@kkmila/cpc 1.0.1 → 1.0.5

package/src/lib/agents.mjs

@@ -1,5 +1,6 @@
 import { readFileSync } from "node:fs";
 import { resolve } from "node:path";
+import { execSync } from "node:child_process";
 import yaml from "js-yaml";
 import { expandHome } from "./fs.mjs";
 
@@ -27,10 +28,102 @@ export function getAgent(registry, agentId) {
 
 /**
  * Resolve ~ paths in agent definition.
+ *
+ * 如果 agent 声明了 home_env（如 codex 的 CODEX_HOME），且该环境变量已设置，
+ * 优先用它覆盖 home —— 因为 agent 运行时（如 orca 托管的 codex）会用这个
+ * 隔离的 home，而不是 registry 里的默认路径。否则 agent 会读到错误目录。
  */
 export function resolveAgentPaths(agent) {
+	const resolvedHome =
+		agent.home_env && process.env[agent.home_env]
+			? process.env[agent.home_env]
+			: expandHome(agent.home);
 	return {
 		...agent,
-		home: expandHome(agent.home),
+		home: resolvedHome,
 	};
 }
+
+// ── 当前 agent 检测 ───────────────────────────────────────────
+// 用于 install 时默认预选 cpc 自己跑在哪个 agent 内。
+// 注意：orca 会把 CODEX_HOME / OPENCODE_CONFIG_DIR 等「workspace 级」env 注入
+// 到工作区所有 shell（即便当前在 pi 内也会设 CODEX_HOME），所以 env 存在性
+// 不能用来判断「当前在哪个 agent」。只有 PPID 链里的 agent 进程名才是 ground
+// truth。env 信号仅作 PPID 不可用（非 Linux）时的兜底，且只用 agent 自身注入、
+// 非 orca 注入的变量（如 PI_CODING_AGENT）。
+
+// PPID 链里能识别的进程名前缀 → registry agentId
+const COMM_TO_AGENT = [
+	["pi", "pi"],
+	["codex", "codex"],
+	["claude", "claude-code"],
+	["opencode", "opencode"],
+	["hermes", "hermes"],
+	["omp", "omp"],
+	["openclaw", "openclaw"],
+];
+
+// agent 自身注入（非 orca）的存在性 env —— 仅 PPID 不可用时兜底
+const SELF_PRESENCE_ENV = {
+	pi: ["PI_CODING_AGENT"],
+};
+
+function readProcComm(pid) {
+	// Linux: /proc/<pid>/status
+	try {
+		const status = readFileSync(`/proc/${pid}/status`, "utf8");
+		const c = status.match(/^Name:\s*(\S+)/m);
+		const p = status.match(/^PPid:\s*(\d+)/m);
+		return { comm: c ? c[1] : null, ppid: p ? p[1] : null };
+	} catch {
+		return { comm: null, ppid: null };
+	}
+}
+
+function readCommViaPs(pid) {
+	// macOS / 其他 Unix 兜底
+	try {
+		const out = execSync(`ps -p ${pid} -o ppid=,comm=`, {
+			encoding: "utf8",
+			stdio: ["ignore", "pipe", "ignore"],
+			timeout: 1000,
+		}).trim();
+		const m = out.match(/^(\d+)\s+(.*)$/);
+		if (!m) return { comm: null, ppid: null };
+		return { comm: m[2].trim(), ppid: m[1] };
+	} catch {
+		return { comm: null, ppid: null };
+	}
+}
+
+/**
+ * 探测 cpc 当前跑在哪个 agent 内（用于 install 时默认预选）。
+ * 返回 agentId（registry key）或 null。
+ *
+ * 优先级：PPID 链进程名（ground truth）→ agent 自身注入 env（兜底）。
+ * 不使用 home_env / ORCA_* 存在性（orca 会 workspace 级注入，会误判）。
+ */
+export function detectCurrentAgent(agents) {
+	const ids = Object.keys(agents || {});
+
+	// 1) PPID 链进程名匹配（最可靠）
+	const reader = process.platform === "linux" ? readProcComm : readCommViaPs;
+	let pid = process.ppid;
+	for (let i = 0; i < 8 && pid; i++) {
+		const { comm, ppid } = reader(pid);
+		if (!comm) break;
+		const hit = COMM_TO_AGENT.find(
+			([c]) => comm === c || comm.startsWith(c),
+		);
+		if (hit) return hit[1];
+		if (!ppid || ppid === "0" || ppid === "1") break;
+		pid = Number(ppid);
+	}
+
+	// 2) 兜底：agent 自身注入的 env（非 orca 注入）
+	for (const id of ids) {
+		const vars = SELF_PRESENCE_ENV[id];
+		if (vars?.some((v) => process.env[v])) return id;
+	}
+	return null;
+}

package/src/lib/baseline-models.mjs

@@ -0,0 +1,338 @@
+/**
+ * 基础模型字典 (Baseline)
+ *
+ * 来源: providers-baseline.json
+ * 用途: 当从外部 API (/v1/models) 获取到模型 ID 后, 用本字典补全
+ *       - contextWindow: 模型上下文窗口
+ *       - input:         模型支持的输入类型 (text / image / ...)
