ZF3D Agent v2
全能桌面AI助手
管理文件、浏览网页、编辑文档、AI生图视频、自动化任务，90多种内置操作，ReAct推理引擎，语义记忆，纯Python零依赖。
Python License 零依赖 操作数 模型支持
一个帮你管理文件夹、图片、视频等所有文件的AI智能体。系统做手脚调度执行，大模型做大脑思考决策。你只需写JSON配置，不改代码，一切行为由配置驱动。
核心引擎
ReAct推理引擎：状态机驱动的思考、行动、观察、校验、终止循环，Function Calling加文本双模式智能降级，批量任务进度拦截不让AI半途而废。
模型直连器：纯HTTP直连，不依赖任何SDK，自定义请求模板适配任意API，密钥XOR加机器码加密存储，响应缓存加Token统计加流式输出。
操作注册中心：90多种内置操作统一注册调度，中英文别名映射，模糊匹配，调用统计与历史，依赖注入。
存储引擎：SQLite加FTS5全文搜索，对话记录结构化存储与检索。
安全计算器：AST安全求值，零eval注入风险。
运行诊断器：运行错误自动记录，监控规则引擎按模块、函数、异常类型、关键字匹配。
内置操作90多种
AI生成ComfyUI集成：
文生图、图生图、文生视频、图生视频、prompt反推、工作流提交查询管理、模型列表、队列控制、图片上传。
浏览器自动化Playwright：
打开网页、截图、点击元素、填写表单、滚动、返回切标签页、页面内容结构元素读取、搜索页面、会话保存加载Cookie加localStorage持久化、网页分析。
Office文档处理：
Word读取修改创建段落操作、Excel文本替换、docx带格式HTML预览保留字体颜色粗体表格。
文件与系统：
文件创建读取写入追加删除替换批量编辑、目录浏览、压缩解压、回收站管理、打开程序、运行命令、截图、系统信息、数学计算。
代码与Git：
正则搜索、Glob搜索、AST符号搜索、语法验证、Git状态提交回滚差异日志分支、自动测试、构建验证。
网络与媒体：
网页抓取、网络搜索、网页分析LLM、图片分析LLM Vision、下载网页图片、多线程下载、avi和wmv ffmpeg实时转码mp4、Range断点续传。
任务编排：
子代理mini ReAct、并行执行、Pipeline、Barrier、LoopUntilDry、Job创建更新列表详情、后台执行。
其他：
剧本录制回放、知识库导入搜索、对话导出、工具创建、TTS语音合成edge-tts晓晓神经语音、诊断监控。
四层扩展体系
声明式工具：写JSON即加工具，如查天气、查IP、汇率查询、倒数日、计算器。
插件：放Python文件到插件目录。
技能：放技能包到技能目录，如PDF编辑器含SKILL.md加脚本。
MCP服务：配置MCP服务端连接，如filesystem、github、sqlite。
记忆系统
三层语义召回：标签匹配、关键词匹配、LLM语义匹配。
事件制存储：每段对话归类为事件，frontmatter格式，双括号交叉引用。
自动摘要：LLM自动生成事件摘要加用户画像更新。
检查点续跑：长任务中断后可从检查点恢复。
反思评估器：任务执行后自动反思，错误分类加自动恢复。
对话模块
意图解析：闲聊、任务执行、批量任务、查看文件、框选编辑。
4种工作模式：商量、执行、无人值守、规划。
多对话管理：新建、切换、删除、自动命名。
上下文管理：Token预算加历史压缩加记忆注入。
流式输出：SSE实时推送token。
框选编辑：框选文本直接让AI改写，自动区分Word、Excel、纯文本。
支持的模型9种以上
纯HTTP直连，不绑定任何SDK：
DeepSeek api.deepseek.com
豆包字节 ark.cn-beijing.volces.com
智谱GLM open.bigmodel.cn
Kimi月之暗面 api.moonshot.cn
Claude api.anthropic.com
Gemini generativelanguage.googleapis.com
通义千问 dashscope.aliyuncs.com
OpenAI api.openai.com
自定义 任意OpenAI兼容端点
双引擎研发流水线
工作引擎实验、语法JSON检测、自动备份、合并主引擎、可回滚。
主引擎公共区：稳定发布版本，只接受合并。
工作引擎隐私区：大模型实验开发，随便改。
合并前自动检测：语法检查加JSON完整性加配置校验。
检测失败阻止合并，保留10个备份可一键回滚。
安全与隐私
文件权限铁律：操作新文件夹弹窗询问，无权限绝对不动，3次后自动升级永久授权。
隐私分区：公共区可发布，隐私区绝不外泄，一键打包自动扫描泄露。
密钥加密：XOR加机器码加密存储，界面日志全掩码。
审计日志：所有文件操作记录谁、何时、做了什么。
API鉴权：Bearer Token认证，localhost免鉴权。
前端界面
纯HTML、CSS、JS，无框架依赖，内置：
对话：流式输出加多对话管理加TTS语音。
文件管理：目录树加权限管理加审计日志。
代码编辑器：语法高亮加KaTeX数学公式。
文档预览：PDF加docx加xlsx。
引擎管理：差异分析加合并加回滚。
配置编辑：全JSON表单化。
LLM日志透明查看。
图片、音频、视频播放。
快速开始
安装：
git clone https://github.com/zf3dzf3dzf3d-ctrl/zf3d_agent.git
cd zf3d_agent
配置：
cp 隐私区/我的配置/密钥_模板.json 隐私区/我的配置/密钥.json
编辑 隐私区/我的配置/密钥.json，填入你的API Key。
启动：
Windows：启动.bat
或命令行：python public/core/main.py
Linux/Mac：bash 启动.sh
浏览器打开 http://localhost:8765 即可使用。
项目结构
zf3d_agent/
公共区：公开区域，可发布可分享
内核：系统引擎17个组件加操作
模块：对话、记忆、任务、浏览器
插件：可插拔扩展
技能：技能模块如pdf-editor
配置：全JSON配置13个文件
界面：前端页面加编辑器
隐私区：隐私区域，绝不进发布包
我的配置：密钥加密加模板
我的记忆：记忆库、用户画像、摘要索引
我的数据：用户个人数据
我的日志：运行日志含LLM原始记录
对话记录：对话历史
浏览器会话：浏览器数据
我的工作引擎：开发版引擎
我的剧本：用户剧本
我的知识库：个人知识库
引擎管理：双引擎调度与合并控制
tests：pytest测试92个用例
public/core：ASCII安全入口bat兼容
发布打包.py：一键打包隐私泄露扫描
启动.bat / 启动.sh：启动脚本
设计文档.md：完整设计文档21章
帮助系统.md：使用帮助
CHANGELOG.md：更新日志
测试
python -m pytest tests/ -v
覆盖：安全计算器、操作基类注册中心、存储引擎、剧本管理器、配置加载器、文件管理器、知识库。
发布打包
python 发布打包.py
自动扫描隐私泄露API Key、邮箱、个人路径，只打包公共区，生成zip。
全中文命名
函数、变量、文件夹、配置全中文，方便中国开发者阅读和维护。
License
MIT License
贡献
欢迎提交Issue和Pull Request。
Fork本仓库，创建特性分支，提交更改，推送到分支，创建Pull Request。
评论