feat: DeepSeek v4 模型对齐、作业助手脚本与 Agent 对比测试

- 前端 WorkflowEditor/ModelConfigs/NodeTemplates：deepseek-v4-flash、v4-pro，弃用提示
- llm_service 默认 deepseek-v4-flash；workflow_engine 等与模型配置注入
- 作业管理脚本支持 AGENT_NAME 与 v4-pro；新增 compare_homework_agents 脚本
- 文档重命名为 (红头)项目核心文档汇总.md 并更新 DeepSeek 说明

Made-with: Cursor

(红头)项目核心文档汇总.md

@@ -121,7 +121,7 @@
 - **工具节点**: 定时任务、Agent节点
 
 ### 5. 内置工具调用
-平台提供8个内置工具，可在LLM节点中启用：
+平台提供10个内置工具，可在LLM节点中启用：
 1. 🌐 **http_request** - HTTP请求工具
 2. 📖 **file_read** - 文件读取工具
 3. ✍️ **file_write** - 文件写入工具
@@ -130,6 +130,8 @@
 6. 🔢 **math_calculate** - 数学计算工具
 7. 💻 **system_info** - 系统信息工具
 8. 📦 **json_process** - JSON处理工具
+9. 🗄️ **database_query** - 数据库查询工具（只读查询场景）
+10. 📱 **adb_log** - Android/设备日志工具
 
 ### 6. 执行管理
 - 创建执行任务
@@ -145,14 +147,26 @@
 - 数据查询功能
 
 ### 8. 模型配置管理
-- 模型配置CRUD API
-- 多模型支持（OpenAI、DeepSeek等）
+- 模型配置CRUD API（API Key 等在服务端加密存储；工作流 LLM 节点可绑定 `model_config_id` 由可信所有者运行时解密注入）
+- 多模型支持（OpenAI、Anthropic 兼容路径、DeepSeek 等）
 - 模型切换和配置
 
+**DeepSeek API（OpenAI 兼容格式）**  
+与 [DeepSeek API 文档](https://api-docs.deepseek.com/) 对齐的常用参数如下（密钥需在控制台申请，勿写入文档或仓库）：
+
+| 参数 | 说明 |
+|------|------|
+| **base_url** | `https://api.deepseek.com`（OpenAI 兼容；Anthropic 兼容格式为 `https://api.deepseek.com/anthropic`） |
+| **主推模型** | `deepseek-v4-flash`、`deepseek-v4-pro` |
+| **兼容旧名（计划弃用）** | `deepseek-chat`、`deepseek-reasoner` 计划于 **2026/07/24** 弃用；二者分别对应 `deepseek-v4-flash` 的非思考与思考模式 |
+
+本平台侧：**新建 LLM 节点、节点模板及后端未显式指定模型时的 DeepSeek 默认值**为 **`deepseek-v4-flash`**；工作流编辑器与「模型配置」页下拉仍可选择兼容旧模型名并标注弃用时间。
+
 ### 9. Agent管理
 - Agent CRUD API
 - Agent管理页面
 - Agent协作功能
+- 批量场景Agent脚本（教育/企业/政务/媒体）
 
 ## 项目结构
 
@@ -255,7 +269,8 @@ pnpm dev
 ```
 
 ### 服务访问地址
-- **前端**: http://localhost:8038
+- **前端（本地开发推荐）**: http://localhost:3001
+- **前端（Docker方案）**: http://localhost:8038
 - **后端API**: http://localhost:8037
 - **API文档**: http://localhost:8037/docs
 - **Redis**: localhost:6379
@@ -305,7 +320,7 @@ pnpm dev
 ### 节点类型说明
 - **开始节点**：工作流起始节点
 - **输入节点**：数据输入节点，可配置输入参数
-- **LLM节点**：AI模型处理节点，支持OpenAI、DeepSeek等模型
+- **LLM节点**：AI 模型处理节点，支持 OpenAI、DeepSeek 等；DeepSeek 推荐选用 **`deepseek-v4-flash`** 或 **`deepseek-v4-pro`**（旧名 `deepseek-chat` / `deepseek-reasoner` 仍可兼容使用，计划 **2026/07/24** 弃用）
 - **条件节点**：条件判断节点，支持表达式配置
 - **转换节点**：数据转换节点，支持JSONPath、模板等
 - **输出节点**：数据输出节点，可配置输出格式
@@ -352,10 +367,9 @@ alembic downgrade -1
 ```
 
 ### 添加新节点类型
-1. 后端：在 `backend/app/core/nodes/` 中添加节点执行器
-2. 后端：在 `backend/app/core/workflow_engine.py` 中注册节点类型
-3. 前端：在 `frontend/src/components/nodes/` 中添加节点组件
-4. 前端：在 `frontend/src/stores/workflowStore.ts` 中注册节点类型
+1. 后端：在 `backend/app/services/workflow_engine.py` 的 `execute_node` 中增加节点类型分支；如需校验，可扩展 `workflow_validator.py`
+2. 前端：在 `frontend/src/components/nodes/`（或工作流编辑器关联组件）中增加节点展示与配置
+3. 前端：在 `frontend/src/stores/workflowStore.ts` 等处注册节点类型与默认数据
 
