@bolloon/bolloon-agent 0.4.4 → 0.4.5

package/dist/llm/tool-manifest/index.js

@@ -48,6 +48,65 @@ export function getToolsByLayer(layerId) {
  *
  * 不包含: 完整 parameters schema (那是 PiAI 客户端在调用时读)
  */
+/**
+ * 把 ToolManifest 转成 OpenAI function calling 格式 (tools 数组)
+ * 用于 native tool_choice: "auto" 模式, 让 LLM 选择调用.
+ *
+ * 注意: 递归处理嵌套参数 (type='object' 的 properties / type='array' 的 items)
+ */
+export function formatForOpenAI(tools) {
+    const list = tools ?? ALL;
+    return list.map((t) => {
+        const properties = {};
+        const required = [];
+        for (const p of t.parameters) {
+            properties[p.name] = convertParameter(p);
+            if (p.required)
+                required.push(p.name);
+        }
+        return {
+            type: 'function',
+            function: {
+                name: t.id,
+                description: t.oneLine,
+                parameters: {
+                    type: 'object',
+                    properties,
+                    required,
+                },
+            },
+        };
+    });
+}
+function convertParameter(p) {
+    const schema = { type: p.type === 'enum' ? 'string' : p.type };
+    if (p.description)
+        schema.description = p.description;
+    if (p.enumValues)
+        schema.enum = p.enumValues;
+    if (p.default !== undefined)
+        schema.default = p.default;
+    if (p.minimum !== undefined)
+        schema.minimum = p.minimum;
+    if (p.maximum !== undefined)
+        schema.maximum = p.maximum;
+    if (p.format)
+        schema.format = p.format;
+    if (p.type === 'object' && p.properties) {
+        schema.properties = {};
+        for (const sub of p.properties) {
+            schema.properties[sub.name] = convertParameter(sub);
+        }
+    }
+    if (p.type === 'array' && p.items) {
+        schema.items = convertParameter(p.items);
+        if (p.minItems !== undefined)
+            schema.minItems = p.minItems;
+        if (p.maxItems !== undefined)
+            schema.maxItems = p.maxItems;
+    }
+    return schema;
+}
 export function formatForPrompt(tools) {
     const list = tools ?? ALL;
     const lines = [

package/dist/llm/tool-manifest/mcp.js

@@ -15,7 +15,7 @@ export const search_mcp_registry = {
     parameters: [
         { name: 'keywords', type: 'array', required: true, description: '搜索关键词', minItems: 1, items: { name: 'kw', type: 'string', required: true, description: '关键词' } }
     ],
-    callExample: `[TOOL:search_mcp_registry]
+    callExample: `[TOOL:search_mcp_registry]
 [P:keywords]${'${'}JSON.stringify(["calendar","schedule"])[ENDTOOL]`,
     layerId: 'tool.mcp_apps',
 };
@@ -37,7 +37,7 @@ export const suggest_connectors = {
     parameters: [
         { name: 'uuids', type: 'array', required: true, description: '从 search_mcp_registry 结果的 directoryUuid 复制', minItems: 1, items: { name: 'u', type: 'string', required: true, description: 'uuid' } }
     ],
-    callExample: `[TOOL:suggest_connectors]
+    callExample: `[TOOL:suggest_connectors]
 [P:uuids]${'${'}JSON.stringify(["uuid-from-search-result"])[ENDTOOL]`,
     layerId: 'tool.mcp_apps',
 };

package/dist/llm/tool-manifest/message_compose.js

@@ -23,9 +23,9 @@ export const message_compose_v1 = {
                 ],
             } },
     ],
-    callExample: `[TOOL:message_compose_v1]
-[P:kind]email
-[P:summary_title]Follow-up on Q3 review
+    callExample: `[TOOL:message_compose_v1]
+[P:kind]email
+[P:summary_title]Follow-up on Q3 review
 [P:variants]${'${'}JSON.stringify([{"label":"direct","subject":"Quick follow-up","body":"..."}])[ENDTOOL]`,
     layerId: 'tool.manifest',
 };

