OneAI

English | 简体中文

跨平台 AI Agent 框架，基于 Rust 构建 — 模块化、类型安全、领域可插拔、可评测、多 Agent 原生。

交互式 TUI（oneai-cli）在 Plan 模式下执行复杂任务 —— 思考气泡、计划清单面板、工具调用展示，以及 accept/reject 审批弹窗。

快速上手

1. 配置 Provider

OneAI 兼容任何 OpenAI 兼容端点（OpenAI、Anthropic、Gemini、Ollama，以及阿里百炼/DashScope、DeepSeek、vLLM 等自建网关）。通过环境变量或配置文件设置凭据——环境变量优先级更高。

# OpenAI 兼容端点 —— 适用于 OpenAI / DashScope / DeepSeek 等
export ONEAI_API_KEY="sk-..."
export ONEAI_BASE_URL="https://api.openai.com/v1"   # 或你的网关地址
export ONEAI_MODEL="gpt-4o"                          # 或 qwen-plus、deepseek-chat ...

# Ollama（本地，无需 key）
export ONEAI_BASE_URL="http://localhost:11434"
export ONEAI_MODEL="llama3"

…或写入 ~/.oneai/config.toml：

[provider]
api_key = "sk-..."
base_url = "https://api.openai.com/v1"
model = "gpt-4o"

[domain]
default_pack = "coding"   # coding | research | general

[ui]
theme = "dark"

用 oneai config create 生成默认配置，oneai config show 查看。

2. 启动 TUI

cargo run -p oneai-cli-demo
# 或执行 cargo install --path examples/cli 后直接：oneai

进入交互式 Agent。输入任务即可看到完整管线实时运行：流式思考气泡、工具调用、计划清单、用量/Token 统计、轨迹日志。

交互模式 —— 用 Shift+Tab 循环切换：

模式	行为
`Normal`	默认 —— 高风险工具暂停等待审批
`⚡ Auto`	全部自动批准（快速迭代）
`📋 Plan`	禁用工具执行 —— Agent 必须先给出计划；你在 accept/reject 弹窗中审阅后才开始执行

按键：

按键	动作
`Enter`	发送 · `Ctrl+Enter` 换行
`Shift+Tab`	循环模式（Normal → Auto → Plan）
`Tab`	切换侧边栏
`↑↓` / `Ctrl+↑↓` / `PgUp` / `PgDn`	历史与聊天滚动
鼠标拖拽	选中文本复制 · 滚轮滚动
`Esc`	Vim 模式 / 退出

对话内斜杠命令（输入 /help 查看完整列表）：/skills /skill /tools /usage /context /session /domain /compact /wf /new /init /clear /quit。

3. 非交互单次推理

oneai run "把 auth 模块重构为 async" --domain coding --model gpt-4o

4. 通过 CLI 体验各子系统

OneAI 把每个子系统都暴露为 CLI 子命令，无需写代码即可驱动：

oneai pack list                      # 浏览 DomainPack
oneai eval run coding-basic          # 运行评测套件
oneai eval swebench --dataset ./swe_bench_lite.jsonl --instances astropy__astropy-12907  # SWE-bench 三轴评测
oneai studio                         # 启动 Web UI（StateGraph 可视化 + Checkpoint 时间旅行）
oneai mcp serve                      # 作为 MCP 服务器运行（兼容 Claude Code/Cursor）
oneai provider status                # Provider 池健康与降级日志
oneai route                          # 查看 SmartRouter 最近的路由决策
oneai usage report                 # Token 用量报告（prompt/completion/total/calls，纯 token 维度）
oneai token --prompt "..."          # 统计 Token、检查上下文窗口是否装得下
oneai team run code-review           # 多 Agent 团队协作
oneai swarm run --task "..."         # 群体编排
oneai session list / resume <id>     # 持久化会话（SQLite）
oneai wasm list / run <name>         # WASM 沙箱模块
oneai embed generate "text"          # 生成向量 embedding
oneai a2a serve                       # 通过 A2A 协议暴露 Agent
oneai init [--format oneai|agents|claude] [--force] [--no-llm]  # 生成项目指令文件（已配置 LLM 时由模型综合生成，否则启发式）

5. 最简 Rust 程序

use oneai_app::AppBuilder;
use oneai_domain::coding_pack;

