mirror of
https://github.com/ThearchyHelios/AgentLab.git
synced 2026-11-15 04:41:57 +00:00
ThearchyHelios
75be5f485e
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。
389 lines
19 KiB
Python
389 lines
19 KiB
Python
from __future__ import annotations
|
||
|
||
import logging
|
||
import os
|
||
from typing import Any
|
||
|
||
from sqlalchemy import func, select
|
||
|
||
from app.core.crypto import encrypt
|
||
from app.db.base import SessionLocal
|
||
from app.db.models import Provider, Skill, Workflow, WorkflowVersion
|
||
from app.engine.schema import GraphSpec
|
||
from app.providers import catalog
|
||
|
||
logger = logging.getLogger(__name__)
|
||
|
||
|
||
def _n(node_id: str, node_type: str, label: str, **config: Any) -> dict[str, Any]:
|
||
return {
|
||
"id": node_id,
|
||
"type": node_type,
|
||
"position": {"x": 0, "y": 0},
|
||
"data": {"label": label, "config": config},
|
||
}
|
||
|
||
|
||
def _e(source: str, target: str, handle: str | None = None) -> dict[str, Any]:
|
||
edge: dict[str, Any] = {"source": source, "target": target}
|
||
if handle:
|
||
edge["sourceHandle"] = handle
|
||
return edge
|
||
|
||
|
||
# --------------------------------------------------------------------------
|
||
# 内置模板：打开就有得玩，也是各种节点用法的活文档
|
||
# --------------------------------------------------------------------------
|
||
|
||
TEMPLATES: list[dict[str, Any]] = [
|
||
{
|
||
"name": "① 最小问答",
|
||
"description": "一个模型节点跑通全流程。先从这个开始改。",
|
||
"tags": ["入门"],
|
||
"nodes": [
|
||
_n("start", "input", "提问", fields=[{"name": "question", "required": True,
|
||
"description": "你想问什么"}]),
|
||
_n("answer", "llm", "回答", system="你是一个耐心、准确的助手。",
|
||
prompt="{{ input.question }}", assign_to="answer"),
|
||
_n("done", "output", "成果", fields=[{"name": "回答", "value": "{{ vars.answer }}"}]),
|
||
],
|
||
"edges": [_e("start", "answer"), _e("answer", "done")],
|
||
},
|
||
{
|
||
"name": "② 研究助手（Agent + 工具）",
|
||
"description": "Agent 自主决定搜什么、抓哪篇，再汇总成带出处的简报。",
|
||
"tags": ["agent", "工具"],
|
||
"nodes": [
|
||
_n("start", "input", "研究主题", fields=[{"name": "topic", "required": True}]),
|
||
_n("research", "agent", "调研 Agent",
|
||
system="你是严谨的研究员。先搜索再抓取原文，只写有依据的内容。",
|
||
prompt="围绕这个主题做调研：{{ input.topic }}",
|
||
tools=["web_search", "web_fetch", "current_time"],
|
||
max_steps=8, approval="never", assign_to="findings"),
|
||
_n("brief", "llm", "写成简报",
|
||
system="你是一位把复杂信息讲清楚的编辑。",
|
||
prompt="把下面的调研结果整理成中文简报，分「结论 / 关键发现 / 待确认」三段，"
|
||
"每条结论后面标注来源链接：\n\n{{ vars.findings }}",
|
||
assign_to="brief"),
|
||
_n("done", "output", "简报", fields=[
|
||
{"name": "简报", "value": "{{ vars.brief }}"},
|
||
{"name": "调研过程", "value": "{{ nodes.research.tool_calls | json }}"}]),
|
||
],
|
||
"edges": [_e("start", "research"), _e("research", "brief"), _e("brief", "done")],
|
||
},
|
||
{
|
||
"name": "③ 带人工审批的发布流",
|
||
"description": "起草 → 人工把关 → 通过就发布、驳回就改写。演示中断与断点恢复。",
|
||
"tags": ["人工介入", "分支"],
|
||
"nodes": [
|
||
_n("start", "input", "主题", fields=[{"name": "topic", "required": True}]),
|
||
_n("draft", "llm", "起草", system="你是品牌文案。",
|
||
prompt="为「{{ input.topic }}」写一条 100 字以内的对外公告。",
|
||
assign_to="draft"),
|
||
_n("review", "human", "人工把关", mode="approve",
|
||
title="这条公告可以发吗？",
|
||
message="草稿：\n\n{{ vars.draft }}"),
|
||
_n("publish", "transform", "标记发布", mode="template",
|
||
template="✅ 已批准发布\n\n{{ vars.draft }}", assign_to="final"),
|
||
_n("rewrite", "llm", "按意见改写",
|
||
prompt="下面这条公告被驳回了，理由是「{{ nodes.review.note }}」。请据此改写：\n\n{{ vars.draft }}",
|
||
assign_to="final"),
|
||
_n("done", "output", "成果", fields=[
|
||
{"name": "结果", "value": "{{ vars.final }}"},
|
||
{"name": "是否通过", "value": "{{ nodes.review.approved }}"}]),
|
||
],
|
||
"edges": [
|
||
_e("start", "draft"), _e("draft", "review"),
|
||
_e("review", "publish", "approved"), _e("review", "rewrite", "rejected"),
|
||
_e("publish", "done"), _e("rewrite", "done"),
|
||
],
|
||
},
|
||
{
|
||
"name": "④ 知识库问答（RAG）",
|
||
"description": "先检索再回答，检索不到就明说。需要先在知识库页上传文档。",
|
||
"tags": ["RAG", "知识库"],
|
||
"nodes": [
|
||
_n("start", "input", "提问", fields=[{"name": "question", "required": True},
|
||
{"name": "collection", "default": "default"}]),
|
||
_n("search", "retrieve", "检索知识库", query="{{ input.question }}",
|
||
collection="{{ input.collection }}", limit=5, alpha=0.5, assign_to="context"),
|
||
_n("gate", "branch", "检索到东西了吗", mode="expression",
|
||
cases=[{"key": "hit", "condition": "nodes.search.count > 0", "label": "有命中"}]),
|
||
_n("answer", "llm", "基于资料回答",
|
||
system="只根据提供的资料回答，每句话后面用 [编号] 标注依据。资料不足就直接说不确定。",
|
||
prompt="资料：\n{{ vars.context }}\n\n问题：{{ input.question }}",
|
||
assign_to="answer"),
|
||
_n("miss", "transform", "没有资料", mode="template",
|
||
template="知识库里没有找到与「{{ input.question }}」相关的内容，请先上传相关文档。",
|
||
assign_to="answer"),
|
||
_n("done", "output", "答案", fields=[
|
||
{"name": "答案", "value": "{{ vars.answer }}"},
|
||
{"name": "引用片段", "value": "{{ nodes.search.hits | json }}"}]),
|
||
],
|
||
"edges": [
|
||
_e("start", "search"), _e("search", "gate"),
|
||
_e("gate", "answer", "hit"), _e("gate", "miss", "default"),
|
||
_e("answer", "done"), _e("miss", "done"),
|
||
],
|
||
},
|
||
{
|
||
"name": "⑤ 写代码跑数据（沙箱 + 校验）",
|
||
"description": "模型写 Python，沙箱里真跑，输出还要过 JSON Schema 校验，不合格自动返工。",
|
||
"tags": ["沙箱", "结构化"],
|
||
"nodes": [
|
||
_n("start", "input", "分析需求", fields=[
|
||
{"name": "task", "required": True, "default": "统计 1 到 100 里所有质数的个数与总和"}]),
|
||
_n("write", "llm", "写代码",
|
||
system="你是数据工程师。只输出可直接运行的 Python 代码，不要解释、不要 markdown 围栏。"
|
||
"结果必须用 print(json.dumps(...)) 输出一个 JSON 对象。",
|
||
prompt="任务：{{ input.task }}", assign_to="code"),
|
||
_n("run", "code", "沙箱执行", language="python", code="{{ vars.code }}",
|
||
timeout=30, network=False, fail_fast=False, assign_to="result"),
|
||
_n("check", "validate", "校验结果", source="{{ nodes.run.stdout }}",
|
||
max_retries=2, repair_with_llm=True, fail_fast=False,
|
||
schema={"type": "object", "minProperties": 1}),
|
||
_n("done", "output", "成果", fields=[
|
||
{"name": "结果", "value": "{{ nodes.check.data | json }}"},
|
||
{"name": "代码", "value": "{{ vars.code }}"},
|
||
{"name": "校验通过", "value": "{{ nodes.check.valid }}"}]),
|
||
],
|
||
"edges": [_e("start", "write"), _e("write", "run"), _e("run", "check"), _e("check", "done")],
|
||
},
|
||
{
|
||
"name": "⑥ 多 Agent 协作",
|
||
"description": "调度者按进展分派任务给研究员、批评家和写手，直到目标达成。",
|
||
"tags": ["多agent"],
|
||
"nodes": [
|
||
_n("start", "input", "目标", fields=[{"name": "goal", "required": True}]),
|
||
_n("team", "supervisor", "协作团队", goal="{{ input.goal }}", max_rounds=6,
|
||
agents=[
|
||
{"name": "researcher", "description": "查资料、找事实",
|
||
"system": "你是研究员，负责收集事实和数据，给出来源。",
|
||
"tools": ["web_search", "web_fetch"], "max_steps": 4},
|
||
{"name": "critic", "description": "挑毛病、找漏洞",
|
||
"system": "你是批评家。指出前面工作里的事实错误、逻辑漏洞和遗漏，要具体。",
|
||
"tools": [], "max_steps": 2},
|
||
{"name": "writer", "description": "整合成最终文稿",
|
||
"system": "你是写手，把团队成果整合成结构清晰的中文文稿。",
|
||
"tools": [], "max_steps": 2},
|
||
], assign_to="result"),
|
||
_n("done", "output", "成果", fields=[
|
||
{"name": "结果", "value": "{{ vars.result }}"},
|
||
{"name": "协作记录", "value": "{{ nodes.team.transcript | json }}"}]),
|
||
],
|
||
"edges": [_e("start", "team"), _e("team", "done")],
|
||
},
|
||
{
|
||
"name": "⑧ 周报（口径卡 + 三档出具）",
|
||
"description": "模板定骨架、agent 填关节的完整示范：取数固定、口径卡算数、"
|
||
"叙述只许引用清单里的数、出具时逐数回指——现编的数字会被点名并降档。",
|
||
"tags": ["出具", "口径卡", "周报"],
|
||
"nodes": [
|
||
_n("start", "input", "周期", fields=[
|
||
{"name": "week", "default": "2026-W37", "description": "报告周期"}]),
|
||
_n("fetch", "code", "取数（数据底座）", language="python", network=False,
|
||
assign_to="agg",
|
||
code=(
|
||
"# 固定层：取数与汇总。真实场景换成对数据库/API 的查询，\n"
|
||
"# 结果会作为快照落工件库，出具溯源指回这里。\n"
|
||
"import json\n"
|
||
"print(json.dumps({'orders': 1234, 'amount': 45678.5,\n"
|
||
" 'amount_prev': 42010.0, 'returns': 29}))"
|
||
)),
|
||
_n("caliber", "metrics", "周报口径卡",
|
||
caliber="周报口径", caliber_version="v1", assign_to="m",
|
||
metrics=[
|
||
{"id": "orders", "name": "订单数", "unit": "单",
|
||
"expression": "vars.agg.orders"},
|
||
{"id": "amount", "name": "销售额", "unit": "元",
|
||
"expression": "vars.agg.amount"},
|
||
{"id": "wow", "name": "环比增幅", "unit": "%",
|
||
"expression": "round((vars.agg.amount - vars.agg.amount_prev) / vars.agg.amount_prev * 100, 1)"},
|
||
{"id": "return_rate", "name": "退货率", "unit": "%",
|
||
"expression": "round(vars.agg.returns / vars.agg.orders * 100, 2)"},
|
||
]),
|
||
_n("narrate", "llm", "叙述（关节层）",
|
||
system="你是周报撰写人。只允许引用下面指标清单里出现的数值，"
|
||
"一个清单外的数字都不要写——包括字数统计、序号补充说明等元内容。"
|
||
"只输出周报正文本身，不要任何撰写说明。"
|
||
"你的自由度在于：挑哪些变化值得说、怎么归因。",
|
||
prompt="{{ nodes.caliber.text }}\n\n请为 {{ input.week }} 写一段简短的周报正文。",
|
||
assign_to="report"),
|
||
_n("done", "output", "出具",
|
||
fields=[
|
||
{"name": "周报", "value": "{{ vars.report }}"},
|
||
{"name": "指标清单", "value": "{{ nodes.caliber.text }}"}],
|
||
contract={
|
||
"metrics_from": ["caliber"],
|
||
"narrative": "{{ vars.report }}",
|
||
"required": ["amount", "orders"],
|
||
"expected": ["wow", "return_rate"],
|
||
"allow_numbers": ["37", "120"],
|
||
"strict": False,
|
||
}),
|
||
],
|
||
"edges": [
|
||
_e("start", "fetch"), _e("fetch", "caliber"),
|
||
_e("caliber", "narrate"), _e("narrate", "done"),
|
||
],
|
||
},
|
||
{
|
||
"name": "⑦ 批量处理（循环）",
|
||
"description": "对列表逐项处理再汇总。演示 loop 节点的 body / done 两个出口怎么接。",
|
||
"tags": ["循环"],
|
||
"nodes": [
|
||
_n("start", "input", "条目列表", fields=[
|
||
{"name": "items", "required": True,
|
||
"default": ["降低获客成本", "提升续费率", "缩短上线周期"],
|
||
"description": "JSON 数组或每行一条"}]),
|
||
_n("each", "loop", "逐条循环", mode="foreach", items="{{ input.items }}",
|
||
item_var="item", max_iterations=10),
|
||
_n("handle", "llm", "处理单条",
|
||
prompt="针对「{{ vars.item }}」给出一条可执行的建议，不超过 40 字。",
|
||
assign_to="one"),
|
||
_n("collect", "transform", "累积结果", mode="expression",
|
||
expression="(vars.collected or '') + '· ' + str(vars.one) + '\\n'",
|
||
assign_to="collected"),
|
||
_n("done", "output", "汇总", fields=[
|
||
{"name": "逐条建议", "value": "{{ vars.collected }}"},
|
||
{"name": "处理条数", "value": "{{ nodes.each.iteration }}"}]),
|
||
],
|
||
"edges": [
|
||
_e("start", "each"),
|
||
_e("each", "handle", "body"), _e("handle", "collect"), _e("collect", "each"),
|
||
_e("each", "done", "done"),
|
||
],
|
||
},
|
||
]
|
||
|
||
|
||
SKILLS: list[dict[str, Any]] = [
|
||
{
|
||
"name": "结构化分析",
|
||
"description": "把开放问题拆成结论先行的分析",
|
||
"instructions": (
|
||
"分析任何问题时遵循：\n"
|
||
"1. 先给结论，再给理由，不要铺垫\n"
|
||
"2. 区分「事实」「推断」「假设」，并明确标注\n"
|
||
"3. 给出至少一个反面视角\n"
|
||
"4. 指出当前信息不足以判断的部分，不要硬答"
|
||
),
|
||
"tags": ["通用"],
|
||
},
|
||
{
|
||
"name": "批判性审阅",
|
||
"description": "挑毛病而不是夸奖",
|
||
"instructions": (
|
||
"审阅内容时：\n"
|
||
"1. 只指出问题，不要复述优点\n"
|
||
"2. 每条问题写清楚「问题是什么 / 为什么是问题 / 怎么改」\n"
|
||
"3. 按严重程度排序，最致命的放最前面\n"
|
||
"4. 没有问题就直说没有，不要为凑数硬挑"
|
||
),
|
||
"tags": ["审阅"],
|
||
},
|
||
{
|
||
"name": "中文写作",
|
||
"description": "干净、不翻译腔的中文",
|
||
"instructions": (
|
||
"写中文时：\n"
|
||
"1. 不用「进行」「作出」这类空动词，直接用实义动词\n"
|
||
"2. 少用被动句和长定语从句\n"
|
||
"3. 术语首次出现时用括号给出英文原文\n"
|
||
"4. 能用短句就不写长句"
|
||
),
|
||
"tags": ["写作"],
|
||
},
|
||
]
|
||
|
||
|
||
async def seed_defaults() -> None:
|
||
"""首次启动时灌入默认 provider、模板工作流和 Skill。
|
||
|
||
已经存在的不会被覆盖 —— 这个函数每次启动都会跑，必须是幂等的。
|
||
"""
|
||
async with SessionLocal() as session:
|
||
# --- provider ---
|
||
count = (await session.execute(select(func.count(Provider.id)))).scalar() or 0
|
||
if count == 0:
|
||
session.add(
|
||
Provider(
|
||
name="Mock（无需 Key）",
|
||
kind="mock",
|
||
models=catalog.MOCK_MODELS,
|
||
default_model="mock-fast",
|
||
enabled=True,
|
||
)
|
||
)
|
||
# 环境里已有 Anthropic 凭据就自动配好，省得再手填一遍
|
||
token = os.environ.get("ANTHROPIC_API_KEY") or os.environ.get("ANTHROPIC_AUTH_TOKEN")
|
||
if token:
|
||
base_url = os.environ.get("ANTHROPIC_BASE_URL")
|
||
is_gateway = bool(base_url) and not os.environ.get("ANTHROPIC_API_KEY")
|
||
session.add(
|
||
Provider(
|
||
name="Anthropic" + ("（网关）" if is_gateway else ""),
|
||
kind="anthropic",
|
||
base_url=base_url,
|
||
api_key=encrypt(token),
|
||
models=catalog.ANTHROPIC_MODELS,
|
||
default_model="claude-opus-5",
|
||
enabled=True,
|
||
# 中转网关通常认 Authorization: Bearer 而不是 x-api-key
|
||
extra={"auth_style": "bearer"} if is_gateway else {},
|
||
)
|
||
)
|
||
logger.info("已从环境变量自动创建 Anthropic provider")
|
||
if os.environ.get("OPENAI_API_KEY"):
|
||
session.add(
|
||
Provider(
|
||
name="OpenAI",
|
||
kind="openai",
|
||
api_key=encrypt(os.environ["OPENAI_API_KEY"]),
|
||
models=catalog.OPENAI_MODELS,
|
||
default_model="gpt-5.2",
|
||
enabled=True,
|
||
)
|
||
)
|
||
await session.commit()
|
||
|
||
# --- Skill ---
|
||
existing_skills = {
|
||
s for (s,) in await session.execute(select(Skill.name))
|
||
}
|
||
for skill in SKILLS:
|
||
if skill["name"] not in existing_skills:
|
||
session.add(Skill(**skill))
|
||
await session.commit()
|
||
|
||
# --- 模板工作流 ---
|
||
from app.engine.layout import auto_layout
|
||
|
||
existing = {n for (n,) in await session.execute(select(Workflow.name))}
|
||
added = 0
|
||
for template in TEMPLATES:
|
||
if template["name"] in existing:
|
||
continue
|
||
spec = auto_layout(
|
||
GraphSpec.model_validate(
|
||
{"nodes": template["nodes"], "edges": template["edges"]}
|
||
)
|
||
)
|
||
graph = spec.model_dump(mode="json")
|
||
workflow = Workflow(
|
||
name=template["name"],
|
||
description=template["description"],
|
||
graph=graph,
|
||
tags=template["tags"],
|
||
is_template=True,
|
||
)
|
||
session.add(workflow)
|
||
await session.flush()
|
||
session.add(
|
||
WorkflowVersion(workflow_id=workflow.id, version=1, graph=graph, note="内置模板")
|
||
)
|
||
added += 1
|
||
if added:
|
||
await session.commit()
|
||
logger.info("已导入 %d 个内置模板", added)
|