@huyooo/ai-chat-core 0.3.7 → 0.3.8

package/src/logger/core.ts

@@ -1,96 +0,0 @@
-/**
- * Pino 日志核心（与 SuperX 架构一致）
- *
- * 使用 pino.multistream + pino.destination，避免 pino.transport（打包后 worker 不可用）。
- * - 开发：pino-pretty 输出到 stdout
- * - 生产：JSON 输出 + 可选文件持久化
- * - 模块：child({ module: 'Name' }) 创建带前缀的 logger
- */
-import pino, { type Logger } from 'pino';
-import pinoPretty from 'pino-pretty';
-import path from 'node:path';
-import fs from 'node:fs';
-
-export type LogLevel = 'debug' | 'info' | 'warn' | 'error';
-
-export interface LoggerConfig {
-  /** 日志级别 */
-  level?: LogLevel;
-  /** 用户数据目录（用于 logs/ai-chat.log） */
-  baseDir?: string;
-  /** 是否开发模式（使用 pino-pretty） */
-  isDev?: boolean;
-}
-
-let rootLogger: Logger | null = null;
-
-function isDev(): boolean {
-  return process.env.NODE_ENV === 'development';
-}
-
-function getLogLevel(): LogLevel {
-  const v = process.env.LOG_LEVEL?.toLowerCase();
-  if (v && ['debug', 'info', 'warn', 'error'].includes(v)) return v as LogLevel;
-  return isDev() ? 'debug' : 'info';
-}
-
-/**
- * 创建默认 logger（无文件，仅 stdout）
- */
-function createDefaultLogger(): Logger {
-  const level = getLogLevel();
-  if (isDev()) {
-    const stream = pinoPretty({ colorize: true, translateTime: 'SYS:standard' });
-    return pino({ level }, stream);
-  }
-  return pino({ level }, pino.destination(1));
-}
-
-/**
- * 创建完整配置的 logger
- * 使用 multistream + destination，避免 pino.transport（Electron 打包后不可用）
- */
-function createFullLogger(config: LoggerConfig): Logger {
-  const level = config.level ?? (config.isDev ? 'debug' : 'info');
-  const streams: Parameters<typeof pino.multistream>[0] = [];
-
-  if (config.isDev) {
-    streams.push({ stream: pinoPretty({ colorize: true, translateTime: 'SYS:standard' }), level });
-  } else {
-    streams.push({ stream: pino.destination(1), level });
-  }
-
-  if (config.baseDir) {
-    const logsDir = path.join(config.baseDir, 'logs');
-    try {
-      fs.mkdirSync(logsDir, { recursive: true });
-    } catch {
-      // 忽略
-    }
-    const logPath = path.join(logsDir, 'ai-chat.log');
-    streams.push({ stream: pino.destination(logPath), level });
-  }
-
-  return pino({ level }, pino.multistream(streams));
-}
-
-/**
- * 初始化 logger（应在 app.whenReady 后调用）
- */
-export function initLogger(config: LoggerConfig): void {
-  rootLogger = createFullLogger(config);
-}
-
-/**
- * 获取 root logger，未初始化时返回默认 logger
- */
-export function getLogger(): Logger {
-  return rootLogger ?? createDefaultLogger();
-}
-
-/**
- * 创建模块专用 logger（替代原 DebugLogger.module）
- */
-export function createModuleLogger(moduleName: string): Logger {
-  return getLogger().child({ module: moduleName });
-}

package/src/logger/index.ts

@@ -1,8 +0,0 @@
-/**
- * 日志模块导出（barrel）
- *
- * - 基于 `core` 的 init / get / createModuleLogger
- * - 与 SuperX 一致：开发 pretty、生产 JSON、可选落盘
- */
-export { initLogger, getLogger, createModuleLogger } from './core';
-export type { LogLevel, LoggerConfig } from './core';

package/src/orchestrator/compression-handler.ts

@@ -1,137 +0,0 @@
-/**
- * 压缩处理器
- *
- * 从 orchestrator 提取的两个独立压缩逻辑：
- * 1. compactIfNeeded — 历史消息整体压缩
- * 2. compressSingleMessageIfNeeded — 单条超长 user 消息压缩
- */
-
-import type { ProtocolMessage } from '../protocols';
-import type {
-  CompactStartEvent,
-  CompactEndEvent,
-  ContentCompressStartEvent,
-  ContentCompressEndEvent,
-} from '../events';
-import {
-  createCompactStart,
-  createCompactEnd,
-  createContentCompressStart,
-  createContentCompressEnd,
-} from '../events';
-import {
-  needsCompaction,
-  estimateTotalTokens,
-  estimateMessageTokens,
-  getPromptBudget,
-  needsSingleMessageCompression,
-  type CompactConfig,
-} from './context-compressor';
-import { summarizeHistory, compressSingleMessage } from './context-summarizer';
-import { createModuleLogger } from '../logger';
-import type { CompressionConfig } from '../llm-config';
-import type { SummarizeFn } from './context-summarizer';
-
-const DEFAULT_LONG_MODEL = 'qwen-long';
-
-const logger = createModuleLogger('Compression');
-
-/**
- * 历史消息整体压缩
- *
- * 当消息总 token 超出 context window 预算时，
- * 直接用当前对话模型压缩历史（无需额外配置）。
- *
- * 历史压缩触发点 = context window budget，远小于超长阈值（800K），
- * 所以不会出现需要切长上下文模型的场景。
- */
-export async function* compactIfNeeded(
-  messages: ProtocolMessage[],
-  compactConfig: CompactConfig,
-  summarizeFn?: SummarizeFn,
-  currentModel?: string,
-): AsyncGenerator<CompactStartEvent | CompactEndEvent, ProtocolMessage[]> {
-  if (!needsCompaction(messages, compactConfig)) {
-    return messages;
-  }
-
-  if (!summarizeFn || !currentModel) {
-    logger.warn('上下文超限但未配置 summarize 回调或模型，跳过压缩');
-    return messages;
-  }
-
-  const model = currentModel;
-
-  const compactStartedAt = Date.now();
-  const tokensBeforeCompact = estimateTotalTokens(messages);
-  const budget = getPromptBudget(compactConfig);
-  const originalCount = messages.length;
-
-  yield createCompactStart(tokensBeforeCompact, budget);
-
-  const { messages: result, success, summaryContent } = await summarizeHistory(
-    summarizeFn, messages, compactConfig, model,
-  );
-
-  yield createCompactEnd(
-    success,
-    tokensBeforeCompact,
-    estimateTotalTokens(result),
-    originalCount,
-    result.length,
-    compactStartedAt,
-    summaryContent,
-    model,
-  );
-
-  return result;
-}
-
-/**
- * 单条超长 user 消息压缩
- *
- * 检测最后一条 user 消息是否超长，如果超长则用 qwen-long 压缩。
- */
-export async function* compressSingleMessageIfNeeded(
-  messages: ProtocolMessage[],
-  compactConfig: CompactConfig,
-  summarizeFn?: SummarizeFn,
-  compressionConfig?: CompressionConfig,
-): AsyncGenerator<ContentCompressStartEvent | ContentCompressEndEvent, ProtocolMessage[]> {
-  const lastMsg = messages[messages.length - 1];
-  if (!lastMsg || lastMsg.role !== 'user') return messages;
-  if (!needsSingleMessageCompression(lastMsg, compactConfig)) return messages;
-
-  if (!summarizeFn) {
-    logger.warn('单条消息超长但未配置 summarize 回调，跳过压缩');
-    return messages;
-  }
-
-  const originalTokens = estimateMessageTokens(lastMsg);
-  const budget = getPromptBudget(compactConfig);
-  const startedAt = Date.now();
-
-  // 单条超长消息始终用长上下文模型
-  const model = compressionConfig?.longModel ?? DEFAULT_LONG_MODEL;
-
-  yield createContentCompressStart(originalTokens, budget);
-
-  const result = await compressSingleMessage(summarizeFn, lastMsg, model);
-
-  if (result.success) {
-    const newMessages = [...messages];
-    newMessages[newMessages.length - 1] = {
-      ...lastMsg,
-      content: result.summary,
-    };
-
-    yield createContentCompressEnd(
-      true, result.originalTokens, result.compressedTokens, startedAt, result.summary, model,
-    );
-    return newMessages;
-  }
-
-  // 压缩失败，保持原文
-  yield createContentCompressEnd(false, result.originalTokens, 0, startedAt);
-  return messages;
-}

package/src/orchestrator/context-compressor.ts

@@ -1,249 +0,0 @@
-/**
- * Context 压缩模块
- *
- * 当 prompt token 估算接近模型 context window 时，让当前模型自己总结对话历史，
- * 然后用 summary + 最近几条消息继续对话。
- *
- * 参考 Claude Code / Cursor 的做法：
- * 不机械截断，而是让 AI 生成高质量摘要，保留关键决策和上下文。
- */
-
-import type { ProtocolMessage } from '../protocols';
-import { createModuleLogger } from '../logger';
-
-const logger = createModuleLogger('ContextCompressor');
-
-// ==================== Token 估算 ====================
-
-const CHARS_PER_TOKEN = 3.2;
-const MESSAGE_OVERHEAD_TOKENS = 4;
-
-export function estimateStringTokens(s: string): number {
-  if (!s) return 0;
-  return Math.ceil(s.length / CHARS_PER_TOKEN);
-}
-
-export function estimateMessageTokens(msg: ProtocolMessage): number {
-  let tokens = MESSAGE_OVERHEAD_TOKENS;
-  tokens += estimateStringTokens(msg.content);
-
-  if (msg.toolCalls) {
-    for (const tc of msg.toolCalls) {
-      tokens += estimateStringTokens(tc.name);
-      tokens += estimateStringTokens(tc.arguments);
-      tokens += 10;
-    }
-  }
-
-  if (msg.images) {
-    tokens += msg.images.length * 85;
-  }
-
-  return tokens;
-}
-
-export function estimateTotalTokens(messages: ProtocolMessage[]): number {
-  let total = 3;
-  for (const msg of messages) {
-    total += estimateMessageTokens(msg);
-  }
-  return total;
-}
-
-
-// ==================== 配置 ====================
-
-export interface CompactConfig {
-  contextWindowTokens: number;
-  maxOutputTokens: number;
-  /** 触发压缩的使用率，默认 0.80 */
-  compactThresholdRatio?: number;
-  /** 压缩后保留的最近消息数，默认 6 */
-  keepRecentMessages?: number;
-}
-
-const DEFAULT_THRESHOLD_RATIO = 0.80;
-const DEFAULT_KEEP_RECENT = 6;
-
-// ==================== 核心函数 ====================
-
-/** 计算可用 prompt token 预算 */
-export function getPromptBudget(config: CompactConfig): number {
-  const ratio = config.compactThresholdRatio ?? DEFAULT_THRESHOLD_RATIO;
-  return Math.floor(config.contextWindowTokens * ratio) - config.maxOutputTokens;
-}
-
-/** 检测是否需要压缩 */
-export function needsCompaction(messages: ProtocolMessage[], config: CompactConfig): boolean {
-  return estimateTotalTokens(messages) > getPromptBudget(config);
-}
-
-/**
- * 构建发给 AI 的总结请求
- *
- * 返回一组消息，发给当前模型让它总结对话历史。
- * 总结完成后调用 applySummary 组装新的消息列表。
- */
-export function buildSummarizeRequest(
-  messages: ProtocolMessage[],
-  config: CompactConfig,
-): { summarizeMessages: ProtocolMessage[]; keepMessages: ProtocolMessage[] } {
-  const keepRecent = config.keepRecentMessages ?? DEFAULT_KEEP_RECENT;
-
-  const systemEnd = messages[0]?.role === 'system' ? 1 : 0;
-
-  // 第一条 user 消息由 applySummary 原样保留，不参与总结
-  let firstUserEnd = systemEnd;
-  for (let i = systemEnd; i < messages.length; i++) {
-    if (messages[i].role === 'user') {
-      firstUserEnd = i + 1;
-      break;
-    }
-  }
-
-  const recentStart = Math.max(firstUserEnd, messages.length - keepRecent);
-  const keepMessages = messages.slice(recentStart);
-
-  // 中间历史：从 firstUser 之后到 recentStart
-  // 多轮压缩时包含旧摘要（role=system），因为 applySummary 把摘要放在 firstUser 之后
-  const middleMessages = messages.slice(firstUserEnd, recentStart);
-
-  if (middleMessages.length < 2) {
-    return { summarizeMessages: [], keepMessages: messages.slice(systemEnd) };
-  }
-
-  const estimatedTokens = estimateTotalTokens(messages);
-  const budget = getPromptBudget(config);
-  logger.info({ estimatedTokens, budget, middleCount: middleMessages.length, keepCount: keepMessages.length }, `准备 AI 总结: ~${estimatedTokens} tokens > budget ${budget}, 总结 ${middleMessages.length} 条中间消息, 保留最近 ${keepMessages.length} 条`);
-
-  const summarizeMessages: ProtocolMessage[] = [
-    { role: 'system', content: SUMMARIZE_SYSTEM_PROMPT },
-    { role: 'user', content: formatMessagesForSummary(middleMessages) },
-  ];
-
-  return { summarizeMessages, keepMessages };
-}
-
-/**
- * 用 AI 返回的摘要组装新的消息列表
- */
-export function applySummary(
-  originalMessages: ProtocolMessage[],
-  summary: string,
-  keepMessages: ProtocolMessage[],
-): ProtocolMessage[] {
-  const systemPrompt = originalMessages[0]?.role === 'system' ? originalMessages[0] : null;
-
-  // 保留第一条 user 消息原文（初始需求/意图，AI 总结可能丢失细节）
-  const startIdx = systemPrompt ? 1 : 0;
-  let firstUser: ProtocolMessage | null = null;
-  for (let i = startIdx; i < originalMessages.length; i++) {
-    if (originalMessages[i].role === 'user') {
-      firstUser = originalMessages[i];
-      break;
-    }
-  }
-
-  const result: ProtocolMessage[] = [];
-  if (systemPrompt) result.push(systemPrompt);
-  if (firstUser) result.push(firstUser);
-
-  result.push({
-    role: 'system',
-    content: `[对话历史摘要]\n${summary}`,
-  });
-
-  result.push(...keepMessages);
-
-  const tokens = estimateTotalTokens(result);
-  logger.info({ originalCount: originalMessages.length, resultCount: result.length, tokens }, `AI 总结应用完成: ${originalMessages.length} → ${result.length} 条消息, ~${tokens} tokens`);
-
-  return result;
-}
-
-// ==================== 单条消息内容压缩 ====================
-
-/**
- * 检测单条用户消息是否需要压缩
- * 阈值：单条消息 token > contextWindowTokens * 0.8 - maxOutputTokens
- */
-export function needsSingleMessageCompression(
-  message: ProtocolMessage,
-  config: CompactConfig,
-): boolean {
-  if (message.role !== 'user') return false;
-  const msgTokens = estimateMessageTokens(message);
-  const budget = getPromptBudget(config);
-  return msgTokens > budget;
-}
-
-/**
- * 构建单条消息的总结请求
- */
-export function buildSingleMessageSummarizeRequest(
-  message: ProtocolMessage,
-): { summarizeMessages: ProtocolMessage[] } {
-  const summarizeMessages: ProtocolMessage[] = [
-    { role: 'system', content: CONTENT_COMPRESS_SYSTEM_PROMPT },
-    { role: 'user', content: message.content },
-  ];
-  return { summarizeMessages };
-}
-
-const CONTENT_COMPRESS_SYSTEM_PROMPT = `你是一个文档压缩助手。用户将发送一段很长的文本（可能包含提问/指令 + 超长文档内容）。
-
-你的任务：
-1. 准确识别并保留用户的提问或指令（原文保留，不要改写）
-2. 将超长文档内容压缩为结构化要点，保留所有关键信息
-3. 输出格式：先输出用户的原始提问/指令，然后输出「文档要点：」+ 编号列表
-4. 如果用户没有明确的提问（只是贴了文档），则直接输出文档要点
-5. 要点应覆盖：核心主题、关键论点/数据、方法论、结论、重要细节
-6. 不要遗漏可能影响后续分析的信息
-
-直接输出结果，不要说"以下是摘要"之类的开头。`;
-
-// ==================== 内部 ====================
-
-const SUMMARIZE_SYSTEM_PROMPT = `你是一个对话历史压缩助手。请总结以下对话历史，保留所有关键信息：
-
-要求：
-1. 保留所有文件修改记录（哪些文件被创建/修改/删除了，具体改了什么）
-2. 保留所有关键决策和结论
-3. 保留错误信息和解决方案
-4. 保留用户的明确要求和偏好
-5. 用简洁的条目列表格式输出
-6. 不要遗漏任何可能影响后续工作的信息
-
-直接输出摘要，不要开头说"以下是摘要"之类的话。`;
-
-/** 把消息列表格式化为可读文本，供总结用 */
-function formatMessagesForSummary(messages: ProtocolMessage[]): string {
-  const parts: string[] = [];
-
-  for (const msg of messages) {
-    if (msg.role === 'system') {
-      // 上一轮的历史摘要，去掉标记前缀后直接当上下文
-      const content = msg.content.startsWith('[对话历史摘要]\n')
-        ? msg.content.slice('[对话历史摘要]\n'.length)
-        : msg.content;
-      if (content) parts.push(`[上一轮摘要]\n${content}`);
-      continue;
-    }
-
-    const role = msg.role === 'assistant' ? 'AI' : msg.role === 'user' ? '用户' : '工具';
-
-    if (msg.role === 'assistant' && msg.toolCalls && msg.toolCalls.length > 0) {
-      const calls = msg.toolCalls.map(tc => {
-        return `  调用 ${tc.name}(${tc.arguments})`;
-      }).join('\n');
-      const text = msg.content ? `${msg.content}\n${calls}` : calls;
-      parts.push(`[${role}]\n${text}`);
-    } else if (msg.role === 'tool') {
-      parts.push(`[${role}: ${msg.toolName ?? 'unknown'}]\n${msg.content}`);
-    } else if (msg.content) {
-      parts.push(`[${role}]\n${msg.content}`);
-    }
-  }
-
-  return parts.join('\n\n---\n\n');
-}

package/src/orchestrator/context-summarizer.ts

@@ -1,123 +0,0 @@
-/**
- * Context Summarizer — 专用上下文总结模块
- *
- * 当对话历史超过当前模型的 context window 时，通过外部注入的 summarize 回调执行 AI 总结。
- * 回调由宿主提供（如 SuperX 走 ai-server 的 toolAI），ai-chat-core 不关心具体调用方式。
- */
-
-import type { ProtocolMessage } from '../protocols';
-import {
-  buildSummarizeRequest,
-  applySummary,
-  estimateTotalTokens,
-  estimateStringTokens,
-  buildSingleMessageSummarizeRequest,
-  type CompactConfig,
-} from './context-compressor';
-import { createModuleLogger } from '../logger';
-
-const logger = createModuleLogger('ContextSummarizer');
-
-// ==================== 类型 ====================
-
-/** 外部注入的 AI 总结函数，model 由 orchestrator 根据场景传入 */
-export type SummarizeFn = (systemPrompt: string, userPrompt: string, model: string) => Promise<string>;
-
-export interface SummarizeResult {
-  messages: ProtocolMessage[];
-  success: boolean;
-  /** AI 生成的原始摘要文本，前端持久化时需加 [对话历史摘要] 前缀 */
-  summaryContent?: string;
-}
-
-// ==================== 核心函数 ====================
-
-/**
- * 使用 AI 总结对话历史
- *
- * 1. 用 buildSummarizeRequest 分离「待总结的中间历史」和「保留的最近消息」
- * 2. 调用外部注入的 summarizeFn 执行总结（走 ai-server 等）
- * 3. 用 applySummary 组装压缩后的消息列表
- */
-export async function summarizeHistory(
-  summarizeFn: SummarizeFn,
-  messages: ProtocolMessage[],
-  config: CompactConfig,
-  model: string,
-): Promise<SummarizeResult> {
-  const { summarizeMessages, keepMessages } = buildSummarizeRequest(messages, config);
-
-  if (summarizeMessages.length === 0) {
-    logger.info('中间历史太短，跳过 AI 总结');
-    return { messages, success: true };
-  }
-
-  const systemPrompt = summarizeMessages[0].content;
-  const userPrompt = summarizeMessages[1].content;
-
-  logger.info({ model, tokens: estimateTotalTokens(summarizeMessages), messageCount: messages.length }, `开始 AI 总结 (${model}): ~${estimateTotalTokens(summarizeMessages)} tokens, ${messages.length} 条消息`);
-
-  try {
-    const summaryContent = await summarizeFn(systemPrompt, userPrompt, model);
-
-    if (!summaryContent.trim()) {
-      logger.warn('AI 总结返回空内容');
-      return { messages, success: false };
-    }
-
-    const compressed = applySummary(messages, summaryContent, keepMessages);
-    logger.info({ originalCount: messages.length, compressedCount: compressed.length, tokens: estimateTotalTokens(compressed) }, `AI 总结完成: ${messages.length} → ${compressed.length} 条消息, ~${estimateTotalTokens(compressed)} tokens`);
-    return { messages: compressed, success: true, summaryContent };
-  } catch (err) {
-    logger.error({ err }, 'AI 总结异常');
-    return { messages, success: false };
-  }
-}
-
-// ==================== 单条消息内容压缩 ====================
-
-export interface ContentCompressResult {
-  /** 压缩后的摘要，替换原消息 content 发给目标模型 */
-  summary: string;
-  success: boolean;
-  /** 原文估算 token 数 */
-  originalTokens: number;
-  /** 摘要估算 token 数 */
-  compressedTokens: number;
-}
-
-/**
- * 使用 AI 压缩单条超长用户消息
- *
- * 直接调用 qwen-long（10M 窗口）总结用户贴的超长文档，
- * 返回摘要文本，由 orchestrator 替换消息 content 发给目标模型。
- */
-export async function compressSingleMessage(
-  summarizeFn: SummarizeFn,
-  message: ProtocolMessage,
-  model: string,
-): Promise<ContentCompressResult> {
-  const { summarizeMessages } = buildSingleMessageSummarizeRequest(message);
-  const systemPrompt = summarizeMessages[0].content;
-  const userPrompt = summarizeMessages[1].content;
-  const originalTokens = estimateStringTokens(message.content);
-
-  logger.info({ model, originalTokens }, `开始单条消息压缩 (${model}): ~${originalTokens} tokens`);
-
-  try {
-    const summary = await summarizeFn(systemPrompt, userPrompt, model);
-
-    if (!summary.trim()) {
-      logger.warn('单条消息压缩返回空内容');
-      return { summary: '', success: false, originalTokens, compressedTokens: 0 };
-    }
-
-    const compressedTokens = estimateStringTokens(summary);
-    const suffixed = `${summary}\n\n（原文约 ${originalTokens} tokens，已由 AI 压缩提取要点）`;
-    logger.info({ originalTokens, compressedTokens }, `单条消息压缩完成: ~${originalTokens} → ~${compressedTokens} tokens`);
-    return { summary: suffixed, success: true, originalTokens, compressedTokens };
-  } catch (err) {
-    logger.error({ err }, '单条消息压缩异常');
-    return { summary: '', success: false, originalTokens, compressedTokens: 0 };
-  }
-}

package/src/orchestrator/index.ts

@@ -1,20 +0,0 @@
-/**
- * Orchestrator 模块导出（barrel）
- *
- * - ChatOrchestrator：RawEvent → ChatEvent 循环、工具调用与压缩编排
- * - context-summarizer：超长历史外部总结入口
- * - types：编排配置与钩子类型
- */
-
-export { ChatOrchestrator, createOrchestrator } from './orchestrator';
-export { summarizeHistory } from './context-summarizer';
-export type { SummarizeFn, SummarizeResult } from './context-summarizer';
-
-export type {
-  ToolExecutionHooks,
-  OrchestratorToolExecutor,
-  GetAutoRunConfigCallback,
-  OrchestratorConfig,
-  OrchestratorContext,
-  OrchestratorOptions,
-} from './types';