#[tokio::main]
async fn main() {
    let app = AppBuilder::new()
        .noop_interaction_gate()
        .default_parser()
        .domain_pack(coding_pack("/project/dir"))  // ← 一行领域切换
        .build()
        .expect("App 构建成功");

    let session = app.create_session();
    let result = session
        .execute_tool("calculator", serde_json::json!({"expression": "2+3"}))
        .await
        .unwrap();
    println!("结果: {}", result.content); // → "5"
}

OneAI 是什么？

OneAI 是一个用 Rust 编写的全栈 Agent 框架。它提供了构建、运行和评测 AI Agent 所需的一切——从 LLM Provider 抽象到工具执行、记忆管理、工作流编排、领域专属配置、多 Agent 协作和轨迹日志——全部支持通过 UniFFI bindings 实现跨平台。LLM Provider 是可选的——纯工具或纯工作流的使用无需 Provider。

核心原则：

模块化设计 — 24 个独立 crate，各司其职，按需使用。
类型安全 — 密封枚举层级（每个公开枚举都加了 #[non_exhaustive]）、trait 驱动抽象，无字符串配置。
领域可插拔 — DomainPack 系统让领域知识声明式、可组合、一行切换；可对照 JSON Schema 校验，并通过 pack 市场共享。
多 Agent 原生 — SubAgent、Team 协作（Coordinate/Route/Collaborate/Debate）、Handoff 协议、Swarm 群体编排（能力驱动路由）。
生产级基础设施 — ProviderPool 降级链、SmartRouter 多因子路由、用量统计、限流、熔断、Token 感知的上下文管理。
跨平台 — 通过 UniFFI 支持 macOS、Windows、Linux、Android、iOS 和 HarmonyOS（Kotlin、Swift、C++、C#）。
可评测 — 内置 OpenInference 兼容轨迹日志器 + 独立评测框架（6 指标、3 套件）。
人机协作 — 高风险工具通过原生 UI 对话框审批；执行前的 Plan 模式审批门。
动态 Agentic Loop — 不是固定管线；每轮迭代动态决策（直接回答/工具调用/委托子 Agent/切换范式）。

架构

┌─────────────────────────────────────────────────────────────────────┐
│                        oneai-app（集成层）                           │
│  AppBuilder → App → AppSession（唯一的组装入口）                      │
├──────────┬──────────┬──────────┬──────────┬──────────┬──────────────┤
│ oneai-   │ oneai-   │ oneai-   │ oneai-   │ oneai-   │ oneai-       │
│ agent    │ workflow │ memory   │ tool     │ rag      │ skill        │
│ AgentLoop│ DAG +    │ STM +    │ Registry │ Document │ Selector     │
│ +SubAgent│ StateGrph│ LTM +    │ + MCP +  │ Index +  │ + Registry   │
│ +ReAct   │ 编译→执行│ Compress │ Interact │ Embedding│ + Skills     │
│ +Plan    │          │ +SQLite  │ +12工具   │ Retrieval│              │
│ +Reflect │          │ 持久化    │          │          │              │
├──────────┴──────────┴──────────┴──────────┴──────────┴──────────────┤
│ oneai-domain（7 层 DomainPack + 市场 + 规范校验器）                     │
│ oneai-a2a   oneai-wasm   oneai-eval   oneai-studio   oneai-mcp        │
│ A2A SDK     Wasmtime     评测套件      Web UI        MCP 服务/宿主      │
├──────────────────────────────────────────────────────────────────────┤
│ oneai-provider：OpenAI/Anthropic/Gemini/Ollama + ProviderPool +     │
│                 SmartRouter + 429 重试                                │
│ oneai-parser（3 层）· oneai-persistence · oneai-trace · oneai-       │
│   scheduler · oneai-uniffi · oneai-platform-{desktop,android,ios,  │
│   harmony}                                                          │
├──────────────────────────────────────────────────────────────────────┤
│                     oneai-core（基础层）                             │
│  ContentBlock, Message, Conversation, PermissionLevel, Budget,       │
│  ContextBudgetManager, PlatformCapabilities, ModelContextResolver,   │
│  全部核心 trait (LlmProvider, Tool, InteractionGate, EmbeddingService,│
│   UsageTracker, RateLimiter, CircuitBreaker, TokenCounter)           │
└─────────────────────────────────────────────────────────────────────┘

