52 Commits

Author	SHA1	Message	Date
ThearchyHelios	2d5e50fa88	Excel 导入改造期 2：配方引擎与确认向导——表从哪一行哪一列开始、哪些是合计、日期怎么补年份，都写进一份可校验的配方；首次导入经人确认，之后每期按配方重放并核对 ... 配方语言（agentlab-recipe/2，新 recipe_types、recipe） - 封闭、不含正则、保存时静态校验：常量只能从表里的候选文字里选，占位符只能映射成空值，单位从固定词表里取 - 交叉表和列表两种版式；分段各自定位、不依赖先后顺序；合计按标签语义区间核对，关系恒等式、口径不同的声明都写在配方里 - 固定的解析器集合（parsers/2）：全角、各类横线、千分位、月日写法宽容归一，规范写法存库、原文另记 执行器（新 xlsx_cells、recipe_engine） - 两遍读取逐行对账，每个非空格都要有去向（格子账）；交叉表逆透视成长表，按统计期补年份并断言覆盖整期 - 合计行改作核对并另存一张表，不和明细混在一列；区域外文字、隐藏行列、合并单元格、空行之后的文字都单独报出 - STRICT 加主键写临时库；按锚点段记溯源，供后续证据下钻用；大表流式读取，扫描在 sheetData 处停止 校验与说明（新 recipe_checks、recipe_notes） - SQL 核对分通过、不一致、无法核对三种结果，失败分结构、数据质量、需确认三类；结构类直接拒收 - 数据质量类可以写理由接受，接受不改库、只改状态和说明 - 表的说明按核对结果生成、不含数字，经过数字检查；没核对过的不写「已核对」 起草（新 recipe_suggest、recipe_ai） - 先用规则起草：建议卡片加待确认问题（关系要不要登记、占位符表示什么） - 规则起草不完整时才提示 AI 兜底：界面先展示要发出的全部文字，用户同意才发；只发结构，数字、隐藏行列、遮罩列不发，公式先脱敏；同意绑定模型和服务方；AI 只写配方，有限次修订，记 token 和费用；截断单独识别 - 无论规则还是 AI 起草，都必须人工确认才能启用 导入流程（新 recipe_imports、recipe_confirm、recipe_diff、api/table_imports） - 暂存 → 起草 → 回答问题或改配方 → 试运行 → 勾确认项、写接受理由 → 确认并启用；接入期 1 的构建、导入记录、快照和运行固定版本 - 上传新一期按已确认的配方重放，不调用模型，出回执和差异卡，手动启用 - 改配方报破坏性变更（breaking:*）、单位变化、工作表改名的兜底，都要逐项勾选确认 前端导入向导（新 pages/import） - 原始网格（行列号、去向着色）、建议卡片、配方面板（表单，不露正则）、试运行回执、确认清单、差异卡、AI 起草的同意对话框	2026-10-01 22:00:07 +08:00
ThearchyHelios	8059cd5147	Excel 导入改造期 1：止血与版本底座——写错的列名不再静默得 0，导入不再悄悄读错，每次上传生成不可变的版本，运行固定发起时的数据版本 ... 连接层 - 所有 SQLite 数据源关闭双引号字符串兼容（DQS），写错的双引号列名直接报错；设置失败就拒绝连接，启动时自检 - 连接缓存按数据源加版本快照分键、按源整体失效、最多 32 个；版本快照以 immutable 只读打开，建连接前核对文件哈希，并在借出连接时核对文件指纹，被改过就拒绝查询 - 结构探查遇到取不了列的视图时逐个对象重取，只跳过坏的那个并注明原因 解析（新 xlsx_scan + tabular） - 先流式扫描真实边界和版式（不信 dimension），再按边界读值，不整表进内存；按 Excel 自身上限设硬上限，并发解析最多两个 - 隐藏和深度隐藏的工作表不导入；稀疏区域、无缓存值的公式、同名工作表、DTD 拒收 - 去掉空行和两侧空列；列名表名统一规范化（新 names 模块）并保留原表头，撞名不再互相覆盖 - 前导零、超长数字按文本；千分位按数字；日期不带 T；带单位的数字文本写进回执 - 数字列混入非数字、交叉表和多块结构必须由用户决定（422），可选存空值或按原样导入（未规整）；STRICT 建表，整份在一个事务里写完 版本底座（新 table_versions、raw_store） - 每次上传写新库文件、落盘、0444，事务里写构建、导入记录、快照后才切指针；失败时旧版完整可查 - 原件按哈希存档，不提供下载，可以清除；上传源不许改连接字段、不再重新探查；手工 SQLite 源不许指向上传目录和应用自己的数据文件（按文件身份判断） - 启动时清理半成品与孤儿文件、给老上传补初始版本；被运行引用的版本不回收，发起运行与回收互斥 - 上传接口的解析移到线程池 运行固定数据版本 - 发起时把图里（含子工作流）用到的上传源的当前快照记进运行记录和 run.started，续跑、审批恢复沿用；数据源工具按固定的快照生成描述、表结构并查询 - 固定的版本没了、源被删除后同名重建，都明确报错，不改用当前版本或同名的新源；查询快照记 data_version 证据层 - 新报告记 entity_syntax: 2，[[t:明细]]、[[c:明细.金额]] 和 SQL 里不加引号的中文表名都认得，名字按 SQLite 的口径查找；老报告按原规则复核，结果不变 - 写作规则改为中文表名、字段名一律用 [[t:]] / [[c:]]；未规整的表在工具描述、写作目录和裁判摘录里标出 前端 - 上传弹窗接上导入前的决定（混合列、交叉表）和导入回执（跳过的隐藏表、类型转换、警告、原表头对照、未规整标记），上传前告知原件会保存 - 数据源卡片按 origin 认上传的表格，显示当前版本；上传的表格不再给「探查结构」	2026-10-01 13:42:04 +08:00
ThearchyHelios	c837cdbfa3	助手改图不再把没说完当成「画布无需修改」：输出被截断、或一个操作都没给时报错，不再对着原图自查、交付；改图额度从 8192 提到 32768，服务方不收时退回 8192；提示词要求不在思考里草拟 JSON	2026-09-30 18:05:33 +08:00
ThearchyHelios	bd8306bf95	结论句裁判改造：「不支持」拆成「证据相矛盾」和「证据不足」，补全交给裁判的证据，旧判定可按新规则重判 ... - 判定取值改为：支持 / 部分支持 / 证据相矛盾 / 证据不足 / 不是结论。只有证据和句子冲突才判相矛盾； 证据里没有相关信息判证据不足，并写明缺什么（比如 SQL、字段清单） - 出具判档不变松：证据相矛盾按 on_unsupported 降档或不予出具；证据不足记一条缺口，最多降档、不能判完整出具； 改造前的「证据不支持」照旧当相矛盾处理 - 补全证据摘录：表名附字段清单和类型（最多 60 个，快照不全时注明，遮罩列不列）；口径卡指标附上每个输入 取自哪次查询、哪一格，以及那次查询的 SQL；一律只读封存范围内的工件 - 理由上限从 60 字放宽到 120 字，在句子边界截断，不再截在半句中间 - 裁判模型：按需裁判也判断是否和写作模型相同、是否在价格表里，证据面板里醒目提示； 设置页没配裁判模型时写明「未单独配置，将使用助手的模型」 - 新判定带规则版本：改造前的判定在界面上标「按旧规则判定」，可以请模型按当前规则重新判断 - 界面：证据相矛盾用红色；证据不足用中性色和 ○，写明缺什么；讲方法、讲结构的句子在证据面板里直接列出 对应的 SQL 和字段清单；出具横幅、审计表、报告节点印章的计数都分开这两档 - 顺带写稳 check-publish 里一条等按钮状态的断言（并行时偶发）	2026-09-30 10:04:52 +08:00
ThearchyHelios	03c18c4d78	界面文案整改：口语改书面、术语统一、不再露出实现细节；修掉几处说错的提示；新增文案检查防回潮 ... 一、文案（前端约 1600 处，后端传到界面的约 880 处） - 术语统一：工作流层面用「运行」（继续运行、重新运行、试运行），节点和工具层面用「执行」，不再用「跑」； 总时长 / 执行时长 / 等待审批；服务端；助手；Agent；token；工作流；固定版本；模型接入；系统提示；批准 / 驳回；受管级别 - 口语改书面：取不到、没取回来、读不懂、连不上、多半、照样、兜底、揉成这类说法改成「无法 / 未能 / 失败 / 请」；去掉拟人写法 - 不再露出实现细节：界面上不写 checkpoint、同一拍、哈希（凭证处除外），不写改版历史（「以前…」「老数据」）； 报错、校验、门禁、自动修复里裸写的配置键名和枚举值换成界面上的中文标签，由新的 backend/app/engine/labels.py 统一提供； 发布弹窗里结论句的选项不再是 off / require_citation - 同一件事只留一种说法：生成阶段文案、出具档位说明、画布锁定提示各合成一份 - 去掉界面上的工业场景示例（MES、ERP、「张工」「王工」）和真实产品名，换成通用示例 二、说错的提示（都有测试证明） - 数据库测连接失败时的专用提示以前从不出现（按报错文字全等比较，永远比不上）：改为按错误类型判断，不再拼出重复的前缀 - 「设置 → 供应商」改指「设置 → 模型接入」；「在设置里建数据源」改指「数据」页 - 缺少 API Key、模型接入已停用的报错不再夹英文，写明去哪里填 - 两处原因说错（「这种引用在后续版本支持」「这一版还不支持」）改成真实原因 - 节点说明里不准确的说法改正：代码节点在 microVM 或系统沙箱中执行；报告撰写、口径卡的说明不再说过头 - 导出的证据 CSV 里两列同名，第三列改为「片段编号」 三、前后端对齐 - 前端按后端原文识别日志、报错的地方，新旧两种写法都认得（历史运行里存的是旧文字），逐条补了新旧原文的核对 - 后端交回模型的原指令放进单独的 for_model 字段，前端在解析响应时去掉，不会显示到界面上 四、检查 - 检查脚本里按原文匹配的断言改成新文案；改完会变成永远成立的反向断言逐条修正，并做了变异验证 - 新增 check-copy（静态扫描前端界面字符串和后端上界面的文案）：再出现「跑」「后端」「多半」「令牌」、 界面上的 Copilot、裸写的配置键名、半角标点等就报错；确需保留的写进 scripts/copy-allow.json 并注明理由	2026-09-30 08:05:15 +08:00
ThearchyHelios	050bea4b72	可点击证据第五期：老工作流一键升级为可追溯结构；受管问数据图的 cells 一键选；pytest 并行 ... 一、一键升级（只给预览，不自动保存） - engine/upgrade.py：确定性改写，纯函数、重复执行结果不变 - R1 契约的叙述指向模型调用节点 → 换成报告撰写节点（system 和 prompt 合成写作要求，模型配置照搬），契约改成 report_from - R2 没有契约、但模型写的文字进了出口，而且上游有取数 → 同样换成报告撰写 - R3 input → 智能体 → 出口（问数据的典型图）→ 中间插入报告撰写节点，出口字段接报告的正文； 只改直接相连的出口，经过别的节点读它的出口原样保留并写明原因 - R4 配了 output_schema 的智能体 → 打开 cite_fields - R5 代码节点的产出被口径卡读 → 不改，只建议标成取数，等人确认 - 一个叙述里混了几个写作者的，不猜，整步不做并写明原因 - POST /api/copilot/upgrade-evidence：返回改动、说明和改完的检查结果；assist 时再交给 Copilot 把纯算术的代码节点 改写成口径卡表达式，不是纯算术的保留并给警告 - 升级和发布前修复走同一道「不许降低要求」的检查，只多两个由升级点名的例外：模型调用换成报告撰写、R3 改接的那条连线； 改完不能更糟 - 校验对符合 R1–R4 的旧结构给一条建议「可以升级为可追溯结构」，不算提示、不挡发布 - Copilot 自查：报告撰写节点上游没有任何能引用数字的来源时打回 二、界面 - 问题面板的快速修复「升级为可追溯结构（预览改动）」：逐项写「节点 · 字段：原值 → 新值」，节点类型的变化写成 「模型调用 → 报告撰写」，新插的节点和改接的连线另外写明；「应用」后走现有的保存，全图默认不丢 - 画布改过、存失败、画布被锁都有明确状态；保存失败后手动存成功会清掉「没存上」的提示， 画布和预览对不上时「重试保存」不再盲存；校验接口失败时升级块照样在 - 记录页里没有逐段证据的运行给横幅「这次的报告没有逐段证据 → 升级这张图」，跳到编排页并打开升级预览 - 修掉一处旧缺陷：应用修复时只换配置、不换节点类型，模型调用换成报告撰写后存下去的还是模型调用 三、受管门禁：cells 一键选 - 图里没有口径卡、契约又没写 cells: true 的受管图，以前能过门禁、正式运行却每次失败；现在门禁拦下， 发布弹窗给两个选项：写 cells: true，或交给 Copilot 改成口径卡指标（人亲手选的不算替人打开，Copilot 自己打开照样拦） - 「修完要更好」的复核不再把改完才冒出来、只能由人拍板的这一处算作改坏：Copilot 补上契约、把 cells 留给人问， 这一步会被采用，不再被判「冒出新的问题」作废 四、测试 - 开发依赖加上 pytest-xdist（锁文件只多了 pytest-xdist 和 execnet）：全量后端测试 -n auto 约 16 秒，原来串行约 2 分钟 - 修掉并行下暴露的一处测试竞态：运行先落终态、再另一个事务封存，测试改成等封存完成再核对	2026-09-29 13:27:27 +08:00
ThearchyHelios	9727c21d8d	可点击证据第四期：结论句由模型裁判；只引单元格的问数据图能发成受管 ... 一、结论句裁判 - 报告节点新增 claims: judge：写完、核对完之后，把结论句和它引用的证据摘录交给裁判模型， 判为支持 / 部分支持 / 不支持 / 不是结论，附一句理由；判定只标注，不改写正文 - 送裁判的句子按固定规则预筛：带引用的、含方向词或因果词的送去判，短句、过渡句不送 - 证据摘录：指标写名称、值和原式；查询给 SQL 前 300 字和被引用的行，被引用的列一定给到；遮罩列一律不给； 规则里写明「数字已经由系统核对过，不要复算」 - 一份报告合并成一次调用，超出句数就分批；结构化输出失败时退回 JSON 解析，再失败记为未裁判 - 裁判模型的优先级：节点上写的 > 设置里的「证据裁判模型」> Copilot 的模型；思考关闭； 和写作模型相同时给警告（等于自己审自己） - rewrite_once（默认关）：把不支持的句子和理由交回写作者只改这几句，再裁一次； 改写稿冒出原稿没有的问题就不采用，保留原稿和原来的判定 二、成本上限 - 每份报告的句数、金额、时长，探索运行每次点击的金额，全局每日金额，每一项都可以自定义，也都可以设成不限； 默认 40 句、$0.05、30 秒，每次点击 $0.01，每天 $2 - 调用前先估算，超出上限按优先级截断：先判带引用的，再判含方向词、因果词的，其余记为未裁判并写明「已到上限」； 不报错，也不让报告失败 - 每日花费按本地日期计数，持久化在设置表里；重跑同一次运行不重复计费；价格目录里没有的模型只计次数，并写明估不出金额 三、正式运行与探索运行 - 正式运行在报告节点内裁判，判定写进报告文档、随文档封存；不支持的按 on_unsupported（degrade / withhold）降档或不予出具， 裁判没跑成记缺口，不能判完整出具 - 探索运行按需裁判：POST /api/runs/{id}/evidence/judge，点开哪句判哪句；判定作为 evidence.judged 事件追加在封存之后， 标「封存后追加」，封存核对仍然一致；只读封存范围内的工件；同一句不重复判；运行在裁判期间被接着跑时不记录 - 正式运行调这个接口返回 409，写明「正式运行的裁判在节点内完成」 四、治理与自动修复 - G3 放开 judge：受管级别写 judge 必须写预算（judge.max_cost_usd，或显式写 null 表示不限） - 发布前自动修复：缺预算时给选项（默认金额 / 不限），不替人选； 从 require_citation 改成 judge 不算降低要求，judge 改回 off、withhold 放宽成 degrade 算降低要求 - Copilot 手册：受管模板可以写 judge 并带预算；问数据按需裁判，不替人打开结论句策略 五、界面 - 结论句句末放徽标：支持 ◆、部分支持 ◇、不支持 ! 整句浅底、未裁判 ?；不用表示「已核对」的绿色；n / N 也跳到不支持的句子 - 证据面板里「模型的解释」：带「模型判断 · 模型名 · 非确定」，封存后追加的另外标出； 「请模型判断这句」只在探索运行、还没判过时出现，触顶时写明已到上限和怎么调 - 出具横幅多一段结论句计数；设置页新增「证据裁判」一组（裁判模型、各项上限、今日花费），设成不限时写明费用受什么约束； 报告节点可以配 judge；运行轨迹里裁判相关的事件都有中文标题 六、门禁修正 - 引用模式下，图里没有口径卡（只引查询单元格）的，出具契约不再要求 metrics_from，受管门禁也不再要求 required： strict 加 cells 已经保证每个数都点得开、对不上就不予出具；有口径卡的照旧要求。 以前问数据的图怎么都发不成受管，Copilot 补上契约也会被判「冒出新的问题」作废	2026-09-29 11:10:53 +08:00
ThearchyHelios	d071bf119f	可点击证据第三期：表名字段名和引文也点得开、可疑实体与结论句、受管门禁 G1–G5、证据审计导出 ... 一、表结构、实体与引文 - 数据源工具查库时顺带存一份表结构快照（schema_snapshot），和查询快照一起进台账、进封存； 台账里的查询记下 SQL 用到的表 - 报告里的表名、字段名可以点：反引号里的名字一律核对，正文里的裸名字只在明显是标识符时才自动链接， 常见英文单词不链接；点开看到它出现在哪次查询、类型、所属的表，快照被截断时写明 - 找不到的名字标成可疑实体：在快照、SQL、结果列里都没有的记「可能是编造的名字」并给出最接近的 3 个； 快照被截断、核对不了的记「核对不了」，不冤枉成编造 - 检索引文 [[q:K1|原文]]：原文在检索快照的命中片段里逐字出现（空白归一化后）才算有出处，点开高亮原文位置 - 自动链接的名字不算句子的引用，只有写作者写的引用才算 二、结论句与出具 - 报告节点新增 claims：off（默认，保持原样）或 require_citation（没有引用的结论句计入缺口） - 受管级别的正式运行里，可疑实体和没有引用的结论句按「有缺口」降档，不拦截；探索运行和已发布级别只标注 - 契约的 claims 和报告节点的设置取更严的那个；受管正式运行里写 ignore 也按降档处理，并给出警告 - 出具横幅除了数字，也写出可疑实体和没有引用的结论句 三、受管门禁 G1–G5（只看图和配置） - G1 带契约的出口，成果字段的文字只能来自报告撰写节点 - G2 模型写的文字不绕过报告撰写节点直接流进出口 - G3 报告撰写节点写明 numbers: strict、on_violation: fail、claims: require_citation - G4 口径卡的输入不来自计算角色的沙箱代码 - G5 给口径卡供数的 agent 配 output_schema 并开 cite_fields - 受管级别是错误、挡住发布；已发布级别只给警告；已经发布的版本照常运行，下次发布时按新规则检查 - 每条规则都接进发布前自动修复（一键修复 / 给选项 / 交给 Copilot）；禁止的改动补上关 cite_fields、 删 output_schema、放宽契约 claims；Copilot 兜底不许自己把代码节点标成 source、不许放宽报告节点 - 发布弹窗里选「交给 Copilot」时明确写「正在交给 Copilot」 四、旧运行与审计 - 没有契约的旧答案：数字和已封存的查询单元格、口径卡值按数值比对，每个数最多 3 个候选， 默认折叠，写明「猜测的来源，不能当证据」 - 有契约的旧运行：候选只从已封存的口径卡里找，人为插进工件表的行不当证据 - 证据审计：GET /api/runs/{id}/evidence/audit 按「无证据 / 可疑实体 / 有出处 / 旧运行猜测」分组， 可导出 JSON 和 CSV（带封存状态）；记录页和画布上的报告节点显示「有出处 N · 无证据 M」 五、SQL 守卫修正（安全） - 去注释改成单遍扫描，认得字符串和各方言的引号（单引号转义、MySQL 反斜杠与 #、PostgreSQL 的 $$ 与嵌套注释、 Oracle 的 q'[…]'、SQLite 的方括号）；以前字符串里的 -- 会被当成注释，SELECT '--'; DROP … 这类写法能骗过多语句拦截 - 看不到服务器设置时每种读法都扫一遍，读法之间切分不一致就拒绝，任何一种读法是写操作就按写操作处理 - 执行查询和工具危险判定都按数据源的方言检查 六、其他 - 修掉检查脚本里画布检查的一处竞态，并行估时按实测更新	2026-09-29 05:26:34 +08:00
ThearchyHelios	fcdcc30d4e	可点击证据第二期：取数链路打通、问数据的答案逐段可点；发布前自动修复 ... 一、可点击证据第二期 取数链路 - 智能体、工具节点、代码节点、知识检索取数时都记进证据台账；报告目录按台账编出 Q1… / K1… - 报告可以引用快照里的一格（[[v:Q1.r0.gmv]]），也可以由系统从快照生成整张表（[[table:Q1 cols=… rows=0-4]]）， 表里每一格都是可点的片段；取值一律以快照为准，取回快照时复验哈希 - 口径卡表达式新增 cell(x, row, column)，lineage 精确到单元格 - 智能体开 cite_fields（配合 output_schema）后，循环结束做一次结构化抽取，每个字段标出取自哪次查询的哪一格， 再到快照里核对：一致记 verified；不一致以快照为准并告警；查不到的记为空值，永远不兜底成 0 - 代码节点新增 evidence_role（source / compute）和 code_sha；沙箱算出来的数不能被报告直接引用，要进口径卡 - 查询快照记下列类型，文本列按文本渲染（年份 "2026" 不再显示成「2,026」） - 升级前发起的运行（停在审批上的）一律走旧逻辑：新的 task 只追加在循环之后，恢复时不会错号 证据接口与面板 - 片段链接上查询步骤：SQL、被引用的行加前后各 2 行、高亮到格；数据源可设 mask_columns 遮罩列， 遮罩在查询时记进快照，数据源事后改名或删除也照样遮罩（在有身份体系之前，遮罩只减少暴露，不是安全边界） - 输入来源写明核对结果（与快照一致 / 模型报的值和快照不一致 / 没查到记为空）；口径卡缺输入时也给出完整的链 - 受管出具要在契约里声明 cells 才能引用单元格；受管与否记在所钉版本上，改画布不再让受管版本的正式运行降级 - 口径卡可以用 caliber_from 钉住另一个已发布工作流里的口径卡，上游有新版本时按 upgrade_policy 处置， 和子工作流同一套规则；子工作流节点也补上了升版处置的配置项 Copilot、校验与报错 - 问数据的答案里有数字时，搭 input → 智能体 → 报告 → 出口，报告直接引用查过的单元格 - 写 SQL 前核对数据源的表结构，SQL 里出现表结构里没有的列会被打回 - 不再搭「智能体文字 → 转换节点解析 JSON」这种图；转换节点的 JSON 报错分清是上游模型写坏了、 模板里裸插了模型文字（给出 | json 的改法），还是模板本身写错了 - 工具节点遇到「查询失败」「SQL 被拒绝」判为失败；发起运行前检查绑定的工具是否存在，不存在时直接拒绝并给出入口 二、发布前自动修复 - 问题带上机器编号（code）和修复 id；新增只读接口 POST /api/workflows/{id}/publish-check 和 /autofix - 修复分三类：答案唯一、不降低要求的一键修复；要人拿主意的给选项（不替人选）；结构性问题交给 Copilot - 一律先预览，不自动保存、不自动发布；删节点、删契约、放宽审批、关掉 strict、改级别等降低要求的改动一律拒绝， Copilot 的方案也要过这一关；应用后重跑检查，错误必须变少且不能冒出新的 - 发布弹窗打开就先检查；问题面板新增「发布前检查」，平时就能看到、就地修掉 - 门禁修正：契约有 report_from 时不再要求 narrative（模板⑨可以发成受管）；全图默认审批为「全部放行」时同样拦下 - 修掉画布保存会抹掉全图默认（defaults）的老问题：以前任何一次保存都会把它清空，审批 always 因此被悄悄放宽 验证（沙箱）：tsc 干净，生产构建通过，pytest 2268 passed（两遍），check-all 17 项检查、3915 项全过 （新增 check-publish）；关键行为做了变异验证、全部抓到。	2026-09-28 21:20:04 +08:00
ThearchyHelios	62aac187d8	工具审批三档、智能体护栏取代固定 12 步、检查脚本分道并行 ... MCP / 自定义工具的审批三档（tools/trust.py） - 平台看不出这两类工具做什么，以前审批关卡一律当它们安全、照跑不误。现在默认每次调用都等审批； 工具页可以逐个改成「始终允许 · 门控把关」或「始终允许」，审批卡上的「始终允许」等于前者 - 门控把关：每次调用先由门控模型审一遍工具说明、参数和节点任务；判可疑、出错、超时、答不成格式， 一律交还给人，不会变成放行。判定包进 checkpoint，审批恢复重放时不再问一遍 - agent 节点、工具节点、协作团队三处关卡都接上；团队成员停不下来等人，门控没放行的调用不执行 - 每次运行在发起时快照档位（runs.tool_trust），恢复和接着跑沿用同一份；正式运行不看档位，一律等审批； 升级前发起的运行照旧不问——它们可能正停在某个审批上，多问一次答复就会对错号 - 接口：GET /api/tools 带 trust / trust_key，PUT /api/tools/trust；设置新增门控模型；新事件 tool.gated - 界面：工具页三选一、审批卡「始终允许」、设置页门控模型、运行记录解码 tool.gated； 顺手修了 MCP 工具详情 404、工具审批被驳回却显示成放行 智能体护栏（engine/guards.py），取代固定的「最多 12 步」 - 步数只留兜底：默认 100，设置里可改；以前画布自动写进节点的 12 按「没填」处理 - 同一个工具、同样的参数第二次不再执行，把上次的结果交还给它；连续 3 步拿不到新信息就收尾 - 每个节点的令牌预算（默认 200 万）和金额预算（默认不限），都可以在设置里改成不限 - 上下文用到窗口的 60% 先压缩早期的工具结果，到 85% 就收尾；临近任何一个上限先提醒模型一次 - 下游结构化校验失败时写明是上游哪个 agent 提前收了尾；复核信号带上收尾原因， 问数据页只在真是步数用满时才给「放宽步数重跑」 - 上限在发起时快照（runs.agent_limits）；升级前发起的运行一字不改走旧逻辑 检查脚本 - check-all 默认 4 道并行：量时间最多的两项互不重叠；并行时没过的最后单独重跑一遍，重跑才过的 单列成「偶发」。16 项全量从约 21 分钟降到约 7 分钟（加上一次重跑约 10 分钟）；--lanes 1 回到串行 顺带修的 - 设置接口里的 limits 改为只读：库里存着旧版设置页写进去的一份（max_agent_steps: 25），从不生效， 却盖住了真实上限，问数据页照着错的数许诺 - test_kb 里嵌入模型那条测试不再真连 api.openai.com（代理慢时一条要等近 4 分钟） - check-stream 读滚动容器前先等它挂上，并行跑时不再偶发 验证（沙箱）：tsc 干净，生产构建通过，pytest 1655 passed（两遍），check-all 16 项检查、3562 项全过； 新增后端测试 53 条，关键逻辑做了 22 处变异验证、全部抓到。	2026-09-28 11:47:45 +08:00
ThearchyHelios	e4f2693918	可点击证据第一期：报告里的每个数字都点得开出处 ... 「引用即渲染」：写报告的模型只写引用标记（[[m:指标id]]、[[i:输入字段]]、[[see:…]]），数值由系统按口径卡 填进去，每个数字都挂着一条能复算的证据链。本期是数字层闭环；实体、结论句的概率性证据放在后续几期。 内核（engine/evidence.py，口径卡、出具契约、表达式等） - 口径卡记录每个指标的来源：原式、代入式（每个输入写成「值 ← 路径」）、复算结果、口径与版本 - 出具契约的数值匹配改为按位置标注；同一个值有几个出处时记为「出处不唯一」并列出候选，不再随便挑一个 - 证据 id 由内容派生，事后对不上就是被改过；零值、结构性数字（列表序号、代码块标签）单独处理 - 口径卡新增 on_missing：缺输入时默认仍是整个节点失败，可以改成记为空值、交给契约判档 报告撰写节点（report）与引用模式的出具契约 - 流式生成时 token 里就是真实数字，不会漏出原始标记；裸数字、不存在的引用当场判违规，交回去重写 （max_repairs，默认 1 次）；仍不过时按 on_violation 失败（正式运行默认）或把违规标在报告里（探索运行默认） - report.checked 事件记下核对结果，落在封存范围内；fail 模式下仍不过时带 failed，运行记录里画成失败 - 出具契约写了 report_from 就按引用核对：取回文档时复验哈希，独立重算一遍，全部带引用才判完整出具 - 成果字段逐字等于报告正文时标注 _evidence；复核只能加说明，不能改写带证据的答案（前后端各拦一道） 证据接口 - GET /api/runs/{id}/evidence 返回证据图；GET …/evidence/segments/{id} 返回一个片段的证据链 - 只认封存范围内的事件能追到的工件，不读 artifacts 表；封存被改过时不把任何一项标成已封存 - 没有报告的旧运行降级为 none 或 legacy_contract 界面 - EvidenceDoc 按块、句、片段渲染报告，片段是和正文一样的按钮；整份报告只占一个 Tab 位， ←/→ 在片段间移动、↑/↓ 按句、n/N 跳到下一处「无证据」、Enter 打开面板、Esc 关闭并把焦点还回去 - EvidencePanel：宽屏侧边、窄屏底部抽屉、360px 画布右栏里栏内展开；显示指标步骤、代入式、复算结果、 封存状态。正文不是封存的那份报告时明确说出来，不拿别的报告的封存画绿 - 出具横幅多一行「N/N 数字有出处 · 无证据 M」和「定位下一处」；没有 _evidence 的旧回答渲染一字不差 - 画布认得报告撰写节点；Copilot 手册补上口径卡、报告节点、出具契约的写法；新增模板「⑨ 可追溯周报」 验证（沙箱）：tsc 干净，生产构建通过，pytest 1601 passed，check-all 16 项检查全绿（新增 check-evidence）。	2026-09-28 11:47:23 +08:00
ThearchyHelios	b418c0d951	最终验收：148 项逐条复核（原审查 142 条 + 平台问题 6 条），返工后 145 项解决 ... 四组验收员拿审查原文在沙箱里逐条复现：133 项已解决、15 项部分解决、没有未解决或回退的； 另发现 10 个新问题。按归属返工后，剩 3 项低严重度：MCP / 自定义工具的危险标记（待用户拍板）、 选中环与运行态同色（需跨三处协调改）、「接着跑」这个说法是否更换（多处引用原文，暂留）。 这次返工改了 - 右栏：老运行没有 active_ms 时执行时长改按航迹算，不再显示最后一段的「22 ms」；循环出口行不再差一； 取消在一轮中途时泳道脚注不写「0 ms」；分支、循环出口显示 case 的说明而不是 key； 展开已完成轮次不再误报「N 条新进展」；旧数据里已完成的模型调用不再一律标成「已取消」 - 后端：跳过事件带节点名和类型；restore 版本时把已发布 / 受管退回草稿；只是打开旧会话不再把它顶到最前、 标成「刚刚」；协作团队全程没有成员交付成果、调度者却判完成时按失败或降档处理，不再当成功交付 - 画布：循环体有「循环体 · 最多 N 轮」的底框，出口标签不再被自己的走线穿过；运行中校验角标退让； 768 宽下工具栏不溢出；运行被拦时点名是哪个节点；正式运行弹层写明以谁的名义发起 - 问数据：离线时能力条不把「没取回来」说成 0；窄屏下会话列表收起；check-chat 在零点前后不再误报 - 公共层：FastAPI 422 校验错误翻成中文，不再把英文原文透给用户 验证（沙箱）：tsc 干净，pytest 878 passed（两遍），check-all 15 项检查全绿。	2026-09-28 02:42:40 +08:00
