rename sidercall.py to llmcore.py; add cache-aware cd to compress_history_tags

README.md

@@ -136,7 +136,7 @@ The agent starts with 7 primitive tools. Through `code_run`, it can install pack
 **Core engine** (runs the agent):
 - `agent_loop.py` — Sense-Think-Act loop (92 lines)
 - `ga.py` — Tool definitions and execution
-- `sidercall.py` — LLM communication (multi-backend)
+- `llmcore.py` — LLM communication (multi-backend)
 - `agentmain.py` — Session orchestration
 
 **Interface** (talk to the agent):
@@ -255,7 +255,7 @@ Agent 拥有 7 个原子工具：`code_run`（执行任意代码）、`file_read
 **核心引擎**：
 - `agent_loop.py` — 感知-思考-行动循环（92 行）
 - `ga.py` — 工具定义与执行
-- `sidercall.py` — LLM 通信（多后端）
+- `llmcore.py` — LLM 通信（多后端）
 - `agentmain.py` — 会话编排
 
 **交互界面**：

agentmain.py

@@ -5,7 +5,7 @@ if sys.stderr is None: sys.stderr = open(os.devnull, "w")
 elif hasattr(sys.stderr, 'reconfigure'): sys.stderr.reconfigure(errors='replace')
 sys.path.append(os.path.abspath(os.path.join(os.path.dirname(__file__), '..')))
 
-from sidercall import SiderLLMSession, LLMSession, ToolClient, ClaudeSession, XaiSession
+from llmcore import SiderLLMSession, LLMSession, ToolClient, ClaudeSession, XaiSession
 from agent_loop import agent_runner_loop, StepOutcome, BaseHandler
 from ga import GenericAgentHandler, smart_format, get_global_memory, format_error
 
@@ -40,7 +40,7 @@ class GeneraticAgent:
         script_dir = os.path.dirname(os.path.abspath(__file__))
         temp_dir = os.path.join(script_dir, 'temp')
         if not os.path.exists(temp_dir): os.makedirs(temp_dir)
-        from sidercall import mykeys
+        from llmcore import mykeys
         llm_sessions = []
         for k, cfg in mykeys.items():
             if not any(x in k for x in ['api', 'config', 'cookie']): continue

assets/SETUP_FEISHU.md

@@ -22,7 +22,7 @@
 
 - Python 3.8+
 - 本项目完整代码
-- LLM API 密钥（Claude/OpenAI 等，已在 `sidercall/mykeys` 中配置）
+- LLM API 密钥（Claude/OpenAI 等，已在 `llmcore/mykeys` 中配置）
 
