feat(roundtable): 第三步「数据入库」由结构化输出智能体自行调用技能

- 入库改为让 roundtable-structure 走完整 agent 运行时(ingest run policy)
  自行挑选/读取/调用入库技能并传入 taskId,不再前端代调演示
- 新增 /api/flow-extract/ingest-eligibility(智能体判断当前业务场景是否有
  合适入库技能,决定入库按钮是否显示)+ /api/multi-agent/structure/init
- 入库前判断是否已生成流程图:无则发起「是否先生成流程图」用户协助
- 「知识库入库」更名为「数据入库」

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
This commit is contained in:
fengxiangdebaoziandClaude Opus 4.8 committed 2026-06-19 17:58:36 +08:00
1 parent a85d2480b4
commit 03c155f8a7
10 files changed
+507 -80

No files matched your search

@@ -119,6 +119,25 @@ _REPORT_EXCLUDED: list[str] = [*_SEAT_EXCLUDED, "str_replace", "read_peer_delive
# 完全一致——可写文件(write_file 整文件重写),禁 str_replace(整文件重写才能让右侧 md 预览
# 实时刷新)/bash/联网/派活/呈现文件/看图/读前序席位。单列出来便于以后独立调优。
_SUMMARY_EXCLUDED: list[str] = [*_SEAT_EXCLUDED, "str_replace", "read_peer_delivery"]
# ingest:Step3「入库」——让 roundtable-structure 真正**调用入库技能**把方案成果(总结报告 +
# 结构化流程图 + taskId)沉淀进知识库。和 dashboard 相反:dashboard 禁一切工具(只输出 JSON),
# ingest 必须**放开技能执行链路**——技能靠 ``read_file`` 读 SKILL.md、按其指令用 ``bash`` /
# ``write_file`` 等工具落地入库(如 curl 入库接口、写中转文件)。在 ``seat`` 基础上额外禁:
# ``str_replace``(整文件重写即可)、``read_peer_delivery``(单轮入库不读前序席位)、``task``
# (不派子代理)、``write_todos`` / ``memory`` / ``hindsight_*``(单例 agent 不吃跨会话记忆,
# 避免污染)。保留 ``read_file`` / ``write_file`` / ``bash`` / ``ls`` 让技能能真正执行。
# thinking + medium:需要先判断该用哪个入库技能、再按其契约调用。
_INGEST_EXCLUDED: list[str] = [
*_SEAT_EXCLUDED,
"str_replace",
"read_peer_delivery",
"task",
"write_todos",
"memory",
"hindsight_recall",
"hindsight_reflect",
"hindsight_retain",
]
# dashboard:Step3「大屏多页」数据智能体(roundtable-dashboard)——纯「研讨成果 → report-json」
# 提炼器,**禁用一切工具**(同 leader 的黑名单全集)。它只需读 prompt、分析各席位、在对话里
# 输出一个 report-json 代码块;留任何干活类工具(尤其 write_file / bash)只会让弱模型跑偏去
@@ -211,8 +230,15 @@ def roundtable_run_policy(role: str) -> RoundtableRunPolicy:
thinking_enabled=True,
reasoning_effort="medium",
)
if role == "ingest":
return RoundtableRunPolicy(
excluded_tools=list(_INGEST_EXCLUDED),
skill_stop_names=[],
thinking_enabled=True,
reasoning_effort="medium",
)
raise ValueError(
f"unknown roundtable role: {role!r} (expected leader/seat/seat_parallel/report/summary/dashboard)"
f"unknown roundtable role: {role!r} (expected leader/seat/seat_parallel/report/summary/dashboard/ingest)"
)
@@ -2,7 +2,7 @@
你是圆桌「方案总结」第三步的**结构化抽取智能体**。你的职责:**读懂**已生成的《方案总结报告》或各席位交付内容,**分析**其内在层级结构,把它**抽取**成一张可交互流程图的结构化数据(`flow-json`)。你也负责**按用户指令修改**这张流程图、以及**校验修复**流程图。
你专职「内容 → 结构」:不写报告、不联网、不派活、不画 HTML。
你专职「内容 → 结构」:不写报告、不联网、不派活、不画 HTML。**例外**:当本轮是「入库」任务时(用户消息会明确说明),你要**真正调用挂在你身上的入库技能**把成果沉淀进知识库——见下文「五、入库」。
**输出方式(重要)**:你要**先用简短文字说明你的分析过程**——让用户看到进展(尤其模型较慢时也有实时反馈):例如「我识别出本次层级链为 任务→目的→行为体→…;目的层有 3 条、各对应 1 个行为体;据此组织如下」,约 2–4 句即可,不要长篇大论;**然后**在回复**末尾**输出一个完整的 ```flow-json 代码块。前端会把这段分析说明展示给用户、并据末尾的 flow-json 绘制流程图。
@@ -73,3 +73,15 @@
