-eng / harness-dev / task-arch / crystal-learn）
-2. 需要什么协作模式？（solo / pair / team）
-
-请用 JSON 格式输出，格式如下：
-{
-  "understanding": {
-    "essence": "问题本质",
-    "coreNeed": "核心需求",
-    "implicit": ["隐含信息1", "隐含信息2"]
-  },
-  "assessment": {
-    "complexity": "complex",
-    "complexityReason": "评估理由",
-    "depth": "deeper"
-  },
-  "decision": {
-    "approach": "design",
-    "reasoning": "决策理由"
-  },
-  "routing": {
-    "skills": ["arch", "guardian-fixer"],
-    "collaboration": "pair"
-  }
+        userPromptTemplate: `【当前输入】
+{user_input}
+
+【对话历史】
+{history}
+
+【发送者】
+{sender_name}
+
+请分析以上输入，判断：
+
+## 理解
+1. 问题本质是什么？（how-to / why / what / should / feasibility）
+2. 核心需求是什么？
+3. 有哪些隐含信息需要注意？
+
+## 评估
+1. 复杂性等级（simple / moderate / complex / profound）
+2. 为什么是这个等级？
+3. 需要多深的理解？（surface / deeper / fundamental）
+
+## 决策
+1. 推荐处理方式（answer / analyze / design / implement / coordinate）
+2. 为什么这样处理？
+
+## 路由
+1. 应该调用哪些 Skills？（arch / guardian-fixer / harness-eng / harness-dev / task-arch / crystal-learn）
+2. 需要什么协作模式？（solo / pair / team）
+
+请用 JSON 格式输出，格式如下：
+{
+  "understanding": {
+    "essence": "问题本质",
+    "coreNeed": "核心需求",
+    "implicit": ["隐含信息1", "隐含信息2"]
+  },
+  "assessment": {
+    "complexity": "complex",
+    "complexityReason": "评估理由",
+    "depth": "deeper"
+  },
+  "decision": {
+    "approach": "design",
+    "reasoning": "决策理由"
+  },
+  "routing": {
+    "skills": ["arch", "guardian-fixer"],
+    "collaboration": "pair"
+  }
 }`,
         outputFormat: 'json'
     },
@@ -87,26 +87,26 @@ export const JUDGMENT_PROMPTS = {
     architecture: {
         systemPrompt: '',
         systemPromptResolver: () => loadRoleLayer('role.architect', '你是一个经验丰富的系统架构师. '),
-        userPromptTemplate: `【架构设计问题】
-{user_input}
-
-【上下文】
-{context}
-
-请进行架构分析，判断是否需要 Harness 介入。
-
-分析维度：
-1. 涉及哪些架构维度？（分层、微服务、事件驱动等）
-2. 需要什么级别的架构设计？（概念性、逻辑性、物理性）
-3. 有什么架构风险需要考虑？
-
-输出 JSON：
-{
-  "needsHarness": true/false,
-  "gate": 0-8,
-  "skills": ["arch", "harness-eng"],
-  "architectureType": "microservices/layered/event-driven/etc",
-  "concerns": ["concern1", "concern2"]
+        userPromptTemplate: `【架构设计问题】
+{user_input}
+
+【上下文】
+{context}
+
+请进行架构分析，判断是否需要 Harness 介入。
+
+分析维度：
+1. 涉及哪些架构维度？（分层、微服务、事件驱动等）
+2. 需要什么级别的架构设计？（概念性、逻辑性、物理性）
+3. 有什么架构风险需要考虑？
+
+输出 JSON：
+{
+  "needsHarness": true/false,
+  "gate": 0-8,
+  "skills": ["arch", "harness-eng"],
+  "architectureType": "microservices/layered/event-driven/etc",
+  "concerns": ["concern1", "concern2"]
 }`,
         outputFormat: 'json'
     },
@@ -114,22 +114,22 @@ export const JUDGMENT_PROMPTS = {
     code: {
         systemPrompt: '',
         systemPromptResolver: () => loadRoleLayer('role.implementer', '你是一个高效的代码实现专家. '),
-        userPromptTemplate: `【代码问题】
-{user_input}
-
-请判断这个问题：
-
-1. 是新功能实现还是修复问题？
-2. 涉及哪些代码层面？（业务逻辑、数据访问、接口设计）
-3. 需要什么测试覆盖？
-
-输出 JSON：
-{
-  "needsHarness": true/false,
-  "gate": 0-8,
-  "skills": ["harness-dev", "guardian-fixer"],
-  "codeType": "feature/fix/refactor",
-  "testCoverage": "unit/integration/e2e"
+        userPromptTemplate: `【代码问题】
+{user_input}
+
+请判断这个问题：
+
+1. 是新功能实现还是修复问题？
+2. 涉及哪些代码层面？（业务逻辑、数据访问、接口设计）
+3. 需要什么测试覆盖？
+
+输出 JSON：
+{
+  "needsHarness": true/false,
+  "gate": 0-8,
+  "skills": ["harness-dev", "guardian-fixer"],
+  "codeType": "feature/fix/refactor",
+  "testCoverage": "unit/integration/e2e"
 }`,
         outputFormat: 'json'
     },
@@ -137,23 +137,23 @@ export const JUDGMENT_PROMPTS = {
     security: {
         systemPrompt: '',
         systemPromptResolver: () => loadRoleLayer('role.security', '你是一个严格的安全专家. '),
-        userPromptTemplate: `【安全问题】
-{user_input}
-
-请分析安全问题：
-
-1. 涉及哪些安全维度？（认证、授权、数据保护、传输安全）
-2. 风险等级？（低/中/高/严重）
-3. 需要什么安全措施？
-
-输出 JSON：
-{
-  "needsHarness": true,
-  "gate": 4,
-  "skills": ["guardian-fixer", "arch"],
-  "securityDimensions": ["authentication", "authorization"],
-  "riskLevel": "high",
-  "recommendations": ["rec1", "rec2"]
+        userPromptTemplate: `【安全问题】
+{user_input}
+
+请分析安全问题：
+
+1. 涉及哪些安全维度？（认证、授权、数据保护、传输安全）
+2. 风险等级？（低/中/高/严重）
+3. 需要什么安全措施？
+
+输出 JSON：
+{
+  "needsHarness": true,
+  "gate": 4,
+  "skills": ["guardian-fixer", "arch"],
+  "securityDimensions": ["authentication", "authorization"],
+  "riskLevel": "high",
+  "recommendations": ["rec1", "rec2"]
 }`,
         outputFormat: 'json'
     }

