feat(agent): 平台模型调用能力——invoke_model/list_platform_models工具(v1角色agent+v2会话agent,唯一实现platform_model_tools);llm_bridge.llm_infer通用推理透传全能力payload+超时参数化;角色prompt加配图节(禁字符画,生成真图嵌正文)(2026-09-07用户需求)

pipeline_service/agent_loop.py

@@ -578,6 +578,13 @@ __TOOLS__
 ## 技能使用
 上方「可用技能」是目录层（只有名字+描述）。遇到需要具体规范、目录结构、产出路径、文件格式、流程约束的任务，先用 load_skill 加载对应技能全文（如 project-directory-spec 项目目录规范），不要凭记忆瞎写路径或格式。
 
+## 配图与媒体生成（有平台模型可用，禁止字符画凑数）
+产出文档/章节/方案时，遇到需要插图的内容（架构图/拓扑图/流程图示意图/效果图/封面图等），用 invoke_model 调用平台生成模型产出**真实图片**：
+- 不确定有什么模型时先 list_platform_models（capability=t2i 文生图 / i2v 图生视频 / tts 语音等）。
+- invoke_model 的 model 可留空（平台按任务自动匹配），task 写清画面内容（主体/风格/构图/文字要求）。
+- 成功后把返回的产物 URL **原样**以 markdown 图片语法嵌入正文：![图N 标题](URL)。禁止改写/自编 URL。
+- **禁止用 ASCII 字符画/文本框线拼「示意图」代替真实配图**。平台无可用生成模型（invoke_model 返回 FAIL）时，在产出中如实标注「配图缺失：平台无可用文生图模型」，不伪造。
+
 ## 工作流
 1. 先用 read_file/list_files 了解现有代码
 2. 用 write_file 产出文件到 projects/{项目}/、apps/、modules/ 下（路径基准是上方「工作空间」= 机构工作空间）
@@ -1956,6 +1963,12 @@ async def _exec_agent_tool(tool, params, workspace_dir, ctx=None):
     # 角色相对路径 projects/{项目}/、apps/、modules/ 都以它为基准。
     p = params or {}
     try:
+        # 平台模型工具（2026-09-07：可用模型=本机构+平台owner机构，按任务自动选型）
+        if tool in ('list_platform_models', 'invoke_model'):
+            from .platform_model_tools import exec_platform_model_tool
+            return await exec_platform_model_tool(
+                tool, p, org_id=str((ctx or {}).get('org_id', '') or '0'),
+                user_id=str((ctx or {}).get('user_id', '') or ''))
         if tool == 'read_file':
             path = p.get('path', '')
             if not path: return 'FAIL: 需要文件路径'
@@ -2276,7 +2289,11 @@ async def role_agent_run(project_id, role, agent_id=None, model_name=None):
         qna_section = await _build_qna_section(sor, task_id, role, agent_id)
         # 能力工具：角色技能 capability 声明 → 产线状态机规范 tools 声明 → 注入对应工具
         capability_tools = await _collect_capability_tools(sor, project_id, role, org_id)
-        all_tools = AGENT_TOOLS + capability_tools
+        # 平台模型工具（2026-09-07）：让产线角色 agent 也能查/调用平台模型
+        # （本机构+平台owner机构，生成类任务按 task 自动选型）。唯一实现在
+        # platform_model_tools，分发在 _exec_agent_tool。
+        from .platform_model_tools import PLATFORM_MODEL_TOOLS_V1
+        all_tools = AGENT_TOOLS + capability_tools + PLATFORM_MODEL_TOOLS_V1
         tools_text = json.dumps(all_tools, ensure_ascii=False)
 
         # 注入角色技能（角色专属技能全量 + 其余 scope 目录层，优先级 角色>项目>产线>组织>通用）
@@ -2944,7 +2961,8 @@ async def pm_review_run(project_id, agent_id=None, model_name=None):
                     else:
                         result = await _exec_agent_tool(tool, params, space_dir, {
                             "project_id": project_id, "who": "agent.pm",
-                            "agent_id": agent_id or "", "task_id": task_id})
+                            "agent_id": agent_id or "", "task_id": task_id,
+                            "org_id": org_id or '0'})
                 msgs.append({"role": "assistant", "content": raw})
                 msgs.append({"role": "user", "content": f"工具 {tool} 结果：\n{result}"})
             else:

pipeline_service/agent_loop_v2.py

@@ -861,6 +861,9 @@ class AgentExecutor:
             "session_search": self._t_session_search,
             "todo": self._t_todo,
             "delegate_subtask": self._t_delegate_subtask,
+            # ── 平台模型（2026-09-07：按任务自动选型 + 全能力调用）──
+            "list_platform_models": self._t_list_platform_models,
+            "invoke_model": self._t_invoke_model,
         }
 
         handler = handlers.get(tool_name)
@@ -1255,6 +1258,17 @@ class AgentExecutor:
             block += f"\n（可用子文件，用 file_path 参数加载：{', '.join(linked)}）\n"
         return block
 
+    async def _t_list_platform_models(self, sor, p, pid):
+        """列出平台可用模型（薄壳委托 platform_model_tools 唯一实现）。"""
+        from .platform_model_tools import tool_list_platform_models
+        return await tool_list_platform_models(p, self.org_id or "0")
+
+    async def _t_invoke_model(self, sor, p, pid):
+        """调用平台模型完成生成类任务（薄壳委托 platform_model_tools 唯一实现）。"""
+        from .platform_model_tools import tool_invoke_model
+        return await tool_invoke_model(
+            p, self.org_id or "0", user_id=self.user_id or "")
+
     async def _t_list_packs(self, sor, p, pid):
         try:
             from pipeline_core.skill_pack import list_packs

pipeline_service/llm_bridge.py

@@ -64,8 +64,12 @@ async def _get_internal_token(org_id, user_id, model_name):
     return token
 
 
-async def _http_chat(payload, org_id, user_id, model_name):
+async def _http_chat(payload, org_id, user_id, model_name, timeout: int = 0):
-    """POST 本进程推理端点。返回上游响应 dict；失败抛 ValueError（消息真实可行动）。"""
+    """POST 本进程推理端点。返回上游响应 dict；失败抛 ValueError（消息真实可行动）。
+
+    timeout：客户端等待秒数（0=缺省 330）。异步生成模型（视频等）端点侧最长
+    等 900 秒，调用方须同步放大客户端超时，否则客户端先断连。
+    """
     import aiohttp
 
     token = await _get_internal_token(org_id, user_id, model_name)
@@ -74,11 +78,12 @@ async def _http_chat(payload, org_id, user_id, model_name):
     # （2026-09-04 实测：Authorization 头变成 "***plk-..." 致端点校验失败）
     _BEARER = 'Bea' + 'rer '
     headers = {"Authorization": _BEARER + token, "Content-Type": "application/json"}
+    _total = int(timeout) if timeout and int(timeout) > 0 else 330
     try:
         async with aiohttp.ClientSession() as session:
             async with session.post(
                 base + "/chat/completions", headers=headers, json=payload,
-                timeout=aiohttp.ClientTimeout(total=330, connect=30),
+                timeout=aiohttp.ClientTimeout(total=_total, connect=30),
             ) as resp:
                 text = await resp.text()
                 status = resp.status
@@ -196,3 +201,28 @@ async def llm_call_msgs_native(messages: list, tools: list = None, model: str =
         "content": msg.get("content") or "",
         "tool_calls": msg.get("tool_calls") or [],
     }
+
+
+async def llm_infer(payload: dict, model: str = None, org_id: str = None,
+                    user_id: str = None, timeout: int = 0) -> dict:
+    """通用推理（全能力，2026-09-07）：透传任意 payload 到统一推理端点，
+    返回上游响应 dict（OpenAI 兼容 choices；生成类另带 media/output/task_id）。
+
+    与 llm_call* 的区别：不假设 messages 结构，调用方自己组包——供 agent 的
+    invoke_model 工具调用非对话能力（t2i/t2v/i2v/tts/asr 等）。payload 里的
+    messages 由调用方按能力构造；媒体参数按三数组契约（image_files/audio_files/
+    video_files），inference 层的 _normalize_media_aliases 会归一旧别名。
+
+    model 空 = 端点按机构策略缺省模型；owner/机构归属硬校验在治理层执行。
+    timeout：单次调用超时秒数（生成类慢，可传大值；上限 900，端点侧封顶）。
+    失败抛 ValueError（消息真实可行动，直接展示给 agent/用户）。
+    """
+    body = dict(payload or {})
+    if model:
+        body["model"] = model
+    if timeout:
+        body["_timeout"] = int(timeout)
+    # 客户端等待须覆盖端点侧预算（_timeout 端点封顶 900）+ 余量，否则客户端先断连
+    client_timeout = min(int(timeout or 0), 900) + 60 if timeout else 0
+    return await _http_chat(body, org_id or '0', user_id or '', model or '',
+                            timeout=client_timeout)

pipeline_service/platform_model_tools.py

@@ -0,0 +1,179 @@
+"""pipeline_service.platform_model_tools — 平台模型工具（唯一实现，2026-09-07）。
+
+用户需求：通用助手/产线 agent 可调用平台 owner 机构 + 本机构的全部
+pipeline-llm 注册模型，按任务与用户输入自动匹配合适模型完成任务。
+
+- 候选可见性/owner 硬校验/自动选型：pipeline_llm.selection
+  （models_catalog / auto_select_model，与推理治理链同一机构语义）
+- 实际调用：llm_bridge.llm_infer → /pipeline-llm/api/v1/chat/completions
+  统一推理端点（门禁链 + 记账 + 同步/异步分流全在治理层，本层零旁路）
+
+消费方（薄壳委托，禁止复制逻辑）：
+  - agent_loop_v2.AgentExecutor._t_list_platform_models / _t_invoke_model
+    （会话 agent：驾驶舱 + 通用助手）
+  - agent_loop._exec_agent_tool（产线角色 agent v1）
+"""
+
+import json
+import logging
+
+logger = logging.getLogger("pipeline.platform_model_tools")
+
+_CAP_DESC = {
+    "t2t": "文本对话", "i2t": "图像理解", "m2t": "多媒体理解",
+    "t2i": "文生图", "i2v": "图生视频", "t2v": "文生视频",
+    "r2v": "参考生视频", "tts": "语音合成", "asr": "语音识别",
+    "embedding": "向量化", "rerank": "重排序",
+}
+
+
+async def tool_list_platform_models(params, org_id):
+    """列出平台可用模型（本机构+平台owner机构，含能力类型与描述）。"""
+    cap = str((params or {}).get("capability") or "").strip().lower()
+    try:
+        from pipeline_llm.selection import models_catalog
+    except ImportError:
+        return "FAIL: 模型治理模块（pipeline-llm）未安装，无法列出平台模型。"
+    try:
+        caps = (cap,) if cap else ()
+        models = await models_catalog(org_id or "0", capabilities=caps)
+    except Exception as e:
+        return "ERROR: 列模型失败: " + str(e)[:300]
+    if not models:
+        scope = ("能力 " + cap) if cap else "全部能力"
+        return ("平台当前无可用模型（" + scope + "；范围=本机构+平台owner机构）。"
+                "请在模型治理→模型注册中添加。")
+    lines = ["平台可用模型（" + str(len(models)) + " 个，本机构+平台owner机构）："]
+    for m in models:
+        cap_txt = m.get("capability") or "t2t"
+        cap_cn = _CAP_DESC.get(cap_txt, cap_txt)
+        desc = ("：" + m["description"][:80]) if m.get("description") else ""
+        vendor = (" [" + m["vendor"] + "]") if m.get("vendor") else ""
+        lines.append("  - " + m.get("name", "") + vendor
+                     + "（" + cap_cn + "/" + cap_txt + "）" + desc)
+    return "\n".join(lines)
+
+
+async def tool_invoke_model(params, org_id, user_id=""):
+    """调用平台模型完成生成类任务（文生图/视频/语音等非对话能力）。
+
+    流程：解析 task/model/capability/params → 未指定 model 时按 task 自动
+    选型（auto_select_model，候选=本机构+平台owner，capability 空=全能力）
+    → 组包 payload（messages=[user:task] + 业务参数平铺，媒体三数组契约由
+    inference 层归一）→ llm_infer 统一推理端点 → 提取生成物 URL 返回。
+    失败返回真实可行动错误（禁静默粉饰）。
+    """
+    p = params or {}
+    task = str(p.get("task") or "").strip()
+    if not task:
+        return "FAIL: invoke_model 需要 task（任务描述/提示词）"
+    model = str(p.get("model") or "").strip()
+    cap = str(p.get("capability") or "").strip().lower()
+
+    # 业务参数（JSON 字符串 → dict）
+    biz = {}
+    raw_params = p.get("params")
+    if isinstance(raw_params, dict):
+        biz = dict(raw_params)
+    elif isinstance(raw_params, str) and raw_params.strip():
+        try:
+            parsed = json.loads(raw_params)
+            if isinstance(parsed, dict):
+                biz = parsed
+        except Exception:
+            return ("FAIL: params 不是合法 JSON 对象。媒体输入用三数组："
+                    "image_files/audio_files/video_files（URL或base64数组）")
+
+    # 自动选型：未显式指定 model 时按 task 匹配
+    if not model:
+        try:
+            from pipeline_llm.selection import auto_select_model
+            # capability 空 = 全能力候选，让匹配器按任务选最合适能力
+            model, reason = await auto_select_model(
+                org_id or "0", task, user_id=user_id or "",
+                capabilities=(cap if cap else ""))
+            if model:
+                logger.info("invoke_model 自动选型: %s（%s）org=%s",
+                            model, reason, org_id or "0")
+            else:
+                return ("FAIL: 未能自动匹配到合适模型（" + str(reason) + "）。"
+                        "可先用 list_platform_models 查看可用模型，"
+                        "再用 model 参数指定。")
+        except ImportError:
+            return ("FAIL: 模型治理模块（pipeline-llm）未安装，"
+                    "无法自动选型或调用平台模型。")
+        except Exception as e:
+            return "ERROR: 自动选型失败: " + str(e)[:300]
+
+    # 组包：生成类模型从 messages 末条取 prompt 文本（inference._last_prompt_text）
+    payload = {"messages": [{"role": "user", "content": task}]}
+    payload.update(biz)
+    try:
+        from .llm_bridge import llm_infer
+        data = await llm_infer(
+            payload, model=model, org_id=org_id or "0",
+            user_id=user_id or "", timeout=600)
+    except Exception as e:
+        return "FAIL: 模型「" + model + "」调用失败：" + str(e)[:400]
+
+    # 提取生成物：media（本地持久 URL，优先）> choices[0].message.content
+    result_url = ""
+    media = data.get("media") if isinstance(data, dict) else None
+    if isinstance(media, dict):
+        result_url = (media.get("video") or media.get("image")
+                      or media.get("audio") or media.get("glb")
+                      or media.get("3dmodel") or "")
+    if not result_url and isinstance(data, dict):
+        try:
+            result_url = ((data.get("choices") or [{}])[0]
+                          .get("message") or {}).get("content") or ""
+        except Exception:
+            result_url = ""
+    result_url = str(result_url or "").strip()
+    if result_url:
+        return ("OK: 模型「" + model + "」生成完成。产物地址：" + result_url)
+    # 无产物 URL：回原始输出摘要（真实，不粉饰）
+    try:
+        summary = json.dumps(data, ensure_ascii=False, default=str)[:500]
+    except Exception:
+        summary = str(data)[:500]
+    return ("模型「" + model + "」已调用但未返回可识别的产物地址。原始输出："
+            + summary)
+
+
+# 平台模型工具的 v1 形态定义（AGENT_TOOLS 同款 {name,description,params}），
+# 供 agent_loop.role_agent_run 追加到角色 agent 工具清单。
+PLATFORM_MODEL_TOOLS_V1 = [
+    {
+        "name": "list_platform_models",
+        "description": ("列出平台当前可用的模型（本机构+平台owner机构的模型，含能力类型："
+                        "t2t对话/i2t图像理解/t2i文生图/t2v文生视频/i2v图生视频/tts语音合成/"
+                        "asr语音识别等）。需要调用非对话能力（生图/视频/语音）前先查模型时用。"
+                        "capability 参数可按能力过滤（如 t2i）"),
+        "params": {"capability": "可选：能力类型过滤（如 t2i/t2v/tts），空=全部"},
+    },
+    {
+        "name": "invoke_model",
+        "description": ("调用平台模型完成生成类任务（文生图/图生视频/文生视频/语音合成等"
+                        "非对话能力；写代码/写文档等对话类工作由你自己完成，不要用本工具）。"
+                        "model 可空——空时平台根据 task 自动匹配最合适的可用模型。"
+                        "生成产物返回本地持久 URL，产物需要落盘时用 write_file 记录 URL"),
+        "params": {
+            "task": "任务描述/提示词（必填，如「一只在月球上弹吉他的猫」）",
+            "model": "可选：模型注册名（空=按任务自动匹配）",
+            "capability": "可选：能力类型（t2i/t2v/i2v/tts/asr等，自动匹配时用于过滤候选）",
+            "params": ("可选：业务参数 JSON 字符串。媒体输入用三数组契约："
+                       "image_files/audio_files/video_files（值为公网URL或base64的数组）；"
+                       "生成参数如 resolution/duration/size 按模型文档"),
+        },
+    },
+]
+
+
+async def exec_platform_model_tool(tool, params, org_id, user_id=""):
+    """v1/v2 统一分发入口（薄壳）。"""
+    if tool == "list_platform_models":
+        return await tool_list_platform_models(params, org_id)
+    if tool == "invoke_model":
+        return await tool_invoke_model(params, org_id, user_id=user_id)
+    return "未实现: " + str(tool)