+ *       - description:   模型中文描述
+ *       - reasoning:     是否为推理模型 (boolean)
+ * 然后随 model 一起持久化到 ~/.config/cpc/providers.json
+ *
+ * 注意: 本字典不包含 maxTokens, 仍由 src/commands/provider.mjs
+ *       中的 MODEL_DEFAULTS 处理. 安装到 Agent 时, 各 agent schema 不消费
+ *       description, 该字段仅作为 provider.json 内的元信息保留.
+ */
+
+export const BASELINE_MODELS = [
+	{
+		modelId: "mimo-v2-omni",
+		contextWindow: 32768,
+		input: ["text"],
+		description: "小米 MiMo V2 全模态旗舰，文本/图像/音频/视频统一理解与生成。",
+		reasoning: false,
+	},
+	{
+		modelId: "mimo-v2-pro",
+		contextWindow: 32768,
+		input: ["text"],
+		description: "小米 MiMo V2 推理增强版，强项为复杂推理与长程任务。",
+		reasoning: false,
+	},
+	{
+		modelId: "mimo-v2-tts",
+		contextWindow: 32768,
+		input: ["text"],
+		description: "小米 MiMo V2 文本转语音合成模型，多音色/多语种。",
+		reasoning: false,
+	},
+	{
+		modelId: "mimo-v2.5",
+		contextWindow: 32768,
+		input: ["text"],
+		description: "小米 MiMo V2.5 通用对话基座，性价比首选。",
+		reasoning: false,
+	},
+	{
+		modelId: "mimo-v2.5-asr",
+		contextWindow: 32768,
+		input: ["text"],
+		description: "小米 MiMo V2.5 语音识别模型，音频转文字。",
+		reasoning: false,
+	},
+	{
+		modelId: "mimo-v2.5-pro",
+		contextWindow: 32768,
+		input: ["text"],
+		description: "小米 MiMo V2.5 推理增强版，复杂任务与编程。",
+		reasoning: false,
+	},
+	{
+		modelId: "mimo-v2.5-tts",
+		contextWindow: 32768,
+		input: ["text"],
+		description: "小米 MiMo V2.5 文本转语音合成模型。",
+		reasoning: false,
+	},
+	{
+		modelId: "mimo-v2.5-tts-voiceclone",
+		contextWindow: 32768,
+		input: ["text"],
+		description: "小米 MiMo V2.5 声音克隆 TTS，参考音频复刻音色。",
+		reasoning: false,
+	},
+	{
+		modelId: "mimo-v2.5-tts-voicedesign",
+		contextWindow: 32768,
+		input: ["text"],
+		description: "小米 MiMo V2.5 声音设计 TTS，按描述/特征生成新音色。",
+		reasoning: false,
+	},
+	{
+		modelId: "gemma4:e4b",
+		contextWindow: 32768,
+		input: ["text"],
+		description:
+			"Google Gemma 4 边缘端模型（4.5B effective / 8B with embeddings），128K 上下文，支持文本+图像+音频。",
+		reasoning: false,
+	},
+	{
+		modelId: "qwen3.6:27b",
+		contextWindow: 32768,
+		input: ["text"],
+		description:
+			"Qwen3.5 架构的 27.8B dense 本地模型（Q4_K_M 17GB），本地多用途对话与编程。",
+		reasoning: false,
+	},
+	{
+		modelId: "qwen3.6-plus",
+		contextWindow: 1000000,
+		input: ["text", "image"],
+		description:
+			"阿里 Qwen3.6 旗舰 VL 模型，主打 Agentic Coding、Vibe Coding 与 1M 多模态长上下文。",
+		reasoning: false,
+	},
+	{
+		modelId: "qwen3-vl-plus",
+		contextWindow: 1000000,
+		input: ["text", "image"],
+		description:
+			"通义千问视觉旗舰，OS World 视觉 Agent SOTA，文档/视频/OCR 全能理解。",
+		reasoning: false,
+	},
+	{
+		modelId: "qwen3.5-122b-a10b",
+		contextWindow: 262144,
+		input: ["text", "image"],
+		description:
+			"Qwen3.5 开源 MoE 旗舰（122B 总参/10B 激活），262K 上下文，原生视觉语言模型。",
+		reasoning: false,
+	},
+	{
+		modelId: "qwen3-coder-plus",
+		contextWindow: 1000000,
+		input: ["text"],
+		description:
+			"通义千问编码专项旗舰，1M 仓库级上下文，强工具调用与多文件重构。",
+		reasoning: false,
+	},
+	{
+		modelId: "text-embedding-v4",
+		contextWindow: 32000,
+		input: ["text"],
+		description:
+			"阿里 Qwen3-Embedding 旗舰，MTEB 多语言榜单领先，支持 8 种向量维度的语义检索首选。",
+		reasoning: false,
+	},
+	{
+		modelId: "GLM-5.0",
+		contextWindow: 200000,
+		input: ["text"],
+		description:
+			"智谱基座旗舰 744B MoE，编程对齐 Claude Opus 4.5，复杂系统工程与长程 Agent 基座。",
+		reasoning: false,
+	},
+	{
+		modelId: "GLM-5.0-anthropic",
+		contextWindow: 200000,
+		input: ["text"],
+		description: "GLM-5.0 的 Anthropic 协议兼容封装。",
+		reasoning: false,
+	},
+	{
+		modelId: "glm-5.1",
+		contextWindow: 200000,
+		input: ["text"],
+		description:
+			"智谱长程任务旗舰，可单任务持续自主工作 8 小时，编程对齐 Claude Opus 4.6。",
+		reasoning: false,
+	},
+	{
+		modelId: "glm-5.1-anthropic",
+		contextWindow: 200000,
+		input: ["text"],
+		description: "glm-5.1 的 Anthropic 协议兼容封装。",
+		reasoning: false,
+	},
+	{
+		modelId: "glm-5.2",
+		contextWindow: 1000000,
+		input: ["text"],
+		description:
+			"智谱 GLM-5 系列旗舰(7533.3亿/400亿激活),Solid 1M 无损上下文 + 128K 输出,面向长程 Agentic Coding 与多端可部署产物开发。",
+		reasoning: false,
+	},
+	{
+		modelId: "glm-5.2-anthropic",
+		contextWindow: 1000000,
+		input: ["text"],
+		description: "glm-5.2 的 Anthropic 协议兼容封装。",
+		reasoning: false,
+	},
+	{
+		modelId: "deepseek-v4-pro",
+		contextWindow: 1000000,
+		input: ["text"],
+		description:
+			"DeepSeek V4 旗舰 1.6T MoE，开源 SOTA 世界知识与 Agent Coding，支持双思考模式。",
+		reasoning: false,
+	},
+	{
+		modelId: "deepseek-v4-pro-anthropic",
+		contextWindow: 1000000,
+		input: ["text"],
+		description: "DeepSeek V4-Pro 的 Anthropic 协议封装。",
+		reasoning: false,
+	},
+	{
+		modelId: "deepseek-v4-flash",
+		contextWindow: 1000000,
+		input: ["text"],
+		description:
+			"DeepSeek V4 轻量版（284B/13B 激活），1M 上下文，主打高吞吐低成本日常 Agent。",
+		reasoning: false,
+	},
+	{
+		modelId: "DeepSeek-V3.2",
+		contextWindow: 128000,
+		input: ["text"],
+		description:
+			"DeepSeek V3 末代 DSA 稀疏注意力版本，平衡推理深度与输出长度，适合日常问答与 Agent。",
+		reasoning: false,
+	},
+	{
+		modelId: "Doubao-Seed-2.0-Pro",
+		contextWindow: 256000,
+		input: ["text", "image"],
+		description:
+			"字节豆包 2.0 旗舰，多模态视觉推理/空间推理 SOTA，全面对标 GPT-5.2 / Gemini 3 Pro。",
+		reasoning: false,
+	},
+	{
+		modelId: "Doubao-Seed-2.0-Code",
+		contextWindow: 256000,
+		input: ["text", "image"],
+		description:
+			"字节豆包 2.0 编程专版，前端强、支持 UI-to-Code 视觉理解，与 TRAE 集成最佳。",
+		reasoning: false,
+	},
+	{
+		modelId: "Kimi-K2.5",
+		contextWindow: 256000,
+		input: ["text", "image"],
+		description:
+			"月之暗面原生多模态旗舰，文本+视觉联合优化，Agent Swarm 与视觉编程（UI/视频生成代码）。",
+		reasoning: false,
+	},
+	{
+		modelId: "kimi-k2.6",
+		contextWindow: 256000,
+		input: ["text", "image"],
+		description:
+			"月之暗面 K2.6，开源 SOTA 长程编码（13 小时不间断）+ Agent Swarm 300 子智能体。",
+		reasoning: false,
+	},
+	{
+		modelId: "kimi-k2.6-anthropic",
+		contextWindow: 256000,
+		input: ["text", "image"],
+		description: "kimi-k2.6 的 Anthropic 协议兼容封装。",
+		reasoning: false,
+	},
+	{
+		modelId: "minimax-m3",
+		contextWindow: 1000000,
+		input: ["text", "image"],
+		description:
+			"MiniMax 2026 旗舰，国内首个前沿 Coding + 1M 上下文 + 原生多模态三合一模型。",
+		reasoning: false,
+	},
+	{
+		modelId: "MiniMax-M2.7",
+		contextWindow: 204800,
+		input: ["text"],
+		description:
+			"MiniMax M2.7，模型自我进化路径，端到端软件工程交付与 Office 复杂编辑。",
+		reasoning: false,
+	},
+	{
+		modelId: "minimax-m2.7",
+		contextWindow: 204800,
+		input: ["text"],
+		description: "MiniMax M2.7 小写别名，与 MiniMax-M2.7 同款。",
+		reasoning: false,
+	},
+];
+
+/**
+ * 在 baseline 字典中查找模型
+ * 匹配规则:
+ *   1) 精确匹配 (大小写不敏感)
+ *   2) 包含匹配 (查询 ID 包含 baseline 的 modelId 或反之)
+ * @param {string} modelId
+ * @returns {object|null} 命中的 baseline 记录
+ */
+export function lookupBaselineModel(modelId) {
+	if (!modelId) return null;
+	const lower = String(modelId).toLowerCase();
+
+	// 1) 精确匹配
+	const exact = BASELINE_MODELS.find((m) => m.modelId.toLowerCase() === lower);
+	if (exact) return exact;
+
+	// 2) 包含匹配: baseline.modelId ⊆ query.id (适用 qwen3.6 / MiniMax 大小写差异)
+	const contains = BASELINE_MODELS.find((m) =>
+		lower.includes(m.modelId.toLowerCase()),
+	);
+	if (contains) return contains;
+
+	// 3) 反向包含: query.id ⊆ baseline.modelId (适用 minimax-m3 命中 MiniMax-M2.7 等)
+	const reverse = BASELINE_MODELS.find((m) =>
+		m.modelId.toLowerCase().includes(lower),
+	);
+	return reverse || null;
+}
+
+/**
+ * 用 baseline 字典补全 model 字段
+ * 命中时, baseline 的 contextWindow / input / description / reasoning 会覆盖传入值
+ * 命不中则原样返回
+ * maxTokens 不在 baseline 范围, 由调用方自己处理
+ * @param {object} model 至少有 { id }
+ * @returns {object} 增强后的 model
+ */
+export function enrichModelWithBaseline(model) {
+	if (!model || !model.id) return model;
+	const baseline = lookupBaselineModel(model.id);
+	if (!baseline) return model;
+
+	const enriched = { ...model };
+
+	if (typeof baseline.contextWindow === "number") {
+		enriched.contextWindow = baseline.contextWindow;
+	}
+
+	if (Array.isArray(baseline.input) && baseline.input.length > 0) {
+		enriched.input = [...baseline.input];
+	}
+
+	if (baseline.description) {
+		enriched.description = baseline.description;
+	}
+
+	if (typeof baseline.reasoning === "boolean") {
+		enriched.reasoning = baseline.reasoning;
+	}
+
+	return enriched;
+}

package/src/lib/codex-toml.mjs

@@ -0,0 +1,175 @@
+import { existsSync, readFileSync, writeFileSync, copyFileSync } from "node:fs";
+
+/**
+ * Codex config.toml 稳健操作工具。
+ *
+ * 现有问题：provider.mjs 旧实现用 `/model = .*\n/` 简单正则替换顶层
+ * key，并把 provider 段整段字符串拼接，丢掉 env_key、可能误伤同前缀
+ * key（model_personality / model_reasoning_effort）。
+ *
+ * 本模块用"顶层区域隔离 + 段内逐字段 upsert"的方式重写：
+ * - 顶层 key 只在第一个 table section 之前查找/替换/插入
+ * - provider 段：已存在则段内逐字段更新（不丢用户手动加的字段），
+ *   不存在则追加
+ */
+
+function escapeRegex(s) {
+	return s.replace(/[.*+?^${}()|[\]\\]/g, "\\$&");
+}
+
+function ensureNewline(s) {
+	return s === "" || s.endsWith("\n") ? s : s + "\n";
+}
+
+/**
+ * 在"顶层区域"（第一个 table section 之前）精确替换或插入一个字符串 key。
+ * 只匹配行首 `key =`，不会误伤 `key_suffix =` 同前缀 key。
+ */
+function setTopLevelString(content, key, value) {
+	const line = `${key} = "${value}"`;
+	const secMatch = content.match(/^[ \t]*\[/m);
+	const topEnd = secMatch ? secMatch.index : content.length;
+	const top = content.slice(0, topEnd);
+	const rest = content.slice(topEnd);
+
+	const re = new RegExp(`^[ \\t]*${escapeRegex(key)}[ \\t]*=.*$`, "m");
+	if (re.test(top)) {
+		return top.replace(re, line) + rest;
+	}
+	// 顶层没有该 key：插到顶层末尾（第一个 section 之前）
+	return ensureNewline(top) + line + "\n" + rest;
+}
+
+/**
+ * 找 [section] 段的 { start, headerEnd, bodyEnd }。
+ * bodyEnd = 下一个 section 开始处 或 文件尾。
+ */
+function findSectionRange(content, sectionHeader) {
+	const re = new RegExp(`^[ \\t]*${escapeRegex(sectionHeader)}[ \\t]*$`, "m");
+	const m = re.exec(content);
+	if (!m) return null;
+	const headerEnd = m.index + m[0].length;
+	const after = content.slice(headerEnd);
+	const next = after.match(/^[ \t]*\[/m);
+	const bodyEnd = next ? headerEnd + next.index : content.length;
+	return { start: m.index, headerEnd, bodyEnd };
+}
+
+/**
+ * 在 section 段体内 upsert 一个字符串字段。
+ * 已存在则替换该行，不存在则在段体末尾追加。
+ */
+function upsertFieldInSection(content, sectionHeader, key, value) {
+	const range = findSectionRange(content, sectionHeader);
+	if (!range) return content;
+	const line = `${key} = "${value}"`;
+	const body = content.slice(range.headerEnd, range.bodyEnd);
+	const re = new RegExp(`^[ \\t]*${escapeRegex(key)}[ \\t]*=.*$`, "m");
+	if (re.test(body)) {
+		const newBody = body.replace(re, line);
+		return content.slice(0, range.headerEnd) + newBody + content.slice(range.bodyEnd);
+	}
+	// 段体末尾追加（bodyEnd 之前）
+	const insertion = `${line}\n`;
+	return content.slice(0, range.bodyEnd) + insertion + content.slice(range.bodyEnd);
+}
+
+/**
+ * 备份 config.toml -> config.toml.cpc.bak
+ */
+export function backupCodexConfig(configPath) {
+	if (!existsSync(configPath)) return null;
+	const bak = `${configPath}.cpc.bak`;
+	copyFileSync(configPath, bak);
+	return bak;
+}
+
+/**
+ * 写入 codex provider 配置到 config.toml（全局默认方式）。
+ *
+ * - 顶层：model_provider, model（可选 model_reasoning_effort）
+ * - 段：[model_providers.NAME] 内 upsert name/base_url/wire_api/env_key
+ *
+ * @param {string} configPath ~/.codex/config.toml
+ * @param {object} opts
