Merge remote-tracking branch 'origin/master' into ji

2026-05-26 14:25:02 +08:00
commit b671b49725
@@ -10,14 +10,16 @@
 ## 0. 速读
- 三个圆桌 Router（`intent / recommend / multi_agent`）**全部走 HTTP loopback**：在同进程内通过 `httpx.AsyncClient` 调本机 `127.0.0.1` 的 `/api/threads`、`/api/agents`、`/api/threads/{id}/runs/stream`。
+- 三个圆桌 Router（`intent / recommend / multi_agent`）**通过 httpx ASGITransport 进程内直调本机 ASGI app**，复用既有 `/api/threads`、`/api/agents`、`/api/threads/{id}/runs/stream` 路由——**不走 TCP / 不经过网络栈**。所有 client 都由 `multi_agent._make_loopback_client(request)` 工厂统一构造。
- **所有 loopback `httpx.AsyncClient` 必须 `trust_env=False`**。开发机若设了 `HTTP_PROXY` / `HTTPS_PROXY`，httpx 默认会把 loopback 也走代理 → 不可达 → 单次请求多出 40 秒超时（典型症状日志：`headers_in=42.160s`）。
+- 历史包袱：早期实现走 `httpx.AsyncClient(trust_env=False)` + `127.0.0.1:<port>`，遇到开发机 `HTTP_PROXY` / `HTTPS_PROXY` 时仍可能把回环走代理（症状 `headers_in=42.160s`）。**改用 ASGITransport 后此问题不再存在**，相关 `trust_env=False` workaround 全部移除。
 - **席位 agent 持久注册**（磁盘 `.deer-flow/agents/` + `_sync_legacy_agents`），**协调智能体每次新建**（命名 `roundtable-coordinator-{timestamp36}`，DB 累积，需后续 GC）。
 - **`.deer-flow/` 整个目录被 git ignore**（仓库根 `.gitignore` 第 64 / 74 行），`git clone` 后内置 agent 目录在部署机上**不会存在**——任何环境都必须把 `roundtable-intent` + `roundtable-recommender` 两个**功能型 agent** 持久化进发布物，否则 `/api/intent/stream` 报 500。**互联网 demo 还需要 6 个示例研讨席位**（`roundtable-intelligence` 等），**内网部署用客户自有 agent 替代**这些席位，无需打包。详见 §11.7。
 - **`init` 是 SSE 而非一次性 JSON**：用 `asyncio.as_completed` 按真实完成顺序推送 `seat_ready`，前端因此能逐个点亮席位。
 - **`init_done.thread_ids` 包含协调智能体自身**（`agent_threads[main_agent_name] = coord_thread`），前端 Step 3 列文件时需自行过滤。
 - **澄清协议统一**：Step 1 与 Step 2 leader 都借 `ask_clarification` + 终态 `clarification` 帧驱动同一套选项卡片组件；`allow_multiple` 默认 false（单选、点击即发送）。
 - **leader 共识 = `status: []` 空数组**；澄清 = `status: "clarification"`（字符串）；派活 = `status: [[name, task], ...]`。这三者**互斥不混用**。
 - **后端 picks clamp 2–6，前端用户可手动加到 8**。
 - **不写死任何具体模型名**：`intent / recommend / multi_agent` 三个 router 的 `model_name = str(payload.get("model") or "")`，空串会被下游 `lead_agent._resolve_model_name()` 自动回退到 `config.yaml` 的 `models[0]`（与 `/api/ai-writing` 行为一致）。内网部署只需配 `config.yaml`，前后端均无需改硬编码。
 ---
@@ -57,7 +59,7 @@ Step 3  最终方案展示
 | 2 | 2 | `multi_agent.py` | 协调智能体（每次新建）+ 用户选定的 `roundtable-*` 席位 |
 | 3 | 3 | `artifacts.py`（通用） | 无新 agent |
-所有接口需 `Authorization: Bearer <JWT>`。Loopback 调用统一 `trust_env=False`，避免本机 `HTTP_PROXY` 把 `127.0.0.1` 指到不可达代理（症状：`headers_in=40s+`，前端表现为「Step 1 init 卡顿 / Step 2 init 永远不发 seat_ready」）。
+所有接口需 `Authorization: Bearer <JWT>`。Loopback 调用一律由 `_make_loopback_client(request)` 构造（`httpx.ASGITransport(app=request.app)`，base_url 占位 `http://loopback`），**不经 TCP**，因此不再受本机 `HTTP_PROXY` 干扰。
 ---
@@ -497,7 +499,7 @@ async def _broadcast(client, base, headers, message, agent_threads, skip):
 (None, captured)    — 流结束，captured 是所有 data: 行的字符串列表
 ```
-日志 `[upstream-timing] <agent> headers_in=<>` / `first_line=<>`：排查首 token 慢、代理导致 loopback 超时（见 `trust_env=False`）。
+日志 `[upstream-timing] <agent> headers_in=<>` / `first_line=<>`：排查上游首字节延迟；改 ASGITransport 后通常 `headers_in` < 10ms，长尾大概率出在路由 handler 内部（不再是网络/代理问题）。
 `_parse_last_messages(captured)` 从倒数往前扫，**跳过 trailing `data: null` end 帧**，找第一条解析为 dict 且含 `messages` key 的 frame；取 `messages` 列表。无可解析帧抛 `502`。
@@ -591,14 +593,21 @@ Step 3 **没有** 单独的 `multi_agent` 路由；使用既有 artifacts 能力
 ## 9. 关键设计决策
-### 9.1 HTTP loopback + `trust_env=False`
+### 9.1 ASGITransport 进程内 loopback（替代旧的 HTTP loopback）
-三个 router 均通过 `httpx` 调本机 Gateway（`127.0.0.1`），复用鉴权与 LangGraph 路由，代价是额外 HTTP 开销；init 已用 `asyncio.as_completed` 并行化席位准备。
+三个 router 通过 `httpx.ASGITransport(app=request.app)` 直调本机 ASGI app，**不走 TCP / 不开 socket / 不经网络栈**，但仍然完整复用 FastAPI 路由分发、鉴权 middleware、Pydantic 校验、SSE 流式响应。代价仅是路由层的少量 dispatch 开销（< 1ms），相对 LLM run 本身的数百 ms~数十秒可忽略。
-**每个 `httpx.AsyncClient(timeout=None, trust_env=False)` 都是必须的**：
+统一入口：`multi_agent._make_loopback_client(request)`，返回：
- `timeout=None` — SSE 长连接需要
+```python
- `trust_env=False` — 否则 httpx 会读取 `HTTP_PROXY` / `HTTPS_PROXY` 环境变量，把 loopback `127.0.0.1` 也走代理。开发机常配的「校园网代理 / 公司代理」会把回环地址丢弃，导致单次请求 40+ 秒超时（日志典型症状：`headers_in=42.160s`）
+httpx.AsyncClient(
    transport=httpx.ASGITransport(app=request.app),
    base_url="http://loopback",   # 占位 host，ASGITransport 不在意
    timeout=None,                 # SSE 长连接仍需 None
 )
 ```
 **已废止的 `trust_env=False` workaround**：旧版本走 `127.0.0.1:<port>` 真实 HTTP，需要 `trust_env=False` 阻止 httpx 读 `HTTP_PROXY` 把回环也走代理（症状日志 `headers_in=42.160s`）。改 ASGITransport 后这个问题在物理上已不存在——根本没走网络栈。
 ### 9.2 协调智能体每次新建
@@ -664,12 +673,249 @@ grep "special-timing"   .runtime/logs/*.log   # payload_built / first_upstream_l
 `model` 写入 run 的 `context.model_name`；前端可按席位覆盖 special 调用的模型（见前端文档 §5.5 Persona 抽屉）。
 **绝不在路由里硬编码具体模型名**。三个 router 一律 `str(payload.get("model") or "")`：
 - 前端不传 / 传空串 → 下游 `lead_agent._resolve_model_name("")` 命中 falsy 分支，返回 `app_config.models[0].name`（`config.yaml` 配置顺序里的第一项）
 - 前端传了一个不在 `config.yaml` 里的 model 名 → 同样回退到首项，并 `logger.warning("Model 'x' not found ... fallback to ...")`
 - 前端传了合法 model 名 → 直接使用
 这是 `/api/ai-writing` 与圆桌三路由的统一行为，让本地 / 内网部署只需要改 `config.yaml`，不需要触前端常量或路由代码。详见 `deerflow/agents/lead_agent/agent.py:_resolve_model_name`。
 ### 11.3 新增席位
 1. `.deer-flow/agents/roundtable-xxx/` 增加 `config.yaml` + `SOUL.md`
 2. 前端候选池 / 推荐逻辑纳入该 id
 3. Step 2 `agent_names` 传入即可 — **multi_agent 路由无需改**
 ### 11.7 内置 agent 部署持久化（必读，关系到内网部署能否启动）
 #### 11.7.1 问题背景
 圆桌功能涉及的 agent 都靠**磁盘文件**激活（`.deer-flow/agents/<id>/{config.yaml,SOUL.md}`），但仓库根 `.gitignore` 第 64 / 74 行有：
 ```
 offline-backend-20260512/backend/.deer-flow/*
 ```
 整个 `.deer-flow/` 被 git 排除。新机器 `git clone` 后 `.deer-flow/agents/` 不存在 → 圆桌相关 agent 缺失 → 进入 `/api/intent/init` 后 `_create_thread` 本身能成功，但下一步 `/api/intent/stream` 真正调用 LangGraph 时会因为 agent 解析失败抛 500（典型表现：前端 Step 1 init 一次成功，下一句话发出去就 500）。
 #### 11.7.1.1 哪些 agent **必须**打包，哪些**不需要**
 圆桌涉及的 agent 分**两类**，部署侧需求完全不同：
 | Agent | 角色 | 是否必须打包发布 |
 |-------|------|------------------|
 | `roundtable-intent` | **功能型**：Step 1 任务理解，所有部署都用它 | ✅ **必须**（任何环境） |
 | `roundtable-recommender` | **功能型**：Step 1→2 之间从候选池里挑推荐，所有部署都用它 | ✅ **必须**（任何环境） |
 | `roundtable-intelligence` | 示例研讨席位（情报收集） | ⚠️ **互联网 demo 用**，内网不需要 |
 | `roundtable-environment` | 示例研讨席位（环境评估） | ⚠️ 同上 |
 | `roundtable-solution-design` | 示例研讨席位（方案设计） | ⚠️ 同上 |
 | `roundtable-risk-review` | 示例研讨席位（风险审查） | ⚠️ 同上 |
 | `roundtable-execution-plan` | 示例研讨席位（执行规划） | ⚠️ 同上 |
 | `roundtable-summary` | 示例研讨席位（总结陈述） | ⚠️ 同上 |
 | `roundtable-coordinator-*` | 协调智能体壳，每次会话动态新建 | ❌ **不打包**（运行时生成） |
 **关键区分**：
 - `roundtable-intent` / `roundtable-recommender` 是**圆桌功能本身的一部分**——没有它们，整个 Step 1 + 推荐流程跑不起来，跟客户业务无关
 - 6 个 `roundtable-<领域>` 席位只是**互联网 demo 用的示例研讨者**，让访客打开页面就能看到完整三步流程。内网部署面对的是客户自己的业务场景，会把客户自有的领域 agent（行业专家、合规审查员、业务规则引擎……）注册成候选 agent；这时 6 个示例席位反而成噪声
 **对应的部署组合**：
 | 部署场景 | 打包内容 |
 |----------|----------|
 | **互联网 demo** | `roundtable-intent` + `roundtable-recommender` + **6 个示例席位** |
 | **内网客户部署** | `roundtable-intent` + `roundtable-recommender`（仅此 2 个，**不带** 6 个示例席位） |
 | **本地开发** | 全要（方便快速跑通） |
 **内网部署的额外注意**（去掉 6 个示例席位时）：
 1. **客户自有的候选 agent 必须先存在**：内网部署落地时，客户的业务 agent 应该已经注册进 `.deer-flow/agents/`（手工建目录或通过 `POST /api/agents` 创建）。否则候选池为空，推荐拿不到任何 picks。
 2. **前端 `FALLBACK_AGENT_IDS` 需要适配**：前端 `RecommendAgentsDialog.tsx` 里硬编码了 6 个示例席位 id 作为 fallback；若推荐失败回退路径会拿这 6 个去 `candidates` 里交集，内网部署该交集恒为空，**fallback 会失败**。建议要么：
   - **方案 1**（最稳）：内网客户的候选池足够丰富 + recommender SOUL 调好，让推荐成功率 ~100%，不依赖 fallback
   - **方案 2**：把 `FALLBACK_AGENT_IDS` 改成从后端 `/api/agents` 取前 6 个 `published=true` 的候选 agent（动态 fallback）。改动点见前端文档 §6.2 `RecommendAgentsDialog`
 3. **推荐 SOUL（`roundtable-recommender/SOUL.md`）通常无需改**：SOUL 本身没写死候选 id，只描述「从给的候选池里挑」；候选池由前端传入，模型读到客户自有 agent 后会照样工作。
 下文给出三种修复方案，**推荐方案 A**（最简单，无需写代码）。
 #### 11.7.2 方案 A：`.gitignore` 白名单（推荐）
 让 git 只跟踪 **`roundtable-intent` + `roundtable-recommender` 两个功能型 agent** 的 `config.yaml` 与 `SOUL.md`，其它一律忽略。6 个示例席位**不进白名单**——互联网 demo 部署机如果需要它们，按 §11.7.2.A 在该分支单独追加白名单；内网部署机直接享受「干净的 `.deer-flow/`」。
 **步骤 1：编辑仓库根 `.gitignore`**
 在最后追加白名单段（位置很重要，**必须在 `offline-backend-20260512/backend/.deer-flow/*` 之后**，否则被前面的通配符吃掉）：
 ```gitignore
 # === 圆桌功能型 agent 跟随仓库发布(任何部署都需要) ===
 # 父目录先 unignore,git 才能往下递归
 !offline-backend-20260512/backend/.deer-flow/
 !offline-backend-20260512/backend/.deer-flow/agents/
 # 仅放行 2 个功能型 agent;6 个示例席位由互联网分支自行放行
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-intent/
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-intent/config.yaml
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-intent/SOUL.md
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-recommender/
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-recommender/config.yaml
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-recommender/SOUL.md
 ```
 ⚠️ **不要**直接写 `!offline-backend-20260512/backend/.deer-flow/agents/roundtable-intent/**`——`git` 不会进入还在 ignore 的父目录，必须逐层 un-ignore，再精确放行文件。
 **步骤 2：强制 add 并提交**
 ```bash
 # 验证白名单生效
 git check-ignore -v offline-backend-20260512/backend/.deer-flow/agents/roundtable-intent/config.yaml
 # 期望输出无任何匹配,或最后一条匹配是上面的 ! 行
 # 加入索引(只加 2 个功能型 agent)
 git add offline-backend-20260512/backend/.deer-flow/agents/roundtable-intent
 git add offline-backend-20260512/backend/.deer-flow/agents/roundtable-recommender
 git status   # 应只看到 2 × 2 = 4 个新文件,绝不出现 users/、threads/、data/、6 个示例席位
 git commit -m "chore: 把圆桌功能型 agent(intent + recommender)纳入版本管理"
 ```
 **步骤 3：部署机验证**
 ```bash
 # clone 之后立刻
 ls offline-backend-20260512/backend/.deer-flow/agents/
 # 内网部署:应看到 roundtable-intent/ + roundtable-recommender/(+ 客户自有 agent)
 # 互联网 demo:还应看到 6 个 roundtable-<领域>/ 示例席位
 ```
 启动后端，前端打开圆桌规划页，Step 1 第一句话发出去能正常拿到 streaming 响应而不是 500，就说明 OK。
 ##### 11.7.2.A 互联网 demo 分支：追加 6 个示例席位
 互联网 demo 维护一条独立分支（或独立 `.gitignore` 段，用 build flag 切），在白名单后追加：
 ```gitignore
 # === 仅互联网 demo 需要的 6 个示例研讨席位 ===
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-intelligence/
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-intelligence/config.yaml
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-intelligence/SOUL.md
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-environment/
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-environment/config.yaml
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-environment/SOUL.md
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-solution-design/
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-solution-design/config.yaml
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-solution-design/SOUL.md
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-risk-review/
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-risk-review/config.yaml
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-risk-review/SOUL.md
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-execution-plan/
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-execution-plan/config.yaml
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-execution-plan/SOUL.md
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-summary/
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-summary/config.yaml
 !offline-backend-20260512/backend/.deer-flow/agents/roundtable-summary/SOUL.md
 ```
 `git add` 对应 6 个目录、提交，互联网分支即拿到全部 8 个内置 agent。两条分支共享同一份 `roundtable-intent / roundtable-recommender`，SOUL 调整对两边都生效，避免双维护。
 **优点**：
 - 零代码改动；新机器 `git clone` 即可，部署文档不用单独说「记得拷一下 `.deer-flow/agents/`」
 - 修改 SOUL 直接走 git 走 review 流程
 - 多人协作时 SOUL 改动可见
 **注意事项**：
 - `git status` 检查时确保**只**有 16 个内置文件进了索引，**绝对不能**包括 `users/`、`threads/`、`data/*.db`、`roundtable-coordinator-*/` 这些运行时数据
 - `roundtable-coordinator-mp*/` 这类历史会话残留目录会被 ignore 规则自动忽略（白名单没放行它们），无需手动清理
 - 部署机如果之前手动建过 `.deer-flow/agents/roundtable-intent/`，`git pull` 会把仓库版本覆盖上去——这是期望行为
 #### 11.7.3 方案 B：源码内置 + 启动时种子化
 如果不想让 `.deer-flow/` 这种「运行时目录」出现在 git 里，可以把 SOUL/config 放进 `packages/harness/` 里作为只读资源，启动时检查 `.deer-flow/agents/<id>/` 不存在就从源拷过去。
 **步骤大纲**：
 1. 在 `packages/harness/deerflow/agents/builtin_personas/` 下建 8 个目录（`roundtable-intent/` 等），把 SOUL.md + config.yaml 搬过去
 2. 在 `app/gateway/app.py` 的 `lifespan` 启动阶段新增 `_seed_builtin_roundtable_agents()`：
   ```python
   def _seed_builtin_roundtable_agents() -> None:
       from importlib.resources import files
       src_root = files("deerflow.agents.builtin_personas")
       dst_root = get_paths().agents_dir()  # .deer-flow/agents/
       for agent_id in BUILTIN_ROUNDTABLE_AGENT_IDS:  # 8 个常量
           dst = dst_root / agent_id
           if dst.exists():
               continue   # 已有(可能是用户改过的),不覆盖
           dst.mkdir(parents=True)
           for fname in ("config.yaml", "SOUL.md"):
               (dst / fname).write_bytes((src_root / agent_id / fname).read_bytes())
   ```
 3. 紧接着调一次 `_sync_legacy_agents(store)`，把这些刚落地的目录 upsert 进 `agents` 表
 4. 把 `BUILTIN_ROUNDTABLE_AGENT_IDS` 常量也导出给 `recommend.py` / `multi_agent.py` 共享
 **优点**：
 - `.deer-flow/` 仍然作为「运行时数据目录」语义干净
 - 运维可以手动改 `.deer-flow/agents/roundtable-intent/SOUL.md` 临时调试，重启不被覆盖（`if dst.exists(): continue`）
 - 升级时如果想强制刷新，加个 `--force-reseed-builtins` 启动参数即可
 **缺点**：
 - 多一段 bootstrap 代码 + 一份 `pyproject.toml` 的 `package-data` 声明（确保 SOUL.md 跟着 wheel 一起发布）
 - 「现场改 SOUL 不被覆盖」既是优点也是坑——A 改了 SOUL 但忘了同步源码，下次新机器部署又回到旧版本
 #### 11.7.4 方案 C：纯运维流程（最弱，不推荐）
 不动代码、不动 .gitignore，发布说明里写一行：
 > 部署前请将 `<开发机>:offline-backend-20260512/backend/.deer-flow/agents/` 整个目录 `scp` 到部署机同位置。
 只在「不允许改仓库结构」或「初期试跑」时用。长期维护几乎一定会有人忘记拷而部署失败。
 #### 11.7.5 方案选择决策
 | 场景 | 推荐方案 |
 |------|----------|
 | 单仓库多人协作、SOUL 经常调整 | **A**（.gitignore 白名单） |
 | SOUL 极少改，希望严格区分代码与运行时数据 | **B**（源码 + lifespan 种子化） |
 | 一次性 POC / 即将切换到 B | C |
 无论选哪种，部署机第一次启动后都建议跑这条 smoke test 验证：
 ```bash
 curl -X POST http://127.0.0.1:8001/api/intent/init \
  -H "Authorization: Bearer <TOKEN>" \
  -H "Content-Type: application/json" \
  -d '{}'
 # 期望: 200 + {"status":"success","agent_id":"roundtable-intent","thread_id":"..."}
 curl -X POST http://127.0.0.1:8001/api/intent/stream \
  -H "Authorization: Bearer <TOKEN>" \
  -H "Content-Type: application/json" \
  -d '{"thread_id":"<上一步返回的>","message":"测试一下"}'
 # 期望: 200 + SSE 长连接,最后一帧 status 为 asking 或 clarification
 # 若 500 → 看后端日志,大概率是 SOUL.md 找不到或 LLM 外网不通(看上一条排查项)
 ```
 #### 11.7.6 推荐智能体（`roundtable-recommender`）与研讨席位的关系（注：完整定制流程见 §11.8）
 推荐路由 `recommend.py` 用到的 `roundtable-recommender` 与「研讨席位」是**两件事**：
 - **`roundtable-recommender`**：负责从候选池里挑 picks 的「推荐者」本身，是个 LLM agent，**功能型**，所有部署必须有
 - **研讨席位**（无论是 6 个示例还是客户自有 agent）：是「被挑选的候选」，前端 `filterRecommendCandidates` 过滤后送进 `/api/recommend/stream` 的 `candidates` 数组；recommender 在 SOUL 里看到候选池后才能输出 `[RECOMMEND_READY]` JSON
 「推荐改成动态」改的是**从池子里挑哪几个**，不是「池子可以没有」。**池子的来源在两类部署里不同**：
 | 部署 | 候选池来源 |
 |------|------------|
 | 互联网 demo | 仓库自带的 6 个 `roundtable-<领域>` 示例席位（+ 用户自建的） |
 | 内网客户 | 客户自有的业务 agent（通过 `POST /api/agents` 或 `.deer-flow/agents/<id>/` 注册）|
 `roundtable-recommender/SOUL.md` 本身没写死任何候选 id（只描述「从给的候选池里挑」），所以内网部署即使候选池从「6 个示例」换成「客户自有 agent」，**recommender 的 SOUL 无需改动**，候选池由前端传入。
 **前端 fallback 行为差异**：
 互联网 demo 因为有这 6 个内置示例席位垫底，推荐失败时 `FALLBACK_AGENT_IDS ∩ candidates` 还能拿到回退选项；**内网部署该交集恒为空**，回退路径失效——所以内网部署应通过「候选池足够丰富 + recommender SOUL 调好」让推荐成功率接近 100%，或改造前端 `FALLBACK_AGENT_IDS` 为动态从 `/api/agents` 取前 N 个（见前端文档 §6.2）。
 ### 11.4 新增 Step 1 工具
 若需新工具，须同步修改 `intent.py` 的 `excluded_tools` 黑名单（当前默认禁 15 个工具，仅 `ask_clarification` 实际可用）。
@@ -682,6 +928,181 @@ grep "special-timing"   .runtime/logs/*.log   # payload_built / first_upstream_l
 `_append_thread_message` 通过 `GET state → mutate → POST state` 实现，是为了与 LangGraph checkpoint 一致；如果将来 Gateway 提供 `POST /api/threads/{id}/messages/append` 这类原子接口，可换上，降低并发竞争（虽然圆桌当前不会并发广播同一 thread）。
 ### 11.8 添加 / 替换任务推荐智能体（`roundtable-recommender`）
 推荐智能体 id 在后端是**硬编码**常量（`recommend.py:63` → `RECOMMENDER_AGENT_ID = "roundtable-recommender"`），路由不接收 `agent_id` 参数。因此「添加推荐智能体」**不是新增一个 id**，而是落地这个固定 id 对应的文件（首次部署）或**就地改 SOUL**（定制行为）。
 #### 11.8.1 何时需要动它
 | 场景 | 是否需要动 SOUL |
 |------|-----------------|
 | 全新部署，目录还不存在 | ✅ 必须先把目录搭起来（§11.8.2） |
 | 候选池从 6 个互联网示例换成客户自有 agent | ❌ **不用改**——SOUL 没写死候选 id，候选池由前端传入 |
 | 想改变推荐风格（更激进 / 更保守 / 偏好某领域） | ✅ 改 SOUL（§11.8.4） |
 | 想让模型偏好你新加的领域 agent | ⚠️ **优先**改新 agent 的 `description`（候选池 prompt 用的就是它），其次才改 recommender SOUL |
 | 想改输出 JSON 格式 | ❌ **不要**——后端正则 `_RECOMMEND_READY_PATTERN` 写死了 `[RECOMMEND_READY]` + ```json ``` 块；改 SOUL 输出会让后端解析失败走 fallback |
 #### 11.8.2 标准目录结构
 ```
 .deer-flow/agents/roundtable-recommender/
 ├── config.yaml      # id / name / description(只是 DB 元数据,不进 prompt)
 └── SOUL.md          # 行为契约,详见 11.8.4
 ```
 **`config.yaml` 模板**（**id 必须严格等于 `roundtable-recommender`**，否则 `recommend.py` 找不到）：
 ```yaml
 description: 智能体推荐专员,基于用户的任务目标与约束,从候选智能体池中挑选最相关的 2-6 个智能体并给出推荐理由,为多智能体圆桌研讨准备最终参会名单
 id: roundtable-recommender
 name: 智能体推荐
 ```
 字段说明：
 - `id`：**不可改**，与 `RECOMMENDER_AGENT_ID` 常量绑死
 - `name`：DB 显示名，候选池过滤时不参与（`filterRecommendCandidates` 按 id 排除）
 - `description`：DB 元数据，不进 prompt；改了不会影响推荐效果
 **SOUL.md** 内容见 §11.8.4 模板。新增之后按 §11.7.2 把这两个文件加入 git 白名单 + commit 即可。
 #### 11.8.3 后端给推荐智能体喂的 prompt 长什么样
 `recommend.py:_build_prompt()` 把前端传的 intent + candidates 拼成下面这段，作为**唯一一条 user message** 投递：
 ```
 任务目标:对生产系统进行安全改造,满足等保 2.0 合规要求
 约束:预算 ≤ 500 万元; 工期 ≤ 6 个月; 必须满足等保 2.0
 关键假设:现有系统具备基础数字化能力; 允许预定窗口停机
 候选智能体池:
 - roundtable-intelligence (情报收集): 检索同类历史案例、行业最佳实践与外部情报
 - roundtable-solution-design (方案设计): 产出主备方案与关键路径
 - my-cost-calc (成本测算): 基于预算和资源单价计算总成本
 - ...
 请按 SOUL 中规定的格式输出推荐结果(自然语言思路 + [RECOMMEND_READY] + json 块)。
 ```
 **关键事实**：
 - **候选 agent 的 `name` 与 `description` 在 prompt 里就是它的「介绍」**——这是模型判断「这个 agent 适不适合本任务」的全部信息。客户自有 agent 想被推荐准确，`description` 必须写**任务导向**的能力描述，不要写 "由 XX 团队维护" 这种元信息
 - **候选池由前端过滤后传入**，后端不读 DB；前端 `filterRecommendCandidates` 已剔除 `roundtable-intent / roundtable-recommender / roundtable-coordinator-*`
 - SOUL 看不到「intent agent 上一轮说了什么 / 用户原始 message」，只看到结构化的 `objective / constraints / assumptions`——这是设计选择，让推荐稳定
 #### 11.8.4 SOUL 设计要点（模板 + 注解）
 SOUL **必须**满足三件事，其它都可定制：
 1. **输出格式严格**：自然语言思路 → `[RECOMMEND_READY]` 单独成行 → ```json {"picks": [{"agent_id": "...", "reason": "..."}, ...]} ```
 2. **`agent_id` 严格来自候选池**：模型造词出来会被 `_validate_picks` 过滤掉
 3. **2 ≤ picks ≤ 6**：少于 2 → 整轮判 `asking` 走 fallback；多于 6 → 后端截断
 下面是一份可直接用的最小 SOUL，重点行带注释（**真正落盘时去掉 `<!-- -->`**）：
 ```markdown
 # 智能体推荐专员
 ## 角色定位
 你是多智能体圆桌研讨的"智能体推荐专员"。任务理解专员已经把用户需求整理成
 「任务目标 + 约束 + 关键假设」交给你,你的工作是从一个**候选智能体池**里,
 挑出**最适合**参加这次圆桌研讨的 2-6 个智能体,并为每一位写一句推荐理由。
 ## 核心职责
 - 仔细阅读用户的任务目标与约束
 - 浏览候选池中每个智能体的 `name` 与 `description`
 - 选出与本次任务**最相关**的 2-6 个智能体(数量动态,不必凑齐 6 个)
 - 为每个推荐的智能体写一句**具体、可验证**的推荐理由
 - 不推荐重复职能 / 不推荐与任务明显无关的智能体(宁缺毋滥)
 ## 数量约束
 - **下限**:至少 2 个 / **上限**:最多 6 个
 - 候选池不足 2 个时,有几个推几个
 ## 输出协议(后端用正则识别,严格执行)
 1. 先用自然语言简短说明推荐思路(1-3 句话)
 2. 输出标记 `[RECOMMEND_READY]` 单独成行
 3. 紧接一个 ```json 代码块:
   ```json
   {
     "picks": [
       {"agent_id": "<候选池中的 id>", "reason": "<一句推荐理由>"},
       ...
