项目架构 - Chatgpt On Wechat

CowAgent 2.0 从简单的聊天机器人全面升级为超级智能助理，采用 Agent 架构设计，具备自主思考、规划任务、长期记忆和技能扩展等能力。

系统架构

CowAgent 的整体架构由以下核心模块组成：

模块	说明
Plan	理解用户意图，将复杂任务分解为多步骤计划，循环调用工具直到完成目标
Memory	自动将重要信息持久化为核心记忆和日级记忆，支持关键词和向量混合检索，跨会话保持上下文连续性
Knowledge	以主题维度组织结构化知识，Agent 自主整理有价值信息为 Markdown 页面，维护索引和交叉引用，构建持续增长的知识网络
Tools	Agent 访问操作系统资源的核心能力，内置文件读写、终端执行、浏览器操作、定时调度、记忆检索、联网搜索等 10+ 种工具
Skills	加载和管理 Skills，支持从 Skill Hub、GitHub 等一键安装，或通过对话创建自定义技能
Models	模型层，统一接入 OpenAI、Claude、Gemini、DeepSeek、MiniMax、GLM、Qwen 等国内外主流大语言模型
Channels	消息通道层，负责接收和发送消息，支持 Web 控制台、微信、飞书、钉钉、企微、公众号等，统一消息协议
CLI	命令行系统，提供终端命令（`cow`）和对话命令（`/`），支持进程管理、技能安装、配置修改、知识库管理等操作

Agent 模式

启用 Agent 模式后，CowAgent 会以自主智能体的方式运行，核心工作流如下：

接收消息 — 通过通道接收用户输入
理解意图 — 分析任务需求和上下文
规划任务 — 将复杂任务分解为多个步骤
调用工具 — 选择合适的工具执行每个步骤
记忆与知识更新 — 将重要信息存入长期记忆，将结构化知识整理至知识库
返回结果 — 将执行结果发送回用户

工作空间

Agent 的工作空间默认位于 ~/cow 目录，用于存储系统提示词、记忆文件、技能文件等：

~/cow/
├── SYSTEM.md          # Agent system prompt
├── USER.md            # User profile
├── MEMORY.md          # Core memory
├── memory/            # Long-term memory storage
│   └── YYYY-MM-DD.md  # Daily memory
├── knowledge/         # Personal knowledge base
│   ├── index.md       # Knowledge index
│   └── <category>/    # Topic-based pages
└── skills/            # Custom skills
    ├── skill-1/
    └── skill-2/

秘钥文件单独存储在 ~/.cow 目录（出于安全考虑）：

~/.cow/
└── .env               # Secret keys for skills

核心配置

在 config.json 中配置 Agent 模式的核心参数：

json

{
  "agent": true,
  "agent_workspace": "~/cow",
  "agent_max_context_tokens": 40000,
  "agent_max_context_turns": 30,
  "agent_max_steps": 15,
  "enable_thinking": false
}

参数	说明	默认值
`agent`	是否启用 Agent 模式	`true`
`agent_workspace`	工作空间路径	`~/cow`
`agent_max_context_tokens`	最大上下文 token 数	`50000`
`agent_max_context_turns`	最大上下文记忆轮次	`20`
`agent_max_steps`	单次任务最大决策步数	`20`
`enable_thinking`	是否启用深度思考模式	`false`
`knowledge`	是否启用个人知识库	`true`