一个基于 FastAPI + Async OpenAI 协议 + 多 Agent 会话编排 的智能对话系统。
专为本地开发和快速原型验证设计，零配置启动，5 分钟跑通。
- 零配置启动：SQLite 内置，无需额外数据库，一键运行
- 会话隔离：每个
session_id独立上下文，支持多会话并行 - 流式输出：SSE 实时推送，同步/异步接口双支持
- 多 Agent 协作：main/planner/knowledge/executor 自动分工
- Skill 扩展：自动扫描
skills/*/SKILL.md，热加载技能 - 飞书 Bot：原生 Lark 卡片交互，群聊即问即答
git clone https://github.com/JacksonL1/superChat.git
cd superChat
pip install -r requirements.txt创建 .env 文件，只需填 LLM 接口：
# 必须的：OpenAI 兼容接口
SGLANG_BASE_URL=https://api.openai.com/v1
SGLANG_API_KEY=sk-your-key
SGLANG_MODEL=gpt-4o-mini
# 可选的：想换本地模型？
# SGLANG_BASE_URL=http://localhost:8000/v1
# SGLANG_MODEL=Qwen2.5-7B开发提示：没有 API Key？用 Ollama 本地跑模型，改
SGLANG_BASE_URL=http://localhost:11434/v1即可。
python cli.py serve看到 Uvicorn running on http://0.0.0.0:8000 即成功。
# 方式 1：CLI（推荐开发调试）
python cli.py chat "你好，请介绍自己"
# 方式 2：curl
curl -X POST http://localhost:8000/chat/sync \
-H "Content-Type: application/json" \
-d '{"session_id":"demo","message":"你好"}'
# 方式 3：SSE 流式（开两个终端）
# 终端 A：监听流
curl -N http://localhost:8000/stream/demo
# 终端 B：发送消息
curl -X POST http://localhost:8000/chat \
-H "Content-Type: application/json" \
-d '{"session_id":"demo","message":"讲个笑话"}'.
├── cli.py # 命令行入口
├── config.py # 配置（pydantic-settings，.env 自动加载）
├── agent/
│ ├── loop.py # Agent 主循环
│ ├── executor.py # 工具执行（bash/文件/工作区）
│ ├── prompts.py # 各角色 system prompt
│ └── tools.py # 工具定义
├── gateway/
│ ├── main.py # FastAPI 路由
│ └── session_manager.py # 会话生命周期管理
├── store/
│ ├── db.py # SQLite 连接
│ ├── session_store.py # 消息历史持久化
│ └── workspace.py # TODO/NOTES/SUMMARY/ERRORS 虚拟工作区
├── skills/
│ ├── loader.py # Skill 扫描加载
│ └── */SKILL.md # 技能定义
└── lark_bot/ # 飞书机器人（可选）
- 定义 Schema（
agent/tools.py）：
{
"type": "function",
"function": {
"name": "my_tool",
"description": "工具描述",
"parameters": {
"type": "object",
"properties": {
"arg1": {"type": "string", "description": "参数1"}
},
"required": ["arg1"]
}
}
}- 实现逻辑（
agent/executor.py）：
async def execute_my_tool(arg1: str) -> str:
# 你的逻辑
return f"Result: {arg1}"- 注册到 Agent（
agent/loop.py工具白名单）：
executor_tools = ["bash", "read_file", "my_tool"] # 加上新工具# 开发优化：关闭安全层，提升便利性
BASH_ALLOW_SHELL_OPERATORS=true # 允许管道、重定向等
BASH_ALLOWED_COMMANDS= # 空=不限制命令（谨慎！）
MAX_TOOL_ROUNDS=30 # 更多轮次，方便调试
# 日志
LOG_LEVEL=DEBUG
# 关闭飞书（如不需要）
# LARK_APP_ID= # 留空不启用| 接口 | 方法 | 说明 |
|---|---|---|
/health |
GET | 健康检查 |
/chat |
POST | 异步对话（配合 SSE） |
/chat/sync |
POST | 同步对话（阻塞等结果） |
/stream/{session_id} |
GET | SSE 流式订阅 |
/sessions |
GET | 列出所有会话 |
/sessions/{id}/history |
GET | 查看会话历史 |
/sessions/{id}/reset |
POST | 清空会话 |
cd lark_bot
pip install -r requirements.txt
# 配置
export LARK_APP_ID=cli_xxx
export LARK_APP_SECRET=xxx
export SUPERCHAT_URL=http://localhost:8000
python bot.py群聊中 @机器人即可对话。
本项目是 OpenClaw 的简化学习版，做了以下开发友好的调整：
| 特性 | superChat（本分支） | OpenClaw |
|---|---|---|
| 部署复杂度 | 单容器，SQLite 零依赖 | 多服务，需向量库/外部存储 |
| 认证 | 可选关闭，开发零摩擦 | 强制 OAuth2/JWT |
| 沙箱 | 本机执行（便于调试文件） | 强制 Docker 沙箱 |
| 向量记忆 | 可选关闭 | 默认启用 |
| 审计日志 | 简单记录 | 完整追踪 |
适用场景：
- ✅ 本分支：本地开发、快速原型、内部工具
- ✅ OpenClaw：生产环境、多租户 SaaS、高安全要求
未来计划
- 分层记忆 + 选择性 Embedding
- 本地 Embedding 方案（零 API 成本）
- Agent 级模型路由设计
- 安全加固 Checklist：网关认证、输入风控、沙箱隔离、审计与合规
MIT
这个版本的特点：
| 方面 | 优化 |
|---|---|
| 启动速度 | 强调 3 分钟/5 分钟启动，降低心理门槛 |
| 配置简化 | 只保留最必要的 LLM 配置，其他都有默认值 |
| 安全降级 | 明确说明「开发友好」定位，bash 限制放宽 |
| 开发工作流 | 添加工具、调试、热加载的具体步骤 |
| 与 OpenClaw 对比 | 诚实说明取舍，避免用户困惑 |
| 生产提示 | 保留安全升级路径，不误导用户 |