opc-agent 4.0.0 → 4.0.1

package/README.zh-CN.md

@@ -24,6 +24,22 @@ OPC Agent 是一个 **TypeScript 优先的开放智能体框架**，由 [跃盟
 
 ## ⚡ 快速开始（30 秒上手）
 
+### 一键安装（推荐）
+
+**macOS / Linux:**
+```bash
+curl -fsSL https://raw.githubusercontent.com/Deepleaper/opc-agent/main/install.sh | bash
+```
+
+**Windows (PowerShell):**
+```powershell
+irm https://raw.githubusercontent.com/Deepleaper/opc-agent/main/install.ps1 | iex
+```
+
+> 自动安装 Node.js + OPC Agent + Ollama（可选），全程有引导提示。
+
+### 手动安装
+
 ```bash
 # 1. 安装 CLI
 npm install -g opc-agent
@@ -386,6 +402,72 @@ spec:
           maxLatencyMs: 5000
 ```
 
+## 🔍 与其他 Agent 框架的差异
+
+OPC Agent 的核心设计哲学是**记忆进化 + 全渠道 + 工位模板 + 生产工具链四件套**。与大多数 Agent 框架关注"如何编排多个 Agent 对话"不同，OPC 更关注的是：一个 Agent 如何在真实生产环境中**持续进化、随处触达、开箱即用**。这决定了我们在架构选择上的一系列差异。
+
+#### vs Hermes Agent
+
+**设计思路差异**：Hermes 是 Python 单体框架，围绕 Nous Research 的模型生态构建，强调自学习进化和 RL 训练。OPC 是 TypeScript 模块化四件套（Brain / Agent / Channel / CLI），强调工程化和开箱即用。
+
+**OPC 的优势**：记忆进化三件套（learn → recall → evolve 自动聚类提炼）、三层 Brain Seed 预置知识体系、25 个内置渠道（vs Hermes 16+）、100+ 工位模板、原生 A2A + AG-UI 协议支持、OpenAI 兼容 API Server。
+
+**Hermes 的优势**：Python 生态更成熟、GRPO + LoRA 的 RL 训练管线更完善、Nous Research 社区生态更大、Docker 沙箱隔离方案更成熟。
+
+**适合谁**：如果你需要 Python 生态和 RL 训练能力，选 Hermes；如果你需要 TypeScript 全栈、记忆进化、全渠道触达和生产工具链，选 OPC。
+
+#### vs OpenClaw
+
+**设计思路差异**：OpenClaw 是重量级 runtime + 配置驱动，提供完整的 Gateway 运行时环境，适合"安装一次、配置运行"的场景。OPC 是轻量 CLI + 代码优先，四件套可独立使用，适合开发者自由组合。
+
+**OPC 的优势**：模块化四件套可按需引入、100+ 工位模板、记忆进化系统、25 个内置渠道、`opc init/dev/test/deploy` 全生命周期 CLI、A2A/AG-UI 协议支持。
+
+**OpenClaw 的优势**：开箱即用的 runtime 体验、Puppeteer 浏览器自动化、成熟的权限和安全沙箱、配置驱动上手门槛低。
+
+**适合谁**：如果你偏好"配置即运行"的一体化方案，选 OpenClaw；如果你偏好代码优先、模块自由组合、需要记忆进化和工位体系，选 OPC。
+
+#### vs CrewAI
+
+**设计思路差异**：CrewAI 采用 Crew 编排模式——定义 Agent 角色、分配 Task、按流程执行。OPC 采用工位（Seat）+ 大脑（Brain）模式——每个 Agent 有独立记忆和工位模板，通过 Brain 实现知识积累和进化。
+
+**OPC 的优势**：记忆进化（不只是短期/长期记忆，而是自动聚类提炼）、Brain Seed 预置知识、25 个内置渠道（CrewAI 需自行接入）、100+ 工位模板、TypeScript 原生。
+
+**CrewAI 的优势**：Crew + Flow 编排模式直观易懂、Python 生态、100K+ 用户的成熟社区、Enterprise 版本功能丰富。
+
+**适合谁**：如果你需要多 Agent 任务编排且偏好 Python，选 CrewAI；如果你需要单 Agent 深度进化、全渠道部署、TypeScript 生态，选 OPC。
+
+#### vs AutoGen
+
+**设计思路差异**：AutoGen 是微软主导的对话驱动多 Agent 框架，核心是 Agent 之间的对话协作和 UserProxy 人机交互。OPC 是任务驱动的工位模式，强调单 Agent 的记忆进化和生产部署能力。
+
+**OPC 的优势**：记忆进化系统、Brain Seed、25 个内置渠道、100+ 工位模板、全生命周期 CLI、YAML 声明式配置。
+
+**AutoGen 的优势**：微软生态支持、分布式 Agent 能力、AutoGen Studio 可视化、UserProxy 人机交互模式成熟、Python/C# 双语言支持、社区活跃。
+
+**适合谁**：如果你需要多 Agent 对话协作和微软生态集成，选 AutoGen；如果你需要记忆进化、全渠道触达、工位模板和 TypeScript 工具链，选 OPC。
+
+#### 功能速查表
+
+| 功能 | OPC Agent | Hermes Agent | OpenClaw | CrewAI | AutoGen |
+|---|:-:|:-:|:-:|:-:|:-:|
+| **语言** | TypeScript | Python | TypeScript | Python | Python/C# |
+| **记忆进化 (evolve)** | ✅ | 🔶 | ❌ | ❌ | ❌ |
+| **Brain Seed 预置知识** | ✅ 三层 | ❌ | ❌ | ❌ | ❌ |
+| **内置渠道** | 25 | 16+ | 2 | ❌ | ❌ |
+| **工位模板** | 100+ | ❌ | ❌ | ❌ | ❌ |
+| **CLI 全生命周期** | ✅ 20+ 命令 | 🔶 | 🔶 | 🔶 | 🔶 |
+| **A2A + AG-UI** | ✅ | 🔶 / ❌ | ❌ | ❌ | ❌ |
+| **多 Agent 协作** | ✅ | ✅ | 🔶 | ✅ | ✅ |
+| **RL 训练** | ✅ 反馈优化 | ✅ GRPO+LoRA | ❌ | ❌ | ❌ |
+| **浏览器自动化** | ✅ | ✅ | ✅ | ❌ | ❌ |
+| **可视化** | ✅ OPC Studio | ✅ Dashboard | ❌ | 🔶 | ✅ Studio |
+| **社区成熟度** | 🚧 早期 | ✅ 活跃 | 🚧 小众 | ✅ 大规模 | ✅ 大规模 |
+| **许可证** | Apache-2.0 | MIT | MIT | Apache-2.0 | MIT |
+
+> 对比基于各项目公开文档（截至 2026 年 4 月）。各框架都在快速迭代，如有偏差欢迎 [Issue 指正](https://github.com/Deepleaper/opc-agent/issues)。
+
+---
+
 ## 🤝 贡献指南
 
 欢迎所有形式的贡献！

package/dist/cli/chat.d.ts

@@ -0,0 +1,2 @@
+export declare function runChat(): Promise<void>;
+//# sourceMappingURL=chat.d.ts.map

package/dist/cli/chat.js

@@ -0,0 +1,134 @@
+"use strict";
+var __createBinding = (this && this.__createBinding) || (Object.create ? (function(o, m, k, k2) {
+    if (k2 === undefined) k2 = k;
+    var desc = Object.getOwnPropertyDescriptor(m, k);
+    if (!desc || ("get" in desc ? !m.__esModule : desc.writable || desc.configurable)) {
+      desc = { enumerable: true, get: function() { return m[k]; } };
+    }
+    Object.defineProperty(o, k2, desc);
+}) : (function(o, m, k, k2) {
+    if (k2 === undefined) k2 = k;
+    o[k2] = m[k];
+}));
+var __setModuleDefault = (this && this.__setModuleDefault) || (Object.create ? (function(o, v) {
+    Object.defineProperty(o, "default", { enumerable: true, value: v });
+}) : function(o, v) {
+    o["default"] = v;
+});
+var __importStar = (this && this.__importStar) || (function () {
+    var ownKeys = function(o) {
+        ownKeys = Object.getOwnPropertyNames || function (o) {
+            var ar = [];
+            for (var k in o) if (Object.prototype.hasOwnProperty.call(o, k)) ar[ar.length] = k;
+            return ar;
+        };
+        return ownKeys(o);
+    };
+    return function (mod) {
+        if (mod && mod.__esModule) return mod;
+        var result = {};
+        if (mod != null) for (var k = ownKeys(mod), i = 0; i < k.length; i++) if (k[i] !== "default") __createBinding(result, mod, k[i]);
+        __setModuleDefault(result, mod);
+        return result;
+    };
+})();
+Object.defineProperty(exports, "__esModule", { value: true });
+exports.runChat = runChat;
+const readline = __importStar(require("readline"));
+const fs = __importStar(require("fs"));
+const path = __importStar(require("path"));
+const os = __importStar(require("os"));
+const providers_1 = require("../providers");
+const OPC_HOME = path.join(os.homedir(), '.opc');
+const CONFIG_PATH = path.join(OPC_HOME, 'config.json');
+const c = {
+    green: (s) => `\x1b[32m${s}\x1b[0m`,
+    red: (s) => `\x1b[31m${s}\x1b[0m`,
+    cyan: (s) => `\x1b[36m${s}\x1b[0m`,
+    bold: (s) => `\x1b[1m${s}\x1b[0m`,
+    dim: (s) => `\x1b[2m${s}\x1b[0m`,
+};
+function loadConfig() {
+    if (!fs.existsSync(CONFIG_PATH))
+        return {};
+    try {
+        return JSON.parse(fs.readFileSync(CONFIG_PATH, 'utf-8'));
+    }
+    catch {
+        return {};
+    }
+}
+async function runChat() {
+    const config = loadConfig();
+    if (!config.provider || !config.model) {
+        console.log(`${c.red('✘')} 未找到配置。请先运行 ${c.cyan('opc setup')} 完成初始设置。`);
+        process.exit(1);
+    }
+    const agentId = config.defaultAgent;
+    let agentConfig = {};
+    if (agentId) {
+        const agentPath = path.join(OPC_HOME, 'agents', agentId, 'config.json');
+        if (fs.existsSync(agentPath)) {
+            try {
+                agentConfig = JSON.parse(fs.readFileSync(agentPath, 'utf-8'));
+            }
+            catch { /* ignore */ }
+        }
+    }
+    const agentName = agentConfig.name || 'AI 助手';
+    const systemPrompt = agentConfig.description
+        ? `你是「${agentName}」，${agentConfig.description}。请用简洁友好的方式回答。`
+        : `你是「${agentName}」，一个智能 AI 助手。请用简洁友好的方式回答。`;
+    console.log('');
+    console.log(c.bold(`💬 与「${agentName}」对话`));
+    console.log(c.dim('   输入 /quit 退出'));
+    console.log('');
+    let provider;
+    try {
+        provider = (0, providers_1.createProvider)({
+            provider: config.provider,
+            model: config.model,
+            apiKey: config.apiKey,
+            baseUrl: config.baseUrl,
+        });
+    }
+    catch (err) {
+        console.log(`${c.red('✘')} 无法初始化模型: ${err.message}`);
+        console.log(c.dim(`  Provider: ${config.provider}, Model: ${config.model}`));
+        process.exit(1);
+    }
+    const messages = [
+        { role: 'system', content: systemPrompt },
+    ];
+    const rl = readline.createInterface({ input: process.stdin, output: process.stdout });
+    const askQuestion = () => {
+        rl.question(c.cyan('你: '), async (input) => {
+            const trimmed = input.trim();
+            if (!trimmed) {
+                askQuestion();
+                return;
+            }
+            if (trimmed === '/quit' || trimmed === '/exit' || trimmed === '/q') {
+                console.log(c.dim('\n👋 再见！'));
+                rl.close();
+                return;
+            }
+            messages.push({ role: 'user', content: trimmed });
+            try {
+                process.stdout.write(c.green(`${agentName}: `));
+                const response = await provider.chat(messages);
+                const reply = typeof response === 'string' ? response : response?.content || response?.message?.content || JSON.stringify(response);
+                console.log(reply);
+                console.log('');
+                messages.push({ role: 'assistant', content: reply });
+            }
+            catch (err) {
+                console.log(c.red(`\n  错误: ${err.message}`));
+                console.log('');
+            }
+            askQuestion();
+        });
+    };
+    askQuestion();
+}
+//# sourceMappingURL=chat.js.map

package/dist/cli/setup.d.ts

@@ -0,0 +1,4 @@
+import * as readline from 'readline';
+export declare function createRL(input?: NodeJS.ReadableStream, output?: NodeJS.WritableStream): readline.Interface;
+export declare function runSetup(input?: NodeJS.ReadableStream, output?: NodeJS.WritableStream): Promise<void>;
+//# sourceMappingURL=setup.d.ts.map

package/dist/cli/setup.js

@@ -0,0 +1,303 @@
+"use strict";
+var __createBinding = (this && this.__createBinding) || (Object.create ? (function(o, m, k, k2) {
+    if (k2 === undefined) k2 = k;
+    var desc = Object.getOwnPropertyDescriptor(m, k);
+    if (!desc || ("get" in desc ? !m.__esModule : desc.writable || desc.configurable)) {
+      desc = { enumerable: true, get: function() { return m[k]; } };
+    }
+    Object.defineProperty(o, k2, desc);
+}) : (function(o, m, k, k2) {
+    if (k2 === undefined) k2 = k;
+    o[k2] = m[k];
+}));
+var __setModuleDefault = (this && this.__setModuleDefault) || (Object.create ? (function(o, v) {
+    Object.defineProperty(o, "default", { enumerable: true, value: v });
+}) : function(o, v) {
+    o["default"] = v;
+});
+var __importStar = (this && this.__importStar) || (function () {
+    var ownKeys = function(o) {
+        ownKeys = Object.getOwnPropertyNames || function (o) {
+            var ar = [];
+            for (var k in o) if (Object.prototype.hasOwnProperty.call(o, k)) ar[ar.length] = k;
+            return ar;
+        };
+        return ownKeys(o);
+    };
+    return function (mod) {
+        if (mod && mod.__esModule) return mod;
+        var result = {};
+        if (mod != null) for (var k = ownKeys(mod), i = 0; i < k.length; i++) if (k[i] !== "default") __createBinding(result, mod, k[i]);
+        __setModuleDefault(result, mod);
+        return result;
+    };
+})();
+Object.defineProperty(exports, "__esModule", { value: true });
+exports.createRL = createRL;
+exports.runSetup = runSetup;
+const readline = __importStar(require("readline"));
+const fs = __importStar(require("fs"));
+const path = __importStar(require("path"));
+const http = __importStar(require("http"));
+const https = __importStar(require("https"));
+const os = __importStar(require("os"));
+// ── Colors ──────────────────────────────────────────────────────────────────
+const c = {
+    green: (s) => `\x1b[32m${s}\x1b[0m`,
+    red: (s) => `\x1b[31m${s}\x1b[0m`,
+    yellow: (s) => `\x1b[33m${s}\x1b[0m`,
+    blue: (s) => `\x1b[34m${s}\x1b[0m`,
+    cyan: (s) => `\x1b[36m${s}\x1b[0m`,
+    bold: (s) => `\x1b[1m${s}\x1b[0m`,
+    dim: (s) => `\x1b[2m${s}\x1b[0m`,
+    magenta: (s) => `\x1b[35m${s}\x1b[0m`,
+};
+const TEMPLATES = [
+    { id: 'customer-service', icon: '🎧', name: '客服助手', description: '回答客户问题，自动学习产品知识', defaultAgentName: '我的客服助手' },
+    { id: 'content-writer', icon: '✍️', name: '写作助手', description: '帮你写文章、邮件、报告', defaultAgentName: '我的写作助手' },
+    { id: 'data-analyst', icon: '📊', name: '数据分析师', description: '分析数据，生成洞察', defaultAgentName: '我的数据分析师' },
+    { id: 'translator', icon: '🌐', name: '翻译助手', description: '多语言翻译，越用越准', defaultAgentName: '我的翻译助手' },
+    { id: 'general', icon: '🤖', name: '通用助手', description: '什么都能聊', defaultAgentName: '我的AI助手' },
+];
+const OPC_HOME = path.join(os.homedir(), '.opc');
+const CONFIG_PATH = path.join(OPC_HOME, 'config.json');
+// ── Readline helpers ────────────────────────────────────────────────────────
+function createRL(input, output) {
+    return readline.createInterface({
+        input: input ?? process.stdin,
+        output: output ?? process.stdout,
+    });
+}
+function ask(rl, question) {
+    return new Promise((resolve) => rl.question(question, (a) => resolve(a.trim())));
+}
+// ── HTTP helpers ────────────────────────────────────────────────────────────
+function httpGet(url, timeout = 5000) {
+    return new Promise((resolve, reject) => {
+        const mod = url.startsWith('https') ? https : http;
+        const req = mod.get(url, { timeout }, (res) => {
+            let body = '';
+            res.on('data', (chunk) => { body += chunk; });
+            res.on('end', () => resolve({ status: res.statusCode ?? 0, body }));
+        });
+        req.on('error', reject);
+        req.on('timeout', () => { req.destroy(); reject(new Error('timeout')); });
+    });
+}
+// ── Step 1: Welcome ─────────────────────────────────────────────────────────
+function printWelcome() {
+    console.log('');
+    console.log(c.bold('  🎉 欢迎使用 OPC Agent！'));
+    console.log(c.dim('     让我们用 3 分钟配置你的第一个 AI Agent。'));
+    console.log('');
+}
+// ── Step 2: Model detection ─────────────────────────────────────────────────
+async function detectOllama() {
+    try {
+        const { body } = await httpGet('http://localhost:11434/api/tags');
+        const data = JSON.parse(body);
+        const models = (data.models || []).map((m) => m.name || m.model);
+        return { running: true, models };
+    }
+    catch {
+        return { running: false, models: [] };
+    }
+}
+async function stepModel(rl) {
+    console.log(c.bold('📡 Step 1/4: 配置 AI 模型'));
+    console.log(c.dim('  正在检测本地 Ollama...'));
+    console.log('');
+    const ollama = await detectOllama();
+    if (ollama.running) {
+        console.log(c.green('  ✔ Ollama 运行中！已安装模型：'));
+        if (ollama.models.length === 0) {
+            console.log(c.dim('    （无模型）'));
+        }
+        else {
+            for (const m of ollama.models) {
+                console.log(`    • ${m}`);
+            }
+        }
+        console.log('');
+        const hasChat = ollama.models.some((m) => m.startsWith('qwen2.5'));
+        const hasEmbed = ollama.models.some((m) => m.startsWith('nomic-embed-text'));
+        if (!hasChat) {
+            const dl = await ask(rl, `  推荐模型 ${c.cyan('qwen2.5:7b')} 未安装，是否下载？ [Y/n] `);
+            if (dl.toLowerCase() !== 'n') {
+                console.log(c.dim('  → 请在终端运行: ollama pull qwen2.5:7b'));
+            }
+        }
+        if (!hasEmbed) {
+            const dl = await ask(rl, `  推荐 Embedding 模型 ${c.cyan('nomic-embed-text')} 未安装，是否下载？ [Y/n] `);
+            if (dl.toLowerCase() !== 'n') {
+                console.log(c.dim('  → 请在终端运行: ollama pull nomic-embed-text'));
+            }
+        }
+        console.log('');
+        return {
+            provider: 'ollama',
+            model: hasChat ? ollama.models.find((m) => m.startsWith('qwen2.5')) : 'qwen2.5:7b',
+            embeddingModel: hasEmbed ? 'nomic-embed-text' : 'nomic-embed-text',
+            baseUrl: 'http://localhost:11434',
+        };
+    }
+    // Ollama not running
+    console.log(c.yellow('  ⚠ 未检测到 Ollama'));
+    console.log('');
+    console.log('  请选择：');
+    console.log(`    ${c.cyan('A')} ) 安装 Ollama（推荐，免费本地运行）`);
+    console.log(`    ${c.cyan('B')} ) 使用云端 API`);
+    console.log('');
+    const choice = await ask(rl, '  你的选择 [A/B]: ');
+    if (choice.toUpperCase() !== 'B') {
+        console.log('');
+        console.log(c.bold('  📦 安装 Ollama：'));
+        console.log('');
+        if (process.platform === 'win32') {
+            console.log('    1. 访问 https://ollama.com/download');
+            console.log('    2. 下载 Windows 版并安装');
+            console.log('    3. 安装后运行: ollama pull qwen2.5:7b');
+        }
+        else if (process.platform === 'darwin') {
+            console.log('    brew install ollama');
+            console.log('    ollama serve &');
+            console.log('    ollama pull qwen2.5:7b');
+        }
+        else {
+            console.log('    curl -fsSL https://ollama.com/install.sh | sh');
+            console.log('    ollama serve &');
+            console.log('    ollama pull qwen2.5:7b');
+        }
+        console.log('');
+        console.log(c.dim('  安装完成后重新运行 opc setup'));
+        return { provider: 'ollama', model: 'qwen2.5:7b', embeddingModel: 'nomic-embed-text', baseUrl: 'http://localhost:11434' };
+    }
+    // Cloud API
+    console.log('');
+    console.log('  选择云端 Provider：');
+    console.log(`    ${c.cyan('1')} ) OpenAI`);
+    console.log(`    ${c.cyan('2')} ) DeepSeek`);
+    console.log(`    ${c.cyan('3')} ) 通义千问 (Qwen)`);
+    console.log(`    ${c.cyan('4')} ) Anthropic`);
+    console.log('');
+    const providerChoice = await ask(rl, '  选择 [1-4]: ');
+    const providers = {
+        '1': { provider: 'openai', baseUrl: 'https://api.openai.com/v1', model: 'gpt-4o-mini', testUrl: 'https://api.openai.com/v1/models' },
+        '2': { provider: 'deepseek', baseUrl: 'https://api.deepseek.com/v1', model: 'deepseek-chat', testUrl: 'https://api.deepseek.com/v1/models' },
+        '3': { provider: 'qwen', baseUrl: 'https://dashscope.aliyuncs.com/compatible-mode/v1', model: 'qwen-plus', testUrl: 'https://dashscope.aliyuncs.com/compatible-mode/v1/models' },
+        '4': { provider: 'anthropic', baseUrl: 'https://api.anthropic.com/v1', model: 'claude-3-5-sonnet-20241022', testUrl: 'https://api.anthropic.com/v1/models' },
+    };
+    const p = providers[providerChoice] ?? providers['1'];
+    console.log('');
+    const apiKey = await ask(rl, `  请输入 ${c.bold(p.provider)} API Key: `);
+    if (apiKey) {
+        console.log(c.dim('  正在测试连接...'));
+        try {
+            await httpGet(p.testUrl);
+            console.log(c.green('  ✔ 连接成功！'));
+        }
+        catch {
+            console.log(c.yellow('  ⚠ 无法验证连接，但配置已保存，稍后可测试'));
+        }
+    }
+    console.log('');
+    return { provider: p.provider, model: p.model, apiKey, baseUrl: p.baseUrl };
+}
+// ── Step 3: Choose template ─────────────────────────────────────────────────
+async function stepTemplate(rl) {
+    console.log(c.bold('📋 Step 2/4: 选择 Agent 模板'));
+    console.log('');
+    for (let i = 0; i < TEMPLATES.length; i++) {
+        const t = TEMPLATES[i];
+        console.log(`    ${c.cyan(String(i + 1))} ) ${t.icon} ${c.bold(t.name)} — ${c.dim(t.description)}`);
+    }
+    console.log(`    ${c.cyan('6')} ) 📋 更多模板...（打开 Studio 浏览）`);
+    console.log('');
+    const choice = await ask(rl, '  选择模板 [1-6]: ');
+    const idx = parseInt(choice, 10) - 1;
+    if (choice === '6') {
+        console.log(c.dim('  → 运行 opc studio 浏览更多模板'));
+        return TEMPLATES[4]; // default to general
+    }
+    const template = TEMPLATES[idx] ?? TEMPLATES[4];
+    console.log(c.green(`  ✔ 已选择: ${template.icon} ${template.name}`));
+    console.log('');
+    return template;
+}
+// ── Step 4: Create agent ────────────────────────────────────────────────────
+async function stepCreateAgent(rl, template, config) {
+    console.log(c.bold('🤖 Step 3/4: 创建 Agent'));
+    console.log('');
+    const name = (await ask(rl, `  Agent 名称 [${template.defaultAgentName}]: `)) || template.defaultAgentName;
+    const description = await ask(rl, `  简短描述（可选）: `);
+    // Generate a slug id
+    const id = name
+        .replace(/[^\w\u4e00-\u9fff]/g, '-')
+        .replace(/-+/g, '-')
+        .replace(/^-|-$/g, '')
+        .toLowerCase() || `agent-${Date.now()}`;
+    const agentDir = path.join(OPC_HOME, 'agents', id);
+    fs.mkdirSync(agentDir, { recursive: true });
+    // Write agent config
+    const agentConfig = {
+        id,
+        name,
+        description: description || template.description,
+        template: template.id,
+        provider: config.provider,
+        model: config.model,
+        embeddingModel: config.embeddingModel,
+        apiKey: config.apiKey,
+        baseUrl: config.baseUrl,
+        createdAt: new Date().toISOString(),
+    };
+    fs.writeFileSync(path.join(agentDir, 'config.json'), JSON.stringify(agentConfig, null, 2));
+    // Initialize brain directory
+    const brainDir = path.join(agentDir, 'brain');
+    fs.mkdirSync(brainDir, { recursive: true });
+    fs.writeFileSync(path.join(brainDir, 'README.md'), `# ${name}\n\n将知识文档放在这里，Agent 会自动学习。\n`);
+    // Save global config
+    fs.mkdirSync(OPC_HOME, { recursive: true });
+    const globalConfig = fs.existsSync(CONFIG_PATH) ? JSON.parse(fs.readFileSync(CONFIG_PATH, 'utf-8')) : {};
+    globalConfig.defaultAgent = id;
+    globalConfig.provider = config.provider;
+    globalConfig.model = config.model;
+    globalConfig.baseUrl = config.baseUrl;
+    if (config.apiKey)
+        globalConfig.apiKey = config.apiKey;
+    if (config.embeddingModel)
+        globalConfig.embeddingModel = config.embeddingModel;
+    fs.writeFileSync(CONFIG_PATH, JSON.stringify(globalConfig, null, 2));
+    console.log('');
+    console.log(`  ${c.green('✔')} Agent 已创建: ${c.bold(name)}`);
+    console.log(`  ${c.dim('    目录: ' + agentDir)}`);
+    console.log('');
+    return { name, id, dir: agentDir };
+}
+// ── Step 5: Completion ──────────────────────────────────────────────────────
+function printCompletion(agentName) {
+    console.log(c.bold(`  ✅ 你的 AI Agent「${agentName}」已创建！`));
+    console.log('');
+    console.log('  启动方式：');
+    console.log(`    ${c.cyan('opc studio')}    — 打开网页管理界面`);
+    console.log(`    ${c.cyan('opc chat')}      — 终端直接对话`);
+    console.log(`    ${c.cyan('opc start')}     — 后台运行`);
+    console.log('');
+    console.log(c.dim('  你的 Agent 会自动学习和进化，越用越聪明！🧬'));
+    console.log('');
+}
+// ── Main entry ──────────────────────────────────────────────────────────────
+async function runSetup(input, output) {
+    const rl = createRL(input, output);
+    try {
+        printWelcome();
+        const config = await stepModel(rl);
+        const template = await stepTemplate(rl);
+        const agent = await stepCreateAgent(rl, template, config);
+        printCompletion(agent.name);
+    }
+    finally {
+        rl.close();
+    }
+}
+//# sourceMappingURL=setup.js.map