@qwen-code/arena-agent 0.0.10-dev.1 → 0.0.10-dev.10

package/.env.example

@@ -1,5 +1,4 @@
-# Model name. Provider prefixes are stripped for direct connections and kept
-# when LITELLM_PROXY_URL is configured.
+# Model name. Provider prefixes select the protocol and are stripped before sending.
 OPENAI_MODEL=openai/qwen-latest-series-invite-beta-v92
 # OPENAI_MODEL=anthropic/claude-sonnet-4-20250514
 # OPENAI_MODEL=gemini/gemini-2.5-pro
@@ -14,6 +13,9 @@ OPENAI_API_KEY=
 # ARENA_OPENAI_API=auto
 # ARENA_OPENAI_API=responses
 # ARENA_OPENAI_API=chat
+# Set false to omit reasoning encrypted_content and id from Responses input.
+# Other reasoning fields and the complete local history are preserved.
+# ARENA_RESPONSES_REPLAY_REASONING_STATE=true
 
 # Unified runtime mode. Canonical values are shown; full_stack/fullstack and
 # single_html/single-html remain accepted compatibility aliases.
@@ -21,16 +23,16 @@ ARENA_HARNESS_MODE=arena
 # ARENA_HARNESS_MODE=react
 # ARENA_HARNESS_MODE=html
 # ARENA_HARNESS_MODE=full-stack
+# All modes use incremental message events for headless stream-json.
+# Set full for consumers requiring a full messages snapshot on every event.
+# ARENA_STREAM_HISTORY=full
+# ARENA_CODE_STREAM_HISTORY remains a lower-priority compatibility alias.
 
 # Native provider fallbacks used when OPENAI_BASE_URL/API_KEY are unset.
 # ANTHROPIC_BASE_URL=https://api.anthropic.com/v1
 # ANTHROPIC_API_KEY=
 # GEMINI_API_KEY=
 
-# LiteLLM Proxy (takes precedence over OPENAI_BASE_URL).
-# LITELLM_PROXY_URL=http://127.0.0.1:4000/v1
-# LITELLM_API_KEY=
-
 # Direct OpenAI-compatible DashScope endpoint:
 # OPENAI_MODEL=qwen3.7-max
 # Default model used by the reproduction scripts:
@@ -44,6 +46,12 @@ ARENA_HARNESS_MODE=arena
 # OPENAI_BASE_URL=https://dashscope.aliyuncs.com/apps/anthropic/v1
 # OPENAI_API_KEY=
 
+# Headless checkpoint controls: export in the launcher environment, not this
+# workspace .env. Configuring a Hook automatically enables repetition detection.
+# ARENA_MIDTURN_CHECKPOINT_HOOK=/absolute/path/policy.mjs
+# HARBOR_REMOTE_COMMAND_BASE_URL=http://harbor-host:port
+# HARBOR_REMOTE_COMMAND_API_KEY=
+
 # Trace-compatible model settings.
 # ARENA_MAX_TURNS=500
 # Code Arena compatibility alias used only when ARENA_MAX_TURNS is unset:
@@ -51,6 +59,7 @@ ARENA_HARNESS_MODE=arena
 # ARENA_MAX_TOKENS=131072
 # ARENA_TEMPERATURE=1
 # OpenAI-compatible: reasoning_effort; native Anthropic: output_config.effort.
+# Allowed: low, medium, high, xhigh, max, ultra.
 # ARENA_REASONING_EFFORT=max
 # ARENA_TOOL_CHOICE=auto
 # JSON array of exact tool names hidden from the model and rejected if called.
@@ -62,11 +71,23 @@ ARENA_HARNESS_MODE=arena
 # prompt fixtures and Code Arena prompts are unchanged.
 # ARENA_EXCLUDE_QWEN_FROM_SYSTEM_PROMPT=false
 # CLI equivalent: --exclude-qwen-from-system-prompt
-# Context is summarized before a model call when the estimated input reaches
-# this fraction of the configured model context window.
+# Agent Arena compaction: rolling (default) or summary (historical full summary).
+# Code Arena always uses summary and ignores this setting.
+# ARENA_COMPACTION_MODE=rolling
+# Agent Arena: threshold is 250000 unless BOTH variables below have valid
+# values, in which case threshold = context window * ratio.
+# Code Arena keeps independent controls (default window 1000000, ratio 0.7).
+# Rolling counts use completed-request usage plus newer messages; summary
+# mode uses the historical local token estimate.
 # ARENA_CONTEXT_WINDOW=1000000
-# ARENA_CONTEXT_COMPACTION_RATIO=0.8
-# ARENA_COMPACTION_SUMMARY_MAX_TOKENS=8192
+# ARENA_CONTEXT_COMPACTION_RATIO=0.25
+# Restore Agent Arena background memory: unset defaults to --single-step only.
+# CLI overrides: --restore-session-memory / --no-restore-session-memory.
+# ARENA_RESTORE_SESSION_MEMORY=true
+# Provisional Agent Arena background-memory budget for newly archivable content.
+# ARENA_MEMORY_UPDATE_TOKENS=24000
+# Default: rolling memory 131072; summary mode and Code Arena 8192.
+# ARENA_COMPACTION_SUMMARY_MAX_TOKENS=131072
 # ARENA_EXTRA_BODY={"enable_thinking":true}
 # Transient model failures use full-jitter exponential backoff. The retry delay
 # is capped by ARENA_MODEL_RETRY_MAX_MS and honors Retry-After when present.
@@ -80,6 +101,11 @@ ARENA_HARNESS_MODE=arena
 # false, the optional fallback model converts Arena read_file images to text.
 # ARENA_MODEL_SUPPORTS_IMAGE_INPUT=false
 # ARENA_IMAGE_INPUT_FALLBACK_MODEL=qwen3.7-plus
+# Optional independent fallback endpoint. Supported protocols are
+# openai-chat-completions, openai-responses, and anthropic-messages.
+# ARENA_IMAGE_INPUT_FALLBACK_BASE_URL=https://generativelanguage.googleapis.com/v1beta/openai
+# ARENA_IMAGE_INPUT_FALLBACK_API_KEY=your-fallback-api-key
+# ARENA_IMAGE_INPUT_FALLBACK_PROTOCOL=openai-chat-completions
 # Inline image budget before downscaling: max pixels per edge and max 28x28
 # patches. Images within both limits are sent unchanged; larger ones are
 # downscaled to fit and re-encoded as JPEG. Defaults match the captured
@@ -128,12 +154,15 @@ ROUTIFY_API_KEY=
 # CODE_HARNESS_WEB_SEARCH_MODEL=brave.llm-context
 # Optional fetch_page/web_fetch path: Firecrawl first, then Jina Reader.
 # CODE_HARNESS_ROUTIFY_WEB_FETCH_ENABLED=false
-# ARENA_IMAGE_MODEL=gemini-2.5-flash-image
+# Code Arena web_fetch content cap (UTF-8 bytes, including truncation notice).
+# Applies to local and Routify readers in all formats; must be a positive integer.
+# CODE_HARNESS_WEB_FETCH_MAX_BYTES=40000
+# ARENA_IMAGE_MODEL=gemini-3.1-flash-image
 # ARENA_IMAGE_SIZE=1024*1024
-# CODE_HARNESS_IMAGE_MODEL=gemini-2.5-flash-image
+# CODE_HARNESS_IMAGE_MODEL=gemini-3.1-flash-image
 # CODE_HARNESS_IMAGE_SIZE=1024*1024
-# ARENA_SPEECH_MODEL=doubao-tts
-# ARENA_SPEECH_VOICE=zh_female_vv_uranus_bigtts
+# ARENA_SPEECH_MODEL=gemini-3.1-flash-tts-preview
+# ARENA_SPEECH_VOICE=Kore
 
 # start_process automatically checks E2B preview hosts when E2B_SANDBOX_ID is
 # present. For another preview proxy, use {port} and optionally {sandboxId}:
@@ -145,6 +174,20 @@ ROUTIFY_API_KEY=
 # CODE_HARNESS_MEDIA_CACHE_DIR=/tmp/code-harness-media-cache
 # CODE_HARNESS_MEDIA_CACHE_TTL_MS=86400000
 
+# Advertise apply_patch to the model. Off by default: the tool stays out of
+# the tool list but the executor still accepts calls to it.
+# CODE_HARNESS_APPLY_PATCH_TOOL=false
+
+# Replay-time canned tool responses: a JSON file of
+# {"entries": [{tool, arguments, output}, ...]}; matching calls return the
+# recorded output verbatim, others fall through to real execution.
+# Only nondeterministic network/media tools are replayable (web_search,
+# web_fetch, fetch_page, fetch_media, image_search, generate_image,
+# generate_speech); recorded entries for other tools are ignored with a
+# diagnostic, and every miss is logged on stderr with an exit-time hit-rate
+# summary.
+# CODE_HARNESS_REPLAY_RESPONSES=
+
 # Full Stack build_and_start runtime. PostgreSQL and psql are environment
 # prerequisites, matching the captured sandbox baseline.
 # CODE_HARNESS_PREVIEW_PORT=3000

package/CHANGELOG.md

@@ -0,0 +1,228 @@
+# Changelog
+
+记录影响 CLI 使用的功能、修复、配置和兼容性变化，四种运行模式和各分发包共用版本号。
+每个版本按影响范围分为 **Agent Arena**、**Code Arena**（React、HTML、Full Stack）
+和**通用**；共同的模型连接、CLI 和历史记录变化只记在通用部分，无变更的分类省略。
+从 `0.0.10-dev.0` 开始补录，历史条目按相邻 Git 标签之间的提交整理；日期采用
+标签对应发布提交的日期。最新标签之后的变更放在 `Unreleased`，不计入已发布版本。
+
+每次发布（包括 dev 预发布）前，将本次变更整理到与 `package.json` 版本一致的
+`## [版本号] - YYYY-MM-DD` 条目，并保留顶部 `Unreleased` 供后续记录。
+发布步骤见[发版流程](docs/MODES_AND_RELEASES.md#发布节奏)。
+
+## [Unreleased]
+
+## [0.0.10-dev.10] - 2026-10-07
+
+### Agent Arena
+
+- 新增 `ARENA_COMPACTION_MODE=summary`，可切换回摘要式压缩，默认仍为 `rolling`。
+- 后台记忆写入 `history.json`，`--single-step` 默认恢复，普通续跑可用 `--restore-session-memory` 或 `ARENA_RESTORE_SESSION_MEMORY=true` 开启。
+- `ARENA_CONTEXT_WINDOW` 与 `ARENA_CONTEXT_COMPACTION_RATIO` 同时配置有效值时按乘积压缩，否则阈值固定为 250k。
+- 修复记忆中美元符号导致的提示词失真，补充更新失败与取消状态，并在任务结束和暂停时收束后台请求。
+
+### Code Arena
+
+- Full Stack 与 HTML 提示词对齐已核验的历史请求。
+
+### 通用
+
+- 新增 `ARENA_RESPONSES_REPLAY_REASONING_STATE=false`，可关闭 Responses 历史加密推理状态的回传。
+- 四种模式统一降低 headless `stream-json` 长轨迹的日志量与接收端内存占用；依赖每条事件完整历史的消费者可用 `ARENA_STREAM_HISTORY=full` 恢复旧输出，兼容旧变量 `ARENA_CODE_STREAM_HISTORY`。
+
+## [0.0.10-dev.9] - 2026-09-30
+
+### Agent Arena
+
+- 修正上下文 token 重复估算，记忆更新支持 `ARENA_REASONING_EFFORT`。
+- 修复工具参数 JSON 非法时后续请求报 400、无法继续纠错的问题。
+- 对齐空参数、搜索深度、URL 和重复选项 ID 的校验错误，修复旧会话续跑和 Responses 流中断后的恢复。
+
+### Code Arena
+
+- React 默认步数上限提高到 75，并改用 `bash` 安装依赖和构建。
+- 视觉模型可通过 `read_file` 查看 10 MiB 以内的 PNG/JPEG 图片，并对齐文件读取描述与 MIME。
+- 对齐工具参数校验和隐藏计划工具，修复 Full Stack 模板与依赖锁保留。
+
+### 通用
+
+- Headless Hook 支持重复输出检测，可选择继续、快照后继续或快照退出。
+- 新增 `--single-step`，执行一轮后保存退出，可用 `--continue` 续跑。
+- 修复续跑时历史模型覆盖当前模型配置、历史中途修正未及时保存的问题。
+
+## [0.0.10-dev.8] - 2026-09-20
+
+### Agent Arena
+
+- 所有模型的 rolling compaction 改为在上下文达到固定 250,000 tokens 时触发；
+  优先使用主模型返回的 input usage，并本地估算其后增量。保留
+  `ARENA_CONTEXT_COMPACTION_RATIO` 供 Code Arena 及后续策略使用。
+
+### Code Arena
+
+- 上下文摘要式压缩的默认触发比例从 80% 调整为 70%；显式设置
+  `ARENA_CONTEXT_COMPACTION_RATIO` 时仍使用配置值。
+- `grep` 返回的匹配行及前后文每行最多保留 2,000 个字符，避免超长单行
+  占用过多上下文。
+
+### 通用
+
+- Headless CLI 支持通过 `ARENA_MIDTURN_CHECKPOINT_HOOK` 加载 JavaScript Hook，
+  在工具调用名称或参数校验命中规则时先持久化当前 history，再请求 Harbor
+  Snapshot；Snapshot 完成后再将触发 Hook 的 assistant message 写入 history，
+  并继续执行本轮。Harbor 连接使用 `HARBOR_REMOTE_COMMAND_BASE_URL` 和
+  `HARBOR_REMOTE_COMMAND_API_KEY`，Snapshot 请求会携带触发 Hook 的 event。
+  新增 `arena --continue --session-id <id>`，可从未完成的 user/tool 边界继续
+  当前 turn，且不会追加新的 user message。
+- 修复 Node.js 26 内置 fetch 与 npm `undici` dispatcher 不兼容导致模型请求持续
+  报 `UND_ERR_INVALID_ARG` 的问题。
+
+## [0.0.10-dev.7] - 2026-09-12
+
+### Code Arena
+
+- `fetch_media` 修正 Pexels 图片推荐尺寸与缩略图选择；视频优先选择高分辨率 MP4，
+  补齐 `videoFile` 元数据及视频封面，运行错误保留历史错误前缀。
+- 默认 Agent、命令行和交互终端直接发送对应模式的历史提示词，不再自动追加本地
+  工作区说明；SDK 显式传入 `workspaceContext` 时仍可附加说明。
+- React 文件编辑保留原换行，重复匹配时替换首处；找不到原文时返回错误。
+  `apply_patch` 在写入前拒绝同一补丁内重复操作同一路径。
+- React 修正文件列表的根目录别名及 500 条上限、子目录 glob 匹配和 grep 上下文
+  分组；大文本读取采用约 40 KB 的头尾截断。
+- React 安装依赖时拒绝版本范围，保留依赖锁文件，并修正非法包名和生图额度
+  耗尽时的错误返回。
+- 三种 Code Arena 模式的 `web_fetch` 正文默认限制为 40,000 UTF-8 字节，支持
+  `CODE_HARNESS_WEB_FETCH_MAX_BYTES` 配置；修复 Routify 的 text/html 格式读取。
+- Full Stack 的 `bash` 省略 `workdir` 时默认在项目根目录执行；非法工作目录
+  返回历史对应的详细错误，公开工具 schema 保持不变。
+
+### 通用
+
+- 支持 `CODE_HARNESS_REPLAY_RESPONSES` 按工具名和参数回放已录制的网络／媒体返回，
+  未命中时执行真实工具；本地文件和进程工具始终真实执行。
+- 移除 LiteLLM 专用路由及 `LITELLM_PROXY_URL`、`LITELLM_API_KEY` 配置。
+  模型连接统一使用 `OPENAI_BASE_URL` / `OPENAI_API_KEY`（兼容
+  `ARENA_API_BASE` / `ARENA_API_KEY`），通过 Chat Completions、Responses 或
+  Anthropic Messages 协议调用。使用旧 LiteLLM 环境变量的部署需迁移连接配置。
+- Chat Completions 按配置传递 thinking 参数，不再因端点 URL 过滤这些参数，
+  保留 reasoning effort 与 thinking budget 的优先级。
+
+## [0.0.10-dev.6] - 2026-09-10
+
+### Agent Arena
+
+- 新增 Gemini TTS，默认语音模型改为 `gemini-3.1-flash-tts-preview`；支持 WAV、
+  MP3 和 Ogg Opus。npm 包携带音频编码器，SEA 二进制内嵌编码器，运行时无需下载
+  或安装系统 ffmpeg；设置 `ARENA_SPEECH_MODEL=doubao-tts` 可继续使用豆包。
+- 上下文压缩采用官方 dump 形式的 `role: "compaction"` 历史记录，保留全部原始
+  消息；续跑从最后一条有效压缩记录恢复上下文。后台记忆更新只保存在内存中，
+  不再单独持久化 `session_memory`。
+- 限制 bash 输出缓冲区，避免长输出触发字符串大小溢出。
+
+### Code Arena
+
+- Full Stack 默认模型 step 上限提高到 75。
+
+### 通用
+
+- 支持 `ARENA_REASONING_EFFORT=ultra`，通过所选模型协议传递该推理档位。
+- 默认图片生成模型由 `gemini-2.5-flash-image` 改为 `gemini-3.1-flash-image`。
+- 本地图片附件和 Web 上传图片只加入附件清单，由模型按需调用 `read_file` 查看；
+  网络图片仍可直接作为多模态输入。
+- 运行时生成的开头 system prompt 不再写入历史、增量日志或返回的 messages。
+  新会话及续跑均根据当前工作区和 Git 状态重新生成；兼容读取旧版带 system 前缀
+  的历史，也支持直接续跑以 user 消息开头的官方历史。
+
+## [0.0.10-dev.5] - 2026-09-09
+
+### Agent Arena
+
+- Agent Arena 引入按章节增量更新的 session memory，在后台更新记忆，达到上下文
+  阈值时才回注；失败保留原上下文。默认新增对话更新阈值为 24,000 tokens，记忆
+  输出上限为 131,072 tokens；Code Arena 继续使用原有完整摘要流程。
+- 对齐 Agent Arena 文件分页的偏移、空白和 CRLF、沙箱文件创建行为，以及进程
+  日志尾部的空行。bash 和进程工具使用历史对应的 C locale。
+- 修复图片搜索结果的来源页面 URL、下载回退和历史选择结果；媒体工具保留工作区
+  绝对路径。
+- 网页搜索按深度返回 3 / 5 / 10 条结果，修复最高深度只返回 8 条的限制。
+- 对齐仓库提示词变量、工作区快照和已关闭仓库会话的续跑处理。
+
+### Code Arena
+
+- Code Arena 支持执行 `apply_patch`，包含新增、修改及删除文件；默认不向模型
+  展示，设置 `CODE_HARNESS_APPLY_PATCH_TOOL=true` 后加入工具列表。
+- Code Arena 文件编辑原样保留替换文本，容忍缩进差异；重复提交且替换
+  内容已存在的编辑返回成功。`glob_files` 未传路径时使用工作区根目录；
+  `apply_patch` 的 Add File 内容不额外追加换行。
+
+## [0.0.10-dev.4] - 2026-09-03
+
+### Agent Arena
+
+- 对齐 Agent Arena 大文本读取的整行首尾截断，以及 bash 与文件工具对真实路径、
+  `/tmp`、`/var/tmp` 的处理。
+
+### Code Arena
+
+- 对齐 Code Arena 文件编辑匹配、文件读取与列表默认值、glob/grep 的返回及错误
+  行为，并修复 Full Stack grep 的上下文分组。
+
+## [0.0.10-dev.3] - 2026-09-02
+
+### Code Arena
+
+- React 初始模板更新 React、Vite 和 Node 类型依赖。
+
+### 通用
+
+- CLI 支持 `--file <path>` 读取 UTF-8 提示词文件，与 `-p` / `--prompt` 互斥，
+  方便传入超过命令行参数长度限制的提示词；两个命令入口和单文件二进制均可使用。
+
+## [0.0.10-dev.2] - 2026-08-31
+
+### Agent Arena
+
+- 图片理解 fallback 可独立配置 base URL、API key 和协议，支持 Chat Completions、
+  Responses 及 Anthropic Messages；仅配置 fallback model 时仍继承主模型连接。
+
+### 通用
+
+- Anthropic 流式工具调用收到空 delta 时保留已有 input，避免参数被清空。
+
+## [0.0.10-dev.1] - 2026-08-28
+
+### Agent Arena
+
+- 对齐 Arena v2 工具参数校验、运行时错误和进程工具返回格式。
+
+### 通用
+
+- headless 和 daemon 改为逐步追加 `history.json.journal.jsonl`，回合结束后再生成
+  `history.json`；异常退出可恢复已完成步骤。TUI 快照按消息流式序列化，避免长
+  历史构造超大 JSON 字符串；SSE 缓存同时限制条数和字节量。
+
+## [0.0.10-dev.0] - 2026-08-28
+
+### Agent Arena
+
+- 更新 Agent Arena v2 提示词和工具定义，工具从 11 个扩展为 15 个。
+  新增 `start_process`、`get_process_output`、`stop_process` 管理跨调用后台
+  进程，支持等待日志、端口或退出状态，并将进程日志写入 `.arena/processes/`。
+- 新增 `add_voice` 音色注册及试听选择，`generate_speech` 使用稳定的 `voice_id`；
+  无交互的 headless 模式可注册默认虚拟音色。
+- headless 和 TUI 开放 `present_file` 工具，校验生成文件并返回工具结果。
+- `bash` 用于一次性命令，区分超时与信号终止，并清理遗留后台进程；需要持续运行
+  的任务改用进程工具。预览端口支持 E2B Host 探测及按需返回告警。
+
+[Unreleased]: https://gitlab.alibaba-inc.com/know-how/arena-harness/-/compare/v0.0.10-dev.10...master
+[0.0.10-dev.10]: https://gitlab.alibaba-inc.com/know-how/arena-harness/-/compare/v0.0.10-dev.9...v0.0.10-dev.10
+[0.0.10-dev.9]: https://gitlab.alibaba-inc.com/know-how/arena-harness/-/compare/v0.0.10-dev.8...v0.0.10-dev.9
+[0.0.10-dev.8]: https://gitlab.alibaba-inc.com/know-how/arena-harness/-/compare/v0.0.10-dev.7...v0.0.10-dev.8
+[0.0.10-dev.7]: https://gitlab.alibaba-inc.com/know-how/arena-harness/-/compare/v0.0.10-dev.6...v0.0.10-dev.7
+[0.0.10-dev.6]: https://gitlab.alibaba-inc.com/know-how/arena-harness/-/compare/v0.0.10-dev.5...v0.0.10-dev.6
+[0.0.10-dev.5]: https://gitlab.alibaba-inc.com/know-how/arena-harness/-/compare/v0.0.10-dev.4...v0.0.10-dev.5
+[0.0.10-dev.4]: https://gitlab.alibaba-inc.com/know-how/arena-harness/-/compare/v0.0.10-dev.3...v0.0.10-dev.4
+[0.0.10-dev.3]: https://gitlab.alibaba-inc.com/know-how/arena-harness/-/compare/v0.0.10-dev.2...v0.0.10-dev.3
+[0.0.10-dev.2]: https://gitlab.alibaba-inc.com/know-how/arena-harness/-/compare/v0.0.10-dev.1...v0.0.10-dev.2
+[0.0.10-dev.1]: https://gitlab.alibaba-inc.com/know-how/arena-harness/-/compare/v0.0.10-dev.0...v0.0.10-dev.1
+[0.0.10-dev.0]: https://gitlab.alibaba-inc.com/know-how/arena-harness/-/compare/v0.0.9-dev.34...v0.0.10-dev.0