feat: v3 robustness upgrade — EasyOCR, failure recovery, minimum content check

- OCR: EasyOCR (primary, ch_sim+en) with PaddleOCR fallback for Windows compatibility
- Validation: _check_minimum_content() rejects empty-shell JRXML (no band/textField)
- Retry: MAX_RETRY 3→5, exhaustion records pending_failure_context for next-turn auto-injection
- Finalize: only saves jrxml_versions on pass, preserves last good final_jrxml on fail
- Extract JRXML: improved empty markdown block handling and XML fragment fallback
- UI: real-time node progress via placeholder updates, initial "analyzing" feedback
- UI: use agent_state (full) instead of node_state (partial) for summary card routing
- UI: unknown template_type now gives LLM meaningful image context instead of metadata
- Docs: updated CLAUDE.md and CODE_GUIDE.md to reflect all v3 changes

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

CLAUDE.md

@@ -4,7 +4,7 @@
 
 一个**本地桌面应用**，通过自然语言多轮对话帮助非技术用户创建 JasperReports 模板（JRXML 文件）。核心技术栈：Streamlit UI + LangGraph 状态机 + LLM 生成/修改 + 自动验证修正循环。
 
-**一句话**：用户用中文描述报表需求 → LLM 生成 JRXML → 自动验证 → 失败则自动修正(最多3次) → 返回可编译的 JRXML 文件。
+**一句话**：用户用中文描述报表需求 → LLM 生成 JRXML → 自动验证 → 失败则自动修正(最多5次) → 重试耗尽后失败上下文自动注入下一轮 → 返回可编译的 JRXML 文件。
 
 ## 启动命令
 
@@ -20,6 +20,7 @@ STREAMLIT_SERVER_HEADLESS=true streamlit run app.py --server.port 8501
 
 ## 当前配置（.env）
 
+- **OCR**: EasyOCR（优先，ch_sim+en）→ PaddleOCR（回退），两者均未安装时仅返回图片元信息
 - **LLM**: `cloud` / `anthropic` → MiniMax Anthropic 兼容 API (`MiniMax-M2.7`)
   - Base URL: `https://api.minimaxi.com/anthropic`
   - 认证: 通过 `OPENAI_API_KEY` 传入 Anthropic SDK（注意不是 `ANTHROPIC_API_KEY`）
@@ -46,7 +47,7 @@ agent/graph.py (LangGraph 状态机)
   │
   │ 验证修正循环: validate ─fail─► explain_error ─► correct_jrxml ─► validate
   │                 ▲                                                  │
-  │                 └──────── (retry < MAX_RETRY=3) ───────────────────┘
+  │                 └──────── (retry < MAX_RETRY=5) ───────────────────┘
   │
   ├──► prompts/loader.py       Prompt 外部化：7 个 .md 文件热重载
   ├──► backend/llm.py          LLM 工厂: Anthropic SDK / OpenAI / Ollama (统一 stream/invoke)
@@ -64,7 +65,7 @@ agent/graph.py (LangGraph 状态机)
 | 文件 | 职责 | 修改频率 |
 |------|------|---------|
 | `app.py` | Streamlit UI 入口，聊天界面 + 侧边栏 + 下载 + 文件上传 | **高** |
-| `agent/state.py` | AgentState 类型定义（~23 字段，含 jrxml_versions/last_error_case） | 低 |
+| `agent/state.py` | AgentState 类型定义（~24 字段，含 pending_failure_context） | 低 |
 | `agent/nodes.py` | 14 个工作流节点 + 流式生成 + 错误记录 | **高** |
 | `agent/graph.py` | 状态图编译 + 路由函数（预览跳过验证） | 中 |
 | `prompts/loader.py` | Prompt 加载器（从 .md 文件热重载） | 低 |
@@ -72,8 +73,8 @@ agent/graph.py (LangGraph 状态机)
 | `backend/llm.py` | LLM 工厂，统一 `_BaseLLM` 接口（invoke + stream） | 中 |
 | `backend/rag_adapter.py` | RAGSearcher 单例，语义搜索接口 | 中 |
 | `backend/error_kb.py` | ErrorKB — 错误指纹去重 + ChromaDB 持久化 + 语义检索 | 中 |
-| `backend/file_parser.py` | 文件解析: PDF(pdfplumber)/DOCX(python-docx)/图片(PIL+PaddleOCR可选)/文本 | 中 |
-| `backend/layout_analyzer.py` | A4模板分析: 比例检测/PaddleOCR元素提取/行分组/JRXML行匹配 | 中 |
+| `backend/file_parser.py` | 文件解析: PDF/DOCX/图片(EasyOCR→PaddleOCR回退)/文本 | 中 |
+| `backend/layout_analyzer.py` | A4模板分析: 比例检测/EasyOCR→PaddleOCR元素提取/行分组/JRXML行匹配 | 中 |
 | `backend/embeddings.py` | 嵌入模型工厂 (HuggingFace/OpenAI) | 低 |
 | `backend/validation.py` | 验证服务 HTTP 客户端 | 低 |
 | `backend/session.py` | 会话 JSON 文件 CRUD | 低 |
@@ -154,4 +155,6 @@ agent/graph.py (LangGraph 状态机)
 - **验证服务结构检查**: 字段引用一致性 (`$F{field}` vs `<field>` 声明)、SQL SELECT 存在性、pageWidth/pageHeight/name 属性。
 - **XSD 校验可选**: 需要 `validation_service/schemas/jasperreport_7_0_6.xsd` 存在。
 - **rag 子模块**: 内部有独立的管线脚本（`batch_chunker.py` → `embed_chunks.py` → `import_to_chroma.py`），通常不需要在主项目中运行。
-- **PaddleOCR 可选**: A4 模板精确识别需要 `pip install paddleocr`，未安装时仅返回图片元信息。
+- **OCR 引擎**: 优先使用 EasyOCR（Windows 兼容性更好，`pip install easyocr`），回退 PaddleOCR。两者均未安装时仅返回图片元信息，建议至少安装 EasyOCR。
+- **MAX_RETRY**: 默认 5 次。重试耗尽后 `pending_failure_context` 记录失败信息，下次用户输入时自动注入。
+- **验证最小内容检查**: 验证服务额外检查至少 1 个 `<band>` + 1 个 `<textField>` 或 `<staticText>`，拦截空壳 JRXML。

agent/graph.py

@@ -228,4 +228,5 @@ def create_initial_state() -> AgentState:
         history_states=[],
         jrxml_versions=[],
         last_error_case={},
+        pending_failure_context={},
     )

agent/nodes.py

@@ -27,14 +27,25 @@ HISTORY_MAX_SNAPSHOTS = int(os.getenv("HISTORY_MAX_SNAPSHOTS", "10"))
 # ============================================================
 
 def process_input(state: AgentState) -> Dict:
-    """记录用户输入到对话历史，重置本轮请求状态。"""
+    """记录用户输入到对话历史，重置本轮请求状态。如有上次失败上下文则自动注入。"""
     user_input = state.get("user_input", "")
 
-    # 维护全量对话历史
+    # 维护全量对话历史（始终记录原始用户消息）
     full_history = state.get("full_conversation_history", [])
     full_history.append({"role": "user", "content": user_input, "ts": _now_iso()})
     state["full_conversation_history"] = full_history
 
+    # 自动注入上次失败上下文
+    pending = state.get("pending_failure_context", {})
+    if pending and pending.get("error_msg"):
+        failure_note = (
+            f"[系统提示] 上次生成失败，以下是失败详情，请基于此修正：\n"
+            f"失败原因: {pending['error_msg']}\n"
+            f"上次失败的输出:\n{pending.get('bad_jrxml', '（无输出）')}"
+        )
+        user_input = f"{failure_note}\n\n---\n用户新输入:\n{user_input}"
+        state["pending_failure_context"] = {}
+
     # 维护工作对话历史
     conv_history = state.get("conversation_history", [])
     conv_history.append({"role": "user", "content": user_input})
@@ -402,6 +413,12 @@ def validate(state: AgentState) -> Dict:
         state["error_msg"] = "没有 JRXML 内容可供验证。"
         return state
 
+    # 过短的内容不可能是合法报表（最小骨架约 500+ 字符）
+    if len(jrxml.strip()) < 200:
+        state["status"] = "fail"
+        state["error_msg"] = f"JRXML 内容过短（{len(jrxml.strip())} 字符），可能为不完整或空内容。"
+        return state
+
     result = validate_jrxml(jrxml)
     state["status"] = "pass" if result.get("valid") else "fail"
     state["error_msg"] = result.get("error", "")
@@ -481,26 +498,47 @@ def correct_jrxml(state: AgentState) -> Dict:
 def finalize(state: AgentState) -> Dict:
     """保存最终验证通过的 JRXML 并更新对话历史 + 版本记录。"""
     jrxml = state.get("current_jrxml", "")
-    state["final_jrxml"] = jrxml
+    status = state.get("status", "")
 
-    if jrxml.strip():
-        versions = state.get("jrxml_versions", [])
-        if not isinstance(versions, list):
-            versions = []
-        intent = state.get("intent", "")
-        label_map = {
-            "initial_generation": "初始生成",
-            "modify_report": "修改",
-            "correct_jrxml": f"自动修正 (第{state.get('retry_count', 1)}次)",
-        }
-        versions.append({
+    if status == "pass":
+        state["final_jrxml"] = jrxml
+        if jrxml.strip():
+            versions = state.get("jrxml_versions", [])
+            if not isinstance(versions, list):
+                versions = []
+            intent = state.get("intent", "")
+            label_map = {
+                "initial_generation": "初始生成",
+                "modify_report": "修改",
+                "correct_jrxml": f"自动修正 (第{state.get('retry_count', 1)}次)",
+            }
+            versions.append({
+                "ts": _now_iso(),
+                "jrxml": jrxml,
+                "intent": intent,
+                "label": label_map.get(intent, intent),
+                "status": status,
+            })
+            state["jrxml_versions"] = versions
+    else:
+        # 验证未通过：不覆盖 final_jrxml，保留上一次成功的版本
+        retries = state.get("retry_count", 0)
+        error_msg = state.get("error_msg", "未知错误")
+        # 记录失败上下文，下次用户输入时自动注入
+        state["pending_failure_context"] = {
+            "error_msg": error_msg,
+            "bad_jrxml": state.get("current_jrxml", ""),
+            "retry_count": retries,
             "ts": _now_iso(),
-            "jrxml": jrxml,
-            "intent": intent,
-            "label": label_map.get(intent, intent),
-            "status": state.get("status", ""),
+        }
+        state["conversation_history"].append({
+            "role": "assistant",
+            "content": (
+                f"❌ 经过 {retries} 次重试后仍无法生成有效的 JRXML。\n"
+                f"错误: {error_msg}\n"
+                f"请描述您想要的修改，系统会自动加载失败上下文继续修复。"
+            ),
         })
-        state["jrxml_versions"] = versions
     return state
 
 
@@ -510,7 +548,10 @@ def _extract_jrxml(text: str) -> str:
     xml_pattern = re.compile(r"```(?:xml|jrxml)?\s*([\s\S]*?)```", re.IGNORECASE)
     m = xml_pattern.search(text)
     if m:
-        return m.group(1).strip()
+        content = m.group(1).strip()
+        if content:
+            return content
+        # markdown 代码块存在但内容为空 — 回退到直接匹配
 
     jasper_tag = re.search(r"(<\?xml[\s\S]*?</jasperReport>)", text, re.IGNORECASE)
     if jasper_tag:
@@ -519,4 +560,11 @@ def _extract_jrxml(text: str) -> str:
     if text.startswith("<?xml") or text.startswith("<jasperReport"):
         return text
 
+    # 最终回退：如果文本中包含 XML 片段但没有被捕获到，尝试直接提取
+    # 这处理 LLM 在代码块外用自然语言"包裹"JRXML 的情况
+    xml_start = text.find("<?xml")
+    jr_end = text.lower().rfind("</jasperreport>")
+    if xml_start >= 0 and jr_end > xml_start:
+        return text[xml_start:jr_end + len("</jasperreport>")].strip()
+
     return text

agent/state.py

@@ -37,3 +37,6 @@ class AgentState(TypedDict, total=False):
 
     # 需求5：错误自增长（记录修正前的状态，供 validate 节点判断是否入知识库）
     last_error_case: dict
+
+    # 需求6：失败上下文传递 — 重试耗尽后暂存失败信息，下次用户输入时自动注入
+    pending_failure_context: dict

app.py

@@ -138,18 +138,30 @@ def run_agent(user_input: str):
     agent_state["user_input"] = user_input
     agent_state["retry_count"] = 0
 
-    # ---- UI 容器 ----
-    streaming_placeholder = st.empty()   # 流式文本
-    nodes_container = st.container()      # 节点进度区
+    # ---- UI 占位 ----
+    progress_placeholder = st.empty()     # 实时节点进度
+    streaming_placeholder = st.empty()    # 流式文本
     summary_placeholder = st.empty()      # 总结卡片
 
-    # 节点追踪
-    executed_nodes: list[dict] = []  # {name, label, status, detail}
+    # 初始状态提示
+    progress_placeholder.info("⏳ 正在分析您的需求...")
+
+    executed_nodes: list[dict] = []
     stream_text = ""
     stream_active = False
-    current_stream_node = ""
     final_state = None
 
+    def _render_progress(nodes: list[dict]):
+        """渲染实时节点进度到占位符。"""
+        if not nodes:
+            return
+        lines = []
+        for i, node in enumerate(nodes):
+            icon = "●" if i == len(nodes) - 1 else "✓"
+            detail = f" — {node['detail']}" if node.get("detail") else ""
+            lines.append(f"{icon} {node['label']}{detail}")
+        progress_placeholder.markdown("\n\n".join(lines))
+
     try:
         for event in st.session_state.graph.stream(
             agent_state, stream_mode=["updates", "custom"]
@@ -177,7 +189,6 @@ def run_agent(user_input: str):
                         )
 
                     elif node_name in ("generate", "modify_jrxml", "correct_jrxml"):
-                        # 流式文本已在上面的 custom 事件中展示
                         jrxml = node_state.get("current_jrxml", "")
                         executed_nodes[-1]["detail"] = f"生成 {len(jrxml)} 字符 JRXML"
 
@@ -199,31 +210,29 @@ def run_agent(user_input: str):
 
                     final_state = node_state
 
+                # 每个节点完成后立即更新进度
+                _render_progress(executed_nodes)
+
             elif mode == "custom":
                 cd = data
                 if cd.get("type") == "stream":
                     stream_text += cd.get("text", "")
                     stream_active = True
-                    current_stream_node = cd.get("node", "")
                     streaming_placeholder.code(stream_text, language="xml")
 
     except Exception as e:
+        progress_placeholder.empty()
         st.error(f"工作流异常: {e}")
         return
 
-    # ---- 渲染节点进度区 ----
-    with nodes_container:
-        with st.expander("处理过程", expanded=False):
-            for i, node in enumerate(executed_nodes):
-                icon = "✓" if i < len(executed_nodes) - 1 else "●"
-                detail_str = f" — {node['detail']}" if node.get("detail") else ""
-                st.caption(f"{icon} {node['label']}{detail_str}")
-
-    # ---- 清除流式占位 ----
+    # ---- 清理临时占位 ----
+    progress_placeholder.empty()
     if stream_active:
         streaming_placeholder.empty()
 
     # ---- 总结卡片 ----
+    # 注：node_state 只含变更字段，用 agent_state（被所有节点就地修改）获取完整状态
+    final_state = agent_state
     if final_state:
         st.session_state.agent_state = final_state
         intent = final_state.get("intent", "")
@@ -239,7 +248,6 @@ def run_agent(user_input: str):
 
             elif intent in ("undo_modification", "reset_session"):
                 st.success("操作已完成")
-                # 消息已在节点中添加
 
             elif intent in ("preview_report", "export_pdf", "export_jrxml"):
                 jrxml = final_state.get("current_jrxml", "")
@@ -279,10 +287,10 @@ def run_agent(user_input: str):
                 if jrxml:
                     with st.expander("查看当前 JRXML"):
                         _render_jrxml(jrxml, max_lines=80)
-                st.caption("请简化报表结构后重试。")
+                st.caption("💡 下次输入修改需求时，系统会自动加载失败上下文继续修复。")
                 st.session_state.messages.append({
                     "role": "assistant",
-                    "content": f"❌ 经过 {retries} 次重试后仍无法生成有效的 JRXML。\n\n**错误:** {error_msg}",
+                    "content": f"❌ 经过 {retries} 次重试后仍无法生成有效的 JRXML。\n\n**错误:** {error_msg}\n\n💡 请直接描述修改需求，系统会自动加载失败上下文。",
                     "type": "error_explanation",
                 })
     else:
@@ -431,6 +439,25 @@ with st.sidebar:
                     else:
                         # 新建模式：按 A4 模板处理
                         parsed_text = layout["description"]
+                else:
+                    # tt == "unknown": OCR 不可用或未检测到文字元素
+                    has_ocr = result.get("method") not in ("metadata_only", None)
+                    img_w, img_h = layout["image_size"]
+                    ratio = layout["aspect_ratio"]
+                    if has_ocr:
+                        parsed_text = (
+                            f"[图片上传] 尺寸 {img_w}x{img_h}px, 比例 {ratio}。"
+                            f"未检测到 A4 报表结构，图片将被视为参考样式。\n"
+                            f"请根据用户的文字描述生成报表。"
+                        )
+                    else:
+                        parsed_text = (
+                            f"[图片上传] 尺寸 {img_w}x{img_h}px, 比例 {ratio}。\n"
+                            f"⚠ OCR 引擎未安装，无法识别图片中的文字内容。\n"
+                            f"请严格根据用户的文字描述来推断图片中的报表需求。\n"
+                            f"（提示：如需图片文字识别，请运行 pip install paddleocr）"
+                        )
+                    parsed_type = "image_reference"
 
             Path(tmp_path).unlink(missing_ok=True)
 

backend/file_parser.py

@@ -65,17 +65,36 @@ def parse_file(file_path: str, file_type: str = "") -> dict:
 # ---------------------------------------------------------------------------
 
 def _parse_image(path: Path) -> dict:
-    """OCR 提取图片中的文字。"""
+    """OCR 提取图片中的文字。优先 EasyOCR，回退 PaddleOCR。"""
     try:
         img = PIL.Image.open(path)
         info = f"[图片: {img.size[0]}x{img.size[1]}, {img.mode}]"
     except Exception:
         info = "[图片: 无法读取元数据]"
 
-    # 尝试 PaddleOCR
+    # 优先 EasyOCR（Windows 兼容性更好）
+    try:
+        import easyocr
+        import numpy as np
+        reader = easyocr.Reader(["ch_sim", "en"], gpu=False, verbose=False)
+        result = reader.readtext(np.array(img))
+        lines = [text.strip() for (_, text, _) in result if text.strip()]
+        if lines:
+            return {
+                "text": f"{info}\n识别文本:\n" + "\n".join(lines),
+                "file_type": "image",
+                "method": "easyocr",
+                "error": None,
+            }
+    except ImportError:
+        pass
+    except Exception:
+        pass
+
+    # 回退 PaddleOCR
     try:
         from paddleocr import PaddleOCR
-        ocr = PaddleOCR(lang="ch", use_angle_cls=False, show_log=False)
+        ocr = PaddleOCR(lang="ch")
         result = ocr.ocr(str(path))
         lines = []
         if result and result[0]:
@@ -97,7 +116,7 @@ def _parse_image(path: Path) -> dict:
 
     # OCR 不可用 → 返回图片元信息 + 安装提示
     return {
-        "text": f"{info}\n(如需 OCR 文字识别，请安装: pip install paddleocr)",
+        "text": f"{info}\n(如需 OCR 文字识别，请安装: pip install easyocr)",
         "file_type": "image",
         "method": "metadata_only",
         "error": "OCR 引擎未安装，已返回图片元信息",

backend/layout_analyzer.py

@@ -371,11 +371,47 @@ def _load_image(path: Path) -> Optional[PIL.Image.Image]:
 
 
 def _ocr_elements(img: PIL.Image.Image, file_path: str) -> list[dict]:
+    """OCR 提取图片中的文字元素（位置+内容）。优先 EasyOCR，回退 PaddleOCR。"""
+
+    # 优先 EasyOCR
+    try:
+        import easyocr
+        import numpy as np
+
+        reader = easyocr.Reader(["ch_sim", "en"], gpu=False, verbose=False)
+        result = reader.readtext(np.array(img))
+
+        elements = []
+        for (bbox, text, confidence) in result:
+            if not text.strip():
+                continue
+            xs = [p[0] for p in bbox]
+            ys = [p[1] for p in bbox]
+            x_min, x_max = min(xs), max(xs)
+            y_min, y_max = min(ys), max(ys)
+
+            elements.append({
+                "x": round(x_min, 1),
+                "y": round(y_min, 1),
+                "w": round(x_max - x_min, 1),
+                "h": round(y_max - y_min, 1),
+                "font_size": round(y_max - y_min, 1),
+                "text": text.strip(),
+            })
+
+        elements.sort(key=lambda e: (e["y"], e["x"]))
+        return elements
+    except ImportError:
+        pass
+    except Exception:
+        pass
+
+    # 回退 PaddleOCR
     try:
         from paddleocr import PaddleOCR
         import numpy as np
 
-        ocr = PaddleOCR(lang="ch", use_angle_cls=True, show_log=False)
+        ocr = PaddleOCR(lang="ch")
         result = ocr.ocr(np.array(img))
 
         elements = []
@@ -405,6 +441,8 @@ def _ocr_elements(img: PIL.Image.Image, file_path: str) -> list[dict]:
 
         elements.sort(key=lambda e: (e["y"], e["x"]))
         return elements
+    except ImportError:
+        pass
     except Exception:
         pass
 

validation_service/main.py

@@ -82,6 +82,35 @@ def _check_structural_issues(jrxml: str) -> list[str]:
     return issues
 
 
+def _check_minimum_content(jrxml: str) -> list[str]:
+    """检查 JRXML 是否包含最基本的报表内容（至少要有 band 和文本元素）。"""
+    issues = []
+    try:
+        root = ET.fromstring(jrxml)
+    except ET.ParseError:
+        return []  # 结构性检查已捕获
+
+    # 统计各类元素
+    bands = 0
+    text_fields = 0
+    static_texts = 0
+    for elem in root.iter():
+        tag = elem.tag.split("}")[-1] if "}" in elem.tag else elem.tag
+        if tag == "band":
+            bands += 1
+        elif tag == "textField":
+            text_fields += 1
+        elif tag == "staticText":
+            static_texts += 1
+
+    if bands == 0:
+        issues.append("报表没有任何 <band> 元素，无法渲染内容")
+    if text_fields == 0 and static_texts == 0:
+        issues.append("报表没有任何 <textField> 或 <staticText> 元素，输出将是一片空白")
+
+    return issues
+
+
 def _validate_xsd(jrxml: str) -> tuple[bool, str]:
     """根据 JasperReports XSD schema 验证 JRXML。"""
     if not SCHEMA_FILE.exists():
@@ -111,6 +140,10 @@ async def validate_jrxml(req: ValidationRequest):
     if structural_issues:
         return ValidationResponse(valid=False, error="; ".join(structural_issues))
 
+    content_issues = _check_minimum_content(jrxml)
+    if content_issues:
+        return ValidationResponse(valid=False, error="; ".join(content_issues))
+
     valid, xsd_error = _validate_xsd(jrxml)
     if not valid:
         return ValidationResponse(valid=False, error=xsd_error)