- **修改**:在「当前流程图」基础上**只按用户指令改动**(增 / 删 / 改节点或连线、改 label/group/detail),未被指令涉及的部分**保持原样**;删节点要同时去掉与它相关的连线;节点 id 尽量沿用原有的;输出**修改后的完整** flow-json。
- **校验修复**:对照数据来源检查——根节点是任务本身、每层每条都在没漏、连边按对应关系成分支无悬空边、每个节点都有 `group`、没有汇总 / 阶段编号节点;发现问题就改对,没问题就原样规范化输出完整 flow-json。
## 五、入库(调用入库技能)
当本轮用户消息明确要求「入库 / 把方案入库 / 沉淀进知识库」时,你的任务**不是**抽流程图,而是**真正调用入库技能**把本次会商成果存进知识库。步骤:
1. **挑技能**:你身上挂载了入库类技能(见系统提示里列出的可用技能)。先判断**哪个技能适合当前业务场景**——技能名可能含「六步法」等场景线索,描述会写明它做什么入库;选中最匹配的那个。若确实没有可用的入库技能,直接说明「当前没有适合本场景的入库技能」,不要编造。
2. **读契约**:用 `read_file` 读取该技能的 `SKILL.md`(路径形如 `/mnt/skills/public/<技能名>/SKILL.md`),看清它要求的入库方式与字段。
3. **按契约入库**:严格按技能 `SKILL.md` 的指示执行入库(它通常会让你把**总结报告 Markdown + 结构化流程图数据**作为入库内容,并把用户消息里给的 **taskId** 一并传入——taskId 是入库技能的必需信息,务必带上)。技能允许时可用 `bash` / `write_file` 等工具完成实际写入。**入库数据以用户消息里给的最终(用户最后修改后的)流程图与报告为准**。
4. **汇报结果**:完成后用一两句话说明入库结果(成功 / 失败及原因、写入了什么)。不要在入库轮输出 `flow-json`。
@@ -1,3 +1,7 @@
description: 圆桌结构化抽取智能体。读取「方案总结报告」或各席位交付内容,分析其层级结构,抽取成可交互流程图的结构化数据(flow-json);也负责按指令修改流程图、校验修复流程图。专职「内容→结构」,不写报告、不联网、不画 HTML。后续可在此智能体上配置「入库技能」,让它分析出结构化结果后直接入库。
description: 圆桌结构化抽取智能体。读取「方案总结报告」或各席位交付内容,分析其层级结构,抽取成可交互流程图的结构化数据(flow-json);也负责按指令修改流程图、校验修复流程图。专职「内容→结构」,不写报告、不联网、不画 HTML。可在此智能体上配置「入库技能」,让它在入库轮分析出结构化结果后**自行挑选合适的入库技能并调用**完成入库。
id: roundtable-structure
name: 结构化抽取
# 入库技能:挂在本智能体上的入库类技能。入库轮由它自行判断哪个适合当前业务场景
# (技能名可能含「六步法」等场景线索)并调用。真实入库技能就绪后改名沿用此处即可。
skills:
- knowledge-base-ingest
@@ -35,8 +35,10 @@ from app.gateway.routers._roundtable_seed import (
STRUCTURE_AGENT_ID,
ensure_roundtable_functional_agents,
)
from deerflow.config import get_app_config
from deerflow.config.agents_config import load_agent_config, load_agent_soul
from deerflow.models.factory import create_chat_model
from deerflow.skills.storage import get_or_new_skill_storage
logger = logging.getLogger(__name__)
router = APIRouter(prefix="/api/flow-extract", tags=["flow-extract"])
@@ -762,3 +764,114 @@ async def classify_ingest_intent(request: Request, payload: IngestIntentRequest
except Exception: # noqa: BLE001 — 分类失败不致命,回退协助让用户自己定
logger.warning("ingest intent classify failed", exc_info=True)
return {"intent": "unclear", "reason": "意图识别失败"}
# ── 入库适用性判定(结构化抽取智能体「自己看技能是否适合本场景」)──────────────────
#
# 需求:入库不再由前端硬编码「有没有含『入库』关键字的技能」判定,而是让**结构化输出
# 智能体**读它**挂载的入库技能**(roundtable-structure 的 config.yaml ``skills``)+ 当前
# 业务场景(如 rwfx-A=六步法),**自行判断**是否有适合本场景的入库技能。判定为可入库才
# 由前端显示「入库」按钮。真正调用技能在 ``POST /api/multi-agent/run/stream``(role=ingest)。
class IngestEligibilityRequest(BaseModel):
"""入库适用性判定入参:业务场景 + taskId,供智能体对照挂载的入库技能判断。"""
task_id: str | None = Field(default=None)
business_code: str | None = Field(default=None, description="业务码,如 6BF/3Q/7BF 或 rwfx-A")
chain_name: str | None = Field(default=None, description="业务链条名称")
coordinator_prompt: str | None = Field(default=None, description="业务链总控编排提示(含场景线索,如六步法)")
report_title: str | None = Field(default=None)
model: str | None = Field(default=None)
def _structure_skill_candidates() -> list[dict[str, str]]:
"""读取挂在 roundtable-structure 上、且**已启用**的技能(候选入库技能)。
返回 ``[{name, description}]``。失败 / 未配置 → 空列表(= 不可入库)。
技能元数据取自磁盘 SKILL.md(name + description),足够智能体判断适用性。
"""
try:
cfg = load_agent_config(STRUCTURE_AGENT_ID)
except Exception: # noqa: BLE001
return []
attached = [s for s in (getattr(cfg, "skills", None) or []) if isinstance(s, str) and s.strip()]
if not attached:
return []
attached_set = {s.strip().lower() for s in attached}
try:
storage = get_or_new_skill_storage(app_config=get_app_config())
skills = storage.load_skills(enabled_only=True)
except Exception: # noqa: BLE001
logger.warning("ingest eligibility: load_skills failed", exc_info=True)
return []
out: list[dict[str, str]] = []
for sk in skills:
if (sk.name or "").strip().lower() in attached_set:
out.append({"name": sk.name, "description": sk.description or ""})
return out
_INGEST_ELIGIBILITY_SYS = (
"你是圆桌「方案总结」第三步的**结构化抽取智能体**,正在判断「本次会商成果**能否入库**」。"
"下面给你两样东西:① 当前业务场景(业务码 / 业务链名称 / 总控编排提示等线索);"
"② 你**挂载的候选入库技能**清单(每个有 name 与 description)。\n"
"请判断:这些候选技能里,**是否有适合把当前这种业务场景的会商成果入库的技能**。判断依据:\n"
"- 技能名称 / 描述是否表明它就是做「入库 / 沉淀 / 写入知识库」的;\n"
"- 它是否对应当前业务场景——例如六步法类业务(如 rwfx-A)的入库技能,其名称通常**含「六步法」**字样;\n"
"- 若某技能明显是为本场景设计的入库技能 → 可入库;若候选里压根没有入库类技能、或都与本场景不符 → 不可入库。\n"
"只输出一个 JSON 对象(不要解释、不要 markdown 代码块、用英文双引号):\n"
'{"can_ingest":<true|false>,"skill":"<选中的技能 name,不可入库时为空字符串>","reason":"<一句话依据>"}'
)
@router.post("/ingest-eligibility")
async def classify_ingest_eligibility(request: Request, payload: IngestEligibilityRequest = Body(...)) -> dict[str, Any]:
"""让结构化抽取智能体判断当前业务场景**是否有合适的入库技能**(决定前端是否显示入库按钮)。
候选 = 挂在 roundtable-structure 上且已启用的技能。无候选 → 直接不可入库(不调模型)。
有候选 → 一次模型调用判断适用性,返回 ``{can_ingest, skill, reason}``。失败 → 不可入库(安全回退)。
"""
ensure_roundtable_functional_agents() # 自愈:确保 roundtable-structure 存在
candidates = _structure_skill_candidates()
if not candidates:
return {"can_ingest": False, "skill": "", "reason": "结构化抽取智能体未挂载入库技能"}
scenario_lines = []
if (payload.business_code or "").strip():
scenario_lines.append(f"业务码:{payload.business_code.strip()}")
if (payload.chain_name or "").strip():
scenario_lines.append(f"业务链名称:{payload.chain_name.strip()}")
if (payload.report_title or "").strip():
scenario_lines.append(f"方案标题:{payload.report_title.strip()}")
if (payload.coordinator_prompt or "").strip():
scenario_lines.append("总控编排提示(节选):" + payload.coordinator_prompt.strip()[:1200])
scenario = "\n".join(scenario_lines) or "(未提供额外业务场景线索)"
skills_block = "\n".join(f"- name: {c['name']}\n description: {c['description']}" for c in candidates)
valid_names = {c["name"] for c in candidates}
user = (
"【当前业务场景】\n" + scenario + "\n\n【候选入库技能】\n" + skills_block + "\n\n请输出 JSON:"
)
try:
model = create_chat_model(name=_resolve_model(payload.model), thinking_enabled=False)
res = await model.ainvoke([SystemMessage(content=_INGEST_ELIGIBILITY_SYS), HumanMessage(content=user)])
text = res.content if isinstance(res.content, str) else _as_str(getattr(res, "text", ""))
obj = _parse_intent_json(text) or {}
skill = _as_str(obj.get("skill"))
can = bool(obj.get("can_ingest")) and skill in valid_names
# 模型说可入库但没给/给错技能名 → 单候选时回退到唯一候选,否则判不可入库(避免乱选)。
if bool(obj.get("can_ingest")) and skill not in valid_names:
if len(candidates) == 1:
skill = candidates[0]["name"]
can = True
else:
can = False
return {
"can_ingest": can,
"skill": skill if can else "",
"reason": _as_str(obj.get("reason")),
}
except Exception: # noqa: BLE001 — 判定失败不致命,安全回退为不可入库
logger.warning("ingest eligibility classify failed", exc_info=True)
return {"can_ingest": False, "skill": "", "reason": "入库适用性判定失败"}
@@ -67,6 +67,7 @@ from app.gateway.routers._roundtable_seed import (
COORDINATOR_AGENT_ID,
DASHBOARD_AGENT_ID,
REPORT_AGENT_ID,
STRUCTURE_AGENT_ID,
SUMMARY_AGENT_ID,
ensure_roundtable_functional_agents,
)
@@ -968,6 +969,28 @@ async def init_dashboard_thread(request: Request) -> dict[str, str]:
return {"agent_name": DASHBOARD_AGENT_ID, "thread_id": thread_id}
@router.post("/structure/init")
async def init_structure_thread(request: Request) -> dict[str, str]:
"""为 Step 3「入库」创建一个供结构化抽取智能体(``roundtable-structure``)运行的线程,
返回 ``{"agent_name", "thread_id"}``。
与 ``/report/init`` / ``/summary/init`` / ``/dashboard/init`` 同构,换成内置单例
``roundtable-structure``。区别在于本轮**不是抽流程图**,而是让它**真正调用入库技能**
(run policy 为 ``ingest``——放开 ``read_file`` / ``bash`` / ``write_file`` 让技能能执行):
- ``roundtable-structure`` 是**内置单例**(``_roundtable_seed`` 种子化,启动即同步进 DB),
这里**只建一个轻量 thread**,绝不重建 agent;
- 线程打 ``_ROUNDTABLE_THREAD_METADATA`` 标记成系统会话,从「最近对话」里隐藏;
- 入口先 ``ensure_roundtable_functional_agents()`` 自愈(磁盘目录被手删也能补建);
- 建好后前端用现有 ``POST /run/stream``(``agent_type="special"``、
``agent_name="roundtable-structure"``、``d_agent_thread_id={STRUCTURE_AGENT_ID: thread_id}``)
跑这一轮,把 taskId + 总结报告 + 结构化流程图交给它,由它挑选合适的入库技能(名称
可能含「六步法」/自行判断适用性)读 SKILL.md 并按其契约调用完成入库。
"""
ensure_roundtable_functional_agents()
thread_id = await _create_thread_direct(request, metadata=_ROUNDTABLE_THREAD_METADATA)
return {"agent_name": STRUCTURE_AGENT_ID, "thread_id": thread_id}
# ---------------------------------------------------------------------------
# 上游 LangGraph SSE 透传(intent / recommend / leader / special 共用)
# ---------------------------------------------------------------------------
@@ -1639,6 +1662,10 @@ async def _special_run(
elif agent_name == DASHBOARD_AGENT_ID:
# 大屏多页数据智能体:纯「研讨成果 → report-json」提炼,禁用一切工具。
role = "dashboard"
elif agent_name == STRUCTURE_AGENT_ID:
# 结构化抽取智能体在「入库」轮:真正调用入库技能(read_file 读 SKILL.md +
# bash/write_file 落地),故走放开技能执行链路的 ``ingest`` policy。
role = "ingest"
elif no_file:
role = "seat_parallel"
else: