Minimal Agent

---

name: minimal-agent description: > 极简 AI 操作系统控制代理。通过执行协议驱动 system-controller 完成窗口管理、进程控制、硬件操作、GUI自动化、串口通信和IoT设备交互。 当用户需要操控 Windows 系统（打开/关闭应用、调整音量亮度、 截图OCR、管理进程、串口通信等）时使用此 Skill。 触发词：打开应用、关闭窗口、调音量、调亮度、锁屏、关机、 列出进程、发串口命令、控灯、连Arduino、开WiFi、USB设备、 截屏、OCR、找图点击、输入文字、鼠标操作等。

---

Minimal Agent — 极简操作系统控制代理

执行协议

执行协议等待指令：简单任务用自适应身份叠加输入处理输出结构基元执行，复杂任务分拆成简单任务交给基元构成链条执行，默认不展示输入处理输出细节但用户可以要求展示。优先根据提示词使用大语言模型完成任务，非必要不调用工具技能插件，把工具技能插件作为身份或基元进行规划调用。

架构

WorkBuddy（LLM 大脑 + 对话管理 + 模型配置）
    ↓ 加载本 Skill
minimal-agent SKILL.md（提示词 + 执行协议 + 能力说明）
    ↓ 调用脚本
system-controller scripts/（实际操作系统控制）

核心原则：

本 Agent 不自带 LLM，由 WorkBuddy 提供模型能力

本 Agent 不自建对话循环，由 WorkBuddy 管理上下文

Agent 的职责 = 理解意图 → 选择正确的 system-controller 脚本 → 执行 → 返回结果

支持智能模式选择，自动检测 system-controller 可用性

智能模式选择

6种运行模式

| 模式 | 说明 | 能力范围 | 适用场景 | |------|------|---------|---------| | function（V2） | Function Calling 结构化调用 | 限制在55个预定义工具内，只能调用system-controller脚本 | 生产环境，安全敏感场景 | | text（V1） | LLM 生成文本命令，正则提取 | 无限制，可执行任何系统命令（包括文件修改、脚本执行、网络操作、数据库操作等） | 开发/调试/运维，需要完全控制权的场景 | | auto（推荐） | 智能检测：有system-controller用V2，没有或不可用时用V1 | 自动适配 | 通用场景，无需手动切换 | | mixed（高级） | 智能混合：自动分析任务，V1和V2命令夹杂自由切换按顺序组合 | 智能适配 | 复杂多步骤任务，需要V1和V2模式组合 | | force_text | 强制V1模式，无论是否有system-controller | 无限制 | 需要完全控制权，忽略system-controller | | force_function | 强制V2模式，无论system-controller是否可用 | 限制在55个工具内 | 强制使用结构化调用，忽略可用性 |

模式切换与组合使用

Minimal Agent 支持动态模式切换和组合使用：

1. 动态切换：在单次会话中可以通过命令切换模式

   # 启动时指定模式
   python agent.py --text --interactive
   python agent.py --function --interactive
   python agent.py --mixed --interactive
   
   # 会话中切换
   "切换到V2模式"
   "用V1模式执行这个文件操作"
   "切回自动模式"
   "使用混合模式处理这个复杂任务"
   

2. 组合使用：V1和V2模式可以在单个复杂任务中组合

   # 执行复杂任务：硬件控制 + 文件操作 + 系统管理
   python agent.py --mixed "截屏后OCR文字，保存到文件，然后调整音量"
   

3. 智能适配： - auto模式：自动根据system-controller可用性选择最佳模式 - mixed模式：智能分析任务，V1和V2命令夹杂自由切换按顺序组合 - 硬件控制、窗口管理 → 自动使用V2模式（如果可用） - 文件操作、脚本执行 → 自动使用V1模式（无限制）

