LTAI — LivingTree AI

轻量级 AI 编程助手。基于 Microsoft Agent Framework (MAF) 1.8.0，C# .NET 10.0。

架构总览

LTAI 采用 6 层 Agent OS 架构，自底向上：

L5  Agent Layer      — ChatAgent + 19 specialist agents (code/math/data/system/llm/writer/frontend/plan/…)
L4  Orchestration    — WorkflowOrchestrator + Vector Router + PlanTools + Reflection Loop
L3  Tool System      — ToolSet (80+ tools, 15 domains) + Permission Matrix + AgentToolStore
L2  Memory & KG      — KbGraph / CgGraph (SQLite+FTS5+CTE) + Reranker + 7-layer Memory Palace
L1  LLM & Routing    — ProviderRegistry (8 providers) + ModelAutoSelector (L1/L2/L3) + MultiProviderChatClient
L0  Runtime          — MAF Pipeline + Wasmtime Sandbox + Budget/Usage Tracker + OpenTelemetry

关键变化：

• ProviderRegistry: models.dev 驱动，8 个 provider 自动发现，500+ 模型能力已知
• ModelAutoSelector: L1 用户配，L2/L3 自动选拔（综合评分：能力+成本+速度+可用性）
• ToolSet: 字典保障工具名唯一，三级优先级（Core > Domain > External），MCP 工具无法覆盖 LTAI 原生工具
• PseudoTerminal: 跨平台 PTY（Windows ConPTY + Linux/macOS forkpty）

📐 完整架构图

快速开始

# 1. 创建 .env 文件（从模板复制）
copy .env.example .env
# 或:  cp .env.example .env

# 2. 编辑 .env，填入你的 DeepSeek API Key（或任意 LLM Key）
#    DEEPSEEK_API_KEY=sk-your-key

# 3. 启动（选一种）
./run-tui.bat                              # 终端 UI（推荐）
./run-web.bat                              # Web API → http://localhost:5100
./run-desktop.bat                          # 桌面 UI
dotnet run --project src/LTAI.Cli -- health # CLI 健康检查

只需一个 API Key，无需额外配置。 .env 文件在启动时自动加载，appsettings.json 已内置默认 deepseek-fast 提供程序。L1/L2/L3 模型自动选拔。

模型自动选拔

用户只需配置一个 API Key，LTAI 自动完成模型选拔：

启动: DEEPSEEK_API_KEY=sk-xxx
  → ProviderRegistry 加载 models-dev-providers.json (8 providers, 560+ models)
  → ModelAutoSelector 对 L1/L2/L3 分别评分
      L1: deepseek-chat     ← 快速响应 (tool_call✓, 速度优先)
      L2: deepseek-reasoner ← 深度推理 (tool_call✓, 能力优先)
      L3: deepseek-chat     ← 评判模型 (复用 L1，成本优先)
  → MultiProviderChatClient 注册 L1/L2/L3 IChatClient
  → 后台每 24h 从 models.dev 刷新

CLI 查看/覆盖：

ltai models show                  # 查看当前选拔结果
ltai models set l2 gpt-4o-mini   # 覆盖 L2 模型
ltai models auto l2               # 恢复自动选拔

Agent 配置

Agent 通过 agents/*.agent.md 文件声明式配置：

---
name: LTAI-Code
description: 代码分析助手
temperature: 0.3
topP: 0.95
permissions: [read, write, list]
tools: [filesystem, search, symbols, git, plan]
modelId: l1
---

19 个预置 Agent，新增只需添加 .agent.md 文件。

内置 Skills

Skill	说明
arch-diagram	生成项目架构图（Mermaid + SVG）
code-review	代码审查
api-design	API 设计评审
security-audit	安全审计
refactor-plan	重构计划
test-writer	测试编写
data-analysis	数据分析
...	共 24 个

关键特性

特性	实现
多 LLM 提供商	8 家（models.dev 驱动），自动选拔 L1/L2/L3 + 退化链 + 熔断
模型自动选拔	ProviderRegistry (500+ 模型) → ScoringEngine (能力/成本/速度/可用性)
L1→L2 升级	质量评分不达标时自动升级深度模型，支持 span 级精准修复
向量路由	Agent >5 时语义选择 Top-5，prompt 不膨胀
工具系统	ToolSet 字典保障唯一，三级优先级，MCP 工具无法覆盖 LTAI 原生工具
记忆系统	SQLite 知识图谱 (FTS5+CTE) + 向量检索 (384d BGE) + 7 层记忆宫殿
代码理解	TreeSitter AST 索引 + 语义搜索
安全防护	双层 Guardrail（输入 SafetyCoordinator + 输出 SafeChatClient）
沙箱执行	Wasmtime v44（WASI capability 限制）
跨平台终端	伪终端 (Windows ConPTY + Linux/macOS forkpty)
成本追踪	全链路 token/cost 追踪，支持多用户预算隔离
可观测性	OpenTelemetry 追踪 + 指标
会话持久化	自动保存到 .livingtree/sessions/，重启恢复
工具修复	自动 JSON 修复、循环检测、模糊匹配
异常恢复	子 Agent 失败自动重试 + 默认 Agent 回退 + 3 次熔断

Web API

端点	方法	说明
/health	GET	健康检查（含 KgStore + LLM 提供商状态）
/ready	GET	K8s readiness probe
/v1/agents/{name}/responses	POST	OpenAI Responses API
/v1/agents/{name}/chat/completions	POST	OpenAI Chat API
/a2a/{name}	POST	A2A 协议
/agui/{name}	GET	AGUI 协议
/ltai/v1/entities	GET	19 agents LTAIAgentCard
/ltai/v1/workflows	GET	热改编排配置
/ltai/v1/workflows/reload	POST	重载所有编排

项目结构

├── agents/                     # 19 个 Agent 声明文件 (.agent.md)
├── skills/                     # 24 个可复用 Skill 脚本
├── models/                     # models-dev-providers.json (8 providers, 560+ models)
├── src/
│   ├── LTAI.Core/              # 内核：配置、安全、路径、secret 管理
│   ├── LTAI.AI/                # LLM 路由、embedding、ProviderRegistry、ModelAutoSelector
│   ├── LTAI.Agent/             # Agent 层 + 工具系统 (ToolSet) + 记忆
│   │   ├── Agents/             # Builder, 10+ agents
│   │   ├── Tools/              # 80+ 工具类
│   │   ├── Clients/            # ChatClient 中间件 (ToolFilteringChatClient)
│   │   ├── Vector/             # KgStore / KbGraph / CgGraph
│   │   └── Workflows/          # AgentWorkflows + YAML hot-reload
│   ├── LTAI.Agent.CodeAnalysis/# 代码分析 (TreeSitter, 语义搜索)
│   ├── LTAI.Agent.Database/    # 数据库工具
│   ├── LTAI.Agent.Documents/   # Office 文档工具
│   ├── LTAI.Cli/               # CLI 入口 (ltai models/set/auto)
│   ├── LTAI.TUI/               # 终端 UI (Terminal.Gui)
│   ├── LTAI.Desktop/           # 桌面 UI (Avalonia + PseudoTerminal)
│   └── LTAI.Web/               # Web API (ASP.NET Core, 端口 5100)
├── docs/                       # 架构文档
├── tests/                      # 112+ 测试
├── scripts/                    # 构建 / 安装脚本
├── Dockerfile                  # 多阶段 Docker 构建 (amd64 + arm64)
└── docker-compose.yml          # Docker 编排

Tech Stack

• C# / .NET 10.0 — 17 个项目
• Microsoft Agent Framework 1.8.0 — Agent pipeline
• models.dev — Provider/Model 元数据来源
• Wasmtime 44.0.0 — 沙箱执行
• SQLite + FTS5 — 知识图谱存储
• ONNX Runtime + BGE — 本地嵌入
• Terminal.Gui — TUI
• Avalonia UI — 桌面 UI
• ASP.NET Core — Web API
• OpenTelemetry — 可观测性
• Serilog — 结构化日志
• Docker — 容器化部署

发布

publish.cmd                     # 一键发布 4 入口
# 产物：
#   dist/CLI/     — LTAI.Cli.exe (AOT)
#   dist/TUI/     — LTAI.TUI.exe
#   dist/Desktop/ — LTAI.Desktop.exe
#   dist/Web/     — LTAI.Web.dll

Docker 部署

docker compose up -d
# → http://localhost:5100