@qwen-code/arena-agent 0.0.6 → 0.0.7-preview.0

package/.env.example

@@ -1,6 +1,6 @@
 # Model name. Provider prefixes are stripped for direct connections and kept
 # when LITELLM_PROXY_URL is configured.
-ARENA_MODEL=openai/qwen-latest-series-invite-beta-v92
+ARENA_MODEL=openai/gpt-4.1-mini
 # ARENA_MODEL=anthropic/claude-sonnet-4-20250514
 # ARENA_MODEL=gemini/gemini-2.5-pro
 
@@ -12,36 +12,29 @@ GEMINI_API_KEY=
 # LITELLM_PROXY_URL=http://127.0.0.1:4000/v1
 # LITELLM_API_KEY=
 
-# Direct OpenAI-compatible DashScope endpoint:
-ARENA_API_BASE=https://dashscope.aliyuncs.com/compatible-mode/v1
-ARENA_API_KEY=
+# Direct OpenAI-compatible endpoint, for example DashScope:
+# ARENA_MODEL=qwen3.7-max
+# Default model used by the reproduction scripts:
+# ARENA_API_MODEL=qwen-latest-series-invite-beta-v92
+# ARENA_API_BASE=https://dashscope.aliyuncs.com/compatible-mode/v1
+# ARENA_API_KEY=
 
-# Trace-compatible model settings.
-ARENA_MAX_TOKENS=131072
-ARENA_THINKING_BUDGET=81920
-ARENA_ENABLE_THINKING=true
-# Context is summarized before a model call when the estimated input reaches
-# this fraction of the configured model context window.
-ARENA_CONTEXT_WINDOW=1000000
-ARENA_CONTEXT_COMPACTION_RATIO=0.8
-ARENA_COMPACTION_SUMMARY_MAX_TOKENS=8192
+# Trace overrides.
+# ARENA_MAX_TOKENS=32768
+# ARENA_THINKING_BUDGET=81920
+# ARENA_ENABLE_THINKING=true
+# ARENA_MAX_STEPS=64
 # 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.
 # ARENA_MODEL_MAX_RETRIES=5
 # ARENA_MODEL_RETRY_BASE_MS=1000
 # ARENA_MODEL_RETRY_MAX_MS=30000
-# A stream that stays open but delivers no bytes for this long is aborted and
-# retried like a network fault (0 disables). Some gateways stall silently.
-# ARENA_MODEL_STREAM_IDLE_TIMEOUT_MS=300000
 
 # Daemon storage namespace. One deployed daemon should use one authenticated
 # tenant identity; sessions underneath it have independent workspaces.
 # ARENA_TENANT_ID=local
 # ARENA_SESSION_WORKSPACE_MODE=empty
-# Session state (histories, session metadata, daemon session workspaces)
-# defaults to ~/.arena so runs never write into the task workspace.
-# ARENA_HOME=~/.arena
 
 # Tool backends.
 DASHSCOPE_API_KEY=

package/README.md

@@ -41,8 +41,8 @@ export ARENA_MODEL=anthropic/claude-sonnet-4-20250514
 ```
 
 设置 `LITELLM_PROXY_URL` 时，模型名会原样发送给 LiteLLM。没有 Proxy 时，
-也支持直连：`openai/` 与 `gemini/` 前缀走各自的 OpenAI-compatibility 接口，
-`anthropic/` 前缀直接使用原生 Anthropic Messages 协议（`/v1/messages`）：
+也支持直连 OpenAI、Anthropic OpenAI-compatibility 与 Gemini
+OpenAI-compatibility 接口：
 
 ```bash
 # OpenAI
@@ -56,87 +56,26 @@ export ANTHROPIC_API_KEY=...
 # Gemini
 export ARENA_MODEL=gemini/gemini-2.5-pro
 export GEMINI_API_KEY=...
-
-# Anthropic 兼容网关（如 DashScope）
-export ARENA_MODEL=anthropic/qwen-latest-series-invite-beta-v92
-export ARENA_API_BASE=https://dashscope.aliyuncs.com/apps/anthropic/v1
-export ARENA_API_KEY=...
 ```
 
-Anthropic 直连默认只用 `x-api-key` 鉴权（同时携带 Authorization 会让部分
-兼容网关挂起）；若网关要求 Bearer token（如 DashScope 的
-claude-code-proxy），收到 401 后会自动切换鉴权方式并记住。流式连接保持
-打开但长时间无字节时（部分网关会静默停滞），按
-`ARENA_MODEL_STREAM_IDLE_TIMEOUT_MS`（默认 300000，设 0 关闭）中止并按
-网络故障重试。
-
-Anthropic 直连在原生协议上完整支持 extended thinking：
-`ARENA_ENABLE_THINKING` / `ARENA_THINKING_BUDGET` 映射为
-`thinking.budget_tokens`（Anthropic 要求启用 thinking 时不调整
-temperature，此时不发送该参数）。带签名的 thinking/redacted_thinking
-block 会原样保存在对应 assistant 消息的 `reasoning_details` 字段——
-Anthropic 要求 tool-use 续跑时回传签名 thinking block，重放历史时会按
-原顺序还原；无签名的 thinking block（部分网关返回 `signature: ""`）
-不参与重放，因为协议不需要它们，而且某些网关收到会挂起。
-`reasoning_content` 仍是纯文本推理，历史契约不变。向
-OpenAI-compatible 服务重放同一份历史时，`reasoning_details` 与 `usage`
-一样在 wire 边界剥离。usage 会映射为 OpenAI 风格字段（`prompt_tokens`
-含 cache 创建/读取部分），同时保留 `input_tokens`、
-`cache_read_input_tokens` 等原生字段。`ARENA_API_BASE` 对 anthropic
-前缀同样生效，可指向兼容 Messages 协议的网关。
-
 任何 OpenAI-compatible 服务都可通过 `ARENA_API_BASE`、`ARENA_API_KEY`
-直连。当前 DashScope 配置示例：
+直连。CLI、TUI 和服务端会读取工作区根目录的 `.env`，且不会覆盖进程中已经
+存在的环境变量。当前 DashScope 配置示例：
 
-```bash
-export ARENA_MODEL=openai/qwen-latest-series-invite-beta-v92
-export ARENA_API_BASE=https://dashscope.aliyuncs.com/compatible-mode/v1
-export ARENA_API_KEY=...
-export ARENA_ENABLE_THINKING=true
-export ARENA_THINKING_BUDGET=81920
-export ARENA_MAX_TOKENS=131072
-export ARENA_CONTEXT_WINDOW=1000000
-export ARENA_CONTEXT_COMPACTION_RATIO=0.8
-export ARENA_COMPACTION_SUMMARY_MAX_TOKENS=8192
+```dotenv
+ARENA_MODEL=qwen3.7-max
+ARENA_API_BASE=https://dashscope.aliyuncs.com/compatible-mode/v1
+ARENA_API_KEY=sk-...
 ```
 
-Harness 会在每次模型调用前估算消息、reasoning、工具 schema 和图片占用；达到
-`ARENA_CONTEXT_WINDOW × ARENA_CONTEXT_COMPACTION_RATIO`（默认 80%）时，调用
-当前模型把已完成的旧回合生成结构化续作摘要。旧前缀会被替换为与 Arena trace
-一致的 leading `<arena-system-message>`，当前用户回合及其后的 tool-call / result
-链保持原样。摘要重点保留目标、硬约束、发现、已完成/未完成事项、下一步和相关
-文件路径；摘要调用默认关闭 thinking，输出上限由
-`ARENA_COMPACTION_SUMMARY_MAX_TOKENS` 控制（默认 8192）。
-
-`ARENA_CONTEXT_WINDOW` 应设置为所用模型的真实上下文窗口；默认 `1000000` 是
-当前 trace 模型的暂定值。token 数目前是本地保守估算，并非 provider tokenizer
-的精确计数。如果摘要请求失败，Harness 会保留原历史并继续正常模型请求，避免
-摘要服务的瞬时故障直接中断任务。
-
-每次模型请求都会通过 OpenAI-compatible 的 `stream_options.include_usage`
-请求 token 用量，并把服务端在最终 chunk 上报的 `usage` 对象原样记录到该轮
-assistant 消息的 `usage` 字段（`history.json` 与事件流中均可见），供训练
-和成本统计使用。向模型重放历史时，`usage` 会在 wire 边界剥离，不会发回
-服务端。`model.complete` 事件同样携带该轮 `usage`；上下文压缩的摘要调用
-不会在历史中留下消息，其用量通过 `compaction` 事件上报，只在事件流中可
-见。不支持 `stream_options` 的服务可通过 `ARENA_EXTRA_BODY` 覆盖该参数。
+`DASHSCOPE_API_KEY` 单独供搜索、图片生成和语音工具使用，不会作为模型连接的
+密钥。
 
 模型请求遇到网络错误、HTTP 408/409/429 或 5xx 时会自动重试，默认最多重试
 5 次。没有 `Retry-After` 时使用带随机抖动的指数退避；可通过
 `ARENA_MODEL_MAX_RETRIES`、`ARENA_MODEL_RETRY_BASE_MS` 和
 `ARENA_MODEL_RETRY_MAX_MS` 调整。设 `ARENA_MODEL_MAX_RETRIES=0` 可关闭。
-
-流式响应**开始产出之后**发生的网络中断（如 socket 断开、连接重置、
-`fetch failed`／`terminated`）同样会整轮重试：请求本身是幂等的，会用相同的
-消息历史重新发起，累加器每次重试都会重置，因此写入 `history.json` 的是一次
-干净完整的 assistant 输出。重试沿用上面同一组配置，并在事件流中先发出一个
-`model.retry` 事件（TUI 会显示「reconnecting after a network error」提示）。
-用户主动取消（abort）不会被当作可重试的网络故障。
-
-Agent turn 没有 step 数或整轮墙钟时长上限，会持续执行到模型正常结束、
-请求用户输入、发生不可恢复错误，或用户主动取消。工具自身仍可定义单次调用
-的超时。每个完整的 assistant/tool step 都会原子保存到 `history.json`；
-进程被外部超时终止时，已完成步骤仍可恢复，最多丢失当时正在执行的一步。
+流式响应已经开始产出后发生的错误不会整轮重放。
 
 ## Headless
 
@@ -149,12 +88,9 @@ arena -p 'create a hello.html landing page' --output stream-json
 daemon 相同的目录层级和 JSON 格式：
 
 ```text
-~/.arena/tenants/<tenantId>/sessions/<sessionId>/history.json
+.arena/tenants/<tenantId>/sessions/<sessionId>/history.json
 ```
 
-session 状态统一存放在 `~/.arena`（可用 `ARENA_HOME` 覆盖），不写入
-workspace，因此不会污染任务工作区或被 diff 工作区的 verifier 观察到。
-
 输出事件及 JSON 结果中的 `session_id` 就是路径里的 `<sessionId>`。
 `history.json` 的格式为 `{"messages":[...]}`，即使结果为 `needs_input`
 或 `error` 也会保存。需要跨命令续写同一份显式历史时，可另外传入
@@ -170,53 +106,21 @@ arena -p '继续实现刚才的方案' --session-id my-session
 ```
 
 首次执行会创建对应的 `history.json`；后续执行会先加载已有消息，追加本轮
-消息，并在初始 user 消息及每个完整 assistant/tool step 后原子重写完整
-JSON 文件。`--session-id` 与 `--history-file` 不能同时使用。
-
-需要附带用户上传文件（尤其是参考图片）时，使用可重复的 `--attach`
-（别名 `--image`），值可以是本地路径或 http(s) URL：
-
-```bash
-arena -p 'redraw this photo with the reference face' \
-  --attach ./my_gf_reference.png \
-  --attach 'https://example.com/uploads/photo.jpg'
-```
-
-每个附件会被保存到工作区 `uploads/`（模型内可通过
-`/home/user/uploads/<name>` 访问；重名自动加 `-2`、`-3` 后缀，URL 无扩展名
-时按图片字节特征补全扩展名）。本轮 user message 与 daemon 附件上传共用同
-一构造逻辑，并使用与 Arena trace 相同的原生部件格式：图片部件
-`{"image": ...}` 在前，随后是 prompt 文本 `{"text": ...}`，最后追加一条
-`<arena-system-message>`，列出保存到 `/home/user/uploads/` 的文件名。单条
-消息最多 10 个附件，单个附件上限 20 MB、总量上限 50 MB，与 daemon 一致。
-
-多模态 user 消息（附件、图片 `read_file` 回灌、中断通知）在历史与事件流中
-一律使用 Arena 原生部件 `{"image": ...}` / `{"text": ...}`，与 baseline
-trace 逐字段同构；仅在向模型发起 chat-completions 请求的边界处转换为
-OpenAI 风格的 `image_url` 部件。`--attach` 传 URL 时 `image` 直接记录该
-URL（与 baseline 引用附件的方式一致，模型服务端会自行下载；重放历史要求
-该 URL 仍可访问）；本地文件没有可引用的 URL，`image` 存自包含的 base64
-data-URI。
+消息后再原子重写完整 JSON 文件。`--session-id` 与 `--history-file` 不能
+同时使用。
 
 `stream-json` 每行一个 JSON 对象。`start`、`message`、`result` 事件中的
 `messages` 与输入样例保持相同契约：
 
 - system/user：`role` + `content`；图片读取后会持久化一条 multimodal user
   message
-- assistant：`role` + `content` + `reasoning_content`，工具轮含 `tool_calls`；
-  服务端上报用量时含 `usage`
+- assistant：`role` + `content` + `reasoning_content`，工具轮含 `tool_calls`
 - tool：`role` + `tool_call_id` + JSON 字符串 `content`
 
 `assistant.delta` 实时提供 content、reasoning 与 tool-call 参数碎片；
-`model.start`、`model.complete`、`model.retry`、`tool.start`、`tool.complete`
-标记阶段。最后的 `result` 带完整可重放消息。
-
-`ask_user` 需要交互式前端（TUI/WebUI）来收集选项，因此 **headless（`-p`）与
-无会话的 `/query` 端点不会把 `ask_user` 提供给模型**——只有 TUI 和 WebUI
-交互会话（都注入了 ask-user handler）才会开放该工具。这样 headless 不会再
-卡在 `needs_input` 上阻塞训练 worker。作为兜底，若续写的历史或模型幻觉在无
-handler 的会话里仍调用了 `ask_user`，工具会返回一个 error 结果（提示模型用
-合理默认值继续），而不是 `needs_input`。
+`model.start`、`model.complete`、`tool.start`、`tool.complete` 标记阶段。
+最后的 `result` 带完整可重放消息。当 headless 模型调用 `ask_user` 时，
+输出 `input.required` 后以 `needs_input` 结束，不会阻塞训练 worker。
 
 图片 `read_file` 的 tool result 使用占位文本；真实图片作为紧随工具结果组的
 multimodal user message 注入并写入历史，因此后续重放不依赖原图片仍然存在。
@@ -231,12 +135,6 @@ arena tui
 arena tui --workspace . --model mock/ask-user --session-id my-session
 ```
 
-workspace 默认是启动命令时的当前目录（可用 `--workspace` 覆盖）。TUI 会把
-实际 workspace root 和 cwd 动态注入 system prompt 与工具 schema；因此本机
-运行时使用本机路径，部署进沙箱后会自然使用沙箱内的实际路径，不需要切换模式。
-TUI 没有内置文件 viewer，因此不会向模型提供 `present_file`；模型会直接报告
-生成文件的实际路径。
-
 assistant 的 reasoning、正文和工具调用状态会边生成边输出。每轮结束都会把
 完整消息原子写入与 headless、daemon 相同的 `history.json`；再次传入相同的
 `--session-id` 会恢复上下文。也可改用工作区内的显式
@@ -343,11 +241,10 @@ npm start
 reasoning、工具输入输出、交互问题及 workspace 文件。session ID 由服务端
 生成；打开页面或点击 New Chat 时只保留浏览器内的空白草稿，首次发送消息
 （包括带附件的消息）时才创建 session。每个 session 的凭证哈希、历史、
-workspace 和 artifacts 分别保存在（根目录 `~/.arena` 可用 `ARENA_HOME`
-覆盖）：
+workspace 和 artifacts 分别保存在：
 
 ```text
-~/.arena/tenants/<tenantId>/sessions/<sessionId>/
+.arena/tenants/<tenantId>/sessions/<sessionId>/
   session.json
   history.json
   workspace/
@@ -427,14 +324,10 @@ curl -N -X POST \
 
 ## 工具
 
-原始规范在源码仓库中逐字保存在：
-
-- `spec/message.json`
-- `spec/tools.json`
-
-构建时会将两份规范生成为 `dist` 内的 JS 数据模块；npm 包不包含原始
-`spec/` 目录，运行时也不依赖仓库文件。执行工具前仍使用 AJV 校验原始
-Draft-07 schema：
+工具规范逐字保存在 `spec/tools.json`，运行时加载并在执行前使用 AJV 校验
+原始 Draft-07 schema。system prompt 以占位符模板编译在 `src/prompts.ts`；
+逐字捕获样本 `spec/message.json` 与 `spec/message-repo.json` 只作为仓库内
+测试 fixture，包含真实会话数据，不随 npm 包发布。工具列表：
 
 `bash`、`ask_user`、`edit_file`、`read_file`、`fetch_page`、`web_search`、
 `write_file`、`image_search`、`present_file`、`generate_image`、
@@ -457,8 +350,8 @@ Draft-07 schema：
 
 可用 `ARENA_WEB_SEARCH_MODEL`、`ARENA_IMAGE_SEARCH_MODEL`、
 `ARENA_IMAGE_MODEL`、`ARENA_SPEECH_MODEL` 覆盖默认模型。图片生成结果和
-搜索到的图片会立即下载到工作区；每次图片搜索的结果位于
-`assets/image-search/<tool-call-id>/`，并作为可预览文件显示在 Web UI。
+搜索到的图片会立即下载到工作区；每次图片搜索的结果按生产命名保存为
+`image-search/<query slug>-<序号>.<扩展名>`，并作为可预览文件显示在 Web UI。
 语音生成目前按 DashScope HTTP API 支持 `.mp3`、`.wav` 和 `.opus` 输出。
 
 所有路径工具都限制在 `--workspace` 内并检查符号链接逃逸。`bash` 是本机

package/dist/agent.d.ts

@@ -1,33 +1,27 @@
 import type { ArenaConfig } from "./config.js";
 import { EventSink } from "./protocol.js";
-import { ToolExecutor } from "./tools.js";
-import type { AgentResult, ClientContext, Message, ModelClient, UserTurnMessage, WorkspaceContext } from "./types.js";
+import type { AgentResult, AskUserHandler, ClientContext, Message, ModelClient, RepoContext, UserTurnMessage } from "./types.js";
 interface AgentOptions {
     client?: ModelClient;
-    tools?: ToolExecutor;
+    askUserHandler?: AskUserHandler;
     sessionId?: string;
     signal?: AbortSignal;
     clientContext?: ClientContext;
-    workspaceContext?: WorkspaceContext;
-    onCheckpoint?: (messages: readonly Message[]) => Promise<void>;
 }
 interface AgentRunOptions {
     interrupted?: boolean;
     userMessage?: UserTurnMessage;
 }
+export declare function resolveRepoContext(workspace: string, history?: Message[]): RepoContext | undefined;
 export declare class Agent {
     private readonly config;
     private readonly sink;
     private readonly options;
     private readonly client;
-    private readonly tools;
     readonly sessionId: string;
     constructor(config: ArenaConfig, sink: EventSink, options?: AgentOptions);
     run(prompt: string, history?: Message[], runOptions?: AgentRunOptions): Promise<AgentResult>;
-    private checkpoint;
-    private maybeCompact;
     private assistantTurn;
-    private retryBackoff;
 }
 export declare function finalText(result: AgentResult): string;
 export {};