Dockerfile

# =============================================================================
# Hermes Agent — HuggingFace Space（Docker）
# 你只需上传这一个文件！
# =============================================================================

FROM python:3.11-slim

# ── 系统依赖 ──────────────────────────────────────────────────────────────────
RUN apt-get update && apt-get install -y --no-install-recommends \
    git curl wget build-essential libssl-dev libffi-dev \
    nodejs npm procps \
    && rm -rf /var/lib/apt/lists/*

# ── 安装 uv ───────────────────────────────────────────────────────────────────
RUN curl -LsSf https://astral.sh/uv/install.sh | sh
ENV PATH="/root/.cargo/bin:/root/.local/bin:$PATH"

# ── 克隆 hermes-agent ─────────────────────────────────────────────────────────
WORKDIR /opt
RUN git clone --depth 1 https://github.com/NousResearch/hermes-agent.git hermes-agent
WORKDIR /opt/hermes-agent

# ── Python 虚拟环境 + 依赖 ────────────────────────────────────────────────────
RUN uv venv /opt/venv --python 3.11
ENV VIRTUAL_ENV=/opt/venv
ENV PATH="/opt/venv/bin:$PATH"

# mini-swe-agent 已作为目录内嵌在仓库中（不再是 git submodule）
# 若目录存在则安装，否则跳过
RUN uv pip install -e ".[all]" && \
    ([ -f "./mini-swe-agent/pyproject.toml" ] && uv pip install -e "./mini-swe-agent" || true) && \
    uv pip install aiohttp httpx cryptography "gradio==5.29.0" "huggingface_hub>=0.23"

# ── 写入 entrypoint.sh ────────────────────────────────────────────────────────
RUN cat > /entrypoint.sh << 'ENTRY_EOF'
#!/bin/bash
set -e

echo "=========================================================="
echo "  Hermes Agent · HuggingFace Space"
echo "=========================================================="

# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
# 全局路径
# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
export HERMES_HOME=/data/hermes
export HF_DATASET_LOCAL=/data/hf_dataset   # Dataset 本地镜像
export HF_HUB_DISABLE_PROGRESS_BARS=1

mkdir -p "$HERMES_HOME"/{logs,cron}
mkdir -p "$HF_DATASET_LOCAL"/{skills,memories,sessions,logs,cron}
mkdir -p /data/workspace

# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
# 步骤 1: 初始化 HF Dataset（如不存在则创建）
# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
echo "[1/6] 初始化 HuggingFace Dataset..."
python /dataset_manager.py init
echo "✅ Dataset 初始化完成"

# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
# 步骤 2: 从 Dataset 克隆到本地镜像目录（实时读写基础）
# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
echo "[2/6] 从 Dataset 拉取配置..."
python /dataset_manager.py pull
echo "✅ 配置已拉取"

# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
# 步骤 3: 将 HERMES_HOME 里的目录软链到 Dataset 本地镜像
#         实现"直接读写 Dataset 文件"效果
# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
echo "[3/6] 建立目录链接（实时读写）..."
for DIR in config.yaml SOUL.md skills memories sessions cron; do
    SRC="$HF_DATASET_LOCAL/$DIR"
    DST="$HERMES_HOME/$DIR"

    # 确保 dataset 本地镜像里有这个路径
    if [[ "$DIR" == *.* ]]; then
        # 文件（如 config.yaml, SOUL.md）
        touch "$SRC" 2>/dev/null || true
    else
        mkdir -p "$SRC"
    fi

    # 删除旧的并创建软链
    rm -rf "$DST"
    ln -s "$SRC" "$DST"
    echo "  🔗 $DST -> $SRC"
done
echo "✅ 目录链接完成"

# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
# 步骤 4: 生成 .env（从 HF Space Secrets 写入）
# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
echo "[4/6] 生成 .env..."
python /dataset_manager.py gen_env
echo "✅ .env 已生成"

# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
# 步骤 5: 启动 WeCom Gateway（后台）
# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
echo "[5/6] 启动 WeCom Gateway..."
if [ -n "${WECOM_BOT_ID}" ] && [ -n "${WECOM_SECRET}" ]; then
    cd /opt/hermes-agent
    HERMES_HOME=/data/hermes python -m hermes_cli.main gateway \
        >> /data/hermes/logs/gateway.log 2>&1 &
    echo "✅ WeCom Gateway 已启动 (PID: $!)"
else
    echo "⚠️  未配置 WECOM_BOT_ID / WECOM_SECRET，跳过 WeCom Gateway"
fi

# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
# 步骤 6: 启动 Dataset 文件监视器（实时推送变更 + 10分钟推 logs）
# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
echo "[6/6] 启动文件监视器..."
python /dataset_manager.py watch &
echo "✅ 文件监视器已启动"

# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
# 启动 Gradio Web UI（前台，端口 7860）
# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
echo ""
echo "=========================================================="
echo "  🌐 启动 Gradio Web UI  →  http://0.0.0.0:7860"
echo "=========================================================="
exec python /webui.py
ENTRY_EOF

RUN chmod +x /entrypoint.sh

# ── 写入 dataset_manager.py ───────────────────────────────────────────────────
RUN cat > /dataset_manager.py << 'DM_EOF'
"""
dataset_manager.py
统一管理 HuggingFace Dataset 的初始化、拉取、推送、文件监视。

子命令:
  init      — 创建 Dataset（若不存在）并写入初始文件
  pull      — 从 Dataset 拉取所有文件到本地镜像
  push      — 将本地镜像推送到 Dataset
  gen_env   — 从环境变量生成 HERMES_HOME/.env
  watch     — 监视文件变化，实时推送；logs 每10分钟推一次
"""

import os, sys, time, hashlib, shutil
from pathlib import Path
from datetime import datetime

# ── 配置 ─────────────────────────────────────────────────────────────────────
HF_TOKEN         = os.environ.get("HF_TOKEN", "")
HF_DATASET_REPO  = os.environ.get("HF_DATASET_REPO", "")
LOCAL_MIRROR     = Path(os.environ.get("HF_DATASET_LOCAL", "/data/hf_dataset"))
HERMES_HOME      = Path(os.environ.get("HERMES_HOME", "/data/hermes"))

# 实时双向同步的路径（相对于 LOCAL_MIRROR / HERMES_HOME）
REALTIME_PATHS = ["config.yaml", "SOUL.md", "skills", "memories", "sessions", "cron"]
# 仅定时推送（不拉取）
LOG_ONLY_PATHS = ["logs"]

LOG_PUSH_INTERVAL = 600  # 10 分钟推一次 logs

# ── 默认初始文件 ──────────────────────────────────────────────────────────────
def _build_default_config_yaml():
    """
    动态生成首次部署时写入 Dataset 的 config.yaml。
    - 所有有效 Provider 写入 custom_providers: 块（name/url/api_key/models）
    - model: 块只写 provider（指向 custom_providers 里的 name）和 default 模型
    - 留空的 Provider / Model 跳过不写
    - 仅在 Dataset 里不存在 config.yaml 时才写入，有备份则不覆盖
    """
    import os as _os

    # 收集所有有效 Provider
    providers = []
    for p in range(1, 6):
        name    = _os.environ.get(f"PROVIDER_{p}_NAME", "").strip()
        url     = _os.environ.get(f"PROVIDER_{p}_BASE_URL", "").strip()
        api_key = _os.environ.get(f"PROVIDER_{p}_API_KEY", "").strip()
        models  = []
        for m in range(1, 11):
            mdl = _os.environ.get(f"PROVIDER_{p}_MODEL_{m}", "").strip()
            if mdl:
                models.append(mdl)
        if name and url and api_key:
            providers.append({"name": name, "url": url, "api_key": api_key, "models": models})

    # model: 块 —— 只引用 custom_providers 里的 name，不重复写凭证
    if providers:
        p0       = providers[0]
        p0_model = p0["models"][0] if p0["models"] else ""
        model_block = (
            "# -- Hermes 主模型（引用下方 custom_providers 中的第一个 Provider）\n"
            "model:\n"
            f"  provider: {p0['name']}\n"
            f"  default: {p0_model}\n"
        )
    else:
        model_block = (
            "# -- 主模型（未检测到 PROVIDER_1_* 环境变量，请手动配置）\n"
            "# model:\n"
            "#   provider: my-provider-name\n"
            "#   default: google/gemma-4-31b-it\n"
        )

