4a04faf926
后端：
- server: 实现完整的 HTTP 会话管理（CRUD）+ SSE 事件流推送，
支持双通道架构（POST 发消息 + GET SSE 接收流式响应）
- runtime: ContentBlock 新增 Thinking / RedactedThinking 变体，
支持思考过程和已编辑思考的序列化/反序列化
- api: 注册 GLM 系列模型（glm-4/5 等）到模型注册表，
扩展 XAI/OpenAI 兼容提供商的请求构建逻辑
前端：
- 基于 Ant Design X 构建完整聊天界面：Bubble.List 消息列表、
Sender 输入框、Conversations 会话管理、Think 思考过程折叠、
ThoughtChain 工具调用链展示
- XMarkdown 集成：代码高亮、Mermaid 图表、LaTeX 公式、
自定义脚注、流式渲染（incomplete 占位符）
- SSE Hook 对接服务端事件流，手动管理 AssistantBuffer 累积 delta
- 深色/浅色主题切换，会话侧边栏（新建/切换/删除）
3.0 KiB
3.0 KiB
运行时模块 (runtime)
本模块是 Claw 的核心引擎，负责协调 AI 模型、工具执行、会话管理和权限控制之间的所有交互。
概览
runtime 模块是整个系统的“中枢神经”，其主要职责包括：
- 对话驱动：管理“用户-助手-工具”的循环迭代。
- 会话持久化：负责会话的加载、保存及历史记录的压缩 (Compaction)。
- MCP 客户端：实现模型上下文协议 (Model Context Protocol)，支持与外部 MCP 服务器通信。
- 安全沙箱与权限：实施基于策略的工具执行权限检查。
- 上下文构建：动态生成系统提示词 (System Prompt)，集成工作区上下文。
- 消耗统计：精确跟踪 Token 使用情况和 Token 缓存状态。
关键特性
- ConversationRuntime：核心驱动类，支持流式响应处理和多轮工具调用迭代。
- 权限引擎 (Permissions)：提供多种模式（
ReadOnly,WorkspaceWrite,DangerFullAccess），并支持交互式权限确认。 - 会话压缩 (Compaction)：当对话历史过长影响性能或成本时，自动将旧消息总结为摘要，保持上下文精简。
- 钩子集成 (Hooks)：在工具执行的前后触发插件定义的钩子，支持干预工具输入或处理执行结果。
- 沙箱执行 (Sandbox)：为 Bash 等敏感工具提供受限的执行环境。
实现逻辑
核心子模块
conversation.rs: 定义了核心的ConversationRuntime和ApiClient/ToolExecutor特性。mcp_stdio.rs/mcp_client.rs: 实现了完整的 MCP 规范，支持通过标准输入/输出与外部工具服务器交互。session.rs: 定义了消息模型 (ConversationMessage)、内容块 (ContentBlock) 和会话序列化逻辑。permissions.rs: 实现了权限审核逻辑和提示器接口。compact.rs: 包含了基于 LLM 的会话摘要生成和历史裁剪算法。config.rs: 负责加载和合并多层级的配置文件。
对话循环流程 (run_turn)
- 将用户输入推入
Session。 - 调用
ApiClient发起流式请求。 - 监听
AssistantEvent，解析文本内容和工具调用请求。 - 工具权限审核：针对每个
ToolUse，根据PermissionPolicy决定是允许、拒绝还是询问用户。 - 执行工具：若允许，则通过
ToolExecutor（或 MCP 客户端）执行工具，并运行相关的Pre/Post Hooks。 - 将工具结果反馈给 AI，进入下一轮迭代，直到 AI 给出最终回复。
使用示例 (内部)
use runtime::{ConversationRuntime, Session, PermissionPolicy, PermissionMode};
// 初始化运行时
let mut runtime = ConversationRuntime::new(
Session::new(),
api_client,
tool_executor,
PermissionPolicy::new(PermissionMode::WorkspaceWrite),
system_prompt,
);
// 运行一轮对话
let summary = runtime.run_turn("帮我重构 src/lib.rs", Some(&mut cli_prompter))?;
println!("共迭代 {} 次，消耗 {} tokens", summary.iterations, summary.usage.total_tokens());