package/dist/llm/tool-manifest/places.js

@@ -23,7 +23,7 @@ export const places_search = {
         { name: 'location_bias_lng', type: 'number', required: false, description: '可选经度' },
         { name: 'location_bias_radius', type: 'number', required: false, description: '米 (默认 5000)', default: 5000 }
     ],
-    callExample: `[TOOL:places_search]
+    callExample: `[TOOL:places_search]
 [P:queries]${'${'}JSON.stringify([{"query":"ramen restaurants Tokyo"}])[ENDTOOL]`,
     layerId: 'tool.manifest',
 };
@@ -77,7 +77,7 @@ export const places_map_display_v0 = {
         { name: 'title', type: 'string', required: false, description: '行程标题' },
         { name: 'narrative', type: 'string', required: false, description: '行程叙述' },
     ],
-    callExample: `[TOOL:places_map_display_v0]
+    callExample: `[TOOL:places_map_display_v0]
 [P:locations]${'${'}JSON.stringify([{"name":"Senso-ji","latitude":35.7148,"longitude":139.7967,"place_id":"ChIJ..."}])[ENDTOOL]`,
     layerId: 'tool.manifest',
 };

package/dist/llm/tool-manifest/present_files.js

@@ -15,7 +15,7 @@ export const present_files = {
     parameters: [
         { name: 'filepaths', type: 'array', required: true, description: '至少 1 个文件路径', minItems: 1, items: { name: 'path', type: 'string', required: true, description: '容器内路径' } },
     ],
-    callExample: `[TOOL:present_files]
+    callExample: `[TOOL:present_files]
 [P:filepaths]${'${'}JSON.stringify(["/home/bolloon/report.md"])[ENDTOOL]`,
     layerId: 'tool.manifest',
 };

package/dist/llm/tool-manifest/recipe.js

@@ -33,8 +33,8 @@ export const recipe_display_v0 = {
             } },
         { name: 'notes', type: 'string', required: false, description: '附加说明' },
     ],
-    callExample: `[TOOL:recipe_display_v0]
-[P:title]Pasta
+    callExample: `[TOOL:recipe_display_v0]
+[P:title]Pasta
 [P:ingredients]${'${'}JSON.stringify([{"id":"a1","amount":500,"name":"pasta"}])[ENDTOOL]`,
     layerId: 'tool.manifest',
 };

package/dist/llm/tool-manifest/str_replace.js

@@ -17,11 +17,11 @@ export const str_replace = {
         { name: 'new_str', type: 'string', required: true, description: '新字符串 (空字符串 = 删除)', default: '' },
         { name: 'path', type: 'string', required: true, description: '文件路径' },
     ],
-    callExample: `[TOOL:str_replace]
-[P:description]修复 typo
-[P:old_str]recieve
-[P:new_str]receive
-[P:path]/home/bolloon/main.py
+    callExample: `[TOOL:str_replace]
+[P:description]修复 typo
+[P:old_str]recieve
+[P:new_str]receive
+[P:path]/home/bolloon/main.py
 [ENDTOOL]`,
     layerId: 'tool.manifest',
 };

package/dist/llm/tool-manifest/view.js

@@ -16,9 +16,9 @@ export const view = {
         { name: 'path', type: 'string', required: true, description: '绝对路径' },
         { name: 'view_range', type: 'array', required: false, description: '[start, end] 1-indexed, end=-1 表示到末尾', minItems: 2, maxItems: 2, items: { name: 'r', type: 'integer', required: true, description: '行号' } }
     ],
-    callExample: `[TOOL:view]
-[P:description]读 README
-[P:path]/home/bolloon/README.md
+    callExample: `[TOOL:view]
+[P:description]读 README
+[P:path]/home/bolloon/README.md
 [ENDTOOL]`,
     layerId: 'tool.manifest',
 };

package/dist/llm/tool-manifest/weather.js

@@ -18,10 +18,10 @@ export const weather_fetch = {
         { name: 'latitude', type: 'number', required: true, description: '纬度' },
         { name: 'longitude', type: 'number', required: true, description: '经度' },
     ],
-    callExample: `[TOOL:weather_fetch]
-[P:location_name]San Francisco, CA
-[P:latitude]37.78
-[P:longitude]-122.41
+    callExample: `[TOOL:weather_fetch]
+[P:location_name]San Francisco, CA
+[P:latitude]37.78
+[P:longitude]-122.41
 [ENDTOOL]`,
     layerId: 'tool.manifest',
 };

package/dist/llm/tool-manifest/web.js

@@ -15,8 +15,8 @@ export const web_search = {
     parameters: [
         { name: 'query', type: 'string', required: true, description: '搜索查询 (1-6 词最佳)' },
     ],
-    callExample: `[TOOL:web_search]
-[P:query]S&P 500 current price
+    callExample: `[TOOL:web_search]
+[P:query]S&P 500 current price
 [ENDTOOL]`,
     layerId: 'tool.web_search',
 };
@@ -44,8 +44,8 @@ export const web_fetch = {
         { name: 'web_fetch_rate_limit_key', type: 'string', required: false, description: '速率限制键' },
         { name: 'web_fetch_rate_limit_dark_launch', type: 'boolean', required: false, description: '速率限制暗启动模式' },
     ],
-    callExample: `[TOOL:web_fetch]
-[P:url]https://example.com/article
+    callExample: `[TOOL:web_fetch]
+[P:url]https://example.com/article
 [ENDTOOL]`,
     layerId: 'tool.manifest',
 };

