fix(modules): 修复 Windows UTF-8 编码链（对照 Codex #7290 类问题）

- persistent_terminal 解码写死 GBK 改为 UTF-8 优先 + GBK 回退逐块自适应，GBK 边界感知 + _pending_bytes 暂存半字，进程结束冲刷

- start.py：Windows 默认 cmd.exe 启动后注入 chcp 65001，与 PYTHONIOENCODING=utf-8 对齐，消除输出/解码自相矛盾

- 5 处 subprocess text=True 补 encoding=utf-8（后台命令x3、MCP stdio、版本管理、病毒扫描、容器管理），照 server/status/git.py 示范

- main.py：补 PYTHONUTF8/PYTHONIOENCODING 兜底 + stdout/stderr reconfigure；修复 print 中被双重编码固化的 emoji

- docx 验证器 XML 改二进制读取，由 lxml 按声明自解码

agentskills/docx/scripts/office/validators/base.py

@@ -760,7 +760,9 @@ class BaseSchemaValidator:
                 )
                 schema = lxml.etree.XMLSchema(xsd_doc)
 
-            with open(xml_file, "r") as f:
+            # 二进制模式交由 lxml 按 XML 声明自解码；文本模式在 Windows 会按
+            # locale（cp936）预解码 UTF-8 字节，含中文的文档会解析出错或乱码
+            with open(xml_file, "rb") as f:
                 xml_doc = lxml.etree.parse(f)
 
             xml_doc, _ = self._remove_template_tags_from_text_nodes(xml_doc)

main.py

@@ -250,7 +250,7 @@ class AgentSystem:
             await self.main_terminal.save_state()
         
         print(f"{OUTPUT_FORMATS['success']} 系统已安全退出")
-        print("\n👋 再见！\n")
+        print("\n👋 再见！\n")
 
 async def main():
     """主函数"""
@@ -269,10 +269,21 @@ if __name__ == "__main__":
                 os.system("chcp 65001 > nul")  # 设置控制台代码页为UTF-8
             except:
                 pass
-        
+            # 后代 Python 进程默认编码兜底：chcp 只改控制台显示，不改 Python
+            # 的 open()/stdout 默认编码（仍是 locale 的 cp936）；这两个变量会
+            # 被 agent 启动的所有子 Python 进程继承，避免脚本按 GBK 读写/输出
+            os.environ.setdefault("PYTHONUTF8", "1")
+            os.environ.setdefault("PYTHONIOENCODING", "utf-8")
+            # 当前进程 stdout/stderr 同样强制 UTF-8，防止 print 中文按 cp936 输出
+            for _stream in (sys.stdout, sys.stderr):
+                try:
+                    _stream.reconfigure(encoding="utf-8", errors="replace")
+                except (AttributeError, ValueError):
+                    pass
+
         asyncio.run(main())
     except KeyboardInterrupt:
-        print("\n\n👋 再见！")
+        print("\n\n👋 再见！")
         sys.exit(0)
     except Exception as e:
         print(f"\n{OUTPUT_FORMATS['error']} 程序异常退出: {e}")

modules/background_command_manager.py

@@ -248,6 +248,7 @@ class BackgroundCommandManager:
                             env=plan.env,
                             start_new_session=True,
                             text=True,
+                            encoding="utf-8",
                             errors="replace",
                             bufsize=1,
                             pass_fds=pass_fds,
@@ -268,6 +269,7 @@ class BackgroundCommandManager:
                         env=env,
                         start_new_session=True,
                         text=True,
+                        encoding="utf-8",
                         errors="replace",
                         bufsize=1,
                     )
@@ -279,6 +281,7 @@ class BackgroundCommandManager:
                     env=env,
                     start_new_session=True,
                     text=True,
+                    encoding="utf-8",
                     errors="replace",
                     bufsize=1,
                 )

modules/mcp_client_manager/stdio_client.py

@@ -247,12 +247,16 @@ class _StdioMCPClient:
             return
         launch_cmd, cwd, env = self._prepare_launch()
         try:
+            # MCP 协议（JSON-RPC over stdio）字节级要求 UTF-8，必须显式指定，
+            # 否则 Windows 上 text=True 默认按 locale（cp936）编解码，中文 payload 会损坏
             self.process = subprocess.Popen(
                 launch_cmd,
                 stdin=subprocess.PIPE,
                 stdout=subprocess.PIPE,
                 stderr=subprocess.PIPE,
                 text=True,
+                encoding="utf-8",
+                errors="replace",
                 bufsize=1,
                 cwd=cwd or None,
                 env=env,