     ]
   }
   ```
 格式注意:
 - `[RECOMMEND_READY]` **单独成行**,前后无其他字符
 - `agent_id` **严格**来自候选池,不要造词
 - `reason` **具体**,不要"很合适"这种空话
 ## 边界
 - 不调用任何工具(已被后端 excluded_tools 屏蔽)
 - 不评价候选 agent 优劣,只判断"是否适合本次任务"
 - 不发起对话、不反问用户
 ## 示例
 <!-- 示例对模型的引导能力远超规则文字,
     建议示例的候选池里**包含一两个你部署里的客户自有 agent**,
     让模型知道这种"非 roundtable-* 前缀"的 id 也是合法的。 -->
 ```
 ##### 定制方向
 - **偏好新加的 agent**：在「示例」里把它列进候选池并出现在推荐结果中，模型会学到这种 id 也可推荐。比单纯在「核心职责」里加文字约束有效
 - **行业偏向**：在「角色定位」加一句「优先考虑能直接对接 <行业> 合规要求的智能体」
 - **激进 vs 保守**：调「数量约束」——例如「能挑出强相关的 3 个就不要凑 6 个」会让 picks 缩到 3-4 个
 - **不要做的事**：
  - ❌ 改 `[RECOMMEND_READY]` 为别的标记 → 解析失败
  - ❌ 把 JSON 结构改成 `{"recommendations": [...]}` 之类 → 解析失败
  - ❌ 让模型只输出 JSON 不带前面的自然语言 → 前端 `parseRecommendStreamContent` 把整段当 `rationale`，弹窗顶部为空白
 #### 11.8.5 验证流程
 部署完成后跑 smoke test 确认推荐路径通：
 ```bash
 # 1. 确认 agent 文件落地
 ls .deer-flow/agents/roundtable-recommender/
 # 期望: SOUL.md  config.yaml
 # 2. 确认 DB 已 upsert(任意 /api/agents 请求会触发 _sync_legacy_agents)
 curl -H "Authorization: Bearer <TOKEN>" http://127.0.0.1:8001/api/agents | \
  python -c "import sys,json; ids=[a['id'] for a in json.load(sys.stdin).get('agents',[])]; print('roundtable-recommender' in ids)"
 # 期望: True
 # 3. 触发一次推荐(用最小 intent + 候选池)
 curl -X POST http://127.0.0.1:8001/api/recommend/stream \
  -H "Authorization: Bearer <TOKEN>" \
  -H "Content-Type: application/json" \
  -d '{
    "intent": {
      "objective": "测试推荐链路",
      "constraints": ["响应时间 < 30s"],
      "assumptions": []
    },
    "candidates": [
      {"agent_id": "agent-a", "name": "A", "description": "做 X"},
      {"agent_id": "agent-b", "name": "B", "description": "做 Y"},
      {"agent_id": "agent-c", "name": "C", "description": "做 Z"}
    ]
  }'
 # 期望(SSE 流):最后一帧 data: {"status":"done","content":"...","picks":[...]}
 # 若 picks 是空 → SOUL 没产生合法 [RECOMMEND_READY] / agent_id 不在候选池
 # 若整轮 status=error → 看后端 _diagnose_exception 输出的 hint
 ```
 #### 11.8.6 故障排查清单
 | 现象 | 排查方向 |
 |------|----------|
 | 推荐永远走 fallback（status=asking） | 后端日志 grep `recommend stream`，看 `last_ai_content` 是不是不含 `[RECOMMEND_READY]`——SOUL 没遵守协议 |
 | `picks` 数量被截断到 6 | 后端 `_MAX_PICKS=6` 故意限制，前端用户可再手加到 8 |
 | 模型推荐了候选池里没有的 id | `_validate_picks` 会丢掉，但若有效项不足 2 个会整轮走 fallback；改 SOUL 强调「严格来自候选池」 |
 | 推荐结果不偏向客户自有 agent | 先检查该 agent 的 `description` 是不是写得「任务导向」；再考虑在 SOUL 示例里加它 |
 | 推荐稳定性差（同 intent 重跑结果飘） | 推荐 model 用低 temperature（在 `roundtable-recommender/config.yaml` 加 `model: <某个低 temp 模型>` 或直接前端选 deterministic 模型） |
 | 前端弹窗顶部 rationale 区空白 | SOUL 让模型只输出 JSON 没有自然语言；恢复成「先思路 + 后 JSON」 |
 ---
 ## 12. 故障排查
@@ -691,7 +1112,7 @@ grep "special-timing"   .runtime/logs/*.log   # payload_built / first_upstream_l
 | Step 1 一直有澄清、无法进入 Step 2 | 未产出 `[INTENT_READY]` 或终态被 `clarification` 覆盖 | 看 SOUL、最后一帧 `status`；确认 intent 先扫 READY（§4.3 顺序） |
 | 选项全是多选 | 旧前端默认 `allow_multiple !== false` | 确认 `allow_multiple` 字段与 `resolve_allow_multiple`（缺省 false） |
 | Step 2 init SSE `error` | 协调 agent 创建失败 / agent_orchestration 缺失 / `_validate_agent_id` 命中 | Network + 后端 `multi_agent` 日志 |
-| Step 2 init 完全卡住 ~40 秒 | `httpx` 走了 `HTTP_PROXY` | 确认 `trust_env=False` 仍在；grep `headers_in=` 看时长 |
+| Step 2 init 完全卡住（历史症状，ASGITransport 改造后已不应再出现） | 旧版 `httpx` 走 `HTTP_PROXY` 拦回环 → 40s 超时 | 自改 ASGITransport 起此现象物理上不可能复现；若仍卡，看后端日志栈、检查路由 handler 是否阻塞 |
 | leader 立即 `status: []` | 未调用 orchestration 技能 / SkillStopMiddleware 没拦到 / SOUL 没声明派活 | 换模型或加强 SOUL；检查 `skill_stop_names` 是否包含 `agent_orchestration` |
 | dispatch 失败但 leader 文本看着正常 | 模型把 `roundtable-x（中文）` 整段塞进 `agent_name` | `_strip_display_suffix` 会兜底；若仍报 400，强化 SOUL 的「严格英文 id」 |
 | 推荐 picks 为空 | 未输出 `[RECOMMEND_READY]` 或 picks 不在候选池 | 看 recommend 终态帧；检查 `candidate_ids` 集合 |
@@ -708,7 +1129,7 @@ grep "dispatch failed"     .runtime/logs/*.log
 grep "upstream-timing"     .runtime/logs/*.log
 grep "leader-timing"       .runtime/logs/*.log
 grep "special-timing"      .runtime/logs/*.log
-grep "headers_in="         .runtime/logs/*.log   # 走代理症状
+grep "headers_in="         .runtime/logs/*.log   # 上游首字节延迟;ASGITransport 改造后通常 < 10ms
 ```
 ---
@@ -10,7 +10,7 @@
 - **整页只有一个文件**：`RoundtablePlanningPage.tsx`（≈ 3 621 行）。三步 UI 通过 `currentStep ∈ {1,2,3}` 切换，不使用 React Router 子路由。
 - **不使用 LangGraph SDK**：所有 API 都是自研的 `apiFetch` + `ReadableStream` SSE 解析（见 `api/intent.ts`、`api/recommend.ts`、`api/multi-agent.ts`）。
- **唯一默认模型**：`DEFAULT_MODEL = "deepseek-chat"`（页面常量，写在 `RoundtablePlanningPage.tsx`）。`useModels()` 只用于 Persona 抽屉的下拉选项。
+- **不写死模型名**：与 `/page/canvas/ai-writing` 同样的策略 —— 全局选中模型由 `selectedModel` state 维护，首次 `useModels()` 完成后初始化为 `availableModels[0].name`，顶栏「模型」下拉可切换。所有 API 调用统一传 `model: selectedModel || undefined`；后端缺省由 `lead_agent._resolve_model_name()` 回退到 `config.yaml` 的 `models[0]`。**内网部署只需在 `config.yaml` 配自家模型即可，前后端均无需改动**。
 - **席位区间硬约束**：推荐弹窗要求 **2 ≤ 选中数 ≤ 8**（`MIN_SELECTED` / `MAX_SELECTED`）。
 - **总控编排循环上限**：`MAX_CYCLES = 8`，超出后强制停止并 toast。
 - **席位派活策略**：**顺序**（不是并行）。旧实现并行触发多路 SSE 会让浏览器卡顿，现已改为顺序。
@@ -124,17 +124,17 @@ frontend-web/src/roundtable-planning/
 [进入 Step 3]
  HighFidelityReport
-    consensusText ← lastLeaderContent
+      consensusText ← lastLeaderContent
-    seatDeliveries ← step2RoundtableDialogues.filter(d => d.confidence === "子智能体交付")
+      seatDeliveries ← step2RoundtableDialogues.filter(d => d.confidence === "子智能体交付")
-    Object.entries(threadIds).filter(name !== coordinatorName).map → listSessionArtifacts(threadId)
+      Object.entries(threadIds).filter(name !== coordinatorName).map → listSessionArtifacts(threadId)
-    文本类文件 → ArtifactPreviewModal；其它 → window.open(downloadUrl)
+      文本类文件 → ArtifactPreviewModal；其它 → window.open(downloadUrl)
-```
+  ```
---
+  ---
-## 4. API 层
+  ## 4. API 层
-### 4.1 `api/intent.ts` — Step 1
+  ### 4.1 `api/intent.ts` — Step 1
 | 函数 | 说明 |
 |------|------|
@@ -364,13 +364,22 @@ isOrchestrating = false
 - 抽屉控件：
  - **System Prompt**：仅前端记录（后端覆写未开放）
  - **Temp**：仅前端记录
-  - **推理模型**：选项来自 `useModels()`，默认 `DEFAULT_MODEL`
+  - **推理模型**：选项来自 `useModels()`；显示值优先级 `agentConfigs[seat]?.model > selectedModel`
 - 「参数覆盖并重启动算研讨」按钮 → `handleSaveAgentAndRecalculate`：
  - 把新的 `(seatId, model)` 写入 `agentConfigs`
  - 追加一条「⚡ [模型偏好已保存] ...」对话气泡
-  - **不**立即重启编排；下一轮该席位被派活时 `runOrchestration` 内会读 `agentConfigs[meta.speakerId]?.model` 作为 special 调用的 `model` 参数
+  - **不**立即重启编排；下一轮该席位被派活时 `runOrchestration` 内会读 `agentConfigs[meta.speakerId]?.model || selectedModel || undefined` 作为 special 调用的 `model` 参数
-### 5.6 草稿持久化（`utils/drafts.ts`）
+### 5.6 全局模型选择器（右侧 sidebar 顶部）
 - **位置**：右侧 sidebar `currentStep !== 3` 时显示的第一个面板 —— 在「当前意图摘要」**正上方**。Step 3 时整个 sidebar 切换成「最终共识结论 / 风险与预算摘要 / 导出与交付」，所以模型选择器仅在 Step 1 / Step 2 可见（此时也是唯一会发起新模型调用的阶段）
 - **state**：`const [selectedModel, setSelectedModel] = useState<string>("")`
 - **初始化**：`useEffect(() => ...)` 在 `availableModels` 首次返回后把 `selectedModel` 设为 `availableModels[0].name`；后端配置变化导致当前选中 model 不在列表里时也回退到首项
 - **传参规则**：所有 5 个 API 调用点（`initIntent` / `streamIntent` / `streamRecommend` / `initMultiAgent` / `streamMultiAgent` leader / `streamMultiAgent` special）都传 `selectedModel || undefined`；special 还会先看 `agentConfigs[seat]?.model` per-seat 覆盖
 - **禁用态**：`availableModels.length === 0` 或 `modelsLoading` → `disabled`，placeholder 显示「加载中…」或「未配置模型」
 - **可改换为 Radix Select**：当前用原生 `<select>` 与 Persona 抽屉保持一致；如需统一样式可改为 `@/components/ui/select`，行为不变
 ### 5.7 草稿持久化（`utils/drafts.ts`）
 - Key：`roundtable-planning:drafts:v1`（`localStorage`）
 - 草稿快照含：`step1.{intentThreadId, intentReady, interactiveMessages, timelineEntries}`、`step2.{threadIds, coordinatorName, step2RoundtableDialogues, lastLeaderContent, hasConsensus, consensusPercentage, budgetLimit}`、`furthestStep`
@@ -544,7 +553,6 @@ interface StreamMultiAgentResult {
 | 常量 | 值 | 位置 |
 |------|----|------|
 | `DEFAULT_MODEL` | `"deepseek-chat"` | RoundtablePlanningPage |
 | `COMMANDER_SEAT_ID` | `1` | RoundtablePlanningPage |
 | `MAX_CYCLES` | `8` | RoundtablePlanningPage（`runOrchestration` 内） |
 | `MIN_SELECTED` / `MAX_SELECTED` | `2` / `8` | RecommendAgentsDialog |
@@ -5,7 +5,7 @@ import { env } from "@/env";
 * 素材的 recUuid 直接拼接在其后即为完整原文链接。
 */
 export const INTRANET_SOURCE_URL_BASE =
-  "https://chlib.b.uat.4.cn/knowlibrary/#/knowledge/mid_detail?recUuid=";
+  "https://chlib.b.uat.4.cn/knowlibrary/#/knowledge/mid-detail?recUuid=";
 /** 由 recUuid 构造内网原文详情页地址；recUuid 为空时返回空串。 */
 export function buildIntranetSourceUrl(recUuid?: string | null): string {
@@ -26,7 +26,10 @@ export const DESENSITIZE_MAP: Record<string, string> = {
  模拟: "MN",
  推演: "TY",
  认知: "RZ",
-  触及: "CJ"
+  触及: "CJ",
  军: "J",
  美军: "MJ",
  台军: "TJ",
 };
 /**
@@ -19,7 +19,7 @@ import { useArticleTypes } from '../../hooks/useArticleTypes';
 interface AIWritingFormProps {
  onSubmit: (req: AIWritingRequest) => void;
  disabled?: boolean;
-  /** workspace 入口：隐藏检索关键词数量、严格模式、目标读者 */
+  /** workspace 入口：隐藏严格模式、目标读者 */
  hideAdvancedFields?: boolean;
 }
@@ -33,7 +33,7 @@ const INPUT_CLASS =
  'placeholder:text-muted-foreground focus-visible:outline-none focus-visible:ring-1 ' +
  'focus-visible:ring-ring disabled:opacity-50';
-const DEFAULT_KEYWORD_COUNT = 6;
+const DEFAULT_KEYWORD_COUNT = 1;
 const DEFAULT_AUDIENCE = '普通读者';
 const MAX_INTENT_LENGTH = 500;
@@ -50,7 +50,6 @@ export function AIWritingForm({
  const [articleType, setArticleType] = useState('analysis');
  const [audience, setAudience] = useState('普通读者');
  const [wordCountInput, setWordCountInput] = useState('800');
  const [keywordCountInput, setKeywordCountInput] = useState('1');
  const [strictMode, setStrictMode] = useState(false);
  const [modelName, setModelName] = useState('');
  const [models, setModels] = useState<ModelOption[]>([]);
@@ -110,23 +109,10 @@ export function AIWritingForm({
    }
  }
  // 检索关键词数量限定 1~10，非法值回退默认 6
  function handleKeywordCountBlur() {
    const num = parseInt(keywordCountInput, 10);
    if (isNaN(num)) {
      setKeywordCountInput('1');
    } else {
      setKeywordCountInput(String(Math.max(1, Math.min(10, num))));
    }
  }
  function handleSubmit(e: React.FormEvent) {
    e.preventDefault();
    if (!intent.trim()) return;
    const wordCount = Math.max(100, parseInt(wordCountInput, 10) || 800);
    const keywordCount = hideAdvancedFields
      ? DEFAULT_KEYWORD_COUNT
      : Math.max(1, Math.min(10, parseInt(keywordCountInput, 10) || DEFAULT_KEYWORD_COUNT));
    onSubmit({
      userIntent: intent.trim(),
      articleType,
@@ -134,7 +120,7 @@ export function AIWritingForm({
        ? DEFAULT_AUDIENCE
        : audience.trim() || DEFAULT_AUDIENCE,
      wordCountTarget: wordCount,
-      keywordCount,
+      keywordCount: DEFAULT_KEYWORD_COUNT,
      writingMode: hideAdvancedFields ? 'loose' : strictMode ? 'strict' : 'loose',
      modelName: modelName || undefined,
    });
@@ -235,25 +221,6 @@ export function AIWritingForm({
      {!hideAdvancedFields && (
        <>
          <div className="space-y-2">
            <label className="text-sm font-semibold text-foreground">检索关键词数量（1~10）</label>
            <input
              type="number"
              min={1}
              max={10}
              step={1}
              className={INPUT_CLASS}
              placeholder="6"
              value={keywordCountInput}
              onChange={(e) => setKeywordCountInput(e.target.value)}
              onBlur={handleKeywordCountBlur}
              disabled={disabled}
            />
            <p className="text-xs text-muted-foreground/80">
              素材收集专家用几个关键词检索，越多素材越全面但耗时更长。
            </p>
          </div>
          <div className="flex items-start gap-2 rounded-xl border border-[#e8dedd] bg-[#f9f5f5] px-3 py-3">
            <input
              type="checkbox"
@@ -158,7 +158,7 @@ export interface AIWritingRequest {
  targetAudience: string;
  wordCountTarget: number;
  modelName?: string;
-  /** 素材检索关键词数量（1~10，默认 6） */
+  /** 素材检索关键词数量（1~10，默认 1） */
  keywordCount: number;
  /** 写作模式：strict=严格依据素材 / loose=可结合通用知识（默认 loose） */
  writingMode: 'strict' | 'loose';
@@ -21,9 +21,80 @@ export interface IntentInitResponse {
  thread_id: string;
 }
 /**
 * Structured diagnostic payload surfaced by the backend whenever an intent
 * route raises (init) or yields a final `status: "error"` frame (stream).
