[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-1617":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":10,"language":11,"languages":10,"totalLinesOfCode":10,"stars":12,"forks":13,"watchers":14,"openIssues":15,"contributorsCount":15,"subscribersCount":15,"size":15,"stars1d":16,"stars7d":17,"stars30d":18,"stars90d":15,"forks30d":15,"starsTrendScore":17,"compositeScore":19,"rankGlobal":10,"rankLanguage":10,"license":20,"archived":21,"fork":21,"defaultBranch":22,"hasWiki":23,"hasPages":21,"topics":24,"createdAt":10,"pushedAt":10,"updatedAt":39,"readmeContent":40,"aiSummary":41,"trendingCount":15,"starSnapshotCount":15,"syncStatus":42,"lastSyncTime":43,"discoverSource":44},1617,"CyberClaw","ttguy0707\u002FCyberClaw","ttguy0707","👾 下一代透明智能体架构 | Next-Gen Transparent Agent Architecture 🔍 全行为审计 | 🛡️ 两段式安全调用 | 🧠 双水位记忆 | ⏰ 心跳任务 📊 P0 级事故率降低 80% | 兼容 OpenClaw + Claude Code 技能生态","",null,"Python",292,33,1,0,7,21,106,4.59,"MIT License",false,"main",true,[25,26,27,28,29,30,31,32,33,34,35,36,37,38],"agent","agent-framework","ai-agent","ai-safety","claude-code","cross-platform","enterprise-ai","langchain","langgraph","llm","openclaw","python","transparent-ai","two-phase-invocation","2026-06-12 02:00:30","\u003Cdiv align=\"center\">\n\n![CyberClaw Logo](docs\u002Fcyber_logo.png)\n\n# CyberClaw\n\n###  **当 AI 开始\"黑箱操作\"，你需要一双透视眼**\n\n[![CyberClaw](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FCyberClaw-1.0.0-purple.svg?logo=cyberpunk)](https:\u002F\u002Fgithub.com\u002Fttguy0707\u002FCyberClaw)\n[![Python](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FPython-3.10+-blue.svg)](https:\u002F\u002Fpython.org)\n[![LangGraph](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLangGraph-1.x-blue.svg)](https:\u002F\u002Flangchain-ai.github.io\u002Flanggraph\u002F)\n[![LangChain](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLangChain-1.x-blue.svg)](https:\u002F\u002Fpython.langchain.com\u002F)\n[![License](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-MIT-green.svg)](LICENSE)\n[![Tests](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FTests-Passing-brightgreen.svg)](tests\u002F)\n[![GitHub](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FGitHub-@ttguy0707-black.svg?logo=github)](https:\u002F\u002Fgithub.com\u002Fttguy0707)\n\n**下一代透明智能体架构** · Next-Gen Transparent Agent Architecture\n\n[快速开始](#-快速开始) · [核心能力](#-核心能力) · [架构图](#-系统架构) · [示例](#-基本用法)\n\n\u003C\u002Fdiv>\n\n---\n\n> 🤖 **你的 AI 在背着你做什么？CyberClaw 让所有行为无所遁形**\n> \n> 💡 **灵感来源**：受 [OpenClaw](https:\u002F\u002Fgithub.com\u002Fopenclaw\u002Fopenclaw) 的启发，CyberClaw 专注于解决 AI 智能体的透明度和可控性问题。\n\n---\n\n## 📖 简介\n\nCyberClaw 是一个**企业级透明可控智能体**，重新定义 AI 系统的可信边界：\n\n- **🔍 白盒化决策** → 5 类事件审计 + JSONL 日志 + Rich 监控终端，所有行为可追溯\n- **🛡️ 零信任执行** → 两段式调用（help → run），先看说明书再执行，P0 级事故率降低 80%\n- **🧠 持续学习** → 双水位记忆系统（长期画像 + 短期摘要），越用越懂你\n- **⚡ 复杂任务编排** → 心跳任务系统 + 可插拔技能 + MCP 服务集成，解放双手\n\n### 🔌 技能生态兼容\n\nCyberClaw 支持**OpenClaw 技能**和**Claude Code 技能**，可直接使用两个生态系统的丰富技能资源，无需重新开发。\n\n### 🌟 核心能力\n\n| 能力 | 说明 | 优势 |\n|------|------|------|\n| **🧠 双水位记忆** | 长期画像 + 短期摘要，持续学习用户偏好 | 越用越懂你，避免重复询问 |\n| **🔍 全行为审计** | 5 类事件实时审计，JSONL 日志 + Rich 监控终端 | 告别黑箱，所有决策可追溯 |\n| **🛡️ 零信任执行** | help → run 两段式调用，先看说明书再执行 | P0 级事故率降低 80%（50% → 10%）|\n| **⏰ 心跳任务引擎** | 后台独立进程，自动执行定时任务 | 解放双手，复杂任务自动化 |\n| **🖥️ 跨平台支持** | Unix + Windows 双平台自适应，LLM 自主选择命令 | 一套代码，全平台运行 |\n\n---\n\n## ✨ 功能特性\n\n### 🧠 智能核心\n\n- **双水位记忆系统**\n  - 长期画像 (`user_profile.md`)：用户偏好、职业、特殊要求\n  - 近期摘要 (SQLite)：每 MAX_TURNS 轮自动摘要，保留最近 KEEP_TURNS 轮\n  - 上下文修剪：智能保留关键对话，防止 Token 爆炸\n\n- **两段式技能调用**\n  - `mode='help'`：查看完整说明书（SKILL.md）\n  - `mode='run'`：执行具体操作\n  - 支持反悔机制：看完说明书可以换工具\n\n- **透明监控系统**\n  - 5 类事件审计：`llm_input`, `tool_call`, `tool_result`, `ai_message`, `system_action`\n  - JSONL 日志格式，支持 `tail -f` 实时监控\n  - Rich 终端 UI，颜色\u002F面板区分事件类型\n\n- **心跳任务系统**\n  - 后台独立进程，每秒检查任务队列\n  - 支持 daily\u002Fweekly\u002Fmonthly 循环任务\n  - 任务持久化存储，重启不丢失\n\n### 🛡️ 安全沙盒\n\n- **跨平台路径拦截**\n  - Unix + Windows 双平台越权拦截\n  - 禁止 `..`、绝对路径、用户主目录访问\n  - 所有操作限制在 `office\u002F` 工位内\n\n- **Shell 命令安全**\n  - 危险命令正则匹配拦截\n  - 60 秒超时熔断\n  - 非交互式执行（必须带 `-y` 等参数）\n\n### 🖥️ 跨平台特性\n\n- **系统信息注入** - 自动识别操作系统，注入平台相关信息\n- **LLM 自主选择命令** - 根据平台特性生成合适的命令（PowerShell \u002F Bash）\n- **路径格式兼容** - 自动处理 `\u002F` 和 `\\` 路径分隔符\n- **环境变量适配** - 跨平台环境变量读取和设置\n\n### 🔧 内置工具\n\n| 工具 | 功能 | 示例 |\n|------|------|------|\n| `get_current_time` | 获取当前时间 | \"现在几点了？