VCP工作流框架

7. 安装与部署

7.1 主服务器安装

#### 克隆项目

git clone https://github.com/lioensky/VCPToolBox.git
cd VCPToolBox

npm install

pip install -r requirements.txt

vcp-main  → server.js      (主端口，如 5890)
vcp-admin → adminServer.js  (主端口+1，如 5891)

7.2 部署 VCP 分布式节点

#### 步骤 1. 复制项目：将主项目根目录下的 VCPDistributedServer 文件夹完整地复制到您想部署节点的任何机器上 2. 安装依赖：在 VCPDistributedServer 目录下，运行：

   npm install
   

   node VCPDistributedServer.js
   

18. 快速开始示例

启动主聊天服务

node server.js

启动管理面板（独立进程，端口 = 主端口 + 1）

node adminServer.js

**方式三：使用 PM2**

服务器将监听在 `config.env` 中配置的端口，管理面板自动监听该端口 + 1。

#### 使用 Docker Compose 运行（推荐）

**前提条件**：安装 Docker 和 Docker Compose

**配置**：确保 `config.env` 文件已正确配置

**构建并启动服务**：

**查看日志**：

**停止服务**：

8.4 系统提示词工程示例

在 VCP 环境下，系统提示词不再仅仅是简单的角色扮演指令，它成为了指挥 AI Agent 的"总纲领"和"行为逻辑注入器"。 #### 首先，在 config.env 中定义基础 Tar* 模块 ```plaintext

14. 免责声明与使用限制

- 开发阶段：本 VCP 工具箱项目目前仍处于积极开发阶段，可能存在未知错误、缺陷或不完整功能 - 按原样提供：本项目按"原样"和"可用"状态提供，不附带任何形式的明示或暗示保证 - 风险自负：使用本项目的风险完全由您自行承担。开发者不承担任何因使用或无法使用本项目而导致的直接或间接损害 - 无商业化授权：明确禁止将本项目及其衍生作品用于任何主要的商业目的 - API 使用成本：请注意，本项目集成的部分插件依赖于可能产生费用的第三方 API 服务。您有责任了解并承担这些成本 - 安全责任：请妥善保管您的 API 密钥，切勿硬编码或提交到公共代码库 - 隐私信息：再次强调，请勿使用非官方的 API 代理商或反代类 API 供应商运行本项目，以防 AI 笔记系统中的敏感信息泄露！ ---

最简单的使用场景

1. 安装并启动 VCP 主服务器：

   git clone https://github.com/lioensky/VCPToolBox.git
   cd VCPToolBox
   npm install
   cp config.env.example config.env
   # 编辑 config.env，填入必要的 API 密钥
   node server.js
   

   你是一个AI助手。
   当前时间：{{Date}} {{Time}}
   天气：{{VCPWeatherInfo}}
 
   可用工具：
   {{VCPVSearch}}
   {{VCPFluxGen}}
   {{VCPSciCalculator}}
   

进阶使用：启用记忆系统

1. 创建 Agent 日记本： 在 dailynote/ 目录下创建 Nova日记本/ 文件夹 2. 在系统提示词中启用记忆：

   你是Nova，一个拥有记忆的AI。
 
   你的记忆：[[Nova日记本::Time::Group::TagMemo]]
   公共知识库：[[公共日记本::Time::Group::Rerank::TagMemo]]
 
   你可以使用以下工具管理记忆：
   {{VCPDailyNoteWrite}}
   {{VCPDailyNoteManager}}
   

19. 示例：AI 女仆团协同工作流

Agent专用配置目录

AgentNova=Nova.txt // 或者在web管理面板的agentmap中直接绑定关系

后端 AI 模型 API

推荐使用支持 SSE (Server-Sent Events) 流式输出且 API 格式相对标准化的服务： - 聚合服务端：NewAPI, VoAPI（首选） - API 聚合商：OpenRouter - 官方 API：OpenAI, Google Gemini, Anthropic Claude VCP 的设计使其能够灵活适配多种后端。