modules/persistent_terminal/base.py

@@ -122,7 +122,8 @@ class PersistentTerminalBase:
         self.output_queue = queue.Queue()
         self.reader_thread = None
         self.is_reading = False
-        self._decoder = None
+        # _read_output 自适应解码（io.py）用于暂存被块边界切断的不完整多字节序列
+        self._pending_bytes = b''
         
         # 状态标志
         self.is_interactive = False  # 是否在等待输入

modules/persistent_terminal/io.py

@@ -63,20 +63,46 @@ except ImportError:
     )
 
 
+def _gbk_complete_prefix_len(data: bytes) -> int:
+    """返回 data 中按 GBK 可完整解析的前缀长度。
+
+    GBK：ASCII 单字节（0x00-0x7F）；双字节 lead 0x81-0xFE + trail 0x40-0xFE（不含 0x7F）。
+    末尾孤立的 lead byte 视为被块边界切断的半字，不计入前缀（留给下一块拼合）。
+    """
+    i = 0
+    n = len(data)
+    while i < n:
+        b = data[i]
+        if b <= 0x7F:
+            i += 1
+        elif 0x81 <= b <= 0xFE:
+            if i + 1 < n and 0x40 <= data[i + 1] <= 0xFE and data[i + 1] != 0x7F:
+                i += 2
+            else:
+                break  # 孤立 lead byte（可能是边界切断的半字）
+        else:
+            i += 1  # 0x80/0xFF 非法字节，按单字节跳过（由 replace 兜底）
+    return i
+
+
 class IoMixin:
     """PersistentTerminal io 能力 mixin。"""
 
     def _read_output(self):
-        """后台线程：持续读取输出（修复版，正确处理编码）"""
-        if self._decoder is None:
-            encoding = 'gbk' if self.is_windows else 'utf-8'
-            self._decoder = codecs.getincrementaldecoder(encoding)(errors='replace')
+        """后台线程：持续读取输出。
+
+        Windows 下不再写死 GBK：cmd 会话启动时已注入 chcp 65001（见 start.py），
+        且 PYTHONIOENCODING=utf-8 使子进程 Python 程序输出 UTF-8；但用户可能
+        手动 chcp 回 936、或运行只输出 GBK 的旧程序。因此逐块自适应解码：
+        先试 UTF-8，失败则整块按 GBK；块边界切断的多字节序列用
+        _pending_bytes 暂存，与下一块拼合后再解（见 _decode_chunk）。
+        """
         while self.is_reading and self.process:
             try:
                 # 读取任意字节块，不依赖换行符
                 chunk = self.process.stdout.read(1024)
                 if chunk:
-                    text = self._decoder.decode(chunk)
+                    text = self._decode_chunk(chunk)
                     if text:
                         self.output_queue.put(text)
                         self._process_output(text)
@@ -87,12 +113,63 @@ class IoMixin:
                 else:
                     # 没有输出，短暂休眠
                     time.sleep(0.01)
-                    
+
             except Exception as e:
                 # 不要因为单个错误而停止
                 print(f"[Terminal] 读取输出警告: {e}")
                 time.sleep(0.01)
                 continue
+        # 进程结束后冲刷残留的不完整字节（多为被截断的多字节序列半字）
+        pending = getattr(self, '_pending_bytes', b'')
+        if pending:
+            fallback = 'gbk' if self.is_windows else 'utf-8'
+            text = pending.decode(fallback, errors='replace')
+            self._pending_bytes = b''
+            if text:
+                self.output_queue.put(text)
+                self._process_output(text)
+
+    def _decode_chunk(self, chunk: bytes) -> str:
+        """把 stdout 字节块解码为文本（Windows：UTF-8 优先、GBK 回退）。
+
+        判定依据：UTF-8 有严格的多字节结构校验，GBK 字节流极少恰好构成
+        合法 UTF-8，因此「UTF-8 能解」是强信号；解不了再按 GBK。
+        两种路径都会把块末尾不完整的多字节序列暂存 _pending_bytes，
+        与下一块拼合后再解，避免 read 边界切断汉字。
+
+        已知限制（业界通病，VS Code/Windows Terminal 同样无法处理）：
+        极少数 GBK 汉字对的字节恰好也是合法 UTF-8（如「目录」= C4BF C2BC
+        会解为 Ŀ¼），此时若后续块紧跟 UTF-8 内容会连锁误判。终端会话已
+        注入 chcp 65001（start.py），正常路径全程 UTF-8，GBK 仅为兜底，
+        该巧合仅影响显示、不丢数据，故不做「罕见字符惩罚」式启发式猜测。
+        """
+        data = getattr(self, '_pending_bytes', b'') + chunk
+        self._pending_bytes = b''
+        if not data:
+            return ''
+        if not self.is_windows:
+            return data.decode('utf-8', errors='replace')
+        try:
+            return data.decode('utf-8')
+        except UnicodeDecodeError as exc:
+            # 末尾 1~3 字节可能是不完整 UTF-8 序列（read 边界切断），暂存待拼
+            if exc.start >= len(data) - 3:
+                head, pending = data[:exc.start], data[exc.start:]
+                try:
+                    text = head.decode('utf-8')
+                    self._pending_bytes = pending
+                    return text
+                except UnicodeDecodeError:
+                    pass  # head 也含非法序列 → 并非 UTF-8 流，落入 GBK 路径
+            # 非法序列位于中部（或 UTF-8 边界暂存失败）→ 确定不是 UTF-8
+            # （如 cmd 内置命令的 GBK 输出），按 GBK 边界感知解码
+            return self._decode_gbk_boundary(data)
+
+    def _decode_gbk_boundary(self, data: bytes) -> str:
+        """按 GBK 解码，末尾不完整的双字节序列（被切断的半字）暂存待拼。"""
+        safe_len = _gbk_complete_prefix_len(data)
+        self._pending_bytes = data[safe_len:]
+        return data[:safe_len].decode('gbk', errors='replace')
 
