fix(agent): 工具结果回填上限——result_cap.py(12000字符默认+params可调+显式截断告知+缩小范围指引);v2两处/v1一处回填点全接;根治商机产线实测:8次数据工具全文回填~78K token超context_limit→压缩摘要自身超时3连败→会话零产出(对照实验:同模型小上下文3.4s正常)

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

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
 

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