Crate 总览

Crate	说明	测试数
`oneai-core`	核心类型、trait、PermissionLevel、Budget、PlatformCapabilities	259
`oneai-provider`	LLM Provider（OpenAI/Anthropic/Gemini/Ollama）+ ProviderPool + SmartRouter	95
`oneai-parser`	3 层输出解析防御	12
`oneai-memory`	记忆系统（STM、LTM、压缩、HNSW、MemoryManager + 持久化）	59
`oneai-tool`	工具注册、MCP 客户端、InteractionGate、执行器、12 工具	56
`oneai-skill`	技能选择器 + 注册 + 内置领域技能	8
`oneai-domain`	DomainPack 系统（7 层）、CodingPack、市场、规范校验器	127
`oneai-agent`	AgentLoop + SubAgent + ReAct/Plan/Reflect + StreamParser + ContextAssembler + Team/Handoff/Swarm	194
`oneai-rag`	RAG + EmbeddingService（OpenAI/Anthropic/Voyage/Ollama/FastEmbed）	61
`oneai-workflow`	Workflow DAG + StateGraph + 编译器 + 执行器	44
`oneai-scheduler`	内存任务调度	6
`oneai-persistence`	渐进式 Checkpoint + SQLite（会话/用量）后端	40
`oneai-a2a`	A2A 协议 SDK — 客户端 + 服务端宿主 + DomainPack→AgentCard	88
`oneai-wasm`	WASM 沙箱引擎 — Wasmtime + WasmTool + 模块注册	95
`oneai-eval`	评测框架 — 用例/指标/Runner/3 套件 + SWE-bench 三轴	86
`oneai-studio`	Studio Web UI — axum HTTP+WS + D3.js StateGraph 可视化 + Checkpoint 时间旅行	34
`oneai-mcp`	MCP 服务生态 — 宿主 + 插件注册 + 配置	57
`oneai-app`	应用集成层（AppBuilder）	19
`oneai-trace`	OpenInference 兼容轨迹日志器	14
`oneai-uniffi`	UniFFI 绑定定义	18
`oneai-platform-desktop`	桌面平台（macOS/Windows/Linux）	2
`oneai-platform-android`	Android 平台	2
`oneai-platform-ios`	iOS 平台	1
`oneai-platform-harmony`	HarmonyOS 平台	1
总计		1378

核心概念

DomainPack 系统（领域配置包）

DomainPack 是 OneAI 的关键架构创新——它让领域知识变为声明式、可插拔、可组合，而非硬编码。一个 DomainPack 封装 7 层领域专属配置：

层级	组件	作用
1	工具 + ToolDecorator	领域专属工具集与描述覆写
2	ContextSource	领域专属环境感知（含刷新策略）
3	PermissionProfile	领域专属权限分类（拒绝/自动/确认）
4	ParadigmStrategy	领域专属任务→范式映射
5	CompressionTemplate	领域专属上下文保留优先级
6	Workflow + StateGraph	领域预定义工作流与循环图
7	MemoryProfile	领域专属记忆策略(抽取 schema/召回/core 预算/自管理工具/跨会话习惯)

let app = AppBuilder::new()
    .provider(provider)
    .domain_pack(coding_pack("/project/dir"))  // ← 一行领域切换
    .build()?;

DomainPack 可合并用于多领域 Agent（coding + research）——权限"严格优先"、上下文源按优先级合并。Pack 可对照 JSON Schema（DomainPackSpec）做结构 + 语义校验，可从路径或 git URL 安装，并通过市场（PackSource + PackRegistry + 内置索引）共享。

oneai pack list                  # 浏览内置 pack
oneai pack validate spec.toml   # 对照规范校验
oneai pack install ./my-pack     # 从本地路径安装

CodingPack（内置）

参照 Claude Code 的工作流嵌入机制：9 个工具（FileRead、FileEdit、Shell、Grep、Glob、FileList、NotebookEdit、Environment、WebFetch）、8 个工具装饰器、6 个带刷新策略的上下文源、权限配置（自动审批读取、确认编辑/Shell、拒绝 rm -rf/mkfs）、4 个范式策略、3 个子 Agent 类型（searcher / coder / reviewer）。