    # custom_providers: 块 —— 集中管理所有 Provider 的凭证和模型列表
    if providers:
        cp_lines = [
            "# -- 自定义 Provider 列表（凭证集中在此，model: 块通过 name 引用）\n",
            "custom_providers:\n",
        ]
        for pv in providers:
            cp_lines.append(f"  - name: {pv['name']}\n")
            cp_lines.append(f"    base_url: {pv['url']}\n")
            cp_lines.append(f"    api_key: {pv['api_key']}\n")
            if pv["models"]:
                cp_lines.append("    models:\n")
                for mdl in pv["models"]:
                    cp_lines.append(f"      {mdl}:\n")
                    cp_lines.append( "        context_length: 131072\n")
    else:
        cp_lines = ["# custom_providers: []\n"]

    lines = [
        "# =============================================================\n",
        "# Hermes Agent config.yaml\n",
        "# 直接在 HF Dataset 里编辑此文件，保存后立即生效（无需重启）\n",
        "# Provider 配置由 HF Space 的 PROVIDER_{1-5}_* 环境变量自动注入\n",
        "# 有备份时不会覆盖，删掉 Dataset 里的 config.yaml 后重启即可重新生成\n",
        "# =============================================================\n",
        "\n",
        model_block,
        "\n",
        "".join(cp_lines),
        "\n",
        "# -- 终端后端（HF Space 用 local）\n",
        "terminal:\n",
        "  backend: local\n",
        "  cwd: /data/workspace\n",
        "  timeout: 180\n",
        "\n",
        "# -- 记忆\n",
        "memory:\n",
        "  memory_enabled: true\n",
        "  user_profile_enabled: true\n",
        "  memory_char_limit: 2200\n",
        "  user_char_limit: 1375\n",
        "\n",
        "# -- 显示\n",
        "display:\n",
        "  tool_progress: all\n",
        "  streaming: false\n",
        "\n",
        "# -- 压缩\n",
        "compression:\n",
        "  enabled: true\n",
        "  threshold: 0.50\n",
        "\n",
        "# -- 时区\n",
        'timezone: "Asia/Shanghai"\n',
        "\n",
        "# -- 安全（无交互终端，关闭审批）\n",
        "approvals:\n",
        "  mode: off\n",
        "\n",
        "# -- WeCom（企业微信）\n",
        "platforms:\n",
        "  wecom:\n",
        "    enabled: true\n",
        "    extra:\n",
        '      bot_id: "${WECOM_BOT_ID}"\n',
        '      secret: "${WECOM_SECRET}"\n',
        "      dm_policy: open\n",
        "      group_policy: open\n",
    ]
    return "".join(lines)

DEFAULT_CONFIG_YAML = _build_default_config_yaml()

DEFAULT_SOUL_MD = """\
# Hermes Agent

你是 Hermes，一个由 Nous Research 开发的智能 AI 助手。
你聪明、友善、乐于助人，具备持续学习和自我改进的能力。

你擅长：
- 回答各类问题和提供建议
- 执行代码和分析数据
- 长期记忆用户偏好和上下文
- 通过学习不断创造和改进技能

请始终用清晰、准确、有帮助的方式回应用户。
"""

DEFAULT_MEMORY_MD = """\
# Agent 记忆

（暂无记忆，Agent 运行后会自动在此记录重要信息）
"""

DEFAULT_DATASET_README = """\
---
license: mit
tags:
  - hermes-agent
  - config
---

# Hermes Agent 配置数据集

本 Dataset 由 Hermes Agent HF Space 自动创建和管理。

## 目录结构
```
config.yaml      ← 主配置（直接编辑即可生效）
SOUL.md          ← Agent 人格定义
skills/          ← Agent 自创技能
memories/        ← 长期记忆
  MEMORY.md
sessions/        ← 会话历史
cron/            ← 定时任务
logs/            ← 运行日志（10分钟同步一次）
```
"""

# ── 工具函数 ──────────────────────────────────────────────────────────────────
def get_api():
    if not HF_TOKEN or not HF_DATASET_REPO:
        print("⚠️  HF_TOKEN 或 HF_DATASET_REPO 未设置，跳过 Dataset 操作")
        return None
    try:
        from huggingface_hub import HfApi
        return HfApi(token=HF_TOKEN)
    except ImportError:
        print("❌ huggingface_hub 未安装")
        return None

def file_hash(path: Path) -> str:
    if not path.exists() or not path.is_file():
        return ""
    return hashlib.md5(path.read_bytes()).hexdigest()

def upload_file(api, local_path: Path, repo_path: str, msg: str = "auto"):
    try:
        api.upload_file(
            path_or_fileobj=str(local_path),
            path_in_repo=repo_path,
            repo_id=HF_DATASET_REPO,
            repo_type="dataset",
            commit_message=msg,
        )
        return True
    except Exception as e:
        print(f"  ⚠️  上传 {repo_path} 失败: {e}")
        return False

# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
def cmd_init():
    """创建 Dataset（若不存在）并写入初始文件"""
    api = get_api()
    if not api:
        _write_defaults_locally()
        return

    # 检查 Dataset 是否存在
    try:
        from huggingface_hub import DatasetCard
        api.dataset_info(HF_DATASET_REPO)
        print(f"  Dataset [{HF_DATASET_REPO}] 已存在")
    except Exception:
        print(f"  Dataset [{HF_DATASET_REPO}] 不存在，正在创建...")
        api.create_repo(
            repo_id=HF_DATASET_REPO,
            repo_type="dataset",
            private=True,
            exist_ok=True,
        )
        print(f"  ✅ Dataset 已创建（私有）")

    # 检查并写入初始文件（不覆盖已有文件）
    _init_remote_files(api)
    # 写到本地镜像
    _write_defaults_locally()

def _init_remote_files(api):
    """检查远程是否有初始文件，没有则上传默认值"""
    defaults = {
        "README.md":         DEFAULT_DATASET_README,
        "config.yaml":       DEFAULT_CONFIG_YAML,
        "SOUL.md":           DEFAULT_SOUL_MD,
        "memories/MEMORY.md": DEFAULT_MEMORY_MD,
    }
    try:
        existing = {f.rfilename for f in api.list_repo_files(
            HF_DATASET_REPO, repo_type="dataset")}
    except Exception:
        existing = set()

    for repo_path, content in defaults.items():
        if repo_path not in existing:
            tmp = Path(f"/tmp/init_{repo_path.replace('/', '_')}")
            tmp.parent.mkdir(parents=True, exist_ok=True)
            tmp.write_text(content, encoding="utf-8")
            upload_file(api, tmp, repo_path, "Init: " + repo_path)
            print(f"  📝 初始化远程文件: {repo_path}")
        else:
            print(f"  ✓  已存在: {repo_path}")

def _write_defaults_locally():
    """确保本地镜像有默认文件"""
    LOCAL_MIRROR.mkdir(parents=True, exist_ok=True)
    defaults = {
        "config.yaml":              DEFAULT_CONFIG_YAML,
        "SOUL.md":                  DEFAULT_SOUL_MD,
        "memories/MEMORY.md":       DEFAULT_MEMORY_MD,
    }
    for rel, content in defaults.items():
        p = LOCAL_MIRROR / rel
        if not p.exists():
            p.parent.mkdir(parents=True, exist_ok=True)
            p.write_text(content, encoding="utf-8")
    for d in ["skills", "sessions", "cron", "logs"]:
        (LOCAL_MIRROR / d).mkdir(parents=True, exist_ok=True)

# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
def cmd_pull():
    """从 Dataset 拉取所有文件到本地镜像（实时路径）"""
    api = get_api()
    if not api:
        return

    LOCAL_MIRROR.mkdir(parents=True, exist_ok=True)
    try:
        from huggingface_hub import snapshot_download
        snapshot_download(
            repo_id=HF_DATASET_REPO,
            repo_type="dataset",
            token=HF_TOKEN,
            local_dir=str(LOCAL_MIRROR),
            local_dir_use_symlinks=False,
            ignore_patterns=["*.git*", ".gitattributes", "README.md"],
        )
        print(f"  ✅ 已从 Dataset 拉取到 {LOCAL_MIRROR}")
    except Exception as e:
        print(f"  ⚠️  pull 失败: {e}，使用本地默认值")
        _write_defaults_locally()

# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
def cmd_gen_env():
    """从环境变量生成 HERMES_HOME/.env"""
    env_path = HERMES_HOME / ".env"
    env_path.parent.mkdir(parents=True, exist_ok=True)

    lines = ["# 由 dataset_manager.py 自动生成，勿手动编辑\n"]

