一个体感接近 Codex / Claude Code 的交互式 REPL，用来跑学术界主流的 terminal-agent 模型，专门为 手动试用 + 录制 demo 设计（不追求那两个产品的极致体验，覆盖常用协议就够）。
支持 4 套 on-the-wire 协议：
--protocol |
来源 | 模型一次性输出 |
|---|---|---|
camel-terminal-toolkit（默认） |
camel-ai ChatAgent + TerminalToolkit —— HansBug/OpenClaw-RL ckpt 的实际训练分布 |
OpenAI tool_calls，调 camel 的 4 个函数（shell_exec(id, command, block, timeout) / shell_view(id) / shell_write_to_process(id, command) / shell_write_content_to_file(content, file_path)）；system prompt 是训练时 get_developer_agent_prompt(...) 的整段拷贝，结尾追加 /no_think |
openai-tools |
手写的简化版（一个 shell(command) + 一个 write_file(path, content)） |
结构化 OpenAI tool_calls，临时 demo 方便但 跟训练分布对不上 |
terminus-json |
terminal_bench/agents/prompt-templates/terminus-json-plain.txt —— tb run --agent terminus-2 评测时用 |
一个 JSON 对象/轮：{analysis, plan, commands[].keystrokes, task_complete} |
terminus-xml |
terminal_bench/agents/prompt-templates/terminus-xml-plain.txt —— 同上的 XML 变体 |
<response><analysis/><plan/><commands><keystrokes>…</keystrokes></commands><task_complete>…</task_complete></response> |
为什么写这个工具：camel-ai 和 terminal-bench 都没有官方交互式 REPL——camel 是 Python API + Gradio Web UI，terminal-bench 是 tb run 一次性 CLI。我们想要一个 Codex 风格的 chat 界面去手动试用 + 录 demo HansBug/OpenClaw-RL 训出来的 qwen3-8b-rl-iter215，所以自己写了 oc-repl。任何能说上面 4 套协议之一的模型都能用。
对 HansBug/OpenClaw-RL 训出来的所有 ckpt（qwen3-8b-rl-*），答案永远是 camel-terminal-toolkit——这才是 RL rollout 实际用到的 on-the-wire surface。证据：
- run
msp60ius（生成iter215的那次）的启动命令里没有--terminal-agent-type，所以generate.py:142的getattr(args, "terminal_agent_type", "camel_agent")落到"camel_agent"。 rollout_agent.py:97-106只接受这一个 value，传别的直接raise ValueError——仓库根本没有 terminus 路径。agent/camel_agent.py继承camel.agents.ChatAgent；remote/terminal_env.py:163-185把camel.toolkits.TerminalToolkit的 4 个函数封装成tool_schemas喂给 rollout。- sglang 端用
tool_call_parser: qwen25（见configs/rollout_qwen3.yaml）把模型的<tool_call>{…}</tool_call>markup 还原成结构化tool_calls。 - 训练 rollout log 里：
<tool_call>出现 628 次，terminus-2 的 JSON key"task_complete"出现 0 次。
Terminus-2 只在评测时用（tb run --agent terminus-2），完全不进 RL rollout。所以 --protocol terminus-json 是「这个模型能被诱导着说的另一种协议」，不是「它训练时用的协议」。
- 一行启动：
oc-repl --sandbox docker:openclaw-fixperm，进 REPL。 - 4 套协议 + 单一 UI：
--protocol {camel-terminal-toolkit, openai-tools, terminus-json, terminus-xml}，渲染、sandbox、engine 完全共享。 - Thinking 默认折叠为
thinking… 3.2s · 184 charsspinner。--show-thinking或/think切换。 - Tool call 用面板渲染：跟 Codex 类似——标题栏命令、缩进 stdout、绿底
exit 0/ 红底exit N。Stdout/stderr 自动收紧到 ≤10 行 × ≤180 字符 +… (N more lines clipped)提示，避免 noisy 命令刷屏。 oc-repl exec "<task>"非交互模式，对标codex exec。--json输出机器可读结果。- 可选 post-agent 评分钩子：
--verify "<bash cmd>"或--verify-file path/to/check.sh——agent 自报 done 之后跑评分脚本，用绿/红面板展示 ✓/✗ 结果。专门为「agent 自报 task_complete ≠ 任务真的做对了」这种情况设计的。 - 极简依赖：
rich+ 标准库。chat completions 走原始 SSE，不用openaiSDK，不依赖 async runtime。
git clone https://github.com/HansBug/oc-repl
cd oc-repl
pip install -e .Python ≥ 3.9，并且要么有 docker daemon 可访问（推荐 sandbox 模式），要么接受 --sandbox local 在 host shell 跑命令（危险，仅供开发）。
假设已经按 HansBug/OpenClaw-RL issue #13 起好了 sglang，以及对应 task 的长寿容器：
# 1. （一次性）拉起 sandbox 容器——跟 terminal-bench 用的镜像一致
docker run -d --name openclaw-fixperm -w /app tb__fix-permissions__client sleep infinity
# 2. 交互式 REPL
oc-repl \
--api-base http://127.0.0.1:30000/v1 \
--model qwen3-8b-rl-iter215 \
--sandbox docker:openclaw-fixperm
# 默认 --protocol camel-terminal-toolkit 已经对齐训练分布，不需要显式指定
# 3. 或一次性 exec
oc-repl exec \
--sandbox docker:openclaw-fixperm \
"Fix /app/process_data.sh so it can run, then run it once."交互画面大概长这样：
╭─ oc-repl ──────────────────────────────────────────────────────╮
│ model qwen3-8b-rl-iter215 │
│ endpoint http://127.0.0.1:30000/v1 │
│ sandbox docker:openclaw-fixperm │
│ protocol camel-terminal-toolkit │
│ thinking hidden (use /think to toggle) │
│ │
│ Type a task. /help for commands. Ctrl+D to exit. │
╰────────────────────────────────────────────────────────────────╯
› Fix /app/process_data.sh so it can run, then run it.
running task …
╭─ ▸ shell ────────────────────╮
│ chmod +x /app/process_data.sh │
│ exit 0 │
╰───────────────────────────────╯
╭─ ▸ shell ───────────────────╮
│ /app/process_data.sh │
│ Data processed successfully! │
│ exit 0 │
╰──────────────────────────────╯
✓ rounds=2 commands=2 task_complete=True
| 指令 | 作用 |
|---|---|
/help |
列出指令 |
/think |
切换 <think> 是否显示 |
/reset |
清空对话历史（sandbox 容器状态不变） |
/quit（或 Ctrl-D） |
退出 |
--api-base URL OpenAI-compatible 端点（默认 http://127.0.0.1:30000/v1）
--api-key KEY 默认 sk-dummy（sglang 不校验）
--model NAME 服务名；默认 qwen3-8b-rl-iter215
--protocol P camel-terminal-toolkit（默认 —— 跟 OpenClaw-RL 训练分布对齐）
| openai-tools | terminus-json | terminus-xml | auto
--sandbox SPEC local（默认 —— 危险，跑在 host shell 上）
或 docker:CONTAINER（exec 进一个已经在跑的容器）
--show-thinking 流式打印 <think>，不再折叠为 spinner
--temperature 0.2 默认 0.2
--max-tokens 4096 默认 4096
--cmd-timeout 30 每条命令的 sandbox 超时（秒）
--verify "CMD" agent 跑完后在 sandbox 跑一段 bash 评分。退出 0 → ✓ verified；非零 → ✗ failed
--verify-file PATH 同上，但脚本从本地文件拷进 sandbox 再跑
省略的参数从环境变量取（OPENAI_API_BASE、OPENAI_API_KEY、OC_REPL_MODEL、OC_REPL_PROTOCOL、OC_REPL_SANDBOX）。
oc-repl exec [shared flags] [--json] "<task>"跑一轮，打印 Codex 风格 trace，退出。退出码：
| code | 含义 |
|---|---|
0 |
--verify[-file] 通过；或没有 verify hook 且 agent 自报 task_complete=true |
2 |
没有 verify hook 且 agent 没自报 task_complete |
3 |
verify hook 跑了但失败（agent 自称完成、但客观检查打脸） |
--json 把末尾换成 JSON dump：
{
"instruction": "...",
"rounds": 2,
"commands": 4,
"task_complete": true,
"last_summary": "...",
"verify": {
"passed": true,
"returncode": 0,
"output_tail": "OK: /app/recovered/credentials.txt\nPASS — all checks ok"
}
}recover-obfuscated-files 任务要求把两个文件恢复到 /app/recovered/credentials.txt 和 /app/recovered/project_alpha.log，内容也得对。一个简单的 verify 脚本：
#!/usr/bin/env bash
set -e
errors=0
check() { [ -f "$1" ] && grep -qF "$2" "$1" || { echo "BAD: $1"; errors=$((errors+1)); }; }
check /app/recovered/credentials.txt 'P0$$wOrd123!'
check /app/recovered/project_alpha.log 'Log entry 1: System initialized.'
[ "$errors" -eq 0 ] && { echo PASS; exit 0; } || { echo "FAIL ($errors)"; exit 1; }oc-repl exec --sandbox docker:openclaw-recover \
--verify-file check_recover.sh \
"Decode each *.b64_content in /app/sensitive_data/ — basename and content are both base64. Restore them into /app/recovered/."输出末尾要么：
╭─ ✓ verified ─────────────────────────────╮
│ bash check_recover.sh │
│ OK: /app/recovered/credentials.txt │
│ OK: /app/recovered/project_alpha.log │
│ PASS │
╰────────────────────────────────────────────╯
✓ rounds=2 commands=2 task_complete=True verify=✓
要么（agent 中途偷懒）：
╭─ ✗ verification failed (exit 1) ─────────╮
│ bash check_recover.sh │
│ BAD: /app/recovered/credentials.txt │
│ FAIL (1) │
╰────────────────────────────────────────────╯
✓ rounds=1 commands=2 task_complete=True verify=✗ (exit 1)
第二种情况就是这个钩子存在的全部原因：agent 自报 task_complete=true 是它自己的话，verify 才告诉你世界真的变成了用户想要的样子没有。
对齐 HansBug/OpenClaw-RL 训练时的 on-the-wire 协议：
- 4 个工具的 schema 从
camel-ai==0.2.90的FunctionTool.get_openai_tool_schema()抓出来 hardcode，包括["boolean", "null"]union 类型 +"strict": true等训练时模型见过的 JSON-schema 细节。 - System prompt 是
terminal-rl/agent/camel_agent.py::get_developer_agent_prompt(...)在system='Linux (in Docker)', machine='x86_64', is_workforce=False, non_think_mode=True配置下产出的整段，结尾带/no_think。 /no_think是关键：训练时non_think_mode=True是默认值（rollout_agent.py:62），模型 RL 阶段从没生成过<think>块；如果让 thinking 开着，tool-call adherence 会塌（亲测：recover 任务里模型写 1500+ token prose 然后 0 个 tool_call）。- Sandbox 映射：
shell_exec全保真；shell_write_content_to_file用 here-doc 100% 保真；shell_view/shell_write_to_process因为 oc-repl sandbox 是 statelessdocker exec（不维护 per-id tmux session），降级为 stub 输出。
只暴露两个工具：shell(command)、write_file(path, content)。比 camel-terminal-toolkit 简单，但跟训练分布不一致。临时 demo 想要"轻一点"的协议可以用，正式跟 qwen3-8b-rl-iter215 这个 ckpt 比对 adherence 要用 camel-terminal-toolkit。
tb run --agent terminus-2 用的协议，模型一次性吐 {analysis, plan, commands[], task_complete} JSON（或 XML 变体）。oc-repl 这两个 protocol 解析模型输出，按 commands[].keystrokes 在 sandbox 跑命令。
commands[].keystrokes 是逐字发到 shell 的——但 C-c、C-d 这种 tmux 特殊键序在 oc-repl 的 docker-exec sandbox 里不会真的转发为信号，因为我们没维护活的 tmux session。需要那种保真度就回去用 tb run --agent terminus-2。
qwen3-8b-rl-iter215 没有 RL-trained 在 terminus-* 协议上，所以这两个 protocol 在这个 ckpt 上的 adherence 只是底座模型的 JSON / XML 模仿能力，跟训练分布无关。
local 在 host shell 上跑。默认值——危险。
banner 会用黄色高亮 sandbox 行作为提醒。
docker:NAME exec 进一个**已经在跑**的容器。demo 推荐这种。
容器得 user 自己 `docker run -d`，oc-repl 只 attach 不会 spawn。
docker: 模式自动检测当前 shell 是否在 docker group，不在就自动 wrap 每条命令为 sg docker -c '...'。
为啥要求容器预先起好？
- 让多轮 REPL 累积 sandbox 状态：agent 上一轮
cd了的 dir、起的后台进程、写的临时文件，下一轮都还在。 - 跳过每条命令 1-3 秒的容器启动开销，录像时节奏更顺。
- 让用户自带镜像——
tb__hello-world__client、ubuntu:22.04、项目自己的 dev env 都行，oc-repl 不假设镜像内容。
src/oc_repl/
├── cli.py argparse 入口，对外暴露 `oc-repl` 命令
├── client.py 原始 SSE 实现的流式 OpenAI-compatible chat 客户端（不依赖 SDK）
├── engine.py REPL + exec 模式共享的 turn-execution 循环
├── oneshot.py `oc-repl exec` 实现
├── repl.py 交互模式（banner + `›` 提示 + slash 指令）
├── sandbox.py docker / local 两个 sandbox 后端
├── ui.py 基于 rich 的 banner / thinking-folder / tool-block / 提示符
└── protocols/
├── base.py Protocol + ParsedTurn + Command dataclass
├── camel_terminal_toolkit.py camel-ai 训练分布字节级复刻（默认）
├── openai_tools.py 简化版 1-tool 变体
├── terminus_json.py terminus-2 JSON
└── terminus_xml.py terminus-2 XML
- 没有历史搜索、自动补全、
/指令模糊匹配。这是个手动 probe + 录 demo 用的工具，不是 Codex / Claude Code 替代品。 - 没有真的 tmux 后端 —— terminus 的
keystrokes在 oc-repl 里失去交互 TUI 语义（vim / less 不能玩）。 - 协议里不支持多 tool 之间的高级编排（除了协议本身定义的那些）。
- terminus protocol 的
commands[].keystrokes在 oc-repl 是按 bash 命令执行的，不进 tmux pipe。
MIT，详见 LICENSE。
- HansBug/OpenClaw-RL —— demo 视频源头的 RL 项目。Issue #13 是 demo 录像 + 详细 runbook。
- laude-institute/terminal-bench —— terminus-2 agent + 我们镜像的 prompt template 来源。
- camel-ai/camel ——
ChatAgent/TerminalToolkit——camel-terminal-toolkit协议的参照实现。