 ### 安装依赖
 
@@ -177,7 +177,7 @@ fs_allowed_users = [
 
 ### 确认 LLM 配置
 
-确保 `sidercall/mykeys` 中已配置 LLM API 密钥：
+确保 `llmcore/mykeys` 中已配置 LLM API 密钥：
 
 ```python
 # 示例：Claude API

assets/make_prompts.py

@@ -5,7 +5,7 @@ from pathlib import Path
 import subprocess
 import tempfile
 sys.path.append(os.path.abspath(os.path.join(os.path.dirname(__file__), '..')))
-from sidercall import SiderLLMSession, LLMSession, ToolClient
+from llmcore import SiderLLMSession, LLMSession, ToolClient
 
 
 ask = SiderLLMSession().ask

llmcore.py

@@ -14,8 +14,10 @@ mykeys = _load_mykeys()
 proxy = mykeys.get("proxy", 'http://127.0.0.1:2082')
 proxies = {"http": proxy, "https": proxy} if proxy else None
 
-def compress_history_tags(messages, keep_recent=4, max_len=200):
+def compress_history_tags(messages, keep_recent=10, max_len=500):
     """Compress <thinking>/<tool_use>/<tool_result> tags in older messages to save tokens."""
+    compress_history_tags._cd = getattr(compress_history_tags, '_cd', 0) + 1
+    if compress_history_tags._cd % 5 != 0: return messages
     for i, msg in enumerate(messages):
         if i < len(messages) - keep_recent and 'orig' not in msg:
             msg['orig'] = msg['prompt']
@@ -47,7 +49,7 @@ class SiderLLMSession:
         return full_text   
 
 class ClaudeSession:
-    def __init__(self, api_key, api_base, model="claude-opus", context_win=10000):
+    def __init__(self, api_key, api_base, model="claude-opus", context_win=12000):
         self.api_key, self.api_base, self.default_model, self.context_win = api_key, api_base.rstrip('/'), model, context_win
         self.raw_msgs, self.lock = [], threading.Lock()
     def _trim_messages(self, messages):
@@ -96,7 +98,7 @@ class ClaudeSession:
         return _ask_gen() if stream else ''.join(list(_ask_gen()))
 
 class LLMSession:
-    def __init__(self, api_key, api_base, model, context_win=12000, proxy=None, api_mode="chat_completions",
+    def __init__(self, api_key, api_base, model, context_win=16000, proxy=None, api_mode="chat_completions",
                  max_retries=2, connect_timeout=10, read_timeout=120):
         self.api_key = api_key; self.api_base = api_base.rstrip('/'); self.default_model = model
         self.context_win = context_win; self.raw_msgs = []; self.messages = []

memory/autonomous_operation_sop.md

@@ -1,87 +1,38 @@
-# 自主行动 SOP (探测-报告-执行)
+# 自主行动 SOP
-
-⚠️ **路径警告**：autonomous_reports 在 temp/ 下，用`./autonomous_reports/`访问，**不是**`../memory/autonomous_reports/`或`../autonomous_reports/`！
-
-授权你进行自主行动，只要不对环境造成副作用都可进行。
-首先根据有无TODO确定**执行模式**或**任务规划模式**
-如有TODO，进入**执行模式**，取一条TODO执行，完成后本轮结束（不继续执行下一条）；
-如果没有TODO，进入**任务规划模式**，深入分析并形成多个有价值的自主探索任务。规划完成后本轮结束，待下次自主行动执行。
 
+⚠️ **路径警告**：autonomous_reports 在 temp/ 下，用`./autonomous_reports/`访问，**不是**`../memory/autonomous_reports/`或`../autonomous_reports/`！TODO在cwd下。
 报告存于 `./autonomous_reports/`，文件名 `RXX_简短描述.md`（XX从 history.txt 推断自增）。
 
-## 任务规划模式
+授权你进行自主行动，只要不对环境造成副作用都可进行。
-- **有TODO**：cwd下 `TODO.txt` 有待执行条目 → 直接跳到「执行流程」
 
-价值公式：**「AI训练数据无法覆盖」×「对未来协作有持久收益」**。核心产出是记忆——有价值的发现整理为记忆更新提案纳入报告。
+## 任务选择
+- 有 `./TODO.txt`（temp根目录）未完成条目 → 取**一条**，直接进入执行，其他条目下次执行
+- 无 TODO → 读 `autonomous_operation_sop/task_planning.md` 规划，下次执行
+- 不连续两次选相同子任务
 
-流程入口：
+价值公式：**「AI训练数据无法覆盖」×「对未来协作有持久收益」**
-- **无TODO → 进入任务规划模式**（本轮不执行任务，专注规划）：
-  0. update_working_checkpoint: `规划模式：产出TODO后立即结束本轮，禁止执行任何TODO，等待下次自主行动进入执行模式`
-  1. ⚠️ **批判性读history.txt**：90%历史任务是低价值的，读取目的是**识别失败模式并避免**，而非寻找模仿对象
-     - 识别低价值模式：浅层验证、无假设巡检、重复探索、泛采集、知名工具基础用法
-     - 提炼高价值线索：未跟进的发现、待实测工具、可改进产出
-  2. 反思：为什么这些任务低价值？如何设计才能高价值？
-  3. 批判性盘点已有报告和记忆（ls autonomous_reports/ + ../memory），考虑如何发挥更大价值或优化
-  4. 综合以上，产出5-7条TODO写入 `TODO.txt`，TODO已完成内容可压缩丢后面
-  5. 每条格式：`[ ] 类型(产出/冲浪/环境) | 一句话目标 | 验收标准`
-  6. 召唤subagent评审TODO：input仅给TODO列表+"读记忆库自行判断，逐条评分1-10并简述理由"（不喂额外先验信息）
-  7. 读subagent评分，低分项删除或替换
-  8. 立刻**结束**，下次行动再执行
 
-目标排序（按价值递减）：
+## 执行
-1. **实用产出与能力扩展**：写工具解决痛点，在已有能力上解锁新能力（能力树每多一个节点，可能性空间变大）
-2. **环境发现**：扫描已有但未利用的工具/库/数据源/配置
-3. **小众工具挖掘**：在GitHub/V2EX/吾爱破解/果核剥壳**等**找冷门实用工具，实测AI常推荐但有坑的方案
-4. **了解用户与推荐**：分析老代码/PC文件/书签推断偏好，给出个性化推荐（游戏/视频/工具附理由）（低频）
-5. **自身演进**：思考框架不足，提出改进方案
-6. **记忆审查**：修正错误或过时记录
 
-**大型任务**：允许设计**有价值**的大型任务，将其分解成若干个模块或步骤，写入TODO中，每次自主行动执行处理一个模块。
+**启动**：
+- update_working_checkpoint: `自主行动｜报告→./autonomous_reports/R{XX}_简短描述.md｜≤30回合｜收尾：重读sop，写报告+更新history+标记TODO`
+- 读 `./autonomous_reports/history.txt` 推断下一编号RXX + 了解历史避免重复
 
-选择原则：个性化优先（只有探测这台PC才能获得的知识）→ 盲区优先（自身参数无法复现，有一定难度）→ 假设驱动（明确要验证什么，边探测边实验）→ 禁止低价值验证（不验证静态配置、不做无假设巡检、不做你轻易完成的工作）
+**执行**：
+- ≤30回合，小步快跑，边探测边实验
+- 用临时脚本验证假设；禁只读即下结论，完整验证再写报告
+- 即使失败也记录实验过程和结果，失败报告同样有价值
+- 用户不在线，遇到需要决策的问题写入报告待审，不要卡住
 
-探测策略（聚焦原则，非菜单）：
+**收尾（三件事缺一不可）**：
-- **线索驱动**：从近期报告中提炼的后续任务，优先于凭空选题
+1. 写报告 `./autonomous_reports/R{XX}_简短描述.md`，格式简洁仅关键发现详述；若有记忆更新建议，附在报告末尾
-- **能力树扩展**：优先能解锁新能力节点的工具/技能（一个节点带来多种可能性）
+2. 更新 `./autonomous_reports/history.txt`（prepend一条：`RXX | 日期 | 类型 | 主题 | 结论`，严格单行，先读此文件头几行了解格式）
-- **个性化优先**：只有探测这台PC/这个用户才能获得的知识 > 通用知识
+3. 在 `./TODO.txt`（temp根目录）中将已完成条目标记为 `[x]`
-- 冲浪规则：每次≤2话题，必须读正文提炼洞察，禁标题搬运；发现好工具→下轮TODO加实测任务
 
-禁区：❌ Hacker News · 刷新闻头条 · 泛采集标题/无目标刷新闻 · 探索知名工具基础用法 · 调研弱于当前框架的agent · 调研其他web自动化/computer use框架 · 读取自身代码库
+## 权限边界
+- 无需批准：只读探测、cwd内写操作/脚本实验
+- 需写入报告待审：修改 global_mem / memory下SOP、安装软件、外部API调用、删除非临时文件
+- 绝对禁止：读取密钥、修改核心代码库、不可逆危险操作
 
-
+## 等待用户审查
-## 执行模式
-
-⚠️ **监工原则（硬约束）**：主agent在执行模式中**只当监工**，严禁亲自执行任务的实际工作。
-- ❌ 禁止：主agent自己写脚本跑数据、调API、扫描目录、处理文件等一切「干活」行为
-- ❌ 禁止：主agent以「为subagent准备数据」为由自己先执行部分工作
-- ✅ 允许：选任务、写input.txt（任务描述）、启动subagent、轮询监控、质检验收、更新history
-- 原则：所有实际探测/数据收集/脚本编写/API调用都写进input.txt让subagent去做
-
-### 执行（有TODO时）
-0. 从 `TODO.txt` 取**一条**作为当前任务
-1. update_working_checkpoint: `{选定的当前任务}\n（自主行动时长期保留）subagent任务完成后需重读自主行动sop确定验收流程。每次只执行一个任务！`
-2. 按 subagent_sop 召唤 subagent，input 需要包含以下全部内容：
-   - **任务**：详细介绍和要求深入执行当前任务 + 验收标准 + 一句话预期收益
-   - **所有实际工作都由subagent完成**：包括数据收集、目录扫描、API调用、脚本编写等，主agent不做任何准备工作
-   - **权限边界**：可执行只读和实验性操作；严禁修改核心记忆/系统设置；严禁读取敏感数据（可检测存在性）；控制在30回合内
-     - 无需批准：只读探测、cwd 内写操作/脚本实验
-     - 需要报告：修改 global_mem.txt / memory/ 下 SOP、安装软件、外部 API 调用、删除非临时文件
-     - 绝对禁止：读取密钥、修改核心代码库、不可逆危险操作
-   - **报告要求**：完成后写报告到 `./autonomous_reports/R{XX}_简短描述.md`（XX从history.txt推断），格式简洁仅关键发现详述；
-     - 第一步先将此报告要求update_working_checkpoint进入工作记忆
-   - **行动准则**：边探测边实验，用临时脚本测假设；禁只读即下结论，完整验证再写报告
-3. 监控 subagent 执行，质量不佳或跑偏可提前终止放弃（监控≠亲自干活）
-
-### 质检与验收流程
-4. subagent 完成后，读取报告进行质检：
-   - 报告是否符合格式（标题/分类/内容质量）
-   - 发现不合规可修正报告或回滚操作
-   - 可通过 reply 机制追问 subagent
-5. 更新 `./autonomous_reports/history.txt`（prepend，先读此文件了解填写格式）
-   - 在 history.txt 首行 prepend 一条：`RXX | 日期 | 类型 | 主题 | 结论`（严格单行）。
-6. 从 `TODO.txt` 移除已完成条目
-7. 若报告含记忆更新建议，评估后决定是否采纳；若发现极有价值高质量报告，可在报告文件名上标记。
-8. 停止，等待下次自主行动
-
-### 等待用户审查
 - 用户归来后审查报告，决定批准、修改或拒绝方案

tgapp.py

@@ -8,7 +8,7 @@ try:
 except:
     print("Please ask the agent install python-telegram-bot to use telegram module.")
     sys.exit(1)
-from sidercall import mykeys
+from llmcore import mykeys
 
 agent = GeneraticAgent()
 agent.verbose = False