Celebrimbot

<p align="center"> <img src="logo_celebrimbot.png" alt="Celebrimbot" width="720"/> </p> <p align="center"> <img src="https://github.com/GiacomoSaccaggi/Celebrimbot/workflows/Build/badge.svg" alt="构建状态"/> <a href="https://plugins.jetbrains.com/plugin/MARKETPLACE_ID"><img src="https://img.shields.io/jetbrains/plugin/v/MARKETPLACE_ID.svg" alt="版本"/></a> <a href="https://plugins.jetbrains.com/plugin/MARKETPLACE_ID"><img src="https://img.shields.io/jetbrains/plugin/d/MARKETPLACE_ID.svg" alt="下载量"/></a> </p> <p align="center"><em>一款直接嵌入到 JetBrains IDE 中的自主 AI 编程代理。</em></p> <!-- 插件描述 --> Celebrimbot 是一款 IntelliJ 平台插件，它将一个完整的 multi-agent AI 系统引入您的 IDE 中。它可以读取项目文件，编写和修改代码，执行终端命令，搜索网络，检查 git 历史记录，并在一个与 IDE 窗口固定的聊天面板中进行自然对话。 与简单的自动补全工具不同，Celebrimbot 作为一个 **智能循环** 运行：它智能地路由请求，在可能的情况下本地执行任务，在需要时升级到云端规划，并在失败后自动重试，而无需离开编辑器。 <!-- 插件描述结束 --> --- ## 工作原理 Celebrimbot 使用六层架构 — 每一层都以托尔金传奇中的一个角色命名： ``` 用户消息 | v +-------------+ | 甘道夫 | <- 路由器：本地 Qwen + 会话历史 +-------------+ | | | 聊天 简单任务 复杂任务 | | | 加拉德里尔 阿拉贡（本地） 埃尔隆德（本地） （聊天回复） 多任务规划器 丰富上下文 | | 山姆威斯 / 弗罗多 / 庆祝姆伯（云端） 莱戈拉斯 & 吉姆利 主计划器 执行任务 | | 山姆威斯 / 弗罗多 / 特伊伯德（云端） 莱戈拉斯 & 吉姆利 实体审查者 执行任务 反思循环 | | 特伊伯德（云端） 比尔博（本地） 实体审查者 会话总结 反思循环 | 比尔博（本地） 会话总结 ``` ### 伙伴 | 角色 | 描述 | 默认提供商 | |-----------|------|------------------| | **甘道夫** | 路由器：决定聊天 / 简单任务 / 复杂任务 | 本地 Qwen | | **加拉德里尔** | 会话式 AI：用英语回答，带有托尔金风格，称呼用户为“Mellow” | 本地 Qwen | | **阿拉贡** | 简单任务规划器：分解请求为原子步骤，分配工作线程 | 本地 Qwen | | **埃尔隆德** | 复杂任务预规划器：用历史记录、相关文件和技术笔记丰富整个请求 | 本地 Qwen | | **庆祝姆伯** | 主规划器：接收埃尔隆德的简报并生成精确的原子任务 | 云端（阿里云 / Gemini） | | **山姆威斯** | 精确工作线程：忠实地执行机械任务（删除、终端、扫描、git） | 本地 Qwen | | **弗罗多** | 冒险工作线程：处理所有 `write_code` 任务，填充空白 | 本地 Qwen | | **莱戈拉斯 & 吉姆利** | 专家工作线程二人组：仅在复杂算法、大型重构或弗罗多失败的任务中调用 | 云端（阿里云 / Gemini） | | **特伊伯德** | 实体审查者：根据原始请求审查已完成的任务；如果不完整则触发重新规划；最多 2 次反思循环，然后让步于比尔博 | 云端（阿里云 / 本地备用） | | **比尔博** | 慢性者：撰写简洁的会话总结，称呼用户为“Mellow” | 本地 Qwen | ### 路由器逻辑（甘道夫） | 决策 | 含义 | 管道 | |----------|---------|---------| | `聊天` | 问候、问题、解释 | 加拉德里尔 | | `简单任务` | 自成体系的单个动作（一个文件） | 阿拉贡 → 工作线程 → 特伊伯德 → 比尔博 | | `复杂任务` | 多步骤、创建包、编辑现有文件或重复请求 | 埃尔隆德 → 庆祝姆伯 → 工作线程 → 特伊伯德 → 比尔博 | 甘道夫接收完整的会话历史记录。如果同一个请求以前没有成功，它会自动升级到 `复杂任务`。 ### AI 提供商优先级 每个角色的提供商都可以在设置中按项目进行配置。下表显示了 **默认** 优先级链。 | 角色 | 描述 | 1st 选择 | 2nd 选择 | 3rd 选择 | |-----------|------|-----------|-----------|----------| | **甘道夫** | 路由器 | 本地 Qwen | Amazon Q | — | | **加拉德里尔** | 聊天 | 本地 Qwen | 阿里云 | Gemini | | **阿拉贡** | 简单任务规划器 | 本地 Qwen | — | — | | **埃尔隆德** | 复杂任务预规划器 | 本地 Qwen | — | — | | **庆祝姆伯** | 主规划器 | 阿里云 | Gemini | 本地 Qwen | | **山姆威斯** | 机械工作线程 | 本地 Qwen | 阿里云 | Gemini | | **弗罗多** | 代码工作线程（write_code） | 本地 Qwen | 阿里云 | — | | **莱戈拉斯 & 吉姆利** | 专家代码工作线程 | 阿里云 | Gemini | 本地 Qwen | | **特伊伯德** | 实体审查者（反思） | 阿里云 | 本地 Qwen | 安全备用 | | **比尔博** | 总结者 | 本地 Qwen | — | — | 所有四个提供商 — `本地`、`阿里云 Qwen 云端`、`Google Gemini`、`Amazon Q Developer` — 均可按角色选择。Amazon Q Developer 通过 Amazon Q JetBrains 插件写入的 SSO token 进行身份验证（无需单独的 API 密钥）。本地模型通过 [java-llama.cpp](https://github.com/kherud/java-llama.cpp) 直接在您的机器上运行 — 大多数操作无需互联网连接。 --- ## 功能 - **会话式 AI** — 具有完整项目上下文意识的自然聊天 - **自主代码编辑** — 读取文件，直接在编辑器中应用更改 - **文件管理** — 通过自然语言创建、编辑、删除文件 - **终端执行** — 在 IDE 中运行 shell 命令 - **网络搜索** — 搜索 DuckDuckGo 并获取页面，无需 API 密钥 - **项目扫描** — 列出文件、跨代码库 grep、按名称查找、文件统计 - **Git 集成** — 状态、日志、差异、blame、分支 — 所有操作均来自聊天 - **多agent 循环** — 甘道夫路由 → 阿拉贡/埃尔隆德规划 → 庆祝姆伯精炼 → 山姆威斯执行 → 比尔博总结 - **智能三向路由** — CHAT / 简单任务 / 复杂任务，具有历史记录意识（甘道夫） - **离线优先** — 嵌入式 Qwen 2.5 Coder 1.5B 本地运行，无需 API 调用 - **多提供商备用** — 本地 Qwen → 阿里云（Qwen Plus）→ Google Gemini → Claude Sonnet 4.6（通过 Amazon Q Developer） - **安全凭证存储** — API 密钥通过 IntelliJ PasswordSafe 存储，绝不会以明文存储 - **按项目设置** — 每个项目都可以使用不同的提供商和模型 - **独立 CLI** — `celebrimbot forge / scan / serve / mcp-stdio / undo` 在 IDE 外使用 - **HTTP 桥接** — 嵌入式 Ktor 服务器，用于远程调用其他工具 - **动态工具注册表** — 所有功能均自我描述为 JSON 模式；规划器接收自动生成的工具列表，添加新工具无需编辑提示 - **影子日志（自动撤销）** — 每个文件在写入或删除前都会备份；`celebrimbot undo` 从 `.celebrimbot/shadow_log/` 恢复上一个会话 - **议会的审查（验证循环）** — 每次 `write_code` 后，构建命令会自动运行；如果出现错误反馈，最多 3 个自我纠正循环，然后升级 - **埃尔隆德的帕兰蒂尔（BM25 索引）** — 轻量级本地语义索引；复杂任务规划检索前 8 个相关文件，而不是发送整个项目骨架 - **MCP 桥接（贡多尔的灯塔）** — 符合 MCP 的 JSON-RPC 2.0 服务器，通过 HTTP（`POST /mcp`）和 Stdio（`celebrimbot mcp-stdio`）为 Claude Desktop 和其他 MCP 主机提供服务 - **特伊伯德（实体审查者）** — 工作线程和比尔博之间的批评代理；根据原始请求审查已完成的任务；如果不完整则触发最多 2 个重新规划循环；绝不草率，绝不满意于占位代码 --- ## 可用操作 | 类别 | 操作 | 描述 | |----------|--------|-------------| | 文件 | `read_psi` | 读取文件内容 | | 文件 | `write_code` | 创建或覆盖文件（LLM 辅助） | | 文件 | `write_file` | 创建或覆盖文件（原始，无 