Agentic Loop（动态循环）

核心执行引擎是 动态循环——而非固定管线。每轮迭代模型动态决定下一步：

决策类型	行动
DirectAnswer	模型给出最终答案 → 循环结束
ToolCalls	模型调用工具 → 执行并回填结果
Delegate	模型委托子任务给专门的子 Agent
SwitchParadigm	模型切换范式（Plan/Reflect/Explore）——会改 system prompt + 工具过滤

迭代上限由 TokenBudget 约束（而非硬编码 max_iterations）。delegate / switch_paradigm 由 meta_tool.rs 注入为模型可调用的 meta-tool——模型即可主动委托子 Agent 或切换范式，apply_paradigm_switch + AgentLoopGraphActionExecutor 内联升级范式（system prompt + 工具过滤）。内置生命周期钩子（PreToolUse/PostToolUse 等）、中断/恢复（CancellationToken）、结构化输出。

Agent 范式

范式	模式	适用场景
ReAct	推理 → 行动 → 观察循环	通用工具调用任务
Plan	分解 → 有序步骤列表	复杂多步任务
Reflection	验证 → 建议修正	质量保证、自检
Parallel	ScopeState 隔离 → 合并	独立子任务
Explore	搜索 → 理解 → 概括	代码库/搜索探索

范式是模型/工作流驱动的——模型调用 switch_paradigm，或 StateGraph 节点发出 GraphDecision::SwitchParadigm，apply_paradigm_switch 随即改变 system prompt + 决策提示 + 工具过滤。用户侧的执行策略则是独立的 InteractionMode（Normal/Auto/Plan，Shift+Tab 切换）。

权限模型

三级权限：Read（自动审批）、Standard（视策略而定）、Full（需审批）。解析顺序：deny_by_default → permission_overrides → auto_approve → require_confirmation → 工具自身 risk_level()。人机交互由统一的 InteractionGate 把守 5 个决策点：PreInfer（推理前可改写请求/跳过）、PostInfer（推理后可校验/替换）、ToolApproval（高风险工具放行，对接原生对话框）、PlanDecision（规划权衡选择）、PlanReview（最终计划 accept/reject/Revise）。内置实现：NoopInteractionGate（全点零延迟放行，等价自动批准）、ChannelInteractionGate（mpsc+oneshot 桥到 UI 线程，按点可配）、ThresholdInteractionGate（低风险自动放行、其余走通道）、DenyAllInteractionGate（全拒）。平台侧 PlatformInteractionGate 在 macOS/Windows/Linux/Android/iOS/HarmonyOS 用原生 NSAlert/MessageBox/AlertDialog/UIController/CommonDialog 处理 ToolApproval。旧的 ApprovalGate / on_plan_submitted 已移除。

LLM Provider 与路由

内置 Provider：OpenAI、Anthropic、Gemini、Ollama，统一在 LlmProvider trait（infer + infer_stream）之下。其上是两个生产级层：

ProviderPool — Provider 降级链，每个 Provider 自带熔断器、限流器和降级规则（如 Anthropic→OpenAI→本地）。自动处理 429/重试，解析 Retry-After。
SmartRouter — 多因子路由（延迟/质量/均衡/自定义），给 Provider 打分后挑最优，集成熔断/限流/上下文约束。每次决策都记录日志可供查看。

let app = AppBuilder::new()
    .default_provider_pool_anthropic()   // Anthropic → OpenAI → Ollama 降级
    .default_smart_router_balanced()     // 多因子路由
    .build()?;

工具系统

#[async_trait]
pub trait Tool: Send + Sync {
    fn name(&self) -> &str;
    fn description(&self) -> &str;
    fn parameters_schema(&self) -> serde_json::Value;
    fn risk_level(&self) -> RiskLevel;
    async fn execute(&self, args: serde_json::Value) -> Result<ToolOutput>;
}
pub trait PermissionAwareTool: Tool { fn permission_level(&self) -> PermissionLevel; }

内置 12 工具： ShellTool（安全黑名单+沙箱）、FileReadTool（offset+limit 分页）、FileEditTool、FileWriteTool、FileListTool、GrepTool、GlobTool、EnvironmentTool、NotebookEditTool、FileDeleteTool、CalculatorTool、WebFetchTool。MCP 客户端通过 rmcp 集成（stdio/SSE/streamable-http）；MCP 服务端模式让 OneAI 自身向 Claude Code/Cursor 暴露工具（oneai mcp serve）。

多 Agent 协作

模式	机制
SubAgent	分层委托给专门的子 Agent（Plan/Explore/Code/Review/Custom），可选 worktree 隔离
Team	`TeamCoordinator` 4 策略——Coordinate/Route/Collaborate/Debate——加 4 预设（`code_review`/`research_route`/`dev_pipeline`/`arch_debate`）
Handoff	`HandoffTool`（handoff-as-tool-call）+ `HandoffManager` + 3 预设
Swarm	动态 Agent 池，3 路由策略（BestFit/LoadBalanced/Fastest），任务分解 + 质量校验 + 重试

记忆系统

三层记忆（Letta 式） — recall log(Conversation)/core(常驻、有 token 预算、agent 自管理)/archival(全量事实向量库,按需召回)。Conversation 是唯一原始日志,core 只存策展过的原子事实,不再冗余副本。
MemoryProfile(DomainPack 第 7 层) — 声明领域级「抽取 schema(记什么)+ 召回策略 + core 预算 + 是否暴露自管理工具 + 习惯事实类型(跨会话)」,与 CompressionTemplate/ContextSource 同级可合并。CodingPack/ResearchPack 内置默认 profile。
压缩→归档增量抽取 — ContextCompressor 丢弃旧轮次前,按领域 schema 用 FactExtractor 抽取原子事实,经 MemoryFactStore 的 Mem0 式冲突更新(同 subject+predicate 更新而非追加)归档,堵住"压缩即丢失"。
抗压缩注入 — CoreMemorySource(实现 ContextSource,EveryIteration)每轮注入 core 块 + 召回上下文,压缩后自动重注入。
自管理记忆工具(领域 opt-in) — memory_search / core_memory_edit / archival_memory_insert,让 agent 主动策展记忆 → "越用越好用"。
双命名空间 + 持久化 — user_id(跨会话习惯)+ session_id(本会话 episodic);统一 memories 表持久化,oneai memory search/list --user。--user 标志命名空间化跨会话记忆。
短期记忆 — 滑动窗口,自动驱逐到长期记忆。
长期记忆 — HNSW 向量存储 + 内容存储 + 混合评分;通过配置的 EmbeddingService 自动 embedding。
STM↔LTM 闭环 — MemoryReflection + inject_ltm_context + RecallStrategy。
上下文压缩 — Token 超限自动摘要,保留近期轮次;ContextBudgetManager 按比例分配每轮预算。
持久化 — SqliteSessionStore 持久化会话/LTM/事实;AppSession 每次运行后自动保存。oneai session list / resume <id> / delete / info、oneai memory search <kw> --user <id> / list --user <id>。

用量与可靠性

用量记录（纯 token 维度） — UsageTracker trait + UsageRecord，内置 InMemoryUsageTracker 与持久化用的 SqliteUsageTracker（oneai-persistence）。每次推理后由 AgentLoop 记录 prompt/completion/total tokens 与调用次数，不追踪任何 USD 金额或预算（USD 成本/预算管理已移除）—— oneai usage report / session <id> / export。
RateLimiter（TokenWindowRateLimiter）+ CircuitBreaker（ThresholdCircuitBreaker，Closed/Open/HalfOpen）—— 在 AgentLoop 内强制执行。
Token 计数 — HeuristicTokenCounter（按 Provider、CJK 感知）+ ContextWindowProfile + 4 种裁剪策略 + 装得下检查 —— oneai token。

3 层输出解析器

LLM 输出经 3 层防御：约束解码 → 模糊 JSON 修复（括号补全、正则提取、嵌入式 JSON 检测）→ 回退自纠重提示。请复用它，而非直接解析模型输出。

工作流引擎

WorkflowDag — 声明式 DAG，用于并行步骤编排。
StateGraph — 有环有向图，用于需要迭代的 Agent 流程（ReAct 循环、条件路由、中断点）。StateGraph 与 AgentLoop 形成闭环：图节点可发出 GraphDecision::SwitchParadigm/Delegate/ToolCalls。

RAG

EmbeddingService trait，含 OpenAI/Anthropic/Voyage/Ollama/FastEmbed（本地 ONNX）实现，EmbeddingServiceRegistry（缓存+降级），AutoEmbeddingDocumentIndex 在 add_document() 时自动 embedding。分块：SentenceBoundary/FixedSize/Paragraph。

A2A 协议、WASM 沙箱、评测、Studio、MCP

A2A（oneai-a2a）— Agent 间协议 SDK：客户端 + axum JSON-RPC 服务端宿主 + DomainPack→AgentCard 自动暴露。oneai a2a serve / discover / list / send。
WASM（oneai-wasm）— Wasmtime 沙箱执行不可信代码：WasmTool、WasmModuleRegistry、资源监控、WASI 受限访问、Native↔Wasm 执行模式。oneai wasm list / load / run / health / stats。
Eval（oneai-eval）— EvalCase/ExpectedOutput/EvalMetric/EvalRunner + 6 内置指标 + 3 套件。oneai eval run <suite> / eval score。另含 SWE-bench 三轴评测（能力 resolved × 用量 usage × 效率 efficiency），见下文专节。
Studio（oneai-studio）— axum HTTP+WebSocket 服务、REST API、实时事件推送、D3.js SVG StateGraph 可视化、Checkpoint 时间旅行。oneai studio。
MCP 生态（oneai-mcp）— McpServerHost（JSON-RPC 服务端）+ McpPluginRegistry（发现/配置/连接）+ TOML 配置 + stdio 传输。oneai mcp serve / list / add / remove / connect。

轨迹日志（Trace）

OpenInference 兼容轨迹用于 Agent 评测，外加 OTEL 导出器（OtlpCollector + OtelMetricsProvider）：

let app = AppBuilder::new().trace_in_memory().build()?;
session.end_session(SpanStatus::Ok);
let tree = session.build_trace_tree();
println!("成功率: {:.1}%", tree.metrics.success_rate * 100.0);

SWE-bench 评测（能力×用量×效率三轴）

OneAI 接入 SWE-bench Lite（300 实例）做 coding agent 评测，按 能力（resolved）× 用量（usage）× 效率（efficiency） 三轴采集：

能力轴 ← SWE-bench 外部 harness 判定（resolved true/false），由 SwebenchJudge 调 Python subprocess 得到。
用量轴 ← UsageTracker.session_usage()（api_calls + prompt/completion/total token 拆分，纯 token 维度，无 USD）。
效率轴 ← TraceMetrics（total_tokens / tool_call_count / avg_iterations）+ 各阶段 wall-clock 耗时拆解。

每条实例：git clone <repo> → git checkout <base_commit> → 用 problem_statement 驱动 agent（CodingPack 提供 read_file/edit_file/grep/glob/shell）→ git diff 收 patch → 外部 harness 判 resolved，三轴全部写入 EvalResult。

前置准备

# 1) 建 venv 并装 datasets + swebench + modal（一个 venv 两用：导数据 + 判定）
#    macOS Homebrew Python 受 PEP 668 限制不能系统级装包，必须走 venv
python3 -m venv ~/.venvs/swebench
~/.venvs/swebench/bin/pip install datasets swebench modal httpx[socks]
~/.venvs/swebench/bin/modal token new        # 登录 Modal

# 2) 用该 venv 的 python 导出数据集 JSONL 到本地（Rust 端不做 HF 网络）
~/.venvs/swebench/bin/python scripts/swebench/export_dataset.py
# → 生成 swe_bench_lite.jsonl（300 行）

# 3) LLM Provider（agent 真调 API = 真花钱）
export ONEAI_API_KEY=sk-...

也可用 Verified（500 实例）：export_dataset.py --dataset princeton-nlp/SWE-bench_Verified --out swe_bench_verified.jsonl。 scripts/swebench/ 另有 fetch_instance.py（拉单个实例元数据）和 make_prediction.py（手工 git diff→JSONL），是阶段一的手工通路，阶段二已被下面的 CLI 命令替代。判定器默认找 ~/.venvs/swebench/bin/python（即上面建的 venv），用 --python <path> 可覆盖。

测试某一个实例（先这样冒烟，确认闭环）

cargo run -p oneai-cli-demo -- eval swebench \
    --dataset ./swe_bench_lite.jsonl \
    --instances astropy__astropy-12907 \
    --workspace ./swebench-workspace \
    --run-id oneai-smoke

测试一批实例

# 限定 N 条（从数据集顺序取前 N，避免一次烧太多 API）
cargo run -p oneai-cli-demo -- eval swebench \
    --dataset ./swe_bench_lite.jsonl \
    --limit 10 \
    --workspace ./swebench-workspace \
    --run-id oneai-batch

# 或指定多个 instance id
cargo run -p oneai-cli-demo -- eval swebench \
    --dataset ./swe_bench_lite.jsonl \
    --instances astropy__astropy-12907,django__django-11099 \
    --workspace ./swebench-workspace \
    --run-id oneai-batch

测试全量 300 个实例

cargo run -p oneai-cli-demo -- eval swebench \
    --dataset ./swe_bench_lite.jsonl \
    --workspace ./swebench-workspace \
    --run-id oneai-full-$(date +%Y%m%d) \
    --format json

全量 300 实例会真实克隆 300 个仓库、跑 300 轮 agent，API 费用和时间都不小——建议先单条冒烟再上批量。

产物与可选项

每次运行在 --workspace 下产出：

文件	内容
`predictions.jsonl`	agent 产出的 patch（可重跑/提交 harness）
`leaderboard.json`	swebench.com 提交 schema：`instance_calls` / `resolved_count` / `total_instances` / `resolution_rate` / `per_instance:[{instance_id, api_calls, resolved}]`（USD 成本字段已移除，可比口径是 `api_calls`）
`evaluation_results/<run_id>/`	swebench harness 自己写的判定明细

stdout 按下式输出报告：

`--format`	输出
`markdown`（默认）	人类可读报告（含每实例能力/用量/效率三轴）
`json`	完整 `EvalReport` JSON
`compact`	CI 友好的一行摘要

常用选项：--python <path> 指定判定器解释器（默认 ~/.venvs/swebench/bin/python）；--modal false 改本地 docker（Apple Silicon 需 --namespace ''，慢）；--dataset-name princeton-nlp/SWE-bench_Lite 传给 harness；--run-id 控制 evaluation_results/ 子目录名。

跨平台支持

平台	绑定语言	InteractionGate	PlatformCapabilities
macOS / Windows / Linux	C++ / C#	NSAlert / MessageBox	截屏、文件沙箱、通知
Android	Kotlin	AlertDialog	相机、截屏、网络
iOS	Swift	UIAlertController	相机（受限）、截屏
HarmonyOS	C++	CommonDialog	相机、App 沙箱

项目结构

oneai/
├── crates/
│   ├── oneai-core/          # 基础：类型、trait、PermissionLevel、Budget
│   ├── oneai-provider/      # OpenAI/Anthropic/Gemini/Ollama + ProviderPool + SmartRouter
│   ├── oneai-parser/        # 3 层输出解析
│   ├── oneai-memory/        # STM、LTM、压缩、HNSW、MemoryManager + 持久化
│   ├── oneai-tool/          # 注册、12 工具、MCP 客户端、审批、执行器
│   ├── oneai-skill/         # 技能注册 + 选择器 + 内置领域技能
│   ├── oneai-domain/        # DomainPack（7 层）、CodingPack、市场、规范校验器
│   ├── oneai-agent/         # AgentLoop、SubAgent、范式、Team/Handoff/Swarm、StreamParser
│   ├── oneai-rag/           # Document、Index、EmbeddingService、Retrieval
│   ├── oneai-workflow/      # DAG、StateGraph、编译器、验证器、执行器
│   ├── oneai-scheduler/     # InMemoryScheduler
│   ├── oneai-persistence/   # Checkpoint + SQLite 会话/用量后端
│   ├── oneai-a2a/           # A2A 协议 SDK（客户端 + 服务端宿主）
│   ├── oneai-wasm/          # Wasmtime 沙箱 + WasmTool + 模块注册
│   ├── oneai-eval/          # 评测用例/指标/Runner/套件
│   ├── oneai-studio/        # Studio Web UI（axum + WS + D3 可视化）
│   ├── oneai-mcp/           # MCP 服务端宿主 + 插件注册
│   ├── oneai-app/           # AppBuilder、App、AppSession
│   ├── oneai-trace/         # OpenInference 轨迹 + OTEL 导出器
│   ├── oneai-uniffi/        # UniFFI 绑定定义
│   └── oneai-platform-{desktop,android,ios,harmony}/
├── examples/
│   ├── cli/                 # 交互式 TUI 演示（ratatui + crossterm）— bin: oneai-cli
│   ├── desktop-app/         # 桌面审批门演示
│   ├── rust/                # Channel 审批门演示
│   ├── android-app/         # Android 演示（Kotlin）
│   └── ios-app/             # iOS 演示（Swift）
├── bindings/                # 生成的 UniFFI 绑定（cpp/csharp/kotlin/swift）
├── scripts/                 # generate_bindings.sh
└── Cargo.toml               # Workspace 根配置（resolver = "2"，edition 2021，v0.2.0）

构建、测试、运行

cargo build                      # 构建整个 workspace
cargo test                       # 全部 1378 测试（24 个 crate）
cargo test -p oneai-agent        # 单个 crate 的测试
cargo test -p oneai-agent plan   # 单个测试/模块
cargo clippy --workspace --all-targets   # 保持 lint 干净
cargo run -p oneai-cli-demo      # 启动交互式 TUI（bin: oneai-cli）

Workspace 使用 resolver = "2"、edition = "2021"、共享版本 0.2.0（来自 [workspace.package]），所有共享依赖在 [workspace.dependencies] 中锁定。公开枚举均加 #[non_exhaustive]，作为 v0.2.0 API 稳定性承诺的一部分。

开发路线

阶段	重点	状态
1–11	核心、Provider、Parser、范式、记忆、工具、工作流、持久化、AppBuilder、UniFFI、平台 UI、轨迹、DomainPack、TUI	✅ 完成
P2-1	SubAgent + Worktree 隔离 + 并行执行	✅ 完成
P2-2	StateGraph ↔ AgentLoop 闭环执行	✅ 完成
P2-3/4	OTEL 可观测性 + STM↔LTM 闭环	✅ 完成
P2-5	A2A 协议 SDK	✅ 完成
P2-6	WASM 沙箱引擎	✅ 完成
P3-1	API 稳定化（`#[non_exhaustive]`、v0.2.0）	✅ 完成
P3-2/3	DomainPack 市场 + CLI 打磨（clap 子命令 + 配置）	✅ 完成
P3-4/5	评测框架 + Studio Web UI	✅ 完成
P3-6	MCP 服务生态	✅ 完成
P4-1/2	A2A 服务端宿主 + MCP 客户端增强	✅ 完成
P4-3/4	DomainPack 规范校验器 + WASM 运行时增强	✅ 完成
P5-1/2/3	SQLite 持久化 + Embedding 服务 + 用量（token）管理	✅ 完成
P6-1/2/3	ProviderPool + SmartRouter + Token 计数/上下文管理	✅ 完成
P7-1/2/3	Team 协作 + Handoff 协议 + Swarm 群体编排	✅ 完成
TUI	工具展示、Plan 模式审批门、技能披露、滚动性能、鼠标选中	✅ 完成

许可证

Apache-2.0 — 详情见 LICENSE。

Name		Name	Last commit message	Last commit date
Latest commit History 93 Commits
bindings		bindings
crates		crates
examples		examples
platforms		platforms
scripts		scripts
.gitignore		.gitignore
CLAUDE.md		CLAUDE.md
Cargo.toml		Cargo.toml
OneAI-Analysis-and-Evolution-Roadmap.md		OneAI-Analysis-and-Evolution-Roadmap.md
README.md		README.md
README_EN.md		README_EN.md
oneai-tui-screenshot.jpg		oneai-tui-screenshot.jpg

Folders and files

Latest commit

History

Repository files navigation

OneAI

快速上手

1. 配置 Provider

2. 启动 TUI

3. 非交互单次推理

4. 通过 CLI 体验各子系统

5. 最简 Rust 程序

OneAI 是什么？

架构

Crate 总览

核心概念

DomainPack 系统（领域配置包）

CodingPack（内置）

Agentic Loop（动态循环）

Agent 范式

权限模型

LLM Provider 与路由

工具系统

多 Agent 协作

记忆系统

用量与可靠性

3 层输出解析器

工作流引擎

RAG

A2A 协议、WASM 沙箱、评测、Studio、MCP

轨迹日志（Trace）

SWE-bench 评测（能力×用量×效率三轴）

前置准备

测试某一个实例（先这样冒烟，确认闭环）

测试一批实例

测试全量 300 个实例

产物与可选项

跨平台支持

项目结构

构建、测试、运行

开发路线

许可证

About

Topics

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages