VisAgent 微信集成封面

继我们之前讨论过的 RoleEngine 核心 之后，是时候填补原生 CLI “大脑”与现实世界通信平台——微信之间的鸿沟了。

在 VisAgent 中，我们不迷信臃肿的重量级框架。相反，我们采用 CLI 原生桥接 (CLI-Native Bridge) 模式。本文将探讨我们如何将 “Clawbot”（我们的微信接口）连接到手搓的 Gemini CLI 内核。

请求流：从聊天到 CLI

该架构是一系列专用工具组成的链条，每个工具只做一件事并做到极致。以下是消息如何从手机传递到 AI 的过程：

sequenceDiagram
    participant User as 📱 微信用户
    participant Daemon as ⚙️ WeClaw (Go)
    participant Bridge as 🌉 visagent_invoke.py
    participant Engine as 🧠 RoleEngine (Python)
    participant CLI as 🐚 Gemini CLI (Binary)

    User->>Daemon: 发送消息
    Daemon->>Bridge: 生成进程 (JSON)
    Bridge->>Engine: 初始化角色
    Engine->>CLI: subprocess.run(stdin=prompt)
    CLI-->>Engine: 原始 AI 输出
    Engine->>Engine: 过滤 Agent 噪音
    Engine-->>Bridge: OK + 清净输出
    Bridge-->>Daemon: JSON 事件
    Daemon-->>User: 回复微信

1. 桥梁：visagent_invoke.py

由于我们的微信守护进程 (WeClaw) 是用 Go 编写的，而我们的 Agent 逻辑是用 Python 编写的，我们需要一个轻量化、高性能的桥梁。我们没有采用复杂的 RPC 系统，而是使用了 CLI 桥接。

每当消息到达时，WeClaw 都会启动 visagent_invoke.py。该脚本负责：

  • 将微信的 conversation-id 映射到持久化的 VisAgent user_id（内存空间）。
  • 发出符合 claude stream-json 标准的 JSON 事件，以便 WeClaw 能够实时解析。
  • 修复 $HOME 环境变量，确保无论守护进程如何启动，Gemini CLI 都能找到其 Auth 令牌。

在单台服务器上运行多个微信账号面临一个挑战：凭据泄露。我们通过基于符号链接的沙箱解决了这个问题。

在 RoleEngineBase 中，每个用户都会获得一个隔离的家目录。我们动态地将全局 .gemini 令牌链接到这个隔离空间：

def _link_auth_session(self):
    global_gemini = os.path.expanduser("~/.gemini")
    role_gemini_base = os.path.join(self.local_home, ".gemini")
    # 将凭据链接到隔离的角色执行目录
    for f in ["oauth_creds.json", "settings.json"]:
        os.symlink(os.path.join(global_gemini, f), os.path.join(role_gemini_base, f))

这使得 user_a and user_b 能够拥有独立的对话历史和会话文件，且不会干扰彼此的令牌。

3. 代谢移交 (Metabolic Handoff)：干净上下文策略

长期的微信对话会迅速导致上下文膨胀，使 AI 变得更慢且更贵。我们的“代谢”方法会自动“代谢”掉这些对话：

  • 移交阈值 (Handoff Threshold)：每 20 个轮次，系统会触发一次蒸馏 (Distillation)。
  • 物质同步 (Substance Sync)：提取核心事实并追加到 SUBSTANCE.md（L2 层上下文）。
  • 历史重置：截断 CLI 的 resume 历史，Agent 以“清新”的状态重新开始，但拥有富化的 SUBSTANCE.md 作为其长期记忆。

4. 过滤 “Agent 噪音”

在即时通讯应用中使用原始 LLM 最令人烦恼的部分之一就是“AI 废话”（“好的，让我为您检查一下…”）。在微信 UI 的微小气泡中，每个字符都弥足珍贵。

我们实现了一个噪音过滤器，利用正向先行断言正则和中文支持来剥离这些元对话：

patterns = [
    r"^(I will|I am going to|Let me|First, I'll)\s+",
    r"^(Searching for|Checking|Listing|Reading|Analyzing)\s+",
    r"^(我将|我正在|让我来|首先)\s+",
    r"^(正在搜索|正在检查|正在分析)\s+"
]

结论

通过将 CLI 视为架构中的“原子”，我们构建了一个透明、便携且极其稳健的系统。Clawbot 不仅仅是一个机器人；它是通往完全受控、代谢式 AI 引擎的移动网关。

在第 4 部分中，我们将探讨如何使用主权宣言 (Sovereignty Manifests) 来限制这些 Agent 在执行自主任务时对文件系统的操作。