     def _decode_output(self, data):
         """安全地解码输出"""

modules/persistent_terminal/start.py

@@ -215,6 +215,18 @@ class StartMixin:
             bufsize=0,
             env=env
         )
+        if self.is_windows and not self.host_shell_command:
+            # 默认 cmd.exe：注入 chcp 65001，把会话统一切换到 UTF-8 代码页。
+            # 1) 与上方 PYTHONIOENCODING=utf-8 对齐（子进程 Python 程序输出 UTF-8）；
+            # 2) 让 cmd 内置命令（dir/echo 等）也输出 UTF-8，配合 io.py 的
+            #    UTF-8 优先自适应解码，避免中文输出乱码；
+            # 3) 仅默认 shell 注入——用户自定义 shell（如 pwsh）默认即为 UTF-8。
+            try:
+                process.stdin.write(b'chcp 65001 >nul\r\n')
+                process.stdin.flush()
+            except (OSError, ValueError, BrokenPipeError):
+                # 注入失败不致命：io.py 的 GBK 回退仍能处理默认代码页输出
+                pass
         return process
 
     def _start_docker_terminal(self):

modules/upload_security.py

@@ -183,6 +183,8 @@ class UploadQuarantineManager:
                 command,
                 capture_output=True,
                 text=True,
+                encoding="utf-8",
+                errors="replace",
                 timeout=self.clamav_timeout,
                 check=False,
             )

modules/user_container_manager.py

@@ -343,6 +343,8 @@ class UserContainerManager:
             stdout=subprocess.PIPE,
             stderr=subprocess.PIPE,
             text=True,
+            encoding="utf-8",
+            errors="replace",
             check=False,
         )
         if result.returncode != 0:

modules/versioning_manager.py

@@ -84,6 +84,10 @@ class ConversationVersioningManager:
                 cmd,
                 capture_output=True,
                 text=True,
+                # git 输出固定为 UTF-8；Windows text=True 默认按 locale（cp936）
+                # 解码会让中文路径/提交信息乱码（同 server/status/git.py 的处理）
+                encoding="utf-8",
+                errors="replace",
                 timeout=timeout_seconds,
             )
         except subprocess.TimeoutExpired as exc: