angineer-core 0.1.0__tar.gz

angineer_core-0.1.0/LICENSE

@@ -0,0 +1,21 @@
+MIT License
+
+Copyright (c) 2026 Rowe Smith
+
+Permission is hereby granted, free of charge, to any person obtaining a copy
+of this software and associated documentation files (the "Software"), to deal
+in the Software without restriction, including without limitation the rights
+to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
+copies of the Software, and to permit persons to whom the Software is
+furnished to do so, subject to the following conditions:
+
+The above copyright notice and this permission notice shall be included in all
+copies or substantial portions of the Software.
+
+THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
+IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
+FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
+AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
+LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
+OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
+SOFTWARE.

angineer_core-0.1.0/PKG-INFO

@@ -0,0 +1,245 @@
+Metadata-Version: 2.4
+Name: angineer-core
+Version: 0.1.0
+Summary: AnGIneer core service - AI Engineer Operating System Core Module
+Author: AnGIneer Team
+License: MIT
+Project-URL: Repository, https://github.com/0mao0/angineer-core
+Project-URL: Issues, https://github.com/0mao0/angineer-core/issues
+Keywords: ai,agent,sop,engineering
+Classifier: Development Status :: 3 - Alpha
+Classifier: Intended Audience :: Developers
+Classifier: License :: OSI Approved :: MIT License
+Classifier: Programming Language :: Python :: 3
+Classifier: Programming Language :: Python :: 3.10
+Classifier: Programming Language :: Python :: 3.11
+Classifier: Programming Language :: Python :: 3.12
+Requires-Python: >=3.10
+Description-Content-Type: text/markdown
+License-File: LICENSE
+Requires-Dist: angineer-ai-inference<0.3.0,>=0.2.2
+Requires-Dist: jsonschema>=4.0.0
+Requires-Dist: pydantic<3.0.0,>=2.0.0
+Requires-Dist: python-dotenv>=1.0.0
+Requires-Dist: requests>=2.31.0
+Provides-Extra: dev
+Requires-Dist: pytest>=7.0.0; extra == "dev"
+Requires-Dist: pytest-cov>=4.0.0; extra == "dev"
+Requires-Dist: mypy>=1.0.0; extra == "dev"
+Dynamic: license-file
+
+# angineer-core
+
+[![PyPI](https://img.shields.io/pypi/v/angineer-core)](https://pypi.org/project/angineer-core/)
+
+AnGIneer 的问答编排内核（Agent Harness 引擎，纯 Python 库，非服务）：一条
+**意图分级 → 策略展开 → 多轮工具调用 → 证据守卫 → 出处标注** 的完整链路。
+
+> 定位：本库**不含 HTTP 服务、不含知识库存储、不含检索配方**。
+> LLM 调用交给 [angineer-ai-inference](https://pypi.org/project/angineer-ai-inference/)；