LLM — 适用于 MCP 客户端） | | 文件 | `delete_file` | 删除文件 | | 扫描 | `list_files` | 列出项目文件，可选按路径/扩展名过滤 | | 扫描 | `grep_files` | 跨所有文件正则表达式搜索 | | 扫描 | `find_file` | 按名称片段查找文件 | | 扫描 | `file_stats` | 文件行数和大小 | | Git | `git_status` | 工作树状态 | | Git | `git_log` | 最近的提交历史 | | Git | `git_diff` | 未提交的更改 | | Git | `git_blame` | 按行作者 | | Git | `git_branch` | 当前分支 | | 网络 | `web_search` | DuckDuckGo 搜索 | | 网络 | `fetch_page` | 获取并读取 URL | | 终端 | `run_terminal` | 执行 shell 命令 | --- ## 要求 - IntelliJ IDEA 2025.2+（或任何基于 252+ 平台的 JetBrains IDE） - Java 21+ - 本地模型磁盘空间约 1.2 GB（在首次使用时自动下载） - 可选：阿里云 API 密钥，用于云端规划 - 可选：Google Gemini API 密钥作为次要备用 - 可选：Amazon Q Developer（通过 Amazon Q JetBrains 插件身份验证 — 无需单独的 API 密钥） --- ## 安装 **从 JetBrains Marketplace：** <kbd>设置</kbd> → <kbd>插件</kbd> → <kbd>市场</kbd> → 搜索 `Celebrimbot` → <kbd>安装</kbd> **手动：** 下载 [最新版本](https://github.com/GiacomoSaccaggi/Celebrimbot/releases/latest) 并通过以下方式安装： <kbd>设置</kbd> → <kbd>插件</kbd> → <kbd>⚙️</kbd> → <kbd>从磁盘安装插件...</kbd> --- ## 配置 打开 <kbd>设置</kbd> → <kbd>工具</kbd> → <kbd>Celebrimbot</kbd> | 字段 | 描述 | |-------|-------------| | **提供商** | `本地 API`、`Google Gemini`、`阿里云 Qwen 云端`或 `Amazon Q Developer` | | **基础 URL** | API 端点（按提供商预填充） | | **模型名称** | 例如 `qwen-plus`、`gemini-1.5-flash` | | **API 密钥** | 用于 Gemini 或本地 OpenAI 兼容 API | | **阿里云 API 密钥** | 用于 Qwen 云端（响应 API） | | **验证命令** | 自定义构建命令，用于议会的审查循环（例如 `./gradlew classes`）。留空以从项目标记文件自动检测。 | 本地嵌入式模型（`qwen2.5-coder-1.5b-instruct-q4_k_m.gguf`）在首次推理时自动下载到您的 IDE 系统目录。如果检测到部分/损坏的下载记录，它将被删除并自动重新下载。 --- ## 用法 打开 **Celebrimbot** 工具窗口（右侧面板）并开始聊天。 <p align="center"> <img src="celebrimbot.png" alt="Celebrimbot 聊天面板" width="420"/> </p> **示例： ``` 你：hello Celebrimbot：[🧝 加拉德里尔] 你好！今天我能帮你什么？ 你：创建一个带有 Levenshtein 相似度函数的 Python 文件 [⚔️ 阿拉贡：准备任务...] [🌿 山姆威斯：执行任务...] Celebrimbot：✅ 代码写入 src/levenshtein.py Celebrimbot：✅ 所有任务完成！ 你：删除 src/levenshtein.py [⚔️ 阿拉贡：准备任务...] [🌿 山姆威斯：执行任务...] Celebrimbot：✅ 已删除 src/levenshtein.py Celebrimbot：✅ 所有任务完成！ 你：在线搜索 kotlin 协程超时示例 [⚔️ 阿拉贡：准备任务...] [🌿 山姆威斯：执行任务...] Celebrimbot：摘要：... Celebrimbot：✅ 所有任务完成！ 你：重构服务以使用新接口 [🧙 埃尔隆德：准备简报...] 💎 庆祝姆伯：锻造计划...] [🌿 山姆威斯：执行 3 个任务...] Celebrimbot：✅ 所有任务完成！ ``` 头部显示 `🖥️ N ☁️ N` — 本地推理计数 vs 云端规划调用次数 — 这样您始终知道进行了多少 API 调用。 --- ## 技术栈 | 组件 | 技术 | |-----------|-----------| | 语言 | Kotlin 2.3.20 | | 平台 | IntelliJ 平台 2025.2 | | 本地 LLM | [java-llama.cpp](https://github.com/kherud/java-llama.cpp) 3.4.1 | | 模型 | Qwen2.5-Coder-1.5B-Instruct Q4_K_M（GGUF） | | 云端 AI | 阿里云模型工作室（DashScope） | | 云端备用 | Google Gemini 1.5 Flash | | 云端选项 | Amazon Q Developer（Claude Sonnet，通过 SSO） | | CLI | Clikt 4.4.0 | | HTTP 桥接 | Ktor 2.3.11（Netty） | | JSON | Gson 2.10.1 | | 构建 | Gradle 9.4.1 + Shadow JAR | --- ## 开发 ```bash ./gradlew runIde # 在沙盒 IDE 中运行插件 ./gradlew buildPlugin # 构建可分发 ZIP ./gradlew shadowJar # 构建独立 CLI fat JAR（celebrimbot.jar） ./gradlew test # 运行单元测试 ./gradlew verifyPlugin # 验证兼容性 ``` **CLI 用法（shadowJar 后）：** ```bash java -jar build/libs/celebrimbot.jar forge "创建一个带有斐波那契函数的 Python 文件" java -jar build/libs/celebrimbot.jar scan java -jar build/libs/celebrimbot.jar serve --port 16180 java -jar build/libs/celebrimbot.jar mcp-stdio java -jar build/libs/celebrimbot.jar undo` ``` --- ## 项目结构 ``` src/main/kotlin/.../celebrimbot/ ├── cli/ │ └── CelebrimbotCLI # 独立 CLI（forge / scan / serve / mcp-stdio / undo） ├── io/ │ ├── FileOperator # 文件操作接口 │ Ide文件操作接口 | ├── IdeFileOperator # PSI/VFS实现（IDE模式） │ ├── HeadlessFileOperator # java.nio实现（独立） │ ├── ShadowedFileOperator # 装饰器：拦截写入/删除以进行备份 │ ├── HeadlessShadowedFileOperator # java.nio 影子日志实现 │ ├── TerminalOperator # 接口，用于终端执行（返回 TerminalResult） │ ├── IdeTerminalOperator # IDE 终端实现 │ ├── HeadlessTerminalOperator # ProcessBuilder 实现 │ ├── LlmEngine # LLM 推理接口 │ ├── StandaloneLlmEngine # llama.cpp 独立实现 │ ├── WebSearchOperator # 网络搜索 + fetch_page 接口 │ ├── DuckDuckGoSearchOperator # DuckDuckGo 实现 │ ├── ProjectScanOperator # 项目扫描 + walkSourceFiles 接口 │ ├── HeadlessProjectScanOperator # java.nio 实现 │ ├── GitOperator # Git 操作接口 │ └── HeadlessGitOperator # ProcessBuilder Git 实现 ├── index/ │ └── PalantirIndex # BM25 语义索引（构建、查询、保存、加载） ├── mcp/ │ ├── McpRouter # JSON-RPC 2.0 分发器（所有 MCP 方法处理程序） │ └── McpTransport # 紧凑的 JSON-RPC 返回/错误格式化 ├── model/ │ ├── CelebrimbotPlan # CelebrimbotTask 数据类 │ ├── CelebrimbotTool # CelebrimbotTool 接口、ToolParam、ToolResult、ToolCategory │ └── TreebeardReviewResult # Treebeard 的裁决：isComplete、reasoning、additionalRequests ├── registry/ │ ├── ToolRegistry # 中央工具库，带有 toJsonSchema() 和 toMcpToolList() │ └── tools/ │ └── Tools # 15 个工具实现，封装所有操作符 ├── services/ │ ├── CelebrimbotAgentOrchestrator # 多agent 循环：路由、规划、执行、反思 │ ├── CelebrimbotLlmService # AI 提供商抽象（本地/阿里云/Gemini/Amazon Q） │ ├── CelebrimbotEmbeddedEngine # 本地 llama.cpp 推理引擎 │ ├── CelebrimbotTerminalService # IDE 终端命令执行 │ ├── ValidationService # 构建系统检测 + 议会审查命令 │ └── TreebeardReviewService # 实体审查者：反射循环后 Worker ├── settings/ │ ├── CelebrimbotSettingsState # 持久化项目配置 │ ├── CelebrimbotSettingsConfigurable # 设置 UI 面板 │ └── CelebrimbotPasswordSafe # 安全 API 密钥存储 ├── startup/ │ └── CelebrimbotStartupActivity # 插件初始化、模型预热、Palantír 索引刷新 ├── toolWindow/ │ └── CelebrimbotToolWindowFactory # 聊天 UI 面板，带有统计计数器和复制/清除 └── MyBundle.kt # i18n 资源包访问器 src/main/resources/ ├── prompts/ │ ├── gandalf_system_prompt.txt # 路由器：CHAT / EASY_TASK / COMPLEX_TASK │ ├── galadriel_system_prompt.txt # 会话式 AI 人格 │ ├── aragorn_system_prompt.txt # 简单任务规划器人格 │ ├── elrond_system_prompt.txt # 复杂任务预规划器人格 │ ├── celebrimbor_system_prompt.txt # 主规划器人格 │ ├── samwise_system_prompt.txt # 精确工作线程人格 │ ├── frodo_system_prompt.txt # 冒险工作线程人格（write_code） │ ├── legolas_gimli_system_prompt.txt # 专家工作线程二人组人格（复杂任务） │ ├── treebeard_system_prompt.txt # 实体审查者人格：慢速、方法论、严格的 JSON 输出 │ └── bilbo_system_prompt.txt # 会话记录者人格 ├── icons/ │ └── celebrimbot.svg └── META-INF/ └── plugin.xml ``` ### 评估工作流程 评估框架是一个独立的Python脚本，它在无头模式下运行Celebrimbot代理管道 — 不需要IDE。每个测试用例都定义了一个自然语言输入、预期的路由决策（聊天 / 简单任务 / 复杂任务），以及一组评估标准。 **测试用例**（`src/test/testData/eval/eval_suite.json`）涵盖： - 路由准确性（Gandalf是否正确分类问候语、单文件任务和多文件任务？） - 计划器质量（Elrond是否生成一个包含所有必需字段的有效JSON简报？） - 工作器输出质量（Frodo是否编写具有请求类/方法的语法有效的Python？） - 审查者行为（Treebeard是否在README太短时标记不完整的作品？） - 摘要质量（Bilbo是否以托尔金风格称呼用户为"Mellow"？） **运行方式：** 1. 对于每个配置，脚本在临时目录中启动一个`HeadlessPipeline` 2. 管道为每个角色调用配置的LLM后端（通过SSO令牌的Amazon Q Developer，或用于本地模型的Ollama） 3. 执行后，评估者（通过Amazon Q Developer的Claude Sonnet 4.6）接收完整的代理跟踪、内部日志和写入的文件内容，然后评分运行结果为0-10，并标记特定问题 4. 结果聚合到`EVAL_REPORT.md`和`build/eval/`中的每个配置JSON文件中 **自行运行：** ```bash # 要求：Amazon Q Developer SSO登录 + Ollama用于本地模型 brew install ollama && ollama serve & ollama pull qwen2.5-coder:1.5b qwen2.5-coder:7b llama3.1:8b deepseek-coder:6.7b phi3.5 python3 src/test/testData/eval/run_eval.py ``` ### 最终排名 | 排名 | 配置 | 平均分数 | 通过率 | |------|--------|-----------|--------| | 🥇 | Claude Sonnet 4.6 规划器 + **Qwen 2.5 Coder 7B** 工作器 | **9.0/10** | 100% | | 🥈 | Claude Sonnet 4.6 规划器 + **Phi-3.5 Mini** 工作器 | **9.0/10** | 100% | | 🥉 | Claude Sonnet 4.6 规划器 + **Llama 3.1 8B** 工作器 | **8.9/10** | 100% | | #4 | 全Claude Sonnet 4.6（基准） | 8.6/10 | 87.5% | | #5 | Claude Sonnet 4.6核心仅 | 8.4/10 | 87.5% | | #6 | Claude Sonnet 4.6 规划器 + Qwen 2.5 Coder 1.5B 工作器 | 7.8/10 | 87.5% | | #7 | 全本地 — Qwen 2.5 Coder 7B | 7.8/10 | 87.5% | | #8 | 全本地 — Llama 3.1 8B | 7.8/10 | 87.5% | | #9 | 全本地 — Phi-3.5 Mini | 6.2/10 | 62.5% | | #10 | Claude Sonnet 4.6 规划器 + DeepSeek Coder 6.7B 工作器 | 6.1/10 | 75.0% | | #11 | 全本地 — Qwen 2.5 Coder 1.5B | 4.9/10 | 37.5% | | #12 | 全本地 — DeepSeek Coder 6.7B | 4.9/10 | 50.0% | ### 关键发现 **最佳配置是：**Claude Sonnet 4.6（通过Amazon Q Developer）作为规划器 + 7B+本地模型作为工作器。 前三名配置都遵循相同的模式：Claude Sonnet 4.6（通过Amazon Q Developer）处理Gandalf（路由）、Elrond（上下文丰富）、Celebrimbor（主规划）和Treebeard（审查），而本地模型运行Aragorn、Frodo、Legolas & Gimli、Galadriel和Bilbo。这种混合方法**优于使用Claude Sonnet 4.6处理所有内容**（9.0 vs 8.6），同时最小化云API调用。 **本地7B模型是竞争性的工作器。** Qwen 2.5 Coder 7B和Llama 3.1 8B完全本地运行（无云）均获得7.8/10的评分 — 高于“仅Claude Sonnet 4.6核心”配置（8.4/10，但云调用更多）。对于需要完全离线操作的团队，Qwen 7B或Llama 8B是可行的。 **DeepSeek Coder 6.7B的表现低于其规模。** 尽管与Qwen 7B相当，但DeepSeek仅获得4.9/10的全本地和6.1/10的工作器评分。它经常拒绝任务并表示“我无法协助您”，并生成格式错误的JSON，使其在代理管道中不可靠。 **Qwen 2.5 Coder 1.5B对于可靠的路由和规划来说太小了。** 在4.9/10的全本地评分中，它将简单的问候语误导为COMPLEX_TASK，并生成不完整的JSON计划。只有与云规划器配对时，它才适合作为Frodo/工作器。 **Phi-3.5 Mini（3.8B）作为工作器超出了其重量。** 与Claude Sonnet 4.6规划器配对后，它达到了9.0/10 — 与Qwen 7B相匹配，但RAM占用极低（~2.5 GB vs ~4.5 GB）。这是资源受限环境的最佳选择。 ### 推荐配置 | 使用场景 | Gandalf | Elrond | Celebrimbor | 工作器 | 分数 | |----------|---------|--------|-------------|---------|-------| | **最佳质量** | Amazon Q | Amazon Q | Amazon Q | Qwen 7B / Phi-3.5 | 9.0/10 | | **平衡** | Amazon Q | Amazon Q | Amazon Q | Llama 3.1 8B | 8.9/10 | | **最小云** | Amazon Q | Amazon Q | Amazon Q | Qwen 1.5B | 7.8/10 | | **完全离线** | Qwen 7B | Qwen 7B | Qwen 7B | Qwen 7B | 7.8/10 | | **极轻量级离线** | Phi-3.5 | Phi-3.5 | Phi-3.5 | Phi-3.5 | 6.2/10 | --- ## 许可证 本项目基于[IntelliJ平台插件模板](https://github.com/JetBrains/intellij-platform-plugin-template)。