skills-win/langgraph-vivado-install/SKILL.md

name, description

name	description
langgraph-vivado-install	在 Windows 原生环境下自动化配置基于 Conda 的 LangGraph 开发环境，并强制完成 Vivado 链路的闭环验证。当用户提到"配置langgraph"、"安装langgraph"、"LangGraph环境"、"langgraph vivado"、"配置开发环境 langgraph"、"LangGraph+Vivado"、"搭建langgraph"时，必须触发此技能。即使用户未明确说"用这个技能"，只要涉及在 Windows 上安装或配置 LangGraph（含与 Vivado 集成），都应触发。

LangGraph + Vivado 环境配置技能

本技能在 Windows 原生环境（Git Bash / 命令提示符）中自动完成以下工作：

1. 检测并安装 Conda
2. 确认 conda 路径已永久写入 Windows 用户级 PATH
3. 创建 langgraph 虚拟环境并安装所需包
4. 迭代检测 Vivado 链路直至成功
5. 写出配置文件与冒烟测试脚本并运行验证

---

整体流程

Step 1:  Conda 检测与安装
Step 1b: 确认 conda 路径已写入 Windows PATH（新安装或已有均执行）
Step 2:  创建 langgraph 环境，安装依赖
Step 2c: 检测并安装 Codex CLI，验证 Auth
Step 3:  Vivado 链路迭代检测（循环直到成功）
Step 4:  写出 env_config.json，提示持久化
Step 5:  生成并运行 smoke_test.py

---

Step 1 — Conda 检测与安装

运行：

conda --version

• 若成功：记录版本，进入 Step 1b。
• 若失败：执行安装命令：

  winget install -e --id Anaconda.Miniconda3
  

  安装完成后，提示用户：

  "Miniconda 安装完成。请重启 Shell 或运行 conda init bash 使 conda 命令生效，然后重新触发本技能。"
  在用户确认 conda 可用之前，不继续执行后续步骤。用户确认后，进入 Step 1b。

---

Step 1b — 确认 conda 路径已写入 Windows PATH

无论 conda 是刚安装的还是之前已存在，都必须执行此步骤，确保 conda 的路径被永久写入 Windows 用户级 PATH，方便在任何新 Shell 中直接使用。

1. 定位 conda 所在目录

在 PowerShell 中运行：

$condaPath = (Get-Command conda -ErrorAction SilentlyContinue).Source
$condaBin  = if ($condaPath) { Split-Path $condaPath -Parent } else { $null }
Write-Host "conda 所在目录: $condaBin"

若 $condaBin 为空（conda 命令本身来自 conda init 脚本而非独立可执行文件），则改用：

# 方法 B：通过 conda info 获取 base 目录，再拼接 condabin
$baseDir = (conda info --base 2>$null).Trim()
$condaBin = Join-Path $baseDir "condabin"
Write-Host "conda condabin 目录: $condaBin"

2. 检查路径是否已在 PATH 中

$userPath = [System.Environment]::GetEnvironmentVariable("PATH", "User")
$sysPath  = [System.Environment]::GetEnvironmentVariable("PATH", "Machine")

$inUserPath = ($userPath -split ";") -contains $condaBin
$inSysPath  = ($sysPath  -split ";") -contains $condaBin

if ($inUserPath -or $inSysPath) {
    Write-Host "[OK] conda 路径已在 PATH 中，无需修改。"
} else {
    Write-Host "[INFO] conda 路径不在 PATH 中，准备写入用户级 PATH..."
}

3. 若不在 PATH 中则写入

if (-not ($inUserPath -or $inSysPath)) {
    $newUserPath = $condaBin + ";" + $userPath
    [System.Environment]::SetEnvironmentVariable("PATH", $newUserPath, "User")
    Write-Host "[OK] 已将以下路径写入用户级 PATH: $condaBin"
    Write-Host "     新开终端后即可直接使用 conda 命令。"
}

为什么写用户级 PATH 而非系统级？ 用户级 PATH 不需要管理员权限，且只影响当前用户，更安全。若该机器是多用户共享环境，可改为 "Machine" 并以管理员身份运行。

完成后进入 Step 2。

---

Step 2 — 创建 langgraph Conda 环境

2a. 检查环境是否已存在

conda env list | grep "^langgraph"

• 若已存在：跳过创建，直接进入 2b。
• 若不存在：

  conda create -n langgraph python=3.11 -y
  

2b. 安装所需 Python 包

一条命令安装全部依赖（包含 /langgraph-plan-review skill 所需包）：

conda run -n langgraph pip install \
  langgraph \
  langchain-anthropic \
  pandas \
  "langgraph-cli[inmem]" \
  langgraph-sdk \
  httpx \
  langgraph-checkpoint-sqlite

为什么这些包？

包	用途
langgraph	核心图执行引擎
langchain-anthropic	Anthropic LLM 集成
pandas	数据处理
langgraph-cli[inmem]	提供 langgraph dev 服务器命令（/langgraph-plan-review 必需）
langgraph-sdk	run_workflow.py 通过 SDK 向 dev server 提交 run（/langgraph-plan-review 必需）
httpx	run_workflow.py 健康检查（/langgraph-plan-review 必需）
langgraph-checkpoint-sqlite	dev server 状态持久化（/langgraph-plan-review 必需）

验证安装：

conda run -n langgraph python -c "import langgraph; print('LangGraph OK:', langgraph.__version__)"
conda run -n langgraph python -c "from langgraph_sdk import get_sync_client; print('langgraph-sdk OK')"
conda run -n langgraph python -c "import httpx; print('httpx OK')"
conda run -n langgraph langgraph --version

若任一导入失败，报告错误并停止，请用户检查网络或 pip 源配置。

---

Step 2c — 检测并安装 Codex CLI，验证 Auth

Codex CLI 是 OpenAI 发布的命令行代码审查工具，以 npm 全局包形式安装在 langgraph conda 环境中，供 LangGraph 工作流的 Codex review 节点调用。

2c-1. 检测 Codex CLI 是否已安装

在 PowerShell 中运行：

$condaEnvPath = (& "$env:USERPROFILE\miniconda3\Scripts\conda.exe" run -n langgraph python -c "import sys; print(sys.prefix)").Trim()
$codexCmd = Join-Path $condaEnvPath "codex.cmd"
if (Test-Path $codexCmd) {
    Write-Host "[OK] Codex CLI 已安装: $codexCmd"
    $codexInstalled = $true
} else {
    Write-Host "[INFO] 未检测到 Codex CLI，准备安装..."
    $codexInstalled = $false
}

2c-2. 若未安装，通过 npm 安装

首先确认 npm 可用（Node.js 需已安装在 conda 环境或系统 PATH 中）：

& "$env:USERPROFILE\miniconda3\Scripts\conda.exe" run -n langgraph npm --version

• 若 npm 可用：执行安装：

  & "$env:USERPROFILE\miniconda3\Scripts\conda.exe" run -n langgraph npm install -g @openai/codex
  

  安装完成后，再次执行 2c-1 检查 codex.cmd 是否出现。若仍不存在，报告错误并停止，请用户手动检查 npm 全局安装路径。

• 若 npm 不可用：停止并提示：

  "langgraph conda 环境中未找到 npm。请先安装 Node.js（建议通过 winget install OpenJS.NodeJS.LTS），重启 Shell 后重新触发本技能。" 在用户确认 npm 可用之前，不继续后续步骤。

2c-3. 验证 Codex CLI 可执行

$env:CODEX_HOME = "$env:USERPROFILE\.codex"
cmd /c "$codexCmd" --version

• 若命令输出版本号（如 0.133.0）：记录版本，继续。
• 若命令失败：报告错误（输出内容），停止执行，请用户检查 Node.js 版本兼容性。

为什么用 cmd /c？ .cmd 文件在 Windows 上不能直接被 PowerShell 或 Python subprocess 执行，必须通过 cmd /c 转发。

2c-4. 验证 Codex Auth

Codex CLI 的认证 token 存储在 $CODEX_HOME\auth.json（默认 %USERPROFILE%\.codex\auth.json）。

$codexHome = if ($env:CODEX_HOME) { $env:CODEX_HOME } else { "$env:USERPROFILE\.codex" }
$authFile  = Join-Path $codexHome "auth.json"

if (Test-Path $authFile) {
    $authContent = (Get-Content $authFile -Raw -Encoding utf8).Trim()
    if ($authContent.Length -gt 20) {
        Write-Host "[OK] Codex auth.json 存在且内容有效。"
        $authOk = $true
    } else {
        Write-Host "[WARN] auth.json 内容过短，可能已损坏或未完成认证。"
        $authOk = $false
    }
} else {
    Write-Host "[WARN] 未找到 auth.json: $authFile"
    $authOk = $false
}