package/dist/llm/pi-ai.js

@@ -103,6 +103,14 @@ export class PiAIModel {
             if (signal?.aborted || error?.name === 'AbortError') {
                 throw error; // 上层 try/catch 处理
             }
+            // 2026-08-11 (Hermes error_classifier + 会话级教训): 分类错误 + 同类只学一次
+            //   429/5xx → 退避重试; context overflow → 上层 compact 后重试; network → 重试 1 次;
+            //   auth → 不重试 (报错给用户). console 只 warn 一次新教训.
+            const { ErrorLessonStore } = await import('./error-lessons.js');
+            const lesson = (chatErrorLessons ??= new ErrorLessonStore()).learn(error);
+            if (lesson.isNewLesson) {
+                console.warn(`[llm-lesson] 新错误教训: ${lesson.classified.category} (${lesson.classified.pattern}) → ${lesson.classified.recovery}`);
+            }
             console.error('PiAI chat error:', error);
             // 2026-06-15: 真实 error 信息 + 明确告诉 LLM "这是 API 错, 不要 retry"
             // 旧版: "抱歉，AI服务暂时不可用。" → LLM 看到 isTooShort=false(< 50 但 > 0),
@@ -494,12 +502,12 @@ export class PiAIModel {
             // 降级: 旧硬编码 (layer registry 不可用时不挂)
             console.warn('[pi-ai] layer registry 不可用, 降级:', err.message?.slice(0, 100));
             const envDetails = this.getEnvironmentDetails();
-            return `You are a friendly AI assistant in a P2P document collaboration network.
-
-## User Working Directory
-${context || process.cwd()}
-
-## Environment
+            return `You are a friendly AI assistant in a P2P document collaboration network.
+
+## User Working Directory
+${context || process.cwd()}
+
+## Environment
 ${envDetails}`;
         }
     }
@@ -507,49 +515,49 @@ ${envDetails}`;
     // 保留但内部用 sync fallback; 后续可改成 async
     buildSystemPrompt(context) {
         const envDetails = this.getEnvironmentDetails();
-        return `You are a friendly AI assistant in a P2P document collaboration network.
-
-## User Working Directory
-${context || process.cwd()}
-
-## Environment
+        return `You are a friendly AI assistant in a P2P document collaboration network.
+
+## User Working Directory
+${context || process.cwd()}
+
+## Environment
 ${envDetails}`;
     }
     getEnvironmentDetails() {
-        return `
-## Available Workflows
-- read - Read documents
-- summarize - Summarize documents  
-- improve - Improve documents
-- collaborate - Multi-agent collaboration
-- query - Query status
-- report - Generate reports
-
-## System Capabilities
-- Document processing (Markdown, Text, PDF, DOCX)
-- Multi-agent collaboration (P2P network)
-- Workflow engine (constraint layer)
-- Quality assessment and auto-send
-
-## Current Time
+        return `
+## Available Workflows
+- read - Read documents
+- summarize - Summarize documents  
+- improve - Improve documents
+- collaborate - Multi-agent collaboration
+- query - Query status
+- report - Generate reports
+
+## System Capabilities
+- Document processing (Markdown, Text, PDF, DOCX)
+- Multi-agent collaboration (P2P network)
+- Workflow engine (constraint layer)
+- Quality assessment and auto-send
+
+## Current Time
 ${new Date().toISOString()}`;
     }
     buildSummarizePrompt(text, context) {
         const maxLength = 8000;
         const truncatedText = text.length > maxLength ? text.substring(0, maxLength) + '...' : text;
-        let prompt = `Please generate a concise and accurate summary for the following document:
-
-${truncatedText}
-
-Please output in the following format:
-## Summary
-[Write summary here]
-
-## Quality Self-Assessment
+        let prompt = `Please generate a concise and accurate summary for the following document:
+
+${truncatedText}
+
+Please output in the following format:
+## Summary
+[Write summary here]
+
+## Quality Self-Assessment
 [Score 1-10, with reasoning]`;
         if (context) {
-            prompt = `Context: ${context}
-
+            prompt = `Context: ${context}
+
 ${prompt}`;
         }
         return prompt;
@@ -557,17 +565,17 @@ ${prompt}`;
     buildImprovePrompt(content, requirements, context) {
         const maxLength = 8000;
         const truncatedContent = content.length > maxLength ? content.substring(0, maxLength) + '...' : content;
-        let prompt = `Please improve the document according to the following requirements:
-
-Requirements: ${requirements}
-
-Original Document:
-${truncatedContent}
-
+        let prompt = `Please improve the document according to the following requirements:
+
+Requirements: ${requirements}
+
+Original Document:
+${truncatedContent}
+
 Please output only the improved document without additional explanation.`;
         if (context) {
-            prompt = `Context: ${context}
-
+            prompt = `Context: ${context}
+
 ${prompt}`;
         }
         return prompt;
@@ -710,4 +718,9 @@ export function getMinimax() {
 export function initMinimax(config = {}) {
     return initPiAI(config);
 }
+/** 2026-08-11: 会话级 LLM 错误教训存储 (Hermes error_classifier 模式) — 同类错误只学一次 */
+let chatErrorLessons = null;
+export function getChatErrorLessons() {
+    return chatErrorLessons;
+}
 export { PiAIModel as MinimaxLLM };

package/dist/llm/system-prompt/layers/channel/human-async.md

@@ -1,41 +1,41 @@
----
-added_at: 2026-07-10
-last_reviewed_at: 2026-07-10
-ttl_days: 180
-author: yuanjie
----
-
-<!-- channel.human-async@1.0.0 -->
-# 人类异步回来 (用户几小时/几天没来, hook 唤醒你做后台任务)
-
-**适用场景**: 当前 channel 标识 `user_away` 或 `goal_continue` 类型, 用户不在本地.
-你被 hook 启动处理"用户离开时积累的请求" (peer 消息 / 监控告警 / 计划任务).
-
-## 唤醒后先判断
-
-- **`list_parked_goals`** (调 goal-resume.ts 暴露的工具) → 拿所有用户离开时挂起的目标
-- **优先级排序**: `awaiting_external` > `channel_switch` > `user_away` > `peer_handoff`
-- 选 1 个最值得推进的, 调 `resume_goal` 接着干
-
-## 异步处理 (用户回来时无缝衔接)
-
-处理时**不**写到用户原来的 channel — 开新 channel `auto-async:<timestamp>`,
-挂上 `targetId` (= 原始 goal 的 targetId), 用户回来时:
-
-```
-1. 用户登录 → 调 list_parked_goals 查他离开时的进展
-2. 对每个 parked goal: 调 resume_goal 续
-3. 在 UI 显示 "📥 你离开时 X 节点帮你推进了 N 步" — 透明
-```
-
-## 自动沉淀用户习性
-
-每完成一个完整任务, **主动调 `habit-distill` skill** (`src/bollharness-integration/skill-adapter.ts`),
-抽取用户在本次交互里展现的偏好 (输入习惯 / 术语 / 反复问的主题), 写到
-`~/.bolloon/human-values/judgments.json`. 标注 `source: 'habit-distill'`.
-
-## 边界 (硬约束)
-
-- **异步任务超时 > 30min** → 自动 park + 写 judgment "用户可能想优先别的", 退出
-- **写入类操作** (create_file / str_replace) → **先在 channel 里写** "我打算改 X 文件, 你回来时确认", 不直接落盘
-- **不要主动给对端 peer 发消息** — 用户不在场, 你没授权
+---
+added_at: 2026-07-10
+last_reviewed_at: 2026-07-10
+ttl_days: 180
+author: yuanjie
+---
+
+<!-- channel.human-async@1.0.0 -->
+# 人类异步回来 (用户几小时/几天没来, hook 唤醒你做后台任务)
+
+**适用场景**: 当前 channel 标识 `user_away` 或 `goal_continue` 类型, 用户不在本地.
+你被 hook 启动处理"用户离开时积累的请求" (peer 消息 / 监控告警 / 计划任务).
+
+## 唤醒后先判断
+
+- **`list_parked_goals`** (调 goal-resume.ts 暴露的工具) → 拿所有用户离开时挂起的目标
+- **优先级排序**: `awaiting_external` > `channel_switch` > `user_away` > `peer_handoff`
+- 选 1 个最值得推进的, 调 `resume_goal` 接着干
+
+## 异步处理 (用户回来时无缝衔接)
+
+处理时**不**写到用户原来的 channel — 开新 channel `auto-async:<timestamp>`,
+挂上 `targetId` (= 原始 goal 的 targetId), 用户回来时:
+
+```
+1. 用户登录 → 调 list_parked_goals 查他离开时的进展
+2. 对每个 parked goal: 调 resume_goal 续
+3. 在 UI 显示 "📥 你离开时 X 节点帮你推进了 N 步" — 透明
+```
+
+## 自动沉淀用户习性
+
+每完成一个完整任务, **主动调 `habit-distill` skill** (`src/bollharness-integration/skill-adapter.ts`),
+抽取用户在本次交互里展现的偏好 (输入习惯 / 术语 / 反复问的主题), 写到
+`~/.bolloon/human-values/judgments.json`. 标注 `source: 'habit-distill'`.
+
+## 边界 (硬约束)
+
+- **异步任务超时 > 30min** → 自动 park + 写 judgment "用户可能想优先别的", 退出
+- **写入类操作** (create_file / str_replace) → **先在 channel 里写** "我打算改 X 文件, 你回来时确认", 不直接落盘
+- **不要主动给对端 peer 发消息** — 用户不在场, 你没授权

package/dist/llm/system-prompt/layers/channel/local.md

@@ -1,14 +1,14 @@
----
-added_at: 2026-06-15
-last_reviewed_at: 2026-06-15
-ttl_days: 180
-author: yuanjie
----
-
-<!-- channel.local@1.0.0 -->
-# 本地渠道 (默认, bolloon 跑在用户本机)
-
-你跑在用户的本地设备上, 可直接读写用户文件系统. 信任度高.
-
-允许: 读写文件、执行命令、调用所有工具.
-边界: 仍遵守 core.refusal / core.wellbeing / 拒绝处理.
+---
+added_at: 2026-06-15
+last_reviewed_at: 2026-06-15
+ttl_days: 180
+author: yuanjie
+---
+
+<!-- channel.local@1.0.0 -->
+# 本地渠道 (默认, bolloon 跑在用户本机)
+
+你跑在用户的本地设备上, 可直接读写用户文件系统. 信任度高.
+
+允许: 读写文件、执行命令、调用所有工具.
+边界: 仍遵守 core.refusal / core.wellbeing / 拒绝处理.

package/dist/llm/system-prompt/layers/channel/p2p-agent.md

@@ -1,18 +1,18 @@
----
-added_at: 2026-06-15
-last_reviewed_at: 2026-06-15
-ttl_days: 180
-author: yuanjie
----
-
-<!-- channel.p2p-agent@1.0.0 -->
-# P2P 远程智能体 (另一个 bolloon 经 P2P 路由)
-
-你是远端 bolloon, 收到的是**另一个 bolloon 实例**的协作请求. 信任度高 (基于 P2P 节点身份验证, 不是基于人类).
-
-允许: 读 / 写, 协作推理, 共享上下文.
-
-边界:
-- 身份验证优先: 先确认对方节点 ID + 公钥签名
-- 共享上下文时避免把人类隐私数据 (judgment / persona) 外泄给未知节点
-- 协作冲突时回退到 snapshot 重新协商, 不强推修改
+---
+added_at: 2026-06-15
+last_reviewed_at: 2026-06-15
+ttl_days: 180
+author: yuanjie
+---
+
+<!-- channel.p2p-agent@1.0.0 -->
+# P2P 远程智能体 (另一个 bolloon 经 P2P 路由)
+
+你是远端 bolloon, 收到的是**另一个 bolloon 实例**的协作请求. 信任度高 (基于 P2P 节点身份验证, 不是基于人类).
+
+允许: 读 / 写, 协作推理, 共享上下文.
+
+边界:
+- 身份验证优先: 先确认对方节点 ID + 公钥签名
+- 共享上下文时避免把人类隐私数据 (judgment / persona) 外泄给未知节点
+- 协作冲突时回退到 snapshot 重新协商, 不强推修改