文件操作的核心矛盾：给AI能力的同时，如何限制活动范围？解决方案是“工作区隔离”——所有操作必须在指定根目录内。路径解析用 path.resolve 归一化后检查是否以工作区开头，防止 .. 逃逸；符号链接需用 fs.realpath 检查真实路径。五个工具：ls 区分文件/目录，限制返回数量；read 通过扩展名+null字节检测二进制文件，超过5万字符截断；copy/mkdir/create

本篇讲解 CogitoAgent 如何既让 AI 主动思考，又能随时响应用户。核心是双状态机：THINKING 模式 AI 自主探索，AWAITING_INPUT 模式等待用户指令。通过递归 setTimeout 实现3秒循环，用户按 Enter 即可打断。AI 可用 [WAIT] 标签主动让出话语权。

核心矛盾：AI能写代码，但不能让它破坏系统。JavaScript用vm沙箱——Object.create(null)切断原型链，冻结内置对象，移除process/require。Python用临时文件+execFile执行，限制环境变量和目录。两者共享30秒超时和10万字符输出限制。一句话：给AI能力，不给破坏力。

AI只会输出文字，怎么让它操作文件、打开软件？本篇讲工具系统的设计思路。核心是设计一套AI能学会、程序能读懂的“暗号”——[TOOL]标记协议。AI输出[TOOL] ls(“src”) [/TOOL]，程序用正则解析出工具名和参数，通过switch分发到对应函数执行，最后把结果写回对话历史，让AI“看到”自己做了什么。所有工具函数遵守统一契约：返回{success, data/error}。添加新

把工具的所有“元信息”集中在一起，用声明式配置代替命令式逻辑。// 文件操作// Git// 任务管理// ...既然注册表是“声明式配置”，为什么不能自动生成？// tools/index.js - 新增// ...

没有记忆的AI，每次对话都是“初次见面”。记忆系统解决三个问题：怎么存、怎么找、怎么用。存储结构：每条记忆包含内容、标签、分类、时间戳和访问计数，存放在data/memory.json。保存失败会抛出错误，让调用方处理。搜索机制：内容匹配+10分、标签匹配+5分、分类匹配+3分，按总分排序返回最相关结果。搜索命中后自动更新访问计数。AI集成：通过系统提示词中列出的记忆工具（添加、搜索、更新、删除）

浏览器自动化让AI能操作网页——点击、填表、截图、搜索。用Playwright实现，采用延迟加载策略，首次调用时才安装依赖。智能元素查找：按CSS选择器→XPath→文本匹配逐级尝试，AI只需描述“登录按钮”即可找到元素，无需记忆选择器语法。状态对比：操作前后捕获页面快照，对比URL、标题、表单值的变化，让用户清楚看到操作效果。一句话：给AI装上“眼睛”和“手”，让它能看网页、点按钮。

终端UI的核心挑战：如何让用户一眼分清“AI在想”“AI在说”“AI在做”？CogitoAgent用ANSI转义码实现分区展示——思考过程用深绿色边框包裹，正式回复用青色分隔线突出，工具调用用灰色缩进低调处理。流式输出配合分区标签的“门头”机制，实现了清晰的内容分区。状态标签突出关键信息，危险操作确认框防止误触。终端虽简陋，但设计得当同样能传递丰富的交互反馈。

CogitoAgent v2.3从终端走进桌面，采用Electron + 独立Agent进程 + WebSocket桥接架构，实现界面与推理分离。提供双模式：轻量悬浮窗（桌面模式）和全功能工作台（仪表盘模式），支持自由切换。多会话系统让对话可独立组织、持久化存储、自动压缩归档。工具调用可视化——彩色卡片展示执行状态，流式渲染流畅无闪烁。配置向导引导首次设置，共享组件库避免代码重复。

在框架林立的前端生态中，本文提出一种“反潮流”但极具实用价值的技术选型思路：前端只用基础三件套（HTML/CSS/JS）+ Python后端。借用“最小作用量原理”类比，主张在满足需求的前提下选择“认知负担+维护成本”最小的方案。文章从认知负担、部署成本、场景覆盖、维护可控四个维度论证其合理性，并通过“四象限决策图”明确适用边界。核心价值在于结合作者两个真实开源项目（BounceChat桌面小球、