ThearchyHelios	3e311ec551	第三波收尾：跨模块整合、全站扫尾、检查脚本整合；网页工具认得本机代理的 fake-ip ... 整合（3c-integrate） - 公共层：跨天时长（formatSpan / formatOffset / formatLapse）、本机署名（lib/actor）、检索分类色令牌、 数据源目录（useDatasources）收进公共层；失败说明能一次列出多个写坏的自定义工具，查询超时指到数据源的查询时限 - 管理页收尾：设置页接入统一的离开前确认；检查脚本不再把沙箱里的真实值打进输出 - 画布 ↔ 右栏：点出具印章、点节点能跳到右栏对应位置；「定位」直接聚焦到出问题的字段 - 回答流 / 问数据 / 记录页：失败信息带「去哪修」且不再被翻译两遍；协作团队的结局按执行截取； 等审批时断流重连、而运行已在空档里跑完的，补全事件 扫尾（3c-sweep） - 术语统一：开始运行 / 继续运行、工作流最大步数；未保存的运行统一叫「未保存的工作流」（后端新运行同步） - 沙箱报错不再带 Python 异常类名；新增 check-tokens，未定义的 CSS 变量为 0，两个旧别名迁移后删除 检查脚本（3c-checks） - check-ui 跟上新界面（运行列表按 data 属性找行），加上令牌与选中态的回归断言，输出里的名字打码 - 新增 check-all：按顺序跑全部检查、汇总退出码，--repeat 列出偶发项 - 单节出错只记这一节失败、不再带崩整个脚本；外壳遥测浮层「重新检测」时焦点不再掉到 body 网页工具与 fake-ip - Clash / mihomo 一类代理开 TUN + fake-ip 时，查什么都先拿到 198.18 段的假地址，被当成内网拦截。 新增 AGENTLAB_HTTP_TOOL_FAKE_IP_RANGES（默认空）：落在段里的解析结果改向公共 DNS（DoH）核实真实地址， 公网放行、内网照拦、核实不了按拦截处理。DoH 默认先问境外的，境内公共 DNS 会对被封锁的域名返回污染结果 - 列表型环境变量接受逗号分隔（原来注释说逗号分隔、实际只认 JSON 数组）；域名解析改为异步，不再阻塞事件循环 验证（沙箱）：tsc 干净，pytest 866 passed（两遍），检查脚本全绿。	2026-09-27 23:37:32 +08:00
ThearchyHelios	587bf7e27c	第三波前两批：六个「看着成功其实没干活」的平台漏洞堵上，记录页能回放，管理页与画布收尾 ... 起因是一次探索运行：Copilot 改节点时把工具绑定整份抹掉，agent 没有工具只能写「假设调用」， 校验节点的自动修复编出 total_count=0 让 schema 通过，协作成员把工具调用标记当文字输出了四轮， 轮数用完后节点把原话当成功结果交出去——运行标成已完成，数据库一次都没查。 平台可信度（先写失败测试） - Copilot 修改节点改为合并：没写的字段保留，null 才删除；协作成员按名字合并。前后端同一套规则， 工具集合变小时自查报警、改图回执列出变化 - 新校验规则：提示词点名了某个工具而节点没有绑定它，判错误，Copilot 自查会交回去修 - 校验修复只许改格式：冒出原文没有的值就判修复无效；修复这次模型调用计入用量 - 识别模型把工具调用写成文字的情况（DSML、<tool_call> 等标记）：纠正一次，仍然如此就判失败并说明原因 - 协作团队用完轮数不再按成功交付：默认失败，可选降档，点出一次都没派到的成员 - 审批恢复后，同一节点里已经执行过的工具调用复用结果，不再重复执行 后端 - 查询时限交给数据库执行（Oracle call_timeout、PG statement_timeout、MySQL max_execution_time、 SQLite progress handler），可按数据源配置；超时报错与实际耗时一致 - 等审批的运行可以真正取消；会话列表带最后一轮状态；测连接结果持久化；探查结构可只看不存； 自定义工具可草稿试跑、写坏的参数定义保存时拒绝；MCP 服务改动后作废旧工具缓存； 检索命中带贡献分解；重建索引在后台跑并报进度；报错统一收进 core/errors 前端 - 公共层：管理页共用件、失败说明（lib/explain）、健康状态进公共库；目录按表各自加载并有超时， 一张表卡住不再拖垮整站；上传显示真实字节进度；离线横幅只播报不变的句子 - 画布：卡片只说游标所在的那一次执行；等审批时可放弃运行；团队收尾判定与未完成说清楚； 回放用量取那一刻的值 - 编排页：Copilot 合并语义与工具变化回执；「用完轮数时」选项；正式运行期间锁住所有改图入口 - 回答流 / 问数据：新失败类型说人话并给下一步；画布与右栏互相定位；数据源范围、回收站、重新核对 - 记录页：「航迹」页签复用画布时间轴，可拖动回放、列出关键时刻；列表行带执行 / 等人 / 失败缩略条 - 外壳：统一的离开前确认（data router），导航、⌘K、快捷键、后退都会先问 验证（沙箱）：tsc 干净，pytest 838 passed（两遍），14 个检查脚本中 13 个全绿； check-ui 余 1 项旧断言（按旧日期格式找运行行），3c 更新。	2026-09-27 10:16:32 +08:00
ThearchyHelios	e10c4f23fc	界面与交互全面翻修（前两波）：运行态有了 HUD 和时间轴，终态会收尾，全站令牌、组件、文案统一 ... 来自 2026-09 的 UI/UX 审查（142 条）。本提交是前两波，第三波（记录页接入时间轴、跨页互链、check-ui 更新、全站扫尾）另行提交。 地基 - 设计令牌：全局规则和 .btn/.field/.chip 放进 CSS 层，Tailwind 工具类重新生效，选中态、开启态不再被吞掉；字号阶梯； 辅助文字在所有底色上 >= 4.5:1；状态色专用，节点类型色与之拉开色相；「跟随系统」真的跟随，首帧不闪深色；新字标与 favicon - 基础组件：confirmDialog / promptDialog 取代原生对话框；toast 出错不自动消失、可复制、读屏可播报；离线横幅与断线恢复； 九种剪影的状态徽标；唯一一份状态文案（lib/status）、格式化（lib/format）、术语（lib/terms）、报错人话（lib/errors） - 运行态内核：事件折成航迹（run/trace.ts），可投影到任意时刻；取消 / 失败 / 服务重启后统一收尾，不再永远转圈； run.status 随事件回写；token 事件不再堆进 events - 后端：协作成员逐个完成即发事件，调度者决策有事件；时长分执行 / 墙钟 / 等人；API 时间带时区； 中断的运行也发 stream.end；运行列表可筛选翻页；删除运行 / 工作流有保护；运行默认值接通；可测未保存的配置； 报错说清发生了什么、为什么、怎么办 功能 - 画布：状态四重编码、固定高度遥测槽、按缩放三档、运行胶囊与 HUD、航迹时间轴与回放、执行轨迹边、 等待闸门、跟随执行、正式运行只读、一次性时刻（开场点亮、回扫、阻断级联、出具印章） - 编辑：撤销重做、版本历史、问题面板可定位、三栏可收起、模板与表达式字段区分、变量血缘、快捷键、带搜索的选择器 - 回答流 / 问数据：贴底才跟随滚动、工件下钻、出具横幅列出缺口、答案可复制导出、按会话的忙闲、 答案不再在 2000 字处截断、重启后这一轮会收尾 - 记录页：待审批 / 运行中 / 失败页签、筛选翻页、实时接流、排错路径指到节点、封存凭证常驻 - 管理页：新的「数据」页、写操作失败都有反馈、弹窗里先测连接、统一持久的连接状态 - 外壳：导航改版、⌘K 命令面板、? 快捷键帮助、404、页面标题与 favicon 状态点、后台提醒 验证（沙箱）：tsc 干净，pytest 579 passed，14 个检查脚本中 13 个全绿；check-ui 剩 1 项旧断言（按旧日期格式找运行行），第三波更新。	2026-09-26 23:11:31 +08:00
ThearchyHelios	86a0928512	知识库页不再把"退回本地哈希"藏起来：配了语义模型却没连上时说实话，也不再劝人重建 ... 本机配的是 LM Studio 上的 text-embedding-qwen3-embedding-4b。服务启动时它没起， load_setting 连不上，整个进程就一直用本地哈希——它后来起了也不会自己连上，原因只在 服务端日志里留一句。页面按"配的是不是 local"判断，于是： - 不标"没有语义能力"，看着一切正常，检索却一直是纯关键词； - 高亮"重建索引（73 段）"——那些"对不上"的向量正是 qwen3 建好的，一点就拿哈希 覆盖掉，连上之后还得再重建一遍。 改法： 1. 后端记下保存的配置为什么没生效（embeddings.unavailable_reason），状态接口多报 fallback / fallback_reason：配的是语义模型、实际在用本地哈希。重新配置成功就清掉。 2. 页面按实际生效的 embedder（has_semantics）标"没有语义能力"。退回时说清配的是哪个、 在哪、为什么没连上，给「重新连接」——发的就是保存着的那份配置，服务起来后点它即可， 不用重启；"重建索引"收起，存量提示改口成先别重建。明确选了本地哈希的照旧：标没有 语义能力，重建按钮还在。 验证：test_kb 新增一条，走完"启动连不上 → 状态里报退回并带原因 → 重新连上后消失 → 明确选本地不算退回"。check-ui 新增一组伪造状态接口的断言（退回 / 重新连接 / 明确选 本地，写请求一律拦下）；把页面换回旧版本跑，这组挂 8 项。后端 471 passed，tsc 与 check-decode / guards / stream / ui 全绿；本机状态接口现在如实报出退回和原因。	2026-09-25 19:09:19 +08:00
ThearchyHelios	0997603ccf	画完先自查：条件写错在校验时就拦下，Copilot 交付前按同一套规则查一遍、查出问题先改 ... 开发库里四次运行死在同一句"循环条件写错了：表达式里不允许出现 Set"。条件原文是 `{{ vars.gate }} != "ok"`——把模板写法带进了表达式：`{{ x }}` 在 Python 里是"装着 一个集合的集合"。Copilot 的提示词写着"模板语法在任意字符串里用"，模型照做而已； 校验又不看表达式，写错了只有跑到那一步才知道，前面的步骤白跑。 1. 表达式：解析和静态检查收成一个 parse_expression，运行时、校验、Copilot 自查共用， 不会出现"校验说能跑、跑起来报错"。多套的 {{ }} 意思无歧义，在语法树上剥掉（字符串 里的花括号不动），按 vars.x 理解并提示。真写错的给能照改的提示：| 过滤器 → len(x)、 集合 → 列表、不认识的函数列出能用的、= 当 ==、引号里的 {{ }} 永远不成立、推导式、 切片、私有属性。and / or 短路掉的那半边也查。 2. 校验：按节点类型和模式挑出真正求值的字段（分支条件、while 条件、整形表达式、口径卡 指标、skip_if）。写错是 error、挡住运行；漏写 vars. 的名字提示会取到空值；while 没写 条件、整形没填表达式也说出来。foreach 的 condition、模板模式的 expression 不求值，不查。 3. 代码节点：assign_to 拿的是 stdout。「测试 1」修好条件后跑通了、结果却是空的——代码 最后一行是裸表达式，那是 notebook 的行为。设了 assign_to 却找不到任何输出的 Python 代码，校验直接拦下，提示 print(json.dumps(结果))。宁可漏判不可误判：子进程、exec、 附带文件里的 print 都算有输出；整行只有一个 {{ }} 的代码是运行时才拿到的（⑤号示例 整段就是 {{ vars.code }}），看不见，不猜。库里 20 张工作流无一误拦。 4. Copilot 自查：搭完用同一套校验过一遍，error 级的问题连同图交回模型——只修这些、只 输出改动，最多两轮。改好了才自动运行；改不好照实交付、列出剩下的问题，不自动开跑。 没问题的图不多花一次调用；只是多套了 {{ }} 的不返工。提示词改成"模板只在普通文本 字段里用"，并列出表达式字段的对 / 错写法和代码节点必须 print。 5. 前端：自查这一段在 Copilot 的过程里看得见——发现几处问题、交回去改、改好了没有； 改不好标红并说明没有自动运行。"搭好了，共几步"那一行不会被挤掉。 测试：新增 test_expressions（开发库里真实死过的四条条件、静态提示、按模式挑字段、代码 输出、带 {{ }} 的循环真跑一遍）与 test_copilot_selfcheck（脚本化模型：改好 → 自动运行； 改不好 → 不运行、最多两轮；干净的图一次调用；多套 {{ }} 不返工）。test_continue_run 里 用来制造运行时失败的表达式换成 `2 ** 100000 > 1`——原来那条现在在校验阶段就被拦下了。 check-decode 补了自查的解码断言。	2026-09-25 17:04:39 +08:00
ThearchyHelios	5928cc052e	三道只配不管的护栏开始干活：运行时限、模型超时、清单核对 ... 显示成生效却没生效，比明说没有更危险——它让人以为有东西在兜底。 1. max_run_seconds 只存在于配置和设置接口里，没有任何代码执行它：一个挂住的 模型或工具能把运行和它占着的并发名额一直拖着。现在 runner 用 asyncio.timeout 强制执行，按"一段执行"计（等人工审批时 _drive 已结束，不算）；超时判 failed、 说清是哪道上限，可以接着跑。别处抛的 TimeoutError 不冒充这道上限（看 Timeout.expired()）。 2. 模型调用从来没设过超时：ModelSpec.timeout 从没被赋值，那条传参分支一次都没 执行过，所有调用走 SDK 默认的 10 分钟外加重试。新增 model_timeout_seconds （默认 300 秒）作为缺省，节点显式配的仍优先；已确认 ChatAnthropic / ChatOpenAI 都接这个参数。 3. manifest 哈希只写不验，而且是在 run.finished 落库之前算的——清单里恰恰少了 宣布"跑完了、成果是什么"的那条，改成果清单照样对得上。现在终态事件落库之后 再封存，并记下封到哪一条（manifest_seq，新列）；新增 verify_manifest 与 GET /api/runs/{id}/verify，运行详情页加了核对按钮。封存之后追加的事件不算篡改。 老运行没有 manifest_seq，按当时的口径还原范围——开发库里 300 条带哈希的历史 运行全部核对通过（成功 / 失败 / 取消各类都有），没有一条误报。 设置页「运行环境」补上单次执行时限和模型调用超时两项，README 加了对应的常见问题。 顺带修了一个被 _seal 放大的老问题：_drive 的收尾被打断时（关停取消、库连接出错） 漏掉 _tasks.pop，留下的任务让下一次 shutdown 的 gather 在别的事件循环里抛 "future belongs to a different loop"——测试里表现为每八九轮一次、一出就是几十个 teardown error。pop 移进内层 finally，shutdown 只等未结束的任务并清空。修后全量 连跑 12 轮 12 轮全绿。 test_guardrails.py 8 例：超时中止（挂住的节点 1 秒后被停下）、缺省模型超时、封存覆盖 run.finished、改成果被戳穿、事后追加不误报、老运行按旧口径核、中断态未封存、接口 404。414 → 422 passed。	2026-09-25 15:59:32 +08:00
ThearchyHelios	429398a156	前端四处直接伤人的地方：输入法回车、覆盖别的图、停止不停、整站白屏 ... 1. 中文输入法选词的回车被当成发送。问数据页输入框不判组字状态（Composer 判 了，这里没有）：用户每选一个词，半句问题就被送去建图、跑图。同样的漏洞还在 会话重命名、知识库搜索、{{ }} 补全、⌘Enter 运行上。收成 ui.isComposing，六处 统一——Safari 结束组字那一下 isComposing 已经是 false、keyCode 还是 229，两个 都看。 2. 「在画布里打开」后 ⌘S 覆盖上一次打开的工作流。它只调了 setGraph：换掉画布 上的节点，store 里的 workflow 还是上一张图，保存就把那张图整张覆盖了（旧版本 还在版本表里，界面上没有入口找回）；没打开过图时 ⌘S 则什么都不做。现在建成 一张新工作流（以这一轮的问题命名）、走它自己的地址，原来的图不受影响。 3. 问数据页的「停止」不停。它只关了自己这头的事件流，从不调 runs.cancel，而后端 断开订阅不会取消运行——模型和 SQL 其实还在跑、还在计费，界面上却已经显示 "已取消"。等人工审批的那一轮照旧不动。 4. Copilot 编出一个不存在的节点类型，整站白屏、没保存的编辑一起丢。三层都补： - 后端 _apply_op 拒收未知类型，不进图、不转发，最终校验里说明跳过了哪一步； - 前端流式加节点时再拦一道；sourceHandles、属性面板遇到未知类型不再崩； - 全站加页面级 ErrorBoundary：导航栏留着，换一页自动恢复；编辑中的图在 store 里，点「重试」时它还在。 新增 scripts/check-guards.mjs（真浏览器，拦下所有非 GET 请求，不写库不花钱）： 组字回车与 keyCode 229 不发送、普通回车照常发送、未知类型不白屏、渲染真出错时 只坏这一页且换页恢复，连跑三次全绿。等待一律等事件，只有"不该发生"的断言用 窗口。后端补了未知类型不进图的用例，413 → 414 passed；tsc 通过，decode / stream / canvas-layout 三个检查不回归。	2026-09-25 15:41:30 +08:00