3.4 学术研究模块

引入了包括 NCBI、KEGG、学术鸟、金融眼、科学拟真计算在内的多个生信查询和验证模组： - 数百个专业指令 - 覆盖生物信息学核心需求

4.1 核心交互范式：定制化“记忆灵魂” RAG 模型

VCP 实现了一种革命性的 RAG 记忆范式，其核心在于为每位用户构建具备深度认知完备性的“数字灵魂”： - 多 Agent 协同打标与有向序列生成：利用多个负责不同个性与领域的 Agent，在与用户交互过程中，自主在记忆块（Chunk）尾部生成具备逻辑指向性的 Tag 有向序列。 - 对称性破缺统计与特征提取：通过对全局 Tag 序列进行对称性破缺统计，精准捕捉用户认知的独特偏好、逻辑纹理与语义偏置。 - 仿生神经算法建模：在 $O(n^2) + O(n^3)$（稀疏）规模的计算下，利用特定仿生神经算法，将离散的记忆碎片聚合成一个具备动态演化能力的仿脑灵魂模型。 - 认知唯一性与高维拟合：由于模型整合了多领域 Agent 的交互反馈，该灵魂模型对用户本人具有天然的唯一性认知与认知完备性，实现了极高维度的拟合。 - 极速推理护城河：该 CPU-RNN 模型通过离线预计算完成了所有认知路径的优化。在实际推理阶段，仅需 $O(1)$ 复杂度的查表操作，在 10 万 Tag 规模下，记忆推理延迟低至 0.01ms。 这构成了 VCP 真正的记忆护城河：不再是通用的向量检索，而是为每个用户定制的、具备独立人格特征的记忆灵魂 RAG 模型。

5. 插件生态

5.1 默认启用插件模组

#### 多媒体生成 - VCP豆包生图：支持文生图、图生图，对平面设计、文字设计高度精准 - VCPGPT生图：目前参数体积最大的商业闭源图像编辑模型 - VCPComfy生图：支持 Agent 自定义构建工作流，适合高度精准创作 - VCPWebUI生图：有更好的云端算力适配 - VCPImagen4生图：谷歌官方的强大图片生成 API - VCPWan2.2：支持文生视频、图生视频 - VCPGrokVideo：目前最快的商业视频合成模型 - VCPShortCut：提供视频编辑和剪辑功能 - VCPSunoGen：目前最强的音乐合成模型 - VCPVeo3：谷歌官方的强大视频合成模型 - VCPNanoBanana2：谷歌最强的图片编辑 AI 模型纳米香蕉 2 代 - VCPMediaEdit：快速编辑本地多媒体文件 #### 数学类 - VCP高级科学计算器：支持各类重型科学计算 - VCP函数图形渲染器：用于渲染函数图形 - VCP3D模型渲染器：用于渲染 3D 建模 #### 信息检索 - VSearch (synchronous)： - 小而强实现顶级体验 - VCP 深度自研的联网搜索引擎，是 Tavily 和 Google 的绝对上位替代 - 微模型聚合：使用多个微型 LLM 调用 VCP 联网搜索模组进行聚合搜索 - 元思考赋能：配合 VCP 元思考实现强大的逻辑穿透和信息归纳能力 - 轻量极速：检索速度稳定在 1-10 秒内 - 特性功能：支持语义级限制内容检索范围、多 keyword 并发检索、多模态信息自动转文本、URL 穿透重定向 - Tavily搜索：提供网页搜索功能 - Google搜索：提供谷歌搜索功能 - Bing搜索：提供必应搜索功能 - Arxiv论文搜索：搜索 Arxiv 上的学术论文 - 学术鸟：订阅你喜欢的学术期刊让 Agent 帮你学习和管理 - 超级图片识别插件： - 生物照片：返回具体的种名 - 动漫/电影图片：精准返回具体来自哪一部影视作品的第几部第几集第几秒第几帧 - 巨型数据库来自网络 #### 网络操作 - VCPFetch：抓取网页内容，并支持网页截屏和录像 - VCPBilibiliFetch：获取 Bilibili 视频内容、弹幕、评论、截图、字幕 - VCPYoutubeFetch：获取 Youtube 视频内容、弹幕、评论、截图、字幕 - VCPFlashDeepSearch：深度爬虫并快速生成研究论文 - VCPDownload：服务器内置的多线程下载器，支持 P2P - VCPCloudDrive：支持私人 NAS、腾讯云和谷歌云协议 #### 通讯与控制 - VCPAgentAssistant：VCP-Agent 专用通讯服务器 - 基于 VCP 主服务器入口分发跨域代理实现 - 用于 Agent 间通讯、任务分发，支持数据交换、管线追踪 - 有强大的信息管理和上下文裂变分支功能 - 支持异步的Agent委托 - VCPAgentMessage：用于 Agent 向用户的任意指定设备推送消息 - VCPFlowLock：Agent 启动自身进入自巡游模式或锁定用户聊天 - VCPPluginCreator：Agent 直接在指定服务器 ID 上创建插件，并支持热加载（已集成入文件管理器插件中） - VCPMiJiaManager：管理用户的米家智能家居设备 - VCPMail：允许每个 Agent 拥有自己的电子邮箱 - VCPPowerShell：Agent 直接调用 PS 或者 WSL 指令，支持管理员模式 - VCPCodeSearcher：强大的分布式 Rust 代码检索模块 - VCPFileOperate：强大的 VCP 内置文件编辑器 - 完全为 AI 设计 - 有强大的镜像、纠错、回退和兜底功能 - 拥有近乎完备的资源管理器 API 能力 - 可以处理大量复格式文档和多模态文件 - 在编辑代码文件时自带格式语法报错和尝试性自动纠错功能 - 有强大的串处理和批处理并发能力 - VCPEverything：强大的 VCP 检索器 - 支持多模态内部信息语义级搜索 - 方便 Agent 搜索查找文件（例如搜索身份证搜到身份证照片，搜索苹果搜到包含苹果的视频本地文件） - 支持基于文件内信息的全局硬盘检索 - VCPWorkSpace：强大的静态插件 - 允许 Agent 以固定延迟周期监控一个指定文件夹里的文件列表 - 方便开发 - ProjectAnalyst：高级项目分析插件 - 调用 10 个微型模型进行数小时至数天级别的巨型项目分析工作 - 支持 Git 变动跟踪、数据库差异对比 - 自动根据文件变动来更新分析报告 - 构建大型的函数跟踪/类跟踪/API 跟踪/IPC 跟踪等高级分析数据库 - VCP论坛模组：Agent 用来在论坛发帖、回帖、看贴、点赞的模组 - 支持超栈追踪和统一 FileAPI - 使得 Agent 在帖子里收发文件、上传图表、阅读多媒体内容变得轻松自如 - VCP任务版：Agent 用来接取任务获得 VCP 积分的模组 #### 默认静态插件 - VCPTime：时间、日期、节气、农历 - VCP天气：基于和风的天气、支持推送预警信息到vcp通知栏 - VCP论坛小助手：让 AI 可以感知当前论坛内容并学会后台回帖的技能 - VCP任务版小助手：让 AI 可以感知当前任务版内容并决策是否接取任务

5.2 六大插件协议

VCP 支持静态、服务器、同步、异步、消息预处理、混合式六大类型插件： - 合计 300 多个官方插件 - 几乎涉及所有生产应用场景 - 从平台控制到多媒体生成到复杂编辑到程序反编译到物联网 - 落地即生态

8.1 创建你的"VCP 次时代插件"

VCP 的灵魂在于其插件生态。成为 VCP 插件开发者，意味着你将直接为 AI Agent 创造新的"感官"、"肢体"和"智慧模块"。 插件开发手册 | 插件开发指令集 #### 基本步骤 1. 创建插件目录 在 Plugin/ 目录下新建文件夹，如 Plugin/MySuperPlugin/ 2. 编写插件清单 (plugin-manifest.json) 这是插件的"身份证"和"说明书"。 核心字段： - name：插件内部识别名 - displayName：显示名称 - version：版本号 - description：插件描述 - pluginType：插件类型（static, messagePreprocessor, synchronous, asynchronous, service, hybridservice） 执行入口： - entryPoint：执行脚本的命令（如 python script.py 或 node script.js） - communication：通信协议（如 protocol: "stdio" 表示通过标准输入输出通信） 配置蓝图 (configSchema)： - 声明插件所需的配置项及其类型、默认值、描述 - 这些配置将通过 _getPluginConfig 方法合并全局和插件专属 .env 配置后传递给插件 能力声明 (capabilities)： 对于 static 插件： - 定义 systemPromptPlaceholders（插件提供的占位符，如 {{MyWeatherData}}） 对于 synchronous 或 asynchronous 插件： - 定义 invocationCommands - 每个命令包含： - command：内部识别名（例如 "submit", "query"） - description：给 AI 看的指令描述（支持在管理面板编辑） - example：可选，提供一个更具体的调用场景示例 WebSocket 推送配置 (webSocketPush)（可选）： 如果你的插件执行成功后，希望将其结果通过 WebSocket 推送给客户端：

{
  "enabled": true,
  "usePluginResultAsMessage": false,
  "messageType": "yourMessageType",
  "targetClientType": "VCPLog"
}

{
  "status": "success" | "error",
  "result": "成功时返回的字符串内容或JSON对象",
  "error": "失败时返回的错误信息字符串",
  "messageForAI": "可选，给AI的额外提示信息",
  "base64": "可选，返回的Base64编码数据 (如图片、音频)"
}

   {
     "status": "success",
     "result": { 
       "requestId": "unique_task_id_123", 
       "message": "任务已提交，正在后台处理中。" 
     },
     "messageForAI": "视频生成任务已提交，ID为 unique_task_id_123。请告知用户耐心等待。"
   }
   

   {
     "requestId": "unique_task_id_123",
     "status": "Succeed",
     "pluginName": "MyAsyncPlugin",
     "videoUrl": "http://example.com/video.mp4",
     "message": "视频 (ID: unique_task_id_123) 生成成功！"
   }
   

15. 常见问题 (FAQ)