    # WeCom
    for k in ["WECOM_BOT_ID", "WECOM_SECRET"]:
        lines.append(f"{k}={os.environ.get(k, '')}\n")

    # ── 用户授权 ──────────────────────────────────────────────────────────────
    # 优先使用精确白名单（WECOM_ALLOWED_USERS），其次全开放（GATEWAY_ALLOW_ALL_USERS）
    # 两者都未配置时默认全开放，避免所有用户都被拒绝并收到配对码
    wecom_allowed = os.environ.get("WECOM_ALLOWED_USERS", "").strip()
    gateway_allow = os.environ.get("GATEWAY_ALLOW_ALL_USERS", "").strip()

    if wecom_allowed:
        # 精确白名单优先：只允许列出的用户（逗号分隔企业微信用户名或ID）
        lines.append(f"WECOM_ALLOWED_USERS={wecom_allowed}\n")
        lines.append("GATEWAY_ALLOW_ALL_USERS=false\n")
        print(f"  🔒 WeCom 白名单已设置: {wecom_allowed}")
    elif gateway_allow.lower() in ("false", "0", "no"):
        # 显式关闭全开放 —— 用户需要手动配对
        lines.append("GATEWAY_ALLOW_ALL_USERS=false\n")
        print("  ⚠️  GATEWAY_ALLOW_ALL_USERS=false，未配对用户将被拒绝")
    else:
        # 默认全开放（GATEWAY_ALLOW_ALL_USERS 为空或 true 时）
        lines.append("GATEWAY_ALLOW_ALL_USERS=true\n")
        print("  ✅ GATEWAY_ALLOW_ALL_USERS=true（所有用户均可使用）")

    # Providers 1-5
    for p in range(1, 6):
        for k in ["NAME", "BASE_URL", "API_KEY"] + [f"MODEL_{m}" for m in range(1, 11)]:
            var = f"PROVIDER_{p}_{k}"
            lines.append(f"{var}={os.environ.get(var, '')}\n")

    # HF
    lines.append(f"HF_TOKEN={HF_TOKEN}\n")
    lines.append(f"HF_DATASET_REPO={HF_DATASET_REPO}\n")

    env_path.write_text("".join(lines), encoding="utf-8")
    print(f"  ✅ .env 已写入 {env_path}")

# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
def cmd_watch():
    """
    文件监视器：
    - 实时路径（config, SOUL, skills, memories, sessions, cron）：
      检测到变化立即上传到 Dataset
    - logs：每 10 分钟批量上传一次
    """
    api = get_api()
    if not api:
        print("⚠️  无 API，监视器退出")
        return

    print("  👁️  文件监视器启动（实时同步 + 10分钟推 logs）")

    # 维护文件哈希表
    hashes: dict[str, str] = {}
    last_log_push = time.time()

    def collect_realtime_files():
        files = {}
        for rel in REALTIME_PATHS:
            p = LOCAL_MIRROR / rel
            if p.is_file():
                files[str(p.relative_to(LOCAL_MIRROR))] = p
            elif p.is_dir():
                for f in p.rglob("*"):
                    if f.is_file():
                        files[str(f.relative_to(LOCAL_MIRROR))] = f
        return files

    def collect_log_files():
        files = {}
        for rel in LOG_ONLY_PATHS:
            p = LOCAL_MIRROR / rel
            if p.is_dir():
                for f in p.rglob("*"):
                    if f.is_file():
                        files[str(f.relative_to(LOCAL_MIRROR))] = f
        return files

    # 初始哈希快照
    for rel, path in collect_realtime_files().items():
        hashes[rel] = file_hash(path)

    while True:
        try:
            # ── 实时检测变化 ────────────────────────────────────────
            current = collect_realtime_files()
            changed = []
            for rel, path in current.items():
                h = file_hash(path)
                if hashes.get(rel) != h:
                    hashes[rel] = h
                    changed.append((rel, path))

            for rel, path in changed:
                ts = datetime.now().strftime("%H:%M:%S")
                ok = upload_file(api, path, rel,
                                 f"Realtime sync [{ts}]: {rel}")
                if ok:
                    print(f"  ☁️  [{ts}] 已推送: {rel}")

            # ── 每 10 分钟推 logs ───────────────────────────────────
            if time.time() - last_log_push >= LOG_PUSH_INTERVAL:
                log_files = collect_log_files()
                if log_files:
                    ts = datetime.now().strftime("%Y-%m-%d %H:%M")
                    for rel, path in log_files.items():
                        upload_file(api, path, rel, f"Log sync [{ts}]")
                    print(f"  📋  [{ts}] logs 已推送 ({len(log_files)} 个文件)")
                last_log_push = time.time()

        except Exception as e:
            print(f"  ⚠️  监视器异常: {e}")

        time.sleep(5)  # 每 5 秒检测一次变化

# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
if __name__ == "__main__":
    cmd = sys.argv[1] if len(sys.argv) > 1 else ""
    {"init": cmd_init, "pull": cmd_pull,
     "gen_env": cmd_gen_env, "watch": cmd_watch}.get(cmd, lambda: print(
         "用法: python dataset_manager.py [init|pull|gen_env|watch]"))()
DM_EOF

# ── 写入 webui.py ─────────────────────────────────────────────────────────────
RUN cat > /webui.py << 'WEBUI_EOF'
"""
webui.py — Hermes Agent Gradio Web UI
端口: 7860
"""
import os, sys, subprocess, time, shutil
from pathlib import Path
import gradio as gr

HERMES_HOME   = Path(os.environ.get("HERMES_HOME", "/data/hermes"))
HF_DS_LOCAL   = Path(os.environ.get("HF_DATASET_LOCAL", "/data/hf_dataset"))
HERMES_SRC    = Path("/opt/hermes-agent")
sys.path.insert(0, str(HERMES_SRC))

# ── 辅助函数 ──────────────────────────────────────────────────────────────────
def get_models():
    models = []
    for p in range(1, 6):
        name    = os.environ.get(f"PROVIDER_{p}_NAME", "").strip()
        url     = os.environ.get(f"PROVIDER_{p}_BASE_URL", "").strip()
        api_key = os.environ.get(f"PROVIDER_{p}_API_KEY", "").strip()
        if not (name and url and api_key):
            continue
        for m in range(1, 11):
            model = os.environ.get(f"PROVIDER_{p}_MODEL_{m}", "").strip()
            if model:
                models.append((p, model, f"[{name}] {model}"))
    return models

def run_hermes(message, history, provider_idx, model_name):
    env = os.environ.copy()
    env["HERMES_HOME"] = str(HERMES_HOME)
    env["OPENAI_BASE_URL"] = os.environ.get(f"PROVIDER_{provider_idx}_BASE_URL", "")
    env["OPENAI_API_KEY"]  = os.environ.get(f"PROVIDER_{provider_idx}_API_KEY", "")

    ctx = []
    for m in history[-6:]:
        role = m.get("role","")
        content = m.get("content","")
        if role == "user" and content: ctx.append(f"User: {content}")
        elif role == "assistant" and content: ctx.append(f"Assistant: {content}")
    ctx.append(f"User: {message}")
    prompt = "\n".join(ctx)

    try:
        r = subprocess.run(
            [sys.executable, str(HERMES_SRC/"run_agent.py"),
             "--once", "--model", model_name, "--message", prompt],
            capture_output=True, text=True, timeout=120,
            env=env, cwd=str(HERMES_SRC)
        )
        out = r.stdout.strip()
        return out if out else (r.stderr.strip()[:400] or "(无回复)")
    except subprocess.TimeoutExpired:
        return "⚠️ 超时（120s），请重试"
    except Exception as e:
        return f"⚠️ 调用失败: {e}"

# ── 读写 Dataset 本地镜像文件（软链，实时生效）──────────────────────────────
def r(path: Path, default=""):
    return path.read_text("utf-8") if path.exists() else default

def w(path: Path, content: str, label=""):
    path.parent.mkdir(parents=True, exist_ok=True)
    path.write_text(content, "utf-8")
    return f"✅ {label or path.name} 已保存（文件监视器将自动同步到 Dataset）"

cfg_path    = HF_DS_LOCAL / "config.yaml"
soul_path   = HF_DS_LOCAL / "SOUL.md"
memory_path = HF_DS_LOCAL / "memories" / "MEMORY.md"
log_path    = HERMES_HOME / "logs" / "gateway.log"

def gw_status():
    r2 = subprocess.run(["pgrep","-f","hermes.*gateway"],capture_output=True,text=True)
    return "✅ WeCom Gateway 运行中" if r2.returncode==0 else "⚠️  WeCom Gateway 未运行"

def restart_gw():
    subprocess.run(["pkill","-f","hermes.*gateway"],capture_output=True)
    time.sleep(2)
    if not (os.environ.get("WECOM_BOT_ID") and os.environ.get("WECOM_SECRET")):
        return "⚠️  WECOM_BOT_ID / WECOM_SECRET 未配置"
    env = os.environ.copy()
    env["HERMES_HOME"] = str(HERMES_HOME)
    log_path.parent.mkdir(parents=True, exist_ok=True)
    with open(log_path,"a") as lf:
        proc = subprocess.Popen(
            [sys.executable,"-m","hermes_cli.main","gateway"],
            env=env, cwd=str(HERMES_SRC), stdout=lf, stderr=lf)
    time.sleep(3)
    return f"✅ Gateway 已重启 (PID: {proc.pid})"

def manual_push():
    r2 = subprocess.run([sys.executable,"/dataset_manager.py","push"],
                       capture_output=True,text=True,timeout=60)
    return r2.stdout + r2.stderr

def manual_pull():
    r2 = subprocess.run([sys.executable,"/dataset_manager.py","pull"],
                       capture_output=True,text=True,timeout=60)
    return r2.stdout + r2.stderr

# ── 构建 UI ───────────────────────────────────────────────────────────────────
all_models = get_models()
model_labels = [m[2] for m in all_models] or ["(未配置模型)"]

def chat_fn(msg, history, model_choice, sp):
    if not msg.strip():
        yield history, ""
        return
    idx = next((m[0] for m in all_models if m[2]==model_choice), 1)
    mname = next((m[1] for m in all_models if m[2]==model_choice), model_choice)
    if sp.strip():
        soul_path.parent.mkdir(parents=True,exist_ok=True)
        soul_path.write_text(sp,"utf-8")
    yield history + [{"role":"user","content":msg},{"role":"assistant","content":"🔄 思考中..."}], ""
    reply = run_hermes(msg, history, idx, mname)
    yield history + [{"role":"user","content":msg},{"role":"assistant","content":reply}], ""

with gr.Blocks(title="Hermes Agent", theme=gr.themes.Soft()) as demo:
    gr.Markdown("# ☤ Hermes Agent\n> [Nous Research](https://nousresearch.com) · HuggingFace Space")

    with gr.Tabs():
        # ── 聊天 ─────────────────────────────────────────────────────────────
        with gr.Tab("💬 聊天"):
            with gr.Row():
                with gr.Column(scale=3):
                    chatbot = gr.Chatbot(height=500, show_copy_button=True, type="messages")
                    with gr.Row():
                        inp = gr.Textbox(placeholder="输入消息…",show_label=False,lines=2,scale=5)
                        gr.Button("发送",variant="primary",scale=1).click(
                            chat_fn,[inp,chatbot,
                                     gr.Dropdown(choices=model_labels,value=model_labels[0],label="模型",interactive=True),
                                     gr.Textbox(value=lambda:r(soul_path,"你是一个有用的助手"),label="系统提示词",lines=6)],
                            [chatbot,inp])
                    gr.Button("🗑️ 清空",size="sm").click(lambda:[],outputs=[chatbot])
                with gr.Column(scale=1):
                    model_dd = gr.Dropdown(choices=model_labels,value=model_labels[0],label="选择模型")
                    soul_box = gr.Textbox(value=lambda:r(soul_path),label="系统提示词(SOUL.md)",lines=10,interactive=True)
                    save_soul = gr.Button("💾 保存 SOUL.md",size="sm")
                    soul_st   = gr.Textbox(interactive=False,lines=1,label="")
            save_soul.click(lambda c: w(soul_path,c,"SOUL.md"), [soul_box],[soul_st])
            inp.submit(chat_fn,[inp,chatbot,model_dd,soul_box],[chatbot,inp])

        # ── WeCom ────────────────────────────────────────────────────────────
        with gr.Tab("📱 WeCom 企业微信"):
            gr.Markdown("""
            ### WeCom AI Bot（WebSocket 模式，无需公网端点）

            **配置步骤：**
            1. [企业微信管理后台](https://work.weixin.qq.com/wework_admin/frame) → 应用管理 → 创建应用 → **AI Bot**
            2. 复制 Bot ID 和 Secret
            3. 在 HF Space Settings → **Secrets** 中添加：
               - `WECOM_BOT_ID` = Bot ID
               - `WECOM_SECRET` = Secret
            4. （可选）在 HF Space Settings → **Variables** 中添加用户白名单：
               - `WECOM_ALLOWED_USERS` = 允许使用的企业微信用户名，逗号分隔，如 `张三,李四`
               - 不填则默认**所有用户**均可使用（`GATEWAY_ALLOW_ALL_USERS=true`）
               - 若设为 `GATEWAY_ALLOW_ALL_USERS=false` 且不填白名单，则所有用户需手动配对
            5. 点击下方"重启 Gateway"
            """)
            with gr.Row():
                gw_box = gr.Textbox(label="Gateway 状态",interactive=False,lines=2)
                with gr.Column():
                    gr.Button("🔍 检查状态").click(gw_status,outputs=[gw_box])
                    gr.Button("🔄 重启 Gateway",variant="primary").click(restart_gw,outputs=[gw_box])

