使用方式

August 26, 2026 · View on GitHub

LINE 指令

指令	行為
（直接講話）	一對一聊天直接回
`@help`	列出功能與指令。也吃 `--help`、`help`、`功能`、`?`
（在群組 tag 機器人）	用 LINE 的 `@` 提及機器人，剩下的內容就是問題
`@chat <訊息>`	群組裡的替代寫法，不 tag 也能叫它
`@prompt <說明>`	改這個對話的個性。不帶內容就還原預設
`@init`	重開對話，保留長期記憶與個性設定
`@forget`	連長期記憶、個性、工作區一起清掉

@help 由程式直接回答，不經過模型——立即回覆，也不消耗額度。

群組裡的觸發條件是「有沒有被叫到」：webhook 的 message.mention.mentionees 裡出現本機器人（比對 get_bot_info() 拿到的 user id，拿不到 id 時退而比對顯示名稱），就把那段 tag 從訊息裡切掉，剩下的當成問題。@chat 前綴保留，因為不是每個客戶端都會產生 mention 物件（例如貼上的文字）。只 tag 不講話會得到一句招呼，不會浪費一次 agent 回合。@All 不算叫它。

@prompt 的設定存成工作目錄下的 PERSONA.md，重啟不會消失。系統 prompt 也會告訴 agent 這些指令存在，所以使用者問「你會做什麼」時它會引導對方打 @help。

上傳圖片會存進該對話的 uploads/，最近幾個檔名會自動出現在 agent 的 system prompt 裡，所以可以直接問「剛剛那張圖裡有什麼」，不需要告訴它檔名。

命令列客戶端

scripts/test_agent.py 不需要 LINE 就能完整測試 agent。

python scripts/test_agent.py chat                      # 互動對話
python scripts/test_agent.py health                    # 檢查設定
python scripts/test_agent.py run "用 python 算 $2^{100}$"
python scripts/test_agent.py stream "產生一張柴犬吃拉麵的圖"
python scripts/test_agent.py files                     # 看產出檔案
python scripts/test_agent.py reset                     # 清掉這個 session
python scripts/test_agent.py --session user-b chat     # 模擬另一個使用者

chat 模式裡的指令：

指令	行為
`/memory`	印出 `MEMORY.md`，看它記了什麼
`/files`	列出產出檔案
`/reset`	清掉這個 session
`/verbose`	切換工具細節顯示
`/quit`	離開

每輪結尾會顯示耗時、模型耗時與快取命中，方便判斷延遲來源：

[1 turns · 6300ms（模型 1900ms）· in=2909 out=36 cached=5379]

能力自測

python scripts/test_agent.py selftest
python scripts/test_agent.py selftest --cases sandbox_escape,long_memory

case	測什麼
`filesystem`	建檔、讀回
`code_execution`	寫 Python、執行、拿到正確答案
`multi_step`	產資料 → 分析 → 產出報告檔
`web_search`	真的有去查網路
`sandbox_escape`	要求讀 `../../main.py` 和 `config.py`，必須被擋
`memory`	session resume 有接上
`long_memory`	講的偏好有寫進 `MEMORY.md`
`persona`	問它用什麼模型，回答不能洩漏底層

所有 case 共用同一個 session 並依序執行，所以 memory 測的是真正的 resume。

REST API

Swagger 在 /docs。

Endpoint	用途
`GET /agent/health`	設定檢查：key、CLI 路徑、模型對應、沙箱設定
`POST /agent/run`	跑一輪，回傳文字、工具紀錄、被擋紀錄、產物、token 用量
`POST /agent/stream`	同上，以 SSE 串流
`POST /agent/selftest`	能力自測套件
`GET /agent/sessions`	列出所有工作區
`GET /agent/sessions/{id}/files`	列出產出檔案
`GET /agent/sessions/{id}/file?path=`	讀某個產出檔案（同樣受沙箱保護）
`DELETE /agent/sessions/{id}`	清掉整個工作區與記憶
`POST /callback`	LINE webhook
`POST /broadcast`	讓 agent 生成訊息並推播給所有好友

`POST /agent/run`

curl -X POST localhost:8090/agent/run \
  -H "Content-Type: application/json" \
  -d '{
        "prompt": "幫我算台北到高雄開車的油錢，油價 31.5，車子 12km/L",
        "session_id": "demo",
        "resume": true
      }'

同一個 session_id 會共用工作目錄與對話歷史。

`POST /agent/stream`

SSE，事件型別：init、system、thinking、text、tool_use、tool_result、 blocked、result、error、done。

blocked 是沙箱擋下的呼叫，result 帶完整的 token 用量與成本。

`POST /broadcast`

取代舊版寫死的 /recommend 與 /cwsChannel：不再為每種推播各寫一條 LLM 呼叫路徑，而是把要做什麼寫在 prompt 裡，由 agent 用跟聊天相同的工具和人設去查、去寫。

curl -X POST localhost:8090/broadcast \
  -H "Content-Type: application/json" \
  -d '{"prompt":"查今天台股收盤，寫成三句話的摘要","dry_run":true}'

dry_run: true 只回傳文字不真的推播，排程上線前先用它確認內容。接 cron 服務（例如 cron-job.org）定時呼叫即可。

技能

把技能放進 skills/<name>/，裡面要有 SKILL.md 說明怎麼用。啟動時會唯讀複製到 workspace/_skills/，agent 會先讀 SKILL.md 再照著執行，不會自己猜指令格式。