@delta-infra/cli 1.0.4 → 1.0.6

package/README.md

@@ -6,19 +6,21 @@ Delta Infra 的命令行工具。
 
 ### 方式一：直接下载 Binary（推荐）
 
-从 [GitHub Releases](https://github.com/yzailab/delta-infra-cli/releases) 下载对应平台的压缩包：
+从 [GitHub Releases](https://github.com/yzailab/delta-infra-cli/releases) 下载对应平台的压缩包（以下使用 `latest` 指向最新版）：
 
 ```bash
 # macOS (Apple Silicon)
-curl -L https://github.com/yzailab/delta-infra-cli/releases/download/v1.0.0/delta-cli-darwin-arm64.tar.gz | tar -xz
-sudo mv delta-cli-darwin-arm64/delta-cli /usr/local/bin/
+curl -L https://github.com/yzailab/delta-infra-cli/releases/latest/download/delta-cli-darwin-arm64.tar.gz | tar -xz
+sudo mv delta-cli-darwin-arm64 /usr/local/bin/delta-cli
 
 # Linux (AMD64)
-curl -L https://github.com/yzailab/delta-infra-cli/releases/download/v1.0.0/delta-cli-linux-amd64.tar.gz | tar -xz
-sudo mv delta-cli-linux-amd64/delta-cli /usr/local/bin/
+curl -L https://github.com/yzailab/delta-infra-cli/releases/latest/download/delta-cli-linux-amd64.tar.gz | tar -xz
+chmod +x delta-cli-linux-amd64
+sudo mv delta-cli-linux-amd64 /usr/local/bin/delta-cli
 
 # Windows (AMD64)
-# 下载 delta-cli-windows-amd64.zip 并解压
+# 下载 https://github.com/yzailab/delta-infra-cli/releases/latest/download/delta-cli-windows-amd64.zip
+# 解压后将 delta-cli-windows-amd64.exe 重命名为 delta-cli.exe，并放到 PATH 目录下
 ```
 
 ### 方式二：npm
@@ -168,10 +170,10 @@ make test
 # 代码检查
 make lint
 
-# 跨平台发布构建（生成压缩包）
+# 跨平台编译（生成各平台二进制文件到 bin/）
 make release
 
-# 安装到 GOPATH/bin
+# 安装到 GOPATH/bin（确保 GOPATH 已设置，或使用 GOPATH=$(go env GOPATH) make install）
 make install
 ```
 
@@ -189,9 +191,10 @@ cp skills/delta-shared/SKILL.md \
 # 2. 用 Docker 编译 Windows 版本（本地无 Go toolchain 时）
 docker run --rm -v "$(pwd):/src" -w /src \
   -e GOPROXY=https://goproxy.cn,direct \
-  golang:1.23 go build -buildvcs=false \
-    -ldflags "-X $(MODULE)/internal/build.Version=$(shell git describe --tags --always --dirty 2>/dev/null || echo dev)" \
-    -o bin/delta-cli-windows-amd64.exe ./cmd/delta-cli
+  golang:1.23 \
+  sh -c 'go build -buildvcs=false \
+    -ldflags "-X github.com/delta-infra/delta-infra-cli/internal/build.Version=$(git describe --tags --always --dirty 2>/dev/null || echo dev)" \
+    -o bin/delta-cli-windows-amd64.exe ./cmd/delta-cli'
 
 # 3. 将 delta-cli 放到 Memento-S 的 node_modules/.bin（替换旧版本）
 cp bin/delta-cli-windows-amd64.exe \
@@ -201,7 +204,55 @@ cp bin/delta-cli-windows-amd64.exe \
 #   在 Electron 界面中重新加载，或手动重启 sidecar 进程
 ```
 
-> **注意**：`delta-cli` 替换后，Memento-S 的 `delta-sandbox` 技能默认使用内嵌 Bearer Token，无需再手动执行 `auth login`。
+> **注意**：`delta-cli` 替换后，如果 `~/.delta-infra/config.json` 中已配置 token，则 `delta-sandbox` 技能可直接使用；否则需要先用 `auth login` 配置。
+
+## 构建与发布
+
+### 本地构建
+
+```bash
+# 本地构建
+make build
+
+# 运行测试
+make test
+
+# 代码检查
+make lint
+
+# 跨平台编译（生成各平台二进制文件到 bin/）
+make release
+```
+
+> `make release` 仅生成各平台二进制文件（如 `bin/delta-cli-linux-amd64`），不会自动打包。打包与发布请使用下文的 `release.sh`。
+
+### 一键发布（维护者）
+
+项目根目录下的 `release.sh` 脚本负责完整发布流程：
+
+```bash
+export GH_TOKEN=<your-github-pat>
+export NPM_TOKEN=<your-npm-token>
+./release.sh v1.0.5
+```
+
+脚本执行步骤：
+1. 更新 `package.json` 版本号。
+2. 使用 Docker + `make release` 交叉编译 5 个平台二进制文件。
+3. 在 `bin/` 目录生成 `.tar.gz` / `.zip` 归档。
+4. 通过 `.ci/publish-github-release.js` 创建 GitHub Release 并上传资产。
+5. 同步 `package.json` 与 `scripts/install.js` 到公开仓库 `yzailab/delta-infra-cli`。
+6. 执行 `npm publish --access public` 发布 `@delta-infra/cli`。
+
+需要提前安装 `gh` CLI、Node.js/npm，并配置 `GH_TOKEN` 与 `NPM_TOKEN`。CI 流程可参考 `.gitlab-ci.yml`。
+
+### npm 镜像
+
+如果 GitHub 下载较慢，安装 npm 包时可设置镜像：
+
+```bash
+DELTA_CLI_MIRROR="https://gh-proxy.com/https://github.com" npm install -g @delta-infra/cli
+```
 
 ## 技术栈
 

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@delta-infra/cli",
-  "version": "1.0.4",
+  "version": "1.0.6",
   "description": "Delta Sandbox CLI",
   "bin": {
     "delta-cli": "scripts/run.js"

package/skills/delta-sandbox/SKILL.md

@@ -31,13 +31,14 @@ metadata:
 3. **异常时也必须销毁**：即使 sandbox 内命令失败、超时或报错，仍然 **必须** 执行 `sandbox kill <id>`。异常不是跳过销毁的理由。
 4. **不得依赖外部清理**：server 端 **没有** sandbox 的自动过期或 TTL 机制。不 kill → sandbox 永久占用 GPU 资源。
 5. **一条命令内完成**：从 `create` 到 `kill` 的完整生命周期必须在同一次执行中完成。不允许跨任务保留 sandbox。
-6. **禁止重复创建**：同一次任务中只允许存在一个活跃 sandbox。若命令失败需要重试，优先复用已创建的 `sandbox_id`；若确实需要重新创建，必须先 `sandbox kill <旧_sandbox_id>`，确认旧实例销毁后再执行新的 `sandbox create`。server 端没有 list 接口，AI agent 应通过任务上下文跟踪当前 `sandbox_id`，而不是反复 create。
+6. **禁止重复创建**：同一次任务中只允许存在一个活跃 sandbox。若命令失败需要重试，优先复用已创建的 `sandbox_id`；若确实需要重新创建，必须先 `sandbox kill <旧_sandbox_id>`，确认旧实例销毁后再执行新的 `sandbox create`。可用 `delta-cli sandbox list` 查询当前用户的活跃 sandbox，但 **禁止** 用 list 来绕过“同一次任务只保留一个 sandbox”的规则。
 
 ## 快速路由
 
 | 用户目标 | 命令 |
 |---------|------|
 | 查看可用镜像 | `sandbox images` |
+| 列出当前用户的 sandbox | `sandbox list` |
 | 创建 sandbox | `sandbox create --image <image>` |
 | 连接 sandbox | `sandbox connect <id>` |
 | 查看状态 | `sandbox status <id>` |
@@ -52,7 +53,7 @@ metadata:
 ## 完整生命周期
 
 1. **查看可用镜像**：`delta-cli sandbox images` — 查询服务端支持的镜像列表（含标签、最低资源要求、支持 provider），根据用户需求匹配镜像
-2. **创建**：`delta-cli sandbox create --image <img> --cpu 4 --memory 16Gi --gpu 1`（创建后 sandbox 立即可用，无需额外连接）。**同一次任务若已有 `sandbox_id`，禁止再次 create，必须优先复用。**
+2. **创建**：`delta-cli sandbox create --image <img> --cpu 4 --memory 16Gi --gpu 1 --gpu-mem 8000`（创建后 sandbox 立即可用，无需额外连接）。**同一次任务若已有 `sandbox_id`，禁止再次 create，必须优先复用。**
 3. **写入代码**：`delta-cli sandbox write <id> --path /workspace/train.py --data "..."`
 4. **运行**：`delta-cli sandbox run <id> --command "python /workspace/train.py" --timeout 3600`
 5. **读取结果**：`delta-cli sandbox read <id> --path /workspace/result.json`

package/skills/delta-sandbox/references/commands.md

@@ -5,6 +5,7 @@
 | 命令 | 说明 |
 |------|------|
 | `sandbox images` | 查看可用镜像列表 |
+| `sandbox list` | 列出当前用户创建的活跃 sandbox |
 | `sandbox create` | 创建 sandbox |
 | `sandbox connect` | 连接 sandbox |
 | `sandbox kill` | 直接销毁 sandbox，不保存结果（有结果要保存时用 finish 替代） |

package/skills/delta-sandbox/references/lifecycle.md

@@ -5,11 +5,12 @@
 ## 完整流程
 
 1. **查看可用镜像** `delta-cli sandbox images` — 查询服务端支持的镜像列表，根据用户的 GPU/CPU 需求和标签匹配镜像
-2. **创建** `delta-cli sandbox create --image <image> ...`（创建后立即可用，无需连接）
-3. **写入代码/数据** `delta-cli sandbox write <id> --path /workspace/train.py --data "..."`
-4. **运行命令** `delta-cli sandbox run <id> --command "python /workspace/train.py"`
-5. **读取结果** `delta-cli sandbox read <id> --path /workspace/result.json`
-6. **销毁** `delta-cli sandbox kill <id>`（如需保存结果用 finish，finish 会自动销毁）
+2. **列出现有 sandbox（可选）** `delta-cli sandbox list` — 查看当前用户已创建的活跃 sandbox，避免重复创建
+3. **创建** `delta-cli sandbox create --image <image> --cpu 4 --memory 16Gi --gpu 1 --gpu-mem 8000`（创建后立即可用，无需连接）
+4. **写入代码/数据** `delta-cli sandbox write <id> --path /workspace/train.py --data "..."`
+5. **运行命令** `delta-cli sandbox run <id> --command "python /workspace/train.py"`
+6. **读取结果** `delta-cli sandbox read <id> --path /workspace/result.json`
+7. **销毁** `delta-cli sandbox kill <id>`（如需保存结果用 finish，finish 会自动销毁）
 
 ## 后台任务