[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-77985":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":9,"language":10,"languages":9,"totalLinesOfCode":9,"stars":11,"forks":12,"watchers":13,"openIssues":14,"contributorsCount":14,"subscribersCount":14,"size":14,"stars1d":14,"stars7d":14,"stars30d":15,"stars90d":14,"forks30d":14,"starsTrendScore":14,"compositeScore":16,"rankGlobal":9,"rankLanguage":9,"license":9,"archived":17,"fork":17,"defaultBranch":18,"hasWiki":19,"hasPages":17,"topics":20,"createdAt":9,"pushedAt":9,"updatedAt":21,"readmeContent":22,"aiSummary":23,"trendingCount":14,"starSnapshotCount":14,"syncStatus":24,"lastSyncTime":25,"discoverSource":26},77985,"buddyme-code","virgo777\u002Fbuddyme-code","virgo777","Lightweight dependency, powerful core processing for code assistance.",null,"Python",102,5,1,0,61,45.43,false,"master",true,[],"2026-06-12 04:01:22","# buddyMe Code — 多模型 AI 智能体编程框架\n\n一个支持多模型切换、工具调用和技能系统的 Python AI Agent 框架。提供命令行交互界面，可自动拆解复杂任务并分步执行。\n\n支持 6 大 LLM 供应商运行时热切换。分层人格、三级技能加载、心跳记忆，为需要灵活性的开发者而生。\n\n支持多模型热切换 · 工具调用 · 技能系统 · 持久记忆 · 定时任务\n\n[Blog](http:\u002F\u002F49.235.53.176\u002F) \n\u003C\u002Fdiv>\n\n---\n\n## 项目简介\n\nbuddyMe 是一个 Python 实现的多模型 AI 智能体框架。它能够将复杂任务自动拆解为子任务，逐一规划、执行、验证，并合并结果。内置 25+ 技能、8 个工具、完整的记忆系统和定时调度能力，可作为编程助手或通用任务代理使用。\n\n\u003Cdiv style=\"background-color: #f8f9fa; padding: 18px 22px; border-radius: 8px; margin: 28px 0; border-left: 4px solid #e67e22;\">\n  \u003Cp style=\"margin: 0 0 14px 0; line-height: 1.6;\">欢迎访问 \u003Ca href=\"http:\u002F\u002F49.235.53.176\u002F\" style=\"color: #2563eb; text-decoration: none;\">BuddyMe Blog\u003C\u002Fa> 阅读最新文章与技术分享。\u003C\u002Fp>\n  \u003Cp style=\"color: #e67e22; font-size: 1.1em; font-weight: bold; margin: 0 0 12px 0;\">📚 更新推荐阅读\u003C\u002Fp>\n  \u003Cul style=\"margin: 0; padding-left: 22px; line-height: 1.9;\">\n    \u003Cli>\u003Ca href=\"http:\u002F\u002F49.235.53.176\u002Fblog\u002Fsub-agent-prompt-architecture-deep-dive\" style=\"color: #2563eb; text-decoration: none;\">深度解析：子任务 Prompt 的构建机制——从源码到执行\u003C\u002Fa>\u003C\u002Fli>\n    \u003Cli>\u003Ca href=\"http:\u002F\u002F49.235.53.176\u002Fblog\u002Fheartbeat-and-loop-skill-engine-deep-dive\" style=\"color: #2563eb; text-decoration: none;\">buddyMe 心跳系统与 Loop 引擎：让 AI 自己干活，还不花钱\u003C\u002Fa>\u003C\u002Fli>\n    \u003Cli>\u003Ca href=\"http:\u002F\u002F49.235.53.176\u002Fblog\u002Fbuddyme\" style=\"color: #2563eb; text-decoration: none;\">技术深度：buddyMe 框架任务拆解的 \"盲拆\" 问题与技能感知优化方案\u003C\u002Fa>\u003C\u002Fli>\n    \u003Cli>\u003Ca href=\"http:\u002F\u002F49.235.53.176\u002Fblog\u002Freact-plan-and-execute-reflection\" style=\"color: #2563eb; text-decoration: none;\">ReAct、Plan-and-Execute 与 Reflection 的本质差异与落地指南\u003C\u002Fa>\u003C\u002Fli>\n  \u003C\u002Ful>\n\n  📚 复杂任务的内评估与反馈\u003C\u002Fp>\n  \u003Cul style=\"margin: 0; padding-left: 22px; line-height: 1.9;\">\n    \u003Cli>\u003Ca href=\"http:\u002F\u002F49.235.53.176\u002Fblog\u002Fmulti-agent-collaboration-workflow\" style=\"color: #2563eb; text-decoration: none;\">给 AI Agent 装上\"裁判眼\"2：从任务分解到评估反馈的多智能体协作全链路\u003C\u002Fa>\u003C\u002Fli>\n    \u003Cli>\u003Ca href=\"http:\u002F\u002F49.235.53.176\u002Fblog\u002Feval-system-from-zero-to-production\" style=\"color: #2563eb; text-decoration: none;\">给 AI Agent 装上\"裁判眼\"1：buddyMe Eval 系统从零到落地的完整实录\u003C\u002Fa>\u003C\u002Fli>\n\n  \u003C\u002Ful>\n\n  \n\u003C\u002Fdiv>\n\n## 核心特性\n\n- **多模型支持** — 统一接口调用智谱 GLM、DeepSeek、百度千帆 ERNIE、小米 MiMo、阿里 Qwen 等国产大模型\n- **双协议适配** — 自动检测 OpenAI \u002F Anthropic 协议，对上层业务透明\n- **任务管线** — 三阶段执行管线：上下文构建 → 任务规划 → 分步执行与结果合并\n- **Skill 技能系统** — 内置 20+ 技能（前端设计、文章写作、学术论文、市场调研、天气查询等），支持热加载和动态注册\n- **工具生态** — 文件读写编辑、代码搜索（grep\u002Fglob）、Bash 执行、百度搜索、Skill 调用\n- **持久化记忆** — 用户画像（USER.md）、对话日志、记忆摘要，支持跨会话连续性\n- **命令系统** — `\u002Fhelp`、`\u002Fmodel`、`\u002Fskills`、`\u002Fmemory` 等内置命令，支持别名和分类\n\n## 快速开始\n\n### 安装\n\n```bash\npip install -e .\n```\n或者直接安装\n```bash\npip install buddyme\n```\n\n### 运行\n\n```bash\n# CLI 模式（带 Rich spinner）\nbuddyme\n\n# 或模块方式\npython -m buddyMe\n```\n\n### 设置环境变量\n\n```bash\n# Windows PowerShell\n$env:BUDDYME_MODEL = \"deepseek\"\n\n# macOS \u002F Linux\nexport BUDDYME_MODEL=\"deepseek\"\n```\n\n首次运行时会自动部署用户数据目录（`initspace\u002F` + `skill_library\u002F`）。\n\n## 支持的模型\n\n| 模型标识 | 实际模型 | 协议 | 提供商 |\n|---------|---------|------|-------|\n| `glm` | GLM-5.1 | OpenAI | 智谱 |\n| `glm_code_plan` | GLM-5.1 | Anthropic | 智谱 |\n| `deepseek` | DeepSeek-V4-Pro | OpenAI | DeepSeek |\n| `deepseek_code_plan` | DeepSeek-V4-Pro | Anthropic | DeepSeek |\n| `ernie` | ERNIE-5.1 | OpenAI | 百度千帆 |\n| `xiaomi` | MiMo-V2-Pro | OpenAI | 小米 |\n| `qwen` | Qwen3.6-Plus | OpenAI | 阿里通义 |\n| `sub_agent_code_plan` | GLM-4.7 | Anthropic | 智谱（子任务用） |\n\n模型配置通过各自的 API Key 连接，使用前需在 `model_config.py` 中填入对应密钥。\n\n## 架构概览\n\n```\nbuddyMe\u002F\n├── main.py              # 启动入口（python -m buddyMe）\n├── cli.py               # Rich CLI（buddyme 命令）\n├── agent_moudle\u002F        # Agent 核心与任务管线\n│   ├── agent.py         # AgentMain — 状态管理、生命周期\n│   ├── task_runner.py   # 任务执行管线编排\n│   ├── task_pipeline.py # 三阶段管线（规划→执行→合并）\n│   └── todo_manager.py  # 子任务管理器\n├── llm_moudle\u002F          # LLM 客户端层\n│   ├── basic_llm.py     # 统一调用接口\n│   └── model_config.py  # 模型配置（api_key\u002Fbase_url\u002Fmax_tokens）\n├── anthropic_standard\u002F  # 协议适配层\n│   ├── basic_anthropic_client.py  # 客户端基类（OpenAI\u002FAnthropic）\n│   ├── basic_anthropic_tool.py    # 工具执行器\n│   ├── unified_client.py         # 统一客户端（自动选择协议）\n│   └── anthropic_code_plan_base.py\n├── context\u002F             # System Prompt 构建\n│   ├── prompt_builder.py   # 按层次组装 System Prompt\n│   ├── compressor.py       # 长对话中段压缩\n│   └── brain_loader.py     # Brain 文件加载\n├── memory\u002F              # 记忆系统\n│   ├── store.py         # 记忆存储（USER.md + 对话日志）\n│   ├── manager.py       # 记忆生命周期管理\n│   ├── extractor.py     # 记忆提取\n│   └── provider.py      # 记忆提供者\n├── session\u002F             # 会话管理\n│   ├── state.py              # 会话状态\n│   ├── message_history.py    # 消息历史\n│   ├── conversation_logger.py # 对话持久化\n│   ├── subtasks_manager.py   # 子任务结果管理\n│   └── todo_manager.py\n├── tool_moudle\u002F         # 工具模块\n│   ├── bash_tool.py         # Bash \u002F Read \u002F Write \u002F Edit \u002F Grep \u002F Glob\n│   ├── baidu_search_tool.py # 百度搜索\n│   └── invoke_skill_tool.py # Skill 调用\n├── cmd_library\u002F         # 命令系统\n│   ├── registry.py         # 命令注册与分发\n│   ├── base.py             # 命令基类\n│   └── builtin\u002F            # 内置命令（system\u002Fmemory\u002Fskill）\n├── initspace\u002F           # 初始化数据\n│   ├── brain\u002F           # Brain 文件（AGENT.md\u002FSOUL.md\u002FIDENTITY.md\u002FUSER.md）\n│   ├── memorys\u002F         # 记忆文件（对话日志\u002F摘要\u002F子任务结果）\n│   └── skill_loader.py  # Skill 加载器\n├── skill_library\u002F       # 技能库（20+ Skill）\n│   └── skills\u002F          # 各类 Skill 定义\n└── utils\u002F               # 工具函数（路径、原子操作）\n```\n\n### 执行流程\n\n```\n用户输入 → 命令拦截(\u002Fcmd) → Memory预取 → System Prompt构建\n  → 任务规划(主LLM拆解子任务) → 分步执行(子Agent + 工具调用)\n  → 结果合并 → 对话持久化 → 记忆同步 → 返回结果\n```\n\n### Skill 系统\n\n内置技能覆盖多个领域，支持按需调用：\n\n| 类别 | 技能 |\n|------|------|\n| 前端开发 | frontend-design、frontend-patterns、frontend-slides |\n| 后端开发 | backend-patterns、api-design、content-hash-cache-pattern |\n| 内容创作 | article-writing、market-research |\n| 学术写作 | emergence-paper-orchestra（PaperOrchestra 方法论） |\n| 开发流程 | coding-standards、code-reviewer、tdd-guide、continuous-learning |\n| 工具集成 | markitdown（文件格式转换）、qqmail（QQ 邮箱）、weather-skill（天气） |\n| Agent 优化 | autonomous-loops、strategic-compact、search-first、verification-loop、iterative-retrieval |\n\nSkill 存放在 `skill_library\u002Fskills\u002F` 下，可通过 `\u002Fskill` 命令热加载新 Skill。\n\n### 命令系统\n\n所有命令以 `\u002F` 开头：\n\n| 命令 | 说明 |\n|------|------|\n| `\u002Fhelp` | 查看所有命令 |\n| `\u002Fmodel [name]` | 查看或切换模型 |\n| `\u002Fmodels` | 列出所有可用模型 |\n| `\u002Fskills` | 列出已加载的 Skill |\n| `\u002Fskill reload` | 热加载 Skill |\n| `\u002Fmemory show` | 查看记忆 |\n| `\u002Fmemory update` | 更新记忆 |\n| `\u002Fmemory history` | 查看对话历史 |\n| `\u002Freset` | 重置会话 |\n| `\u002Fclear` | 清屏 |\n| `\u002Fexit` \u002F `\u002Fquit` | 退出 |\n\n## 依赖\n\n- Python >= 3.9\n- httpx（HTTP 客户端）\n- rich（CLI spinner）\n\n## 目录说明\n\n| 路径 | 用途 |\n|------|------|\n| `buddyMe\u002F` | 源码包 |\n| `buddyMe\u002Finitspace\u002F` | 首次运行自动复制的用户数据（Brain\u002F记忆\u002F对话日志） |\n| `dist\u002F` | 构建产物 |\n| `pyproject.toml` | 项目配置与依赖 |\n","buddyMe 是一个 Python 实现的多模型 AI 智能体框架，能够自动拆解复杂任务并分步执行。其核心功能包括支持 6 大 LLM 供应商的多模型热切换、内置 25+ 技能和 8 个工具、完整的记忆系统及定时调度能力。该框架采用统一接口调用多种国产大模型，并支持 OpenAI 和 Anthropic 协议自动检测，确保上层业务透明。它适用于需要灵活性和高效任务处理的开发者，可作为编程助手或通用任务代理使用。",2,"2026-06-11 03:56:19","CREATED_QUERY"]