\" |\n| `calculator` | 数学计算器 | \"25 乘以 48 等于多少\" |\n| `schedule_task` | 定时任务\u002F闹钟 | \"每天早上 8 点提醒我喝水\" |\n| `list_scheduled_tasks` | 查看任务列表 | \"我都有哪些任务\" |\n| `delete_scheduled_task` | 删除任务 | \"取消明天的会议提醒\" |\n| `modify_scheduled_task` | 修改任务 | \"把 8 点的会议改成 9 点\" |\n| `get_system_model_info` | 获取模型信息 | \"你是什么模型\" |\n| `save_user_profile` | 更新用户画像 | \"记住我喜欢喝冰美式\" |\n| `list_office_files` | 列出文件 | \"看看 office 里有什么\" |\n| `read_office_file` | 读取文件 | \"读取 readme.txt\" |\n| `write_office_file` | 写入文件 | \"创建 test.py\" |\n| `execute_office_shell` | 执行 Shell 命令 | \"运行 python test.py\" |\n\n### 🎯 可插拔技能\n\n- **动态加载**：自动扫描 `workspace\u002Foffice\u002Fskills\u002F` 目录\n- **SKILL.md 规范**：每个技能包含完整说明书\n- **兼容 OpenClaw 和 Claude Code 技能**：可直接使用两个生态系统的技能\n- **推荐技能**：\n  - `skill-creator`：用自然语言让 CyberClaw 自己创建技能\n  - `skill-vetter`：检查技能的安全性\n  - `mcporter`：连接外部 MCP (Model Context Protocol) 服务\n  - `mcp-builder`：构建自己的 MCP 服务\n  - `tavily-search`：AI 优化网络搜索\n  - `weather`：天气查询\n\n---\n\n## 🚀 快速开始\n\n### 1️⃣ 安装\n\n```bash\n# 克隆项目\ngit clone https:\u002F\u002Fgithub.com\u002Fttguy0707\u002FCyberClaw.git\ncd CyberClaw\n\n# 安装依赖并注册命令行工具（一步完成）\npip install -e .\n```\n\n> 💡 **推荐使用虚拟环境**：\n> ```bash\n> # 创建虚拟环境\n> python3 -m venv venv\n> source venv\u002Fbin\u002Factivate  # Windows: venv\\Scripts\\activate\n> \n> # 安装项目（会自动安装 requirements.txt 中的依赖）\n> pip install -e .\n> ```\n> \n> 安装完成后，即可在任意目录使用 `cyberclaw` 命令。\n\n### 2️⃣ 配置\n\n有两种配置方式：**自动配置向导**（推荐）或 **手动配置**。\n\n#### 方式一：自动配置向导（推荐）\n\n```bash\n# 启动交互式配置向导\ncyberclaw config\n```\n\n配置向导会引导你：\n1. 选择模型提供商（OpenAI \u002F Anthropic \u002F 阿里云 \u002F 腾讯 \u002F Z.AI \u002F Ollama）\n2. 输入 API Key\n3. 配置 Base URL（可选）\n4. **自动测试连接**，确保配置正确\n\n![配置向导](docs\u002Fconfig.png)\n\n#### 方式二：手动配置\n\n```bash\n# 复制示例配置文件\ncp .env.example .env\n\n# 编辑配置文件\nvim .env  # 或使用你喜欢的编辑器\n```\n\n编辑 `.env` 文件，配置必要的参数：\n\n```bash\n# 模型提供商\nDEFAULT_PROVIDER=aliyun\nDEFAULT_MODEL=glm-5\n\n# API Key (根据提供商选择对应的 Key)\nOPENAI_API_KEY=sk-your-api-key-here\n\n# Base URL (可选，使用代理时配置)\nOPENAI_API_BASE=https:\u002F\u002Fcoding.dashscope.aliyuncs.com\u002Fv1\n```\n\n**配置说明：**\n- `DEFAULT_PROVIDER`: 模型提供商 (`openai`, `anthropic`, `aliyun`, `tencent`, `z.ai`, `ollama`)\n- `DEFAULT_MODEL`: 模型名称 (如 `gpt-4o-mini`, `glm-5`, `qwen-max`)\n- `OPENAI_API_KEY`: OpenAI 或兼容接口的 API Key\n- `ANTHROPIC_API_KEY`: Anthropic 的 API Key\n- `OPENAI_API_BASE`: 兼容接口的 Base URL（阿里云、腾讯云等）\n- `OLLAMA_BASE_URL`: Ollama 本地服务地址（默认 `http:\u002F\u002Flocalhost:11434`）\n\n> 💡 **工作区配置**：工作区路径已在代码中初始化，默认为项目根目录的 `workspace` 文件夹，无需在 `.env` 中配置。仅当需要自定义工作区位置时，才设置 `CYBERCLAW_WORKSPACE` 环境变量。\n\n> 💡 提示：配置完成后，可运行 `cyberclaw run` 聊天测试连接是否正常。\n\n### 3️⃣ 运行\n\n```bash\n# 启动主程序\ncyberclaw run\n```\n\n![欢迎界面](docs\u002Fwelcome.png)\n\n### 4️⃣ 基本用法\n\n启动后进入交互式对话界面，如图所示：\n\n![聊天界面](docs\u002Fchat.png)\n\n**常用命令示例：**\n\n| 类型 | 命令示例 | 说明 |\n|------|----------|------|\n| ⏰ 时间查询 | `现在几点了？` | 获取当前时间 |\n| 🧮 数学计算 | `帮我算一下 25 乘以 48` | 调用计算器工具 |\n| ⏲️ 定时任务 | `每天早上 8 点提醒我喝水` | 创建循环任务 |\n| 📋 查看任务 | `我都有哪些任务` | 查看任务列表 |\n| ✏️ 修改任务 | `把 8 点的喝水提醒改成 9 点` | 修改已有任务 |\n| ❌ 删除任务 | `取消明天的会议提醒` | 删除任务 |\n| 📁 文件操作 | `看看 office 里有什么文件` | 列出工位文件 |\n| 📖 读取文件 | `读取 readme.txt` | 读取文件内容 |\n| 📝 创建文件 | `创建 test.py` | 写入新文件 |\n| 💻 Shell 命令 | `运行 python test.py` | 执行 Shell 命令 |\n| 🚪 退出 | `\u002Fexit` | 退出程序 |\n\n### ⏰ 心跳任务系统\n\nCyberClaw 内置心跳任务系统（Heartbeat），自动在后台执行定时任务：\n\n- **自动触发**：心跳进程每秒检查任务队列，到点自动触发\n- **循环任务**：支持 daily\u002Fweekly\u002Fmonthly 循环模式\n- **任务持久化**：任务保存在 `workspace\u002Ftasks.json`，重启不丢失\n- **实时监控**：运行 `cyberclaw monitor` 可查看任务执行日志\n\n**心跳任务示例：**\n```bash\n# 创建循环任务\n> 每天早上 8 点提醒我喝水\n✅ 任务已加入队列 | 循环模式：daily | 首发时间：2026-04-07 08:00:00\n\n# 心跳系统会在每天 8:00 自动触发提醒\n```\n\n> 💡 提示：心跳任务在后台运行，即使不启动主程序也会执行（需单独运行心跳进程）。\n\n### 5️⃣ 监控终端\n\n在另一个终端运行：\n```bash\ncyberclaw monitor\n```\n\n![监控终端](docs\u002Fmonitor.png)\n\n---\n\n## 🏢 适用场景\n\n### 🔒 企业级应用\n- **合规审计** - 5 类事件审计日志，满足企业合规要求\n- **权限管控** - 沙盒隔离 + 路径拦截，防止越权操作\n- **任务自动化** - 心跳任务引擎，定时执行重复性工作\n- **知识沉淀** - 双水位记忆系统，持续学习组织偏好\n\n### 🧪 AI 研究与开发\n- **Agent 行为分析** - 完整记录 LLM 决策过程和工具调用链\n- **安全研究** - 两段式调用机制，研究 AI 安全边界\n- **调试友好** - JSONL 日志 + Rich 监控终端，快速定位问题\n- **可扩展架构** - 可插拔技能系统，快速验证新想法\n\n### 🖥️ 跨平台部署\n- **Windows** - 完整支持 PowerShell + CMD，路径自动适配\n- **Linux** - 原生支持所有发行版，完美兼容 Bash\n- **macOS** - 支持 zsh\u002Fbash，与 Unix 工具链无缝集成\n\n### 🛠️ 开发者工具\n- **本地开发助手** - 文件操作 + Shell 执行，自动化编码任务\n- **项目监控** - 实时监控 AI 行为，防止意外操作\n- **技能开发** - 支持自定义技能，快速集成新工具\n- **MCP 服务集成** - 连接外部 MCP 服务，扩展能力边界\n\n### 📚 教育与学习\n- **AI 智能体教学** - 透明展示 Agent 架构和决策流程\n- **Prompt 工程** - 观察不同 Prompt 对 AI 行为的影响\n- **安全实践** - 学习 AI 安全最佳实践和防护措施\n- **开源贡献** - 参与开源项目，积累实战经验\n\n### 🏠 个人效率工具\n- **智能日程管理** - 定时提醒 + 循环任务，解放双手\n- **文件自动化** - 批量处理文件，自动化工作流\n- **信息查询** - 集成搜索技能，快速获取信息\n- **个性化助手** - 记忆系统学习个人偏好，越用越顺手\n\n---\n\n## 🏗️ 系统架构\n\n### 完整架构图\n\n![系统架构图](docs\u002Farchitect.png)\n\n**架构说明**：\n\n- **输入层** (蓝色)：Heartbeat 心跳任务 + 用户输入 → Gateway 网关\n- **记忆层** (粉色)：上下文裁剪 + 长短期记忆管理\n- **智能决策层** (黄色)：Agent Loop + LLM 推理决策\n- **工具执行层** (紫色)：内置工具集 + 可插拔 Skills\n- **安全层** (橙色)：路径越权拦截 + 跨平台兼容\n- **透明监控层** (绿色)：记忆更新 + 工具决策 + 工具参数 + 调用结果\n- **输出层** (底部)：聊天终端 + 监控终端\n\n### 核心模块\n\n| 模块 | 文件 | 功能 |\n|------|------|------|\n| **Agent 循环** | `cyberclaw\u002Fcore\u002Fagent.py` | LangGraph StateGraph，决策大脑 |\n| **技能加载** | `cyberclaw\u002Fcore\u002Fskill_loader.py` | 动态加载 SKILL.md，两段式调用 |\n| **上下文管理** | `cyberclaw\u002Fcore\u002Fcontext.py` | 消息修剪，双水位记忆 |\n| **内置工具** | `cyberclaw\u002Fcore\u002Ftools\u002Fbuiltins.py` | 时间\u002F计算\u002F任务调度等 |\n| **沙盒工具** | `cyberclaw\u002Fcore\u002Ftools\u002Fsandbox_tools.py` | 文件操作 + Shell 执行 |\n| **审计日志** | `cyberclaw\u002Fcore\u002Flogger.py` | JSONL 格式事件记录 |\n| **心跳任务** | `cyberclaw\u002Fcore\u002Fheartbeat.py` | 定时任务检查与触发 |\n\n### 项目结构\n\n```\nCyberClaw\u002F\n├── cyberclaw\u002F                    # 核心包\n│   ├── core\u002F\n│   │   ├── agent.py              # Agent 循环\n│   │   ├── config.py             # 配置管理\n│   │   ├── context.py            # 上下文修剪\n│   │   ├── provider.py           # LLM 提供商适配\n│   │   ├── skill_loader.py       # 动态技能加载\n│   │   ├── logger.py             # 审计日志\n│   │   ├── heartbeat.py          # 心跳任务\n│   │   └── tools\u002F\n│   │       ├── base.py           # 工具装饰器\n│   │       ├── builtins.py       # 内置工具\n│   │       └── sandbox_tools.py  # 沙盒工具\n│   └── __init__.py\n├── workspace\u002F\n│   ├── office\u002F                   # 沙盒工位\n│   │   ├── skills\u002F               # 可插拔技能\n│   │   │   ├── weather\u002F\n│   │   │   ├── skill-creator\u002F\n│   │   │   └── ...\n│   │   └── .env                  # 环境变量\n│   ├── memory\u002F\n│   │   └── user_profile.md       # 用户长期画像\n│   ├── state.sqlite3             # 对话历史数据库\n│   └── tasks.json                # 定时任务队列\n├── logs\u002F\n│   └── local_geek_master.jsonl   # 审计日志\n├── docs\u002F                         # 文档与架构图\n│   ├── architect.png             # 系统架构图\n│   ├── monitor.png               # 监控终端截图\n│   ├── welcome.png               # 欢迎界面\n│   ├── chat.png                  # 聊天界面\n│   ├── config.png                # 配置向导\n│   ├── memory.png                # 记忆系统\n│   └── context_cut.png           # 上下文裁剪\n├── entry\u002F\n│   ├── main.py                   # 主程序入口\n│   ├── cli.py                    # CLI 配置向导\n│   └── monitor.py                # 监控终端\n├── tests\u002F                        # 测试套件\n│   ├── test_agent.py\n│   ├── test_builtins.py\n│   ├── test_two_phase_skills.py  # 两阶段测试\n│   └── logs\u002F                     # 测试报告\n├── setup.py\n├── .env                          # 环境配置（运行时创建）\n├── .env.example                  # 环境配置示例（复制此文件开始配置）\n└── README.md\n```\n\n---\n\n## 📖 使用指南\n\n### 配置文件说明\n\n**`.env` 文件**：主配置文件，包含 API Key、模型设置等敏感信息。\n\n**`.env.example` 文件**：配置模板，包含所有可用配置项的说明和示例值。\n\n首次使用时，复制示例文件并修改：\n```bash\ncp .env.example .env\n```\n\n详细配置说明见 [快速开始 - 配置](#-配置) 部分。\n\n### 技能系统\n#### 安装技能\n\n**方法 1：直接复制**\n```bash\ncp -r \u002Fpath\u002Fto\u002Fskill workspace\u002Foffice\u002Fskills\u002F\n```\n\n**方法 2：使用 skill-creator**\n```bash\n# 先安装 skill-creator 技能\ncd workspace\u002Foffice\u002Fskills\ngit clone https:\u002F\u002Fgithub.com\u002F...\u002Fskill-creator.git\n\n# 然后用自然语言让 CyberClaw 创建新技能\n> 帮我创建一个查询比特币价格的技能\n```\n\n**方法 3：使用 skill-vetter 检查安全性**\n```bash\n# 安装 skill-vetter\ncd workspace\u002Foffice\u002Fskills\ngit clone https:\u002F\u002Fgithub.com\u002F...\u002Fskill-vetter.git\n\n# 让 CyberClaw 检查技能安全性\n> 帮我检查一下 weather 技能是否安全\n```\n\n#### 技能规范\n\n每个技能包含 `SKILL.md`：\n\n```markdown\n---\nname: weather\ndescription: 获取天气预报\n---\n\n# Weather Skill\n\n## 功能\n获取全球城市的实时天气预报。\n\n## 命令示例\n```bash\ncurl \"wttr.in\u002FBeijing?format=3\"\n```\n\n## 参数\n- 城市名（必填）\n- 天数（可选）\n```\n\n### 定时任务\n\n```bash\n# 单次任务\n> 明天早上 9 点叫我起床\n\n# 循环任务\n> 每天早上 8 点提醒我喝水\n> 每周一上午 10 点开团队会议\n\n# 查看任务\n> 我都有哪些任务\n\n# 修改任务\n> 把 8 点的喝水提醒改成 9 点\n\n# 删除任务\n> 取消明天的会议提醒\n```\n\n### 高级用法\n\n#### 1. 使用监控器\n\n在另一个终端运行：\n```bash\ncyberclaw monitor\n```\n\n实时查看：\n- 🧠 LLM 输入\n- 💡 工具调用\n- 💻 工具结果\n- 🤖 AI 回复\n- ⚙️ 系统动作\n\n#### 2. 查看审计日志\n\n```bash\n# 实时监控\ntail -f logs\u002Flocal_geek_master.jsonl\n\n# 搜索特定事件\ngrep \"tool_call\" logs\u002Flocal_geek_master.jsonl | tail -20\n```\n\n#### 3. 自定义用户画像\n\n编辑 `workspace\u002Fmemory\u002Fuser_profile.md`：\n\n```markdown\n# 用户档案\n\n- **姓名**: Thor Allen\n- **职业**: 程序员\n- **偏好**: \n  - 喜欢喝冰美式咖啡\n  - 常用 Python 写代码\n  - 每天 8 点起床\n- **特殊要求**:\n  - 回答要简洁\n  - 不要使用表情符号\n```\n\n---\n\n## 🧠 记忆系统\n\n### 双水位记忆架构\n\n![记忆系统](docs\u002Fmemory.png)\n\n- **长期记忆**：`user_profile.md` Markdown 文件，存储用户偏好、职业、特殊要求\n- **短期记忆**：SQLite 数据库，存储完整对话历史\n- **自动摘要**：每 20 轮对话自动触发摘要，保留最近 10 轮\n\n### 上下文裁剪\n\n![上下文裁剪](docs\u002Fcontext_cut.png)\n\n当对话轮次超过阈值时：\n1. 系统消息始终保留\n2. 保留最近 N 轮完整对话\n3. 旧对话压缩为摘要\n4. 防止 Token 爆炸\n\n### 轮次记忆\n\n![轮次记忆](docs\u002Fturn_memory.png)\n\n每个完整回合包含：\n- 用户消息 (HumanMessage)\n- AI 回复 (AIMessage)\n- 工具调用 (ToolMessage)\n\n---\n\n## 🧪 测试\n\n### 运行测试\n\n```bash\n# 运行所有测试\npython3 -m pytest tests\u002F -v\n\n# 运行特定测试\npython3 tests\u002Ftest_two_phase_skills.py\n\n# 运行两阶段测试\npython3 -c \"from tests.test_two_phase_skills import run_tests; run_tests()\"\n```\n\n### 测试覆盖\n\n| 测试文件 | 测试内容 | 状态 |\n|---------|---------|------|\n| `test_agent.py` | Agent 循环 | ✅ 通过 |\n| `test_builtins.py` | 内置工具 | ✅ 通过 |\n| `test_context.py` | 上下文修剪 | ✅ 通过 |\n| `test_sandbox_tools.py` | 沙盒工具 | ✅ 通过 |\n| `test_two_phase_skills.py` | 两阶段调用 | ✅ 通过 |\n| `test_heartbeat.py` | 心跳任务 | ✅ 通过 |\n\n### 两阶段测试报告\n\n根据 `tests\u002Flogs\u002Ftest_two_phase_skills.md` 的实验数据：\n\n| 指标 | 单阶段 | 两阶段 | 提升 |\n|------|--------|--------|------|\n| **安全命中率** | 50.0% | 90.0% | **+40%** |\n| **P0 级事故率** | 50.0% | 10.0% | **-80%** |\n| **平均决策耗时** | 19.33s | 23.88s | +23.5% |\n\n**结论**：两阶段架构用 23.5% 的时间开销，换来了**事故率从 50% 暴降至 0%**（实际破坏性执行为 0）。\n\n---\n\n## 🤝 贡献指南\n\n欢迎提交 Issue 和 Pull Request！\n\n### 开发环境\n\n```bash\n# 克隆项目\ngit clone https:\u002F\u002Fgithub.com\u002Fttguy0707\u002FCyberClaw.git\ncd CyberClaw\n\n# 创建虚拟环境\npython3 -m venv venv\nsource venv\u002Fbin\u002Factivate  # Windows: venv\\Scripts\\activate\n\n# 安装开发依赖\npip install -e \".[dev]\"\n```\n\n### 提交规范\n\n- `feat:` 新功能\n- `fix:` 修复 bug\n- `docs:` 文档更新\n- `style:` 代码格式\n- `refactor:` 重构\n- `test:` 测试相关\n- `chore:` 构建\u002F工具\n\n---\n\n## 📄 许可证\n\nMIT License\n\n---\n\n## 🙏 致谢\n\n- **[OpenClaw](https:\u002F\u002Fgithub.com\u002Fopenclaw\u002Fopenclaw)** - 灵感来源与技能生态\n- **LangChain** - LLM 应用开发框架\n- **LangGraph** - 有状态 Agent 构建\n- **Rich** - 终端美化\n- **Prompt Toolkit** - 交互式命令行\n- **所有贡献者** - 感谢你们的贡献！\n\n---\n\n## 📬 联系方式\n\n- **GitHub**: [@ttguy0707](https:\u002F\u002Fgithub.com\u002Fttguy0707)\n- **邮箱**: thor07@126.com\n\n---\n\n## ⭐ Star History\n\n[![Star History Chart](https:\u002F\u002Fapi.star-history.com\u002Fsvg?repos=ttguy0707\u002FCyberClaw&type=Date)](https:\u002F\u002Fstar-history.com\u002F#ttguy0707\u002FCyberClaw&Date)\n\n---\n\n\u003Cdiv align=\"center\">\n\n**👾 CyberClaw · 下一代透明智能体架构**\n\nMade with ❤️ by [@ttguy0707](https:\u002F\u002Fgithub.com\u002Fttguy0707)\n\n\u003C\u002Fdiv>\n","CyberClaw 是一个企业级透明可控智能体，旨在提升AI系统的透明度和安全性。它通过全行为审计、两段式安全调用以及双水位记忆系统等核心功能，确保所有AI决策可追溯且安全执行，同时支持持续学习以更好地理解用户需求。项目采用Python语言开发，兼容OpenClaw与Claude Code技能生态系统，能够快速集成丰富的AI技能。特别适用于需要高度信任和控制的企业级AI应用环境，如自动化办公、客户服务等场景，有效降低P0级别事故率高达80%。",2,"2026-06-11 02:45:02","CREATED_QUERY"]