41 Commits

Author	SHA1	Message	Date
ThearchyHelios	c3f7d6ffcd	协作团队真的能并行了，界面上也看得出来 ... 先说一个和名字不符的事实：这个节点叫「多 Agent 协作」，但在此之前它是一条 严格的串行流水线。调度协议写死成 `next: string`——"一次只能派一个"被编进了 协议本身，模型再想并行也表达不出来。三个专家各花 10 秒，总是 30 秒。 （真并行一直在图级 fan-out：实测 3 个各 sleep 2 秒的节点连在同一个上游， 全部 +0.00s 开始、+2.37s 结束，墙钟 2.6 秒。只是协作团队走不到那条路。） **协议改成 assignments 数组**，一轮可以派多个互不依赖的专家，asyncio.gather 并发执行，总耗时按最慢的那个算。max_parallel 可配，设成 1 即退回严格串行。 **并发只在任务真的互不依赖时才成立**，这件事的成本必须说清楚：同一轮发出去的 专家拿到的是**同一份进展快照**，谁也看不见谁这一轮干了什么。派错了不报错， 只会让两个人基于一样的旧信息重复劳动，而这在结果里很难看出来。所以判断责任 压在调度者身上，提示词里把反例写出来： 可以同时派：「查 A 的资料」和「查 B 的资料」 不能同时派：「查资料」和「根据资料写报告」 不能同时派：「写初稿」和「校对初稿」 并明确告诉它拿不准就分两轮——代价只是慢一点。 **每个人单独计时**，而不是事后拿整轮墙钟去摊。界面要显示"并行省下多少"， 那个数必须是量出来的：按 N×墙钟 推算等于假设每个人都跑满了最慢那条， 而实际上快的那个可能只花了三分之一。测试里专门有个快慢不对称的用例守这条。 **调度日志改成结构化字段**（agents / done / reason / parallel）。以前只有一句 中文消息串，解码层得拿正则去拆「调度 → X（理由）」——后端文案一改就散架， 而这次正是改了文案。老运行的事件没有这些字段，正则那条路留着兜底。 **界面加泳道。** 每个成员一行、每轮一格，条形宽度按耗时归一化，所以一眼看得出 谁和谁是同时干的、谁是这一轮的瓶颈。顶上一行汇总"3 名成员 · 3 轮 · 2 轮并行， 省下 11.8s"；点任意一格展开那个人这一轮的任务和回复。全程串行时不装作有并行， 而是说"本次任务互相依赖，逐轮进行"。 泳道排在子步骤**前面**：先给一眼看清的形状，再往下是每一步的内容。反过来的话， 得把十几行步骤读完才知道这个团队是怎么分工的。窄栏（画布右栏 360px）下隐去 "N 人同时"的文字——并行与否看条形本来就一目了然，而缩写成"并2"没人看得懂。 验证：后端 276 passed（新增 test_supervisor.py 7 条，核心那条用**墙钟**判定 并发而不是看事件顺序——顺序只能说明"发出去了"，说明不了"同时跑"）； check-stream 新增 10 条泳道断言，含"同一轮里慢的那个条更长"和两种栏宽不溢出； tsc 干净，三个 check 不回归。	2026-09-20 20:57:03 +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	542bcb65bb	一次对话有自己的地址了：/chat/<chatID>，运行、画布、各页标签同理 ... 在此之前 react-router 只管到页面一级，「页面内部在看哪个」全在 store 和 localStorage 里，全站一处 useParams / useSearchParams / useNavigate 都没有。 后果： - 一次对话没有地址。想把「这个结论是怎么查出来的」发给同事，只能发截图。 - 刷新回到上次那个对话靠 localStorage，换台机器、换个浏览器就丢。 - 浏览器前进/后退在页面内部彻底失效——切了五个对话，后退一下直接离开问数据页。 - /settings 永远落在「模型接入」，指不到数据源那一屏。 /chat/:conversationId /studio/:workflowId /runs/:runId /knowledge/:tab /tools/:tab /settings/:tab 每页写两条显式路由（带 id / 不带 id）而不是可选参数 `:id?`：「没带 id」是真要 单独处理的一种情况（落到上次那个、或列表第一个），藏在一个问号里下次就没人 记得它存在了。 **URL 驱动 store，不是反过来。** 两边都能写就一定会打架——点一下列表，store 改了、地址栏没动，刷新又跳回旧的。所以 useConversations.currentId 降级成 URL 的派生缓存，唯一写入口是 ChatPage 的那个同步 effect；列表里的切换、新建、删除 一律改成导航。conversations.load() 不再自作主张决定「当前看哪个」， remove() 改成返回「接下来该去哪」交给调用方。 localStorage 留着，但它现在只回答另一个问题：**打开不带 id 的 /chat 该去哪**。 **指向不存在的东西**要优雅：等列表加载完再判（在那之前"找不到"是假的，照着它 跳会让每次深链接进入都先闪一下错误提示），落到一个真实的，并说明为什么换了 地方。RunsPage 特别一点——列表只取前 100 条，而一条老运行的链接必须也能打开， 所以详情按 id 直接取，不在列表里找。 **画布多两道闸。** 选择器里本来就有"未保存改动"的确认，但那道闸在它的 onClick 里，而前进/后退会绕过选择器直接换图——改了一半的画布就这么没了。URL→画布那个 effect 里补一道，取消就把地址退回去。 过程中实测抓到三个问题，都修了： - 同一个坏地址弹三次"那张工作流不在了"：effect 在请求回来之前又跑了两遍， 加了在途去重（chat 那边同样的毛病弹两次）。 - 「在画布里打开」现在直接把人送去 /studio，而那是一张还没存、没有 id 的草稿图。 不带 id 就落到第一张图的逻辑会拿第一张把它盖掉，还会先弹一句莫名其妙的 "有未保存的改动"——加了 nodeCount 判断让开。这个坑其实原来就在，只是以前 要手动点导航才踩得到。 - 删掉当前打开的那张图之后地址还指着它，刷新会撞上"不在了"。 顺带：三个 tab 页共用一个 useTabRoute（放在 Tabs 旁边，tab 和它的地址是同一件 事，拆两处迟早各改各的），认不出的 tab 名回落并把地址一起纠正过来。 「在画布里打开」不再是 toast 让用户自己去点导航，直接送过去。 验证：tsc 干净；后端 249 passed（没碰后端，跑一遍确认没带坏）； check-decode / check-stream 不回归；check-ui 新增「URL 指得到」一节 19 条， 真浏览器里验了深链接、切换改地址、刷新、后退、坏地址、tab 直达、 草稿图不被盖掉、越过列表上限的老运行。	2026-09-20 14:09:40 +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	901d840b86	Word / PDF 真的传得进来了，表格切开也还读得懂 ... 上一轮做了解析，但那条路在产品上够不着： - environment.yml 装的是 [microvm,dev,db]，没有 docs——新机器起来，传 PDF 只会得到一句"要先装解析库" - 文件选择框的 accept 里压根没有 .pdf / .docx，点上传根本选不中这些文件 两处都补上。表格类（xlsx）故意不放进 accept：它进知识库会被切成文本， 聚合算不了、数字也无法回指，那条路该走数据源。 装上依赖实测各格式：Word（含表格）、PDF（含中文，扫描件会明说要先 OCR）、 HTML、txt/md/csv/json 都通；Excel 和 PPT 不认得，报错说得清楚。 **切块对表格的处理是这次的主要工作。** 一份 60 行的 Word 表格切出来长这样： 块1 首行 | 上海 | 172151 | 13% 门店名被切没了，也没有表头——召回到这块，模型看到的是一列没有主语的数字。 两个毛病： 1. 重叠按字符切（buf[-120:]），会从行中间断开。改成只在行边界取， 整段没有换行就宁可不要重叠 2. 表格横跨多块时，除第一块外都没有列名。改成开新块时把表头补在最前面 第二条我第一版写成了 tail+header+block，表头被夹在重叠的那几行后面成了中间 一行——"表头在不在"查出来是 True，看着修好了，块的开头其实仍然是一串没有 主语的数。测试里专门有一条盯着表头必须领头，就是为这个。 端到端验过：60 行表格的 Word 传上去切成 3 段，搜"门店销售额"召回的片段 第一行就是"门店 | 城市 | 销售额 | 同比"。	2026-09-19 22:58:01 +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	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	152264b29c	长报告不再被咬掉一口：折叠只在行边界切 ... 用户看到的是一份读起来完整、末尾却挂着半行原始 markdown 的报告： userID 用户名 邮箱 昵称 providerID 商家名称 联系人邮箱 | 1 | ThearchyHelios | user@example.com | … | Test Marchant By Shop 表头是制表符（已渲染成表格），数据行是竖线（还是原始文本）——折叠是 text.slice(0, 3000) 按字符硬切的，切点落进表格中间，前面几行渲染成表格、 最后半行没能成行。报告本身是完整的，只是被折叠了，但界面上看不出来。 改成只在行边界切；切点落进表格时整块表格都不要——宁可少显示一段，也不给 一张半截的表。另外原来只有一个"展开全部"按钮，看上去像报告就这么长， 现在先说"…后面还有，这里先折叠了"。 顺带治了落库那一处：answerText 在 4000 字处无声截断，刷新页面后那份就永久 少一截，断点同样常常落在表格中间。上限提到 20000，真切到了会写明已截断、 完整内容见运行记录。喂给下一轮的那份另有更狠的截断，两回事。 check-stream 多一节，盯的就是"折叠后不许留下没渲染的原始表格行"。 把切法改回硬切，它会立刻抓到残留的 `| 24 | user_23 | …`。	2026-09-18 22:29:24 +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	105120f22f	成果区渲染 Markdown：「1+1 等于 **2**」不再原样带着星号 ... 模型几乎总是用 Markdown 组织回答，而成果区是 whitespace-pre-wrap 的纯文本， 于是它的结构全丢了：标题、列表、表格、粗体一律变成满屏符号。 **手写而不是装库。** 依赖只有七个、全是必需的，react-markdown 那一串 （unified / mdast / micromark）比这个文件大一个数量级。而要渲染的东西是 有限的——统计了库里 252 段真实输出，出现过的构造只有： 有序列表 40% · 无序列表 15% · 粗体 13% · 标题 3% · 行内代码 3% 表格 3% · 分隔线 2% · 代码块 1% · 引用 1% · 斜体 1% · 链接 0.8% 所以只做这些，**不声称支持完整 CommonMark**。认不出的语法原样当文本显示 ——那正是现在的行为，下限不会比今天差。包大小 +37KB（gzip +12KB）。 安全：全程构造 React 元素，一处 dangerouslySetInnerHTML 都没有。模型输出 是不可信内容，走 innerHTML 等于给自己开个 XSS 口子。链接只放行 http/https/mailto，`javascript:` 退回纯文本。 一个只有拿真实输出才会撞上的 bug：模型很爱写 **`table_name`**（粗体套 代码），而粗体在扫描顺序上先命中，把那对反引号当普通文本吃掉了——渲染出来 是加粗的 `v_demo_table` 带着反引号。强调内部要再解析一层（深度卡在 三层，每层文本严格更短）。另外把模块级正则的 g 标志去掉了：lastIndex 有 状态，递归调用时会从上一层留下的位置接着扫。 审批卡里的待审草稿也走同一个渲染——要人家判断"这条能不能发"，却让他对着 一堆星号看，是在给审批添难度。 check-stream 补 12 条，测例是从库里导出的真实输出 + 一段构造的恶意输入 （真实输出不会自带攻击，但渲染层要么天生免疫，要么就是个口子）：残留标记、 粗体/代码/列表/表格、粗体套代码、javascript: 链接不可点、正常链接可点、 原始 HTML 不变成真标签且当文本显示、注入脚本没执行。	2026-09-18 12:51:55 +08:00
ThearchyHelios	1444c774cf	模板字段加 {{ }} 补全：从源头消灭那类静默失败 ... 模板取不到值时渲染成空字符串、不报错，所以拼错一个变量名在运行时完全静默。 上一个 commit 是事后校验（标红+建议），这个是事前：打 {{ 就弹出这张图里 实际有的变量，每条带说明和产出它的节点。 **只挂在真正过模板渲染的字段上。** 这一条是整件事最容易做错的地方： 这套里有五个字段长得像但走的是表达式求值——skip_if、loop.condition、 cases[].condition、transform.expression、metrics[].expression——那里要写 `vars.count == 0` 这样的裸路径，不带大括号。在那些字段上挂 {{ 触发器等于 手把手教用户写错。同理 supervisor 的 agents[].system 长得和 llm.system 一模一样，但后端是 cfg.get("system") 直接取值、根本不渲染，那里弹补全会 是个谎；它走的是 AgentList 里的裸 textarea，天然不受影响。 几个不写就会坏的细节： - 这是完全受控组件。插入后 onChange 会一路走到 store 再把 value 灌回来， DOM 光标会跳到末尾——必须等那一帧过去再自己 setSelectionRange 放回去。 测试里专门验了"插入后继续打字，字落在后面而不是中间"。 - 候选框用文档流里的块，不是绝对定位浮层：属性面板是 overflow-y-auto、 外层 InspectorSheet 是 overflow-hidden，浮层到边缘直接被切掉。 - 用 onMouseDown 不是 onClick——onClick 在 blur 之后才触发，那时候弹层 已经关了。 - Escape 要 stopPropagation：外面 InspectorSheet 也在听 Escape，不拦的话 按一下会连整个属性面板一起关掉。 - 光标前已经打了 | 或 [ 就不再弹——那时候是在写过滤器或下标，不是在选变量。 check-ui 补一组：变量表列得出来、抽屉挤压后画布没被压没（React Flow 容器 高度归零会直接报 error 004）、打 {{ 弹候选、插入成完整写法、光标位置正确。	2026-09-18 10:55:56 +08:00
ThearchyHelios	0895a01b41	变量表抽屉；顺便治了一个每敲一键发一次全图请求的老毛病 ... 先说顺带修的那个，因为它是前提：validate() **零防抖**，从七个 mutation 点 直接调，其中包括 updateNode——也就是 Inspector 里每敲一个字都发一次带全图 的 POST。实测敲 15 个字 = 15 次请求。再挂一个变量分析就是翻倍，所以必须先 治：一次防抖（300ms）、两个请求并发、epoch 丢弃过期响应（图在飞行期间又改 了的话，旧答案不能覆盖新答案——校验结果闪回是最难查的那种 UI bug）。 现在敲 15 个字 = 1 次请求。 变量表另有一层跳过：**"有哪些变量"只取决于结构，不取决于文案**。节点 id、 类型、assign_to、入口字段名组成签名，改 prompt 里一个字不会触发变量分析。 抽屉本身做成挤压式而不是浮层——React Flow 的 Controls 和 MiniMap 是绝对 定位在画布容器里的，浮层会把它俩埋掉，挤压会把它俩顶上去。限高并给画布 留底（React Flow 容器高度归零会直接报 error 004），可拖拽改高，两端都夹住。 表里四列：变量 / 来自哪个节点 / 被引用几处 / 最近一次运行的值。点开右侧 详情能看到谁产出、每一处引用在哪个节点的哪个字段，点一下定位到画布。 实跑验证： {{ input.question }} 输入 — 变量表要显示这个值 {{ vars.question }} 输入 — 变量表要显示这个值 {{ nodes.start }} 输入 — { "question": "变量表要显示这个值" } {{ last_message }} 内置 1 处 — 另外让用户看得见**真正跑的那份代码**：代码节点送进沙箱的是 {{ }} 渲染后的 字符串，和编辑器里那份可能差很远（一个带引号或换行的值插进字符串字面量里 就把程序写坏了），而报错指的是渲染后的行号，对着自己那份怎么也数不对。 sandbox.start 现在带上渲染结果，只在真插过值时才显示（没插值的两份一模一样， 显示等于噪音）。沙箱步骤的 detail/result 也分开了：detail 是跑的什么， result 是跑出了什么——塞一个字段里的话，报错时最需要的两样东西只能看见一样。	2026-09-18 10:48:22 +08:00
ThearchyHelios	f43f56abb7	把 Copilot 的思考显示出来：模型一直在想，只是被丢掉了 ... 用户问能不能看到"正在理解需求、规划步骤"里面发生了什么。查下来是这样： 模型确实在想，reasoning 花了实打实的 token，但一路上被丢了三次。 1. langchain 的 ChatOpenAI **故意**不保留第三方的 reasoning_content——它的 文档原话是 "Non-standard response fields added by third-party providers are not extracted or preserved"，建议换 ChatDeepSeek 之类的专用包。可 "用哪个供应商"在这个产品里是用户在设置页配的（DeepSeek / Qianfan / vLLM / OpenRouter 都可能），为每种装一个专用包不现实。在 factory 里 子类化捞回 additional_kwargs，只加字段，不动 langchain 对正文的处理。 2. thinking_text 只认 Anthropic 的 thinking 块。补上兼容端点那一种。 3. 前端把一段思考的标题固定成开头 60 个字。思考是流式的，开头往往是 "用户想要一个……"这类复述，之后几十秒里它一直在推进——固定显示开头 等于把一段活的叙述冻在起点上，看着就像卡住了。改成：还在想的时候显示 最新一句，想完了换回开头那句（那时它是一条历史记录）。 实测一次真实生成，60 秒里侧栏逐句变化： 3s 可用数据源 bi 9s 人工节点 approve 模式，审核 18s 我们可以用 db_query__sales 执行 SELECT COUNT(*) FROM orders 等 36s 更合理：rejected -> query_agent（重新 45s 对于 bi 有 53 个对象，靠 57s （plan 到达，思考收尾，换回开头那句） 顺带运行期的 LLM 节点也跟着有了思考——走的是同一个 thinking_text，之前 同样只有 Anthropic 系才有。已验证流式合并后思考连成完整一段，不是只剩 最后一片。 tests/test_thinking.py 守两种形态、合并、以及"不产思考的模型不硬凑"。 check-decode 补 5 条守"还在想显示最新一句、想完了换开头"。	2026-09-18 09:55:42 +08:00
ThearchyHelios	aa18904af0	运行和 Copilot 分成两层；顺带修了一个会丢事件的时序缺陷 ... 用户：「点击右上角运行后，会跳到流程；然后下方就又有 Copilot 对话框，把 结果和 Copilot 又放在一块儿了」。说得对，而且我上一版的理由是错的。 我当时把建图和跑图排进同一条时间轴，说它们是"一件事的两半"。它们在时间上 先后发生，但不是同一种东西——最直接的证据在我自己的代码里：运行那一轮的 question 只能填 undefined。一个没有提问的"对话轮次"，本来就不是对话。 更实际的问题是那个输入框：它贴在运行结果下面，暗示你可以回复这次运行。 但你不能——在那儿打字改的是画布上的图。这是个假的可供性。两者的生命周期 也对不上：Copilot 的轮次会累积，运行永远只有最新一次。 现在右栏是一个常驻的家（Copilot 对话）加两层临时盖上来的东西（节点属性、 运行过程）。运行那一层没有输入框，有自己的头部和停止按钮；对话那一层底部 留一条运行进度，点一下过去。 --- 顺着这条线查下去，发现一个更严重的问题：**后端在丢事件**。 浏览器侧连跑 5 次，2 次丢了中间一条。抓 WebSocket 原始帧才看清：所有帧的 replay 都是 false——历史读回来是空的，全部走实时；丢的是 run.started， 它在客户端订阅之前就广播了，而那时还没落库，所以历史里也没有。 根因是 _emit 的顺序：先广播、后落库。订阅者的完整性靠"先订阅 → 读历史 → 接实时"拼起来，它需要这条保证——提交早于我这次 SELECT 的，在历史里；提交 晚于我这次 SELECT 的，广播也晚于我订阅，在实时流里。后半句只有在"提交先于 广播"时才成立。交换顺序后，6 次 WebSocket 探测 + 5 次浏览器运行全部无缺口。 （上一轮我修过这个文件的另一个窗口——先读历史后订阅。那个修复是对的，但 只堵住了两步之间的缝，堵不住订阅建立之前的那一段。） tests/test_emit_order.py 守这条不变式：广播的那一刻，这条事件必须已经能从 另一个 session 查到。去掉修复后它确实失败。 --- 还修了三处： - 停在人工介入时，"在不在等人"原先取自审批列表，而那是 4 秒轮询一次的； 中断后会有几秒钟界面说"这次运行已结束"，而它正等着你点通过。改成从事件 推导（isAwaitingHuman），即时且和显示的内容一致。 - 新增 tests/conftest.py 把整个测试会话关进临时目录。test_emit_order 第一版 直接用 SessionLocal 往开发库里写，几行假运行排到了运行列表最前面。已清掉 那 12 行。这该是全局保障，不是只修一个文件。 - 开发期把 store 挂到 window.__studio，好让 playwright 直接读状态——"事件 收全了没有"在界面上看不出来，只能问 store。已确认不进生产包。	2026-09-18 09:39:24 +08:00
ThearchyHelios	3de7567377	右栏重构：助手常驻，属性改为盖上去的一层 ... 两个问题都源于同一件事——一栏 360px 被要求同时干两件活。 **没地方引导写问题。** Copilot 输入框是个 38px 高的框，挤在一条长长的流 底下，比它上面任何一块都不起眼；例句被截断成 16 个字的 chip，示范"该说到 什么颗粒度"这个作用就没了，只剩装饰。改成一个组件两种体量：没说过话时它 就是这一栏的主体（竖直居中、三行高、自动聚焦、完整句子的例句），并且告诉 用户它能够到什么（N 个数据源 / M 个工具）——不然"查销售库"这种话有没有意义 只能靠猜。有了对话之后它退到底部两行。不做成两个组件：那就是两个实例， 切换时会卸载其中一个，草稿、光标、输入法候选词全没。 **Copilot 和属性挤在一起。** 它们原是 [助手|属性] 两个 tab，而 tab 是互斥的 ——跑图跑到一半点开节点看配置，整条执行过程就从眼前消失，切回来滚动位置和 输入草稿也没了（切 tab 会卸载组件）。改成属性滑出来盖在助手上：助手一直在 下面活着，属性是临时造访者。头部给一个明确的"‹ 助手"，Esc 关得掉；盖住 期间底部留一条执行进度，点一下回去——不能因为换了实现就把原来最难受的 那个场景原样留着。 运行控件搬去工具栏。它原先和 Copilot 输入框一起常驻助手栏，两个都是"主要 动作"互相压着；而它们是两种意图（跑这张图 / 改这张图）。运行是对整张图的 动作，和保存、发布同类。有输入字段就弹表单，没有就一键直接跑。 顺带修了两处状态说反的地方： - 停在人工介入时，承载的节点还在转蓝圈。转圈说的是"它在忙，你等着"，而 实际正相反——它在等你。改成待办色 + 手势图标。 - "继续执行"的去重原先靠"界面上还有没有 waiting 步骤"，上一条改动多了一处 产生 waiting 的地方就失效了。改用事件相邻性判断——那是这两条事件的固有 性质，不会因为别处改了展示而变。 动效：面板滑入、例句依次入场、正在出字的那一步有一道光扫过（比转圈多说 一件事：它在产出，不只是在等）、空态标记轻微呼吸。全部 240ms 以内，缓动 统一 cubic-bezier(.32,.72,0,1)。另外补上了此前完全没有的 prefers-reduced-motion——这套界面里动的东西不少（边在流动、节点在脉冲、 面板在滑），系统里关了还照播，对前庭敏感的人是实打实的难受。 验证：check-ui 重写了助手栏那一节，核心断言是"选中节点再回来，输入的字 还在"——那正是 tab 方案做不到的。新增一条用 emulateMedia 验证关掉动效后 动画确实停了。真跑了一次带人工审批的图，期间打开属性面板确认进度条还在。 四套检查 + 82 个后端测试全过，生产构建通过。	2026-09-18 00:05:22 +08:00
ThearchyHelios	3ff6840b99	多 agent 节点不再永远转圈，调度决策也说出来了 ... 运行 #6038f5：supervisor 节点跑完 31.7s 之后，researcher 那一行还在转圈。 agent.step.start / agent.step.end 是这套事件里**唯一**一对没做配对的 （node、llm、tool、sandbox、human 都配了）。start 那条建出来就是 running， end 另起一行，于是没人去关它。这正是 decode.ts 自己文档里的第 2 条原则 ——成对事件合并成一行——我写了却没用在 agent 上。 配对键用 (node_id, agent, round)：光用 agent 名不够，supervisor 会在多轮里 反复派给同一个 agent，第二轮的 end 会错配到第一轮的 start 上。 顺带把 supervisor 的调度决策捞出来。后端把它标成 info 日志，而 info 是整类 丢弃的，结果"为什么派给 researcher"、"为什么只跑一轮就结束"在界面上完全 没有交代——那个节点就是一个跑了 31 秒的黑盒。带 round 字段的 info 才是调度 决策，和普通排查日志区分得开。FINISH 译成"结束协作"而不是"交给 FINISH"， 后者会让人以为还有个叫 FINISH 的成员。 真实运行已收进 fixtures，check-decode 加 9 条（含"普通 info 日志仍然不进 主流程"和"warn 日志照常显示"这两条反向约束）。	2026-09-17 19:14:06 +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	c1c13fad41	助手流组件：一份 Step，宽屏和 360px 窄栏共用 ... AssistantStream 是纯展示的，不连 store。这样画布右栏和问数据页能用同一个 组件，而不是"一个组件三种停靠模式"——后者要求同一个实例出现在三个 DOM 父节点里，React 里除非 portal 否则不成立，硬做就变成跨路由 remount， 输入草稿和展开状态全丢。差别只在 dense 一个开关。 渲染真实事件时发现的几个问题，顺手一起修了： - 取数运行的最终成果是一个**被截断的双重转义 JSON**（后端按字符数硬切， 切点落在 JSON 中间是常态），严格 JSON.parse 必然失败，于是这个产品最 典型的一次运行，成果区呈现为满屏 \"attribute01\", \"attribute02\"。 parseQueryResult 改为解析失败时截到最后一条完整记录再解析——78 列 1 行 的表格，比一屏转义文本有用得多。并区分"查询撞了行数上限"和"预览被切断"： 前者该去调查询，后者该去看完整工件，混成一句"已截断"等于没说。 - 审批恢复过的运行有"开始执行"+"继续执行"两条生命周期，run.finished 只 收了第一条（find 而非 forEach），"继续执行"永远转圈——明明已经跑完。 - 处理完的审批保留着 warn 级别，一直是橙色，看着像还有事没办。 - 一屏 0ms：那些纯赋值节点确实不花时间，把没信息量的数字摆出来反而把真正 慢的那一步淹了。低于 10ms 不显示，同时空耗时给 undefined 而不是空串。 - output 里 {"result": ""} 很常见（图跑通但出口没接上），会渲染出一条什么 都没有的分隔线。 验证：新增 scripts/check-stream.mjs，真浏览器跑真组件——5 类真实运行 × （无报错/无转义 JSON/无 0ms/不横向溢出）+ 展开看 SQL 和结果表 + 空态。 check-decode.mjs 补 11 条，两个脚本共 68 条断言全过。frontend/preview.html 是离线预览页，只有 dev server 加载（已确认不进 vite build 产物）。	2026-09-17 17:00:50 +08:00
ThearchyHelios	ca6e672dfa	事件解码器：全站唯一的"事件 → 人话"翻译层 ... UI 重构的地基。现有的 describe()（RunPanel.tsx:392）是工程师视角—— db_query__warehouse({"sql":...}) 是函数调用语法、1234+567 tok · $0.0021 是账单、 exit=0 · microvm 是退出码，而且 25 个事件类型里一半直接 return '' 没翻译。 做成独立模块而不是散在各页面，是因为画布时间线、助手栏、运行页要读同一个 故事。两套翻译的话同一次运行在不同地方讲得不一样，用户没法判断哪个是真的。 ## 三条原则 - **不回写事件**：run 终态时对全部已落库事件算 manifest_hash，事后增删改会 对不上。翻译只在前端内存里发生。 - **成对事件合并成一行**：tool.start + tool.end 是同一件事的两个时刻，拆两行 等于把"查询数据"和"查完了"当成两件事。按 call_id 配对（并发调同名工具时 按名字会错位），独立 Tool 节点没有 call_id 则回退到名字。 - **节点是天然的分组单位**：一个图节点内部可能有好几轮模型和工具调用， 它们属于同一个步骤——这正是"简要思考节点"该有的结构。 ## 用真实事件调出来的五个坑 从库里导出 5 类真实运行（带查询/带审批/带出具/失败/带思考）当 fixture， 构造的样本永远不会长成那样： - **审批重复三次**。human.requested 没有 interrupt_id、run.interrupted 才有， 两个 key 算不到一起；而审批恢复后 LangGraph 重放节点又发一遍 human.requested。 改用两者共有的 node_id|mode|title 做键，三条收敛成一条。 - **节点重放让同名节点出现两次**。node.started 第二次来时复用原来那条。 - **"继续执行"说两遍**。run.resumed 和 run.started(resumed=true) 是同一件事。 - **标题退化成裸 id**。没起过名字的节点 label 等于 id（后端兜底），"in"/"h"/"out" 对用户毫无意义——退到节点类型的中文名。 - **空 preview 当详情显示**。{} 不是详情，是噪音。 ## 刻意不做的 - 不显示 token 数和美元：那是账单视角，不是"它干了什么" - 不依赖 canvas/nodeDefs：解码器是纯翻译层，画布只是消费者之一。 16 行的类型名映射重复得起，反向依赖会让运行页被迫加载整套节点定义 - 未知事件不静默吞掉：宁可显示一条原始的，也比让人觉得"什么都没发生"好 ## 验证 scripts/check-decode.mjs 用真实 fixture 跑 21 条断言（转译借 vite dev server， 测的就是应用实际运行的那份）。守的是"审批只出现一次""没有裸 id""没有事件名 泄漏到标题"这类会悄悄退化的性质。	2026-09-17 16:25:33 +08:00
ThearchyHelios	5fdb55defe	修三处订阅缺陷：审批恢复后事件重复、订阅泄漏、取消误杀 ... UI 重构前置。这三条都是新界面会放大的问题——时间线要常驻显示事件流， 重复累积和泄漏在旧界面里藏得住，在新界面里就是明显的错。 ## 审批恢复后事件重复收一遍 streamRun 里 `let lastSeq = 0` 是每次调用新建的闭包局部量，注释写着"重连时 带上已收到的最大 seq 所以不会重复"——那只在同一次调用内的断线重连成立。 审批放行会调 attachRun 重新订阅，lastSeq 归零，后端按 `seq > after` 把整条 历史再推一遍，而 applyEvent 是无条件 `[...events, event]`。 实测：一个带审批的运行中断时有 6 条事件，放行后共 15 条。修复前 attachRun 用 after=0 会把那 6 条再收一遍；现在传 max(seq)=6，只收 9 条新的。 把 after 提成 streamRun 的参数比在客户端做去重干净——省掉服务端的重发本身。 ## chat store 的订阅泄漏 cancel 是 store 上的单值，下一轮 ask 直接覆盖，上一轮的 WebSocket 再也关不掉。 句柄下放到 turn 级，clear 时逐个关。 ## stop() 误杀等待审批的历史轮次 原来把所有非终态 turn 一律标成"已取消"。正等人工介入的轮次是等着用户回来 处理的，不是卡住的——把它们标成已取消，用户回来就找不到那个审批了。 现在只停最后一轮，且跳过 waiting。 ## ApprovalCard 解除对 studio store 的硬依赖 它被对话页和运行页复用，而"恢复后重新接上事件流"默认走 studio.attachRun—— 在对话页用就是同时开两条订阅（chat 一条、studio 一条），两边各收一份事件。 加 onResolved 回调，谁用谁负责重新接流。	2026-09-17 16:16:14 +08:00
ThearchyHelios	e5f84164ce	数据源配置界面 ... 补上最后一块：在此之前数据源只能用 curl 建，这套东西对用户是不可达的。 设置页新增「数据源」标签：增删改、测连接、探查结构、展开看对象清单。 密码走和模型接入完全相同的规则——入库加密、出站只给掩码、编辑时留空表示不动。 表单上的说明写的是"这项填错会怎样"，不是字段的字面意思： - 标识：说明它会变成工具名 db_query__xxx，且建好不能改（改名等于换一个工具， 引用它的工作流会全部失效） - schema：提示"只读账号名下常常没有对象，数据在别的 schema 里"——这是企业库 的常态，不说的话用户探出 0 个对象只会以为是连接坏了 - 说明：明确写"这句话会给 Copilot 看，它据此判断该查哪个库" - 只读开关：关掉时边框变黄，并说明"这里的 SQL 由模型生成" 探查按钮拿到 0 个对象时，会再读一次摘要把候选 schema 顶到提示里，而不是只报 一句"探到 0 个对象"让人自己猜。 前端我点不了，所以逐个验证了界面依赖的接口：kinds/list/test/schema/create/ introspect/patch/delete 全部可用，卡片要的字段齐全，密码确认只回掩码。	2026-09-17 14:31:50 +08:00
ThearchyHelios	266631d2fd	对话式入口：说需求，不用碰画布 ... 阶段③。画布是给编排的人用的——15 种节点、每种十几个配置项，那是把控制权 交到手里的代价。但多数时候人要的只是一个答案："MES 不合格数据里记录最多的 工厂是哪个"，不关心它是 input→agent→output 还是别的什么。 这一页把图藏起来：你问，它自己接数据源、建流程、跑完、给结论。图仍然真实 存在（可以展开看"它是怎么做的"，也能一键放到画布继续改），只是不再是必经之路。 默认路由也改到这里，画布退到第二项。 ## 状态分开放 新建 store/chat.ts 而不是复用 studio store：画布那套状态（选中节点、脏标记、 校验问题）在这里一个都用不上，混进去只会让两边互相牵制——对话页跑一次图就把 人家画布上没保存的东西冲掉，那是灾难。 ## 事件翻译成人话 Copilot 的操作流和运行事件都不直接暴露。add_node → "正在搭建流程…（3 步）"， tool.start(db_query) → "查询数据"，tool.end 里的 row_count 追加成"· 246 行"。 SQL 原文折叠在步骤里，想看能点开——不给看和硬塞给人看都不对。 等待期间显示模型的思考（复用上一轮加的 thinking 事件），这是 40 秒建图过程里 唯一能看的东西。 ## 人工介入就地处理 停在审批时直接在对话流里渲染 ApprovalCard（上一轮导出的），处理完自动重新 接上事件流看后续，不用切去别的页面再切回来。 ## 起始建议用真实表名 空状态不写死示例，而是读真实数据源的表名造建议——用户一眼看到的是自己的数据。 没有数据源时直接指路"设置 → 数据源"，而不是给一个点了没反应的输入框。 ## 实测 按 store 的同样调用顺序跑完整链路：建图 44 秒（其中 39 秒是模型在想， 期间有心跳和 plan 摘要顶着）→ 3 步图 → agent 先查表结构再聚合 → "记录最多的工厂是上海头枕（工厂编码 1051），共 190470 条记录。"	2026-09-17 14:26:28 +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	b634c89be4	人工介入的驳回按钮不再是摆设，画布脏边与待办入口 ... ## 点"驳回"实际等于放行 ApprovalCard 无条件渲染"通过/驳回"两个按钮，而后端 human 节点只在 approve 模式下读 approved：edit 和 input 分支直接取 value，__decision__ 硬编码成 "approved"，approved 字段看都不看。按钮在、文案在、toast 说"已驳回"，运行却 照常往下跑——比没有这个按钮更糟。 这两种模式在图上只有一个 out 出口（没有 rejected 那条边），所以驳回的正确 语义是终止运行。缺省仍是通过，只传 value 不带 approved 的老调用方行为不变。 前端按钮文案改成"驳回并终止"，toast 也说清楚。 顺带：run 级的错误消息不再给 NodeError 套类型名前缀，界面上从 "NodeError: 人工驳回：内容不合格" 变成 "人工驳回：内容不合格"。 ## 改分支 case key 会留下看不见、删不掉的脏边 出口 handle 是从 config 算出来的（分支的 case key、human 的 mode），而 Inspector 的输入框逐字符 setConfig。key 从 yes 改成 yesno 的过程中 handle id 会依次变成 y/ye/yes…，已有边的 sourceHandle 仍是 yes。React Flow 对这种边只在 console 打一条 008 警告然后不渲染——看不见、点不到、删不掉，却照样被 toGraph 序列化存盘，后端校验也不管。 updateNode 现在同步处理：出口数量没变就按位置重映射（改名时连好的线跟着走）， 出口真的没了就把边一并清掉。 ## 未保存的编辑会被静默丢弃 切换工作流直接 load() 覆盖画布，没有 dirty 检查；全局也没有撤销和 beforeunload。加了切换确认与关页面拦截。撤销栈是更该补的，但那是另一件事。 ## 刷新后"等待人工"的运行没有任何入口 审批卡片挂在 studio store 的当前 run 上，而那是纯内存的，刷新后为 null，卡片 就不渲染了。更糟的是导航把待办徽标挂在"运行"页上，用户点进去——而 RunsPage 从头到尾没有审批 UI，只有只读事件列表。现在 RunsPage 为选中的运行渲染 ApprovalCard，徽标指向的地方终于能处理待办。 回归：input/edit 两种模式的通过与驳回、approve 模式、代码节点 strict 档、 分支、口径卡出具 formal、工具节点、SSRF 拦截、记忆工具，全部通过。	2026-09-14 15:46:45 +08:00
ThearchyHelios	76837d4ef0	dev.sh：端口被占时挪开，并确认答应健康检查的是自己 ... 踩到的坑：8000 被另一个项目长期占着（绑 *:8000），uvicorn 起不来直接退出， 而健康检查去探 8000 又被那个项目答应了，脚本以为后端就绪继续起前端—— 于是前端代理连着别人的服务，界面上全是陈年旧数据，还很难看出哪里不对。 三处收紧： - 端口被占就自动往后挪（显式指定 AGENTLAB_PORT 时则明确报错并列出占用方） - 健康检查要看到 service 是 agentlab 才算数，顺便看住后端进程别悄悄死了 - vite proxy 的目标端口跟着 AGENTLAB_PORT 走，不再硬编码 8000	2026-09-14 14:20:20 +08:00
ThearchyHelios	7d00c24ab1	microVM 沙箱后端：内存限额终于真限得住，但网络关不干净 ... Seatbelt 在 macOS 上最难受的缺口是 RLIMIT_AS 不被强制——设 256MB 仍能分配 900MB。microVM 不是"更严格的访问控制"，是换了一类边界：宿主 Darwin 27.0.0， VM 里 Linux 6.12.99（libkrunfw），PID 1 是 init.krun，/Users 根本不存在， free 只看得见 512MB。申请 900MB 会被 OOM killer 杀掉而 VM 照常存活。 实现按实测契约写，不按别的 SDK 的惯例推断：create() 直接返回已启动的 Sandbox，没有 handle/connect 两层；cwd/env/timeout 都是 exec 的原生参数； 超时抛 ExecTimeoutError 而不是返回非零码。 必须写明的缺口：network=false 时 HTTP/HTTPS 与域名解析都断得掉，但 UDP/53 拦不住，手写 DNS 包仍能拿到真实响应。default_egress=DENY、Rule.deny_dns()、 显式 deny UDP、max_connections=0 全试过都堵不上——deny_dns 生成的规则只针对 宿主，DNS 出口在 microsandbox 网络栈里是硬编码放行的。所以 health 里 network 标成 partial 而不是 true，设置页对应显示黄色「部分生效」：拦了一半要是显示成 全绿，比显示成全红更危险。 成本也照实说：首次拉 OCI 镜像实测 54.5s，之后热启动 0.19s、执行 7~30ms。 贵的只是第一次，所以 auto 在镜像没缓存时先用 Seatbelt，不让人干等一分钟； 显式选 strict 档不受此限——那是使用者自己要的硬隔离。 端到端 17 项验证通过：隔离、内存拦截、超时 124、退出码透传、多文件与 env、 会话间互不可见、VM 回收。Seatbelt 那档回归未受影响。	2026-09-14 14:10:10 +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	dcba9a63e0	一次思考在轨迹里只落一条事件 ... 思考流上线时漏了把它登记进 ephemeral 集合，导致每个流式增量都 落库——一条思考链在执行轨迹里被拆成几十条 llm.thinking 事件。 拆成两种事件：llm.thinking.delta 是流式增量，只推给画布做实时 滚动、不落库（与 llm.token 同类）；llm.thinking 是调用收尾时落的 单条汇总，携带完整思考内容（截断 6000 字符，完整版在节点输出 工件里）。顺带修好刷新回放：此前回放重现不了思考（增量被隐藏、 汇总不存在），现在一条汇总事件直接恢复全文，时间线上也可展开查看。 验证：确定性假思考模型过完整管道（3 条增量实时推、汇总恰一条且 内容完整）；真模型跑模板⑤，轨迹 29 条降到 18 条，llm.thinking 恰好 1 条。adaptive thinking 对简单任务自主跳过思考时两类事件 都不产生，已从工件核实是模型行为而非管道丢失。	2026-09-14 10:40:20 +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
ThearchyHelios	dd57c12016	沙箱改用系统自带的隔离原语，移除 Docker 依赖 ... 跑一段不可信代码不需要一整套容器运行时。macOS 用 Seatbelt （sandbox-exec，系统自带），Linux 用 bubblewrap；冷启动从 ~250ms 降到 ~25ms，且不再需要装任何东西。 守住三件事：默认断网、家目录不可读、只有工作区可写。策略由内核 强制且对子进程继承——沙箱内 subprocess 出来的 cat 读家目录同样是 Operation not permitted。解释器改用 sys.base_prefix 下那个干净的 Python，沙箱代码因此 import 不到后端的 FastAPI、SQLAlchemy 和凭据 处理代码。 如实标注能力边界，不给虚假的安全感： - macOS 不强制 RLIMIT_AS，内存限不住（实测设 256MB 仍可分配 900MB）， health 接口申报 enforced 字段，界面把限不住的项划掉 - Seatbelt 是访问控制而非虚拟化：进程表共享，以当前用户身份运行 - bubblewrap 侧多隔离 PID/IPC/挂载视图，内存限额真实生效 顺带修两个 bug： - LocalSandbox 设 RLIMIT_NPROC=64 会误伤——macOS 上它按 uid 全局 计数，用户已有上千进程时沙箱内任何 fork 都失败，连 bash 都起不来 - 模型所属 provider 被停用时，原先静默换一家继续用原模型名，必然 404 且报错指不到原因；改为直接说清是哪个 provider 被停用了 写 SBPL 的坑记在注释里：(deny default) 会让 Python 直接 SIGABRT， 改用「默认允许 + 精确拒绝」。 7 个模板全部回归通过。	2026-09-13 18:04:36 +08:00
ThearchyHelios	964eeaa829	AgentLab：可视化 Agent 编排实验台 ... 在画布上拖拽编排 agent 工作流，并实时看着它执行。 后端 FastAPI + LangGraph：把画布 JSON 编译成 StateGraph，15 种节点 （模型/Agent/多Agent、工具/沙箱、分支/循环/子图、记忆/检索/整形、 人工介入/结构校验）。选 LangGraph 是因为可视化编排真正难的是暂停、 恢复和回放，而 checkpointer + interrupt() 正好把这几件事做在了底层。 前端 React + React Flow：节点元数据驱动属性面板与连接桩，运行时 节点高亮、边流动画、卡片内流式 token 全部由同一份事件流驱动。 关键实现： - Agent 内工具审批用 @task 缓存模型调用，interrupt 重放时不重复计费 - 沙箱保持只读根文件系统，代码经 exec+base64 写入（put_archive 会被 只读容器拒绝），断网、非 root、内存/CPU/超时限额 - 检索为向量与 BM25 混合，本地哈希 embedding 零配置可用 - 分支条件走 AST 白名单求值器；HTTP 工具逐 IP 拦截内网与元数据地址 - Mock provider 让无 API Key 也能跑通完整链路 7 个内置模板全部冒烟通过，含真实模型端到端验证。	2026-09-13 17:27:00 +08:00