ThearchyHelios	7fb2976f29	代码节点的变量不再带着 print 的换行：一个变量不该有两种判定 ... 运行 d47bfcb03dc747658c2d63f8755992b9 交出来的是自相矛盾的结果—— "已重试 2 次仍未成功，流程终止"，而最后输出是 {"ok": true, "result": "1+1 = 2"}。看着像运行失败了，其实 status=succeeded。"已重试 2 次"是图里 写死的文案，跟实际跑了几轮、跟成败都无关。 真正的毛病在事件流里：judge 节点（code）的 vars 是 {"ok": "ok\n"}。 assign_to 拿的是**原始 stdout**，而 print() 一定补一个换行，于是 `print('ok')` 写进变量的是 "ok\n"。后果是同一个变量、同一个表达式被两个 控制节点判出相反结论： loop retry vars.ok == 'fail' → False 循环正常退出（看着像成功） branch check_outcome vars.ok == 'ok' → False 所有条件都不满足 → default → 失败 这不是个例，是代码节点的默认用法：print 是它唯一的产出通道，写完再比字符串 是标准套路，所以只要这么写就必然踩上，而且**静默**——没有一个地方会说 "这个值多了个换行"。 同一个函数里本来就为了"stdout 是不是 JSON"算过一次 strip()，只是没拿它当值 用。现在统一成一份： - payload["text"] 和 assign_to 都用去掉尾部空白的文本。只削尾不削头：首行的 缩进是内容（逐行打印一段缩进文本时削掉就毁了），而尾部换行是 print 的产物 - payload["stdout"] 保留原始输出——审计"到底跑了什么"只能看它 - stdout 是 JSON 时仍解析成对象，既有约定不变 - {{ vars.x }} 和 {{ nodes.x.text }} 必须是同一个值，两种写法给不同的值比 原来的毛病更难查，所以一起改 顺带在 Copilot 的 NODE_REFERENCE 里写明代码节点的输出契约（尾换行已去掉； stdout 是 JSON 就变对象，那时要用字段引用而不是比字符串），否则模型会继续 生成下一个变种。 新增 tests/test_code_output.py：五条，覆盖尾换行、多行内容不被削坏、JSON 仍解析成对象、text 与 vars 一致、纯空白输出归一成空串。修之前红四条。 验证做过变异：把改动还原，同一张图回到"走了失败分支"，而 print('ok', end='') 仍是成功分支——换行就是原因。把用户那张图原样重跑，judge 的 vars 是 {"ok": "ok"}，check_outcome 命中 "vars.ok == 'ok'" 走成功出口。 290 passed。	2026-09-24 23:15:19 +08:00
ThearchyHelios	75be5f485e	画布上的线不再叠在一起：排版按车道留走廊，走线不再交给 smoothstep ... 原来所有边都交给 React Flow 的 smoothstep，它的竖直段一律落在源和目标的 正中间。同一列的边于是全挤在同一个 x 上：一张"入口扇出三路 → 归并 → 分支 → 出具/驳回"的图上，跨层的 a3→join 和 m2→join 的横段**完全压在同一条线 上**，长边还直接从"归并B"卡片中间穿过去。排版那边同样糙：同层按 id 字典序 竖排，所以 out_no 排在 out_yes 上面（"n" < "y"），分支的 yes/no 是反的； 层内没有任何减少交叉的排序；层间距写死 300。 后端 app/engine/layout.py 重写成分层布局：先剔回边再按最长路径分层（loop 的回边不参与分层，否则循环体会被压到循环节点左边）；层内中位数启发式上下扫 六轮取交叉最少的一版，分支/循环的出口再按声明顺序占位重排；y 先均匀堆叠再按 邻居重心迭代松弛，同列节点因此和上下游对齐，长边也走得直；最后按"穿过这条 走廊的连线在竖直方向最多重叠几条"给走廊留宽——区间图上的贪心染色，和前端 用的是同一套，走廊留窄了前端再聪明也只能把线叠起来。 前端 canvas/routing.ts 自己算走线：出边沿右边缘错开、入边沿左边缘错开（入边 按上游纵向位置排序），竖直段按区间染色分配车道——真叠在一起的才各占一条， 首尾相接的（同一个扇出点）共用一条，看起来就是一条总线；跨层的长边和循环的 回边在中间各列的纵向占用里找空档绕过去，不再压过卡片。边换成自定义组件后 React Flow 不再自动加动画类，实测确认 .edge-active 仍然生效。 顺带修掉"排完版看不见图"：整张图换过坐标后（自动排版 / Copilot 生成完 / 切图）自动重新取景。坐标变了视角没变，人盯着的是一片空白。 新增 scripts/check-canvas-layout.mjs：把夹具图交给真后端 /api/copilot/layout 排版，再直接 import('/src/canvas/routing.ts') 用页面上跑的那份代码算路径， 按几何断言没有两条线压在同一段上、没有线穿过别人的卡片、两端都接在节点边缘， 另有 1325 条随机坐标的 fuzz 防手拖之后算出 NaN 路径（NaN 的 path 什么都不 画，界面上就是"线没了"，一声不吭）。这条检查做过变异验证——把 laneX 改成 永远返回走廊中点，它立刻报 a3→join × m2→join，正是原图上那处重叠。 285 passed（新增 12 条排版不变量）。check-ui 69 项通过，唯一失败项"本地哈希 要标出没有语义能力"已 git stash 到基线复现，与本次无关。	2026-09-24 22:58:54 +08:00
ThearchyHelios	4057cdc35f	步数用尽时先收个尾，别把半截过程当答案交出去 ... 走到步数上限一定意味着最后那步**要求了工具**（不要工具的话循环早 break 了）， 也就是说模型从来没拿到过"说结论"的那一轮——它只是被掐断在半路。交出去的 是它上一句中间过程的话，末尾补一句"步数不够，请调大"。 实测这条线是绷紧的：库里 116 个 agent 节点，87% 在 10 步内收口，11 步只有 1 个，**正好 12 步的有 11 个**。1 跳到 11 是被截断的特征，不是自然分布。 所以补上那一轮：不给工具，让它基于已经查到的收口，并说清哪些没查到、 结论因此有什么局限。用 base_model 而不是绑过工具的 model——收尾轮必须在 结构上发不出 tool_call，靠提示词请它别调是约束不住的。 两种收场发不同的 code：收上来了是 step_limit_settled（DEGRADED）， 收不上来仍是 step_limit（BROKEN）。不复用同一个 code：库里那 8 条老事件 的含义确实是硬截断，改语义等于把历史运行重新解释成另一回事。 顺带修掉一个一直在白烧钱的 bug：chat.ts:440 的注释说自动重试能"调大最大 步数"，而 copilot.py 明确禁止模型写 max_steps。两边对不上，于是 step_limit 的重试是用同一个默认 12 再跑一遍，必然撞同一堵墙。现在那条禁令改成有条件 的——只有上一次死于步数不够时才准显式写大值。改完两条路各自成立：收尾 成功走 DEGRADED，闸门不开、不重试（对的，同配置再跑还是撞墙）；收尾失败 仍是 BROKEN，而这次 Copilot 真能把步数调大。 硬顶 25 → 100，画布滑块跟着放开，**节点默认仍是 12**：要更多的人调得动， 不知情的人不会突然多花十倍。 新增 tests/test_agent_steps.py，顺带补回 agent 循环的集成测试（原来那个 文件在脱敏那轮被整个删掉了）。两条反向断言是重点：正常收口的 agent 一次 调用都不该多花，以及收尾轮发不出工具调用。两者都做过变异验证——把收尾 结果丢弃、把收尾轮换成绑工具的 model，各自都能让对应的断言变红。 273 passed（去掉一个会真连 api.openai.com 的既有慢测试是 238 passed / 9.4s）。	2026-09-24 16:38:26 +08:00
ThearchyHelios	71561a0133	探查失败不再伪装成"还没探查"：把实情和下一步交给 agent ... 从 run 554a0f92 查出来的。那次问「userID=2 是谁」，9 次工具调用花掉 6 次、 前 29 秒没碰到一点真数据： + 2.1s db_schema → "还没有探查过结构，请在设置页里执行一次" + 4.9s db_schema ×7 个猜的表名 → "没有 user / users / member / …" + 7.7s SELECT 1 → 不信任前面的结果，先探一下连通性 +12.8s information_schema.tables ┐ +18.3s information_schema.tables ├ 自己把 schema 重建一遍 +21.5s information_schema.columns ┘ +29.2s 终于开始查真数据 根因：shop 的探查**失败过**（Lost connection to MySQL server during query）， 但失败被存成了一个"成功但没表"的缓存，schema_synced_at 照常盖戳： {"tables": {}, "total": 0, "error": "OperationalError: (2013, 'Lost connection...')", "available_schemas": ["prod_shop", "shop_dev", "toolsdb", …10 个]} 于是三处同时说假话：界面显示"结构未探查"、工具对 agent 说"还没有探查过"、 而那 10 个候选 schema 就躺在缓存里没人交出去。**用户明明点过探查，是超时了。** **分清"还没探查"和"探查失败了"。** introspect 的结果加 failed 标记； 失败照样把缓存存下来（候选是下一步的线索），但不盖"已同步"的戳； 界面把红字和候选列出来；探查按钮的提示也分清是超时还是 schema 填错。 **给 agent 一个它做得到的下一步。** 以前那句"请在设置页里执行一次结构探查" ——agent 进不了设置页。现在换成实情 + 候选 schema + "不要猜表名，直接查 information_schema / sqlite_master"。那条自救路线 agent 最后也走通了， 只是自己摸索了三轮才找到，直接告诉它就行。 describe_table 同样：缓存空的时候说"数据源里没有 user"是在误导，真相是我们 什么都不知道。那次一口气问了 7 个表名，收到 7 条一模一样的 "没有 X。现有的对象：（还没探查过结构）"，白花一整步。 顺带把逐表反射换成 SQLAlchemy 2.0 的 get_multi_*，但**别指望它治超时**： 实测 60 张表逐表 121 次往返、批量 122 次——反射缓存本来就把 get_columns 和 get_pk_constraint 合并了，而 MySQL 方言压根没实现 get_multi_*，落到基类还是 每表一次 SHOW CREATE TABLE。换它是因为这是 2.0 的正经接口、少三层 try/except，不是因为它快。shop 那次超时多半是偶发的，所以真正的对策 不在那儿，在"失败要如实记成失败"。 重新探查了一次 shop：153 张表、38 秒、成功。之前 agent 要花 6 次调用、 29 秒拼出来的东西，现在工具描述第一眼就给了。 验证：后端 269 passed（test_datasource.py 新增 4 条，守"失败不能被说成没探查过" 和"给 agent 的下一步它做得到"）；tsc 干净；三个 check 不回归。	2026-09-20 18:05:11 +08:00
ThearchyHelios	7b04162540	Excel/CSV 变成能查的表、PPT 读得进来、跑挂了能接着跑、文档和工具有了地址 ... 四件事，其中 Excel 那条不是"多支持一种格式"，是补一个和地基冲突的缺口。 **Excel / CSV → 可以用 SQL 查的表。** 这个项目有条不可回退的决策：叙述层无算术权限，所有算术下沉到 SQL 或口径卡， 叙述只能引用（engine/issuance.py）。表格传进知识库只能被切块检索，数字就成了 模型从片段里"读"出来的——复核层拦得住凭空多出的数字，拦不住"从一堆片段里 读错了一格"。所以表格必须变成表。 不新增数据源类型：kind='sqlite' 早就支持，build_url 拿 database 当文件路径。 落成 .db 文件再建一条 DataSource 指过去，下游一行都不用改——SQL 守卫、结构 探查、db_query__<name> 工具、查询快照进工件库、Copilot 的数据源清单，全都白拿。 建表走 sqlite3 直连而不是 run_query：guard 的 _ALWAYS_DENIED 里有 create， 那是对的（模型不该能建表），而导入是我们自己发起的可信操作。 四个语义是这块的全部分量： - **类型要推，不能全存 TEXT。** SQLite 是动态类型，但列亲和性决定排序和比较： 整数列落成 TEXT 的话 '10' < '9'，SUM() 在混入空串时静默出错，而没有任何 地方会报。逐列扫描推断 INTEGER/REAL/TEXT，空单元格存 NULL 不存 ""， 日期存 ISO（字典序恰好等于时间序）。测试里那条 ORDER BY 要是 9<10 而不是 '10'<'9'，守的就是整块的意义。 - **表头取第 1 行，但不猜。** 不做"自动找表头"的启发式：猜错的表现是列名变成 一行数据，没有任何征兆，直到某天有人发现汇总一直少一行。改成 header_row 可填，并把推断出的列名和类型当场回显——错了一眼看见。 - **同名重传原地替换，id 和 name 都不变。** 名字会成为工具名（db_query__sales） 而工具名写进了保存过的图，另起一个 sales_2 等于悄悄让那些图失效。 - **中文原样保留。** 一开始把 sheet 名清洗成了 ASCII，结果「明细」「汇总」都变成 sheet、sheet_2，模型和用户都认不出哪张是哪张——而 SQLite 的标识符本来就允许 非 ASCII，那道清洗纯属自找麻烦。现在只替换会断句的空白和标点。 实测：两 sheet 的中文 xlsx → 两张表，金额列 INTEGER，跨表 JOIN + SUM 跑通， Copilot 的工具清单里带着表名。CSV 按 utf-8-sig / utf-8 / gb18030 依次试—— GBK 的 CSV 是 Excel 另存为的默认行为，按 UTF-8 读会得到乱码列名，而乱码不报错。 知识库那边顺手改了指路：传 .xlsx/.csv 进去不再说"不是 UTF-8 文本"， 而是告诉你该传到数据源那边、以及为什么。 **PPT。** 文本框和表格分开取（表格的 has_text_frame 是 False），幻灯片之间 留空行当段落边界。.ppt/.doc/.xls 这些老二进制格式认出来再拒，说清楚"另存为 新格式"——以前它们会掉进"不是 UTF-8 文本"那个兜底，对着一个 .ppt 说这话， 用户根本不知道该怎么办。 **问数据页的「接着跑」。** 挂了那一轮不该只剩一行红字：断点一直在 checkpoint 里躺着。按钮挂在 approvalsFor 那个每轮插槽里（本来就托着「看执行过程」和 「跑一下」）。不带图——问数据页改不了图，这里就是"用原来的配置重试失败的 那一步"，配置本身错了要到画布上改。实测：续的是同一次运行（8→13 条事件）， 只跑了 lp 往后，轨迹里有 run.resumed。 **文档 / 工具的地址。** /knowledge/kb/:docId 是新页面——文档原来连详情视图都 没有，而切块这层做了不少事（按行边界留重叠、跨块续表头），结果一处都看不见。 现在逐段列出来带字数和 token 数，还标出"这份文档里混着两个模型建的向量" （换模型只重建了一部分时真会发生，而那会让这部分内容悄悄退回关键词检索）。 新增 GET /kb/documents/{id}。工具那边 tab key 从 tools 改成 library， 否则地址是 /tools/tools/<id>。 验证：后端 265 passed（新增 test_tabular.py 16 条）；tsc 干净；三个 check 全过， check-ui 补了文档/工具两节；四块都在真浏览器/真后端上端到端跑过。 开发库里造的演示数据源、会话和运行已清干净。	2026-09-20 16:19:07 +08:00
ThearchyHelios	c980da65d0	失败的运行能从断点接着跑了，前面跑过的节点不重来 ... 库里 28 条 failed 的构成说明了为什么值得单独开这条路： 模型 id 写错（404） 7 循环条件语法错 3 401 3 工具参数名不对 3 缺必填输入 2 大半是**配置错了**，改一下就能跑。而"改一下再跑"原来意味着整张图从头来 一遍——前面花两分钟查完的表结构、跑完的 SQL 全部重跑，尽管那些结果一直 躺在 checkpoint 里。checkpointer 本来就一直开着（thread_id = run_id）， 挡住这条路的只是 resume 里的一行状态判定：它只认 interrupted，failed 进不去。 **带着改过的图续。** 不让改配置的话这功能基本没用：上面那几类续下去会 立刻再撞同一个错。所以 /runs/{id}/continue 接受一张改过的图，画布上点 「接着跑」带的就是当前编辑中的那张——用户正是改完它才点的。 **但只准改配置。** checkpoint 是按节点名存的（编译时 add_node(node.id)）， 而节点配置是运行时从 spec 现读的（NodeContext.cfg）。所以只改配置对得上， 增删节点或改连线就对不上——续下去会拿着错位的通道状态跑出一份似是而非的 结果，比直接报错糟得多。加了 schema.topology_of() 做这道判据：节点 id + 类型 + 边，不含任何配置；对不上就 409，让用户重新发起。 这正是 resume 那边踩过的坑的同一类：不看有没有 checkpoint 就发 Command， LangGraph 拿空 state 从 START 重跑，最后还落成 succeeded。所以这里也先问 一次 aget_state，没有待跑节点就拒绝，而不是硬发一个 None 下去。 时间线上要说清楚是接着跑、保了几步（"从「lp」接着跑，前面 2 个节点的结果 保留"）——否则用户看到时间线又动起来，分不清这次是续的还是整张图又跑了一遍。 验证：后端 249 passed（新增 test_continue_run.py 7 条，核心那条断言的是 node.started 事件——前面的节点确实没有再出现）。端到端真跑了一遍： 第一遍 start → prep → lp 挂在 lp，改好条件后第二遍只跑 lp → out， 成果里带着 prep 那步的结果；改了结构的图被 409 拒绝；没有失败的运行时 画布上不显示这个按钮。 顺带：_drive 里 resumed 的判定漏了 payload is None 这种（从 checkpoint 直接往下走），run.started 事件会说成不是续跑。	2026-09-20 11:54:16 +08:00
ThearchyHelios	cc608f56ec	跑完先过一道复核再交给你：异常说破、数字不许现编、出错自动改一次 ... 「跑完了」和「答得对」之间一直没有任何一层。库里 264 条 succeeded 里， 14 条带着 warn、4 条 agent 步数用满，而交到用户手上的答案对此只字不提。 最糟的一次（run dd9927e6）交出去的干脆是「本轮只执行了第一个工具」—— 一句内部管道文案冒充结论。 出具体系（issuance.py）本来就是干这个的，但它挂在输出节点的可选契约上， 还要配口径卡提供受控指标集；问数据页生成的图基本都是 input → agent → output， 走不到那条路。所以补一层轻的。 **干净的运行一次模型都不调。** 先用规则扫一遍事件流（engine/review.py:scan）， 没扫出东西就到此为止。实测 15ms 返回。这是整层设计的前提，测试里用 「monkeypatch 一个会抛异常的模型，断言它没被碰过」来守。 **分类挂在 code 上，不是中文消息串。** 12 处 warn 发射点都带上 code。 这样「流式失败，回退非流式」能归成 benign 直接跳过——它对答案内容零影响， 为它叫一次模型等于每次网络抖一下就多花一笔；而「步数用满」归 broken。 原来这两者在事件流里长得一模一样。工具报错之后同一个工具又跑成了， 算 degraded 不算 broken——否则参数自愈每修一次就报一次「答案不可信」。 **复核不许现编数字。** 它手上只有原答案和一份异常清单，没有任何原始数据， 写出来的新数字只能是凭空来的。直接复用 issuance.trace_numbers，把原答案的 数字当受控指标集，对不上就整条退回原答案、只留说明。硬拦截，不是提示。 **规则管重试资格，模型只有否决权。** 一开始写成两边取并，实测 loop_limit 时模型判 retry=true——而重跑一遍循环还是会撞上限，白烧一次建图加一次跑图。 反过来之后，「检索什么都没查到」这类也不会被模型强推重跑。 **重试带着失败的那张图，不是推倒重来。** 原来传 base_graph=null，模型只看到 「原问题 + 一句失败原因」，很可能原样再建出同一张坏图。而且它连自己上次建了 什么都看不到——会话历史按 status != running 过滤，正在重试的这一轮恰好被 排除在外。现在交回去走后端的改图分支，调大步数、改正参数就是改一个字段。 上限一次。 **答案等复核完成再显示。** 端到端抓到的：答案先摆出来，十秒后说明才追上去—— 这十秒里用户读的是一个没人核对过的结论，正是要修的那件事本身。改成落库立刻 （防关标签页丢结果）、显示等复核，并给复核加 25s 上限。说明排在成果上方， broken 用报警色、degraded 用普通边框——混成一个样子用户就学会了一概忽略。 复核结论跟着轮次落库，刷新后还在；也进下一轮的对话历史，否则模型会拿一个 已知不可信的结论当事实继续往下推。 验证：后端 242 passed（新增 test_review.py 25 条）；tsc 干净； check-decode / check-stream / check-ui 全过，check-stream 新增 9 条渲染断言。 两条端到端都在真浏览器 + 真模型上跑通：检索降级那次说明正确排在答案上方； 重试那次建图请求 2 次、第二次 base_graph 带着失败的 3 个节点、第一版没漏出去。 复核结果不是事件流，decode.ts 翻译不到它，所以渲染测试放在 check-stream。	2026-09-20 11:18:53 +08:00
ThearchyHelios	6a46e4b55c	大文件传得进来了：分批算向量、上传转后台、边读边数大小 ... 压测量出来的三个问题，10MB 文本（切 7914 段）： 上传耗时 150s（本地哈希） 换成 Qwen3-Embedding-4B 要 40 分钟以上 而这 150 秒是压在一个 HTTP 请求里同步跑完的 浏览器和反向代理的默认超时都在 60 秒上下，也就是 5MB 以上的文件用户必然 看到超时——而后端其实还在跑，跑完文档也确实入了库。界面显示失败、数据其实 成功，比直接拒绝还糟。 **分批算向量。** 原来 ingest 是 embed_texts(pieces) 一次全发。本地哈希只是慢， 换成远端模型就是必挂：近八千段一次请求塞不下（OpenAI 单次上限 2048）。 reindex 那边早就分批了，ingest 这条一直漏着——而我上一轮刚把"换真模型"做成 设置页里点两下的事。 **上传转后台。** create_document / process_document 拆开，上传立刻返回 status=processing，切块和算向量在后台跑，进度写回文档行，前端轮询显示 "正在切块并算向量… 4288/7914 段"。实测上传返回 0.07 秒。 进度这件事返工过一次：先用另一个 session 单独写，结果整个过程界面上都是空的、 只在结束时闪一下——SQLite 只允许一个写者，主事务开着的时候那次写被堵住了。 改成主事务自己按批提交，顺手把进度写进去。 失败要写回 failed，否则永远停在"处理中"转圈。服务重启时也把残留的 processing 收尾成 failed——和 runner 对 running 的 run 是同一个道理。 **边读边数大小。** 原来是 raw = await file.read() 读完再判断，传个 1GB 的 文件内存在报 413 之前就吃掉了——那个检查拦的是"入库"，不是"占内存"。改成 按块读、超了立刻停。上限从写死的 10MB 变成配置项，默认 50MB。 端到端验过：10MB 上传返回 0.07s，后台进度 768→1472→…→7914 实时可见， 最终 ready / 7914 段。	2026-09-20 09:47:02 +08:00
ThearchyHelios	11780ed0b4	设置页能接本机的向量模型了，不用改代码 ... 上一版只有三个写死的选项：本地哈希 / OpenAI 3-small / 3-large。想用本机起的 LM Studio、Ollama、vLLM，只能去代码里调 configure——等于没有。 现在可以填任意 base_url。配套加了一个探测接口（GET /kb/embedding/probe）， 按地址列出那台服务上有哪些模型，从列表里选。模型名手填太容易错——LM Studio 里叫 text-embedding-qwen3-embedding-4b，不是 Qwen3-Embedding-4B，而填错的 表现是切换时 404，人还以为是服务没起。 base_url 跟着落库。不存的话重启后会悄悄退回本地哈希，而库里的向量是上一个 模型建的，检索整体退回关键词——用户只看到"重启之后搜得不准了"。 几处说给用户听的： - 当前用的是什么、几维，直接显示在最上面 - 本地哈希旁边标"没有语义能力"——它是默认值，而这个缺陷不说没人会发现 - 切换成功的提示里带上新维度和"多少条存量向量需要重建"。换模型后维度多半 变了，存量全部作废，这件事要当场说，不能等人发现搜不准了再去猜 check-ui 加了一节，真浏览器里验过：展开、填地址、探测到本机的 text-embedding-qwen3-embedding-4b、出现「用它」。	2026-09-20 09:34:55 +08:00
ThearchyHelios	a027261701	Copilot 会自己记该记的了；顺带让写记忆这件事看得见 ... 以前只有用户明说「记住」才会写：17 轮有图的对话里只有 4 轮带记忆节点，全在 那个用户主动谈记忆的会话里。于是他说过一次「我叫张三」，换个话题再问就 谁也不知道了。 现在 answer 路径多一步判断：这句话里有没有值得长期记住的东西，有就在主链路 前面加一个 memory(write) 节点。边界比指令本身要紧，所以写死了四类不该记的： 这一轮的问题本身、查出来的数（会过期且能重查）、一次性指令、以及**用户没说过 而你推测出来的**。另外两条是从召回的实际情况倒推的——content 要脱离上下文也 成立（召回时没有这轮对话，「他说他叫张三」读起来不知道「他」是谁），以及 拿不准就不记：记错了污染以后每一次对话，漏记一条用户再说一遍就是了。 **动手前先修了一个前提**：写记忆在界面上是隐形的。memory 节点发的是 info 级 日志，而解码层明确丢弃所有 info（decode.ts），也就是说自动记忆 = 系统背着 用户往一个跨会话、长期有效的地方存关于他的信息，而他看不见。 新增 memory.end 事件，解码层按动作分开渲染：写入把**记了什么**原样显示 （只报「写入 1 条」等于没说，用户没法判断它记的是不是他想让它记的）、召回说 「想起 N 条」、清空标成警告。 真模型验过（deepseek-v4-pro）： 「我平时叫小蒋，以后报表金额用万元」 → content='用户平时叫小蒋，他要求以后报表里的金额统一用万元作单位' scope 未写、跑完落库、事件里带着内容 → 换个说法召回得到：「该怎么称呼我」「金额用什么单位」都命中 三条对照确认不滥记： shop 里有几家店 → 没记 重来 → 走 reply，连图都没建 把上一轮的结果按月份排一下 → 没记	2026-09-19 22:41:27 +08:00
ThearchyHelios	33c7c41336	记忆写进去读不回来：Copilot 不许自己起 scope，重建也管记忆了 ... 查会话 cbe09f4b（「我是谁」）时发现的。用户说了「我叫张三」，下一轮问 「我是谁」答不上来——记忆在库里好好的，只是读错了地方： 写入 run 6cd33864 memory 节点 {"action":"write","scope":"user"} → write @ user 读取 run c71fa1bc memory 节点 {"action":"recall"} 没写 scope → recall @ default 同一个会话里 Copilot 生成的两张图，写的时候自己发明了一个 user 域，读的时候 忘了写、落回 default。根子在节点参考把 scope 列成了可填字段却没说该填什么： - memory：… config: {action, query, content, scope, assign_to} 对比一下，memory_recall / memory_write 这两个**工具**压根没有 scope 参数， 一律用 ctx.memory_scope，所以走 agent 那条路从来不会错位。只有节点会。 现在从可填字段里去掉，并写明后果。节点的 scope 配置本身保留——以后接 project 时从 run.memory_scope 传进去即可，不用改节点。 顺带补上两个上一轮埋的口子。给 Chunk 和 MemoryItem 都加了 embed_model/embed_dim， 对不上就退回关键词，但**只给知识库做了 reindex**： - store.reindex / stale_count 补齐，记忆终于有了恢复手段 - store.recall 加 on_degrade。以前退得悄无声息——知识库那边至少发一条 warn， 记忆这边只是"最近想不起事"，人根本不会想到要去重建索引 - 重建一次管两边。它们共用一个 embedder，换模型时一起失效；分成两个按钮的 结果是点了一个、以为好了，另一个还在悄悄退回关键词 - 没建倒排的片段也归这个按钮管。它们走全表扫，结果对但慢，而重建正好把倒排 一起建了；按钮只认"向量对不上"的话，这些片段永远等不到人来点 实机验证：一次重建收拾了 2 段知识 + 1 条记忆 + 2 个倒排缺口，三个计数归零。 数据侧另行清理（不在本提交里）：身份记忆从 scope=user 移到 default，删掉 zz_fix_* 等测试残留，删除前整表导出到 data/backups/。	2026-09-19 16:59:51 +08:00
ThearchyHelios	913380f738	倒排索引取代全表重算；PDF/Word 终于传得进来 ... **倒排**：以前每次检索都 select(Chunk) 全量载入，再在 Python 里重建一遍 BM25 ——不只是扫表，是对每一段重新分词、重新统计词频，每次查询都来一遍。几百段 无感，上万段就是秒级，而那正是知识库开始有用的规模。 没用 SQLite 的 FTS5。方案里写了实施前先验证，验了：trigram 分词器要求查询 至少三个字符，中文的「商家」「订单」「权限」这些两字词一个都召不回。照搬会 让召回大幅倒退。现有分词器本来就做中文单字 + 二元组，自己存一张 chunk_terms 既保住召回，也不把知识库锁死在 SQLite 上。 快是次要的，一致才是前提——所以先写了"倒排必须和全表扫给出同一个名次"的 测试。它当场抓到两个真问题： 1. BM25 被算了两次：倒排按全集统计（N、avg_len、df）算一次，hybrid_rank 又在候选子集上重建一次，而子集的 df 和平均长度是另一套数。改成把倒排 算好的分传下去，不再重算。 2. 原来的 BM25.score 遍历的是**带重复**的查询词表：「导出订单最多多少行」 里「多」出现两次，贡献就加两次。倒排用 set() 去重，顶部那条差了 2.32。 改成按查询词频加权。 还有一处是排序确定性：分数并列时稳定排序保留输入顺序，而两条路径喂进去的 顺序天生不同——同一个查询会因为走了哪条路给出不同名次。两边都按 id 定序。 倒排跟着 ingest 建、跟着删文档清、跟着 reindex 重建；没建倒排的片段（存量 数据升级上来就是这样）退回全表扫——宁可慢，也不要因为索引没建好就说"没搜到"。 **解析**：upload 以前只收 UTF-8，PDF 传上去直接 415，而 mime 字段记了却从不 参与判断。现在认 PDF / DOCX / HTML。解析库走可选依赖 [docs]（几十兆，只用 纯文本的人不该为此付出安装时间），HTML 用已在依赖里的 bs4。 几处是实际验出来的，不是想出来的：DOCX 要连表格一起取（合同和口径说明的关键 信息常常整个在表里）；PDF 每行拖着排版填充空格，不清掉会混进切块和词频统计 （实测 416 字里只有 68 字是正文）；扫描件提不出文字要明说，否则悄悄存一份 空文档，用户以为传成功了却永远搜不到。 PDF/DOCX 两条路径在临时 venv 里用真文件验过（含中文、表格、扫描件、坏文件）， 没有动开发环境。	2026-09-19 09:44:09 +08:00
ThearchyHelios	e8ef6ff9a8	检索质量有数了：评测集 + 重排，alpha 不再写死 ... 先做评测再做重排——否则重排的收益只能靠"搜两下感觉准了"。 **评测集**（test_retrieval_quality.py）：24 篇语料 + 16 个问题，问题分成字面 重叠和纯语义两类。第一版是 8 篇、主指标 hit@3，结果各档 alpha 全是 100%， 等于什么都没量——8 选 3 瞎猜都有 37%。扩语料、加干扰、主指标换成 hit@1 之后才开始能分辨。 量出来的第一个结论就推翻了我原来的猜测： alpha hit@1 hit@5 MRR 字面 语义 0.0 88% 100% 0.911 100% 75% 0.2 81% 100% 0.880 88% 75% 0.5 81% 100% 0.880 88% 75% 1.0 81% 100% 0.880 88% 75% 本地哈希向量那一路不是"弱一点"，是**纯噪音**：给它任何权重，hit@1 都从 88% 掉到 81%。而 alpha 的默认值一直写死 0.5，等于主动把检索做差。改成跟着 embedder 能力走（default_alpha：有语义泛化才给 0.5，否则 0），节点上的 alpha 也不再写死默认值。 **重排**（memory/rerank.py）：初筛多捞一些（20 条），让模型按"对回答这个问题 有多大帮助"重排，再取 top_n。只捞 5 条的话重排最多把这 5 条换个顺序，第 6 条是对的也救不回来。 用已配置的对话模型做，不引入本地 cross-encoder——后者要下模型权重，和"零配置 能跑起来"的基线冲突。代价是每次检索多一次调用，所以默认关闭。 失败一律退回初筛顺序并说一声：解析不出分数、个数对不上、模型抛异常、没配 provider，四条路径都有测试。重排是增强，不该因为模型抽风就让整个检索挂掉。	2026-09-19 09:33:09 +08:00
ThearchyHelios	df935599f2	知识库：换 embedding 模型不再 500，检索能回指了 ... 三件事，都是"这三个模块一条测试都没有"的后果。 **换 embedder 会让检索整体 500。** 库里是 512 维的本地向量、查询是 1536 维的 远端向量时，cosine 直接 `shapes (1536,) and (512,) not aligned`。from_blob 有 dim 参数，但 kb.py 和 memory/store.py 调用时都没传；而且存量向量属于哪个模型 代码里没有任何地方记着，所以也无从降级。 Chunk / MemoryItem 各加 embed_model + embed_dim（走现成的 _COLUMN_MIGRATIONS， 存量回填空值，正好表示"不知道是谁建的"）。检索遇到对不上的向量整体退回纯 关键词并说破，不是把它们当 0 分静默沉底——那样用户看到的是结果莫名其妙变差， 而不是"这里有一批索引该重建了"。配套 kb.reindex + POST /api/kb/reindex。 长期记忆那份一起修了。判重那条更危险：维度碰巧相同但模型不同时 cosine 算出来 是随机数，会把不相关的旧记忆认成"重复"，然后把新内容丢掉。 **默认 embedder 没有语义能力，而开关藏在一个环境变量里。** LocalEmbedder 是 特征哈希 + TF，和 BM25 吃同一批词；alpha 默认 0.5 等于给了它一半权重，同义 改写一条都召不回。开启真模型的唯一开关是 AGENTLAB_USE_OPENAI_EMBEDDINGS—— 没界面、没人会发现。改成设置项（照 COPILOT_SETTING_KEY 的路子），知识库页顶部 能选能看能重建。 配置失败必须响：第一版写成静默退回本地，但选了 OpenAI 却拿到哈希向量的人， 在搜不出同义表达时完全无从怀疑到这里。现在抛 EmbedderUnavailable，API 400 原样交回"检查 OPENAI_API_KEY 是否配了"，且不会把配置改掉。 **检索结果不进工件库。** db_query、工具节点、agent 工具调用都落 put_json 快照， run_retrieve 什么都不落——于是结论只要来自知识库，"这个数是哪来的"就断在这儿， 而数字回指正是这个项目的签名能力。现在落 kind="retrieval_snapshot"，并发一条 retrieve.end 带 artifact id。解码层补了正式映射（原来会掉进"未知事件"兜底， 画成一坨原始 JSON）。 新增 test_kb.py 11 条，补上这三个模块此前的零覆盖，包括 embeddings.py 里 注释记着、但一直没有测试守的那个归一化边界（单条候选被 min_score 误杀）。 端到端在真实服务上验过：撞上存量向量返回 200 + 降级说明（以前 500）、 重建后 stale 归零、配不起来的远端模型 400 且配置不变。	2026-09-19 09:27:07 +08:00
ThearchyHelios	cd7ced7673	不是每句话都值得跑一遍库：模型自己选要不要执行 ... 以前必执行——final 一到就无条件 launch。库里那条会话 7 轮全建了图、全跑了 一遍 153 张表的库，其中： - 「重试」「继续找找」这种对过程说的话，各自重建了一整张图去查 - 一句明确要「设计一个工作流，使得每次执行的时候都给出管理员账户信息」的， 建完也直接跑了——用户要的是那张图，不是这一次的结果 流协议给模型两个新出口，三条路径二选一： - {"op":"reply","text":"…"} 不建图不跑。问的是前几轮已经查出来的东西 （口径、怎么算的），或者是对过程说的话，或者需要先反问清楚 - done 里 run:false 建图但停住，界面上给「跑一下」 - done 里 run:true（默认） 不变 reply 一到服务端就收流：让它走到后面那套排版校验上，空图会撞出"图校验未 通过：图是空的，先拖一个节点进来"——上一个提交刚治过同类的坑。 放开「直接回答」等于绕开了这条路径上最硬的一条约定（涉及数据必须真查）， 所以两头都上：prompt 里写死 reply 只能复述或解释前面几轮已有的结果、不得 新断言任何数据事实，凡是要动到库才知道的哪怕觉得上一轮见过也重新查；界面 上那一轮的结论**前面**挂一条声明，说清楚这一条没有查库。check-stream 里有 一条断言专门盯它排在结论前面——排在后面等于先让人读完再说来源不可靠。 需要留意：这依赖模型照约定表态，不是硬规则。判断跑偏的话收紧那几句约定。	2026-09-18 22:30:45 +08:00
ThearchyHelios	dcadc0c48b	对话有上下文了，左边也能选会话 ... 三条 run（d983c4e6 / 14103db5 / 08c3de1c）在用户看来是一次对话，系统里却 毫无关联。查下来不是哪里传漏了，是整层缺失： - 每轮 base_graph=None 从零建图，Copilot 不知道上一轮问过什么 - 每轮 thread_id = run.id，三条独立的 checkpoint 线程 - 前端 turns 只活在 zustand 里，刷新页面就全没了——那三轮当时在界面上 已经找不回来，只剩 runs 表里三条互不相干的记录 - 后端 13 张表里没有会话这个概念 加两张表（conversations / conversation_turns）。失败的轮次也记：只记成功的， 历史就成了一份美化过的记录，而人回来最想搞清楚的恰恰是上次卡在哪。 Copilot 的上下文带三样：前几轮问答、上一轮那张图（走 _slim 去掉坐标噪音）。 只给问答文字不够——"再按月份拆一下"会让模型重新设计一张图，实测经常接到另 一张表上，答案对不上前一轮。运行时另外注入 {{ input.history }}，管的是指代： 用户问"它们平均多少"，图里的 agent 得知道"它们"是上一轮那 12 家店。 左侧会话栏只在问数据页出现，可折叠、可改名删除，当前会话存 localStorage。 轮次按会话分桶缓存——切走再切回来要看得到原来的步骤，回源只拿得到问答。 历史轮次的执行过程不预加载，点「看执行过程」才取事件、走现成的 decodeRun。 画布右栏的 Copilot 依附工作流各有一条会话，连说两次"再加一个节点"能接上了 （base_graph 带的是图的结果，带不出"你刚才要我干什么"），但不进左侧列表。 过程中修掉的两个自己引入的坑： - 第一版在列表为空时自动建一条会话。create 是异步的、StrictMode 把 effect 跑两遍，于是每次进页面都留下两三条"新对话"。改成用户开口那一刻按需建 - 加了"在上一轮的图上改"这条指令之后，模型照改图协议只发 update_node， 而问数据页这条路径的累加器从空图起步，操作全部落空，用户收到的是 "图校验未通过：图是空的，先拖一个节点进来"（会话 f5db9809 的第二轮， 而它的 explanation 证明上下文其实完全读懂了）。指令改成沿用 id 和 config 但完整重发，另加一道兜底：空图且上一轮有图时把操作重放到那张图上 check-ui 多一节「会话」：切换、刷新还在、逛一圈不多出空会话。	2026-09-18 17:58:04 +08:00
ThearchyHelios	c02ef189bb	工具调用失败能自救；agent 改成一步一个工具 ... 起因是一条没人看得懂的报错： 工具 db_query__shop 执行失败： _make_query_tool.<locals>._run() got an unexpected keyword argument 'query' 参数名写成了 query（它叫 sql），而 call_tool 对动态工具是裸 **args 展开的， 跳过了 args_schema —— pydantic 那句"缺少 sql 字段"漏成了只剩内部闭包名的 TypeError，既指不到是哪个工具，也说不出该填什么。同一个函数里内置工具那条 分支本来是校验的，两条路径不一致。 registry 里补上 prepare_args / describe_args，两条路径共用： - 候选唯一时（多一个不认识的、少一个必填的）改名重试，并发一条 warn 说破 —— 配置里那个错名还在，替它跑通一次却不吭声，下次照样踩 - 有歧义就不猜，报错改成"参数不对：query 不是它的参数；缺少必填参数 sql。 它接受：sql（必填，字符串）— 要执行的 SQL…"，模型照着这句就能改对。 这才是失败之后真正能自愈的重试 - 顺带堵了一类静默失败：pydantic 默认把认不出的键悄悄丢掉，全可选 schema 上 {"tabel": "orders"} 会"成功"执行一次什么都没查的调用 agent 循环默认改成串行：一轮只调一个工具，看到结果再想下一步。并行更快，但 一批调用中间没有任何新的思考——第二个是照着"还没看到第一个结果"时的判断发出 去的。节点上留了「并行执行工具」开关。两个必须守住的点：没执行的调用绝不发 tool.start（前端靠 call_id 配对，发了没结尾的 start 会永远转圈），但必须各有 一条配对的 tool_result（少一条下次调用直接 400）。 交错思考跟着补上。4.6 起 adaptive thinking 自带交错，不需要也不该挂 beta header（Opus 4.6 上手动模式压根没有交错）；4/4.5 那一代要手动开 thinking + interleaved-thinking beta，光挂 header 是一条什么都不做的空设置。开了 thinking 就不能再传 temperature，这一代本来是收的，漏了就是 400。 还有两处是串行带出来的，一并治了： - 步数用完时收尾取的是 messages[-1]，而那往往是给模型看的 ToolMessage。 真漏到用户面前当过答案（run dd9927e6）：一句"本轮只执行了第一个工具"冒充 结论。改成只取模型自己说过的话，并把"步数用完了、去调大最大步数"附在后面 - db_schema 一次能问多张表。一次调用就是一步，逐张问 6 张表就是 6 步—— 实测 8 步的运行里 7 步花在这上面，最后只剩一步真查数据	2026-09-18 17:57:20 +08:00
ThearchyHelios	fa6a8a2ffe	问数据页：问题终于传进图里了，而且不再被误报卡住 ... 两条日志（e3c2f743 / 61655cfe，相隔 30 秒）是同一件事的两半，指向三个问题。 **一、用户的问题根本没进图。** store/chat.ts 的 launch 里写死 `input: {}`。 Copilot 只要给入口声明了一个必填字段（它有时候会，比如 topic），这次运行就 在第一个节点上立刻挂掉："缺少必填输入：topic"——用户刚问完就看到报错，而且 错误里那个字段名他从来没见过，那是生成的图里的东西。e3c2f743 就是这么死的。 之前"能跑"纯属运气：那几次 Copilot 恰好没声明字段。 **二、把提问当成了流程描述。** 两个入口共用一句 "请设计一个工作流：<原话>"。 画布上这是对的（用户在描述流程），但在问数据页用户是在**提问**。于是 "shop 里都有哪些数据？"被设计成了一个"给这段文字生成摘要"的流程，跑完把 用户的问题原样复述一遍还回去（61655cfe 的成果就是这个）。加 intent 区分： answer 意图下明说"流程是手段，用户要的是答案"，并把注入契约写死成 {{ input.question }}——不说死键名，模型会自己编一个（见过 input.text）， 下游取到空字符串，而模板取不到值不报错。 **三、我上一个功能把整条对话路径卡住了。** 变量分析器把 `{{ input }}` 报成 "没有任何节点产出"——那是完全合法的写法（template_context 里 input 就是顶层 键），而 runs 启动前要过校验，一条假错误意味着什么都跑不了。这正是我自己在 上个 commit 里写的"误报是 linter 最坏的失败模式"，隔天就踩了。 修的时候连着踩了三步，每步都是测试当场抓的： - 注册裸根之后，input.quesiton 回退到根被当成合法，拼写检查整个失效 - 收紧后 {{ vars.rows[0].name }} 被误报——那是在往值内部钻，结构枚举不了 - 再收紧后 {{ input.question }} 被误报——问数据页的入口**故意不声明字段** 最终规则：裸根合法；input/vars/nodes 只校验到第二段（再往下是值内部）； **入口声明了字段才是闭集，没声明就是开放的**（运行时传什么键都行）； 根本不认识的根降成 warning——能穷举才配报 error，假错误比漏报贵得多。 端到端验证：问 "shop 里都有哪些数据？挑一个最大的表说说"，现在生成 input→tool→tool→llm→output（带 db_query__shop），input 带着问题， 真查出 backend_log 481,242 行 / 528.64 MB 并列出全部字段。	2026-09-18 13:52:43 +08:00
ThearchyHelios	66b8969bc5	变量静态分析：把拼错一个变量名的静默失败说破 ... 这套编排靠 {{ }} 串数据流，而模板取不到值时**渲染成空字符串** （resolve_path 返回 None → _stringify → ""）。那是为了让半成品的图也能跑， 代价是：拼错一个变量名不报错、不警告、不留任何痕迹——下游拿到一段空文本， 然后模型基于空内容一本正经地编一段回答出来。这是这套东西最大的调试黑洞， 而界面上此前没有任何地方提过它。 app/engine/variables.py 做纯静态分析（不用跑图、不用有运行记录——用户在 编排到一半时最需要它，而那时候还没有任何一次运行可看）： - 产出侧：input 字段、各节点的 assign_to、每个节点的 nodes.<id> - 引用侧：递归扫所有配置字符串（output.fields[].value、code 的 files 都是 嵌套的，只扫顶层等于没扫），认得过滤器和下标 - 三类问题： · 引用了没人产出的 —— 十有八九是拼错，用 difflib 给出"是不是想写…" · 引用早于产出 —— 变量确实存在、名字也对，但那一步在这之后才跑，这里 取到的是空。这类最难查，因为表里查得到 · 产出了没人用 —— 只报 info，不拦着跑 前两类接进 validate_graph，画布上直接标红/标黄。另外开了 POST /api/workflows/variables 返回完整的变量表（谁产出、谁在哪个字段引用）， 给接下来的变量表界面和输入补全用。 tests/test_variables.py 8 条，包括循环图不死循环（loop 的 body 连回自身很 常见）、节点读自己上一轮写的变量不该误报。	2026-09-18 10:08:45 +08:00
ThearchyHelios	3a1e4aa816	模型报错说人话，并堵住 Copilot 猜 model id ... 用户拿到的是这么一段： OpenAIAuthenticationError: Error code: 401 - {'error': {'code': 'invalid_model', 'message': 'The model does not exist or you do not have access to it.'}} 流式失败，回退非流式：（同一段，再来一遍） 401 + Authentication 看着像 key 过期，实际上 key 好好的——是 model id 在这个 端点上不存在。照着原文去换 key 是白费功夫。而且整条轨迹里**没有任何地方** 记着试的是哪个模型：llm.start 只带了 message_count。 三处： 1. llm.start 带上 model。调用失败时至少知道试的是什么。 2. explain_model_error()：invalid_model 译成"模型「x」在这个供应商上不存在… 去设置→供应商改模型列表"；额度耗尽单独认；不认识的错误照抄原文（猜错了 比不猜更糟）。流式回退再失败时不再把同一段原文吐两遍，而是抛一条 NodeError。结构化输出那条路径也走同一个翻译——模型不存在不叫"结构化 输出失败"。 3. Copilot 提示里补上"model 字段不要填"。它原先只被告知 llm 节点有个 model 字段，却从不知道有哪些 model id，于是按供应商名字猜（看到 DeepSeek 就写 deepseek-chat）——猜出来的那个正好不存在。这是这次报错的真正来源，不修 的话每次生成都会再踩一遍。 顺带把那个供应商的模型列表改对了：列着的 deepseek-chat / deepseek-reasoner 两个都返回 invalid_model，而真正能用的 deepseek-v4-pro 反倒不在列表里（它是 default_model，所以"跟随默认"的节点一直是好的，手动选模型的节点必挂）。 逐个实测后换成 deepseek-v4-pro / deepseek-v3.2 / ernie-4.5-turbo-128k。 已确认没有已保存的工作流节点写死了那两个失效 id。	2026-09-17 18:41:14 +08:00
ThearchyHelios	f0fd63f0b9	UI 重构：Copilot 进侧栏，三个页面共用一条助手流 ... 用户的原话是「copilot（包括问答）可以是侧边栏的效果」「显示他的简要思考节点， 使得用户知道他大致在想什么，以及用了哪些工具」。 画布右栏从「运行 / 属性 → 时间线 / 成果 / 事件」（两层嵌套 5 个视图）变成 「助手 / 属性」一层。助手栏里是一条流：你让它做什么、它做了什么、结果是什么。 Copilot 建图和跑图在协议上完全无关（SSE 操作流 vs 事件 WebSocket，不共享 seq 和 node_id），但对用户是一件事的两半，decode.ts 把两种流译成同一种 Step 之后才能排进同一条时间轴。 Copilot 不再是弹窗。弹窗的问题不是样式：每改一次图都要重开一次，关掉之后 需求文本就没了，想微调只能重打；而画布左下角那条浮条（z-30）和 Toast （z-100）、Modal（z-50）三层各自为政，本身也是重复的一份 Copilot 状态渲染。 两个都删了，输入框就在栏里，说完一句接着说下一句。右栏没删——它是发起运行 和处理审批的唯一入口，RunLauncher 原样保留，只是跑起来会自动收起给执行过程 让位。tab 用 hidden 切换而不是卸载，不然点一下「属性」看个节点再切回来， 输入框草稿和展开状态全丢。 问数据页和运行页换成同一个 AssistantStream + 同一个 decode.ts。RunPanel 里 那套平行的 EVENT_META + describe() 删了：留着两套翻译，同一次运行在不同页面 会读出不同的故事，而用户没法判断哪个是真的。同理合并了两个耗时格式化函数 （画布节点显示"0ms"，右边同一步什么都不显示，两块还并排放着）。运行页列表 加了内容摘要——原本每行只有"临时图 · 1.2s · 340 tok"，十条长得一模一样， 要分清哪条是哪条只能挨个点开。 跑真实运行时发现两个缺陷： 1. 后端丢事件（app/core/bus.py）。WebSocket 先读历史、再订阅，两步之间图 正好跑出来的事件既不在历史里也不在实时流里，永远丢了。而 subscribe() 是 异步生成器，真正注册还要等到第一次迭代，窗口比看上去更大。实测一次跑图 开头的 node.finished/node.started 消失，界面上表现为某个节点永远在转圈、 它的子步骤跑到了顶层。改成先 attach 占位、再读历史，重叠部分按 seq 去重。 tests/test_bus_attach.py 里有一条刻画旧行为的测试，说明这个窗口确实存在。 2. 循环里的多轮审批被算错。我在 S1 按内容去重，但三轮审批的 title 一模一样， 和 LangGraph 的重放无法区分——结果第 2、3 次真实审批被当成重放吞掉，而 三次"你驳回了/你放行了"各自成行。改成开/闭配对：开着就是同一次，闭了才是 新一次；决定折进那条审批行而不是另起一行。真实运行（驳回 → 改写 → 再驳回 → 改写 → 放行）已收进 fixtures。 验证：三层各守一件事，共 76 条断言全过。check-decode 守翻译（含新的多轮审批 和截断结果集），check-stream 守渲染，新增 check-ui 守"接起来还对不对"——真 浏览器真后端，包括「切走再切回来草稿还在」「唯一的运行入口还在」「原始事件 切得到也切得回」。另外真跑了一次带三轮审批的图和两次 Copilot 生成（60s， deepseek-v4-pro），截图逐帧看过。后端 78 个测试全过。	2026-09-17 18:29:16 +08:00
ThearchyHelios	a6ee525148	Copilot 编排期看得见数据库了，附带修一个让非流式生成整体失效的 bug ... 阶段②。之前 agent 是运行时才摸索表结构，每跑一次重探一遍——慢，而且同一张图 两次运行走的 SQL 可能不一样，没法钉口径。现在 Copilot 建图时就知道有哪些库、 哪些表，生成的 SQL 直接能跑。 ## 先修一个更要紧的：非流式生成的 config 全是空的 GRAPH_SCHEMA 里 config 写的是 {"type": "object"}，没有 properties 也没有 additionalProperties。不少 provider 的结构化输出实现遇到这种 object 会按 "不允许额外字段"处理，于是模型填好的 config 被整个过滤成 {}——生成的图每个 节点都是空壳，一提交就挂在"工具节点还没选工具"。 config 的键随节点类型千变万化（tool 有 tool/args，code 有 language/code…）， 没法枚举成 properties，只能显式声明 additionalProperties=true。流式那条路径 走操作流协议、不经过 structured output，所以这个 bug 一直藏着没露头。 ## 注入什么 - 工具清单补上动态的 db_query__<源> / db_schema__<源>。all_specs() 只有静态 注册的内置工具，不补进来 Copilot 根本不知道这些工具存在，只会退回让用户自己 写 SQL 的代码节点——接了数据库等于白接。 - 数据源摘要（含 schema 全名），外加四条写 SQL 的硬性要求。这几条都是真实 踩过的：漏 schema 前缀在 Oracle 上直接 ORA-00942，写惯 MySQL 的模型会顺手 写 LIMIT，分号拼接会被守卫拒掉。 ## token 预算：按对象数自适应，不是按字符数 实测一个 53 对象的库，带字段 2715 token、只给对象名 956 token（35%）。 但真正的决策点不是字符数——detail 模式每库只列 40 个对象，多出来的 Copilot 根本看不见。对 53 个对象的库，"40 张表带字段"不如"53 张表只给名字"： 找不到那张表，字段写得再全也没用。截断丢信息比省 token 更糟。 所以先按对象数判断（超过 40 就整体切紧凑），再用字符预算兜多库叠加的情况。 真实库实测：紧凑模式 1219 token，53 个对象全部可见。 ## 实测 完整模式：一句话需求 → Copilot 出图 → 不改一个字直接跑通真实 Oracle。 生成的 SQL 三处细节全对——ANALYTICS. 前缀、FETCH FIRST（不是 LIMIT）、单条语句。 紧凑模式（看不到字段）：Copilot 没有硬猜字段，而是生成了一个带 db_schema + db_query 两个工具的 agent 节点，让运行时先查结构再写 SQL—— 正是 prompt 里"字段拿不准就先放一个 db_schema 节点"那条。跑通，结论正确。 测试 72 项。	2026-09-17 12:16:54 +08:00
ThearchyHelios	a127f7049c	真实 Oracle 生产库跑通，修掉三处只有连真库才暴露的问题 ... 在一个企业 BI 库（SAP 物料/采购/凭证 + MES 生产 + IOT 设备）上端到端验证。 连接 3 秒握手，thin 模式，确实不需要 Instant Client。三处问题只有连真库才看得见： ## options.schema 被当成驱动参数拼进了连接串 我自己引入的：build_url 把 options 里所有剩余的 key 都拼成 query 参数， 而 schema 是探查配置不是连接参数，于是 ?service_name=BI&schema=ANALYTICS 直接 被驱动拒掉。options 里混着两类东西，现在显式区分。 ## 只读账号名下一张表都没有 这是企业环境的常态而非例外：TAIKE 名下只有 2 个 SYNONYM，数据在 ANALYTICS (51 个视图) 和 STAGING(9 张表)。默认探查当前用户 schema 得到 0 张表，而原来 只会安静地返回一个空壳——用户完全不知道下一步该干什么。 现在：options.schema 可指定探查目标；探不到任何对象时自动列出可访问的非系统 schema（排掉 MDSYS/CTXSYS/XDB 那一屏 Oracle 内部对象），摘要里直接告诉 Copilot"该账号名下没有对象，数据可能在这些 schema"。 ## 表名不带 schema 前缀直接 ORA-00942 只读账号访问的是别人 schema 下的对象，SELECT * FROM V_TRIP_FACT 必然失败。 schema_cache 里为每个对象记 qualified 全名，summary / table_names / db_query 的工具描述统一用全名——模型照着写就不会漏前缀。describe_table 则 反过来放宽：全名、裸表名、大写形态都认（Oracle 惯用大写，SQLAlchemy 返回小写）。 ## 实测 探查 53 个对象 7.8 秒，摘要约 2000 token（含一个 273 字段的宽视图），在预算内。 Oracle 的中文表/列注释正确读出（"不合格数据明细表"、"工厂代码，复合主键之一"）。 agent 自主查询 8 轮：列对象 → 挑 3 个 MES 视图看结构 → 逐个 COUNT + MAX(load_time) → 补查业务时间字段，最后报出 v_demo_table 有 365,633 行、最新数据 2026-09-17 06:53。全程自己带对了 schema 前缀。 安全边界在生产库上复验： - UPDATE / DELETE / DROP 全被拒，数据未变 - 19.87 亿行的 TG_ECC_MSEG 裸查 SELECT *：0.7 秒返回 200 行即断开， 流式读取没有把表拉回来 - 203 列宽表的字节上限在第 37 行触发 凭据只进加密库（Fernet 密文，已核验库中无明文），不在仓库、提交历史或任何输出里。	2026-09-17 11:44:22 +08:00
ThearchyHelios	39e7a5b014	数据源接入：MySQL / Oracle / PostgreSQL / SQLite ... 阶段①。产品原先能取数的只有 http_request 和沙箱里自己写代码——面对"分析上季度 华东区销量下滑"这类需求，用户得自己知道数据在哪张表、字段叫什么，再手写 SQL 塞进 代码节点。最难的部分留给了用户。 ## 连接层（app/data/） 方言差异全收敛在 engine.py 一处：Oracle 要 service_name/sid、MySQL 要 charset、 各家默认端口不同。三个驱动都是 asyncio 原生且免装客户端——oracledb 走 thin 模式， 不需要 Instant Client。密码复用 app/core/crypto 的 Fernet，和 Provider 同一套； build_url 默认把密码替换成星号，日志和错误信息里用这个版本。 introspect.py 产出两种粒度：summary()（表名+代表字段，几百 token，给 Copilot 的 system prompt 用）和 describe_table()（单表完整字段，按需取）。分两种是因为一个 中等业务库全量塞进 prompt 轻松几万 token，既贵又会把真正的需求淹掉。 ## 守卫（app/data/guard.py） 这是唯一不能出错的地方：SQL 由模型生成，模型会写出什么事前无法穷举，防线不能 建立在"它应该不会这么干"上。三层： - 只读判定用**白名单**而非黑名单——黑名单永远漏，MERGE/CALL/GRANT/各家私货写不完 - 多语句在到达驱动前就断掉，不赌驱动默认只跑第一条（MySQL 开了 CLIENT_MULTI_STATEMENTS 就会全跑） - 行数/字节/超时三重上限，一条 SELECT * 不该把内存和模型上下文一起打爆 刻意不引 sqlparse：完整解析 SQL 方言是无底洞，而这里的判断很窄——"首关键字是 什么"和"有没有第二条语句"。窄问题用窄解法。难点是不能误杀：`SELECT ';'` 只是 一条语句，简单 split(";") 会把它切两半然后拒掉，那比漏杀更让人无从下手。 ## 工具（app/tools/datasource.py） 每个数据源动态生成一对 db_query__<源> / db_schema__<源>，而不是一个通用工具带 datasource 参数：工具名自带语义，模型不会把查销售库的 SQL 发给财务库；description 里直接塞表清单，省掉"先问有哪些表"那一轮。接进 registry.build_tools 作为第四来源 （前三个是内置/MCP/自定义）。 查询结果落 put_json(kind="query_snapshot")，把 SQL 原文 + 结果集 + 数据源一起存， 出具体系的数字回指能下钻到"这个数是哪条 SQL 查出来的"。 ## 实测 真实 SQLite 业务库（600 行订单，埋了华东 6 月断崖的信号）+ 真实模型： agent 8 轮自主查询——列表 → 查三张表结构 → 探数据时间范围 → 查地区维度 → 按月汇总 → 按地区+月份下钻，准确定位到华东 6 月从 1187 件跌到 354 件。 只读守卫在 agent 路径上同样生效（UPDATE/DROP/多语句全被拒且数据未变）。 测试 55 项：守卫 30 项（含"字符串里的分号不能误杀"）、连接与探查 15 项、 URL 构造 6 项、Copilot 流式 4 项。	2026-09-17 10:39:23 +08:00
ThearchyHelios	1756476a30	Copilot 等待期不再是黑箱，外加项目第一组测试 ... 从点"生成"到第一个节点落到画布上，本机实测 31.7 秒（DeepSeek V4 pro，中等 复杂度需求）。这段时间界面上只有"正在起草…"五个字一动不动——用户没法判断 是在想还是已经卡死。生成质量本身没问题，瓶颈全在这段等待的体验。 三处改动： ## 思考转发 _iter_ops 原先只取正文、丢掉其余一切，模型的 thinking 块也一并丢了。现在用 thinking_text() 抽出来单独转成 thinking 事件，前端可折叠地实时显示。 刻意不用"把非 JSON 行当成思考"这种取巧写法：那会把模型的 markdown 注释、 协议跑偏时的乱输出一并当作思考展示出来，反而误导。不支持 thinking 的模型 就只有心跳，不硬凑假的思考。 注意这条只对支持 adaptive thinking 的模型（Claude 4.6+）生效，当前默认的 DeepSeek V4 pro 不会产出——代码路径用构造的 chunk 验证过，但端到端触发需要 启用 Anthropic provider。 ## 心跳与阶段 模型沉默时每 3 秒补一拍，带阶段和已用时长。必须在 _with_heartbeat 这一层做： 模型不吐 chunk 时 _iter_ops 里那个 async for 的循环体根本不执行，在里面判断 时间差轮不到。阶段跟着实际操作走（planning → building → wiring → finalizing）， 阶段会变本身就是"它还活着"的信号。实测那 31.7 秒里补了 10 拍。 ## 失败后不用重敲需求 生成失败只有一个 ✕，重试得重新打开 Modal 把需求再敲一遍——而失败多半跟需求 本身无关（模型抽风、协议跑偏、网断了）。store 里留住 lastInstruction， 错误浮条上直接给"用同一需求重试"。 ## 顺带：项目第一组测试 这组守的是体验契约不是实现细节——thinking 和 heartbeat 两路反馈只要断了就是 回归，而这种回归在界面上表现为"又变回干等"，很难被注意到。4 个用例覆盖： thinking 块转发、纯文本模型不伪造思考、沉默期补心跳、阶段随进度推进。 pytest 走 [dev] extra，environment.yml 一并带上。	2026-09-14 16:01:06 +08:00
ThearchyHelios	b0575a7d1b	引擎四处：错误处理、恢复语义、幂运算炸弹 ... ## 一条分支条件能把后端冻死 求值器放行 ast.Pow，唯一护栏是 AST 节点数 <= 200。`9**9**9**9` 只有 11 个节点， 却让 CPython 无限期算大整数。而求值是在事件循环里同步执行的（分支条件、 transform、口径卡、每个节点的 skip_if），没有线程池隔离也没有超时，asyncio 的 cancel 打断不了同步 CPU。给底数和指数加上界，超界报 ExpressionError。 2**10、2**0.5、10**-2 这些正常用法不受影响。 ## NodeError 绕过 retries / on_error / node.failed `except NodeError: raise` 排在重试与兜底之前，于是节点自己抛的错既不重试、 也不发 node.failed、更不被 on_error=continue 接住——而 NodeError 恰恰是所有 执行器表达失败的标准方式（缺必填输入、模型没配、口径卡算不出…）。同一张图 配着同样的 retries=1 + on_error=continue，1/0 会重试并继续，而 JSON 模板非法 直接整个 run 失败。两条路径现在行为一致，node.failed 也带上 node_id （前端靠它把出错节点从"转圈"收敛成"失败"）。 ## 没有 checkpoint 的运行被"恢复"成一份假结果 重启扫描把 running 和 queued 一律标成 interrupted，而 resume 不检查有没有 checkpoint 就发 Command。queued 的运行从没写过 checkpoint，LangGraph 会拿空 state 从 START 重跑整张图——run.input 完全没注入，用字段默认值算完还落成 succeeded。现在 queued 直接标 failed（没有进度可恢复，请重新发起），resume 先 aget_state 确认有断点，没有就 409 并说清为什么。 ## 并行人工节点：一次 resume 打爆整个 run 同一 superstep 有多个 interrupt 时，resume 仍只发标量 Command，LangGraph 直接 抛 RuntimeError；而所有 pending 审批已经被写成同一个回复。Approval.interrupt_id 和 ResumeIn.approval_id 这两个字段一直存在却从没被用过。现在按 interrupt_id 逐条收集：多条待办时必须指定 approval_id，回复的那条转 answered 继续等， 凑齐引擎在等的全部 interrupt 才发 Command(resume={iid: value})。 验证：两个并行 human 节点——不指定 approval_id 被 409 拒、回复第一条后仍 interrupted 且剩 1 条 pending、凑齐后 succeeded。单人审批与 decide 通道回归通过。	2026-09-14 15:35:47 +08:00
ThearchyHelios	0afffd4b9a	补上四道形同虚设的门禁 ... ## 沙箱关不掉 get() 先看 prefer，而 _resolve_named 完全不看 settings.sandbox_backend。 配置里 off 只挡得住默认路径，图里任何 isolation=strict 的代码节点照样能跑。 另外 alias.get(prefer, prefer) 对未知档位原样透传，而 isolation 是图 JSON 里的 自由字符串，写 isolation="local" 就能点名那个明说了"没有任何访问控制"的兜底 后端——档位是用来提高隔离的，不该能降级。现在 off 优先判定，档位限白名单。 ## formal 可以跑从未过闸的版本 "不可变"和"过过闸"是两件事：PATCH 存出来的草稿同样有不可变快照。原来只查 version 存不存在，于是工作流只要发布过任意一版，之后所有草稿都能以 formal 身份启动，发布期的 validate_graph + lint_for_publish 全部绕过。这和代码里 "正式运行的全部语义就这一条规则：必须引用一个不可变的已发布版本"直接矛盾。 现在要求 version == published_version，否则 409。 放大这个问题的是 update_workflow 改图不重置 status：发布过 governed 之后把 画布改成含 supervisor 的图，界面上仍显示 governed。status 说的是当前画布的 状态，改图就退回 draft；已发布的那版由 published_version 指着，formal 不受影响 （所以 formal 的前置检查也从看 status 改成只看 published_version）。 ## governed lint 只查 contract 这个 key 在不在 契约内容一律不校验，于是 contract={"metrics_from": "随便一个字符串"} 就满足了 "受管模板必须声明出具契约"这条硬门禁——一个结构上保证每次都出 formal 的空壳 模板能合法发布成受管模板。门禁写成这样还不如没有：它给的是"这张图过过闸"的 错觉。现在实质校验：metrics_from 必须指向图里真实存在的口径卡节点、narrative 必须非空、governed 下 required 必须非空、非 strict 给警告。 端到端验证：空壳契约发布被拒（4 条 issue）、改图后 status 退回 draft 且 published_version 保留、formal 跑 v2 被 409 拒、跑已发布的 v1 正常。	2026-09-14 15:30:57 +08:00
ThearchyHelios	a16cdf3ab1	修两条 critical：文件工具可读任意路径、并发代码节点互相覆盖 ... ## 文件工具可读任意文件（含加密主密钥） sandbox_session 从请求体直接拼进工作区路径，没有任何净化。传 ".." 就能把 根目录挪出工作区，之后 _resolve 的越界检查是在这个被挪走的根下做的，等于失效： curl -X POST /api/tools/file_read/run -d '{"sandbox_session":"..","args":{"path":".secret_key"}}' → {"ok":true,"content":"8UygDbx9..."} # 加密所有 provider Key 的 Fernet 主密钥 根因是同一段净化逻辑被抄了五遍：四个沙箱后端各一份，文件工具那份漏抄了。 所以提到 config.sanitize_session 统一一份，五处共用；RunToolIn.sandbox_session 再加 pattern 做纵深防御——畸形 session 直接 422，而不是悄悄净化成 default。 ## 并发代码节点互相覆盖入口脚本 同一 run 的节点共用一个沙箱会话，而入口脚本写死 main.py。README 主打的 "连线即并行"会让并排的代码节点在同一 superstep 并发执行，都写 main.py 就 互相覆盖——后写的赢，每个节点却都拿到 ok=True 和"自己的"返回值。 8 路并发同 session：7/8 执行了别人的代码，error 全为 None 改成每次执行生成唯一入口脚本（__entry_<uuid>.py），跑完即删。共享工作区语义 保留，跨节点传文件照常。四个后端同构改造，实测 8/16 路并发均 0 串味。 ## 顺带修掉两个自己埋的坑 - conda 迁移把沙箱解释器隔离弄丢了：conda 环境 sys.prefix == sys.base_prefix， 于是"干净解释器"挑出来的就是项目环境自己，沙箱代码能 import cryptography 直接解密落库的 Key。改成实际探测候选解释器是否看得见敏感包，都不干净就 退回 -S 关掉 site-packages。README 那句承诺现在重新成立了。 - -I 在 3.11+ 隐含 -P，脚本目录不进 sys.path，代码节点的 files 参数（多文件） 在 seatbelt/bubblewrap 下一直是坏的，import helper 直接 ModuleNotFoundError。 换成 -s -E，隔离意图不变，同目录 import 恢复。 - microvm 的 files_written 取 FsEntry.name（不存在），塞进去的是对象 repr。 改取 path 的尾段。 沙箱回归 16 项通过（两档各 8 项）。	2026-09-14 15:22:58 +08:00
ThearchyHelios	5ac681c481	Copilot 模型可独立配置 ... 此前 Copilot 的模型是兜底猜的：取第一个非 mock 且启用的 provider 的 默认模型。后端 GenerateIn 一直有 provider/model 字段，但前端从没传过， 于是禁用某个 provider 或调整创建顺序就会让 Copilot 静默换模型。 现在是独立设置（Setting 表 copilot 键），优先级：单次请求显式指定 > 保存的 Copilot 专用模型 > provider 兜底。做成独立设置是因为 Copilot 写的是编排本身，对指令遵循的要求和工作流节点不是一回事。 新增 GET/PUT /api/copilot/model 读写设置，并回报 effective_model （区分显式配置与兜底）；generate / generate-stream / explain 三处 统一走 copilot_model_spec；流首帧发 {op:'model'} 告知实际所用模型， 画布浮条上直接显示，不用猜。 前端 Copilot 弹窗加模型选择器，选择即持久化，下次打开记住；说明里 点明它只影响 Copilot 自己、且指令遵循弱的模型（如 Mock）跑不出结果。 验证：兜底→claude-opus-5；设为 deepseek-chat 后流首帧回报一致； 单次请求传 claude-opus-5 可覆盖设置；清空恢复兜底。浏览器实测选择 持久化跨弹窗、浮条显示模型名。	2026-09-14 11:01:47 +08:00
ThearchyHelios	1b595f699c	Copilot 流式生成：图在画布上实时长出来 ... 此前点击生成后是 20-30 秒黑盒等待，模态框关着，用户看不到任何过程。 改成操作流协议：模型按 NDJSON 逐行输出 add_node / add_edge / update_node / remove_node / done，后端边流边经 SSE 转发，前端每收 一个操作就应用到画布——节点带紫色描边逐个出现（临时摆位跟着入边源）， 左下角浮条显示当前动作并可随时取消；done 后后端统一排版+校验， 以 final 事件整体落位，高亮几秒后淡出。修改现有图的场景只输出改动 操作，用户能看到 Copilot 具体动了哪里。 行解析对模型犯规免疫：markdown 围栏、夹杂的解释文字、done 之后的 多余输出都被跳过或截断（单测覆盖跨块行缓冲）。 顺手修结构化输出必失败的 bug：langchain 靠 title 字段识别裸 JSON Schema dict，四处 with_structured_output 的 schema 都缺它，抛 ValueError: Unsupported function 后靠 fallback 文本解析兜底—— 每次都白调一次模型。补上 title（llm 节点 output_schema、branch 语义分类、supervisor 路由、旧版 copilot generate）。 实测：首节点 7.2s 上画布（原先干等 27s），浏览器采样节点数 0→2→3→4→5→6 逐步生长，6 个新节点全部高亮，零页面错误。	2026-09-14 10:54:31 +08:00
ThearchyHelios	e905426dfe	发布门禁、操作者归属、治理遥测与前端支撑 ... 审批记录批准人（X-Actor 先落库再恢复执行）。设置页可配操作者署名， 随请求头发送——这是归属记录不是身份认证，界面上写明了区别。 治理遥测三件套，全部从既有事件流取材： - 工具白名单衰减报表：授了权但从未用过的工具摆上台面，放宽可被回收 - 探索问题聚类：同一问题反复出现（≥3 次）标记为晋升候选——模板生长 的触发器 - 轨迹→模板提取器：把探索性运行实际走过的路径确定性提取成草稿工作流 （剪掉未走的分支、输入参数化），人审发布后才成为模板——探索层的 价值在路径沉淀，不在单次答案 前端：口径卡节点与指标编辑器、出具契约配置、发布对话框（两级门禁、 问题列表）、试运行/正式运行双按钮、出具档位横幅（含缺数据声明与 未回指数字点名）、运行列表正式/探索徽标、运行详情版本与清单哈希、 提取模板按钮。 真模型验证闭环：周报模板 governed 发布 → formal 运行，Opus 5 正文 数字全部回指，但结尾'（约 100 字）'被校验器抓住降档——修 prompt 禁元话语而非加白名单，重发 v2 后正式档。8/8 模板回归通过。	2026-09-14 10:27:13 +08:00