Version 1.0.4 is expected to be released.

Author: PythonnotJava

.gitignore

@@ -71,4 +71,6 @@ _engine/
 
 .qdrant-initialized
 
-assets/scripts/archify/node_modules
+assets/scripts/archify/node_modules
+
+docs/

counter.dart

@@ -70,4 +70,4 @@ void main(List<String> args) {
   print('空行数     : ${stat.blankLines}');
 }
 
-// dart compile exe counter.dart -o counter.exe
+// dart compile exe counter.dart -o counter.exe

how_to_use.md

@@ -6,4 +6,5 @@
 - 新建工作目录可以与指定工作目录同名，这样在工作目录下面添加memory.json
 - 在制作Skill的时候，提供openai格式的tool.json可以注入工具给Agent
 - 可以在工作目录下自建.toolshell/skills文件夹进行当前工作目录技能注入
-- 如果某历史记录对应的工作目录被删除了，即使切换到此历史，模型上下文也没有了
+- 如果某历史记录对应的工作目录被删除了，即使切换到此历史，模型上下文也没有了
+- 安装一个全局技能时，最好在卡片上编辑对该技能的描述来增加技能查找相关性

lib/core/agent/agent_context.dart

@@ -66,6 +66,9 @@ class AgentContext {
   final List<Map<String, dynamic>> messages;
   final MessagePipeline messagePipeline;
 
+  /// 模型的上下文窗口大小（token 数）
+  final int contextWindow;
+
   AgentContext({
     required this.llm,
     required this.pipeline,
@@ -76,6 +79,7 @@ class AgentContext {
     this.skillsSection = '',
     required this.messages,
     this.messagePipeline = const MessagePipeline(),
+    this.contextWindow = 0,
   });
 
   /// 创建 AgentLoop 实例
@@ -86,6 +90,7 @@ class AgentContext {
     messages: messages,
     messagePipeline: messagePipeline,
     hooks: hooks,
+    contextWindow: contextWindow,
   );
 
   /// 获取 Executor 实例（用于 AutonomousLoop 等外部消费）
@@ -412,6 +417,7 @@ class AgentContextBuilder {
       systemPromptPrefix: systemPromptPrefix,
       skillsSection: skillsSection,
       messages: existingMessages,
+      contextWindow: modelCard.contextWindow,
       messagePipeline: MessagePipeline([
         if (effectiveStore && memoryManager != null && memoryCollection != null)
           ContextCompactor(

lib/core/agent/message_pipeline.dart

@@ -26,6 +26,9 @@ class MessagePipeline {
   /// 是否没有注册任何变换器（此时 process 是零开销透传）
   bool get isEmpty => _transformers.isEmpty;
 
+  /// 访问变换器列表（用于对话中压缩的重置标记等操作）
+  List<MessageTransformer> get transformers => _transformers;
+
   /// 执行变换管线
   ///
   /// 对 [messages] 的深拷贝依次应用所有激活的变换器。

lib/core/agent/tool_pipeline.dart

@@ -143,21 +143,31 @@ class ToolPipeline {
         return jsonEncode({
           'status': 'error',
           'code': 'INVALID_ARGS',
-          'detail': 'calls[$i] 必须是对象',
+          'detail': 'calls[$i] 必须是对象，但收到: ${item.runtimeType}',
         });
       }
       final tool = item['tool'];
       if (tool is! String || tool.isEmpty) {
         return jsonEncode({
           'status': 'error',
           'code': 'INVALID_ARGS',
-          'detail': 'calls[$i] 缺少非空的 tool 字段',
+          'detail': 'calls[$i] 缺少非空的 tool 字段。收到的 item: $item',
         });
       }
       final rawArgs = item['args'];
       final callArgs = rawArgs is Map
           ? rawArgs.map((k, v) => MapEntry(k.toString(), v))
           : <String, dynamic>{};
+
+      // 警告：如果 args 字段缺失或不是 Map，会使用空对象，可能导致子工具缺少必需参数
+      if (rawArgs == null) {
+        print('[并行调用警告] calls[$i].tool=$tool: args 字段缺失，将使用空对象 {}');
+      } else if (rawArgs is! Map) {
+        print(
+          '[并行调用警告] calls[$i].tool=$tool: args 不是对象类型(${rawArgs.runtimeType})，将使用空对象 {}',
+        );
+      }
+
       calls.add(_ParallelCall(tool: tool, args: callArgs));
     }
 

lib/core/agent/transformers/context_compactor.dart

@@ -42,8 +42,8 @@ class ContextCompactor extends MessageTransformer {
 
   /// 基于模型 context window 计算动态阈值的比例。
   /// 触发压缩 = contextWindow * ratio。
-  /// 预留 25% 给 system prompt + 工具定义 + 保真区 + LLM 回复空间。
-  static const double _thresholdRatio = 0.75;
+  /// 预留 40% 给工具循环累积、system prompt + 工具定义 + 保真区 + LLM 回复空间。
+  static const double _thresholdRatio = 0.60;
 
   /// 动态计算出的实际阈值
   int get effectiveThreshold {

lib/core/logger/app_logger.dart

@@ -4,7 +4,7 @@ import '../settings/app_settings.dart';
 
 /// 应用日志服务 — 拦截所有 print 输出并写入日志文件
 ///
-/// 日志存储在可配置目录下（默认 <rootDir>/logs/），按日期分文件。
+/// 日志存储在可配置目录下（默认 < rootDir >/logs/），按日期分文件。
 /// 支持查看、清空操作，由日志页面调用。
 class AppLogger {
   AppLogger._();

lib/core/server/api_server.dart

@@ -405,8 +405,8 @@ class ApiServer {
       await for (final ev in events) {
         switch (ev) {
           case AgentReasoningToken():
-          break;
-        case AgentToken(text: final t):
+            break;
+          case AgentToken(text: final t):
             sendChunk({'content': t});
           case AgentToolStart(name: final n, args: final a):
             if (exposeTools) {
@@ -534,8 +534,8 @@ class ApiServer {
       await for (final ev in events) {
         switch (ev) {
           case AgentReasoningToken():
-          break;
-        case AgentToken(text: final t):
+            break;
+          case AgentToken(text: final t):
             buf.write(t);
           case AgentDone(content: final c):
             if (buf.isEmpty && c.isNotEmpty) buf.write(c);
@@ -622,8 +622,8 @@ class ApiServer {
       await for (final ev in events) {
         switch (ev) {
           case AgentReasoningToken():
-          break;
-        case AgentToken(text: final t):
+            break;
+          case AgentToken(text: final t):
             sendEvent('content_block_delta', {
               'type': 'content_block_delta',
               'index': 0,

lib/core/toolshell/agent_loop.dart

@@ -3,6 +3,8 @@ import 'dart:convert';
 import '../llm/llm_client.dart';
 import '../agent/agent_hook.dart';
 import '../agent/message_pipeline.dart';
+import '../agent/transformers/context_compactor.dart';
+import '../isolate/compute_service.dart';
 import '../logger/app_logger.dart';
 import 'executor.dart';
 
@@ -150,6 +152,10 @@ class AgentLoop {
   /// 真正卡死的场景通常在几轮内就会重复同一模式，50只是防止真的失控。
   final int maxToolCallRounds;
 
+  /// 模型的上下文窗口大小（token 数）。用于对话中压缩的阈值计算。
+  /// 0 表示未知，会使用保守默认值 128K。
+  final int contextWindow;
+
   AgentLoop({
     required this.llm,
     required this.executor,
@@ -158,6 +164,7 @@ class AgentLoop {
     this.messagePipeline = const MessagePipeline(),
     this.hooks = const [],
     this.maxToolCallRounds = 50,
+    this.contextWindow = 0,
   });
 
   /// 执行一轮对话 (用户输入 → 多轮 tool_call → 最终回复)
@@ -316,7 +323,96 @@ class AgentLoop {
         });
       }
 
+      // ✅ 对话中压缩检查：每 5 轮检查一次，防止单轮对话内上下文溢出
+      if (round % 5 == 0) {
+        await _checkAndCompressIfNeeded(round, messages);
+      }
+
       // 循环 → 把工具结果交给 LLM 继续处理
     }
   }
+
+  /// 对话中压缩检查：估算当前 token 数，超过阈值则触发压缩
+  Future<void> _checkAndCompressIfNeeded(
+    int round,
+    List<Map<String, dynamic>> messages,
+  ) async {
+    final tokens = _estimateTokens(messages);
+    final threshold = _getEffectiveThreshold();
+
+    // 未超过阈值，不压缩
+    if (tokens <= threshold) {
+      return;
+    }
+
+    AppLogger.instance.log(
+      '[AgentLoop] 工具循环第 $round 轮触发对话中压缩: $tokens tokens > $threshold tokens (${(tokens / (contextWindow > 0 ? contextWindow : 128000) * 100).toStringAsFixed(1)}%)',
+    );
+
+    final processed = await messagePipeline.process(messages);
+
+    // 检查是否真的发生了压缩
+    if (processed.length < messages.length) {
+      final beforeTokens = tokens;
+      messages.clear();
+      messages.addAll(processed);
+
+      // 重置压缩标记，允许下次再压缩
+      for (final transformer in messagePipeline.transformers) {
+        if (transformer is ContextCompactor) {
+          transformer.resetRound();
+        }
+      }
+
+      final afterTokens = _estimateTokens(messages);
+      final reduction = ((1 - afterTokens / beforeTokens) * 100)
+          .toStringAsFixed(1);
+      AppLogger.instance.log(
+        '[AgentLoop] 压缩完成: ${messages.length} 条消息, $afterTokens tokens (压缩比: $reduction%)',
+      );
+    } else {
+      AppLogger.instance.log('[AgentLoop] 压缩跳过: 消息数量未减少 (可能已是最小保留量)');
+    }
+  }
+
+  /// 估算消息列表的 token 数
+  int _estimateTokens(List<Map<String, dynamic>> messages) {
+    int total = 0;
+    for (final msg in messages) {
+      final content = msg['content'];
+      if (content is String) {
+        total += ComputeService.estimateTokens(content);
+      } else if (content is List) {
+        // Multimodal content parts
+        for (final part in content) {
+          if (part is Map && part['type'] == 'text') {
+            total += ComputeService.estimateTokens(
+              part['text'] as String? ?? '',
+            );
+          }
+        }
+      }
+      // tool_calls 参数也算 token
+      if (msg['tool_calls'] is List) {
+        for (final tc in msg['tool_calls'] as List) {
+          final args = tc['function']?['arguments'] as String? ?? '';
+          total += ComputeService.estimateTokens(args);
+        }
+      }
+      total += 4; // 每条消息的元数据开销
+    }
+    return total;
+  }
+
+  /// 获取当前的压缩阈值
+  int _getEffectiveThreshold() {
+    for (final transformer in messagePipeline.transformers) {
+      if (transformer is ContextCompactor) {
+        return transformer.effectiveThreshold;
+      }
+    }
+    // 默认：128K * 0.60 = 76.8K
+    final ctx = contextWindow > 0 ? contextWindow : 128000;
+    return (ctx * 0.60).toInt();
+  }
 }