package/dist/pi-ecosystem-judgment/causal-judge.js

@@ -81,21 +81,21 @@ function getLLM() {
     }
     return cachedModel;
 }
-const CORRELATION_PROMPT = `你是"判断力关联分析器"。给定两条 judgment:
-A: {a}
-B: {b}
-
-它们经常在同一对话里被同时注入 (共现 {co} 次).
-判断 A 与 B 的因果关系:
-- "A→B": A 引发 B (A 概念在 B 之前)
-- "B→A": B 引发 A
-- "common_cause": 共同原因 (e.g. 都是某场景触发)
-- "unclear": 关系不明确
-
-输出严格 JSON:
-{
-  "direction": "A→B" | "B→A" | "common_cause" | "unclear",
-  "explanation": "≤100 字解释, 含 1 个具体例"
+const CORRELATION_PROMPT = `你是"判断力关联分析器"。给定两条 judgment:
+A: {a}
+B: {b}
+
+它们经常在同一对话里被同时注入 (共现 {co} 次).
+判断 A 与 B 的因果关系:
+- "A→B": A 引发 B (A 概念在 B 之前)
+- "B→A": B 引发 A
+- "common_cause": 共同原因 (e.g. 都是某场景触发)
+- "unclear": 关系不明确
+
+输出严格 JSON:
+{
+  "direction": "A→B" | "B→A" | "common_cause" | "unclear",
+  "explanation": "≤100 字解释, 含 1 个具体例"
 }`;
 async function explainPair(judgmentA, judgmentB, coOccurrence) {
     const fallback = { direction: 'unclear', explanation: '(LLM 不可用, 仅显示统计)' };
@@ -213,21 +213,21 @@ export async function runCorrelationAnalysis(opts = {}) {
     }
     return out;
 }
-const INTERVENTION_PROMPT = `你是"判断力干预分析器"。判断力库有一条 judgment, 用户想评估它的边际贡献.
-给定:
-- judgment: {judgment}
-- 上次用过的场景 (user 输入 + AI 回复): {scenario}
-- 同时存在的相邻 judgment (供参考): {peers}
-
-模拟反事实推理: 如果库**没有**这条 judgment, AI 在同一场景下回答会怎么变?
-
-输出严格 JSON:
-{
-  "causalEffect": 0.0-1.0,  // 0 = 无影响, 1 = 行为完全变
-  "reasoning": "2-3 步推理, 含 1 个具体例",
-  "confidence": 0.0-1.0
-}
-
+const INTERVENTION_PROMPT = `你是"判断力干预分析器"。判断力库有一条 judgment, 用户想评估它的边际贡献.
+给定:
+- judgment: {judgment}
+- 上次用过的场景 (user 输入 + AI 回复): {scenario}
+- 同时存在的相邻 judgment (供参考): {peers}
+
+模拟反事实推理: 如果库**没有**这条 judgment, AI 在同一场景下回答会怎么变?
+
+输出严格 JSON:
+{
+  "causalEffect": 0.0-1.0,  // 0 = 无影响, 1 = 行为完全变
+  "reasoning": "2-3 步推理, 含 1 个具体例",
+  "confidence": 0.0-1.0
+}
+
 注意: causalEffect < 0 也合法 (如"没有这条 AI 反而更好" — 库污染)`;
 export async function runIntervention(judgmentId, opts = {}) {
     const fallback = {
@@ -273,27 +273,27 @@ export async function runIntervention(judgmentId, opts = {}) {
         return fallback;
     }
 }
-const COUNTERFACTUAL_PROMPT = `你是"判断力反事实审计员"。某次 AI 回复违反了注入的 judgment. 判断是库设计问题还是 LLM 偶然违规.
-
-事件:
-- 用户: {userInput}
-- AI 回复: {aiReply}
-- 违反原则: {principles}
-
-构造 3 个反事实 scenario:
-1. 删去最相关那条 judgment
-2. 把那条 judgment 改成反向 (例如"必须"→"避免")
-3. 删去整个 channel 的 judgment 库 (空库)
-
-每个 scenario 模拟 AI 在该库下的回答, 判断还会不会违规.
-
-输出严格 JSON:
-{
-  "scenarios": [
-    { "modification": "...", "outcomeCompliant": true/false, "explanation": "≤100 字" }
-  ],
-  "verdict": "库设计合理" | "建议调库" | "需更多数据",
-  "recomendaciones": "≤200 字, ≤3 条建议"
+const COUNTERFACTUAL_PROMPT = `你是"判断力反事实审计员"。某次 AI 回复违反了注入的 judgment. 判断是库设计问题还是 LLM 偶然违规.
+
+事件:
+- 用户: {userInput}
+- AI 回复: {aiReply}
+- 违反原则: {principles}
+
+构造 3 个反事实 scenario:
+1. 删去最相关那条 judgment
+2. 把那条 judgment 改成反向 (例如"必须"→"避免")
+3. 删去整个 channel 的 judgment 库 (空库)
+
+每个 scenario 模拟 AI 在该库下的回答, 判断还会不会违规.
+
+输出严格 JSON:
+{
+  "scenarios": [
+    { "modification": "...", "outcomeCompliant": true/false, "explanation": "≤100 字" }
+  ],
+  "verdict": "库设计合理" | "建议调库" | "需更多数据",
+  "recomendaciones": "≤200 字, ≤3 条建议"
 }`;
 export async function runCounterfactualAudit(opts) {
     const fallback = {

package/dist/pi-ecosystem-judgment/distill-prompt.js

@@ -4,39 +4,39 @@
  * - 演化对齐: 判定新判断力与已有判断力的关系 (merge/contradict/unrelated)
  */
 import { getModel } from '../llm/pi-ai.js';
-const DISTILL_SYSTEM_PROMPT = `你是一个"判断力蒸馏器"。从给定的对话片段中,提取出**一条**可以长期复用的判断力原则。
-
-要求:
-- 长度 30-80 字(中文字符),软目标 50 字
-- 用陈述句,不要"我觉得/我想要"这种主观前缀
-- 要有可操作性,能被未来的自己/AI 引用
-- 如果对话里没有值得提炼的判断力,返回 {"value": null}
-
-输出格式(严格 JSON,无其他文字):
-{
-  "value": "<30-80 字的判断力>" | null,
-  "category": "rule" | "preference" | "trajectory" | "reward",
-  "confidence": 0.0-1.0,
-  "evidence": "<原文中支持这句话的关键句,不超过 30 字>"
+const DISTILL_SYSTEM_PROMPT = `你是一个"判断力蒸馏器"。从给定的对话片段中,提取出**一条**可以长期复用的判断力原则。
+
+要求:
+- 长度 30-80 字(中文字符),软目标 50 字
+- 用陈述句,不要"我觉得/我想要"这种主观前缀
+- 要有可操作性,能被未来的自己/AI 引用
+- 如果对话里没有值得提炼的判断力,返回 {"value": null}
+
+输出格式(严格 JSON,无其他文字):
+{
+  "value": "<30-80 字的判断力>" | null,
+  "category": "rule" | "preference" | "trajectory" | "reward",
+  "confidence": 0.0-1.0,
+  "evidence": "<原文中支持这句话的关键句,不超过 30 字>"
 }`;
-const EVOLVE_SYSTEM_PROMPT = `你是"判断力演化对齐器"。对比一条新判断力与已有判断力,判定关系。
-
-新判断力:
-{new_value}
-
-已有判断力列表(最多 10 条):
-{existing_list}
-
-对每条已有判断力,判定:
-- "merge": 新判断力是这条的更新版/具体版/纠正版 → 旧条应被 superseded
-- "contradict": 新判断力与这条方向相反(例如"保守"vs"激进") → 旧条应被 superseded
-- "unrelated": 两者主题不同,各自保留
-
-输出严格 JSON:
-{
-  "relations": [
-    {"id": "...", "relation": "merge" | "contradict" | "unrelated", "reason": "≤20 字"}
-  ]
+const EVOLVE_SYSTEM_PROMPT = `你是"判断力演化对齐器"。对比一条新判断力与已有判断力,判定关系。
+
+新判断力:
+{new_value}
+
+已有判断力列表(最多 10 条):
+{existing_list}
+
+对每条已有判断力,判定:
+- "merge": 新判断力是这条的更新版/具体版/纠正版 → 旧条应被 superseded
+- "contradict": 新判断力与这条方向相反(例如"保守"vs"激进") → 旧条应被 superseded
+- "unrelated": 两者主题不同,各自保留
+
+输出严格 JSON:
+{
+  "relations": [
+    {"id": "...", "relation": "merge" | "contradict" | "unrelated", "reason": "≤20 字"}
+  ]
 }`;
 let cachedModel = null;
 function getDistillModel() {
@@ -56,13 +56,13 @@ export async function detectIfWorthStoring(turns) {
     if (!model)
         return fallback;
     const conversation = formatTurns(turns);
-    const prompt = `请判断以下对话是否包含"值得长期保留的判断力"(用户的偏好/规则/原则/价值观)。
-如果包含,返回 {"worth": true, "reason": "≤20 字理由"}
-如果不包含,返回 {"worth": false, "reason": "≤20 字理由"}
-
-对话:
-${conversation}
-
+    const prompt = `请判断以下对话是否包含"值得长期保留的判断力"(用户的偏好/规则/原则/价值观)。
+如果包含,返回 {"worth": true, "reason": "≤20 字理由"}
+如果不包含,返回 {"worth": false, "reason": "≤20 字理由"}
+
+对话:
+${conversation}
+
 输出严格 JSON:`;
     try {
         const res = await withRetry(() => model.chat(prompt, '判断力检测专家'));
@@ -84,9 +84,9 @@ export async function distillFromConversation(turns) {
     if (!model)
         return fallback;
     const conversation = formatTurns(turns);
-    const userPrompt = `对话上下文(最多 10 轮):
-${conversation}
-
+    const userPrompt = `对话上下文(最多 10 轮):
+${conversation}
+
 输出:`;
     try {
         const res = await withRetry(() => model.chat(userPrompt, DISTILL_SYSTEM_PROMPT));

package/dist/pi-ecosystem-judgment/distillation.js

@@ -143,20 +143,20 @@ async function llmDistill(rawInput, trigger, context, conversationHistory) {
     const historyText = conversationHistory
         ? conversationHistory.slice(-5).join('\n')
         : 'No history';
-    const prompt = `从以下人类输入中提取判断力原理。
-
-输入类型: ${trigger}
-输入内容: ${rawInput}
-上下文: ${context}
-对话历史:
-${historyText}
-
-请提取：
-1. type: rule(明确规则) | preference(偏好) | trajectory(行为轨迹) | reward(奖励信号)
-2. content: 凝练后的原理（简洁，1-2句话）
-3. confidence: 0.0-1.0 的置信度
-4. evidence: 支持证据（如有）
-
+    const prompt = `从以下人类输入中提取判断力原理。
+
+输入类型: ${trigger}
+输入内容: ${rawInput}
+上下文: ${context}
+对话历史:
+${historyText}
+
+请提取：
+1. type: rule(明确规则) | preference(偏好) | trajectory(行为轨迹) | reward(奖励信号)
+2. content: 凝练后的原理（简洁，1-2句话）
+3. confidence: 0.0-1.0 的置信度
+4. evidence: 支持证据（如有）
+
 直接输出JSON格式，不需要解释。`;
     try {
         const response = await llmModel.chat(`对话: ${historyText}\n\n输入: ${rawInput}`, `你是判断力提取专家。从人类输入中提取判断力原理。输入类型: ${trigger}`);

package/dist/pi-ecosystem-judgment/human-value-store.js

@@ -279,7 +279,7 @@ export async function findRecentSimilarDecisions(decision, withinMs, options) {
     for (const j of judgments) {
         if (statusFilter !== 'all' && (j.status ?? 'active') !== statusFilter)
             continue;
-        if (new Date(j.timestamp).getTime() < cutoff)
+        if (new Date(j.timestamp).getTime() <= cutoff)
             continue;
         if (wantChannel) {
             const jChannel = j.context?.domain;

package/dist/pi-ecosystem-judgment/monitor-gate.js

@@ -29,25 +29,25 @@ function getMonitorModel() {
     }
     return cachedModel;
 }
-const MONITOR_PROMPT = `你是"回复合规审计员"。给定:
-1. 用户输入
-2. AI 回复
-3. 该 AI 在生成前被注入的"判断力原则" (前文注入)
-
-请判断 AI 回复是否违反了其中任一原则.
-
-输出严格 JSON:
-{
-  "compliant": true | false,
-  "violatedPrinciples": [
-    {"principle": "<原则原文>", "reason": "<≤30 字原因>"}
-  ],
-  "confidence": 0.0-1.0
-}
-
-- 严格判定: 真的有冲突才算违反; "不太相关" 不算违反
-- 找不到冲突 → compliant: true, violatedPrinciples: []
-- 多个原则同时违反 → 全部列出
+const MONITOR_PROMPT = `你是"回复合规审计员"。给定:
+1. 用户输入
+2. AI 回复
+3. 该 AI 在生成前被注入的"判断力原则" (前文注入)
+
+请判断 AI 回复是否违反了其中任一原则.
+
+输出严格 JSON:
+{
+  "compliant": true | false,
+  "violatedPrinciples": [
+    {"principle": "<原则原文>", "reason": "<≤30 字原因>"}
+  ],
+  "confidence": 0.0-1.0
+}
+
+- 严格判定: 真的有冲突才算违反; "不太相关" 不算违反
+- 找不到冲突 → compliant: true, violatedPrinciples: []
+- 多个原则同时违反 → 全部列出
 - 输出严格 JSON, 无其他文字`;
 /**
  * 监控门主函数: 给定 (userInput, aiReply) 判断是否违反 judgment 库
@@ -71,15 +71,15 @@ export async function checkCompliance(userInput, aiReply) {
             .slice(0, 5) // 监控只看 Top 5, 太多会让 LLM 关注点分散
             .map((v, i) => `${i + 1}. [${v.category}] ${v.value}`)
             .join('\n');
-        const userPrompt = `【用户输入】
-${userInput.substring(0, 500)}
-
-【AI 回复】
-${aiReply.substring(0, 1000)}
-
-【注入的判断力原则】
-${principlesText}
-
+        const userPrompt = `【用户输入】
+${userInput.substring(0, 500)}
+
+【AI 回复】
+${aiReply.substring(0, 1000)}
+
+【注入的判断力原则】
+${principlesText}
+
 输出:`;
         const res = await model.chat(userPrompt, MONITOR_PROMPT);
         return parseMonitorResponse(res.reply, fallback);