+ * @param {string} opts.providerName
+ * @param {string} opts.baseUrl
+ * @param {string} opts.wireApi   "responses" | "chat_completions"
+ * @param {string} [opts.envKey]  环境变量名；不传则不写 env_key
+ * @param {string} opts.model     全局默认 model id
+ * @param {string} [opts.modelReasoningEffort]
+ * @returns {{backed: string|null, wrote: string}}
+ */
+export function writeCodexProviderConfig(configPath, opts) {
+	const backed = backupCodexConfig(configPath);
+	let content = existsSync(configPath)
+		? readFileSync(configPath, "utf8")
+		: "";
+
+	// 顶层 key
+	content = setTopLevelString(content, "model_provider", opts.providerName);
+	content = setTopLevelString(content, "model", opts.model);
+	if (opts.modelReasoningEffort) {
+		content = setTopLevelString(
+			content,
+			"model_reasoning_effort",
+			opts.modelReasoningEffort,
+		);
+	}
+
+	// provider 段
+	const header = `[model_providers.${opts.providerName}]`;
+	if (!findSectionRange(content, header)) {
+		// 追加新段，确保前导空行
+		const sep = content && !content.endsWith("\n\n")
+			? content.endsWith("\n") ? "\n" : "\n\n"
+			: "";
+		content = content + sep + header + "\n";
+	}
+
+	content = upsertFieldInSection(content, header, "name", opts.providerName);
+	content = upsertFieldInSection(content, header, "base_url", opts.baseUrl);
+	content = upsertFieldInSection(content, header, "wire_api", opts.wireApi);
+	if (opts.envKey) {
+		content = upsertFieldInSection(content, header, "env_key", opts.envKey);
+	}
+
+	writeFileSync(configPath, content);
+	return { backed, wrote: configPath };
+}
+
+/**
+ * 读取 codex config.toml 当前的 provider 配置摘要（用于 list-installed）。
+ * @returns {{provider: string|null, model: string|null, envKey: string|null, baseUrl: string|null, wireApi: string|null}}
+ */
+export function readCodexProviderInfo(configPath) {
+	if (!existsSync(configPath)) {
+		return { provider: null, model: null, envKey: null, baseUrl: null, wireApi: null };
+	}
+	const content = readFileSync(configPath, "utf8");
+	const get = (re) => {
+		const m = content.match(re);
+		return m ? m[1] : null;
+	};
+	const provider = get(/^[ \t]*model_provider[ \t]*=\s*"([^"]*)"/m);
+	const model = get(/^[ \t]*model[ \t]*=\s*"([^"]*)"/m);
+	let envKey = null;
+	let baseUrl = null;
+	let wireApi = null;
+	if (provider) {
+		const range = findSectionRange(content, `[model_providers.${provider}]`);
+		if (range) {
+			const body = content.slice(range.headerEnd, range.bodyEnd);
+			const pick = (key) => {
+				const m = body.match(
+					new RegExp(`^[ \\t]*${key}[ \\t]*=\\s*"([^"]*)"`, "m"),
+				);
+				return m ? m[1] : null;
+			};
+			envKey = pick("env_key");
+			baseUrl = pick("base_url");
+			wireApi = pick("wire_api");
+		}
+	}
+	return { provider, model, envKey, baseUrl, wireApi };
+}