        # ── 记忆 ─────────────────────────────────────────────────────────────
        with gr.Tab("🧠 记忆管理"):
            gr.Markdown("直接编辑 MEMORY.md，保存后文件监视器自动同步到 Dataset（无需手动 Push）。")
            mem_box = gr.Textbox(value=lambda:r(memory_path),label="MEMORY.md",lines=20,interactive=True)
            with gr.Row():
                gr.Button("💾 保存",variant="primary").click(
                    lambda c: w(memory_path,c,"MEMORY.md"),[mem_box],[gr.Textbox(label="",lines=1)])
                gr.Button("🔄 刷新").click(lambda:r(memory_path),outputs=[mem_box])

        # ── 配置 ─────────────────────────────────────────────────────────────
        with gr.Tab("⚙️ 配置文件"):
            gr.Markdown("""
            直接编辑 `config.yaml`，保存后文件监视器**实时同步**到 HF Dataset。
            **WeCom Gateway** 重启后读取新配置；**Web UI 聊天** 刷新页面即生效。
            """)
            cfg_box = gr.Code(value=lambda:r(cfg_path),language="yaml",label="config.yaml",lines=30,interactive=True)
            with gr.Row():
                gr.Button("💾 保存 config.yaml",variant="primary").click(
                    lambda c: w(cfg_path,c,"config.yaml"),[cfg_box],[gr.Textbox(label="",lines=1)])
                gr.Button("🔄 刷新").click(lambda:r(cfg_path),outputs=[cfg_box])

        # ── Dataset ───────────────────────────────────────────────────────────
        with gr.Tab("☁️ Dataset 同步"):
            gr.Markdown("""
            **自动同步策略：**
            - `config.yaml` / `SOUL.md` / `skills` / `memories` / `sessions` / `cron` — 文件变化时**立即**推送到 Dataset
            - `logs` — 每 **10 分钟**批量推送一次

            手动操作仅在需要时使用（如强制覆盖或拉取他人修改）。
            """)
            with gr.Row():
                gr.Button("📥 手动 Pull（从 Dataset 覆盖本地）").click(manual_pull,outputs=[gr.Textbox(label="输出",lines=10)])
                gr.Button("📤 手动 Push（立即推送全部）",variant="primary").click(manual_push,outputs=[gr.Textbox(label="输出",lines=10)])

        # ── 日志 ─────────────────────────────────────────────────────────────
        with gr.Tab("📋 日志"):
            log_box = gr.Textbox(value=lambda: "\n".join(
                (log_path.read_text("utf-8",errors="replace").splitlines()[-80:]
                 if log_path.exists() else ["(暂无日志)"])),
                label="gateway.log（最后80行）",lines=25,interactive=False)
            gr.Button("🔄 刷新日志").click(
                lambda: "\n".join(
                    log_path.read_text("utf-8",errors="replace").splitlines()[-80:]
                    if log_path.exists() else ["(暂无日志)"]),
                outputs=[log_box])

    gr.Markdown("---\n**GitHub**: [NousResearch/hermes-agent](https://github.com/NousResearch/hermes-agent) · MIT License")

if __name__ == "__main__":
    demo.queue().launch(server_name="0.0.0.0", server_port=7860, show_error=True)
WEBUI_EOF

# ── Space README（HF Space card，必须有）────────────────────────────────────
RUN cat > /README_SPACE.md << 'README_EOF'
---
title: Hermes Agent
emoji: ☤
colorFrom: purple
colorTo: blue
sdk: docker
pinned: false
license: mit
---

# ☤ Hermes Agent

> 自成长 AI Agent · [Nous Research](https://nousresearch.com) · [GitHub](https://github.com/NousResearch/hermes-agent)

**只需上传这一个 Dockerfile 即可完成部署。**

功能：
- 🌐 Gradio Web UI 聊天界面
- 📱 WeCom 企业微信 AI Bot（WebSocket，无需公网）
- ☁️ HF Dataset 实时配置持久化
- 🔑 支持任意 OpenAI 兼容的第三方大模型
README_EOF

# ── 创建工作目录 ──────────────────────────────────────────────────────────────
RUN mkdir -p /data/workspace /data/hermes/logs /data/hf_dataset

EXPOSE 7860

CMD ["/entrypoint.sh"]