feat: subagent SOP, autonomous SOP overhaul, ga.py try-block fix, launch llm_no param, agentmain streamline

.gitignore

@@ -58,6 +58,9 @@ memory/*
 # TMWebDriver SOP
 !memory/tmwebdriver_sop.md
 
+# Subagent SOP
+!memory/subagent_sop.md
+
 # ADB UI tool
 !memory/adb_ui.py
 

agentmain.py

@@ -18,11 +18,10 @@ def get_system_prompt():
     if not os.path.exists('memory/global_mem.txt'):
         with open('memory/global_mem.txt', 'w', encoding='utf-8') as f: f.write('')
     if not os.path.exists('memory/global_mem_insight.txt'):
-        content = "## Global Memory Index (Logic)\n\n[CONSTITUTION]\n1. 改我自身源码前必须先问用户\n\n[STORES]\n- global_mem: ../memory/global_mem.txt\n\n[ACCESS]\n- global_mem: 按 TOPIC 检索索引\n\n[TOPICS.GLOBAL_MEM]"
+        t = 'assets/global_mem_insight_template.txt'
-        if os.path.exists('assets/global_mem_insight_template.txt'):
+        open('memory/global_mem_insight.txt', 'w', encoding='utf-8').write(open(t, encoding='utf-8').read() if os.path.exists(t) else '')
-            with open('assets/global_mem_insight_template.txt', 'r', encoding='utf-8') as f: content = f.read()
-        with open('memory/global_mem_insight.txt', 'w', encoding='utf-8') as f: f.write(content)
     with open('assets/sys_prompt.txt', 'r', encoding='utf-8') as f: prompt = f.read()
+    prompt += f"\nToday: {time.strftime('%Y-%m-%d %a')}\n"
     prompt += get_global_memory()
     return prompt
 
@@ -37,18 +36,14 @@ class GeneraticAgent:
                                     ["gemini-3.0-flash", "claude-haiku-4.5", "kimi-k2"]]
         for cfg in oai_configs.values():
             llm_sessions += [LLMSession(api_key=cfg['apikey'], api_base=cfg['apibase'], model=cfg['model'])]
-        if len(llm_sessions) > 0: 
+        if len(llm_sessions) > 0: self.llmclient = ToolClient(llm_sessions, auto_save_tokens=True)
-            self.llmclient = ToolClient(llm_sessions, auto_save_tokens=True)
+        else: self.llmclient = None
-        else:
-            self.llmclient = None
         self.lock = threading.Lock()
         self.history = []               
         self.task_queue = queue.Queue() 
-        self.last_active_time = time.time()
+        self.is_running, self.stop_sig = False, False
-        self.is_running = False    
         self.llm_no = 0
-        self.stop_sig = False
+        self.inc_out = False
-        self.current_source = 'none'
         self.handler = None
         self.verbose = True
 
@@ -75,9 +70,6 @@ class GeneraticAgent:
             task = self.task_queue.get()
             self.is_running = True
             raw_query, source, display_queue = task["query"], task["source"], task["output"]
-            self.current_source = source
-            self.last_active_time = time.time()
-                        
             rquery = smart_format(raw_query.replace('\n', ' '), max_str_len=200)
             self.history.append(f"[USER]: {rquery}")
             
@@ -88,38 +80,57 @@ class GeneraticAgent:
             gen = agent_runner_loop(self.llmclient, sys_prompt, raw_query, 
                                 handler, TOOLS_SCHEMA, max_turns=40, verbose=self.verbose)
             try:
-                full_response = ""; last_pos = 0
+                full_resp = ""; last_pos = 0
                 for chunk in gen:
                     if self.stop_sig: break
-                    full_response += chunk
+                    full_resp += chunk
-                    if len(full_response) - last_pos > 50:
+                    if len(full_resp) - last_pos > 50:
-                        display_queue.put({'next': f'{full_response}', 'source': source})
+                        display_queue.put({'next': full_resp[last_pos:] if self.inc_out else full_resp, 'source': source})
-                        last_pos = len(full_response)
+                        last_pos = len(full_resp)
-                if '</summary>' in full_response: full_response = full_response.replace('</summary>', '</summary>\n\n')
+                if '</summary>' in full_resp: full_resp = full_resp.replace('</summary>', '</summary>\n\n')
-                if '</file_content>' in full_response: full_response = re.sub(r'<file_content>\s*(.*?)\s*</file_content>', r'\n````\n<file_content>\n\1\n</file_content>\n````', full_response, flags=re.DOTALL)
+                if '</file_content>' in full_resp: full_resp = re.sub(r'<file_content>\s*(.*?)\s*</file_content>', r'\n````\n<file_content>\n\1\n</file_content>\n````', full_resp, flags=re.DOTALL)
-                display_queue.put({'done': full_response, 'source': source})
+                display_queue.put({'done': full_resp, 'source': source})
                 self.history = handler.history_info
             except Exception as e:
                 print(f"Backend Error: {format_error(e)}")
-                display_queue.put({'done': full_response + f'\n```\n{format_error(e)}\n```', 'source': source})
+                display_queue.put({'done': full_resp + f'\n```\n{format_error(e)}\n```', 'source': source})
             finally:
-                self.is_running = False
+                self.is_running = self.stop_sig = False
-                self.stop_sig = False
-                self.current_source = 'none'
                 self.task_queue.task_done()
                 if self.handler is not None: self.handler.code_stop_signal.append(1)
 
     
 if __name__ == '__main__':
+    import argparse
     from datetime import datetime
+    parser = argparse.ArgumentParser()
+    parser.add_argument('--scheduled', action='store_true', help='计划任务轮询模式')
+    parser.add_argument('--task', metavar='IODIR', help='一次性任务模式(文件IO)')
+    parser.add_argument('--llm_no', type=int, default=0, help='LLM编号')
+    args = parser.parse_args()
+
     agent = GeneraticAgent()
+    agent.llm_no = args.llm_no
+    agent.verbose = False
     threading.Thread(target=agent.run, daemon=True).start()
-    def drain(dq, tag):
+
+    if args.task:
+        d = f'temp/{args.task}'; rp = f'{d}/reply.txt'
+        with open(f'{d}/input.txt', encoding='utf-8') as f: raw = f.read()
         while True:
-            item = dq.get(); txt = item.get('done') or item.get('next', '')
+            dq = agent.put_task(raw, source='task')
-            open('./temp/scheduler_live.log', 'w', encoding='utf-8').write(txt)
+            while 'done' not in (item := dq.get()): pass
-            if 'done' in item: break
+            with open(f'{d}/output.txt', 'w', encoding='utf-8') as f: f.write(item['done'])
-        open('./temp/scheduler.log', 'a', encoding='utf-8').write(f'[{datetime.now():%m-%d %H:%M}] {tag}\n{txt}\n\n')
+            for _ in range(300):  # 等reply.txt，5分钟超时
+                time.sleep(1)
+                if os.path.exists(rp):
+                    with open(rp, encoding='utf-8') as f: raw = f.read()
+                    os.remove(rp); break
+            else: break
+    elif args.scheduled:
+        def drain(dq, tag):
+            while 'done' not in (item := dq.get()): pass
+            open('./temp/scheduler.log', 'a', encoding='utf-8').write(f'[{datetime.now():%m-%d %H:%M}] {tag}\n{item["done"]}\n\n')
         while True:
             now = datetime.now()
             for f in os.listdir('./tasks/pending'):
@@ -130,3 +141,13 @@ if __name__ == '__main__':
                     threading.Thread(target=drain, args=(dq, f), daemon=True).start()
                     break
             time.sleep(55 + random.random() * 10)
+    else:
+        agent.inc_out = True
+        while True:
+            q = input('> ').strip()
+            if not q: continue
+            dq = agent.put_task(q, source='user')
+            while True:
+                item = dq.get()
+                if 'next' in item: print(item['next'], end='', flush=True)
+                if 'done' in item: print(); break

ga.py

@@ -114,10 +114,10 @@ def web_scan(tabs_only=False, switch_tab_id=None):
     应当多用execute_js，少全量观察html。
     """
     global driver
+    try:
         if driver is None: first_init_driver()
         if len(driver.get_all_sessions()) == 0:
             return {"status": "error", "msg": "没有可用的浏览器标签页，请先打开一个浏览器标签页，且确认TMWebDriver浏览器tempermonkey插件已安装并启用。"}
-    try:
         tabs = []
         for sess in driver.get_all_sessions(): 
             sess.pop('connected_at', None)
@@ -165,10 +165,10 @@ def web_execute_js(script: str):
     }
     """
     global driver
+    try:
         if driver is None: first_init_driver()
         if len(driver.get_all_sessions()) == 0:
             return {"status": "error", "msg": "没有可用的浏览器标签页，请先打开一个浏览器标签页，且确认TMWebDriver浏览器tempermonkey插件已安装并启用。"}
-    try:
         result = execute_js_rich(script, driver)
         return result
     except Exception as e:

launch.pyw

@@ -58,6 +58,7 @@ if __name__ == '__main__':
     parser.add_argument('port', nargs='?', default='8501'); 
     parser.add_argument('--no-tg', action='store_true', help='不启动 Telegram Bot'); 
     parser.add_argument('--no-sched', action='store_true', help='不启动计划任务调度器')
+    parser.add_argument('--llm_no', type=int, default=0, help='LLM编号')
     args = parser.parse_args()
     port = args.port
     threading.Thread(target=start_streamlit, args=(port,), daemon=True).start()
@@ -71,7 +72,7 @@ if __name__ == '__main__':
     if not args.no_sched:
         try:
             sock = socket.socket(socket.AF_INET, socket.SOCK_STREAM); sock.bind(('127.0.0.1', 45762)); sock.listen(1)
-            scheduler_proc = subprocess.Popen([sys.executable, "agentmain.py"], creationflags=subprocess.CREATE_NO_WINDOW if os.name=='nt' else 0); 
+            scheduler_proc = subprocess.Popen([sys.executable, "agentmain.py", "--scheduled", "--llm_no", str(args.llm_no)], creationflags=subprocess.CREATE_NO_WINDOW if os.name=='nt' else 0); 
             atexit.register(lambda: (scheduler_proc.kill(), sock.close()))
             print('[Launch] Task Scheduler started')
         except OSError:

memory/autonomous_operation_sop.md

@@ -7,16 +7,30 @@
 
 ## 🎯 核心目标（按价值优先级排序）
 
-1. **能力扩展**：主动发现用户环境中已有但未被利用的工具/库/数据源（扫描pip list、项目目录、配置文件），形成可复用操作知识
+### 价值判断标准
-2. **知识学习**：上网冲浪、文档阅读，学习新技术/新领域知识，扩展认知边界
+任务价值 = **「AI训练数据无法覆盖」×「对未来协作有持久收益」**。
-3. **探索性实验**：对发现的工具/API进行实际测试验证，产出可操作经验（非停留文档层面）
+- ✅ 高价值：只有通过物理探测用户环境才能获得的个性化知识（用户偏好、代码风格、项目结构、本地工具链、工作习惯）
-4. **优化工具**：改进代码性能/可维护性
+- ✅ 高价值：用户环境中已有但未被发现/利用的工具和数据源
-5. **发现潜在问题**：预判失败场景并设计测试
+- ⚠️ 中价值：需要实际动手验证的技术实验（非读文档能解决的）
+- ❌ 低价值：探索知名工具的基础用法（ruff/black/pytest等——AI训练数据已覆盖，用户需要时直接问即可）
+- ❌ 低价值：通用benchmark/对比测试（网上随处可查）
+
+### 目标排序
+1. **了解用户**：学习用户的代码风格、项目结构、工作习惯、兴趣偏好。分析用户亲手写的代码（非AI生成），从PC文件/目录/浏览器书签推断偏好。这类知识不可替代，直接提升协作质量
+2. **环境发现**：扫描用户环境中已有但未被利用的工具/库/数据源/配置，形成可复用操作知识
+3. **实用产出与能力扩展**：写脚本/工具解决痛点，更重要的是在已有能力上解锁新能力（如微信发消息→传文件）。能力树每多一个节点，后续所有任务的可能性空间都变大
+4. **小众工具挖掘与踩坑预研**：寻找冷门实用工具（如mootdx优于akshare/tushare），同时对AI常推荐但实际有坑的方案做实测对比（如md转pdf各库都不行→Edge打印最优）。判断标准：如果被问到只会推荐大众方案，说明该领域值得挖掘。找到后实际安装测试，记录真正好用的方案写入记忆
+   - ✅ 在GitHub/V2EX/吾爱破解/果核剥壳(ghxi.com)/小众论坛挖掘冷门实用工具
+   - ❌ 刷HN/Reddit热门头条、阅读大众科技新闻（AI训练数据已覆盖）
+5. **自身演进**：思考框架不足，提出改进方案
 6. **审查记忆系统**：修正错误或过时记录（低频执行）
 
+> ⚠️ **刷新闻/论坛（HackNews等）不是有效任务**。公开网页内容属于AI训练数据已覆盖的通用知识，不满足价值判断标准。除非用户明确要求，否则禁止将「上网浏览」作为自主任务。
+
 ### 选择原则
-- **增量价值优先**：必须产生新知识/新能力，优先选择能扩展自身操作能力的任务
+- **个性化优先**：优先产出「只有探测这台PC才能获得」的知识，而非通用技术知识
 - **盲区优先**：探索产出须为自身参数无法复现的知识（小众库发现与用法、环境特有的坑），学已熟知库的基础用法无价值
+- **代码风格注意**：分析用户代码风格时，必须找用户亲手写的老代码（大模型出现前的项目），memory/下的.py多为AI生成不可作为风格样本
 - **自主发现**：主动扫描用户环境（pip list、项目目录、配置文件）发现未知工具，而非等用户告知
 - **假设驱动**：明确"要验证什么假设"，实验必须有动手验证环节
 - **禁止低价值验证**：不验证 global_mem 中的静态配置，不做无假设的巡检
@@ -30,7 +44,8 @@
 ### 阶段 1：自主探测（用户离开时）
 - **启动检查**：
   - 读取可能有的 `./autonomous_reports/history.txt` 了解历史记录。
-  - **不连续两次选择相同子任务**（除非间隔很久或环境显著变化）。同一网站算同一子任务，不同网站算不同。
+  - **不连续选择相同方向**。
+- **预期收益声明**：选定任务后，必须先用一句话写明「做这个任务预期带来什么收益」。允许探索失败，但必须事先想清楚为什么值得做。这句话写入报告开头。
 - **执行方式**：基于目标自由进行，无需预先批准，直接执行只读或实验性操作。
 - **约束**：小步快跑，每次只做一个小任务（剩下的下次再做），控制在15个回合以内。严禁修改核心记忆/系统设置；严禁读取敏感数据（但可以检测存在性）。
 
@@ -57,14 +72,13 @@
 - ✅ 完整验证再结论：严禁读部分文件即下判断；必须追踪所有关联文件并实际测试后再写报告
 
 ## 📝 探测领域（示例，鼓励发散，不要总盯着技术/agent）
-- 上网冲浪（科技/科学/文化/时事热点，视野要广）
+- 有效上网冲浪（产出可行动的具体信息，非泛读新闻）
-  - ⚠️ 禁止泛采集标题列表（零价值）。必须：选≤2个话题深入读正文提炼观点，或带明确目标搜索（如接口文档）。导航受限无法读正文时立即换方向。
+  - 🎯 资源站巡检：逛果核剥壳/吾爱破解/什么值得买等→按分类浏览→结合用户需求筛选→产出具体推荐（好用工具、优惠羊毛、高性价比商品、限时机会等）
+  - 🎯 深度阅读：选≤2个话题深入读正文提炼观点，或带明确目标搜索。导航受限时立即换方向
+  - ❌ 禁止：泛采集标题列表、无目标刷新闻头条
 - 实用小工具（写脚本解决日常痛点，如批量重命名、格式转换）
-- 信息聚合（天气、新闻摘要、特定话题最新动态）
 - 本地环境健康（磁盘空间、过期大文件、异常进程）
-- 创意实验（数据可视化、小游戏原型、趣味脚本）
 - 自动化优化（发现可自动化的重复操作并原型验证）
-- 知识探索（对某个非编程领域做简明调研，如历史/经济/科学）
 - 了解用户（从PC上的文件/目录/浏览器书签等推断用户兴趣和偏好，不读密钥文件）
 - 推荐（基于对用户的了解，推荐游戏/视频/工具/脚本等，附理由）
 - 自身演进（思考框架的不足或新需求，提出改进方案供用户审批）

memory/subagent_sop.md

@@ -0,0 +1,30 @@
+# Subagent 调用 SOP
+
+## 何时调用（调用原则）
+
+唯一适用场景：**map模式**——将N个独立同构子任务分发给各自的subagent处理。
+
+- 核心优势：独立上下文。避免处理文档A的长上下文污染处理文档B的质量
+- 文件系统共享是优点：不同agent处理不同输入文件，产生不同输出文件
+- 共享资源冲突：键鼠/浏览器主体不可共享（浏览器可分tab但需谨慎），subagent任务应限于文件处理
+- 不满足map模式的任务 → 主agent顺序执行即可，别用subagent
+
+**标准流程（map-reduce）**：
+1. 主agent准备阶段：爬取/dump数据，存为多个独立输入文件
+2. 分发：对每个文件启动一个subagent处理（主agent自己也可以处理其中一个）
+3. 收集：等所有subagent完成，主agent读取各输出文件，汇总结果
+
+## Task Mode 文件IO协议
+- 目录：`./{task_name}/`，启动：`python agentmain.py --task {task_name} [--llm_no N]`（cwd=GenericAgent根）
+- 流程：写 input.txt → 启动 → 轮询 output.txt → 读回复 → 写 reply.txt 继续 → 不写则5min自动退出
+- output.txt 每轮覆盖写，用 mtime/size 判断新轮次
+
+## 后台调用要点
+```python
+proc = subprocess.Popen(
+    [sys.executable, 'agentmain.py', '--task', task_name],
+    cwd=agent_root, creationflags=0x08000000)
+```
+- 必须 Popen，禁止 subprocess.run（会阻塞）
+- `--llm_no` 默认=sonnet 4.5，`--llm_no 1`=opus 4.6
+- 文件统一 UTF-8，subagent 无 reply 5min 自动退出无需清理