• 若 $authOk = $true：继续进入 Step 3。

• 若 $authOk = $false：停止并提示：

  "Codex CLI 尚未完成认证，或认证已失效。请在终端运行 codex 并按提示完成 ChatGPT OAuth 登录，登录成功后 auth.json 将自动写入 %USERPROFILE%\.codex\。完成后重新触发本技能或手动继续到 Step 3。"

  在用户确认认证完成之前，不继续后续步骤。

为什么检查 auth.json 而非运行 codex auth status？ Codex CLI 目前没有独立的状态查询子命令；auth.json 存在且非空即表示 OAuth 流程已完成。若需更严格验证，可在 Step 5 冒烟测试中加入一次受控的 codex exec --ephemeral 调用。

---

Step 3 — Vivado 链路迭代检测循环

这是本技能的核心环节。目标是确保在 langgraph 环境中可以调用 Vivado。

Step A：首次尝试检测

conda run -n langgraph vivado -version

Step B：若成功

• 打印版本信息（取输出第一行）。
• 进入 Step 4。

Step C：若失败（命令未找到）— 交互式路径收集

停止自动化，向用户提问：

"未能检测到 Vivado 环境。请输入 Vivado 的 bin 文件夹完整路径（例如：C:\Xilinx\Vivado\2023.2\bin）："

收到用户输入后执行：

1. 验证路径有效性 — 检查该目录下 vivado.bat 是否存在：

   # 将用户输入的 Windows 路径转换为 bash 路径后检查
   # 例：C:\Xilinx\Vivado\2023.2\bin → /c/Xilinx/Vivado/2023.2/bin
   ls "<converted_path>/vivado.bat"
   

   • 若不存在：提示 "路径无效或找不到 vivado.bat，请重新输入。" 并重复 Step C。
   • 若存在：继续。

2. 将路径临时加入当前会话 PATH（Windows 反斜杠转为正斜杠）：

   export PATH="<converted_path>:$PATH"
   

3. 记录该路径供后续 Step 4/5 使用（内部变量 VIVADO_BIN_PATH）。

4. 重试检测：

   vivado -version
   

   • 若成功：打印版本，进入 Step 4。
   • 若再次失败：回到 Step C 顶部，重新向用户询问路径。

循环逻辑：重复 Step C 直到 vivado -version 执行成功为止。不要跳过，不要假设路径正确。

---

Step 4 — 持久化配置

vivado -version 成功后：

4a. 提示用户持久化

向用户说明：

"为了在每次新开 Shell 时自动识别 Vivado，建议将该路径永久添加到 Windows 系统环境变量 PATH 中。操作方法：系统属性 → 高级 → 环境变量 → 编辑 PATH → 新建，粘贴路径。"

4b. 写出 env_config.json

在当前工作目录创建：

{
  "VIVADO_BIN_PATH": "<Step 3 确认的 Windows 格式路径>",
  "conda_env": "langgraph",
  "python_version": "3.11",
  "packages": [
    "langgraph",
    "langchain-anthropic",
    "pandas",
    "langgraph-cli[inmem]",
    "langgraph-sdk",
    "httpx",
    "langgraph-checkpoint-sqlite"
  ]
}

---

Step 5 — 生成冒烟测试脚本并运行

在当前工作目录创建 smoke_test.py，内容如下：

import subprocess
import sys
import json
import os


def test_langgraph():
    try:
        import langgraph
        import importlib.metadata
        version = importlib.metadata.version("langgraph")
        print(f"[OK] LangGraph import OK, version: {version}")
        return True
    except ImportError as e:
        print(f"[FAIL] LangGraph import failed: {e}")
        return False


def test_langgraph_plan_review_deps():
    """Verify packages required by the /langgraph-plan-review skill."""
    ok = True
    checks = [
        ("langgraph_sdk", "from langgraph_sdk import get_sync_client"),
        ("httpx",         "import httpx"),
        ("langgraph_checkpoint_sqlite", "from langgraph.checkpoint.sqlite import SqliteSaver"),
    ]
    for name, stmt in checks:
        try:
            exec(stmt)
            import importlib.metadata
            try:
                ver = importlib.metadata.version(name.replace("_", "-"))
                print(f"[OK] {name} OK (version: {ver})")
            except importlib.metadata.PackageNotFoundError:
                print(f"[OK] {name} importable")
        except Exception as e:
            print(f"[FAIL] {name}: {e}")
            ok = False

    # Check langgraph dev CLI
    try:
        result = subprocess.run(
            [sys.executable, "-m", "langgraph", "--version"],
            capture_output=True, text=True, timeout=10
        )
        if result.returncode == 0:
            print(f"[OK] langgraph-cli OK: {result.stdout.strip() or result.stderr.strip()}")
        else:
            # Try via entry point script
            import shutil
            lg = shutil.which("langgraph")
            if lg:
                r2 = subprocess.run([lg, "--version"], capture_output=True, text=True, timeout=10)
                if r2.returncode == 0:
                    print(f"[OK] langgraph dev CLI OK: {r2.stdout.strip()}")
                else:
                    print(f"[WARN] langgraph CLI found but --version failed: {r2.stderr.strip()}")
            else:
                print("[FAIL] langgraph CLI not found on PATH — install: pip install 'langgraph-cli[inmem]'")
                ok = False
    except Exception as e:
        print(f"[FAIL] langgraph CLI check error: {e}")
        ok = False

    return ok


def test_vivado():
    config_path = os.path.join(os.path.dirname(os.path.abspath(__file__)), "env_config.json")
    env = os.environ.copy()
    vivado_bin = ""

    if os.path.exists(config_path):
        with open(config_path, encoding="utf-8") as f:
            config = json.load(f)
        vivado_bin = config.get("VIVADO_BIN_PATH", "").strip()
        if vivado_bin:
            env["PATH"] = vivado_bin + os.pathsep + env["PATH"]

    # On Windows use the full path to vivado.bat to avoid shell PATH issues
    if vivado_bin and (os.name == "nt" or sys.platform == "win32"):
        cmd = [os.path.join(vivado_bin, "vivado.bat"), "-version"]
    else:
        cmd = ["vivado", "-version"]

    try:
        result = subprocess.run(cmd, capture_output=True, text=True, timeout=30, env=env)
        if result.returncode == 0:
            first_line = (result.stdout.strip().splitlines() or ["(no output)"])[0]
            print(f"[OK] Vivado detected: {first_line}")
            return True
        else:
            print(f"[FAIL] vivado -version non-zero exit: {result.stderr.strip()}")
            return False
    except FileNotFoundError:
        print(f"[FAIL] vivado not found. CMD tried: {cmd}")
        return False
    except subprocess.TimeoutExpired:
        print("[FAIL] vivado -version timed out (30s)")
        return False


if __name__ == "__main__":
    print("=" * 50)
    print("LangGraph + Vivado smoke test")
    print("=" * 50)
    ok_lg = test_langgraph()
    print("-" * 50)
    print("langgraph-plan-review deps:")
    ok_pr = test_langgraph_plan_review_deps()
    print("-" * 50)
    ok_vv = test_vivado()
    print("=" * 50)
    if ok_lg and ok_pr and ok_vv:
        print("[PASS] All checks passed. LangGraph + Vivado + plan-review pipeline OK!")
        sys.exit(0)
    else:
        print("[FAIL] Some checks failed. See above.")
        sys.exit(1)

运行冒烟测试

conda run -n langgraph python smoke_test.py

• 全部通过：向用户报告"环境配置完成，LangGraph + Vivado 链路闭环成功。"
• 有失败项：读取具体错误，向用户说明原因（路径问题、包未安装等），并提供修复建议。

---

注意事项

• Windows 路径转换规则：C:\Xilinx\Vivado\2023.2\bin → /c/Xilinx/Vivado/2023.2/bin（首字母小写，冒号去掉，反斜杠换正斜杠）。
• conda run -n langgraph vivado -version 需要 PATH 在 conda 激活前已包含 Vivado bin 目录，若不行则用 export PATH=... && conda run ... 形式或直接用绝对路径调用。
• 本技能产生的文件：env_config.json、smoke_test.py（均在调用时的当前目录）。