covonaut v1.1.4 veröffentlicht: Rollendes paralleles Pool-Speedup, vollständige multimodale Lesefunktion aktiviert, gelöschte Dateien können auch im Papierkorb wiederhergestellt werden

Covonaut, ein Go-Agent-Framework in Produktionsreife, entwickelt sich zu einem zuverlässigen Entwicklungspartner. Das neueste Release v1.1.4 führt einen rollierenden Ausführungspool, die Verarbeitung multimodaler Inhalte und robuste Sicherheitsverbesserungen ein. Es ist vollständig in Go unter der MIT-Lizenz implementiert und deckt Agent-Schleifen, Werkzeugaufrufe, Graph-Orchestrierung sowie die Unterstützung mehrerer Protokolle ab. Entwickler können auf v1.1.4 aktualisieren, ohne den bestehenden Schnittstellencode zu ändern, wodurch sofortiger Zugriff auf die neuen Funktionen ermöglicht wird.

Die Effizienz der Aufgabenplanung treibt dieses Update voran. Früher wirkte die parallele Ausführung wie eine unkoordinierte Belegschaft, die alle Aufrufe gleichzeitig startete und basierend auf den Parallelitätslimits wartete. Ein langsames Werkzeug konnte einen Slot unbegrenzt belegen und nachfolgende Aufgaben blockieren. v1.1.4 implementiert einen einzelnen rollierenden Pool-Planer: Aufrufe starten strikt in der vom Modell bereitgestellten Reihenfolge, und leere Slots werden sofort aufgefüllt. Langsame Aufrufe verzögern keine parallelen Aufgaben mehr; bei nicht parallelisierbaren Operationen räumt das System laufende Aufgaben vor der seriellen Ausführung auf und erstellt eine serielle Barriere. Das Modell beobachtet eine Ausführungsreihenfolge, die identisch mit der seriellen Sequenz ist. Jeder Aufruf fängt Panics unabhängig ab, wodurch ein einzelnes Werkzeugversagen andere Batch-Aufrufe nicht abstürzen lässt. Die Strenge der Planung hängt von der Deklaration der Parallelitätssicherheit des Werkzeugs und dem Modus ab: Der Parallelmodus isoliert nur explizit als nicht parallelitätssicher deklarierte Werkzeuge, während der neue Hybridmodus alle Aufgaben ohne explizite Parallelitätserklärung seriell ausführt. Entwickler können den Modus basierend auf der Zuverlässigkeit ihrer Werkzeugumgebung auswählen. Darüber hinaus ermöglicht ein multimodaler Inhaltskanal die Übertragung reichhaltiger Ausgaben, wie Screenshots, zusammen mit Text an Modelle, die Mehrfachantworten unterstützen, mit automatischem Fallback auf Klartext für nicht unterstützte Dienste.

Das Lesewerkzeug bietet nun vielseitige Verarbeitungsfunktionen. Es leitet Inhalte basierend auf Dateierweiterungen und Eigenschaften automatisch auf fünf verschiedene Pfade weiter – Text, Bilder, PDFs, Jupyter-Notebooks und Videos. Sowohl lokale Pfade als auch Netzwerklinks werden unterstützt. Text und Notebooks unterstützen die Paginierung nach Zeilen oder Zellen, wobei Notebooks in lesbaren Text umgewandelt werden. Bilder ermöglichen bis zu acht Ziele zum Vergleich, einschließlich optionaler Fragen für fokussierte Beschreibungen. PDFs unterstützen drei Methoden: Seitenbereich, maximale Seitenanzahl und Metadatenerfassung. Videos ermöglichen die Angabe extrahierter Frames und Zeitfenster. Die Logik zur Verarbeitung reichhaltiger Medien wird über Plugin-Callbacks bereitgestellt, die klare Hinweise anstelle stummer Fehler liefern, wenn sie nicht integriert sind. Abgeschnittener Text enthält einen Fortsetzungshinweis, der es dem Modell ermöglicht, das Lesen ohne Inhaltsverlust fortzusetzen. Echte Binärdateien werden als Ergebnis der Formaterkennung zurückgegeben, anstatt erzwungen in den Kontext aufgenommen zu werden.

Die Betriebssicherheit wurde erheblich verbessert. Löschvorgänge nutzen nun einen Systemschrottkorb. Das Löschwerkzeug und der Löschbefehl der Shell verschieben Dateien in den systemspezifischen Schrottkorb, anstatt sie endgültig zu zerstören: macOS verwendet den Systemschrottkorb und fällt im Fehlerfall auf den Benutzerschrottkorb zurück; Linux priorisiert die freedesktop-Schrottkorbschnittstelle und fällt auf ein manuelles Schrottverzeichnis zurück; Windows verschiebt Dateien in den Systemschrottkorb. Duplizierte Namen erhalten automatisch einen Zeitstempelsuffix, um Überschreiben zu verhindern. Eingebaute Sicherheitsbarrieren lehnen das Löschen des Root-Verzeichnisses, des aktuellen Arbeitsverzeichnisses und des Heimatverzeichnisses des Benutzers strikt ab, um sicherzustellen, dass keine endgültige Löschung erfolgt. Auf der Kommandozeile interceptiert die Parsing-Logik des Shell-Syntaxbaums nur oberflächliche, einzelne, Pfad-literalen Löschbefehle. Zusammengesetzte Befehle, Pfade mit variabler Verkettung und Anweisungen mit Umleitung werden an die echte Shell weitergeleitet. Unwiderrufliche Befehle, wie das Leeren oder Zerstören, werden blockiert, und Benutzer werden aufgefordert, stattdessen wiederherstellbare Methoden zu verwenden.

Isolierung und Verbesserungen sind umfassend. Shell-Unterprozesse und Chat-Schnittstellen sind vollständig getrennt, wodurch die Vererbung von Steuerterminals, Mausfokus oder Jobkontrolle vermieden wird. Das Ausführen interaktiver Programme wie vim oder less in der Schnittstelle stört die Darstellung nicht mehr. Das Framework validiert nun strukturierte Ausgaben gegen JSON Schema, was für Modell-JSON-Muster-Rückgaben und Werkzeugausgaben wiederverwendbar ist. Das passwortlose Backend für die Netzwerksuche passt sich automatisch basierend auf der Betriebsregion an, priorisiert Bing in chinesischen Umgebungen und DuckDuckGo anderweitig, wobei Regionen aus Umgebungsvariablen, der System Sprache oder Zeitzonen abgeleitet werden. Darüber hinaus behält eine neue, explizit aktivierbare Familie persistenter Terminalwerkzeuge das Arbeitsverzeichnis, exportierte Variablen und Hintergrundjobs über mehrere Aufrufe hinweg unter Verwendung eines Pseudo-Terminals bei, was sich davon unterscheidet, jedes Mal einen neuen Prozess zu erstellen. Standardmäßig begrenzt es die Anzahl gleichzeitiger Sitzungen und pfürt einen scrollenden Ausgabepuffer für jede Sitzung.

Das Upgrade erfordert lediglich das Aktualisieren der Modulversion auf v1.1.4. Es gibt keine brechenden Schnittstellenänderungen. Die einzige Überlegung ist, dass sich die Planungssemantik des Parallelmodus von voller Parallelität zu einem rollierenden Pool mit einer entspannten Zulassungsrichtlinie verschoben hat. Um eine konservative Planung beizubehalten, wechseln Sie zum neu hinzugefügten Hybridmodus und stellen Sie sicher, dass Werkzeuge ihre Parallelitätssicherheitsdeklarationen abgeschlossen haben.