panda/agent_jrxml
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

feat: comprehensive v2 upgrade — streaming, error KB, file upload, layout analysis

Browse Source 
Major changes:
- Streaming: LLM统一 _BaseLLM 接口 (invoke + stream), generate/modify/correct
  节点使用 get_stream_writer() 实现逐字输出, UI 节点平铺展开自动折叠
- Prompt外部化: 7个prompt拆分到 prompts/*.md, loader.py 支持热重载
- 错误自增长: backend/error_kb.py — 指纹去重 + ChromaDB持久化,
  correct_jrxml→validate 通过时自动入库, retrieve同时搜索错误KB
- 文件上传: backend/file_parser.py — PDF/DOCX/图片/文本解析,
  侧边栏多文件上传, 文本自动注入下一条消息
- A4模板识别: backend/layout_analyzer.py — 三种模式(完整A4/行片段修改/行片段新建),
  PaddleOCR元素提取 + 行分组 + JRXML section匹配
- 会话历史下载: jrxml_versions版本追踪 + 侧边栏历史版本下载按钮
- 预览修复: route_after_save跳过预览/导出意图的验证循环
- Ctrl+C修复: JS注入拦截Streamlit裸c键清缓存

Docs: CLAUDE.md (完整项目文档), ROADMAP.md (改进路线图)

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
This commit is contained in:
panda
2026-05-19 15:02:53 +08:00
parent b280c2b453
commit 70614dff5e
19 changed files with 1770 additions and 231 deletions
Download Patch File Download Diff File Expand all files Collapse all files
agent/nodes.py
+94 -129
View File
@@ -12,6 +12,7 @@ from dotenv import load_dotenv
from agent.state import AgentState
from backend.llm import get_llm
from backend.validation import validate_jrxml
from prompts.loader import load_prompt
load_dotenv()
@@ -20,119 +21,6 @@ CONTEXT_MAX_TOKENS = int(os.getenv("CONTEXT_MAX_TOKENS", "6000"))
CONTEXT_KEEP_RECENT = int(os.getenv("CONTEXT_KEEP_RECENT", "4"))
HISTORY_MAX_SNAPSHOTS = int(os.getenv("HISTORY_MAX_SNAPSHOTS", "10"))
# ============================================================
# 意图分类提示词（约 180 tokens，控制在 200 token 以内）
# ============================================================
INTENT_CLASSIFY_PROMPT = """你是意图分类器。根据用户输入判断意图，只输出意图名称。
当前有报表：{has_report}
用户输入：{user_input}
可选意图：
- initial_generation（新建报表，或无报表时的任何需求）
- modify_report（修改当前已有报表）
- preview_report（预览/查看当前报表）
- export_pdf（导出PDF文件）
- export_jrxml（下载/导出/保存JRXML文件）
- undo_modification（撤销/回退上一步修改）
- consult_question（咨询JasperReports相关知识或使用问题）
- reset_session（清空/重置/重新开始）
意图名称："""
# ============================================================
# 咨询回答提示词
# ============================================================
CONSULT_PROMPT = """你是 JasperReports 专家。用简洁清晰的中文回答用户关于 JasperReports 的问题。
用户问题：{question}
直接回答："""
# ============================================================
# 原有提示词（不变）
# ============================================================
INITIAL_GENERATION_PROMPT = """你是一位资深 JasperReports 工程师。根据以下参考模板和用户需求，生成一个完整、可编译的 JRXML 文件。
JRXML 必须兼容 JasperReports 7.0.6 schema。
关键规则：
- 只输出 JRXML 代码，不要解释，不要 markdown 标记。
- 报表正文中使用的每个字段必须在 <field name="..."> 部分中声明。
- 根元素为 <jasperReport>，包含正确的 xmlns 属性。
- 包含 <queryString>，在 <![CDATA[...]]> 中包含 SQL 查询。
- 确保所有交叉引用（字段名称、band 元素）保持一致。
参考模板和组件：
{context}
用户需求：
{user_request}
"""
MODIFICATION_PROMPT = """你是一位资深 JasperReports 工程师。用户想要修改一个现有的、可编译的 JRXML 报表。精确应用请求的更改到当前 JRXML 并输出完整修改后的 JRXML。
关键规则：
- 只输出完整修改后的 JRXML 代码，不要解释，不要 markdown 标记。
- 保留所有未被更改的现有结构。
- 结果必须继续与 JasperReports 7.0.6 兼容。
- 报表正文中使用的每个字段必须在 <field> 部分中声明。
- 如果添加新字段，正确声明它们。
- 确保 <queryString> 是 <![CDATA[...]]> 中有效的 SQL。
当前 JRXML：
{current_jrxml}
对话历史：
{conversation_history}
用户的修改请求：
{modification_request}
"""
CORRECTION_PROMPT = """你是一位资深 JasperReports 工程师。你生成的 JRXML 文件编译失败。分析错误并修复 JRXML。
关键规则：
- 只输出完整修复后的 JRXML 代码，不要解释，不要 markdown 标记。
- JRXML 必须与 JasperReports 7.0.6 兼容。
- 解决下面列出的特定错误。
当前 JRXML（带错误）：
{current_jrxml}
编译错误：
{error_msg}
错误的自然语言解释：
{explanation}
立即生成修正后的 JRXML：
"""
EXPLAIN_PROMPT = """你是一位 JasperReports 专家。用普通非技术语言解释以下 JRXML 编译错误，让业务用户能够理解。
错误消息：
{error_msg}
当前 JRXML 片段（前 80 行）：
{jrxml_snippet}
用 2-3 句话解释哪里出了问题以及如何修复：
"""
COMPRESSION_PROMPT = """你是一个信息压缩助手。以下是用户与报表生成助手之间的历史对话记录，请将其压缩为一份简洁的摘要（不超过200字）。
摘要必须保留以下关键信息：
- 用户提出的所有报表需求点（字段、标题、分组、汇总等）
- 用户提出的所有修改要求及其顺序
- 当前报表的核心结构（字段列表、标题、分组方式）
- 任何特殊要求或约束条件
只输出摘要文本，不要添加任何解释或标记。
对话记录：
{conversation_text}
"""
# ============================================================
# 核心工作流节点
@@ -191,7 +79,7 @@ def classify_intent(state: AgentState) -> Dict:
intent = "initial_generation"
try:
llm = get_llm()
prompt = INTENT_CLASSIFY_PROMPT.format(
prompt = load_prompt("intent_classify").format(
has_report=has_report,
user_input=user_input[:500],
)
@@ -222,7 +110,7 @@ def handle_consult(state: AgentState) -> Dict:
user_input = state.get("user_input", "")
try:
llm = get_llm()
prompt = CONSULT_PROMPT.format(question=user_input)
prompt = load_prompt("consult").format(question=user_input)
resp = llm.invoke(prompt)
answer = resp.content.strip()
except Exception:
@@ -332,7 +220,7 @@ def manage_context(state: AgentState) -> Dict:
try:
llm = get_llm()
prompt = COMPRESSION_PROMPT.format(conversation_text=conv_text)
prompt = load_prompt("compression").format(conversation_text=conv_text)
resp = llm.invoke(prompt)
new_compressed = resp.content.strip()[:300]
except Exception:
@@ -421,12 +309,21 @@ def _now_iso() -> str:
def retrieve(state: AgentState) -> Dict:
"""在 Chroma 中搜索相关的 JRXML 模板和组件（使用 rag_jrxml 语义分块管线）。"""
"""在 ChromaDB + 错误知识库中搜索相关的 JRXML 模板和组件。"""
try:
from backend.rag_adapter import search_chunks
from backend.error_kb import search_error_cases
user_input = state.get("user_input", "")
context = search_chunks(user_input, k=5)
# 如果有最近错误，同时搜索错误知识库
error_msg = state.get("error_msg", "")
if error_msg:
error_context = search_error_cases(error_msg, k=2)
if error_context:
context = f"{context}\n\n[历史错误修正案例]\n{error_context}"
state["retrieved_context"] = context
except Exception:
state["retrieved_context"] = ""
@@ -435,13 +332,19 @@ def retrieve(state: AgentState) -> Dict:
def generate(state: AgentState) -> Dict:
"""根据用户需求和检索到的上下文生成初始 JRXML。"""
from langgraph.config import get_stream_writer
writer = get_stream_writer()
llm = get_llm()
prompt = INITIAL_GENERATION_PROMPT.format(
prompt = load_prompt("initial_generation").format(
context=state.get("retrieved_context", ""),
user_request=state.get("user_input", ""),
)
resp = llm.invoke(prompt)
jrxml = _extract_jrxml(resp.content)
full = []
for chunk in llm.stream(prompt):
full.append(chunk)
writer({"type": "stream", "node": "generate", "text": chunk})
jrxml = _extract_jrxml("".join(full))
state["current_jrxml"] = jrxml
state["conversation_history"].append({"role": "assistant", "content": jrxml})
return state
@@ -449,6 +352,9 @@ def generate(state: AgentState) -> Dict:
def modify_jrxml(state: AgentState) -> Dict:
"""根据用户的修改请求修改现有 JRXML。"""
