diff --git a/pipeline_service/agent_loop.py b/pipeline_service/agent_loop.py index 95902be..e66cd16 100644 --- a/pipeline_service/agent_loop.py +++ b/pipeline_service/agent_loop.py @@ -2520,7 +2520,13 @@ async def role_agent_run(project_id, role, agent_id=None, model_name=None): break if tool == "write_file" and params.get("path"): written_files.append(os.path.join(space_dir, params["path"])) - msgs.append({"role": "tool", "tool_call_id": tc.get("id", ""), "content": str(result)}) + # 回填上限（2026-09-11，与 v2 同款）：数据类工具全文回填会撑爆上下文 + # → 压缩摘要自身超时 → 任务失败。截断显式告知 + 缩小范围指引。 + from .result_cap import cap_tool_result, resolve_max_chars + _capped, _trunc = cap_tool_result(result, await resolve_max_chars(sor)) + if _trunc: + logger.info(f"role_agent tool_result truncated: {tool}") + msgs.append({"role": "tool", "tool_call_id": tc.get("id", ""), "content": _capped}) logger.info(f"role_agent tool_call: {tool} -> {str(result)[:100]}") if deliverable or ask_question: break diff --git a/pipeline_service/agent_loop_v2.py b/pipeline_service/agent_loop_v2.py index 1d348f8..0bcd9d9 100644 --- a/pipeline_service/agent_loop_v2.py +++ b/pipeline_service/agent_loop_v2.py @@ -236,7 +236,12 @@ class AgentExecutor: if not result.startswith("未知工具") and not result.startswith("ERROR"): self._tool_call_count += 1 yield json.dumps({"type": "tool_result", "tool": pending_tool, "result": result[:500]}, ensure_ascii=False) + "\n" - self._msgs.append({"role": "tool", "tool_call_id": fake_id, "content": str(result)}) + # 回填上限（2026-09-11）：工具结果全文回填会撑爆上下文（商机产线实测 + # 8 次数据工具 ~78K token → 压缩摘要自身超时 → 会话零产出）。 + # 截断显式告知 + 给缩小范围指引，让 LLM 自己改策略。 + from .result_cap import cap_tool_result, resolve_max_chars + _capped, _ = cap_tool_result(result, await resolve_max_chars()) + self._msgs.append({"role": "tool", "tool_call_id": fake_id, "content": _capped}) # 不 return，继续进入 Tool Loop，让 LLM 基于工具结果继续后续步骤 # Step 5: Tool Loop @@ -339,10 +344,15 @@ class AgentExecutor: }, ensure_ascii=False) + "\n" # 原生回填：role=tool + tool_call_id + # 回填上限：防数据类工具全文回填撑爆上下文（见 result_cap 模块 docstring） + from .result_cap import cap_tool_result, resolve_max_chars + _capped, _trunc = cap_tool_result(result, await resolve_max_chars()) + if _trunc: + logger.info(f"tool_result truncated before refill: {tool_name}") self._msgs.append({ "role": "tool", "tool_call_id": tc.get("id", "") if isinstance(tc, dict) else "", - "content": str(result), + "content": _capped, }) continue diff --git a/pipeline_service/result_cap.py b/pipeline_service/result_cap.py new file mode 100644 index 0000000..5722304 --- /dev/null +++ b/pipeline_service/result_cap.py @@ -0,0 +1,93 @@ +# -*- coding: utf-8 -*- +"""工具结果回填上限（通用，v1 角色 agent + v2 会话 agent 共用）。 + +问题根因（2026-09-11 商机产线实测会话失败）： +工具结果回填给模型时是 `str(result)` **全文不截断**（仅 UI 显示截到 500 字）， +数据类工具一次返回 300 条原始记录 ≈ 2 万字符 ≈ 1 万 token；agent 连调 8 次 +→ 上下文 ~78K token 超过 context_limit(64K) → 压缩摘要调用自身也超时（重试 3 次 +全败）→ 整轮会话失败、零产出。对照实验：同模型小上下文 3.4s 正常返回， +证明不是上游故障而是上下文体积。 + +修法：回填前按字符上限截断，**显式告知**（沿用 file_read.py 的「绝不静默截断」 +铁律）——告诉模型全文多大、只给了多少、以及怎么缩小范围（减小 limit / +改用聚合排名类工具），让它自己改策略而不是反复拉全量。 + +上限走 appbase params 表（tool_result_max_chars）+ 常量兜底，禁硬编码。 +""" + +import logging +from typing import Optional + +logger = logging.getLogger("pipeline.result_cap") + +# 兜底上限（params 表无配置时用）。12000 字符 ≈ 6000 token： +# 够放一份结构化聚合结果或几十条明细，放 300 条原始记录则会被截断并提示。 +DEFAULT_MAX_CHARS = 12000 + +_PARAM_KEY = "tool_result_max_chars" +# 进程内缓存（None = 未解析，惰性读 params；invalidate_cache() 清除） +_cached_max: Optional[int] = None + + +async def resolve_max_chars(sor=None): + """取回填上限（params 表优先，失败/未配置用常量兜底，进程内缓存）。 + + sor=None 时自开短连接读取（调用点如 agent_loop_v2.run() 的工具回填处 + 没有现成 DB context；结果缓存后不再重复开连接）。读失败一律兜底常量， + 绝不因为取参数失败而打断 agent 主循环。 + """ + global _cached_max + if _cached_max is not None: + return _cached_max + val = DEFAULT_MAX_CHARS + try: + from .workspace import get_param + if sor is not None: + raw = await get_param(sor, _PARAM_KEY, "") + else: + from sqlor.dbpools import DBPools + db = DBPools() + if not db.databases: + from appPublic.jsonConfig import getConfig + cfg = getConfig() + if cfg and cfg.databases: + db.databases = cfg.databases + async with db.sqlorContext("pipeline") as _sor: + raw = await get_param(_sor, _PARAM_KEY, "") + await _sor.sqlExe("COMMIT", {}) + if raw not in (None, ""): + val = max(1000, int(float(raw))) + except Exception as e: + logger.debug("resolve_max_chars fallback to default: %s", str(e)[:120]) + val = DEFAULT_MAX_CHARS + _cached_max = val + return val + + +def cap_tool_result(result, max_chars=None): + """截断工具结果（同步；max_chars=None 用常量兜底）。 + + 返回 (text, truncated)。截断时末尾附显式告知 + 可行动的缩小范围指引。 + 非字符串结果先 str() 归一（dict/list 也走同一路径）。 + """ + text = result if isinstance(result, str) else str(result) + limit = int(max_chars) if max_chars else DEFAULT_MAX_CHARS + total = len(text) + if total <= limit: + return text, False + notice = ( + "\n\n⚠️【结果过长已截断】全文 %d 字符，仅回填前 %d 字符（上限可用 params.%s 调整）。\n" + "不要重复调用同一工具拉全量——请缩小范围后重试：\n" + "- 减小 limit（如 limit=10~20）或缩小 days/时间窗口；\n" + "- 优先用聚合/排名类工具（如 hot_demands/hot_software/category 汇总）" + "直接拿统计值，而不是拉明细自己数；\n" + "- 明细需要落盘时用 write_file 写到项目工作空间，不要全量读进对话。" + % (total, limit, _PARAM_KEY) + ) + return text[:limit] + notice, True + + +def invalidate_cache(): + """params 变更后让缓存失效（部署/调参后无需重启进程）。""" + global _cached_max + _cached_max = None