pigpig-agent 1.0.0

package/dist/usage/tracker.js

@@ -0,0 +1,83 @@
+import { appendFileSync, mkdirSync } from "node:fs";
+import { dirname } from "node:path";
+export const PRICE_TABLE = {
+    'claude-sonnet-4-6': { input: 3.00, output: 15.00, cacheWrite: 3.75, cacheRead: 0.30 },
+    'gpt-5': { input: 1.25, output: 10.00, cacheWrite: 1.25, cacheRead: 0.125 },
+    'deepseek-v4-pro': { input: 9.00, output: 27.00, cacheWrite: 1.80, cacheRead: 0.30 },
+    'qwen3.8-max': { input: 2.00, output: 6.00, cacheWrite: 2.50, cacheRead: 0.25 },
+    'qwen3.8-flash': { input: 0.75, output: 2.00, cacheWrite: 1.00, cacheRead: 0.10 },
+    'glm-5': { input: 0.15, output: 0.47, cacheWrite: 0.23, cacheRead: 0.018 },
+    'mock-model': { input: 0, output: 0, cacheWrite: 0, cacheRead: 0 },
+};
+// 把 AI SDK 返回的 usage 对象，规范分成四类 token
+export function normalizeUsage(usage, context = {}) {
+    if (!usage)
+        return { inputTokens: 0, outputTokens: 0, cacheReadTokens: 0, cacheWriteTokens: 0 };
+    const cacheRead = usage.cachedInputTokens ?? 0; // AI SDK 标准字段
+    const cacheWrite = usage.cacheCreationInputTokens // Anthropic SDK 直接挂顶层
+        ?? context.providerMetadata?.anthropic?.cacheCreationInputTokens // AI SDK provider 元数据   兼容 Anthropic SDK 的 cacheCreationInputTokens 字段
+        ?? 0;
+    const rawInputTokens = usage.inputTokens ?? 0;
+    const inputTokens = context.provider?.startsWith('openai') // 兼容 OpenAI SDK 的 inputTokens 字段
+        ? Math.max(0, rawInputTokens - cacheRead)
+        : rawInputTokens;
+    return {
+        inputTokens,
+        outputTokens: usage.outputTokens ?? 0,
+        cacheReadTokens: cacheRead,
+        cacheWriteTokens: cacheWrite,
+    };
+}
+export function computeCost(model, usage) {
+    const p = PRICE_TABLE[model] || PRICE_TABLE['mock-model'];
+    return ((usage.inputTokens * p.input
+        + usage.outputTokens * p.output
+        + usage.cacheReadTokens * p.cacheRead
+        + usage.cacheWriteTokens * p.cacheWrite)
+        / 1_000_000);
+}
+// 按价格表做每一步的价格计算
+export class UsageTracker {
+    steps = [];
+    logPath;
+    constructor(logPath) {
+        this.logPath = logPath;
+        if (logPath)
+            mkdirSync(dirname(logPath), { recursive: true });
+    }
+    record(model, usage) {
+        const cost = computeCost(model, usage);
+        const record = { ts: Date.now(), model, cost, ...usage };
+        this.steps.push(record);
+        if (this.logPath) {
+            appendFileSync(this.logPath, JSON.stringify(record) + '\n');
+        }
+        return record;
+    }
+    totals() {
+        const t = this.steps.reduce((a, s) => ({
+            inputTokens: a.inputTokens + s.inputTokens,
+            outputTokens: a.outputTokens + s.outputTokens,
+            cacheReadTokens: a.cacheReadTokens + s.cacheReadTokens,
+            cacheWriteTokens: a.cacheWriteTokens + s.cacheWriteTokens,
+            cost: a.cost + s.cost,
+        }), { inputTokens: 0, outputTokens: 0, cacheReadTokens: 0, cacheWriteTokens: 0, cost: 0 });
+        const totalInputLike = t.inputTokens + t.cacheReadTokens + t.cacheWriteTokens;
+        const hitRate = totalInputLike > 0 ? t.cacheReadTokens / totalInputLike : 0;
+        // 没有 cache 时的"假想成本"：把所有 input-like token 当成 miss 全付
+        const baselineCost = (() => {
+            let c = 0;
+            for (const s of this.steps) {
+                const p = PRICE_TABLE[s.model] || PRICE_TABLE['mock-model'];
+                const inputLike = s.inputTokens + s.cacheReadTokens + s.cacheWriteTokens;
+                c += (inputLike * p.input) / 1_000_000;
+                c += (s.outputTokens * p.output) / 1_000_000;
+            }
+            return c;
+        })();
+        return { ...t, hitRate, baselineCost, savedCost: baselineCost - t.cost, steps: this.steps.length };
+    }
+    recent(n) {
+        return this.steps.slice(-n);
+    }
+}

package/package.json

@@ -0,0 +1,55 @@
+{
+  "name": "pigpig-agent",
+  "version": "1.0.0",
+  "description": "A terminal-first AI agent with tools, MCP, memory, RAG, scheduled tasks, and context management.",
+  "main": "dist/index.js",
+  "bin": {
+    "pigpig-agent": "dist/index.js"
+  },
+  "files": [
+    "dist",
+    ".skills",
+    "readme.md"
+  ],
+  "scripts": {
+    "build": "tsc -p tsconfig.json",
+    "typecheck": "tsc --noEmit",
+    "prepack": "tsc -p tsconfig.json",
+    "start": "tsx src/index.ts",
+    "init": "tsx src/index.ts init",
+    "continue": "tsx src/index.ts --continue"
+  },
+  "keywords": [
+    "ai",
+    "agent",
+    "cli",
+    "terminal",
+    "mcp",
+    "rag"
+  ],
+  "author": "PigPig Agent",
+  "license": "MIT",
+  "engines": {
+    "node": ">=20"
+  },
+  "type": "module",
+  "devDependencies": {
+    "@types/better-sqlite3": "^9.6.0",
+    "@types/json-schema": "^7.0.15",
+    "@types/node": "^26.2.0",
+    "@types/turndown": "^5.0.6",
+    "tsx": "^4.23.12",
+    "typescript": "^7.0.2"
+  },
+  "dependencies": {
+    "@ai-sdk/openai": "^4.0.46",
+    "ai": "^7.0.77",
+    "better-sqlite3": "^13.0.3",
+    "croner": "^10.0.1",
+    "dotenv": "^17.4.2",
+    "fast-glob": "^3.3.3",
+    "sqlite-vec": "^0.1.9",
+    "turndown": "^7.2.4",
+    "zod": "^4.5.4"
+  }
+}

package/readme.md

@@ -0,0 +1,131 @@
+# PigPig Agent
+
+PigPig Agent 是一个运行在终端里的 AI Agent，支持模型对话、工具调用、MCP、记忆、RAG、定时任务和上下文管理。
+
+## 环境要求
+
+- Node.js 20 或更高版本
+- npm 10 或更高版本
+- pnpm 11.10 或更高版本，仅当需要使用 GitHub MCP 工具时安装
+
+检查环境：
+
+```bash
+node -v
+npm -v
+pnpm -v
+```
+
+## 安装
+
+全局安装：
+
+```bash
+npm install -g pigpig-agent
+```
+
+安装完成后会得到一个终端命令：
+
+```bash
+pigpig-agent
+```
+
+## 首次使用
+
+### 1. 初始化配置
+
+建议先创建一个专门的工作目录，然后在这个目录里初始化：
+
+```bash
+mkdir pigpig-agent
+cd pigpig-agent
+pigpig-agent init
+```
+
+初始化向导会让你选择：
+
+- 模型：`glm-5`、`qwen-turbo-latest` 或 `qwen-max-latest`
+- DashScope API Key
+- 子 Agent 最大并发数
+
+完成后会生成：
+
+- `pigpig-agent.config.json`：Agent 配置文件
+- `.env`：如果你在向导中输入了 API Key
+
+### 2. 启动 Agent
+
+```bash
+pigpig-agent
+```
+
+看到 `You:` 提示后，直接输入问题或任务即可。
+
+退出：
+
+```text
+exit
+```
+
+## 配置 API Key
+
+如果你没有在初始化向导中输入 API Key，可以手动创建 `.env` 文件：
+
+```bash
+DASHSCOPE_API_KEY=your-dashscope-api-key
+```
+
+可选配置：
+
+```bash
+GITHUB_PERSONAL_ACCESS_TOKEN=your-github-token
+TAVILY_API_KEY=your-tavily-api-key
+SERPER_API_KEY=your-serper-api-key
+```
+
+说明：
+
+- `DASHSCOPE_API_KEY`：调用真实模型必需；未配置时 Agent 会使用 Mock Model
+- `GITHUB_PERSONAL_ACCESS_TOKEN`：启用 GitHub MCP 工具，需要 pnpm
+- `TAVILY_API_KEY` 或 `SERPER_API_KEY`：启用联网搜索
+
+不要把 `.env` 提交到 Git，也不要发布到 npm。
+
+## 常用命令
+
+启动 Agent 后，可以直接输入以下命令：
+
+| 命令 | 作用 |
+| --- | --- |
+| `status` | 查看当前消息数、Token 估算和记忆数量 |
+| `context` | 查看上下文占用情况 |
+| `usage` | 查看当前 Token 用量 |
+| `memory` | 查看长期记忆 |
+| `/memory search 关键词` | 搜索长期记忆 |
+| `rag` | 查看 RAG 状态 |
+| `skill list` | 查看可用技能 |
+| `/skill load code-review` | 激活指定技能 |
+| `/cron list` | 查看定时任务 |
+| `/cron logs` | 查看定时任务执行记录 |
+| `/agents` | 查看子 Agent 状态 |
+| `exit` | 退出 Agent |
+
+## 工作目录
+
+PigPig Agent 会在当前目录保存运行数据，例如：
+
+- `.memory/`
+- `.sessions/`
+- `.usage/`
+- `.cron/`
+- `knowledge.db`
+
+请在一个固定目录中启动 Agent，这样记忆、会话和使用统计才能持续保留。
+
+## 卸载
+
+```bash
+npm uninstall -g pigpig-agent
+```
+
+卸载不会删除你在工作目录里生成的配置和运行数据。