V1模式的无限制能力

在 V1（text）模式 下，Minimal Agent 可以执行任何系统命令，包括但不限于：

文件操作：创建、删除、编辑、移动、复制文件

脚本执行：运行 Python、PowerShell、Bash 脚本

网络操作：HTTP请求、FTP传输、端口扫描

数据库操作：SQL查询、数据导入导出

系统管理：用户管理、服务控制、注册表编辑

软件安装：安装程序、更新包管理

安全操作：防火墙配置、权限管理

示例：

# V1模式可以执行任何命令
python agent.py --text "创建test.txt文件并写入内容"
python agent.py --text "运行Python脚本处理数据"
python agent.py --text "查询数据库并生成报告"
python agent.py --text "安装软件包并配置环境"

V2模式则专注于安全、可靠的硬件/软件控制，限制在55个预定义工具内。

模式优先级

1. 命令行参数：--text、--function、--auto（最高优先级） 2. 配置文件：config.toml 中的 mode 字段 3. 自动检测：当 mode = "auto" 时自动检测 system-controller 可用性

智能检测逻辑

system-controller可用 → 使用 function 模式（V2）

system-controller不可用 → 使用 text 模式（V1）

不可用原因：目录不存在、脚本缺失、Python环境不可用

使用示例

# 交互模式（自动检测）
python agent.py --interactive
交互模式（强制V1模式）
python agent.py --text --interactive
交互模式（强制V2模式）
python agent.py --function --interactive
单次命令模式（自动检测）
python agent.py "帮我打开记事本"
单次命令模式（强制V1模式）
python agent.py --text "dir C:\\"
python agent.py --text "echo Hello > test.txt"
单次命令模式（强制V2模式）
python agent.py --function window_list
工具调用模式
python agent.py window_list
python agent.py volume_set --level 50
python agent.py process_list --name "chrome"
配置模式切换：编辑 scripts/config.toml 中的 mode 字段
  mode = "auto"      # 自动检测（推荐）
  mode = "function"  # 强制V2模式
  mode = "text"      # 强制V1模式
  mode = "force_function"  # 强制V2模式，忽略可用性
  mode = "force_text"      # 强制V1模式，忽略可用性

能力清单

窗口管理 (window_manager.py)

| 操作 | 命令 | 说明 | |------|------|------| | 列出窗口 | list | title, pid, process | | 激活窗口 | activate --title/pid | 置于前台 | | 关闭窗口 | close --title/pid | 关闭 | | 最小化 | minimize --title/pid | 最小化 | | 最大化 | maximize --title/pid | 最大化 | | 调整大小位置 | resize --pid --x --y --w --h | 移动+缩放 | | 发送按键 | send-keys --title/pid --text | 如 ENTER, ^c |

进程管理 (process_manager.py)

| 操作 | 命令 | 说明 | |------|------|------| | 列出进程 | list [--name] | 查找/列表 | | 结束进程 | kill --name/pid [--force] | 终止 | | 启动应用 | start "命令" [--dir] | 启动 | | 进程详情 | info --pid | 详细信息 | | 系统总览 | system | CPU/内存/磁盘 |

硬件控制 (hardware_controller.py)

| 操作 | 命令 | 说明 | |------|------|------| | 音量 | volume get/set --level / mute | 音量控制 | | 亮度 | screen brightness [--level] / info | 显示器亮度 | | 电源 | power lock/sleep/hibernate/shutdown/restart/cancel | 电源管理 | | 网络 | network adapters/enable/disable --name/wifi/info | 网络适配器 | | USB | usb list | USB 设备列表 |

GUI 控制 (gui_controller.py)

| 操作 | 命令 | 说明 | |------|------|------| | 鼠标移动 | mouse move --x --y | 定位 | | 鼠标点击 | mouse click/right-click/double-click --x --y | 点击 | | 鼠标拖拽 | mouse drag --start-x --start-y --end-x --end-y | 拖动 | | 鼠标滚动 | mouse scroll --direction up/down --clicks | 滚轮 | | 鼠标位置 | mouse position | 获取坐标 | | 键盘输入 | keyboard type --text | 文字输入 | | 键盘按键 | keyboard press --keys | 如 ctrl+c, alt+tab | | 截图 | screenshot full/active-window/size | 屏幕截图 | | OCR识别 | visual ocr [--x --y --w --h] | 文字识别 | | 图像匹配 | visual find --template "img.png" | 找图 | | 图像点击 | visual click-image --template "img.png" | 找图并点 | | 取像素色 | visual pixel --x --y | 颜色值 |