+> 检索实现由消费方注入——要么通过端口注册挂进本进程，要么配 `ANGINEER_DOCS_API_URL` 走 HTTP。
+
+## 功能架构
+
+```mermaid
+flowchart TB
+    subgraph entry["入口"]
+        pq["run_policy_query（同步、无 HTTP 依赖）"]
+        loop["run_agent_loop（自备配置的裸循环）"]
+    end
+
+    subgraph harness["编排"]
+        cls["意图分级 IntentClassifier（L0~L4）"]
+        pol["策略展开 build_attempts（Attempt 状态机）"]
+        guard["证据守卫 make_final_answer_guard"]
+        codec["工具文本协议 TextToolCallCodec"]
+    end
+
+    subgraph tools["工具箱"]
+        ks["knowledge_search"]
+        ts["table_search"]
+        es["entity_search"]
+        st["knowledge_stats"]
+        calc["calculator / sop_execute / conditional"]
+    end
+
+    subgraph seams["检索接入（二选一）"]
+        http["HTTP：ANGINEER_DOCS_API_URL（docs-api 契约）"]
+        ports["端口注入：ports.register_agent_search 等"]
+    end
+
+    subgraph llm["LLM"]
+        ai["angineer-ai-inference（LLM_CONFIGS 多模型路由）"]
+    end
+
+    pq --> cls --> pol --> loop
+    loop --> codec
+    codec --> tools
+    tools --> seams
+    loop --> llm
+    llm --> guard
+    guard --> pq
+```
+
+## 安装
+
+```bash
+# PyPI（推荐）
+pip install angineer-core
+
+# 或从 GitHub 钉版本安装
+pip install "angineer-core @ git+https://github.com/0mao0/angineer-core.git@v0.1.0"
+
+# 本地开发（主仓库 AnGIneer 内）
+pip install -e services/angineer-core
+```
+
+Python 要求 `>=3.10`；依赖：`angineer-ai-inference`、`pydantic>=2.0,<3.0`、
+`python-dotenv>=1.0`、`requests>=2.31`、`jsonschema`。
+
+## 快速开始
+
+两步就位：配 LLM（`LLM_CONFIGS`，格式见 [angineer-ai-inference](https://pypi.org/project/angineer-ai-inference/)），
+再指一条检索来源——下面是走 HTTP 的最小例子。
+
+```bash
+export LLM_CONFIGS='[{"name":"Qwen3.6-A3B","model":"Qwen3.6-35B-A3B-FP8","api_key":"sk-...","base_url":"https://your-gateway/v1","enabled":true,"priority":10}]'
+export ANGINEER_DOCS_API_URL="https://your-docs-api"
+```
+
+```python
+from angineer_core.policy_query import run_policy_query
+
+result = run_policy_query("隧道二次衬砌的最小厚度是多少？", library_id="default")
+
+print(result["answer"])        # 最终回答（含 cite 标记）
+print(result["citations"])     # 出处（来自检索项的 page/cite 字段）
+print(result["intent"])        # 意图分级结果（L0~L4 / service_mode）
+print(result["llm_errors"])    # 空列表＝没有静默降级的 LLM 失败
+```
+
+`run_policy_query` 不依赖 HTTP / FastAPI / asyncio，可在后台线程直接调用。
+返回值是字典：`answer` / `citations` / `retrieved_items` / `evidences` / `intent` /
+`trace_notes` / `stage_timings` / `prompt_versions` / `llm_errors` / `runtime_flags` 等。
+
+## 两条检索接入路径
+
+引擎只认协议，不认识任何具体检索实现；下表的两种接法效果等价，任选其一。
+
+| 路径 | 怎么接 | 未接时表现 |
+| :--- | :--- | :--- |
+| **HTTP**（推荐给独立部署） | 配 `ANGINEER_DOCS_API_URL` 指向 docs-api 兼容服务；引擎调 4 个端点：`/api/knowledge/internal/retrieve`、`/internal/entity-search`、`/internal/doc-nodes`、`/internal/graph-append-note` | 未配置则走本地回退（端口路径） |
+| **端口注入**（推荐给嵌入式） | 进程内调 `angineer_core.ports.register_*`，把自家检索实现挂上 | 未注册的端口按降级语义走「警告 + 空结果」，对应工具不可用 |
+
+```python
+from angineer_core import ports
+
+ports.register_local_nodes_loader(lambda library_id, doc_ids: my_nodes(library_id, doc_ids))
+ports.register_local_rerank(lambda query, task_type, candidates: my_rerank(query, task_type, candidates))
+ports.register_agent_search(
+    normalize_query=my_normalize_query,      # "第六十条" → "第60条"，不接则原样透传
+    knowledge_local=my_knowledge_search,     # 只做正文问答时，这个端口是必需的
+    table_local=my_table_search,
+    entity_local=my_entity_search,
+    local_stats=my_local_stats,
+    engtool_registry=my_tool_registry,       # calculator / conditional 等外部工具
+    relevant_citations=my_relevant_citations,
+    table_blocks=my_table_blocks,
+)
+```
+
+只做正文问答（不查表、不查图谱、不做统计）的最小实现 = **两个端口**：
+
+- `knowledge_local`：召回本体（必需）；
+- `local_nodes_loader`：文档清单（`local_nodes_loader(library_id, doc_ids)`）。它决定证据文本前的
+  `《标题》` 前缀，也决定 `doc_ids` 收窄是否生效——**清单为空时按 docs-core 配方的召回恒空**
+  （`dense_retriever` 见空 nodes 直接返回 `[]`），表现为整库拒答。自家召回实现若不依赖文档清单，
+  也必须让检索项自带标题（见下条契约）。
+
+表格题 / 实体查 / 统计题 / 引用挑选 / SOP / 计算器各自是独立端口，按需补齐。
+
+**检索项契约**（换任何实现都要守，缺字段只会静默退化、不报错）：
+
+- `item_id` / `doc_id` / `title` / `text` / `score` / `metadata` 字段齐全；
+- **`metadata.doc_title` 必带**（或让 `text` 自带 `《标题》`）：引擎据此给证据文本拼 `《书名》` 前缀；
+  出处守卫用「证据里出现过的书名号标题」核对答案里的引用，**证据侧一个标题都没有时，
+  答案里任何 `《…》` 引用都会被判编造、整段替换为拒答**（`has_unsupported_reference`，逐条硬拦会误杀，
+  所以口径是「全部核不到才拦」）；
+- 页码等定位字段随 `metadata` 透传，`citations` 由引擎按检索顺序分配标注。
+
+## 意图分级与策略展开
+
+`IntentClassifier` 输出 L0~L4，`build_attempts` 按级别展开尝试序列（前一级失败自动降级到下一级）：
+
+| 级别 | 含义 | Attempt 序列 |
+| :--- | :--- | :--- |
+| L0 | 闲聊 / 寒暄 | 直答（不调工具） |
+| L1 | 正文问答 | 语义检索（`enforce_evidence=True`，无证据拒答） |
+| L2 | 条款 / 表格定位 | `table_search` 优先，无证据降级 L1 |
+| L3 | 规范计算 | 复杂档：QA 三件套 + `sop_execute` + `calculator` + `conditional`，最多 8 轮 |
+| L4 | 复杂综合 | 同 L3（复杂档只按 level 记标签，编排一致） |
+
+## 事件协议
+
+`run_agent_loop` 通过 `emit` 回调吐 `AgentEvent(type, run_id, turn, ts, payload)`：
+
+```text
+run_start / run_end
+turn_start / turn_end
+message_start / message_delta / message_end
+tool_start / tool_end
+note（过程说明） / answer（守卫替换后的最终回答） / error
+```
+
+按 `run_id` 归并以还原「思考过程（N 步 · 工具耗时 X）」；`meta` 字段永不进 LLM 上下文。
+
+## 证据守卫
+
+`make_final_answer_guard(enforce_evidence)` 在回答出栈前做四道检查：
+
+1. 全程没有有效证据 → 拒答；
+2. 答案引用未检索到的规范编号 / 书名号标题 → 替换为拒答话术（标题类为「全部核不到才拦」，部分核到的次级引用放行）；
+3. 编造 `[KTE]` 标记 → 移除标记，不拒答；
+4. 已有证据却整段拒答 → 终段定向重试一次，仍拒答则保留原文并留 trace 注记。
+
+## 环境变量
+
+配置全部来自环境变量；LLM 侧变量（`LLM_CONFIGS` / `ANGINEER_*` 超时重试等）见
+angineer-ai-inference README，这里只列引擎自身常用的：
+
+| 变量 | 默认 | 说明 |
+| :--- | :--- | :--- |
+| `ANGINEER_DOCS_API_URL` | 空 | docs-api 基址；配了就优先走 HTTP 检索 |
+| `ANGINEER_DOCS_API_TIMEOUT` | 30 | docs-api 请求超时（秒） |
+| `ANGINEER_DISABLE_LOCAL_FALLBACK` | 0 | 置 1 时禁止本地回退（HTTP 失败即空结果，不发跨进程直读） |
+| `ANGINEER_CONTEXT_TOP_N` | 15 | rerank 后进上下文的证据条数上限 |
+| `ANGINEER_QA_PROMPT_VERSION` | latest | QA 档提示词版本（`v17` / `latest`，随包发布） |
+| `ANGINEER_FIRST_TOKEN_LIVENESS_S` | 90 | 流式首字存活线（秒），0 = 关闭；防上游挂起不返回 |
+| `ANGINEER_ROUTE_PARALLEL` | true | 赌博式预检：请求进来就并行预跑一次 L1 检索 |
+| `ANGINEER_EAGER_COMPRESS` | false | 激进压缩开关：每轮即压跨对话证据，不等预算阈值 |
+| `ANGINEER_LOG_LEVEL` | INFO | 日志级别 |
+
+## 不在本库范围
+
+- HTTP / SSE 服务端点（由消费方，如 AnGIneer 的 aichat-api 实现）；
+- 知识库存储、向量检索、rerank、解析入库（由消费方或 docs-api 提供）；
+- 会话池与聊天历史持久化（本库给 `AgentSession` 结构，落库由消费方决定）；
+- LLM 客户端本身（走 angineer-ai-inference）。
+
+## 开发与测试
+
+```bash
+pip install -e ".[dev]"
+python -m pytest tests -q
+```
+
+测试覆盖：意图分类降级、策略展开、工具箱组成、答案形态注入、上下文截断、
+证据指针与跨轮压缩、多库作用域与检索 memo、检索端口双轨。依赖 docs-core 的集成用例
+在未安装 docs-core 的环境自动跳过（当前 70 passed / 6 skipped）。
+
+架构说明（Agent Harness 详解、工具协议、关键踩坑）见主仓库
+[docs/angineer-core/agent-harness.md](https://github.com/0mao0/AnGIneer/blob/main/docs/angineer-core/agent-harness.md)。
+
+## 许可
+
+MIT

angineer_core-0.1.0/README.md

@@ -0,0 +1,215 @@
+# angineer-core
+
+[![PyPI](https://img.shields.io/pypi/v/angineer-core)](https://pypi.org/project/angineer-core/)
+
+AnGIneer 的问答编排内核（Agent Harness 引擎，纯 Python 库，非服务）：一条
+**意图分级 → 策略展开 → 多轮工具调用 → 证据守卫 → 出处标注** 的完整链路。
+
+> 定位：本库**不含 HTTP 服务、不含知识库存储、不含检索配方**。
+> LLM 调用交给 [angineer-ai-inference](https://pypi.org/project/angineer-ai-inference/)；
+> 检索实现由消费方注入——要么通过端口注册挂进本进程，要么配 `ANGINEER_DOCS_API_URL` 走 HTTP。
+
+## 功能架构
+
+```mermaid
+flowchart TB
+    subgraph entry["入口"]
+        pq["run_policy_query（同步、无 HTTP 依赖）"]
+        loop["run_agent_loop（自备配置的裸循环）"]
+    end
+
+    subgraph harness["编排"]
+        cls["意图分级 IntentClassifier（L0~L4）"]
+        pol["策略展开 build_attempts（Attempt 状态机）"]
+        guard["证据守卫 make_final_answer_guard"]
+        codec["工具文本协议 TextToolCallCodec"]
+    end
+
+    subgraph tools["工具箱"]
+        ks["knowledge_search"]
+        ts["table_search"]
+        es["entity_search"]
+        st["knowledge_stats"]
+        calc["calculator / sop_execute / conditional"]
+    end
+
+    subgraph seams["检索接入（二选一）"]
+        http["HTTP：ANGINEER_DOCS_API_URL（docs-api 契约）"]
+        ports["端口注入：ports.register_agent_search 等"]
+    end
+
+    subgraph llm["LLM"]
+        ai["angineer-ai-inference（LLM_CONFIGS 多模型路由）"]
+    end
+
+    pq --> cls --> pol --> loop
+    loop --> codec
+    codec --> tools
+    tools --> seams
+    loop --> llm
+    llm --> guard
+    guard --> pq
+```
+
+## 安装
+
+```bash
+# PyPI（推荐）
+pip install angineer-core
+
+# 或从 GitHub 钉版本安装
+pip install "angineer-core @ git+https://github.com/0mao0/angineer-core.git@v0.1.0"
+
+# 本地开发（主仓库 AnGIneer 内）
+pip install -e services/angineer-core
+```
+
+Python 要求 `>=3.10`；依赖：`angineer-ai-inference`、`pydantic>=2.0,<3.0`、
+`python-dotenv>=1.0`、`requests>=2.31`、`jsonschema`。
+
+## 快速开始
+
+两步就位：配 LLM（`LLM_CONFIGS`，格式见 [angineer-ai-inference](https://pypi.org/project/angineer-ai-inference/)），
+再指一条检索来源——下面是走 HTTP 的最小例子。
+
+```bash
+export LLM_CONFIGS='[{"name":"Qwen3.6-A3B","model":"Qwen3.6-35B-A3B-FP8","api_key":"sk-...","base_url":"https://your-gateway/v1","enabled":true,"priority":10}]'
+export ANGINEER_DOCS_API_URL="https://your-docs-api"
+```
+
+```python
+from angineer_core.policy_query import run_policy_query
+
+result = run_policy_query("隧道二次衬砌的最小厚度是多少？", library_id="default")
+
+print(result["answer"])        # 最终回答（含 cite 标记）
+print(result["citations"])     # 出处（来自检索项的 page/cite 字段）
+print(result["intent"])        # 意图分级结果（L0~L4 / service_mode）
+print(result["llm_errors"])    # 空列表＝没有静默降级的 LLM 失败
+```
+
+`run_policy_query` 不依赖 HTTP / FastAPI / asyncio，可在后台线程直接调用。
+返回值是字典：`answer` / `citations` / `retrieved_items` / `evidences` / `intent` /
+`trace_notes` / `stage_timings` / `prompt_versions` / `llm_errors` / `runtime_flags` 等。
+
+## 两条检索接入路径
+
+引擎只认协议，不认识任何具体检索实现；下表的两种接法效果等价，任选其一。
+
+| 路径 | 怎么接 | 未接时表现 |
+| :--- | :--- | :--- |
+| **HTTP**（推荐给独立部署） | 配 `ANGINEER_DOCS_API_URL` 指向 docs-api 兼容服务；引擎调 4 个端点：`/api/knowledge/internal/retrieve`、`/internal/entity-search`、`/internal/doc-nodes`、`/internal/graph-append-note` | 未配置则走本地回退（端口路径） |
+| **端口注入**（推荐给嵌入式） | 进程内调 `angineer_core.ports.register_*`，把自家检索实现挂上 | 未注册的端口按降级语义走「警告 + 空结果」，对应工具不可用 |
+
+```python
+from angineer_core import ports
+
+ports.register_local_nodes_loader(lambda library_id, doc_ids: my_nodes(library_id, doc_ids))
+ports.register_local_rerank(lambda query, task_type, candidates: my_rerank(query, task_type, candidates))
+ports.register_agent_search(
+    normalize_query=my_normalize_query,      # "第六十条" → "第60条"，不接则原样透传
+    knowledge_local=my_knowledge_search,     # 只做正文问答时，这个端口是必需的
+    table_local=my_table_search,
+    entity_local=my_entity_search,
+    local_stats=my_local_stats,
+    engtool_registry=my_tool_registry,       # calculator / conditional 等外部工具
+    relevant_citations=my_relevant_citations,
+    table_blocks=my_table_blocks,
+)
+```
+
+只做正文问答（不查表、不查图谱、不做统计）的最小实现 = **两个端口**：
+
+- `knowledge_local`：召回本体（必需）；
+- `local_nodes_loader`：文档清单（`local_nodes_loader(library_id, doc_ids)`）。它决定证据文本前的
+  `《标题》` 前缀，也决定 `doc_ids` 收窄是否生效——**清单为空时按 docs-core 配方的召回恒空**
+  （`dense_retriever` 见空 nodes 直接返回 `[]`），表现为整库拒答。自家召回实现若不依赖文档清单，
+  也必须让检索项自带标题（见下条契约）。
+
+表格题 / 实体查 / 统计题 / 引用挑选 / SOP / 计算器各自是独立端口，按需补齐。
+
+**检索项契约**（换任何实现都要守，缺字段只会静默退化、不报错）：
+
+- `item_id` / `doc_id` / `title` / `text` / `score` / `metadata` 字段齐全；
+- **`metadata.doc_title` 必带**（或让 `text` 自带 `《标题》`）：引擎据此给证据文本拼 `《书名》` 前缀；
+  出处守卫用「证据里出现过的书名号标题」核对答案里的引用，**证据侧一个标题都没有时，
+  答案里任何 `《…》` 引用都会被判编造、整段替换为拒答**（`has_unsupported_reference`，逐条硬拦会误杀，
+  所以口径是「全部核不到才拦」）；
+- 页码等定位字段随 `metadata` 透传，`citations` 由引擎按检索顺序分配标注。
+
+## 意图分级与策略展开
+
+`IntentClassifier` 输出 L0~L4，`build_attempts` 按级别展开尝试序列（前一级失败自动降级到下一级）：
+
+| 级别 | 含义 | Attempt 序列 |
+| :--- | :--- | :--- |
+| L0 | 闲聊 / 寒暄 | 直答（不调工具） |
+| L1 | 正文问答 | 语义检索（`enforce_evidence=True`，无证据拒答） |
+| L2 | 条款 / 表格定位 | `table_search` 优先，无证据降级 L1 |
+| L3 | 规范计算 | 复杂档：QA 三件套 + `sop_execute` + `calculator` + `conditional`，最多 8 轮 |
+| L4 | 复杂综合 | 同 L3（复杂档只按 level 记标签，编排一致） |
+
+## 事件协议
+
+`run_agent_loop` 通过 `emit` 回调吐 `AgentEvent(type, run_id, turn, ts, payload)`：
+
+```text
+run_start / run_end
+turn_start / turn_end
+message_start / message_delta / message_end
+tool_start / tool_end
+note（过程说明） / answer（守卫替换后的最终回答） / error
+```
+
+按 `run_id` 归并以还原「思考过程（N 步 · 工具耗时 X）」；`meta` 字段永不进 LLM 上下文。
+
+## 证据守卫
+
+`make_final_answer_guard(enforce_evidence)` 在回答出栈前做四道检查：
+
+1. 全程没有有效证据 → 拒答；
+2. 答案引用未检索到的规范编号 / 书名号标题 → 替换为拒答话术（标题类为「全部核不到才拦」，部分核到的次级引用放行）；
+3. 编造 `[KTE]` 标记 → 移除标记，不拒答；
+4. 已有证据却整段拒答 → 终段定向重试一次，仍拒答则保留原文并留 trace 注记。
+
+## 环境变量
+
+配置全部来自环境变量；LLM 侧变量（`LLM_CONFIGS` / `ANGINEER_*` 超时重试等）见
+angineer-ai-inference README，这里只列引擎自身常用的：
+
+| 变量 | 默认 | 说明 |
+| :--- | :--- | :--- |
+| `ANGINEER_DOCS_API_URL` | 空 | docs-api 基址；配了就优先走 HTTP 检索 |
+| `ANGINEER_DOCS_API_TIMEOUT` | 30 | docs-api 请求超时（秒） |
+| `ANGINEER_DISABLE_LOCAL_FALLBACK` | 0 | 置 1 时禁止本地回退（HTTP 失败即空结果，不发跨进程直读） |
+| `ANGINEER_CONTEXT_TOP_N` | 15 | rerank 后进上下文的证据条数上限 |
+| `ANGINEER_QA_PROMPT_VERSION` | latest | QA 档提示词版本（`v17` / `latest`，随包发布） |
+| `ANGINEER_FIRST_TOKEN_LIVENESS_S` | 90 | 流式首字存活线（秒），0 = 关闭；防上游挂起不返回 |
