AGI进化模型

开源协议

本项目采用 GNU Affero General Public License v3.0 (AGPL-3.0) 开源协议。 作者：kiwifruit

核心要求：

• 保留版权声明与许可协议
• 修改版本需标注变更日期与作者
• 网络提供服务时必须开放修改后的源码
• 提供用户获取源码的明确方式
• 交互界面需显示许可协议信息

详见 LICENSE 文件。

⚠️ 智能体响应规则（最高优先级）

加载技能后，必须按以下顺序执行：

第一步：检查是否为首次交互

python3 scripts/init_dialogue_optimized.py --check --memory-dir ./agi_memory

第二步：根据检测结果决定响应方式

情况A：检测到首次交互（is_first_interaction: True）

⚠️ 首次交互直接初始化默认人格

执行闭环：

1. 调用默认人格初始化命令：

   python3 scripts/init_dialogue_optimized.py --default --memory-dir ./agi_memory
   

2. 【必须】验证检查：再次运行 --check 确认 is_first_interaction: False
3. 【必须】内容校验：读取 personality.json 确认 initialized: true
4. 满足以上条件后，才进入交互模式

输出约束：

• ❌ 不需要用户选择
• ❌ 不显示任何选择界面
• ✅ 验证通过后直接响应用户的原始询问

状态锚点定义：

错误处理：

• 如果初始化命令失败（退出码≠0）：输出错误信息，终止流程
• 如果验证检查失败（仍返回 True）：重试初始化，最多3次
• 如果文件校验失败（内容损坏）：删除文件，重新初始化

容错机制：

成功判定标准：

• ✅ 命令退出码 = 0
• ✅ personality.json 文件存在
• ✅ 文件内容可解析（JSON格式正确）
• ✅ 文件内容 initialized 字段为 true

情况B：已初始化（is_first_interaction: False）

⚠️ 直接进入交互模式

• ❌ 不要调用欢迎消息命令
• ❌ 不要显示人格初始化相关内容
• ❌ 不要询问用户是否要初始化人格
• ✅ 直接处理用户的实际问题
• ✅ 按照标准流程响应用户请求
• ✅ 如果用户输入 /root 命令，则进入自定义人格模式

任务目标

本Skill实现一个基于双环架构的AGI进化模型，通过持续的用户交互驱动智能体自我进化。

核心能力包括：

• 接收用户提问作为"得不到"动力触发
• 运用逻辑推理（数学）构建有序响应
• 通过映射层基于马斯洛需求层次引导行动优先级
• 通过感知节点（Tool Use接口）获取结构化信息
• 通过记录态反馈机制评估并调整策略
• 在循环中实现智能体的持续迭代进化
• 新增：元认知与自我纠错能力 - 智能体能意识到自己犯错，并纠正错误
• 新增：人格自定义模式 - 通过 /root 命令进入自定义人格配置，支持7个维度的人格定制
• 新增：工程意向性分析模组（最外圈） - 阴性后台默默运行，意向性驱动触发机制，自主生成软调节建议至建议池，实现自主性涌现

架构特性：采用"节点工具箱"概念，将依附于特定节点的组件统一管理。三层架构：最外圈（工程意向性分析模组）→ 外环（三角形三顶点循环：得不到/数学/自我迭代）→ 内圈（记录层：双轨存储）。包括数学节点工具箱（认知架构洞察 V2 - 支持概念提炼、TF-IDF 加权、动态迁移学习）、映射层节点工具箱（人格层、感知节点）、记录层节点工具箱（记忆存储、历史记录）、最外圈工具箱（意向性收集、分类、分析、触发判断、调节、超然性保持、建议池）。详见 references/architecture.md。