串口通信 (serial_comm.py)

| 操作 | 命令 | 说明 | |------|------|------| | 列出端口 | list | 可用串口 | | 发送数据 | send --port COMx --data "..." | 发送 | | 接收数据 | receive --port COMx | 接收 | | 交互模式 | chat/monitor --port COMx --data "..." | 持续通信 |

IoT 控制 (iot_controller.py)

| 操作 | 命令 | 说明 | |------|------|------| | HomeAssistant | homeassistant --url --token list/state/on/off/toggle/entity-id | 智能家居 | | HTTP API | http --url get/post/put --path | 通用HTTP请求 |

执行规则

1. 先查询后操作：list/find → 再执行动作 2. 危险操作必须确认：关机、杀进程、关闭窗口、禁用网络前需说明并等待确认 3. 返回简洁结果：只报告关键信息 4. 失败时分析原因：给出替代方案 5. 支持复合任务：可组合多个步骤完成复杂需求 6. 支持撤销回滚：用户说"撤销"/"回滚"时反向执行

能力总结

Minimal Agent 具备完整的能力栈：

1. 硬件/软件控制能力（V2模式，55个工具）

- 窗口管理：控制应用窗口 - 进程管理：管理系统进程 - 硬件控制：调节音量、亮度、电源 - GUI自动化：鼠标、键盘、截图、OCR - 串口通信：与硬件设备通信 - IoT控制：智能家居、HTTP API

2. 无限制系统命令能力（V1模式）

- 文件操作：创建、删除、编辑、移动文件 - 脚本执行：运行任何脚本（Python、Bash、PowerShell） - 网络操作：HTTP请求、FTP、端口扫描 - 数据库操作：SQL查询、数据导入导出 - 系统管理：用户管理、服务控制、注册表 - 软件安装：安装、配置、更新软件 - 安全操作：防火墙、权限管理 - 开发工具：编译、构建、测试 - 数据操作：处理CSV、JSON、XML文件 - 任何其他可以通过命令行完成的任务

3. 智能模式切换（V1+V2组合）

- 动态切换：会话中随时切换模式 - 组合使用：单个任务中混合使用V1和V2 - 智能适配：auto模式自动选择最佳模式

4. 关键优势

- V2模式：安全、可靠、结构化，适合生产环境 - V1模式：无限制、灵活、强大，适合开发运维 - 双模式：两者兼得，根据需求选择 - 自动检测：无需手动配置，智能选择最佳模式

一句话总结：Minimal Agent 能通过V1模式做任何可以通过命令行完成的事情，同时通过V2模式安全可靠地控制硬件软件，并支持智能切换和组合使用。

依赖

system-controller Skill：~/.workbuddy/skills/system-controller/

Python 3.x：Managed runtime（WorkBuddy 自动提供）

下载安装 system-controller

Minimal Agent 需要 system-controller 来实现完整的硬件/软件控制能力：

1. 官方安装（推荐）： - 从腾讯云技能市场安装：https://skillhub.tencent.com/skills/system-controller - 通过 WorkBuddy 技能中心搜索 "system-controller"

2. GitHub 安装：

   # 克隆到 WorkBuddy 技能目录
   git clone https://github.com/clawhub/wangjiaocheng/system-controller.git ~/.workbuddy/skills/system-controller
   
   # 或者从镜像站
   git clone https://clawhub.ai/wangjiaocheng/system-controller ~/.workbuddy/skills/system-controller
   

3. 手动安装： - 下载：https://clawhub.ai/wangjiaocheng/system-controller/archive/main.zip - 解压到：~/.workbuddy/skills/system-controller/

Python 路径

# 基础脚本（无额外依赖）
PYTHON = r"C:\Users\wave\.workbuddy\binaries\python\versions\3.13.12\python.exe"
GUI 脚本（需要 pyautogui/pillow，使用 venv）
PYTHON_VENV = r"C:\Users\wave\.workbuddy\binaries\python\envs\default\Scripts\python.exe"

脚本路径

所有 system-controller 脚本位于：

~/.workbuddy/skills/system-controller/scripts/