 * Same shape across `init_intent` / `stream_intent`; renderer keys off `code`
 * for quick visual triage, but also shows `hint` + `trace_tail` as a panel
 * so deployment-time issues (config.yaml unreachable LLM, missing builtin
 * agent dirs, loopback going through proxy) are debuggable from the UI alone
 * without tail-ing backend logs.
 */
 export interface IntentErrorDetail {
  /** Stable short category — see backend `_diagnose_exception`. */
  code: string;
  /** One-line human-readable description (already includes exception type). */
  message: string;
  exception_type: string;
  exception_repr: string;
  /** Root of the `__cause__` chain when distinct from the outer exception. */
  root_type?: string | null;
  root_repr?: string | null;
  /** Actionable hint in Chinese, keyed by `code`. May be null for unrecognized errors. */
  hint?: string | null;
  /** Last ~12 lines of the traceback for in-UI inspection. */
  trace_tail?: string[];
  /** Caller-supplied label (e.g. "intent_init"). */
  context?: string | null;
 }
 /**
 * Thrown by `initIntent` when the HTTP call fails. Carries the parsed
 * `IntentErrorDetail` (if the backend emitted one) so the page can render
 * a rich diagnostic panel instead of a one-line message.
 */
 export class IntentInitError extends Error {
  /** HTTP status (typically 500 for diagnosed failures, 401/403 for auth). */
  readonly status: number;
  /** Structured detail when the backend emitted `_diagnose_exception` output. */
  readonly detail: IntentErrorDetail | null;
  /** Raw body text when JSON parse failed (kept for completeness). */
  readonly rawBody: string;
  constructor(status: number, detail: IntentErrorDetail | null, rawBody: string) {
    super(detail?.message || `init intent failed (${status}): ${rawBody}`);
    this.name = "IntentInitError";
    this.status = status;
    this.detail = detail;
    this.rawBody = rawBody;
  }
 }
 function parseIntentErrorDetail(value: unknown): IntentErrorDetail | null {
  if (!value || typeof value !== "object") return null;
  const obj = value as Record<string, unknown>;
  if (typeof obj.code !== "string" || typeof obj.message !== "string") return null;
  return {
    code: obj.code,
    message: obj.message,
    exception_type: typeof obj.exception_type === "string" ? obj.exception_type : "",
    exception_repr: typeof obj.exception_repr === "string" ? obj.exception_repr : "",
    root_type: typeof obj.root_type === "string" ? obj.root_type : null,
    root_repr: typeof obj.root_repr === "string" ? obj.root_repr : null,
    hint: typeof obj.hint === "string" ? obj.hint : null,
    trace_tail: Array.isArray(obj.trace_tail) ? obj.trace_tail.filter((l): l is string => typeof l === "string") : [],
    context: typeof obj.context === "string" ? obj.context : null,
  };
 }
 /**
 * Create a fresh thread for an intent-clarification session.
 * The backend returns the built-in agent id so the frontend doesn't hardcode it.
 *
 * On failure throws `IntentInitError` whose `.detail` carries the backend's
 * `_diagnose_exception` payload — the page should surface `detail.hint` /
 * `detail.trace_tail` to help diagnose intranet deployment issues without
 * shell access to the server.
 */
 export async function initIntent(model?: string): Promise<IntentInitResponse> {
  const res = await apiFetch(`${getBackendBaseURL()}/api/intent/init`, {
@@ -32,8 +103,18 @@ export async function initIntent(model?: string): Promise<IntentInitResponse> {
    body: JSON.stringify({ model }),
  });
  if (!res.ok) {
-    const text = await res.text().catch(() => "");
+    const raw = await res.text().catch(() => "");
-    throw new Error(`init intent failed (${res.status}): ${text}`);
+    let detail: IntentErrorDetail | null = null;
    try {
      const parsed = JSON.parse(raw);
      // FastAPI HTTPException(detail=dict) → { "detail": {...} }
      if (parsed && typeof parsed === "object" && parsed !== null) {
        detail = parseIntentErrorDetail((parsed as { detail?: unknown }).detail) || parseIntentErrorDetail(parsed);
      }
    } catch {
      // body wasn't JSON — fall through with raw text only.
    }
    throw new IntentInitError(res.status, detail, raw);
  }
  return (await res.json()) as IntentInitResponse;
 }
@@ -89,6 +170,12 @@ export interface StreamIntentResult {
   * cards + custom input instead of treating the turn as plain text only.
   */
  clarification: ClarificationPayload | null;
  /**
   * Populated only when status === "error" and the backend emitted a
   * structured diagnostic (new in `_diagnose_exception`). UI uses this to show
   * the same rich panel as init failures.
   */
  errorDetail: IntentErrorDetail | null;
 }
 /**
@@ -106,6 +193,7 @@ function isFinalIntentFrame(value: unknown): value is {
  options?: unknown[];
  allow_custom?: boolean;
  allow_multiple?: boolean;
  error_detail?: unknown;
 } {
  if (!value || typeof value !== "object") return false;
  if (!("status" in value) || !("content" in value)) return false;
@@ -192,6 +280,7 @@ export async function streamIntent(req: StreamIntentRequest): Promise<StreamInte
    content: "",
    summary: null,
    clarification: null,
    errorDetail: null,
  };
  while (true) {
@@ -231,6 +320,9 @@ export async function streamIntent(req: StreamIntentRequest): Promise<StreamInte
        if (parsed.summary && typeof parsed.summary === "object") {
          result.summary = parsed.summary as IntentSummary;
        }
        if (parsed.status === "error") {
          result.errorDetail = parseIntentErrorDetail(parsed.error_detail);
        }
        if (parsed.status === "clarification") {
          const clarificationType =
            typeof parsed.clarification_type === "string" ? parsed.clarification_type : "";
@@ -26,7 +26,13 @@
 * 7) **Persona 抽屉**改的 model 不会立即重启编排，下一轮该席位被派活时由 `runOrchestration`
 *    读 `agentConfigs[meta.speakerId]?.model` 传入 special。prompt / temp 当前**仅前端记录**。
 *
- * 8) **常量**：`DEFAULT_MODEL`、`MAX_CYCLES=8`、`COMMANDER_SEAT_ID=1`、`INTENT_READY_RE`。
+ * 8) **模型选择**：不再硬编码 "deepseek-chat"。全局选中 model 由 `selectedModel`
 *    state 维护（首次 `useModels()` 完成后初始化为 `availableModels[0].name`），
 *    顶栏「模型」下拉可切换；Persona 抽屉的 per-seat 覆盖更高优先级。所有 API 调用
 *    传 `selectedModel || undefined`，后端缺省由 `lead_agent._resolve_model_name()`
 *    回退到 `config.yaml` 的 `models[0]`。内网部署只需配 `config.yaml` 即可。
 *
 * 9) **常量**：`MAX_CYCLES=8`、`COMMANDER_SEAT_ID=1`、`INTENT_READY_RE`。
 *
 * 调试开关（默认开启）：
 *   window.__MULTI_AGENT_INIT_TIMING__   // /api/multi-agent/init 各阶段耗时
@@ -51,7 +57,9 @@ import {
 } from "@/roundtable-planning/api/multi-agent";
 import {
  initIntent,
  IntentInitError,
  streamIntent,
  type IntentErrorDetail,
  type IntentStreamPhase,
  type IntentSummary,
 } from "@/roundtable-planning/api/intent";
@@ -189,7 +197,13 @@ function getAvatar(type: string, size: string = "h-8 w-8") {
 }
 // --- Multi-agent backend wiring ---
-const DEFAULT_MODEL = "deepseek-chat";
+//
 // 模型选择策略（与 /page/canvas/ai-writing 对齐,不再写死 "deepseek-chat"）:
 // - 全局选中模型由 selectedModel state 维护(首次 useModels 完成后初始化为 models[0].name)
 // - 所有 API 调用传 model 时统一用 selectedModel || undefined;后端缺省由
 //   lead_agent._resolve_model_name() 回退到 config.yaml 的 models[0]
 // - Persona 抽屉的 per-seat 覆盖优先(agentConfigs[seat]?.model > selectedModel)
 // 内网部署只需在 config.yaml 配自家模型,前后端都不需要再硬编码具体模型名。
 type RoleEntry = {
  id: number;
@@ -373,16 +387,24 @@ export default function RoundtablePlanningPage() {
  // for each of them concurrently instead of only the most recently set one.
  const [activeSpeakerSet, setActiveSpeakerSet] = useState<Set<number>>(new Set());
-  // Custom presets for agent model, weight, temperature and prompt editors
+  // Custom presets for agent model, weight, temperature and prompt editors.
  // model 字段留空,运行时由 runOrchestration 解析为
  //   agentConfigs[seat]?.model || selectedModel || undefined
  // 即「席位覆盖优先,否则跟随全局选中模型,否则让后端回退到 config.yaml models[0]」。
  const [agentConfigs, setAgentConfigs] = useState<{ [key: number]: { model: string; weight: number; prompt: string; temp: number } }>({
-    2: { model: DEFAULT_MODEL, weight: 90, temp: 0.2, prompt: "你负责解析核心任务、资源极限和用户目标偏好，监督全局研商收敛。" },
+    2: { model: "", weight: 90, temp: 0.2, prompt: "你负责解析核心任务、资源极限和用户目标偏好，监督全局研商收敛。" },
-    3: { model: DEFAULT_MODEL, weight: 85, temp: 0.3, prompt: "你负责搜集电力、通信系统、历史极端部署条件情报，支持备灾架构体系。" },
+    3: { model: "", weight: 85, temp: 0.3, prompt: "你负责搜集电力、通信系统、历史极端部署条件情报，支持备灾架构体系。" },
-    4: { model: DEFAULT_MODEL, weight: 88, temp: 0.1, prompt: "你评估服务器机房热载荷、算力并发承载极限，预报运行瓶颈与风险时钟。" },
+    4: { model: "", weight: 88, temp: 0.1, prompt: "你评估服务器机房热载荷、算力并发承载极限，预报运行瓶颈与风险时钟。" },
-    5: { model: DEFAULT_MODEL, weight: 92, temp: 0.4, prompt: "你负责双全栈主备建模设计，高内聚低耦合，规避不可预知停机崩溃。" },
+    5: { model: "", weight: 92, temp: 0.4, prompt: "你负责双全栈主备建模设计，高内聚低耦合，规避不可预知停机崩溃。" },
-    6: { model: DEFAULT_MODEL, weight: 95, temp: 0.1, prompt: "你作为安全主管，严厉把控预算开销与合规通过率防线，识别计划漏洞。" },
+    6: { model: "", weight: 95, temp: 0.1, prompt: "你作为安全主管，严厉把控预算开销与合规通过率防线，识别计划漏洞。" },
-    7: { model: DEFAULT_MODEL, weight: 80, temp: 0.4, prompt: "你负责对72小时里程碑执行路径规划、重排和资源调配演练序列。" },
+    7: { model: "", weight: 80, temp: 0.4, prompt: "你负责对72小时里程碑执行路径规划、重排和资源调配演练序列。" },
  });
  // 全局选中模型(对应顶栏「模型」下拉)。
  // 首次 useModels 加载完成后由下面的 useEffect 初始化为 availableModels[0].name,
  // 用户可以通过下拉框切换;Persona 抽屉的 per-seat 覆盖更高优先级。
  const [selectedModel, setSelectedModel] = useState<string>("");
  // Message lists state representation to mimic image items & enable actual conversations
  const [interactiveMessages, setInteractiveMessages] = useState([
    {
@@ -484,6 +506,8 @@ export default function RoundtablePlanningPage() {
  const [intentThreadId, setIntentThreadId] = useState<string | null>(null);
  const [intentReady, setIntentReady] = useState<IntentSummary | null>(null);
  const [intentInitError, setIntentInitError] = useState<string | null>(null);
  // 后端 _diagnose_exception 输出的结构化诊断,有就额外渲染 hint + trace_tail 面板。
  const [intentInitErrorDetail, setIntentInitErrorDetail] = useState<IntentErrorDetail | null>(null);
  const [isIntentSending, setIsIntentSending] = useState<boolean>(false);
  const [pendingIntentClarificationMsgId, setPendingIntentClarificationMsgId] = useState<number | null>(null);
  const [intentClarificationSelections, setIntentClarificationSelections] = useState<
@@ -561,6 +585,17 @@ export default function RoundtablePlanningPage() {
    }
  }, []);
  // 首次 /api/models 返回后,把 selectedModel 初始化为列表第一个 —— 与
  // AIWritingForm 的行为对齐。若 selectedModel 已经被用户在下拉框里选过,不再覆盖。
  // 若当前选中的 model 已不在 availableModels 里(后端配置变了),也回退到首项。
  useEffect(() => {
    if (availableModels.length === 0) return;
    const stillExists = availableModels.some((m) => m.name === selectedModel);
    if (!selectedModel || !stillExists) {
      setSelectedModel(availableModels[0].name);
    }
  }, [availableModels, selectedModel]);
  // Toast auto-dismiss logic
  useEffect(() => {
    if (showToast) {
@@ -837,7 +872,7 @@ export default function RoundtablePlanningPage() {
            dAgentThreadId: ids,
            agentName: coord,
            newMessage: nextLeaderTask,
-            model: DEFAULT_MODEL,
+            model: selectedModel || undefined,
            signal: leaderAborter.signal,
            onTextDelta: (text) => appendToDialogue(leaderBubbleId, text),
            onPhaseChange: (phase, toolName) => {
@@ -918,7 +953,8 @@ export default function RoundtablePlanningPage() {
              dAgentThreadId: ids,
              agentName: subName,
              newMessage: task,
-              model: perSeatModel || DEFAULT_MODEL,
+              // 优先级: 席位 Persona 覆盖 → 全局选中模型 → 让后端回退到 config.yaml models[0]
              model: perSeatModel || selectedModel || undefined,
              signal: subAborter.signal,
              onTextDelta: (text) => appendToDialogue(subBubbleId, text),
              onPhaseChange: (phase, toolName) => {
@@ -1026,7 +1062,7 @@ export default function RoundtablePlanningPage() {
        const initRes = await initMultiAgent({
          agentNames: roundtableAgentIds,
          mainAgentName: coord,
-          model: DEFAULT_MODEL,
+          model: selectedModel || undefined,
          // As each sub-agent's thread comes online, flip every role that
          // shares the agentId to "在线". Some seats reuse the same agent
          // (e.g. seat 8 reuses roundtable-summary) so we match on agentId
@@ -1148,7 +1184,9 @@ export default function RoundtablePlanningPage() {
    const role = roles.find(r => r.id === id);
    const roleName = role?.name || "专家智能体";
    const cfg = agentConfigs[id];
-    const targetModel = cfg?.model || DEFAULT_MODEL;
+    // Persona 抽屉里的「保存」反馈文字: 优先显示用户在抽屉里选的 model,
    // 没选时退回全局 selectedModel,最后才显示「默认」二字。
    const targetModel = cfg?.model || selectedModel || "默认模型";
    const avatarColor =
      id === 2 ? "blue"
@@ -1191,6 +1229,7 @@ export default function RoundtablePlanningPage() {
    const myGen = ++step1InitGenRef.current;
    setIntentReady(null);
    setIntentInitError(null);
    setIntentInitErrorDetail(null);
    setIntentThreadId(null);
    setPendingIntentClarificationMsgId(null);
    setIntentClarificationSelections(new Map());
@@ -1206,7 +1245,9 @@ export default function RoundtablePlanningPage() {
    ]);
    (async () => {
      try {
-        const res = await initIntent(DEFAULT_MODEL);
+        // initIntent 当前不在 thread 上落盘 model,只为占位与兼容;空时由后端
         // 走 lead_agent._resolve_model_name 回退到 config.yaml models[0]
        const res = await initIntent(selectedModel || undefined);
        if (step1InitGenRef.current !== myGen) return;
        setIntentThreadId(res.thread_id);
        setTimelineEntries([
@@ -1220,7 +1261,14 @@ export default function RoundtablePlanningPage() {
      } catch (err) {
        if (step1InitGenRef.current !== myGen) return;
        console.error("init intent failed:", err);
-        setIntentInitError((err as Error).message);
+        if (err instanceof IntentInitError) {
          // 优先使用后端的可读 message;若 detail 在,渲染诊断面板。
          setIntentInitError(err.detail?.message || err.message);
          setIntentInitErrorDetail(err.detail);
        } else {
          setIntentInitError((err as Error).message);
          setIntentInitErrorDetail(null);
        }
      }
    })();
  }, []);
@@ -1384,6 +1432,7 @@ export default function RoundtablePlanningPage() {
      setIntentThreadId(draft.step1.intentThreadId);
      setIntentReady(draft.step1.intentReady);
      setIntentInitError(null);
      setIntentInitErrorDetail(null);
      setInteractiveMessages(draft.step1.interactiveMessages as typeof interactiveMessages);
      setTimelineEntries(draft.step1.timelineEntries as typeof timelineEntries);
      step1InitRef.current = true;
@@ -1540,7 +1589,7 @@ export default function RoundtablePlanningPage() {
      const res = await streamIntent({
        threadId: intentThreadId,
        message: trimmed,
-        model: DEFAULT_MODEL,
+        model: selectedModel || undefined,
        signal: aborter.signal,
        onTextDelta: (delta) => {
          setInteractiveMessages(prev =>
@@ -1593,6 +1642,15 @@ export default function RoundtablePlanningPage() {
          return next;
        });
      } else if (res.status === "error") {
        // 同时把诊断信息写到顶部面板:toast 一闪而过,面板能稳定展示 hint + trace_tail
        // 方便用户截图发给后端排查。
        if (res.errorDetail) {
          setIntentInitError(res.errorDetail.message || res.content);
          setIntentInitErrorDetail(res.errorDetail);
        } else {
          setIntentInitError(res.content);
          setIntentInitErrorDetail(null);
        }
        triggerToast(`❌ 智能体调用失败: ${res.content}`);
      }
    } catch (err) {
@@ -1791,7 +1849,7 @@ export default function RoundtablePlanningPage() {
      <RecommendAgentsDialog
        open={isRecommendDialogOpen}
        intent={intentReady}
-        model={DEFAULT_MODEL}
+        model={selectedModel || undefined}
        onCancel={() => setIsRecommendDialogOpen(false)}
        onConfirm={handleConfirmAgents}
      />
@@ -2441,9 +2499,40 @@ export default function RoundtablePlanningPage() {
                      </button>
                    </div>
                    {intentInitError && (
-                      <p className="mt-2 text-[11px] text-red-500 font-medium">
+                      <div className="mt-2 rounded-lg border border-red-200 bg-red-50/70 p-3 text-[11px] leading-relaxed">
-                        智能体初始化失败: {intentInitError}
+                        <div className="flex items-center gap-2 mb-1.5">
-                      </p>
+                          <span className="font-bold text-red-700">智能体初始化失败</span>
                          {intentInitErrorDetail?.code && (
                            <span className="px-1.5 py-0.5 bg-red-100 text-red-700 rounded font-mono text-[10px]">
                              {intentInitErrorDetail.code}
                            </span>
                          )}
                          {intentInitErrorDetail?.exception_type && (
                            <span className="text-[10px] text-red-600 font-mono">
                              {intentInitErrorDetail.exception_type}
                              {intentInitErrorDetail.root_type && intentInitErrorDetail.root_type !== intentInitErrorDetail.exception_type
                                ? ` → ${intentInitErrorDetail.root_type}`
                                : ""}
                            </span>
                          )}
                        </div>
                        <p className="text-red-700 font-medium break-all">{intentInitError}</p>
                        {intentInitErrorDetail?.hint && (
                          <p className="mt-1.5 text-red-800 bg-amber-50 border-l-2 border-amber-400 px-2 py-1 rounded-sm">
                            <span className="font-bold">💡 建议:</span> {intentInitErrorDetail.hint}
                          </p>
                        )}
                        {intentInitErrorDetail?.trace_tail && intentInitErrorDetail.trace_tail.length > 0 && (
                          <details className="mt-1.5">
                            <summary className="cursor-pointer text-red-600 hover:text-red-800 select-none text-[10px] font-bold">
                              展开 traceback 末段(共 {intentInitErrorDetail.trace_tail.length} 行)
                            </summary>
                            <pre className="mt-1 max-h-48 overflow-auto bg-slate-900 text-slate-100 text-[10px] leading-snug p-2 rounded font-mono whitespace-pre">
 {intentInitErrorDetail.trace_tail.join("\n")}
                            </pre>
                          </details>
                        )}
                      </div>
                    )}
                  </div>
                )}
@@ -3091,7 +3180,8 @@ export default function RoundtablePlanningPage() {
                        <div className="space-y-1">
                          <label className="text-[9px] font-black text-slate-500 uppercase tracking-wider block">推理本源模型</label>
                          <select
-                            value={agentConfigs[selectedAgentId]?.model || DEFAULT_MODEL}
+                            // 抽屉里显示的「当前模型」:Persona 覆盖优先,否则跟随全局 selectedModel
                            value={agentConfigs[selectedAgentId]?.model || selectedModel || ""}
                            onChange={(e) => {
                              const val = e.target.value;
                              setAgentConfigs(prev => ({
@@ -3106,7 +3196,7 @@ export default function RoundtablePlanningPage() {
                            disabled={modelsLoading}
                          >
                            {availableModels.length === 0 && (
-                              <option value={DEFAULT_MODEL}>{DEFAULT_MODEL}</option>
+                              <option value="">{modelsLoading ? "加载中…" : "未配置模型"}</option>
                            )}
                            {availableModels.map((m) => (
                              <option key={m.name} value={m.name}>
@@ -3580,6 +3670,44 @@ export default function RoundtablePlanningPage() {
            </>
          ) : (
            <>
              {/* Panel 0: 推理模型选择器
                  ─────────────────────────────────────────────────────
                  全局选中模型(selectedModel)影响 Step 1 / 推荐 / Step 2 init /
                  总控 leader / 子席位 special 所有 API 调用。Persona 抽屉里
                  per-seat 覆盖优先级更高。
                  选项来自 /api/models(由 config.yaml 配置),内网部署只需配自家模型。 */}
              <div className="bg-white border border-slate-200/50 rounded-2xl p-4 shadow-[0_2px_8px_rgba(0,0,0,0.01)]">
                <div className="flex items-center gap-2 border-b border-slate-100 pb-2.5 mb-2.5">
                  <Cpu className="w-4 h-4 text-primary" strokeWidth={2.5} />
                  <h2 className="text-xs font-bold text-slate-900 uppercase tracking-widest">推理模型</h2>
                </div>
                <select
                  id="global-model-select"
                  value={selectedModel}
                  onChange={(e) => setSelectedModel(e.target.value)}
                  disabled={modelsLoading || availableModels.length === 0}
                  title={
                    modelsLoading
                      ? "正在加载模型列表…"
                      : availableModels.length === 0
                        ? "未在 config.yaml 中配置任何模型"
                        : "切换全局推理模型;不影响 Persona 抽屉里已设置的 per-seat 覆盖"
                  }
                  className="w-full bg-slate-50/50 border border-slate-100 rounded-xl px-3 py-2 text-xs font-bold text-slate-700 cursor-pointer focus:outline-none focus:border-primary focus:ring-1 focus:ring-[var(--brand-200)]/50 disabled:opacity-50 disabled:cursor-not-allowed dark:bg-secondary dark:text-foreground dark:border-border"
                >
                  {availableModels.length === 0 && (
                    <option value="">{modelsLoading ? "加载中…" : "未配置模型"}</option>
                  )}
                  {availableModels.map((m) => (
                    <option key={m.name} value={m.name}>
                      {m.display_name && m.display_name !== m.name
                        ? `${m.display_name} (${m.name})`
                        : m.name}
                    </option>
                  ))}
                </select>
              </div>
              {/* Panel 1: 当前意图摘要 */}
              <div className="bg-white border border-slate-200/50 rounded-2xl p-4.5 shadow-[0_2px_8px_rgba(0,0,0,0.01)]">
                <div className="flex items-center gap-2 border-b border-slate-100 pb-2.5 mb-2.5">
@@ -0,0 +1,411 @@
 """圆桌功能型 agent 的「调用前自检 + 缺失自动补建」工具。
 适用场景
 --------
 ``roundtable-intent`` / ``roundtable-recommender`` 是圆桌 Step 1 + 推荐链路的
 **功能型** 内置 agent,任何部署都必须存在。但仓库根 ``.gitignore`` 把整个
 ``.deer-flow/`` 目录排除,新机器 ``git clone`` 之后这两个目录**不会存在**,
 直接调 ``/api/intent/stream`` 会因为 agent 解析失败抛 500。
 本模块在三个路由入口(``intent.init``、``intent.stream``、``recommend.stream``)
 被调用,检查磁盘文件是否齐全;缺失则用下方嵌入的标准模板写回去。
 ``_sync_legacy_agents`` 会在下一次 ``GET /api/agents`` 时把目录 upsert 进 DB,
 所以这里只关心磁盘文件,不直接动 DB。
 为什么嵌入字符串而不是用 importlib.resources 资源文件
 ------------------------------------------------------
 SOUL 体量不大(两个加起来 ~200 行),嵌入到 Python 文件里是**单一可信源**——改
 SOUL 走代码 review、commit 走 git 历史,且不会因为 wheel 打包漏配
 ``package-data`` 导致部署机拿不到。
 """
 from __future__ import annotations
 import logging
 from typing import Iterable
 import yaml
 from deerflow.config.paths import get_paths
 logger = logging.getLogger(__name__)
 INTENT_AGENT_ID = "roundtable-intent"
 INTENT_AGENT_NAME = "任务理解"
 INTENT_AGENT_DESCRIPTION = (
    "任务理解智能体,通过 2-5 轮简短追问把用户模糊需求转化成结构化的"
    "「任务目标+约束+关键假设」,为多智能体圆桌研讨准备输入"
 )
 # 与 .deer-flow/agents/roundtable-intent/SOUL.md 保持完全一致;
 # 改动请同步两处或以本文件为准 + 删除磁盘旧目录让下一次请求重建。
 INTENT_AGENT_SOUL = """# 任务理解智能体
 你是多智能体圆桌研讨 **Step 1** 的「任务理解专员」。本提示词定义了 Step 1 的完整流程与边界;若管理员为你配置了 Skill,可结合 Skill 补充领域话术或检查清单,但**不得偏离**下文的工作流、`ask_clarification` 用法与 `[INTENT_READY]` 结束协议。
 ---
 ## 1. 你的目标
 通过 **2–5 轮**简短对话,把用户模糊的需求整理成结构化输入,供 Step 2 圆桌使用:
 | 字段 | 含义 |
 |------|------|
 | `objective` | 一句话任务目标 |
 | `constraints` | 硬约束列表(预算/时间/合规/范围等,至少 1 条) |
 | `assumptions` | 你替用户做的合理假设(可空数组) |
 **优先级**:目标 > 硬约束 > 软偏好。已经清楚的信息不要再问。
 ---
 ## 2. 工作流(必须遵守)
 ```
 用户描述任务
    ↓
 信息够不够?
    ├─ 不够 / 有歧义 → 调用 ask_clarification(可带 options 卡片)
    ↓
 用户回复(可能是「我选择:…」或自由文本)
    ↓
 重复 2–5 轮
    ↓
 信息充分 → 自然语言汇总 + [INTENT_READY] + JSON
    ↓
 停止追问(本轮及之后都不要再 ask_clarification)
 ```
 **关键规则**:
 - 澄清阶段 **只** 用 `ask_clarification` 提问;不要用纯文本空问「还有什么补充吗」。
 - 一旦输出 `[INTENT_READY]`,**同一轮对话立即结束**,不要再追加追问或工具调用。
 - **不做方案、不给技术建议、不写文件、不联网、不派活**——那是 Step 2 六个席位的事。
 ---
 ## 3. 唯一工具:`ask_clarification`
 当缺少信息、存在歧义、需要用户拍板时,**必须**调用此工具(不要只在正文里提问)。
 ### 3.1 参数说明
 | 参数 | 必填 | 说明 |
 |------|------|------|
 | `question` | ✅ | 一个聚焦的问题,一次只问一个决策点 |
 | `clarification_type` | ✅ | 见下表 |
 | `context` | 推荐 | 为什么需要用户确认(1 句话) |
 | `options` | 有离散选项时必填 | 字符串列表,如 `["≤500万", "500–1000万", "暂不确定"]` |
 | `allow_multiple` | 可选 | 默认 **不传 / False = 单选**;仅当用户**确实可同时选多项**时传 `True` |
 ### 3.2 `clarification_type` 怎么选
 | 类型 | 何时使用 | 选项 UI |
 |------|----------|---------|
 | `missing_info` | 缺预算、时间、范围等关键事实 | 默认单选;多项约束可同时成立时 `allow_multiple=True` |
 | `ambiguous_requirement` | 同一句话多种理解 | 默认单选 |
 | `approach_choice` | 在若干方案/路径中选一个 | **单选**(点击即发送) |
 | `risk_confirmation` | 需要用户明确确认风险 | **单选** |
 | `suggestion` | 你有建议,需用户批准 | **单选** |
 ### 3.3 选项卡片(前端行为)
 - 你提供 `options` 后,前端会渲染**可点击卡片**。
 - **默认单选**:用户点一项即发送,无需再点「发送」。
 - **多选**(仅 `allow_multiple=True`):用户可多选后点「发送回答」。
 - 用户也可能在自定义输入框里打字;回复常见格式:`我选择:A、B;补充:…`——请据此更新理解并继续流程。
 ### 3.4 调用示例
 **缺信息 + 单选预算档:**
 ```
 ask_clarification(
  question="这次任务的预算大致在哪个区间?",
  clarification_type="missing_info",
  context="预算会影响后续圆桌的可行方案范围",
  options=["≤ 300 万", "300–800 万", "≥ 800 万", "暂不确定"]
 )
 ```
 **选部署方式(单选):**
 ```
 ask_clarification(
  question="优先采用哪种部署方式?",
  clarification_type="approach_choice",
  context="不同部署方式对工期和合规要求差异很大",
  options=["仅内网私有化", "混合云", "全公有云"]
 )
 ```
 **多项硬约束可同时满足(多选):**
 ```
 ask_clarification(
  question="以下哪些约束必须同时满足?(可多选)",
  clarification_type="missing_info",
  context="我需要确认哪些是硬性底线",
  options=["预算上限", "72 小时内交付", "等保三级", "零停机"],
  allow_multiple=True
 )
 ```
 ### 3.5 同轮多个独立问题
 若 **多个互不依赖** 的信息都缺失,可在 **同一轮** 多次调用 `ask_clarification`(每个问题一次调用,各自带 `options`)。
 若后一个问题依赖前一个答案,**只问第一个**,等用户回复后再问下一个。
 ---
 ## 4. 信息充分性判定
 满足 **全部** 条件即可结束澄清:
 1. 能写出一句明确的 `objective`(用户希望实现 X)
 2. `constraints` 至少 1 条硬约束(预算 / 时间 / 合规 / 范围 之一)
 3. 没有会妨碍 Step 2 研讨的明显歧义
 若用户**首条消息**已包含目标 + 约束,**直接汇总**,不要多余追问。
 ---
 ## 5. 结束协议:`[INTENT_READY]`
 信息充分时,回复结构必须是:
 1. **自然语言**向用户复述「我理解的任务是 …」(📋 汇总,让用户 review)
 2. **紧接着**输出下方固定标记 + JSON(后端靠此解锁「进入 Step 2」)
 格式要求(**严格**):
 ```
 [INTENT_READY]
 ```json
 {
  "objective": "用一句话写出用户最终要做的事",
  "constraints": ["预算 ≤ XXX 万", "时间 ≤ XXX 天", ...],
  "assumptions": ["假设 1", "假设 2"]
 }
 ```
 ```
 - `[INTENT_READY]` **单独成行**,前后不要夹其他字符
 - 标记后**紧跟** ```json 代码块
 - 字段名必须是 `objective` / `constraints` / `assumptions`
 - `constraints` 至少 1 条;`assumptions` 可为 `[]`
 **输出 `[INTENT_READY]` 后禁止再调用 `ask_clarification` 或继续追问。**
 ---
 ## 6. 输出风格
 - 普通澄清轮:不超过 **3 句话**(工具调用前的引导语可更短)
 - 提问要**具体**(❓),汇总要**结构化**(✅ 📋)
 - 适度 emoji:❓ 提问、✅ 已明确、📋 汇总
 ---
 ## 7. 禁止事项
 - ❌ `agent_orchestration`、读写文件、bash、联网搜索、memory 等——你无权使用
 - ❌ 输出具体实施方案、架构图、代码
 - ❌ 在已输出 `[INTENT_READY]` 之后继续提问
 - ❌ 用「还有什么要补充的吗」代替 `ask_clarification`
 ---
 ## 8. 完整对话示例
 **用户**:帮我规划一个生产系统安全改造
 **你**(调用工具):
 ```
 ask_clarification(
  question="预算大致在哪个区间?工期有没有硬性上限?",
  clarification_type="missing_info",
  context="这两项是后续圆桌排期的基础",
  options=["预算 ≤300万 / 6个月内", "预算 300–800万 / 6–12个月", "预算 ≥800万 / 时间较灵活", "暂不确定,需先评估"]
 )
 ```
 **用户**:我选择:预算 300–800万 / 6–12个月
 **你**(若还需确认合规):
 ```
 ask_clarification(
  question="是否需要满足特定合规标准?",
  clarification_type="missing_info",
  options=["等保 2.0", "等保 3.0", "行业监管无特殊要求", "暂不确定"]
 )
 ```
 **用户**:我选择:等保 2.0
 **你**(汇总,不再调用工具):
 ✅ 我理解的任务是:在 300–800 万预算、6–12 个月工期内,对生产系统做安全改造并满足等保 2.0。
 📋
 [INTENT_READY]
 ```json
 {
  "objective": "对生产系统进行安全改造,满足等保 2.0 合规要求",
  "constraints": ["预算 300–800 万元", "工期 6–12 个月", "必须满足等保 2.0"],
  "assumptions": ["允许在预定窗口内安排必要停机", "现有系统具备基础数字化能力"]
 }
 ```
 """
 RECOMMENDER_AGENT_ID = "roundtable-recommender"
 RECOMMENDER_AGENT_NAME = "智能体推荐"
 RECOMMENDER_AGENT_DESCRIPTION = (
    "智能体推荐专员,基于用户的任务目标与约束,从候选智能体池中挑选最相关的 "
    "2-6 个智能体并给出推荐理由,为多智能体圆桌研讨准备最终参会名单"
 )
 RECOMMENDER_AGENT_SOUL = """# 智能体推荐专员
 ## 角色定位
 你是多智能体圆桌研讨的"智能体推荐专员"。任务理解专员已经把用户需求整理成「任务目标 + 约束 + 关键假设」交给你,你的工作是从一个**候选智能体池**里,挑出**最适合**参加这次圆桌研讨的 2-6 个智能体,并为每一位写一句推荐理由。
 ## 核心职责
 - 仔细阅读用户的任务目标与约束
 - 浏览候选池中每个智能体的 `name` 与 `description`
 - 选出与本次任务**最相关**的 2-6 个智能体(数量动态,不必凑齐 6 个)
 - 为每个推荐的智能体写一句**具体、可验证**的推荐理由——必须能回答"它能为这次任务做什么"
 - 不推荐重复职能的智能体(如果两个智能体能力高度重叠,只选一个)
 - 不推荐与任务明显无关的智能体(宁缺毋滥)
 ## 数量约束
 - **下限**:至少推荐 2 个(单个智能体谈不上"圆桌")
 - **上限**:最多推荐 6 个(超过 6 个会让协调智能体派活混乱、上下文膨胀)
 - 候选池不足 2 个时,有几个推几个
 ## 输出协议
 **你必须严格按下述格式输出**(后端用正则识别):
 1. 先用自然语言简短说明你的推荐思路(1-3 句话,让用户能 review)
 2. 然后输出标记 `[RECOMMEND_READY]` 单独成行
 3. 紧接一个 ```json 代码块,内容为:
 ```json
 {
  "picks": [
    {"agent_id": "<候选池中的智能体 id>", "reason": "<一句推荐理由>"},
    ...
  ]
 }
 ```
 格式注意:
 - `[RECOMMEND_READY]` 标记必须**单独成行**,前后无其他字符
 - 标记紧接着一个 ```json 代码块
 - `picks` 数组长度严格在 [2, 6] 之间(候选池不足时按实际数量,但不要少于 2 除非候选池本身就 < 2)
 - `agent_id` 必须**严格**来自候选池(不要造词)
 - `reason` 必须**具体**,不要"很合适"、"很强"这类空话
 ## 输出风格
 - 思路部分简短:用一句话概括你为什么挑这些(例如"按情报→设计→风险→执行的研讨节奏挑选了 4 位")
 - 推荐理由要**具体到任务**,例如"负责检索同类合规改造案例,直接对应本次等保 2.0 的对标需求"
 - 适度用 emoji:📋 表示开始汇总
 ## 边界
 - 不调用任何工具(不联网、不执行命令、不读写文件)
 - 不评价候选智能体的优劣(只判断"是否适合本次任务")
 - 不发起对话、不反问用户——你只产出推荐结果
 - 候选池里没有的智能体绝不出现在 `picks` 中
 ## 示例
 **用户输入**(由后端拼装):
 ```
 任务目标:对生产系统进行安全改造,满足等保 2.0 合规要求
 约束:预算 ≤ 500 万元;工期 ≤ 6 个月;必须满足等保 2.0
 关键假设:现有系统具备基础数字化能力;允许预定窗口停机
 候选智能体池:
 - roundtable-intelligence (情报收集):检索同类历史案例、行业最佳实践与外部情报
 - roundtable-environment (环境评估):评估硬件容量与系统量化承载力
 - roundtable-solution-design (方案设计):产出主备方案与关键路径
 - roundtable-risk-review (风险审查):合规红线检查与收敛建议
 - roundtable-execution-plan (执行规划):里程碑与资源排布
 - roundtable-summary (总结陈述):归纳冲突标记与盖印
 - my-cost-calc (成本测算):基于预算和资源单价计算总成本
 ```
 **你的输出**:
 按"情报→设计→风险→执行"的研讨节奏,挑选 5 位最贴合本次等保 2.0 改造任务的智能体,并加入成本测算覆盖预算硬约束。📋
 [RECOMMEND_READY]
 ```json
 {
  "picks": [
    {"agent_id": "roundtable-intelligence", "reason": "检索同类等保 2.0 改造案例与监管口径,直接支撑本次合规对标"},
    {"agent_id": "roundtable-solution-design", "reason": "在 6 个月工期约束下产出主备改造方案与关键路径"},
    {"agent_id": "roundtable-risk-review", "reason": "对照等保 2.0 合规红线审查方案,避免后期返工"},
    {"agent_id": "roundtable-execution-plan", "reason": "把改造拆成可在 6 个月内交付的里程碑与资源排布"},
    {"agent_id": "my-cost-calc", "reason": "校验整体方案落在 500 万元预算硬约束内"}
  ]
 }
 ```
 """
 _BUILTIN_FUNCTIONAL_AGENTS: tuple[tuple[str, str, str, str], ...] = (
    (INTENT_AGENT_ID, INTENT_AGENT_NAME, INTENT_AGENT_DESCRIPTION, INTENT_AGENT_SOUL),
    (RECOMMENDER_AGENT_ID, RECOMMENDER_AGENT_NAME, RECOMMENDER_AGENT_DESCRIPTION, RECOMMENDER_AGENT_SOUL),
 )
 def _ensure_one(agent_id: str, name: str, description: str, soul: str) -> bool:
    """Create the on-disk files for one functional agent if missing.
    Returns True if files were just created, False if the directory already
    existed (and we didn't touch it — respect any local edits).
    """
    agent_dir = get_paths().agent_dir(agent_id)
    if agent_dir.exists():
        return False
    agent_dir.mkdir(parents=True, exist_ok=True)
    # newline="\n" 强制 LF;否则 Windows 下 open() 把 \n 翻成 \r\n,跨 OS 部署时与
    # Linux 部署机字节级不一致(功能上 YAML/Markdown 都兼容,但 git diff / 哈希对不齐)。
    config_yaml = yaml.dump(
        {"id": agent_id, "name": name, "description": description},
        default_flow_style=False,
        allow_unicode=True,
    )
    (agent_dir / "config.yaml").write_bytes(config_yaml.encode("utf-8"))
    (agent_dir / "SOUL.md").write_bytes(soul.encode("utf-8"))
    return True
 def ensure_roundtable_functional_agents() -> list[str]:
    """Seed `roundtable-intent` + `roundtable-recommender` if their directories
    are missing. Idempotent — fast no-op when both exist.
    Called from the entry of intent/init, intent/stream, and recommend/stream
    so the routes self-heal on fresh internal deployments where `.deer-flow/`
    is gitignored and the agent directories were never shipped.
    Returns the list of agent ids that were just created (empty when nothing
    needed seeding). Errors are logged but never raised — a partial failure
    must not block the request; the downstream route will surface its own
    actionable error if the agent really cannot be resolved.
    """
    created: list[str] = []
    for agent_id, name, description, soul in _BUILTIN_FUNCTIONAL_AGENTS:
        try:
            if _ensure_one(agent_id, name, description, soul):
                created.append(agent_id)
        except Exception:
            logger.exception("Failed to seed roundtable functional agent '%s'", agent_id)
    if created:
        logger.info("Seeded missing roundtable functional agents: %s", ", ".join(created))
    return created
 def required_agent_ids() -> Iterable[str]:
    """Stable ids of agents this seeder owns — exposed for tests/diagnostics."""
    return tuple(a[0] for a in _BUILTIN_FUNCTIONAL_AGENTS)
@@ -63,13 +63,16 @@ from fastapi.responses import StreamingResponse
 # Reuse the building blocks already in multi_agent.py — keeps both routers
 # identical in connection handling, payload shape, and error mapping.
 from app.gateway.routers._roundtable_seed import ensure_roundtable_functional_agents
 from app.gateway.routers.multi_agent import (
    _auth_headers,
    _create_thread,
    _diagnose_exception,
    _find_dispatch_message,
    _find_trailing_ai_text,
    _flatten_content,
    _loopback_base,
    _make_loopback_client,
    _parse_last_messages,
    _run_payload,
    _stream_upstream,
@@ -94,8 +97,9 @@ _INTENT_READY_PATTERN = re.compile(
 async def init_intent(request: Request, payload: dict = Body(...)) -> dict[str, Any]:
    """创建任务理解会话用的空 thread。
-    请求体：``{ "model": "deepseek-chat" }``（可选，当前 init 未把 model 写入 thread，
+    请求体：``{ "model": "<可选>" }``（可选，当前 init 未把 model 写入 thread，
-    实际模型在 ``/stream`` 的每次 run 里指定）。
+    实际模型在 ``/stream`` 的每次 run 里指定；缺省由 lead_agent 回退到
    ``config.yaml`` 的 ``models[0]``，前端通常传当前下拉框选中的 model 名）。
    响应::
@@ -104,15 +108,29 @@ async def init_intent(request: Request, payload: dict = Body(...)) -> dict[str,
    与 ``POST /api/multi-agent/init`` 的区别：不创建协调智能体、不建多席位
    thread 映射；agent 本身已通过磁盘 ``.deer-flow/agents/`` 同步注册。
    """
    # 调用前自检:内网部署 .deer-flow/ 被 gitignore,首次启动时本 agent 目录可能不存在,
    # 缺失则就地用嵌入模板补建,避免下一步 /stream 报 500。
    ensure_roundtable_functional_agents()
    base = _loopback_base(request)
    headers = _auth_headers(request)
-    # trust_env=False: this client only talks to the same-process gateway at
+    # TCP loopback 到 127.0.0.1:<gateway port>(详见 multi_agent._make_loopback_client)。
-    # 127.0.0.1, so honoring HTTP_PROXY / HTTPS_PROXY env vars (set system-wide
+    # 不要在这里替换成 httpx.ASGITransport——曾试过,会整段 buffer SSE 流导致前端
-    # on the dev machine) makes httpx route loopback calls through an upstream
+    # 看不到逐 token 增量。
-    # proxy that can't reach 127.0.0.1, costing 40+ seconds of timeout per
+    try:
-    # request before falling back. Symptom in logs: `headers_in=42.160s`.
+        async with _make_loopback_client(request) as client:
-    async with httpx.AsyncClient(timeout=None, trust_env=False) as client:
+            thread_id = await _create_thread(client, base, headers)
-        thread_id = await _create_thread(client, base, headers)
+    except HTTPException:
        # 上游已用结构化方式失败,原样传给前端不需要二次包装。
        raise
    except Exception as exc:
        # 把根因暴露给前端而不是吞成裸 500——内网部署常见的「config.yaml 模型外网不通」
        # / 「内置 agent 目录缺失」/ 「loopback 走代理」都能在前端面板直接看到。
        # FastAPI 把 detail=dict 序列化为 {"detail": {...}};前端 initIntent
        # 在 !res.ok 分支里读 detail.hint / trace_tail 渲染诊断面板。
        diagnostic = _diagnose_exception(exc, context="intent_init")
        logger.error("intent init failed: %s", diagnostic, exc_info=exc)
        raise HTTPException(status_code=500, detail=diagnostic) from exc
    return {
        "status": "success",
        "agent_id": INTENT_AGENT_ID,
@@ -138,21 +156,25 @@ async def stream_intent(request: Request, payload: dict = Body(...)) -> Streamin
    """
    thread_id = str(payload.get("thread_id") or "").strip()
    message = str(payload.get("message") or "").strip()
-    model_name = str(payload.get("model") or "deepseek-chat")
+    # 不写死任何默认模型名:空串会让 lead_agent._resolve_model_name() 回退到
    # config.yaml 的 models[0],与 /api/ai-writing 等其它路由一致,内网部署只配
    # 自己的本地模型即可工作。
    model_name = str(payload.get("model") or "")
    if not thread_id:
        raise HTTPException(status_code=400, detail="thread_id is required")
    if not message:
        raise HTTPException(status_code=400, detail="message is required")
    # 调用前自检:防御性二次检查——若管理员在 init 之后手动删了目录,这里也能自愈。
    ensure_roundtable_functional_agents()
    base = _loopback_base(request)
    headers = _auth_headers(request)
    async def stream_generator() -> AsyncIterator[str]:
-        # trust_env=False: same-process loopback to 127.0.0.1 — honoring
+        # ASGITransport：进程内直调本机 ASGI app，**不走 TCP / 不经过网络栈**，
-        # HTTP_PROXY / HTTPS_PROXY env vars (commonly set on dev machines)
+        # 因此既无须 trust_env=False 防代理，也不存在 loopback 40s 超时这种坑。
-        # causes httpx to route loopback calls through an unreachable upstream
+        async with _make_loopback_client(request) as client:
        # proxy and wait ~40 seconds for timeout before falling back.
        async with httpx.AsyncClient(timeout=None, trust_env=False) as client:
            try:
                body = _run_payload(
                    agent_name=INTENT_AGENT_ID,
@@ -266,11 +288,40 @@ async def stream_intent(request: Request, payload: dict = Body(...)) -> Streamin
            except HTTPException as exc:
                logger.warning("intent stream HTTPException: %s %s", exc.status_code, exc.detail)
-                err = {"status": "error", "content": f"[{exc.status_code}] {exc.detail}", "summary": None}
+                # HTTPException 的 detail 可能本身就是 dict(上游已结构化),也可能是 str。
                # 统一包装成与 _diagnose_exception 同构的字段,便于前端按一种模型渲染。
                detail_payload: Any = exc.detail
                error_detail: dict[str, Any]
                if isinstance(detail_payload, dict) and "code" in detail_payload:
                    error_detail = detail_payload
                else:
                    error_detail = {
                        "code": "http_exception",
                        "message": f"[{exc.status_code}] {detail_payload}",
                        "exception_type": "HTTPException",
                        "exception_repr": repr(exc),
                        "root_type": None,
                        "root_repr": None,
                        "hint": None,
                        "trace_tail": [],
                        "context": "intent_stream",
                    }
                err = {
                    "status": "error",
                    "content": error_detail["message"],
                    "summary": None,
                    "error_detail": error_detail,
                }
                yield f"data: {json.dumps(err, ensure_ascii=False)}\n\n"
            except Exception as exc:
-                logger.exception("intent stream unexpected failure")
+                diagnostic = _diagnose_exception(exc, context="intent_stream")
-                err = {"status": "error", "content": f"unexpected: {exc!r}", "summary": None}
+                logger.error("intent stream failed: %s", diagnostic, exc_info=exc)
                err = {
                    "status": "error",
                    "content": diagnostic["message"],
                    "summary": None,
                    "error_detail": diagnostic,
                }
                yield f"data: {json.dumps(err, ensure_ascii=False)}\n\n"
    return StreamingResponse(
@@ -49,11 +49,14 @@ from __future__ import annotations
 import asyncio
 import json
 import logging
 import os
 import re
 import time
 import traceback
 from typing import Any, AsyncIterator
 import httpx
 from deerflow.config import get_app_config
 from deerflow.tools.builtins.clarification_utils import resolve_allow_multiple
 from fastapi import APIRouter, Body, HTTPException, Request
 from fastapi.responses import StreamingResponse
@@ -63,13 +66,216 @@ router = APIRouter(prefix="/api/multi-agent", tags=["multi-agent"])
 # ---------------------------------------------------------------------------
-# Loopback 辅助函数（Gateway → Gateway，同进程）
+# 共享:异常诊断器(intent/recommend/multi-agent 共用)
 # ---------------------------------------------------------------------------
 def _diagnose_exception(exc: BaseException, *, context: str = "") -> dict[str, Any]:
    """把后端异常转成结构化诊断 dict,直接给前端展示用。
    设计目标:让运维 / 前端开发不用翻 backend 日志就能看到根因和处置建议。
    返回字段:
      - code:           短稳定分类(loopback_connect_failed / upstream_connect_failed / ...)
      - message:        一行人类可读
      - exception_type: 表层异常类名
      - exception_repr: repr(exc)
      - root_type / root_repr: 沿 __cause__ 链找到的最深异常(若与表层不同)
      - hint:           针对常见失败模式的可执行建议(中文)
      - trace_tail:     traceback 最后 ~12 行(避免响应体过大)
      - context:        调用方标签(如 "intent_init")
    """
    exc_type = type(exc).__name__
    exc_repr = repr(exc)
    # 沿 __cause__ 链找最深异常:httpx 经常把 ConnectError 包成 RemoteProtocolError 等。
    root: BaseException = exc
    seen: set[int] = {id(root)}
    while getattr(root, "__cause__", None) is not None and id(root.__cause__) not in seen:
        root = root.__cause__  # type: ignore[assignment]
        seen.add(id(root))
    code = "unexpected"
    hint = "查看 trace_tail 最后一帧定位代码位置;若信息不足请到 backend 日志找完整 traceback。"
    if isinstance(root, httpx.ConnectError):
        target = str(root).strip().lower()
        # loopback 走真 TCP 到 127.0.0.1:<gateway port>;失败 = Gateway 进程没起 / 端口被占。
        # outbound 失败(其它 host)= LLM 提供商不可达。
        if "127.0.0.1" in target or "localhost" in target or "loopback" in target:
            code = "loopback_connect_failed"
            hint = (
                "本地 Gateway loopback 连接失败:确认后端进程正在监听配置的端口。"
                "端口配置优先级(高→低):env DEER_FLOW_GATEWAY_PORT > config.yaml 的 "
                "gateway.port > 默认 8001。若部署机改了端口,在 config.yaml 加 "
                "`gateway:\\n  port: <端口>` 即可。"
            )
        else:
            code = "upstream_connect_failed"
            hint = (
                "外网/上游服务连接失败:大概率是 LLM 提供商不可达"
                "(如 api.deepseek.com 在内网被防火墙拦截)。"
                "把 config.yaml 里所有 base_url 改成内网可达的 LLM endpoint,"
                "或加白名单/正向代理(HTTPS_PROXY)。"
            )
    elif isinstance(root, httpx.TimeoutException):
        code = "upstream_timeout"
        hint = (
            "上游请求超时:网络抖动 / 模型推理过慢。"
            "先 curl <base_url>/v1/models 确认可达,再看模型是否过载或 max_tokens 过大。"
        )
    elif isinstance(root, httpx.HTTPStatusError):
        code = "upstream_http_error"
        status = getattr(getattr(root, "response", None), "status_code", "?")
        hint = (
            f"上游接口返回 HTTP {status}:可能是 API key 失效、模型名不对、"
            "或目标服务自身报错。查看 backend 日志里 response.text 拿详细错误体。"
        )
    elif isinstance(root, FileNotFoundError):
        code = "file_not_found"
        hint = (
            f"找不到路径:{root}。常见原因:内置 agent 目录(.deer-flow/agents/<id>/)缺失,"
            "或 SOUL.md 没拷过来;详见后端开发文档 §11.7。"
        )
    elif isinstance(root, KeyError):
        code = "key_error"
        hint = (
            f"缺少 key:{root}。若 key 是 agent_name/agent_id 类:大概率内置 agent 目录缺失;"
            "若是配置 key:检查 config.yaml schema。"
        )
    elif isinstance(root, ValueError) and "model" in str(root).lower():
        code = "no_models_configured"
        hint = "config.yaml 没有任何 models[],或所有条目都解析失败。检查 yaml 语法与 $ENV 引用。"
    trace_lines = traceback.format_exception(type(exc), exc, exc.__traceback__)
    trace_tail = "".join(trace_lines).splitlines()[-12:]
    return {
        "code": code,
        "message": f"{exc_type}: {exc}" if str(exc) else exc_type,
        "exception_type": exc_type,
        "exception_repr": exc_repr,
        "root_type": type(root).__name__ if root is not exc else None,
        "root_repr": repr(root) if root is not exc else None,
        "hint": hint,
        "trace_tail": trace_tail,
        "context": context or None,
    }
 # ---------------------------------------------------------------------------
 # Loopback 辅助函数（Gateway → Gateway，同进程）
 #
 # 圆桌三路由（intent / recommend / multi_agent）需要从一个 FastAPI handler 里
 # 调用本机 Gateway 的另一个 endpoint（`/api/threads`、`/api/agents`、
 # `/api/threads/{id}/runs/stream`）。这里用真 TCP loopback 到本机的 127.0.0.1
 # + Gateway 监听端口。
 #
 # ⚠️ 历史踩坑(三个) ⚠️
 # 1. 直接走系统代理:开发机若设了 HTTP_PROXY / HTTPS_PROXY,httpx 默认会把
 #    127.0.0.1 也走代理 → 上游代理不可达,40s 超时(典型日志 headers_in=42.160s)。
 #    → 修法:client 用 `trust_env=False`,强制忽略代理 env vars。
 #
 # 2. 用 request.url.netloc 拼 base URL:Nginx 反代部署时,客户端打到 nginx 的
 #    public host(如 example.com),nginx 把请求转给 gateway 时 Host header
 #    通常是 `gateway:8001` 或 public host;后者 httpx 会真的去 DNS 解析,
 #    在 gateway 容器内可能不可达 → 连接失败。
 #    → 修法:**写死 127.0.0.1**,完全无视 request.url.netloc。
 #
 # 3. 一度尝试用 httpx.ASGITransport(app=request.app) 进程内直调,看似一劳永逸,
 #    但 httpx 0.28 的 ASGITransport 对 streaming response **整段 buffer**,
 #    一直收齐所有 body chunks 才一次性把响应给消费方 → SSE 完全失效,前端表现
 #    为"调度阶段很长 + 流式结果一次性出现"。已弃用。
 #    → 详见:git log 6e3a07b(那次改 ASGI 引入)及随后回退。
 #
 # 端口策略(优先级,从高到低):
 #   1. 环境变量 DEER_FLOW_GATEWAY_PORT
 #      ── 部署侧紧急覆盖通道,适合 docker-compose / k8s 注入或临时调试
 #   2. config.yaml 的 `gateway.port`
 #      ── 部署侧**推荐**的配置方式,改完不需要重启二进制(get_app_config 有 mtime
 #         热加载,但仍建议跑一次 reload 以确保所有 worker 拿到新值)
 #   3. request.url.port
 #      ── 浏览器直连 gateway:8001 时拿得到;走 Nginx 80/443 反代时会落到下一档
 #   4. 默认 8001(与 `make dev` / `make gateway` / `scripts/start-all.sh` 写死的一致)
 #
 # 端口在哪里改(给运维 / 部署侧的提示):
 #   - yaml 配置:打开 config.yaml,加 / 改:
 #       gateway:
 #         port: 9999
 #   - 环境变量:
 #       export DEER_FLOW_GATEWAY_PORT=9999
 #
 # 修改这两个函数时务必跑一次 SSE 流式 smoke 验证(见 multi-agent-backend-dev.md
 # §13 测试建议),确认 chunks 是逐个到达而不是一次喷出。
 # ---------------------------------------------------------------------------
 # 写死的最终 fallback。**不要**为了改端口而修改这个常量——优先用 config.yaml /
 # env 这两层(它们在部署侧不需要改源码即可生效)。这个值只在 yaml 缺失 + env
 # 没设 + 请求里也拿不到合法 port 时才会用到。
 _DEFAULT_GATEWAY_PORT = 8001
 def _resolve_gateway_port(request: Request) -> int:
    """按四档 fallback 解析 Gateway 监听端口。详见模块顶部「端口策略」。"""
    # 第 1 档:环境变量。允许非法值(garbage),只警告并继续下一档,不抛异常。
    env_port = os.environ.get("DEER_FLOW_GATEWAY_PORT", "").strip()
    if env_port:
        try:
            port = int(env_port)
            if 1 <= port <= 65535:
                return port
            raise ValueError("out of range")
        except ValueError:
            logger.warning(
                "DEER_FLOW_GATEWAY_PORT=%r 不是合法端口,fallback 到 config.yaml / request / %d",
                env_port,
                _DEFAULT_GATEWAY_PORT,
            )
    # 第 2 档:config.yaml 的 gateway.port。GatewayConfig.port 的 pydantic 校验
    # 已经保证它在 1-65535 范围内,无需再次校验。读 config 失败时降级,不阻断业务。
    try:
        configured = get_app_config().gateway.port
        if configured:
            return configured
    except Exception as exc:
        # 极端场景:config.yaml 不存在或解析失败。这种情况下 gateway 本身也起不来,
        # loopback 端口"猜错"也已经无所谓。仅记 debug 日志方便排查。
        logger.debug("read gateway.port from app config failed: %s", exc)
    # 第 3 档:从当前请求拿 port。浏览器直连 gateway 时是真实监听端口;
    # 走 Nginx 反代时通常是 80/443(public port),那就跳过,落到最终默认。
    inbound_port = request.url.port
    if inbound_port is not None and inbound_port not in (80, 443):
        return inbound_port
    # 第 4 档:写死默认。
    return _DEFAULT_GATEWAY_PORT
 def _loopback_base(request: Request) -> str:
-    """当前请求的 scheme+host，用于 httpx 打回本机 Gateway。"""
+    """返回 `http://127.0.0.1:<port>`,供 loopback 调用拼 URL。
-    return f"{request.url.scheme}://{request.url.netloc}"
+
    强制 127.0.0.1 是为了避免 Nginx 反代场景下读到经过 Host 改写的 netloc。
    端口按 `_resolve_gateway_port` 的四档 fallback 解析。
    """
    return f"http://127.0.0.1:{_resolve_gateway_port(request)}"
 def _make_loopback_client(request: Request) -> httpx.AsyncClient:
    """构造同进程 loopback 用的 httpx.AsyncClient(真 TCP)。
    所有圆桌路由(intent / recommend / multi_agent)的 loopback 调用必须走这里,
    保持配置一致。
    - `trust_env=False`:**关键**,忽略 HTTP_PROXY / HTTPS_PROXY,防代理拦截 127.0.0.1
    - `timeout=None`:SSE 长连接需要,LangGraph runs/stream 可能跑数十秒
    - `request` 参数当前未被使用,保留是为了:(a) 未来若需要从 request 取部署
      上下文(如多租户端口隔离)可以无侵入扩展;(b) 与调用方现有签名兼容。
    """
    return httpx.AsyncClient(
        timeout=None,
        trust_env=False,
    )
 def _auth_headers(request: Request) -> dict[str, str]:
@@ -303,7 +509,7 @@ async def init_multi_agent(request: Request, payload: dict = Body(...)) -> Strea
        {
          "agent_names": ["roundtable-intelligence", ...],  // 用户选的席位 id
          "main_agent_name": "roundtable-coordinator-xxx",  // 当次总控 id，前端生成
-          "model": "deepseek-chat"                          // 可选，写入 coordinator agent
+          "model": "<可选>"                                  // 可选,写入 coordinator agent;不传由 lead_agent 回退到 config.yaml models[0]
        }
    SSE 事件（每条 ``data: {...}\\n\\n``）::
@@ -335,11 +541,9 @@ async def init_multi_agent(request: Request, payload: dict = Body(...)) -> Strea
        return f"data: {json.dumps(payload, ensure_ascii=False)}\n\n"
    async def stream_generator() -> AsyncIterator[str]:
-        # trust_env=False: same-process loopback to 127.0.0.1 — honoring
+        # TCP loopback 到 127.0.0.1:<gateway port>。client 配置见 _make_loopback_client：
-        # HTTP_PROXY / HTTPS_PROXY env vars (commonly set on dev machines)
+        # trust_env=False 防 HTTP_PROXY 拦截,timeout=None 容纳 SSE 长连接。
-        # causes httpx to route loopback calls through an unreachable upstream
+        async with _make_loopback_client(request) as client:
        # proxy and wait ~40 seconds for timeout before falling back.
        async with httpx.AsyncClient(timeout=None, trust_env=False) as client:
            try:
                # Per-seat prepare task — same body as before, but we no longer
                # await them with asyncio.gather. Instead, asyncio.as_completed
@@ -456,7 +660,9 @@ async def _stream_upstream(
    - ``(None, captured)`` — 流结束，``captured`` 为所有 ``data:`` 行文本列表，
      供 ``_parse_last_messages`` 从倒数 values 快照提取 ``messages``。
-    日志 ``[upstream-timing]``：排查首 token 慢、代理导致 loopback 超时（见 trust_env=False）。
+    日志 ``[upstream-timing]``：排查首 token 慢；headers_in 长尾若 >> 网络往返(loopback
    本机往返通常 <10ms),怀疑 HTTP_PROXY 拦了回环——检查 client 是否走 _make_loopback_client
    (trust_env=False)。
    """
    url = f"{base}/api/threads/{thread_id}/runs/stream"
@@ -843,8 +1049,8 @@ async def run_multi_agent_stream(request: Request, payload: dict = Body(...)) ->
          "d_agent_thread_id": { "<agent_id>": "<thread_id>", ... },  // init_done.thread_ids
          "agent_name": "<本次运行的 agent_id>",
          "new_message": "<用户消息或派活 task 文本>",
-          "model": "deepseek-chat",
+          "model": "<可选>",       // 不传由 lead_agent 回退到 config.yaml models[0]
-          "skill_stop_names": []   // 可选，leader 一般留空，由网关注入 agent_orchestration
+          "skill_stop_names": []   // 可选,leader 一般留空,由网关注入 agent_orchestration
        }
    响应：上游 SSE 行透传 + 末尾一条 ``data:`` JSON（leader 为 dict，special 同上）。
@@ -855,7 +1061,9 @@ async def run_multi_agent_stream(request: Request, payload: dict = Body(...)) ->
    agent_name: str = str(payload.get("agent_name") or "").lower()
    new_message: str = str(payload.get("new_message") or "")
    skill_stop_names: list[str] = payload.get("skill_stop_names") or []
-    model_name: str = str(payload.get("model") or "deepseek-chat")
+    # 不写死任何默认模型;空串会让 lead_agent._resolve_model_name() 回退到
    # config.yaml 的 models[0],与 /api/ai-writing 等其它路由一致。
    model_name: str = str(payload.get("model") or "")
    if not agent_name or agent_name not in agent_threads:
        raise HTTPException(
@@ -870,11 +1078,9 @@ async def run_multi_agent_stream(request: Request, payload: dict = Body(...)) ->
    headers = _auth_headers(request)
    async def stream_generator() -> AsyncIterator[str]:
-        # trust_env=False: same-process loopback to 127.0.0.1 — honoring
+        # TCP loopback 到 127.0.0.1:<gateway port>。client 配置见 _make_loopback_client：
-        # HTTP_PROXY / HTTPS_PROXY env vars (commonly set on dev machines)
+        # trust_env=False 防 HTTP_PROXY 拦截,timeout=None 容纳 SSE 长连接。
-        # causes httpx to route loopback calls through an unreachable upstream
+        async with _make_loopback_client(request) as client:
        # proxy and wait ~40 seconds for timeout before falling back.
        async with httpx.AsyncClient(timeout=None, trust_env=False) as client:
            try:
                if agent_type == "leader":
                    gen = _leader_run(
@@ -47,11 +47,13 @@ import httpx
 from fastapi import APIRouter, Body, HTTPException, Request
 from fastapi.responses import StreamingResponse
 from app.gateway.routers._roundtable_seed import ensure_roundtable_functional_agents
 from app.gateway.routers.multi_agent import (
    _auth_headers,
    _create_thread,
    _flatten_content,
    _loopback_base,
    _make_loopback_client,
    _parse_last_messages,
    _run_payload,
    _stream_upstream,
@@ -151,7 +153,7 @@ async def stream_recommend(request: Request, payload: dict = Body(...)) -> Strea
        {
          "intent": {"objective": "...", "constraints": [...], "assumptions": [...]},
          "candidates": [{"agent_id": "...", "name": "...", "description": "..."}, ...],
-          "model": "deepseek-chat"   # optional
+          "model": "<可选>"           # optional;不传由 lead_agent 回退到 config.yaml models[0]
        }
    Stream: transparent upstream LangGraph frames, followed by one status
@@ -169,7 +171,10 @@ async def stream_recommend(request: Request, payload: dict = Body(...)) -> Strea
    """
    intent = payload.get("intent") or {}
    candidates = payload.get("candidates") or []
-    model_name = str(payload.get("model") or "deepseek-chat")
+    # 不写死任何默认模型;空串会让 lead_agent._resolve_model_name() 回退到
    # config.yaml 的 models[0]。内网部署可能没有 deepseek-chat,前端传当前选中的
    # model 名即可,缺失也不会硬错。
    model_name = str(payload.get("model") or "")
    if not isinstance(intent, dict) or not str(intent.get("objective") or "").strip():
        raise HTTPException(status_code=400, detail="intent.objective is required")
@@ -185,16 +190,19 @@ async def stream_recommend(request: Request, payload: dict = Body(...)) -> Strea
    if not candidate_ids:
        raise HTTPException(status_code=400, detail="candidates must contain at least one valid agent_id")
    # 调用前自检:内网部署 .deer-flow/ 被 gitignore,roundtable-recommender 目录可能不存在,
    # 缺失则用嵌入模板补建,避免下游 lead_agent 解析失败抛 500。
    ensure_roundtable_functional_agents()
    prompt = _build_prompt(intent, candidates)
    base = _loopback_base(request)
    headers = _auth_headers(request)
    async def stream_generator() -> AsyncIterator[str]:
-        # trust_env=False: same-process loopback to 127.0.0.1 — honoring
+        # TCP loopback 到 127.0.0.1:<gateway port>(详见 multi_agent._make_loopback_client)。
-        # HTTP_PROXY / HTTPS_PROXY env vars (commonly set on dev machines)
+        # 不要在这里替换成 httpx.ASGITransport——曾试过,会整段 buffer SSE 流导致前端
-        # causes httpx to route loopback calls through an unreachable upstream
+        # 看不到逐 token 增量。
-        # proxy and wait ~40 seconds for timeout before falling back.
+        async with _make_loopback_client(request) as client:
        async with httpx.AsyncClient(timeout=None, trust_env=False) as client:
            try:
                # 每次推荐独立 thread；prompt 已包含完整 intent + 候选列表，无需多轮。
                thread_id = await _create_thread(client, base, headers)
@@ -2,6 +2,13 @@
 config_version: 8
 log_level: info
 # Gateway FastAPI 监听端口。圆桌三路由(intent / recommend / multi_agent)的同进程
 # loopback 调用会拼 http://127.0.0.1:<port> 打到本机其它 endpoint,所以必须与
 # 实际监听端口一致(scripts/start-all.sh、Makefile 默认 8001)。
 # 部署机改了端口请同步改这里;也可设环境变量 DEER_FLOW_GATEWAY_PORT 临时覆盖。
 gateway:
  port: 8001
 models:
  - name: deepseek-chat
    display_name: DeepSeek Chat
@@ -1,5 +1,6 @@
 from .app_config import get_app_config
 from .extensions_config import ExtensionsConfig, get_extensions_config
 from .gateway_config import GatewayConfig
 from .memory_config import MemoryConfig, get_memory_config
 from .paths import Paths, get_paths
 from .skill_evolution_config import SkillEvolutionConfig
@@ -20,6 +21,7 @@ __all__ = [
    "SkillsConfig",
    "ExtensionsConfig",
    "get_extensions_config",
    "GatewayConfig",
    "MemoryConfig",
    "get_memory_config",
    "get_tracing_config",
@@ -13,6 +13,7 @@ from deerflow.config.agents_api_config import AgentsApiConfig, load_agents_api_c
 from deerflow.config.checkpointer_config import CheckpointerConfig, load_checkpointer_config_from_dict
 from deerflow.config.database_config import DatabaseConfig
 from deerflow.config.extensions_config import ExtensionsConfig
 from deerflow.config.gateway_config import GatewayConfig
 from deerflow.config.guardrails_config import GuardrailsConfig, load_guardrails_config_from_dict
 from deerflow.config.memory_config import MemoryConfig, load_memory_config_from_dict
 from deerflow.config.model_config import ModelConfig
@@ -122,6 +123,7 @@ class AppConfig(BaseModel):
    skill_stop: SkillStopConfig = Field(default_factory=SkillStopConfig, description="Skill stop middleware configuration")
    model_config = ConfigDict(extra="allow")
    database: DatabaseConfig = Field(default_factory=DatabaseConfig, description="Unified database backend configuration")
    gateway: GatewayConfig = Field(default_factory=GatewayConfig, description="Gateway FastAPI listening port (used by intra-process loopback)")
    run_events: RunEventsConfig = Field(default_factory=RunEventsConfig, description="Run event storage configuration")
    checkpointer: CheckpointerConfig | None = Field(default=None, description="Checkpointer configuration")
    stream_bridge: StreamBridgeConfig | None = Field(default=None, description="Stream bridge configuration")
@@ -0,0 +1,46 @@
 """Gateway 进程的本机绑定配置。
 目前唯一字段是 ``port``——Gateway FastAPI 的监听端口。圆桌三路由
 (intent / recommend / multi_agent) 内部用 loopback 调本机的其它 endpoint
 (``/api/threads``、``/api/agents`` 等),需要知道这个端口才能拼出 base URL。
 为什么放在配置里而不是写死
 --------------------------
 - 部署方常常会改 Gateway 监听端口(端口被占用、合规要求、容器化端口映射),
  写死代码意味着每次改端口都得改源码 + 重新构建/分发,**改 config 不需要重启二进制**
 - ``DEER_FLOW_GATEWAY_PORT`` 环境变量仍然是更高优先级的紧急覆盖通道,适合
  临时调试或者 docker-compose / k8s 注入
 修改方式(部署侧)
 ------------------
 在 ``config.yaml`` 顶层加:
 .. code-block:: yaml
    gateway:
      port: 9999        # 默认 8001;部署机改了 gateway 端口时改这里
 只想临时改一次(不动 yaml)→ 设环境变量:
 .. code-block:: bash
    export DEER_FLOW_GATEWAY_PORT=9999
 """
 from __future__ import annotations
 from pydantic import BaseModel, Field
 class GatewayConfig(BaseModel):
    """Gateway 本机 loopback 端口配置。"""
    port: int = Field(
        default=8001,
        ge=1,
        le=65535,
        description=(
            "Gateway FastAPI 监听端口。圆桌内部 loopback 调用会拼到 "
            "``http://127.0.0.1:<port>``。默认 8001(与 Makefile/scripts/start-all.sh 对齐)。"
        ),
    )