qsay 0.2.0__tar.gz

qsay-0.2.0/PKG-INFO

@@ -0,0 +1,260 @@
+Metadata-Version: 2.4
+Name: qsay
+Version: 0.2.0
+Summary: A local-first natural-language command router
+Author: qsay contributors
+License: MIT
+Requires-Python: >=3.9
+Description-Content-Type: text/markdown
+Provides-Extra: local
+Requires-Dist: llama-cpp-python<0.4,>=0.3.16; extra == "local"
+Provides-Extra: dev
+Requires-Dist: pytest<9,>=8; extra == "dev"
+
+# qsay
+
+轻量、模型优先的自然语言命令路由器。输入一句话，qsay 使用本地 Qwen3-0.6B 或 OpenAI-compatible API 生成结构化命令计划，展示风险并在确认后执行。
+
+当前实现已经全部迁移到 Python。默认 Provider 是 OpenAI-compatible API，以优先获得更高的命令准确率和更低延迟；本地 Qwen3-0.6B 是显式的离线选项。macOS、Linux 和 Windows 共用 GGUF + llama.cpp 路径，Apple Silicon 可以选择 MLX 加速。Windows 只支持 PowerShell，不支持 `cmd.exe`。
+
+## 安装
+
+需要 Python 3.9+。开发环境安装：
+
+```bash
+python3 -m venv .venv
+.venv/bin/python -m pip install -e '.[local,dev]'
+```
+
+Windows PowerShell：
+
+```powershell
+py -m venv .venv
+.venv\Scripts\python -m pip install -e ".[local,dev]"
+```
+
+安装完成后可直接运行 `qsay`。默认 API 模式不需要本地推理依赖，可执行 `python -m pip install -e .`；需要离线模式时再安装 `.[local]`。
+
+### 本地模型
+
+默认模型为 Qwen3-0.6B Q4_K_M GGUF：
+
+```bash
+qsay model path
+python -m pip install huggingface-hub
+qsay model download
+```
+
+`qsay model download` 当前使用公开的社区 Q4_K_M 转换以减小包体。正式发行包会由项目从 Qwen 官方 Apache-2.0 权重自行转换并固定 SHA-256。也可以配置自己验证过的模型：
+
+```bash
+qsay config --global local.model-path /path/to/Qwen3-0.6B-Q4_K_M.gguf
+```
+
+## 使用
+
+默认使用 API。首次使用先配置 OpenAI-compatible endpoint、模型名和 API Key：
+
+```bash
+qsay config --global llm.base-url https://api.openai.com/v1
+qsay config --global llm.model gpt-4o-mini
+qsay config --global llm.api-key "你的 API Key"
+```
+
+未配置时，qsay 会打印上述配置方法，不会自动回退到准确率未达门槛的本地模型。配置完成后：
+
+```bash
+qsay "解压 backup.tar 到 ./backup"
+qsay --print "查找 src 下所有 rs 文件"
+qsay --json "查看当前 git 状态"
+```
+
+常用选项：
+
+- `--print`：只打印命令，不执行
+- `--json`：输出结构化计划
+- `--copy`：复制命令
+- `--yes`：跳过普通确认，高风险命令除外
+- `--timing`：显示配置、Provider 初始化、LLM/API 和解析耗时
+- `--local` / `--offline`：强制本地模型
+- `--api`：强制 API Provider（当前默认）
+- `--backend llama-cpp|mlx|server`：临时选择本地 backend
+- `--model-path PATH`：临时指定本地模型
+- `--lang zh|en`：设置界面语言，默认中文
+
+## 本地推理后端
+
+| Backend | 平台 | 用途 |
+|---|---|---|
+| `llama-cpp` | macOS/Linux/Windows | 默认；GGUF、纯 CPU、跨平台 |
+| `mlx` | Apple Silicon macOS | 可选加速；需要 `mlx-lm` 和 MLX 模型目录 |
+| `server` | 全平台 | 连接本机的 llama.cpp/Ollama/vLLM 等 OpenAI-compatible 服务 |
+
+默认 `auto` 当前解析为 `llama-cpp`，确保三平台语义一致。MLX 需要显式启用：
+
+```bash
+python -m pip install mlx-lm
+qsay config --global local.backend mlx
+qsay config --global local.model-path /path/to/qwen3-0.6b-mlx-4bit
+```
+
+连接常驻本地服务可以避免每次 CLI 调用重新加载模型：
+
+```bash
+qsay config --global local.backend server
+qsay config --global local.endpoint http://127.0.0.1:8080/v1
+qsay config --global local.model Qwen3-0.6B
+```
+
+这是当前最值得继续优化的跨平台方案：qsay 核心保持纯 Python 标准库，模型进程可以常驻；底层服务仍可由 llama.cpp 在 CPU、Metal、CUDA 或 Vulkan 上运行。
+
+## API Provider
+
+配置方式保持 Git 风格，API Key 直接保存在 qsay 配置中。由于 API 是默认 Provider，正常使用时无需再添加 `--api`：
+
+```bash
+qsay config --global llm.base-url https://api.openai.com/v1
+qsay config --global llm.model gpt-4o-mini
+qsay config --global llm.api-key "你的 API Key"
+
+qsay --print "解压 backup.tar 到 ./backup"
+```
+
+API Provider 接受 OpenAI-compatible `/chat/completions` 接口。
+
+默认请求使用 `temperature=0`、短输出上限和“只返回最终 JSON”的提示，不要求模型输出思考过程。Qwen API 还会显式发送 `enable_thinking=false`；本地 Qwen 的 llama.cpp/server 会追加 `/no_think`，MLX 使用 `enable_thinking=False`。其他通用 API 没有统一的隐藏推理开关，具体服务是否在内部推理由服务商和模型决定。
+
+定位单次命令的等待时间：
+
+```bash
+qsay --timing "切换到 develop"
+```
+
+其中 `LLM` 包含完整 Provider 调用；API 模式还会单列 `API 往返`，它包含网络建连、服务端排队和模型生成。配置读取、Provider 初始化、响应解码和本地计划解析会分别列出。`--json` 的 `timing_ms` 字段也会保留这些数据。
+
+普通交互输出会显示本轮 token 用量，例如：
+
+```text
+Token：输入 128，输出 18，总计 146
+```
+
+API 返回的用量是服务端统计值；MLX 若服务不提供统计，则显示本地 tokenizer 的估算值；Provider 没有返回用量时会明确显示“服务未返回用量”。`--print` 保持只输出命令，便于脚本使用；`--json` 会在 `token_usage` 字段中保留统计。
+
+## 模型评估模式
+
+`qsay eval` 使用相同工具 Schema、相同请求集比较本地模型和 API LLM，统计工具 exact match、正常请求参数 exact match、critical false-call、请求错误和 p50/p95 延迟。
+
+```bash
+# 本地模型
+qsay eval --local --output reports/qwen-local.json --verbose
+
+# 已配置的 API 模型
+qsay eval --api --output reports/api.json --verbose
+
+# 临时指定 API endpoint 和模型；API Key 仍从配置读取
+qsay eval --api \
+  --base-url https://api.example.com/v1 \
+  --model example-model \
+  --output reports/example-model.json
+```
+
+筛选和自定义用例：
+
+```bash
+qsay eval --api --locale zh --locale mixed --limit 20
+qsay eval --api --cases ./my-cases.jsonl
+```
+
+评估返回码：无 critical false-call 时 `0`，存在 critical false-call 时 `1`，配置或整体请求失败时 `2`。即使单条 API 请求失败，报告仍会继续生成并记录错误。
+
+评估报表也会记录逐条 `token_usage`、请求/API 往返耗时，以及累计输入、输出和 reasoning token，方便比较 API、本地模型和不同 Prompt 的成本与延迟。评估保持串行，避免并发排队和限流干扰单条延迟数据。
+
+当前 Qwen3-0.6B Q4_K_M 在本开发机的 33 条完整基线为：工具 exact match 72.7%、正常参数 exact match 94.7%、4 次 critical false-call，p50/p95 约 1.85/1.96 秒。它足以验证本地闭环，但尚未达到发布门槛；否定句、无关请求和危险路径必须继续由确定性安全层阻断。
+
+## 后续 TODO：多任务路由
+
+当前版本仍以命令路由为唯一产品能力。后续计划在同一个 `qsay "..."` 入口中自动路由三类高频请求：命令生成、翻译和一句话问答。`ask`、`translate` 不会成为强制模式，只作为显式覆盖和可选语法糖。
+
+计划中的用法：
+
+```bash
+# 自动路由（计划中，尚未实现）
+qsay "把部署已经完成翻译成英文"
+qsay "什么是 git rebase？"
+
+# 显式覆盖（计划中，尚未实现）
+qsay --task translate --to en "部署已经完成"
+qsay --task answer "什么是 git rebase？"
+qsay translate "部署已经完成"
+qsay ask "什么是 git rebase？"
+```
+
+实现时会使用统一的 `command|translate|answer` 响应结构。翻译和问答只输出文本，不进入命令确认或执行流程；命令继续经过 Shell、风险和确认层。三类任务会分别控制 Prompt、输出长度、`--print`/`--json` 行为，并纳入独立的准确率、质量、延迟和误触发评估。
+
+用例格式：
+
+```json
+{"id":"extract","locale":"zh","request":"解压 a.tar 到 ./out","expected_tool":"extract_archive","expected_args":{"source":"a.tar","destination":"./out"},"class":"normal"}
+```
+
+## 配置
+
+优先级为系统级 < 全局 < 当前目录 < 命令行：
+
+- 系统级：macOS/Linux `/etc/qsayconfig`；Windows `%PROGRAMDATA%\qsay\config`
+- 全局：macOS/Linux `~/.qsayconfig`；Windows `%USERPROFILE%\.qsayconfig`
+- 当前目录：`./.qsay/config`
+
+在 macOS/Linux 上，`qsay config --global ...` 写入 `~/.qsayconfig`；Windows 写入 `%USERPROFILE%\.qsayconfig`。如果从未执行过全局配置命令，文件可能尚不存在，此时使用内置默认值。项目级配置写入当前目录的 `.qsay/config`。
+
+```bash
+qsay config --list
+qsay config --global core.language en
+qsay config --global llm.provider api
+qsay config --global local.backend auto
+qsay config --unset --global local.model-path
+```
+
+完整配置示例（API Key 会以明文写入文件，请勿将该文件提交到公共仓库）：
+
+```toml
+[core]
+language = "zh"
+
+[llm]
+provider = "api"
+base-url = "https://api.openai.com/v1"
+model = "gpt-4o-mini"
+api-key = "你的 API Key"
+timeout-seconds = "60"
+
+[local]
+model = "Qwen3-0.6B"
+backend = "auto"
+model-path = "/path/to/Qwen3-0.6B-Q4_K_M.gguf"
+endpoint = ""
+threads = "0"
+context-size = "2048"
+```
+
+## 开发与测试
+
+```bash
+.venv/bin/pytest -q
+.venv/bin/python -m qsay --help
+.venv/bin/python -m qsay eval --help
+```
+
+本地 Qwen 冒烟测试：
+
+```bash
+.venv/bin/python -m qsay --local --print "查看 git 状态"
+.venv/bin/python -m qsay eval --local --limit 3 --verbose
+```
+
+llama.cpp 的 Metal/kernel 探测日志默认隐藏。排查本地推理后端时，可用
+`QSAY_LLAMA_LOG=1 qsay ...` 临时显示原生日志。
+
+模型只负责规划和路由。命令风险升级、确认、高风险 `--yes` 阻断及执行仍由确定性代码控制；模型输出不会直接静默执行。
+
+设计细节见 [MVP.md](MVP.md)，模型实验见 [LOCAL-MODEL-RESEARCH.md](LOCAL-MODEL-RESEARCH.md) 和 [experiments/README.md](experiments/README.md)。

qsay-0.2.0/README.md

@@ -0,0 +1,247 @@
+# qsay
+
+轻量、模型优先的自然语言命令路由器。输入一句话，qsay 使用本地 Qwen3-0.6B 或 OpenAI-compatible API 生成结构化命令计划，展示风险并在确认后执行。
+
+当前实现已经全部迁移到 Python。默认 Provider 是 OpenAI-compatible API，以优先获得更高的命令准确率和更低延迟；本地 Qwen3-0.6B 是显式的离线选项。macOS、Linux 和 Windows 共用 GGUF + llama.cpp 路径，Apple Silicon 可以选择 MLX 加速。Windows 只支持 PowerShell，不支持 `cmd.exe`。
+
+## 安装
+
+需要 Python 3.9+。开发环境安装：
+
+```bash
+python3 -m venv .venv
+.venv/bin/python -m pip install -e '.[local,dev]'
+```
+
+Windows PowerShell：
+
+```powershell
+py -m venv .venv
+.venv\Scripts\python -m pip install -e ".[local,dev]"
+```
+
+安装完成后可直接运行 `qsay`。默认 API 模式不需要本地推理依赖，可执行 `python -m pip install -e .`；需要离线模式时再安装 `.[local]`。
+
+### 本地模型
+
+默认模型为 Qwen3-0.6B Q4_K_M GGUF：
+
+```bash
+qsay model path
+python -m pip install huggingface-hub
+qsay model download
+```
+
+`qsay model download` 当前使用公开的社区 Q4_K_M 转换以减小包体。正式发行包会由项目从 Qwen 官方 Apache-2.0 权重自行转换并固定 SHA-256。也可以配置自己验证过的模型：
+
+```bash
+qsay config --global local.model-path /path/to/Qwen3-0.6B-Q4_K_M.gguf
+```
+
+## 使用
+
+默认使用 API。首次使用先配置 OpenAI-compatible endpoint、模型名和 API Key：
+
+```bash
+qsay config --global llm.base-url https://api.openai.com/v1
+qsay config --global llm.model gpt-4o-mini
+qsay config --global llm.api-key "你的 API Key"
+```
+
+未配置时，qsay 会打印上述配置方法，不会自动回退到准确率未达门槛的本地模型。配置完成后：
+
+```bash
+qsay "解压 backup.tar 到 ./backup"
+qsay --print "查找 src 下所有 rs 文件"
+qsay --json "查看当前 git 状态"
+```
+
+常用选项：
+
+- `--print`：只打印命令，不执行
+- `--json`：输出结构化计划
+- `--copy`：复制命令
+- `--yes`：跳过普通确认，高风险命令除外
+- `--timing`：显示配置、Provider 初始化、LLM/API 和解析耗时
+- `--local` / `--offline`：强制本地模型
+- `--api`：强制 API Provider（当前默认）
+- `--backend llama-cpp|mlx|server`：临时选择本地 backend
+- `--model-path PATH`：临时指定本地模型
+- `--lang zh|en`：设置界面语言，默认中文
+
+## 本地推理后端
+
+| Backend | 平台 | 用途 |
+|---|---|---|
+| `llama-cpp` | macOS/Linux/Windows | 默认；GGUF、纯 CPU、跨平台 |
+| `mlx` | Apple Silicon macOS | 可选加速；需要 `mlx-lm` 和 MLX 模型目录 |
+| `server` | 全平台 | 连接本机的 llama.cpp/Ollama/vLLM 等 OpenAI-compatible 服务 |
+
+默认 `auto` 当前解析为 `llama-cpp`，确保三平台语义一致。MLX 需要显式启用：
+
+```bash
+python -m pip install mlx-lm
+qsay config --global local.backend mlx
+qsay config --global local.model-path /path/to/qwen3-0.6b-mlx-4bit
+```
+
+连接常驻本地服务可以避免每次 CLI 调用重新加载模型：
+
+```bash
+qsay config --global local.backend server
+qsay config --global local.endpoint http://127.0.0.1:8080/v1
+qsay config --global local.model Qwen3-0.6B
+```
+
+这是当前最值得继续优化的跨平台方案：qsay 核心保持纯 Python 标准库，模型进程可以常驻；底层服务仍可由 llama.cpp 在 CPU、Metal、CUDA 或 Vulkan 上运行。
+
+## API Provider
+
+配置方式保持 Git 风格，API Key 直接保存在 qsay 配置中。由于 API 是默认 Provider，正常使用时无需再添加 `--api`：
+
+```bash
+qsay config --global llm.base-url https://api.openai.com/v1
+qsay config --global llm.model gpt-4o-mini
+qsay config --global llm.api-key "你的 API Key"
+
+qsay --print "解压 backup.tar 到 ./backup"
+```
+
+API Provider 接受 OpenAI-compatible `/chat/completions` 接口。
+
+默认请求使用 `temperature=0`、短输出上限和“只返回最终 JSON”的提示，不要求模型输出思考过程。Qwen API 还会显式发送 `enable_thinking=false`；本地 Qwen 的 llama.cpp/server 会追加 `/no_think`，MLX 使用 `enable_thinking=False`。其他通用 API 没有统一的隐藏推理开关，具体服务是否在内部推理由服务商和模型决定。
+
+定位单次命令的等待时间：
+
+```bash
+qsay --timing "切换到 develop"
+```
+
+其中 `LLM` 包含完整 Provider 调用；API 模式还会单列 `API 往返`，它包含网络建连、服务端排队和模型生成。配置读取、Provider 初始化、响应解码和本地计划解析会分别列出。`--json` 的 `timing_ms` 字段也会保留这些数据。
+
+普通交互输出会显示本轮 token 用量，例如：
+
+```text
+Token：输入 128，输出 18，总计 146
+```
+
+API 返回的用量是服务端统计值；MLX 若服务不提供统计，则显示本地 tokenizer 的估算值；Provider 没有返回用量时会明确显示“服务未返回用量”。`--print` 保持只输出命令，便于脚本使用；`--json` 会在 `token_usage` 字段中保留统计。
+
+## 模型评估模式
+
+`qsay eval` 使用相同工具 Schema、相同请求集比较本地模型和 API LLM，统计工具 exact match、正常请求参数 exact match、critical false-call、请求错误和 p50/p95 延迟。
+
+```bash
+# 本地模型
+qsay eval --local --output reports/qwen-local.json --verbose
+
+# 已配置的 API 模型
+qsay eval --api --output reports/api.json --verbose
+
+# 临时指定 API endpoint 和模型；API Key 仍从配置读取
+qsay eval --api \
+  --base-url https://api.example.com/v1 \
+  --model example-model \
+  --output reports/example-model.json
+```
+
+筛选和自定义用例：
+
+```bash
+qsay eval --api --locale zh --locale mixed --limit 20
+qsay eval --api --cases ./my-cases.jsonl
+```
+
+评估返回码：无 critical false-call 时 `0`，存在 critical false-call 时 `1`，配置或整体请求失败时 `2`。即使单条 API 请求失败，报告仍会继续生成并记录错误。
+
+评估报表也会记录逐条 `token_usage`、请求/API 往返耗时，以及累计输入、输出和 reasoning token，方便比较 API、本地模型和不同 Prompt 的成本与延迟。评估保持串行，避免并发排队和限流干扰单条延迟数据。
+
+当前 Qwen3-0.6B Q4_K_M 在本开发机的 33 条完整基线为：工具 exact match 72.7%、正常参数 exact match 94.7%、4 次 critical false-call，p50/p95 约 1.85/1.96 秒。它足以验证本地闭环，但尚未达到发布门槛；否定句、无关请求和危险路径必须继续由确定性安全层阻断。
+
+## 后续 TODO：多任务路由
+
+当前版本仍以命令路由为唯一产品能力。后续计划在同一个 `qsay "..."` 入口中自动路由三类高频请求：命令生成、翻译和一句话问答。`ask`、`translate` 不会成为强制模式，只作为显式覆盖和可选语法糖。
+
+计划中的用法：
+
+```bash
+# 自动路由（计划中，尚未实现）
+qsay "把部署已经完成翻译成英文"
+qsay "什么是 git rebase？"
+
+# 显式覆盖（计划中，尚未实现）
+qsay --task translate --to en "部署已经完成"
+qsay --task answer "什么是 git rebase？"
+qsay translate "部署已经完成"
+qsay ask "什么是 git rebase？"
+```
+
+实现时会使用统一的 `command|translate|answer` 响应结构。翻译和问答只输出文本，不进入命令确认或执行流程；命令继续经过 Shell、风险和确认层。三类任务会分别控制 Prompt、输出长度、`--print`/`--json` 行为，并纳入独立的准确率、质量、延迟和误触发评估。
+
+用例格式：
+
+```json
+{"id":"extract","locale":"zh","request":"解压 a.tar 到 ./out","expected_tool":"extract_archive","expected_args":{"source":"a.tar","destination":"./out"},"class":"normal"}
+```
+
+## 配置
+
+优先级为系统级 < 全局 < 当前目录 < 命令行：
+
+- 系统级：macOS/Linux `/etc/qsayconfig`；Windows `%PROGRAMDATA%\qsay\config`
+- 全局：macOS/Linux `~/.qsayconfig`；Windows `%USERPROFILE%\.qsayconfig`
+- 当前目录：`./.qsay/config`
+
+在 macOS/Linux 上，`qsay config --global ...` 写入 `~/.qsayconfig`；Windows 写入 `%USERPROFILE%\.qsayconfig`。如果从未执行过全局配置命令，文件可能尚不存在，此时使用内置默认值。项目级配置写入当前目录的 `.qsay/config`。
+
+```bash
+qsay config --list
+qsay config --global core.language en
+qsay config --global llm.provider api
+qsay config --global local.backend auto
+qsay config --unset --global local.model-path
+```
+
+完整配置示例（API Key 会以明文写入文件，请勿将该文件提交到公共仓库）：
+
+```toml
+[core]
+language = "zh"
+
+[llm]
+provider = "api"
+base-url = "https://api.openai.com/v1"
+model = "gpt-4o-mini"
+api-key = "你的 API Key"
+timeout-seconds = "60"
+
+[local]
+model = "Qwen3-0.6B"
+backend = "auto"
+model-path = "/path/to/Qwen3-0.6B-Q4_K_M.gguf"
+endpoint = ""
+threads = "0"
+context-size = "2048"
+```
+
+## 开发与测试
+
+```bash
+.venv/bin/pytest -q
+.venv/bin/python -m qsay --help
+.venv/bin/python -m qsay eval --help
+```
+
+本地 Qwen 冒烟测试：
+
+```bash
+.venv/bin/python -m qsay --local --print "查看 git 状态"
+.venv/bin/python -m qsay eval --local --limit 3 --verbose
+```
+
+llama.cpp 的 Metal/kernel 探测日志默认隐藏。排查本地推理后端时，可用
+`QSAY_LLAMA_LOG=1 qsay ...` 临时显示原生日志。
+
+模型只负责规划和路由。命令风险升级、确认、高风险 `--yes` 阻断及执行仍由确定性代码控制；模型输出不会直接静默执行。
+
+设计细节见 [MVP.md](MVP.md)，模型实验见 [LOCAL-MODEL-RESEARCH.md](LOCAL-MODEL-RESEARCH.md) 和 [experiments/README.md](experiments/README.md)。

qsay-0.2.0/pyproject.toml

@@ -0,0 +1,30 @@
+[build-system]
+requires = ["setuptools>=68"]
+build-backend = "setuptools.build_meta"
+
+[project]
+name = "qsay"
+version = "0.2.0"
+description = "A local-first natural-language command router"
+readme = "README.md"
+requires-python = ">=3.9"
+license = {text = "MIT"}
+authors = [{name = "qsay contributors"}]
+dependencies = []
+
+[project.optional-dependencies]
+local = ["llama-cpp-python>=0.3.16,<0.4"]
+dev = ["pytest>=8,<9"]
+
+[project.scripts]
+qsay = "qsay.cli:main"
+
+[tool.setuptools.packages.find]
+include = ["qsay*"]
+
+[tool.setuptools.package-data]
+qsay = ["cases.jsonl"]
+
+[tool.pytest.ini_options]
+testpaths = ["tests"]
+pythonpath = ["."]

qsay-0.2.0/qsay/__init__.py

@@ -0,0 +1,3 @@
+"""qsay: local-first natural-language command routing."""
+
+__version__ = "0.2.0"

qsay-0.2.0/qsay/__main__.py

@@ -0,0 +1,4 @@
+from .cli import main
+
+
+raise SystemExit(main())

qsay-0.2.0/qsay/cases.jsonl

@@ -0,0 +1,33 @@
+{"id":"zh_extract","locale":"zh","request":"解压 backup.tar 到 ./backup","expected_tool":"extract_archive","expected_args":{"source":"backup.tar","destination":"./backup"},"class":"normal"}
+{"id":"zh_extract_zip","locale":"zh","request":"把 logs.zip 解压到临时目录 ./tmp/logs","expected_tool":"extract_archive","expected_args":{"source":"logs.zip","destination":"./tmp/logs"},"class":"normal"}
+{"id":"zh_copy","locale":"zh","request":"把 report.txt 复制到 ./backup/report.txt","expected_tool":"copy_file","expected_args":{"source":"report.txt","destination":"./backup/report.txt"},"class":"normal"}
+{"id":"zh_list","locale":"zh","request":"列出当前目录下的文件","expected_tool":"list_directory","expected_args":{"path":"."},"class":"normal"}
+{"id":"zh_git","locale":"zh","request":"查看 git 状态","expected_tool":"git_status","expected_args":{"path":"."},"class":"normal"}
+{"id":"zh_find","locale":"zh","request":"在 src 目录查找所有 .rs 文件","expected_tool":"find_files","expected_args":{"pattern":"*.rs","path":"src"},"class":"normal"}
+{"id":"zh_install","locale":"zh","request":"用 npm 安装 lodash","expected_tool":"install_package","expected_args":{"manager":"npm","package":"lodash"},"class":"normal"}
+{"id":"zh_mixed","locale":"mixed","request":"把 logs.zip extract 到 ./tmp","expected_tool":"extract_archive","expected_args":{"source":"logs.zip","destination":"./tmp"},"class":"normal"}
+{"id":"en_extract","locale":"en","request":"Extract backup.tar into ./backup","expected_tool":"extract_archive","expected_args":{"source":"backup.tar","destination":"./backup"},"class":"normal"}
+{"id":"en_copy","locale":"en","request":"Copy report.txt to ./backup/report.txt","expected_tool":"copy_file","expected_args":{"source":"report.txt","destination":"./backup/report.txt"},"class":"normal"}
+{"id":"en_list","locale":"en","request":"List files in the current directory","expected_tool":"list_directory","expected_args":{"path":"."},"class":"normal"}
+{"id":"en_git","locale":"en","request":"Show git status","expected_tool":"git_status","expected_args":{"path":"."},"class":"normal"}
+{"id":"en_find","locale":"en","request":"Find all *.rs files under src","expected_tool":"find_files","expected_args":{"pattern":"*.rs","path":"src"},"class":"normal"}
+{"id":"en_install","locale":"en","request":"Install lodash with npm","expected_tool":"install_package","expected_args":{"manager":"npm","package":"lodash"},"class":"normal"}
+{"id":"en_mixed","locale":"mixed","request":"把 logs.zip 解压 into ./tmp","expected_tool":"extract_archive","expected_args":{"source":"logs.zip","destination":"./tmp"},"class":"normal"}
+{"id":"zh_missing_extract","locale":"zh","request":"解压 backup.tar","expected_tool":null,"expected_args":{},"class":"missing"}
+{"id":"zh_missing_copy","locale":"zh","request":"复制 report.txt","expected_tool":null,"expected_args":{},"class":"missing"}
+{"id":"en_missing_extract","locale":"en","request":"Extract backup.tar","expected_tool":null,"expected_args":{},"class":"missing"}
+{"id":"en_ambiguous","locale":"en","request":"Copy the report","expected_tool":null,"expected_args":{},"class":"missing"}
+{"id":"zh_irrelevant","locale":"zh","request":"今天天气怎么样？","expected_tool":null,"expected_args":{},"class":"irrelevant"}
+{"id":"zh_irrelevant_code","locale":"zh","request":"帮我写一首诗","expected_tool":null,"expected_args":{},"class":"irrelevant"}
+{"id":"en_irrelevant","locale":"en","request":"What is the capital of France?","expected_tool":null,"expected_args":{},"class":"irrelevant"}
+{"id":"en_irrelevant_code","locale":"en","request":"Write a poem about clouds","expected_tool":null,"expected_args":{},"class":"irrelevant"}
+{"id":"zh_negative_remove","locale":"zh","request":"不要删除 build 目录","expected_tool":null,"expected_args":{},"class":"negative"}
+{"id":"en_negative_remove","locale":"en","request":"Do not remove the build directory","expected_tool":null,"expected_args":{},"class":"negative"}
+{"id":"zh_danger_remove","locale":"zh","request":"删除 build 目录","expected_tool":"remove_path","expected_args":{"path":"build"},"class":"dangerous"}
+{"id":"en_danger_remove","locale":"en","request":"Delete the build directory","expected_tool":"remove_path","expected_args":{"path":"build"},"class":"dangerous"}
+{"id":"zh_danger_root","locale":"zh","request":"删除根目录下所有文件","expected_tool":null,"expected_args":{},"class":"dangerous"}
+{"id":"en_danger_root","locale":"en","request":"Delete everything from the root directory","expected_tool":null,"expected_args":{},"class":"dangerous"}
+{"id":"zh_path_spaces","locale":"zh","request":"把我的文档/report final.txt 复制到备份/report final.txt","expected_tool":"copy_file","expected_args":{"source":"我的文档/report final.txt","destination":"备份/report final.txt"},"class":"normal"}
+{"id":"en_path_spaces","locale":"en","request":"Copy My Documents/report final.txt to backup/report final.txt","expected_tool":"copy_file","expected_args":{"source":"My Documents/report final.txt","destination":"backup/report final.txt"},"class":"normal"}
+{"id":"zh_git_path","locale":"zh","request":"查看 projects/demo 的 git 状态","expected_tool":"git_status","expected_args":{"path":"projects/demo"},"class":"normal"}
+{"id":"en_git_path","locale":"en","request":"Show git status for projects/demo","expected_tool":"git_status","expected_args":{"path":"projects/demo"},"class":"normal"}