from langgraph.config import get_stream_writer
writer = get_stream_writer()
llm = get_llm()
# 构建对话上下文：压缩摘要 + 最近对话
compressed = state.get("compressed_history", "")
@@ -459,13 +365,16 @@ def modify_jrxml(state: AgentState) -> Dict:
conv_parts.append(json.dumps(recent, ensure_ascii=False, indent=2))
conv_text = "\n\n---\n\n".join(conv_parts)
prompt = MODIFICATION_PROMPT.format(
prompt = load_prompt("modification").format(
current_jrxml=state.get("current_jrxml", ""),
conversation_history=conv_text,
modification_request=state.get("user_modification_request", ""),
)
resp = llm.invoke(prompt)
jrxml = _extract_jrxml(resp.content)
full = []
for chunk in llm.stream(prompt):
full.append(chunk)
writer({"type": "stream", "node": "modify_jrxml", "text": chunk})
jrxml = _extract_jrxml("".join(full))
state["current_jrxml"] = jrxml
state["conversation_history"].append(
{
@@ -496,6 +405,29 @@ def validate(state: AgentState) -> Dict:
result = validate_jrxml(jrxml)
state["status"] = "pass" if result.get("valid") else "fail"
state["error_msg"] = result.get("error", "")
# 修正成功后记录到错误知识库
if result.get("valid") and state.get("retry_count", 0) > 0:
case = state.get("last_error_case", {})
if case and case.get("error_msg"):
try:
from backend.error_kb import record_error
recorded = record_error(
error_msg=case["error_msg"],
bad_jrxml=case.get("bad_jrxml", ""),
good_jrxml=jrxml,
correction_prompt=case.get("correction_prompt", ""),
retry_count=state.get("retry_count", 0),
)
if recorded:
state["conversation_history"].append({
"role": "system",
"content": f"[系统] 错误案例已记录到知识库（指纹: {case['error_msg'][:40]}...）",
})
except Exception:
pass # 知识库写入不影响主流程
return state
@@ -506,7 +438,7 @@ def explain_error(state: AgentState) -> Dict:
lines = jrxml.split("\n")[:80]
snippet = "\n".join(lines)
prompt = EXPLAIN_PROMPT.format(
prompt = load_prompt("explain_error").format(
error_msg=state.get("error_msg", "未知错误"),
jrxml_snippet=snippet,
)
@@ -517,14 +449,27 @@ def explain_error(state: AgentState) -> Dict:
def correct_jrxml(state: AgentState) -> Dict:
"""尝试自动修正验证失败的 JRXML。"""
from langgraph.config import get_stream_writer
writer = get_stream_writer()
llm = get_llm()
prompt = CORRECTION_PROMPT.format(
prompt = load_prompt("correction").format(
current_jrxml=state.get("current_jrxml", ""),
error_msg=state.get("error_msg", ""),
explanation=state.get("natural_explanation", ""),
)
resp = llm.invoke(prompt)
jrxml = _extract_jrxml(resp.content)
# 保存修正前状态（供 validate 判断是否写入错误知识库）
state["last_error_case"] = {
"error_msg": state.get("error_msg", ""),
"bad_jrxml": state.get("current_jrxml", ""),
"correction_prompt": prompt,
}
full = []
for chunk in llm.stream(prompt):
full.append(chunk)
writer({"type": "stream", "node": "correct_jrxml", "text": chunk})
jrxml = _extract_jrxml("".join(full))
state["current_jrxml"] = jrxml
state["retry_count"] = state.get("retry_count", 0) + 1
state["conversation_history"].append(
@@ -534,8 +479,28 @@ 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。"""
state["final_jrxml"] = state.get("current_jrxml", "")
"""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
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": state.get("status", ""),
})
state["jrxml_versions"] = versions
return state