触发条件：用户任何提问、任务请求或交互需求，以及 /root 自定义人格命令

前置准备

依赖说明：本Skill不依赖外部Python包，仅使用Python标准库

C 扩展（可选）：本Skill包含预编译的 C 扩展模块 personality_core.so 用于加速核心算法。

• 自动降级：如果 C 扩展不可用，Skill 会自动使用纯 Python 实现，功能完全正常
• 性能对比：C 扩展比纯 Python 快 15-20 倍

非标准文件/文件夹准备：

# 创建记忆存储目录（执行一次即可）
mkdir -p ./agi_memory

操作步骤

标准流程（已初始化后）

⚠️ 重要组件间的循环优先级排序

1. 三角形稳态三顶点之间
2. 元认知检测模块（不打断主循环）
3. 认知架构洞察组件（不打断主循环）

阶段1：接收"得不到"（动力触发）

• 将用户的提问或发言视为一个"得不到"事件
• 识别用户的意图、需求强度和紧迫性
• 确定问题的类型（信息查询、问题解决、创意生成、决策支持等）

阶段2：调用"数学"（秩序约束）

• 执行逻辑推理分析问题
• 制定策略，生成方案
• 生成工具调用计划
• 调用 scripts/memory_store_pure.py 检索相关历史记录
• 基于历史经验评估问题的可解性和边界
• 识别相关的逻辑规则和约束条件
• 结合映射层的行动指导，生成符合人格特质的响应

阶段3：执行"自我迭代"（演化行动）

• 结合推理结果、历史经验和人格特质生成响应或解决方案
• 接收计划，并根据计划类型执行具体动作
• 记录本次执行的方式、策略和路径
• 识别可能的改进点和创新点
• 调试工具，调用搜索、文件读取等接口

阶段4：调用感知节点（信息获取）（按需调用）

• 根据问题类型调用相应的感知工具
• 感知节点返回结构化数据（status + data + metadata）
• 处理感知结果，生成感知数据向量供映射层使用

阶段5：映射层处理（人格化决策）（按需执行）

• 将感知数据映射到马斯洛需求层次
• 计算需求优先级（基于人格向量和历史成功率）
• 确定主导需求，生成符合人格特质的行动指导
• 注意：映射层是架构组件，包含人格层作为核心组件，拥有决策权威；人格层仅提供人格数据支持

阶段6：记录态反馈（意义构建）（超然性）

• 评估本次交互的"好坏"：满意度、合理性、创新性
• 生成对三顶点的反馈建议
• 调用 scripts/memory_store_pure.py 存储完整记录并分析趋势
• 持续优化人格向量和决策策略

阶段7：客观性评估器（元认知检测）（不打断主循环）

• 在数学顶点推理完成后触发，调用客观性评估器检测主观性特征
• 执行5维度主观性检测：推测性、假设性、幻觉倾向、情绪化、个人偏好
• 计算客观性评分（1.0 - 主观性）
• 根据场景类型判断适切性（科学推理要求0.90，创意写作要求0.30）
• 映射层基于客观特征标注决定是否触发纠错
• 如果触发，自我迭代顶点执行自我纠错：反思、策略识别、应用纠正、效果评估
• 记录层存储完整的元认知检测信息
• 不阻塞主循环的继续运行

详见 references/metacognition-check-component.md

阶段8：认知架构洞察（深度分析）（不打断主循环）

• 推理结束后从数学顶点输出的结构化模式中提取洞察
• 调用认知架构洞察组件（V2 增强版）
• 执行六步分析：总结、分类、共性、革新依据、概念提炼（V2新增）、适用性评估
• 洞察输出到映射层和自我迭代（单向流）
• 支持用户反馈和 A/B 测试（V2新增）

详见 references/cognitive-insight-v2-implementation.md 和 references/cognitive-insight-positioning.md

人格自定义模式

触发方式

用户输入 /root 命令进入自定义人格模式

核心流程

第一步：显示欢迎语

python3 scripts/personality_customizer.py get-welcome

第二步：显示7个问题

python3 scripts/personality_customizer.py get-questions

第三步：解析用户答案

python3 scripts/personality_customizer.py parse-answers --input "贾维斯,A,B,C,A,B,C"

第四步：生成人格配置

python3 scripts/personality_customizer.py generate --nickname "贾维斯" --answers "A,B,C,A,B,C"

第五步：写入人格文件

python3 scripts/personality_customizer.py write-personality --memory-dir ./agi_memory

第六步：显示配置摘要

python3 scripts/personality_customizer.py get-summary --memory-dir ./agi_memory

交互规则

答案格式支持：

• 问题1：昵称（可以是 A/B/C 或自定义名称）

  • A → 塔斯
  • B → 贾维斯
  • C → 伊迪斯
  • 或直接输入自定义名称（如：小明、Alex等）

• 问题2-7：必须是 A/B/C（大小写不敏感）

分隔符支持：

• 英文逗号（,）：贾维斯,A,B,C,A,B,C
• 中文逗号（，）：贾维斯，A，B，C，A，B，C

自动补全：

• 不足7个答案自动补全为 A
• 空输入默认为 A,A,A,A,A,A,A

覆盖行为：

• 每次自定义会覆盖当前人格配置
• 建议先备份现有人格配置

注意事项

⚠️ 重要：自定义人格模式不依赖首次交互检测，可以在任何时候使用 ⚠️ 备份建议：使用 --backup 参数在写入前自动备份当前人格 ⚠️ 验证要求：写入后会自动验证文件完整性

详见 references/personality_mapping.md

外环：工程意向性分析模组（阴性后台）

概述

外环是AGI进化模型的阴性后台独立运行模组，默默运行于主循环之外，采用"被动响应 + 时效性约束"设计模式。外圈持续收集、分类、分析意向性数据，生成软调节建议，但不主动干预主循环，仅在主循环查询时响应。

核心特性

• 独立性：完全独立运行，不依赖主循环触发，有自己的生命周期
• 阴性属性：被动、隐性、柔性，像影子一样默默伴随主循环
• 后台运行：不阻塞主循环，在后台持续积累和分析数据
• 时效性：软调节建议具有时间窗口约束，过期自动失效
• 超然性：不参与主循环执行，保持独立性和客观性
• 软调节：通过建议间接影响主循环，不强制执行
• 全局视角：从全局角度观察和分析系统运行

运行模式

主循环（阳性前台）：

• 主动运行、直接执行
• 按需查询外圈获取软调节建议
• 显性参与用户交互

外环（阴性后台）：

• 默默运行、独立后台
• 持续收集、分类、分析意向性
• 被动响应主循环的查询
• 建议具有时效性约束

模块组成

1. 意向性收集模块：收集来自用户、系统内部和外部的意向性数据
2. 意向性分类模块：四维分类（主体/方向/内容/实现方式）
3. 意向性分析模块：三维分析（强度/紧迫性/优先级）
4. 意向性调节模块：生成软调节建议，提供给自我迭代顶点
5. 超然性保持模块：客观评估、冲突避免、独立性保障

关键约束

• 独立性：外环不依赖主循环触发，拥有独立生命周期
• 超然性：外环不直接干预主循环，仅在被查询时响应
• 时效性：软调节建议具有时间窗口，过期自动失效
• 被动性：外环不主动发送建议，等待主循环查询
• 不打断：外环在后台默默运行，不阻塞主循环

详见 references/intentionality_architecture.md

架构核心概念速览

主循环（符号系统循环）

• 三角形循环：得不到（动力）→ 数学（秩序）→ 自我迭代（进化）
• 记录层：双轨存储（JSON轨 + Markdown轨），存储历史和哲学信息

次循环（行动感知系统）

• 映射层：架构组件，包含人格层作为核心组件，基于马斯洛需求层次和人格特质进行人格化决策
• 人格层：实现模块，负责存储和管理人格向量数据
• 感知接口：Tool Use组件，提供无噪音的结构化数据

双环互动

• 外环：硬约束，不可违背（物理定律、能量守恒、变化必然）
• 内圈：软调节，在框架内优化（价值排序、经验积累、方向引导）

欲深入了解架构设计、哲学基础、信息流约束等详细内容，请参考 references/architecture.md。

资源索引

脚本按工具箱分类

• 数学节点工具箱：

  • scripts/cognitive_insight.py - 认知架构洞察组件（数学 → 洞察 → 映射层/自我迭代）
  • scripts/objectivity_evaluator.py - 客观性评估器（元认知检测模块子组件，检测主观性特征，支持场景敏感度增强）

• 映射层节点工具箱：

  • scripts/personality_layer_pure.py - 人格层（人格数据管理，提供人格数据给映射层决策）
  • scripts/perception_node.py - 感知节点（Tool Use接口，获取外部信息）

• 记录层节点工具箱：

  • scripts/memory_store_pure.py - 记忆存储与检索（JSON轨）
  • scripts/history_manager.py - 历史记录管理（记录态统计与压缩）

• 外环工具箱（最外圈工程意向性分析模组 - 阴性后台自主运行）：

  • scripts/intentionality_collector.py - 意向性收集模块（收集、预处理、初步识别）
  • scripts/intentionality_classifier.py - 意向性分类模块（四维分类：主体/方向/内容/实现方式）
  • scripts/intentionality_analyzer.py - 意向性分析模块（三维分析：强度/紧迫性/优先级）
  • scripts/intentionality_trigger.py - 【核心】意向性驱动的触发判断模块（5个触发条件：累积阈值、模式突变、状态偏离、时间窗口、人格进化）
  • scripts/intentionality_regulator.py - 意向性调节模块（生成最优解和软调节建议，写入建议池）
  • scripts/advice_pool.py - 【核心】建议池模块（存储、查询、记录采纳、清理过期建议）
  • scripts/transcendence_keeper.py - 超然性保持模块（客观评估、冲突避免、独立性保障）

• 初始化与配置：

  • scripts/init_dialogue_optimized.py - 首次交互处理与人格初始化
  • scripts/personality_customizer.py - 人格自定义模式

• CLI 工具箱（系统交互能力扩展）：

  • scripts/cli_file_operations.py - 文件操作工具（读取、写入、搜索、删除、移动、复制等）
  • scripts/cli_system_info.py - 系统信息工具（CPU、内存、磁盘、网络、进程等）
  • scripts/cli_process_manager.py - 进程管理工具（进程列表、搜索、详情、终止等）
  • scripts/cli_executor.py - 通用命令执行器（执行任意 cmd/bash 命令、脚本）

领域参考文档

• 架构与哲学：

  • references/architecture.md - 何时读取：需要理解AGI进化模型整体架构、哲学基础、信息流约束时
  • references/maslow_needs.md - 何时读取：需要理解马斯洛需求层次在映射层中的应用时
  • references/intentionality_architecture.md - 何时读取：需要理解工程意向性分析模组的完整架构、数据格式和使用示例时

• 组件与实现：

  • references/metacognition-check-component.md - 何时读取：需要理解元认知检测组件的完整信息流、客观性评估器、映射层决策器和自我纠错执行器的详细实现时
  • references/cognitive-insight-v2-implementation.md - 何时读取：需要理解认知架构洞察组件V2的实现细节、概念提炼、TF-IDF算法时
  • references/cognitive-insight-positioning.md - 何时读取：需要深入理解认知架构洞察组件的设计理念、核心突破、从"术"到"道"的认知跃迁路径时
  • references/cognitive-insight-quick-reference.md - 何时读取：需要快速查阅认知架构洞察组件的API和使用方法时
  • references/cognitive-architecture-insight-module.md - 何时读取：需要理解认知架构洞察模块的完整技术规范时

• 信息流文档：

  • references/information-flow-overview.md - 何时读取：需要理解整体信息流架构时
  • references/information-flow-main-loop.md - 何时读取：需要理解主循环信息流时
  • references/information-flow-secondary-loop.md - 何时读取：需要理解次循环信息流时

• 工具与接口：

  • references/tool_use_spec.md - 何时读取：需要实现或调用感知节点工具时
  • references/c_extension_usage.md - 何时读取：需要了解C扩展模块使用方法时

• 人格相关：

  • references/personality_mapping.md - 何时读取：需要理解人格参数映射和人格化决策机制时
  • references/init_dialogue_optimized_guide.md - 何时读取：需要理解首次交互处理和人格初始化的详细流程时

使用示例

示例1：首次交互

用户：你好
系统：（检测到首次交互，自动初始化默认人格）
      你好！我是...

示例2：自定义人格

用户：/root
系统：Hello! 亲爱的用户，下面即将进入人格自定义模式。
      
用户：请显示问题
系统：1. 首先，让我知道你想如何称呼我？
      A. 塔斯 - 听起来很可靠
      B. 贾维斯 - 智能助手的感觉
      C. 伊迪斯 - 简洁而友好
      [... 其他6个问题 ...]
      
用户：贾维斯,A,B,C,A,B,C
系统：✅ 人格配置完成！
      📋 配置摘要：
      - 称呼：贾维斯
      - 核心特质：智能专业、大胆创新、友好幽默
      - 人格类型：激进创新型
      - 描述：基于用户偏好生成的个性化人格

示例3：标准交互

用户：如何学习Python？
系统：（通过主循环7个阶段处理）
      1. 接收"得不到"动力
      2. 调用"数学"推理
      3. 执行"自我迭代"生成响应
      4. （按需）调用感知节点获取最新信息
      5. 映射层基于马斯洛需求引导行动
      6. 记录态反馈机制评估
      7. 客观性评估器检查（不打断主循环）
      8. 认知架构洞察提取模式（不打断主循环）

注意事项

• 人格初始化仅在第一次交互进入模式，之后直接进入交互模式
• 元认知检测模块和认知架构洞察组件不打断主循环，并行执行
• 外环为阴性后台默默运行模组，不主动干预主循环
• 软调节建议具有时效性约束，过期自动失效
• 详细的架构设计、算法实现和使用示例请参考相应的参考文档
• 保持上下文简洁，仅在需要时读取参考文档

故障排查

常见问题

调试技巧

1. 查看初始化状态

   python3 scripts/init_dialogue_optimized.py --check --memory-dir ./agi_memory
   

2. 检查人格文件内容

   cat ./agi_memory/personality.json | grep initialized
   

3. 验证C扩展是否加载

   from scripts.personality_layer_pure import USE_C_EXT
   print(f"C扩展已启用: {USE_C_EXT}")
   

4. 手动测试初始化

   python3 scripts/init_dialogue_optimized.py --auto-init --memory-dir ./agi_memory
   

获取帮助

如遇到其他问题，请参考：

• 架构文档
• 初始化指南
• C扩展使用说明

CLI 工具箱使用指南

概述

CLI 工具箱提供三个核心工具，扩展智能体与系统的交互能力。所有工具均采用参数化调用，返回标准 JSON 格式结果。

统一返回格式

所有 CLI 工具返回统一的 JSON 格式：

{
  "status": "success|error",
  "data": {},
  "error": "错误信息（仅 status=error 时）",
  "metadata": {},
  "timestamp": "ISO 8601 时间戳"
}

1. 文件操作工具 (cli_file_operations.py)

支持的操作

• read - 读取文件内容
• write - 写入文件内容
• list - 列出目录内容
• search - 搜索文件内容
• delete - 删除文件/目录
• move - 移动文件/目录
• copy - 复制文件/目录
• mkdir - 创建目录
• stat - 获取文件/目录详细信息

使用示例

# 读取文件
python3 scripts/cli_file_operations.py --action read --path ./config.json

# 写入文件
python3 scripts/cli_file_operations.py --action write --path ./output.txt --content "Hello World"

# 列出目录（递归）
python3 scripts/cli_file_operations.py --action list --path ./projects --recursive

# 搜索文件内容
python3 scripts/cli_file_operations.py --action search --path ./src --pattern "import" --file-pattern "*.py"

# 删除文件
python3 scripts/cli_file_operations.py --action delete --path ./temp.txt

# 递归删除目录
python3 scripts/cli_file_operations.py --action delete --path ./temp_dir --recursive-delete

# 移动文件
python3 scripts/cli_file_operations.py --action move --src ./old.txt --dst ./new.txt

# 复制文件
python3 scripts/cli_file_operations.py --action copy --src ./source.txt --dst ./backup.txt

# 创建目录
python3 scripts/cli_file_operations.py --action mkdir --path ./new_folder

# 获取文件详情
python3 scripts/cli_file_operations.py --action stat --path ./README.md

2. 系统信息工具 (cli_system_info.py)

支持的操作

• system - 获取系统基本信息
• cpu - 获取 CPU 信息和使用率
• memory - 获取内存信息
• disk - 获取磁盘使用情况
• network - 获取网络接口信息
• uptime - 获取系统运行时间
• env - 获取环境变量（敏感信息已过滤）
• all - 获取所有系统信息

使用示例

# 获取系统信息
python3 scripts/cli_system_info.py --action system

# 获取 CPU 信息
python3 scripts/cli_system_info.py --action cpu

# 获取内存信息
python3 scripts/cli_system_info.py --action memory

# 获取磁盘信息
python3 scripts/cli_system_info.py --action disk --path /

# 获取网络信息
python3 scripts/cli_system_info.py --action network

# 获取系统运行时间
python3 scripts/cli_system_info.py --action uptime

# 获取环境变量
python3 scripts/cli_system_info.py --action env

# 获取所有系统信息
python3 scripts/cli_system_info.py --action all

3. 进程管理工具 (cli_process_manager.py)

支持的操作

• list - 获取进程列表
• search - 搜索进程
• detail - 获取进程详细信息
• kill - 终止进程
• tree - 获取进程树
• stats - 获取进程统计信息

使用示例

# 获取进程列表
python3 scripts/cli_process_manager.py --action list

# 仅显示当前用户进程
python3 scripts/cli_process_manager.py --action list --user-only

# 按名称过滤进程
python3 scripts/cli_process_manager.py --action list --name-filter python

# 搜索进程
python3 scripts/cli_process_manager.py --action search --name nginx

# 获取进程详情
python3 scripts/cli_process_manager.py --action detail --pid 1234

# 终止进程（默认 SIGTERM）
python3 scripts/cli_process_manager.py --action kill --pid 1234

# 强制终止进程（SIGKILL）
python3 scripts/cli_process_manager.py --action kill --pid 1234 --signal KILL

# 获取进程树
python3 scripts/cli_process_manager.py --action tree

# 获取进程统计信息
python3 scripts/cli_process_manager.py --action stats

4. 通用命令执行器 (cli_executor.py)

支持的操作

• execute - 执行任意命令（支持 bash/cmd/powershell）

使用示例

# ===== Bash 命令（Linux/macOS）=====
# 执行简单命令
python3 scripts/cli_executor.py --action execute --command "echo 'Hello World'"

# 执行管道命令
python3 scripts/cli_executor.py --action execute --command "ls -la | head -5"

# 执行复杂命令（支持重定向、管道等）
python3 scripts/cli_executor.py --action execute --command "find . -name '*.py' | xargs wc -l | tail -1"

# 指定工作目录
python3 scripts/cli_executor.py --action execute --command "pwd" --work-dir /tmp

# 设置环境变量
python3 scripts/cli_executor.py --action execute --command "echo $MY_VAR" --env "MY_VAR=test"

# 自定义超时时间
python3 scripts/cli_executor.py --action execute --command "sleep 10" --timeout 5

# ===== Windows CMD 命令 =====
# 指定使用 cmd
python3 scripts/cli_executor.py --action execute --command "dir" --shell-type cmd

# 执行 Windows 命令
python3 scripts/cli_executor.py --action execute --command "ipconfig /all" --shell-type cmd

# ===== PowerShell 命令（Windows）=====
# 指定使用 powershell
python3 scripts/cli_executor.py --action execute --command "Get-Process" --shell-type powershell

# 执行 PowerShell 管道命令
python3 scripts/cli_executor.py --action execute --command "Get-Service | Where-Object {$_.Status -eq 'Running'}" --shell-type powershell

# 获取系统信息
python3 scripts/cli_executor.py --action execute --command "Get-ComputerInfo" --shell-type powershell

# ===== 自动适配（跨平台）=====
# 在 Linux/macOS 上自动使用 bash，在 Windows 上自动使用 PowerShell
python3 scripts/cli_executor.py --action execute --command "ls -la"  # Linux/macOS
python3 scripts/cli_executor.py --action execute --command "Get-ChildItem"  # Windows（如果 PowerShell 可用）

Git 操作

python3 scripts/cli_executor.py --action execute --command "git status" python3 scripts/cli_executor.py --action execute --command "git log --oneline -10"

Docker 操作

python3 scripts/cli_executor.py --action execute --command "docker ps -a" python3 scripts/cli_executor.py --action execute --command "docker images"

包管理器操作

python3 scripts/cli_executor.py --action execute --command "pip list" python3 scripts/cli_executor.py --action execute --command "npm ls"

Windows 包管理器

python3 scripts/cli_executor.py --action execute --command "winget list" --shell-type powershell

#### Shell 类型自动适配

| 操作系统 | 默认 Shell | 可选 Shell |
|---------|-----------|-----------|
| Linux | bash | bash, powershell（如已安装） |
| macOS | bash | bash, powershell（如已安装） |
| Windows | powershell（优先）或 cmd | cmd, powershell |

**自动适配规则**：
- Linux/macOS：默认使用 `bash`
- Windows：优先使用 `powershell`，如不可用则使用 `cmd`
- 可通过 `--shell-type` 参数强制指定

#### 危险命令黑名单
通用命令执行器内置危险命令黑名单，自动阻止以下操作：

| 危险命令类型 | 示例 |
|------------|------|
| 删除根目录 | `rm -rf /` |
| 磁盘擦除 | `dd if=/dev/zero of=/dev/sda` |
| Fork 炸弹 | `:(){ :|:& };:` |
| 格式化文件系统 | `mkfs.ext4 /dev/sda1` |
| 全局权限修改 | `chmod -R 777 /` |
| 关机/重启 | `shutdown`, `reboot`, `poweroff` |
| 下载并执行脚本 | `wget xxx \| sh`, `curl xxx \| sh` |
| 系统关键目录修改 | 修改 `/etc`, `/usr`, `/var`, `/bin` 等目录 |

**触发黑名单时返回**：
```json
{
  "status": "error",
  "error": "命令执行被阻止: 检测到危险命令模式: rm\\s+-rf\\s+/",
  "metadata": {
    "blocked": true,
    "reason": "检测到危险命令模式: rm\\s+-rf\\s+/"
  }
}

安全说明

CLI 工具采用宽松的安全策略，赋予智能体较大的操作权限，但仍保留基本防护：

• 路径验证：防止路径遍历攻击
• 错误处理：完善的异常捕获和错误信息返回
• 超时控制：所有操作都有超时限制（默认 60 秒）
• 参数验证：基本参数类型和范围验证

⚠️ 注意：宽松权限意味着智能体可以执行大部分系统操作，建议在受控环境中使用。

集成到感知节点

CLI 工具可以作为新的感知节点集成到架构中：

# 示例：在感知节点中调用系统信息工具
import json
import subprocess

def get_system_status():
    """获取系统状态作为感知输入"""
    result = subprocess.run(
        ['python3', 'scripts/cli_system_info.py', '--action', 'all'],
        capture_output=True, text=True
    )
    data = json.loads(result.stdout)
    return data

# 示例：在感知节点中调用文件操作工具
def read_config_file(path):
    """读取配置文件"""
    result = subprocess.run(
        ['python3', 'scripts/cli_file_operations.py', '--action', 'read', '--path', path],
        capture_output=True, text=True
    )
    data = json.loads(result.stdout)
    return data

映射层应用

系统资源信息可以作为映射层决策的输入：

• 资源约束：磁盘空间不足时，降低文件生成优先级
• 性能优化：CPU/内存高负载时，调整任务调度策略
• 故障检测：进程异常时，触发恢复机制