wtagent 0.1.0-alpha.5 → 0.1.0

package/README.md

@@ -1,144 +1,94 @@
 # WTAgent
 
-Turn GPT Web into a local CLI agent.
+Use GPT Web as a local CLI agent.
 
-把 GPT 网页聊天变成一个本地 CLI Agent。
+把 GPT 网页聊天变成可读写本地文件、运行本地命令的 CLI Agent。
 
 [中文](#中文) · [English](#english)
 
 ## 中文
 
-WTAgent 把 GPT 网页聊天连接到本地工具，提供类似 Codex 的 CLI Agent 体验。当前首个适配器支持 ChatGPT Web。
+WTAgent 把 GPT Web 连接到你的本地项目，提供类似 Codex 的命令行体验：GPT 在网页中思考，WTAgent 在本机读写文件、编译代码并运行测试。
 
-网页 GPT 负责思考，WTAgent 在本机：
+当前支持 ChatGPT Web。无需 OpenAI API Key，也不要求 ChatGPT Pro；使用的是你自己的网页账号、可用模型和额度。
 
-- 读取和修改本地文件
-- 调用结构化本地命令，运行构建、测试和开发服务
+### 开始使用
 
-不需要 OpenAI API Key，也不要求 ChatGPT Pro。WTAgent 使用独立的 Chrome Profile 保存你的网页登录状态，并使用该账号在网页上实际可用的模型和额度；如果账号拥有 Pro，它会成为额外优势。
-
-支持矩阵：
-
-- macOS
-- Linux
-- Windows 10 1809+ / Windows 11 x64
-- Windows ARM64 目前为预览支持
-
-边界：
-
-- 需要 Chrome 或 Chromium；首版不支持 Edge
-- Git 和 `rg` 是可选项，不是运行前提
-- WSL 不在首版支持范围内；请直接在原生 PowerShell / CMD / Windows Terminal 中运行
-
-### 快速开始
-
-需要 Node.js 20.17+ 和 Chrome/Chromium。
+需要 Node.js 20.17+ 和 Chrome/Chromium；支持 macOS、Linux 和原生 Windows，暂不支持 WSL。
 
 ```bash
-npm install -g wtagent --registry=https://registry.npmjs.org/
-wtagent login
+npm install -g wtagent
 ```
 
-Windows PowerShell：
-
-```powershell
-npm install -g wtagent --registry=https://registry.npmjs.org/
-wtagent doctor
-wtagent login
-```
-
-登录完成后，进入项目目录：
+进入要工作的目录并启动：
 
 ```bash
-cd my-project
+mkdir wtagent-demo
+cd wtagent-demo
 wtagent
 ```
 
-启动后先选择 ChatGPT 模式：`Pro` 会为新对话选择 Pro，`Current` 会保留网页当前设置且不执行模型切换。非交互调用默认使用 `Current`；需要 Pro 时可显式传入 `--mode Pro`。
+启动后选择 `Pro` 或 `Current`，然后直接输入任务。如果尚未登录 ChatGPT，WTAgent 会打开专用 Chrome 并提示你登录；登录成功后任务会自动继续。
 
-也可以直接附带任务：
+例如，启动后直接在终端输入：
 
-```bash
-wtagent "检查这个项目并修复测试"
-wtagent -C ./my-project "创建一个网站"
+```text
+$ wtagent
+you › 创建 qsort.c，实现整数快速排序。使用系统可用的 C 编译器开启警告编译，并运行测试，覆盖普通输入、重复值和空输入。
+you › 再增加一组包含负数的测试
 ```
 
-之后直接在终端中继续对话。WTAgent 会把任务交给 GPT Web，并在本地执行文件操作和结构化本地命令。使用 `↑` / `↓` 浏览本次 CLI 会话的历史输入。
+WTAgent 会在当前目录创建代码、调用本地编译器并运行测试。任务完成后可以继续在同一个终端中对话。
 
-按 `Ctrl+C` 或 `Ctrl+D` 可退出并关闭专用 Chrome。若上一次异常退出留下了 Chrome，WTAgent 会在验证其 CDP 身份后复用并接管它。
+也可以在启动时直接附带任务：
 
-常见说明：
+```bash
+wtagent "创建 qsort.c，编译并测试"
+```
 
-- `wtagent doctor` 会检查 Node、Chrome、目录权限和运行环境
-- 首次登录只会写入 WTAgent 的专用 Chrome Profile，不会接管你的日常浏览器 Profile
-- 如果系统没有 Git 或 `rg`，WTAgent 仍应保留核心文件读写与搜索能力
+支持多行粘贴和 `↑` / `↓` 输入历史。使用 `Ctrl+C` 或 `Ctrl+D` 退出。
 
 ## English
 
-WTAgent connects GPT Web chat to local tools, providing a Codex-like CLI agent experience. The first adapter currently supports ChatGPT Web.
+WTAgent connects GPT Web to your local project and provides a Codex-like CLI experience: GPT reasons in the browser while WTAgent reads and writes files, compiles code, and runs tests on your machine.
 
-GPT Web handles reasoning. WTAgent runs locally to:
+The current adapter supports ChatGPT Web. No OpenAI API key or ChatGPT Pro subscription is required; WTAgent uses your own web account, available models, and quota.
 
-- Read and edit local files
-- Run structured local commands, builds, tests, and development servers
+### Get started
 
-No OpenAI API key or ChatGPT Pro subscription is required. WTAgent stores your web login in a dedicated Chrome profile and uses the models and quota actually available to that account. Pro is an optional bonus when the account has it.
-
-Support matrix:
-
-- macOS
-- Linux
-- Windows 10 1809+ / Windows 11 x64
-- Windows ARM64 is currently preview only
-
-Boundaries:
-
-- Requires Chrome or Chromium; Edge is out of scope for the first Windows release
-- Git and `rg` are optional accelerators, not runtime requirements
-- WSL is not supported in v1; run WTAgent from native PowerShell, CMD, or Windows Terminal
-
-### Quick start
-
-Requires Node.js 20.17+ and Chrome/Chromium.
+Requires Node.js 20.17+ and Chrome/Chromium. macOS, Linux, and native Windows are supported; WSL is not currently supported.
 
 ```bash
-npm install -g wtagent --registry=https://registry.npmjs.org/
-wtagent login
+npm install -g wtagent
 ```
 
-Windows PowerShell:
-
-```powershell
-npm install -g wtagent --registry=https://registry.npmjs.org/
-wtagent doctor
-wtagent login
-```
-
-After signing in, start WTAgent inside a project:
+Open a working directory and start WTAgent:
 
 ```bash
-cd my-project
+mkdir wtagent-demo
+cd wtagent-demo
 wtagent
 ```
 
-At startup, choose a ChatGPT mode: `Pro` selects Pro for the new conversation, while `Current` keeps the current web setting without changing it. Non-interactive runs default to `Current`; pass `--mode Pro` to opt in explicitly.
+Choose `Pro` or `Current`, then type a task. If ChatGPT is not signed in, WTAgent opens its dedicated Chrome profile and asks you to sign in. The task continues automatically after login.
 
-Or provide the first task directly:
+For example, start it and type directly in the terminal:
 
-```bash
-wtagent "inspect this project and fix the tests"
-wtagent -C ./my-project "build a website"
+```text
+$ wtagent
+you › Create qsort.c with an integer quicksort. Compile it with warnings using an available C compiler, then test normal input, duplicate values, and empty input.
+you › Add another test containing negative numbers.
 ```
 
-Continue chatting in the terminal. WTAgent sends tasks to GPT Web and executes file operations and structured local commands. Use `↑` / `↓` to browse input history from the current CLI session.
+WTAgent creates the code in the current directory, invokes the local compiler, and runs the tests. Keep chatting in the same terminal after the task finishes.
 
-Press `Ctrl+C` or `Ctrl+D` to exit and close the dedicated Chrome. If an abnormal exit leaves Chrome running, WTAgent verifies and adopts that CDP instance on the next start.
+You can also provide the first task directly:
 
-Notes:
+```bash
+wtagent "create qsort.c, compile it, and test it"
+```
 
-- `wtagent doctor` checks Node, Chrome, writable data paths, and runtime support
-- WTAgent always uses its own Chrome profile and does not reuse your daily browsing profile
-- Core file and search capabilities must continue to work even when Git or `rg` is missing
+Multiline paste and `↑` / `↓` input history are supported. Press `Ctrl+C` or `Ctrl+D` to exit.
 
 ## License
 

package/docs/technical-design.md

@@ -652,6 +652,7 @@ sessionId + assistantMessageIdentity + normalizedToolCall
 - Chrome 崩溃：用相同 Profile 重启并打开会话 URL。
 - 同一 CLI 进程中的 follow-up 保持在当前会话 Page，不重复导航；跨进程恢复需要等待本地记录的最近 assistant message ID 出现在 DOM 后才能发送。
 - 每次发送记录已有消息 ID 和新 user turn，只接受位于该 user turn 之后的新 assistant turn；无法建立可靠消息身份时超时并保存诊断，禁止退化为基于数量或文本变化猜测。
+- 新 assistant 节点在停止生成后持续 10 秒仍为空时，Runtime 只发送“继续上一轮”的短提示，不重发原任务、附件或工具结果；自动恢复最多 3 次。仍为空时保留 Chrome、Session 和待确认工具结果并回到 CLI，允许用户输入 `/retry` 或新的指令。
 - 同一 Profile 同时只允许一个 WTAgent CLI Session；启动和接管过程使用 Profile 级互斥锁。
 - 登录失效或出现验证：进入 `AUTH_REQUIRED`/`PAUSED`，让用户接管。
 - 会话页面丢失：从本地记录打开原会话；无法恢复时创建新的本地 Session 和新的网页对话，不向旧 rollout 继续追加。

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "wtagent",
-  "version": "0.1.0-alpha.5",
+  "version": "0.1.0",
   "description": "Turn your own web AI session into a local tool-using agent.",
   "repository": {
     "type": "git",
@@ -37,6 +37,7 @@
     "doctor": "node src/cli/main.js doctor",
     "login": "node src/cli/main.js login",
     "prepack": "npm run check && npm test",
+    "release": "npm publish --tag latest",
     "release:alpha": "npm publish --tag alpha"
   },
   "engines": {

package/src/browser/cdp-browser.js

@@ -132,11 +132,23 @@ async function setWindowState(context, page, windowState) {
   }
 }
 
+function sameOriginPath(left, right) {
+  try {
+    const leftUrl = new URL(left);
+    const rightUrl = new URL(right);
+    return leftUrl.origin === rightUrl.origin
+      && leftUrl.pathname === rightUrl.pathname;
+  } catch {
+    return false;
+  }
+}
+
 export async function launchAndConnectCdpChrome({
   executablePath,
   profileDir,
   url = "about:blank",
   minimized = false,
+  preferredUrl = null,
 }, {
   acquireProfileLock = acquireCdpProfileLock,
   connectOverCDP = (endpoint) => chromium.connectOverCDP(endpoint),
@@ -267,10 +279,20 @@ export async function launchAndConnectCdpChrome({
     }
 
     // A reused browser may still contain the previous conversation. Keep it
-    // intact and create a fresh target for this CLI session.
-    const page = reused
-      ? await context.newPage()
-      : context.pages()[0] ?? await context.newPage();
+    // intact and, when a preferred URL is given, reuse an existing tab already
+    // showing that conversation (origin + path) so resumed runs do not pile up
+    // tabs; otherwise create a fresh target for this CLI session.
+    let page;
+    if (reused) {
+      const matchingTab = preferredUrl
+        ? context.pages().find((candidate) =>
+          sameOriginPath(candidate.url?.() ?? "", preferredUrl)
+        ) ?? null
+        : null;
+      page = matchingTab ?? await context.newPage();
+    } else {
+      page = context.pages()[0] ?? await context.newPage();
+    }
     if (minimized) {
       await setWindowState(context, page, "minimized");
     }
@@ -293,6 +315,12 @@ export async function launchAndConnectCdpChrome({
       async restore() {
         return await setWindowState(context, page, "normal");
       },
+      // Drops only the Playwright transport. Unlike close(), never asks Chrome
+      // to exit and never kills the process: used to recover from a dead CDP
+      // connection (e.g. after the Mac slept) while Chrome itself is alive.
+      async disconnect() {
+        await settleWithin(browser.close(), 1_500);
+      },
       async close() {
         if (closePromise) {
           return await closePromise;