全部技能 分类浏览
← 返回
未分类

Minimal Agent

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。
>最小全功能代理技能。
波动几何
未分类 community v1.0.1 2 版本 100000 Key: 无需
★ 0
Stars
📥 152
下载
💾 0
安装
2
版本
#latest

概述

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

```bash

# 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"

```

  1. 组合使用：V1和V2模式可以在单个复杂任务中组合

```bash

# 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"

```

  1. 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"
  1. GitHub 安装：

```bash

# 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

```

  1. 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/

版本历史

共 1 个版本

  • v1.0.1 最小全功能代理技能。 当前
    2026-04-27 14:51 安全 安全

安全检测

腾讯云安全 (Keen)

安全，无风险
查看报告

腾讯云安全 (Sanbu)

安全，无风险
查看报告

🔗 相关推荐

ai-agent

Find Skills

root
帮助用户发现和安装智能体技能，当用户询问如「如何做X」、「找X的技能」、「有能做...的吗」等问题时
★ 1,546 📥 592,822
ai-agent

self-improving agent

pskoett
记录自身发现以实现自我改进的技能
★ 4,189 📥 959,571
ai-agent

Agent Browser

rez0
用于 AI 代理的浏览器自动化 CLI。当用户需要与网站交互（包括浏览页面、填写表单、点击按钮、截图等）时使用。
★ 882 📥 357,761

Skill工具集 © 2026