+| `ANGINEER_ROUTE_PARALLEL` | true | 赌博式预检：请求进来就并行预跑一次 L1 检索 |
+| `ANGINEER_EAGER_COMPRESS` | false | 激进压缩开关：每轮即压跨对话证据，不等预算阈值 |
+| `ANGINEER_LOG_LEVEL` | INFO | 日志级别 |
+
+## 不在本库范围
+
+- HTTP / SSE 服务端点（由消费方，如 AnGIneer 的 aichat-api 实现）；
+- 知识库存储、向量检索、rerank、解析入库（由消费方或 docs-api 提供）；
+- 会话池与聊天历史持久化（本库给 `AgentSession` 结构，落库由消费方决定）；
+- LLM 客户端本身（走 angineer-ai-inference）。
+
+## 开发与测试
+
+```bash
+pip install -e ".[dev]"
+python -m pytest tests -q
+```
+
+测试覆盖：意图分类降级、策略展开、工具箱组成、答案形态注入、上下文截断、
+证据指针与跨轮压缩、多库作用域与检索 memo、检索端口双轨。依赖 docs-core 的集成用例
+在未安装 docs-core 的环境自动跳过（当前 70 passed / 6 skipped）。
+
+架构说明（Agent Harness 详解、工具协议、关键踩坑）见主仓库
+[docs/angineer-core/agent-harness.md](https://github.com/0mao0/AnGIneer/blob/main/docs/angineer-core/agent-harness.md)。
+
+## 许可
+
+MIT

angineer_core-0.1.0/pyproject.toml

@@ -0,0 +1,60 @@
+[build-system]
+requires = ["setuptools>=68", "wheel"]
+build-backend = "setuptools.build_meta"
+
+[project]
+name = "angineer-core"
+version = "0.1.0"
+description = "AnGIneer core service - AI Engineer Operating System Core Module"
+readme = "README.md"
+requires-python = ">=3.10"
+license = {text = "MIT"}
+authors = [
+    {name = "AnGIneer Team"}
+]
+keywords = ["ai", "agent", "sop", "engineering"]
+classifiers = [
+    "Development Status :: 3 - Alpha",
+    "Intended Audience :: Developers",
+    "License :: OSI Approved :: MIT License",
+    "Programming Language :: Python :: 3",
+    "Programming Language :: Python :: 3.10",
+    "Programming Language :: Python :: 3.11",
+    "Programming Language :: Python :: 3.12",
+]
+dependencies = [
+    "angineer-ai-inference>=0.2.2,<0.3.0",
+    "jsonschema>=4.0.0",
+    "pydantic>=2.0.0,<3.0.0",
+    "python-dotenv>=1.0.0",
+    "requests>=2.31.0",
+]
+
+[project.optional-dependencies]
+dev = [
+    "pytest>=7.0.0",
+    "pytest-cov>=4.0.0",
+    "mypy>=1.0.0",
+]
+
+[tool.setuptools]
+package-dir = {"" = "src"}
+
+[tool.setuptools.packages.find]
+where = ["src"]
+
+[project.urls]
+Repository = "https://github.com/0mao0/angineer-core"
+Issues = "https://github.com/0mao0/angineer-core/issues"
+
+[tool.mypy]
+python_version = "3.10"
+warn_return_any = true
+warn_unused_configs = true
+ignore_missing_imports = true
+
+[tool.pytest.ini_options]
+testpaths = ["tests"]
+python_files = ["test_*.py"]
+python_classes = ["Test*"]
+python_functions = ["test_*"]

angineer_core-0.1.0/setup.cfg

@@ -0,0 +1,4 @@
+[egg_info]
+tag_build = 
+tag_date = 0
+

angineer_core-0.1.0/src/angineer_core/__init__.py

@@ -0,0 +1,91 @@
+"""
+AnGIneer Core - AI Engineer Operating System Core Module.
+
+LLM 相关功能请直接使用 ai_inference：
+    from ai_inference.llm_client import LLMClient, get_llm_client
+    from ai_inference.llm_response_parser import ParseError, extract_json_from_text
+
+惰性导出（PEP 562，2026-09-18）：本包 __init__ 不再 import classifier/memory/
+base_config/base_di 等重组件——此前 `import angineer_core.agent_messages` 也会
+顺带拉起 ai_inference/docs-core 整条依赖树（importtime 实测 520ms+），独立包
+（如 chat-history）只想用轻量数据类/协议却被迫背全家桶。现改为 __getattr__
+按需加载并缓存到 globals()，`from angineer_core import IntentClassifier` 等
+既有用法逐字兼容。
+"""
+
+import importlib
+from typing import TYPE_CHECKING
+
+if TYPE_CHECKING:  # 仅为类型检查器保留的静态视图，运行时不执行任何重导入
+    from angineer_core.classifier import IntentClassifier
+    from angineer_core.memory import Memory, StepRecord, UndefinedVariableError
+    from angineer_core.base_contracts import (
+        SOP, Step, AgentResponse,
+        IntentResult, IntentLevel, ServiceMode,
+        IntentResponse, ActionResponse, StepParseResponse, ArgsExtractResponse,
+        ScopeContext, RouteDebug, RouteDecision, Evidence, EvidenceKind,
+    )
+    from angineer_core.base_logger import (
+        get_logger,
+        get_default_logger,
+        set_default_logger,
+    )
+    from angineer_core.base_config import (
+        AnGIneerConfig,
+        get_config,
+        set_config,
+        reset_config,
+    )
+    from angineer_core.base_di import (
+        setup_container,
+        initialize_services,
+    )
+
+__version__ = "0.1.0"
+
+# 导出名 → 所属子模块：__getattr__ 命中时才 importlib.import_module
+_LAZY_EXPORTS = {
+    "IntentClassifier": "classifier",
+    "Memory": "memory",
+    "StepRecord": "memory",
+    "UndefinedVariableError": "memory",
+    "SOP": "base_contracts",
+    "Step": "base_contracts",
+    "AgentResponse": "base_contracts",
+    "IntentResult": "base_contracts",
+    "IntentLevel": "base_contracts",
+    "ServiceMode": "base_contracts",
+    "IntentResponse": "base_contracts",
+    "ActionResponse": "base_contracts",
+    "StepParseResponse": "base_contracts",
+    "ArgsExtractResponse": "base_contracts",
+    "ScopeContext": "base_contracts",
+    "RouteDebug": "base_contracts",
+    "RouteDecision": "base_contracts",
+    "Evidence": "base_contracts",
+    "EvidenceKind": "base_contracts",
+    "get_logger": "base_logger",
+    "get_default_logger": "base_logger",
+    "set_default_logger": "base_logger",
+    "AnGIneerConfig": "base_config",
+    "get_config": "base_config",
+    "set_config": "base_config",
+    "reset_config": "base_config",
+    "setup_container": "base_di",
+    "initialize_services": "base_di",
+}
+
+__all__ = sorted(_LAZY_EXPORTS)
+
+
+def __getattr__(name: str):
+    mod_name = _LAZY_EXPORTS.get(name)
+    if mod_name is None:
+        raise AttributeError(f"module {__name__!r} has no attribute {name!r}")
+    value = getattr(importlib.import_module(f"{__name__}.{mod_name}"), name)
+    globals()[name] = value  # 缓存：后续访问不再走 __getattr__
+    return value
+
+
+def __dir__():
+    return sorted(set(globals()) | set(_LAZY_EXPORTS))