@leterhong/multichat 1.6.0

package/.agents/skills/wanghong-handwritten-ppt/templates/deck.html

@@ -0,0 +1,94 @@
+<!doctype html>
+<html lang="zh-CN">
+<head>
+  <meta charset="utf-8">
+  <meta name="viewport" content="width=device-width, initial-scale=1">
+  <title>学术手写风演示</title>
+  <link rel="stylesheet" href="../assets/base.css">
+  <link rel="stylesheet" href="../assets/animations.css">
+  <link rel="stylesheet" href="../assets/neat-annotations.css">
+  <link rel="stylesheet" href="../assets/template.css">
+</head>
+<body>
+<main class="deck">
+  <section class="slide cover is-active" data-title="封面">
+    <h1>在这里写一行报告标题</h1>
+    <div class="cover-meta">
+      <span>作者</span>
+      <span>场合</span>
+      <span>August 2, 2026</span>
+    </div>
+    <aside class="notes">用一两句话说明今天想解决的总问题。</aside>
+  </section>
+
+  <section class="slide" data-title="变化">
+    <h2 class="slide-title">先说清楚，发生了什么变化？</h2>
+    <div class="flow">
+      <div class="flow-box">起点</div>
+      <div class="flow-arrow">→</div>
+      <div class="flow-box"><span class="mark-yellow">关键动作</span></div>
+      <div class="flow-arrow">→</div>
+      <div class="flow-box"><span class="mark-green">结果</span></div>
+    </div>
+    <div class="result-box">这里写这一页的结论</div>
+    <aside class="notes">沿着三步流程讲清楚因果关系。</aside>
+  </section>
+
+  <section class="slide" data-title="图解">
+    <h2 class="slide-title">用一个小图解释核心判断</h2>
+    <div class="hand-grid">
+      <div class="notes-list">
+        <div>横轴：成本、时间或规模</div>
+        <div>纵轴：质量、能力或收益</div>
+        <div><span class="mark-coral">例外</span> 用珊瑚色标出</div>
+        <div><span class="ann ann-n ann-green" data-note="推荐位置">甜点档</span> 用绿色标出</div>
+      </div>
+      <svg viewBox="0 0 720 450" role="img" aria-label="手绘坐标图">
+        <defs>
+          <filter id="wobble"><feTurbulence baseFrequency="0.018" numOctaves="1" seed="3" result="n"/><feDisplacementMap in="SourceGraphic" in2="n" scale="1.4"/></filter>
+        </defs>
+        <g filter="url(#wobble)" fill="none" stroke="var(--ink)" stroke-width="4" stroke-linecap="round">
+          <path d="M90 360 L650 360"/>
+          <path d="M90 360 L90 50"/>
+          <path d="M105 80 C230 150 240 260 350 305 C450 345 540 346 620 348" stroke="var(--blue)"/>
+          <circle cx="372" cy="313" r="15" fill="var(--magenta)" stroke="none"/>
+          <circle cx="585" cy="345" r="12" fill="var(--green)" stroke="none"/>
+        </g>
+        <text x="610" y="400" font-size="28">成本</text>
+        <text x="28" y="74" font-size="28">质量</text>
+      </svg>
+    </div>
+    <aside class="notes">先解释坐标，再指出推荐位置。</aside>
+  </section>
+
+  <section class="slide" data-title="对比">
+    <h2 class="slide-title">把几个关键数字放在一起</h2>
+    <table class="hand-table">
+      <thead><tr><th>方案</th><th>体积</th><th>质量</th><th>适合谁</th></tr></thead>
+      <tbody>
+        <tr><td>方案 A</td><td>较大</td><td>最高</td><td>追求上限</td></tr>
+        <tr><td><span class="mark-green">方案 B</span></td><td>适中</td><td>接近上限</td><td>大多数人</td></tr>
+        <tr><td>方案 C</td><td>最小</td><td>有损失</td><td>资源有限</td></tr>
+      </tbody>
+    </table>
+    <div class="result-box" style="margin-top:52px">低于某个档位，质量损失会突然抬头</div>
+    <aside class="notes">让观众先看推荐行，再解释上下两行的取舍。</aside>
+  </section>
+
+  <section class="slide" data-title="总结">
+    <h2 class="slide-title">最后只留下一条判断</h2>
+    <div class="formula-summary">
+      <span>能力</span> + <span>成本</span> + <span>可控</span> + <span>透明</span>
+    </div>
+    <aside class="notes">把整场报告收束成一句能记住的话。</aside>
+  </section>
+
+  <section class="slide thanks" data-title="结束">
+    <h2>Thank you!</h2>
+    <div class="result-box">作者署名 · 日期</div>
+    <aside class="notes">感谢观众，进入提问。</aside>
+  </section>
+</main>
+<script src="../assets/runtime.js"></script>
+</body>
+</html>

package/.agents/skills/wanghong-handwritten-ppt/tests/test_font_contract.py

@@ -0,0 +1,73 @@
+#!/usr/bin/env python3
+from __future__ import annotations
+
+import unittest
+from pathlib import Path
+
+
+SKILL_DIR = Path(__file__).resolve().parents[1]
+TARGET_FAMILY = "HanziPen SC"
+
+
+class PreviewFontContractTests(unittest.TestCase):
+    def test_template_uses_one_exact_family(self) -> None:
+        css = (SKILL_DIR / "assets" / "template.css").read_text(encoding="utf-8")
+        self.assertIn(f'--hand: "{TARGET_FAMILY}";', css)
+        self.assertIn("--font-sans: var(--hand);", css)
+        self.assertIn("--font-display: var(--hand);", css)
+        self.assertIn("--font-mono: var(--hand);", css)
+        self.assertIn("--font-serif: var(--hand);", css)
+
+    def test_demo_and_reusable_css_share_the_same_family(self) -> None:
+        paths = (
+            SKILL_DIR / "assets" / "deepseek-example.css",
+            SKILL_DIR / "examples" / "deepseek-v4-flash" / "style.css",
+        )
+        for path in paths:
+            with self.subTest(path=path):
+                css = path.read_text(encoding="utf-8")
+                self.assertIn(f'--hand-font: "{TARGET_FAMILY}";', css)
+                self.assertIn("--font-mono: var(--hand-font);", css)
+                self.assertIn("--font-serif: var(--hand-font);", css)
+
+    def test_shared_assets_use_the_same_family(self) -> None:
+        base = (SKILL_DIR / "assets" / "base.css").read_text(encoding="utf-8")
+        annotations = (SKILL_DIR / "assets" / "neat-annotations.css").read_text(
+            encoding="utf-8"
+        )
+        runtime = (SKILL_DIR / "assets" / "runtime.js").read_text(
+            encoding="utf-8"
+        )
+        self.assertIn(f"--font-sans: '{TARGET_FAMILY}';", base)
+        self.assertIn(f"--font-serif: '{TARGET_FAMILY}';", base)
+        self.assertIn(f"--font-mono: '{TARGET_FAMILY}';", base)
+        self.assertIn(f"--ann-font: '{TARGET_FAMILY}';", annotations)
+        self.assertIn(f'font-family: "{TARGET_FAMILY}";', runtime)
+
+    def test_instructions_use_preview_as_the_glyph_reference(self) -> None:
+        skill = (SKILL_DIR / "SKILL.md").read_text(encoding="utf-8")
+        guide = (SKILL_DIR / "references" / "style-guide.md").read_text(
+            encoding="utf-8"
+        )
+        self.assertIn("assets/preview-cover.png", skill)
+        self.assertIn("assets/preview-cover.png", guide)
+        self.assertIn("不设置其他中文字体候选", skill)
+
+    def test_static_renderer_injects_and_checks_the_font_file(self) -> None:
+        preparer = (SKILL_DIR / "scripts" / "prepare_render_html.py").read_text(
+            encoding="utf-8"
+        )
+        renderer = (SKILL_DIR / "scripts" / "render.sh").read_text(encoding="utf-8")
+        self.assertIn("@font-face", preparer)
+        self.assertIn('DEMO_FONT_POSTSCRIPT = "HanziPenSC-W3"', preparer)
+        self.assertIn("validate_font_file(font)", preparer)
+        self.assertIn("dataset.wanghongFontReady", preparer)
+        self.assertIn("prepare_render_html.py", renderer)
+        self.assertIn("--dump-dom", renderer)
+        self.assertIn('data-wanghong-font-ready="yes"', renderer)
+        self.assertIn("com_apple_MobileAsset_Font8", renderer)
+        self.assertIn("re.findall", renderer)
+
+
+if __name__ == "__main__":
+    unittest.main()

package/LICENSE

@@ -0,0 +1,21 @@
+MIT License
+
+Copyright (c) 2026 MultiChat contributors
+
+Permission is hereby granted, free of charge, to any person obtaining a copy
+of this software and associated documentation files (the "Software"), to deal
+in the Software without restriction, including without limitation the rights
+to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
+copies of the Software, and to permit persons to whom the Software is
+furnished to do so, subject to the following conditions:
+
+The above copyright notice and this permission notice shall be included in all
+copies or substantial portions of the Software.
+
+THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
+IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
+FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
+AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
+LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
+OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
+SOFTWARE.

package/README.md

@@ -0,0 +1,186 @@
+# MultiChat
+
+[![CI](https://github.com/Leterhong/MultiChat/actions/workflows/ci.yml/badge.svg)](https://github.com/Leterhong/MultiChat/actions/workflows/ci.yml)
+[![Node.js 22.13+](https://img.shields.io/badge/Node.js-22.13%2B-339933?logo=nodedotjs&logoColor=white)](https://nodejs.org/)
+[![License: MIT](https://img.shields.io/badge/License-MIT-287254.svg)](./LICENSE)
+
+> 把模型、运行配置、工具与项目上下文，放进同一个本地工作台。
+
+MultiChat 是一个开源、本地优先的多模型工作台。你可以在浏览器中连接不同模型，保存可复用的运行配置，并按任务组合 Skill、内置工具、MCP 与 Plugin。
+
+每类能力保留自己的格式、来源和安全边界，再由运行配置按需组合；对话、项目文件、扩展状态与运行记录都集中在一个工作区中。
+
+## 当前阶段
+
+> [!IMPORTANT]
+> MultiChat 正在持续迭代，数据结构、扩展接口与 CLI 仍可能变化。当前版本适合本机和可信项目环境，不建议直接暴露到公网。
+
+对话、Agent、Skill、MCP、Plugin 导入、本地运行、用量分析、断点续跑与执行审计链路已经可用。更多隔离能力、协作能力和正式 npm 发行仍在继续完善。
+
+## 快速开始
+
+安装 [Node.js](https://nodejs.org/) 22.13 或更高版本，然后运行：
+
+```bash
+npx --yes github:Leterhong/MultiChat web
+```
+
+命令会从 GitHub 获取当前版本，在本机启动 Web UI，并尝试自动打开 `http://127.0.0.1:3000`。当前目录是默认工作区，运行数据保存在 `~/.multichat/data`；按 `Ctrl+C` 即可停止服务。
+
+常用参数：
+
+```bash
+# 更换端口并禁止自动打开浏览器
+npx --yes github:Leterhong/MultiChat web --port 3100 --no-open
+
+# 指定工作区与数据目录
+npx --yes github:Leterhong/MultiChat web \
+  --workspace ./my-agent-project \
+  --data-dir ./.multichat-data
+```
+
+CLI 还提供 `doctor`、`init`、`pull` 与 `deploy`：
+
+```bash
+npx --yes github:Leterhong/MultiChat --help
+npx --yes github:Leterhong/MultiChat doctor
+```
+
+`doctor` 会实际探测 `node:sqlite` 与 `DatabaseSync`、生产构建、目录权限和监听端口。若 SQLite 在受限运行环境初始化失败，服务会明确告警并自动降级到 JSON 存储；也可以主动设置 `MULTICHAT_STORE=json`。
+
+> [!NOTE]
+> 当前 Node.js（含 22.x/24.x）中 `node:sqlite` 仍是实验特性，Node 官方尚未宣布稳定。MultiChat 已把 SQLite 作为默认存储，但请把 `multichat.sqlite3` 视为「可随时由 MultiChat 迁移的内部格式」，不要直接读写或长期依赖其表结构；需要长期备份时使用项目快照功能，或设置 `MULTICHAT_STORE=json` 使用透明可读的 JSON 存储。
+
+## 核心体验
+
+- **统一管理**：在一个界面中组织模型、对话、工作区和项目文件；
+- **并行模型实验**：让 2–4 个模型在相同参数、项目文件和记忆上下文下并行回答；实验保存在当前设备，可随时恢复，并把选定结果直接采用到正式对话；
+- **运行配置**：自由搭配模型、系统指令、Skill、内置工具与 MCP server，并只向本轮注入实际选中的能力；
+- **上下文检查**：开始运行前核对模型连接、项目上下文与能力组合，估算文件上下文 Token，运行后直接查看最近一次步骤、工具调用与 Token；
+- **快速命令**：`Ctrl+K` 搜索操作，`Ctrl+I` 检查上下文，`Ctrl+M` 发起模型实验；
+- **安全扩展**：导入 Skill、MCP 配置和 Plugin，启用前检查冲突、风险与变更；
+- **每日用量中心**：按 7 天、30 天或全部时间查看输入/输出 Token、趋势、模型占比、活跃热力图与提供方健康；
+- **执行与复盘**：保留模型步骤、工具调用、审批、错误与 Token 构成，并复查每次请求实际携带的上下文；
+- **可恢复运行**：高风险工具审批与迭代上限都会形成持久化检查点，关闭响应或重启服务后仍可继续；
+- **项目知识与记忆**：搜索项目文件并保留文件、行号引用，只将用户确认的长期事实和偏好写入项目记忆；
+- **能力护照**：集中展示 Skill、MCP、Plugin 与内置工具的来源、版本、权限、信任状态、风险和结构问题；
+- **项目快照**：保存项目设置、文件、记忆和关联 Agent，恢复前自动备份，便于安全试验和回滚；
+- **本地安全账本**：Provider 密钥加密落盘且不会返回浏览器，用量记录只保存统计元数据，不保存提示词正文；
+- **适配不同设备**：工作台面向桌面与移动屏幕响应式设计，并支持深色主题、键盘操作和无障碍焦点管理。
+
+## 工程结构
+
+MultiChat 把宿主运行时、Web 客户端和扩展边界分开维护：
+
+```text
+backend/            TypeScript API、运行时、SQLite 存储与扩展管理
+backend/dist/       预编译的 Node.js 生产运行文件
+frontend/src/core/  客户端状态、API、主题与基础工具
+frontend/src/app/   React / TSX 应用外壳与语义化导航
+frontend/src/components/ React 消息流、输入区与安全 Markdown 组件
+frontend/src/design/ CSS 设计 Token 与主题变量
+frontend/src/modules/  工作台、对话、设置、导入与观察界面
+bin/                multichat 命令入口
+.agents/            项目 Skills 与插件资源
+```
+
+一次请求会被记录为 Run；Run 包含一个或多个 Turn，Turn 再由模型请求、工具调用和审批 Step 组成。运行日志和检查点是复查、继续、分支和诊断的统一事实来源。业务数据默认保存在单文件 SQLite 数据库中，首次启动会自动读取已有 JSON 数据；设置 `MULTICHAT_STORE=json` 可继续使用旧存储方式。
+
+## 扩展方式
+
+| 类型 | 用途 | 入口 |
+|---|---|---|
+| Skill | 封装工作流、知识、脚本与资源 | `SKILL.md` |
+| MCP | 连接独立的标准工具服务 | STDIO / Streamable HTTP |
+| Plugin | 分发一组完整扩展资源 | `.codex-plugin/plugin.json` |
+
+Skill 支持单文件、完整目录和 ZIP，并会原样保留但不执行 `x-*` 厂商扩展元数据；MCP 支持界面配置与 JSON；Plugin 支持符合当前兼容范围的 ZIP 和完整目录。三类扩展分别管理来源、作用域与启用状态，导入时不会自动执行。
+
+导入分为“预检”和“安装”两个阶段。MultiChat 会检查路径穿越、压缩包限制、格式错误、同名冲突、组件越界与高风险凭据位置，并对 Plugin MCP 中的字面量凭据执行更严格限制，再通过暂存、原子替换与回滚机制完成安装。新导入的扩展默认停用，MCP 同时默认为未受信任。
+
+Skill 中的脚本只会随包保存并列出路径，不会自动执行。当前 Plugin Runtime 会加载包内的 **Skills 与 MCP servers**；其他 JS/TS、Hooks、Commands、Apps 等资源可以随包保存，但不会未经隔离和授权直接注入 MultiChat 主进程。
+
+## Docker / Linux 服务器
+
+MultiChat 是纯 Node.js 应用，Linux（x64/arm64）开箱即跑。两种常驻方式：
+
+**Docker（推荐，数据与工作区分离挂载）：**
+
+```bash
+# 使用官方镜像（推送到 main / 打 tag 时由 CI 自动构建发布）
+docker run -d --name multichat -p 3000:3000   -v multichat-data:/data   -v "$PWD:/workspace"   ghcr.io/leterhong/multichat:latest
+
+# 本地构建
+docker build -t multichat .
+docker run -d -p 3000:3000 -v multichat-data:/data -v "$PWD:/workspace" multichat
+```
+
+容器内 `/data` 保存运行数据（SQLite、加密密钥账本），`/workspace` 是 Agent 工作区（项目文件、.agents 扩展）。镜像以非 root 用户运行，默认监听 `0.0.0.0:3000`。
+
+**systemd 常驻（不用容器时）：**
+
+```ini
+# /etc/systemd/system/multichat.service
+[Unit]
+Description=MultiChat local agent workspace
+After=network-online.target
+
+[Service]
+Type=simple
+User=%i
+WorkingDirectory=/home/%i/multichat-workspace
+ExecStart=/usr/bin/env node /home/%i/multichat/bin/multichat.mjs web --host 127.0.0.1 --port 3000
+Restart=on-failure
+
+[Install]
+WantedBy=default.target
+```
+
+> [!IMPORTANT]
+> 把服务暴露到局域网或公网前，务必设置 `MULTICHAT_API_TOKEN`（保护 `/api/*` 与 `/v1/*`，包括 OpenAI 兼容透传端点）或 `MULTICHAT_BASIC_AUTH`；`/v1/chat/completions` 会使用你配置的模型密钥，无鉴权暴露等于把密钥借给别人。
+
+## 从源码运行
+
+```bash
+git clone https://github.com/Leterhong/MultiChat.git
+cd MultiChat
+
+npm install
+npm --prefix backend install
+npm --prefix frontend install
+npm run build
+npm start
+```
+
+前端使用 React + TSX 数据驱动消息流、输入区、模型实验、Plugin 与 MCP 管理界面，长对话由虚拟列表渲染；Markdown 经过白名单消毒后再显示。静态 HTML 只保留浏览器挂载节点，Zustand 是业务数据与界面编排状态的统一来源，CSS 设计 Token 统一主题。后端 TypeScript 会先编译为 `backend/dist`，生产环境直接由 Node.js 运行，不依赖启动时转译。提交变更前可以运行：
+
+```bash
+npm --prefix frontend run typecheck
+npm --prefix frontend run lint
+npm --prefix frontend run lint:css
+npm --prefix frontend test
+npm --prefix backend run typecheck
+npm --prefix backend test
+npm run build
+npm test
+```
+
+## 安全边界
+
+- 本地优先不等于所有推理都在本地完成；云端模型和远程 MCP 仍会收到相应请求；
+- STDIO MCP 以当前用户权限运行本机进程，不是沙箱；
+- HTTP MCP 默认限制 localhost、内网和 link-local 地址，只有显式允许后才会连接；
+- 凭据应通过环境变量引用，不要写进扩展包、配置、示例或 Git 提交；
+- 服务默认只监听 `127.0.0.1`，对外提供访问时需要可信网络或额外认证；
+- 可通过 `MULTICHAT_API_TOKEN`（兼容 `MC_API_TOKEN`）为 `/api/*` 与 `/v1/*` 启用 Bearer Token，或通过 `MULTICHAT_BASIC_AUTH=user:password` 启用 Basic Auth；
+- STDIO MCP 子进程默认只继承启动所需的最小系统环境，额外变量必须在 MCP 配置中显式声明。
+
+## 参与项目
+
+欢迎通过 [Issues](https://github.com/Leterhong/MultiChat/issues) 提交问题与建议，也欢迎发起 [Pull Requests](https://github.com/Leterhong/MultiChat/pulls)。
+
+涉及本机命令、网络访问、扩展格式或默认信任策略的变更，请在提交说明中单独列出安全影响。
+
+## 开源协议
+
+MultiChat 使用 [MIT License](./LICENSE) 开源。

package/backend/adapters/README.md

@@ -0,0 +1,77 @@
+# LLM Provider Adapters
+
+适配器模式实现，支持国内外主流大模型原生接口。
+
+## 架构
+
+```
+adapters/
+├── base.js           # 基础适配器接口
+├── openai.js         # OpenAI 兼容适配器
+├── zhipu.js          # 智谱 GLM 适配器
+├── moonshot.js       # 月之暗面 Kimi 适配器
+├── qwen.js           # 阿里通义千问适配器
+├── wenxin.js         # 百度文心一言适配器
+└── index.js          # 适配器工厂
+```
+
+## 支持的厂商
+
+### 1. OpenAI 兼容 (openai)
+- 适用于所有 OpenAI 兼容接口
+- 需要配置: Base URL, API Key
+
+### 2. 智谱 GLM (zhipu)
+- 原生智谱 API 支持
+- 自动处理 JWT Token 生成
+- API Key 格式: `apiKey.secret`
+- 默认端点: `https://open.bigmodel.cn/api/paas/v4/chat/completions`
+
+### 3. 月之暗面 Kimi (moonshot)
+- 原生 Kimi API 支持
+- 支持超长上下文
+- 默认端点: `https://api.moonshot.cn/v1/chat/completions`
+
+### 4. 阿里通义千问 (qwen)
+- DashScope 协议支持
+- 自动处理消息格式转换
+- 默认端点: `https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation`
+
+### 5. 百度文心一言 (wenxin)
+- 自动处理 OAuth 2.0 认证
+- API Key 格式: `apiKey:secretKey`
+- 支持 ERNIE 系列模型
+
+## 添加新适配器
+
+1. 创建新的适配器类继承 `BaseAdapter`
+2. 实现必需的方法:
+   - `transformMessages()` - 转换消息格式
+   - `buildRequestBody()` - 构建请求体
+   - `getHeaders()` - 获取请求头
+   - `getEndpoint()` - 获取 API 端点
+   - `transformSSEChunk()` - 转换流式响应
+   - `transformResponse()` - 转换非流式响应
+3. 可选实现 `prepare()` - 预处理（如获取 access token）
+4. 在 `index.js` 中注册新适配器
+
+## 示例
+
+```javascript
+const { createAdapter } = require('./adapters');
+
+// 创建智谱适配器
+const adapter = createAdapter({
+  apiType: 'zhipu',
+  apiKey: 'your-api-key.your-secret',
+  model: 'glm-4'
+});
+
+// 准备请求
+await adapter.prepare();
+
+// 构建请求
+const endpoint = adapter.getEndpoint();
+const headers = adapter.getHeaders();
+const body = adapter.buildRequestBody('glm-4', messages, true);
+```

package/backend/adapters/anthropic.ts

@@ -0,0 +1,115 @@
+const BaseAdapter = require('./base');
+import type { ChatMessage, ChatRequestOptions, JsonRecord } from '../types';
+
+function asText(content: unknown) {
+  if (typeof content === 'string') return content;
+  if (!Array.isArray(content)) return '';
+  return content.filter(x => x && x.type === 'text').map(x => x.text || '').join('');
+}
+
+class AnthropicAdapter extends BaseAdapter {
+  transformMessages(messages: ChatMessage[]) {
+    const out: any[] = [];
+    for (const message of messages || []) {
+      if (message.role === 'system') continue;
+      if (message.role === 'tool') {
+        out.push({ role: 'user', content: [{ type: 'tool_result', tool_use_id: message.tool_call_id, content: String(message.content || '') }] });
+        continue;
+      }
+      if (message.role === 'assistant' && Array.isArray(message.tool_calls)) {
+        const content: any[] = [];
+        if (message.content) content.push({ type: 'text', text: String(message.content) });
+        for (const call of message.tool_calls) {
+          content.push({ type: 'tool_use', id: call.id, name: call.function?.name, input: this.parseArguments(call.function?.arguments) });
+        }
+        out.push({ role: 'assistant', content });
+        continue;
+      }
+      out.push({ role: message.role === 'assistant' ? 'assistant' : 'user', content: message.content });
+    }
+    return out;
+  }
+
+  parseArguments(value: string | undefined) {
+    try { return JSON.parse(value || '{}'); } catch { return {}; }
+  }
+
+  buildRequestBody(model: string, messages: ChatMessage[], stream: boolean, options: ChatRequestOptions = {}) {
+    const system = (messages || []).filter(m => m.role === 'system').map(m => asText(m.content)).filter(Boolean).join('\n\n');
+    const body: JsonRecord = {
+      model,
+      messages: this.transformMessages(messages),
+      max_tokens: options.max_tokens || 4096,
+      stream,
+    };
+    if (system) body.system = system;
+    for (const key of ['temperature', 'top_p', 'stop_sequences']) if (options[key] !== undefined) body[key] = options[key];
+    if (Array.isArray(options.tools)) {
+      body.tools = options.tools.map(tool => ({
+        name: tool.function?.name,
+        description: tool.function?.description || '',
+        input_schema: tool.function?.parameters || { type: 'object', properties: {}, required: [] },
+      }));
+    }
+    if (options.tool_choice !== undefined) {
+      const choice = options.tool_choice;
+      body.tool_choice = choice === 'auto' ? { type: 'auto' } : choice === 'required' ? { type: 'any' } : choice?.function?.name ? { type: 'tool', name: choice.function.name } : undefined;
+    }
+    return body;
+  }
+
+  getHeaders() {
+    return {
+      'Content-Type': 'application/json',
+      'x-api-key': this.config.apiKey || '',
+      'anthropic-version': '2023-06-01',
+    };
+  }
+
+  getEndpoint() {
+    const base = (this.config.baseUrl || 'https://api.anthropic.com/v1').replace(/\/+$/, '');
+    return `${base}${/\/v1$/i.test(base) ? '' : '/v1'}/messages`;
+  }
+
+  transformSSEChunk(line: string) {
+    if (!line.startsWith('data:')) return null;
+    const raw = line.slice(5).trim();
+    if (!raw || raw === '[DONE]') return null;
+    let event;
+    try { event = JSON.parse(raw); } catch { return null; }
+    if (event.type === 'message_start') {
+      return { id: event.message?.id, model: event.message?.model, choices: [], usage: event.message?.usage };
+    }
+    if (event.type === 'content_block_start') {
+      const block = event.content_block || {};
+      if (block.type === 'tool_use') return { choices: [{ delta: { tool_calls: [{ index: event.index || 0, id: block.id, type: 'function', function: { name: block.name, arguments: '' } }] } }] };
+      return null;
+    }
+    if (event.type === 'content_block_delta') {
+      const delta = event.delta || {};
+      if (delta.type === 'text_delta' && delta.text) return { choices: [{ delta: { content: delta.text } }] };
+      if (delta.type === 'input_json_delta' && delta.partial_json) return { choices: [{ delta: { tool_calls: [{ index: event.index || 0, function: { arguments: delta.partial_json } }] } }] };
+      return null;
+    }
+    if (event.type === 'message_delta') {
+      const stop = event.delta?.stop_reason;
+      const finish = stop === 'tool_use' ? 'tool_calls' : (stop || 'stop');
+      return { choices: [{ delta: {}, finish_reason: finish }], usage: event.usage ? { completion_tokens: event.usage.output_tokens } : undefined };
+    }
+    return null;
+  }
+
+  transformResponse(data: JsonRecord) {
+    const content = (data.content || []).filter(x => x.type === 'text').map(x => x.text || '').join('');
+    return {
+      id: data.id,
+      object: 'chat.completion',
+      created: Math.floor(Date.now() / 1000),
+      model: data.model,
+      choices: [{ index: 0, message: { role: 'assistant', content }, finish_reason: data.stop_reason === 'tool_use' ? 'tool_calls' : 'stop' }],
+      usage: data.usage ? { prompt_tokens: data.usage.input_tokens, completion_tokens: data.usage.output_tokens, total_tokens: (data.usage.input_tokens || 0) + (data.usage.output_tokens || 0) } : undefined,
+    };
+  }
+}
+
+module.exports = AnthropicAdapter;

package/backend/adapters/base.ts

@@ -0,0 +1,47 @@
+// Base adapter interface for all LLM providers
+import type { AdapterConfig, ChatMessage, ChatRequestOptions, JsonRecord } from '../types';
+
+class BaseAdapter {
+  config: AdapterConfig;
+
+  constructor(config: AdapterConfig) {
+    this.config = config;
+  }
+
+  // Convert internal message format to provider-specific format
+  transformMessages(_messages: ChatMessage[]): any[] {
+    throw new Error('transformMessages must be implemented');
+  }
+
+  // Build request body for the provider
+  buildRequestBody(_model: string, _messages: ChatMessage[], _stream: boolean, _options: ChatRequestOptions = {}): JsonRecord {
+    throw new Error('buildRequestBody must be implemented');
+  }
+
+  // Get request headers
+  getHeaders() {
+    throw new Error('getHeaders must be implemented');
+  }
+
+  // Get API endpoint URL
+  getEndpoint() {
+    throw new Error('getEndpoint must be implemented');
+  }
+
+  // Transform SSE chunk to standard format
+  transformSSEChunk(_line: string): JsonRecord | null {
+    throw new Error('transformSSEChunk must be implemented');
+  }
+
+  // Transform non-streaming response to standard format
+  transformResponse(_data: JsonRecord): JsonRecord {
+    throw new Error('transformResponse must be implemented');
+  }
+
+  // Prepare before making request (e.g., get access token)
+  async prepare() {
+    // Optional: override if needed
+  }
+}
+
+module.exports = BaseAdapter;

package/backend/adapters/index.ts

@@ -0,0 +1,41 @@
+const OpenAIAdapter = require('./openai');
+const ZhipuAdapter = require('./zhipu');
+const MoonshotAdapter = require('./moonshot');
+const QwenAdapter = require('./qwen');
+const WenxinAdapter = require('./wenxin');
+const OllamaAdapter = require('./ollama');
+const LMStudioAdapter = require('./lmstudio');
+const AnthropicAdapter = require('./anthropic');
+
+const ADAPTER_MAP = {
+  'openai': OpenAIAdapter,
+  'zhipu': ZhipuAdapter,
+  'moonshot': MoonshotAdapter,
+  'kimi': MoonshotAdapter,
+  'qwen': QwenAdapter,
+  'wenxin': WenxinAdapter,
+  'ernie': WenxinAdapter,
+  'ollama': OllamaAdapter,
+  'lmstudio': LMStudioAdapter,
+  'anthropic': AnthropicAdapter
+};
+
+function createAdapter(provider) {
+  const adapterType = provider.apiType || 'openai';
+  const AdapterClass = ADAPTER_MAP[adapterType.toLowerCase()];
+
+  if (!AdapterClass) {
+    throw new Error(`Unknown adapter type: ${adapterType}`);
+  }
+
+  return new AdapterClass({
+    apiKey: provider.apiKey,
+    baseUrl: provider.baseUrl,
+    model: provider.model
+  });
+}
+
+module.exports = {
+  createAdapter,
+  ADAPTER_MAP
+};

package/backend/adapters/lmstudio.ts

@@ -0,0 +1,7 @@
+const OpenAICompatibleAdapter = require('./openai-compatible');
+
+class LMStudioAdapter extends OpenAICompatibleAdapter {
+  constructor(config) { super(config, { defaultBaseUrl: 'http://localhost:1234', auth: 'optional' }); }
+}
+
+module.exports = LMStudioAdapter;