 ## 测试指南
 
@@ -376,7 +390,7 @@ alembic downgrade -1
 
 ## 内置工具列表
 
-平台提供8个内置工具，详细功能如下：
+平台提供10个内置工具，详细功能如下：
 
 | 工具名称 | 功能描述 | 主要参数 |
 |---------|---------|---------|
@@ -388,6 +402,10 @@ alembic downgrade -1
 | math_calculate | 执行数学计算 | expression |
 | system_info | 获取系统信息 | 无 |
 | json_process | 处理JSON数据 | json_string, operation |
+| database_query | 只读数据库查询 | datasource/query(按工具schema) |
+| adb_log | 设备日志读取 | command/serial/lines(按工具schema) |
+
+> 说明：`http_request` 已加入响应体截断与头部精简机制（支持 `max_body_chars`），用于避免大页面导致 LLM 上下文超限。
 
 详细使用示例请参考：[内置工具列表.md](./内置工具列表.md)
 
@@ -406,9 +424,11 @@ alembic downgrade -1
 3. **工作流执行引擎** - DAG构建、拓扑排序、节点执行
 4. **可视化编辑器** - 拖拽节点、连线、配置面板
 5. **异步任务处理** - Celery集成，支持长时间运行的任务
-6. **多模型支持** - OpenAI、DeepSeek集成
-7. **内置工具调用** - 8个内置工具支持
+6. **多模型支持** - OpenAI、DeepSeek 等（DeepSeek 主推 `deepseek-v4-flash` / `deepseek-v4-pro`）
+7. **内置工具调用** - 10 个内置工具支持
 8. **实时状态推送** - WebSocket实时推送执行状态
+9. **批量Agent场景生成** - 教育与政务/媒体场景批量创建脚本
+10. **Windows运维文档统一** - 启停/重启流程合并为单一权威文档
 
 ### 近期开发重点（高优先级）
 1. **监控和告警前端界面** - 系统监控面板、告警规则管理
@@ -451,12 +471,21 @@ alembic downgrade -1
 ## 联系和支持
 
 - **API文档**：http://localhost:8037/docs
-- **前端服务**：http://localhost:8038
+- **前端服务（本地开发）**：http://localhost:3001
+- **前端服务（Docker）**：http://localhost:8038
 - **问题反馈**：查看项目文档或联系开发团队
 
+## 关键文档索引（建议）
+
+- Windows 启停唯一文档：[`(红头)Windows服务器启动与重启唯一指南.md`](./(红头)Windows服务器启动与重启唯一指南.md)
+- 上传图片与OCR实现：[`(红头)上传图片和识别的实现文档.md`](./(红头)上传图片和识别的实现文档.md)
+- 教育行业批量Agent脚本：`backend/scripts/create_education_agents_batch.py`
+- 政务/媒体批量Agent脚本：`backend/scripts/create_gov_media_agents_batch.py`
+- 企业场景批量Agent脚本：`backend/scripts/create_enterprise_scenario_agents.py`
+
 ---
 
-**最后更新**: 2026-04-06  
-**文档版本**: 1.0  
+**最后更新**: 2026-04-30  
+**文档版本**: 1.2  
 
-*本文档基于项目现有文档整理生成，涵盖项目核心信息。详细技术方案请参考[方案-优化版.md](./方案-优化版.md)。*
+*本文档基于项目现有文档整理生成，涵盖项目核心信息。详细技术方案请参考[方案-优化版.md](./方案-优化版.md)。DeepSeek 模型名与 Base URL 以官方文档为准，变更时请同步修订本节。*

backend/app/api/node_templates.py

@@ -27,7 +27,7 @@ class NodeTemplateCreate(BaseModel):
     prompt: str = Field(..., min_length=1, description="提示词模板")
     variables: Optional[List[Dict[str, Any]]] = Field(None, description="变量定义列表")
     provider: Optional[str] = Field("deepseek", description="默认LLM提供商")
-    model: Optional[str] = Field("deepseek-chat", description="默认模型")
+    model: Optional[str] = Field("deepseek-v4-flash", description="默认模型")
     temperature: Optional[str] = Field("0.7", description="默认温度参数")
     max_tokens: Optional[int] = Field(1500, description="默认最大token数")
     is_public: Optional[bool] = Field(False, description="是否公开")
@@ -176,7 +176,7 @@ async def create_node_template(
         prompt=template_data.prompt,
         variables=template_data.variables or [],
         provider=template_data.provider or "deepseek",
-        model=template_data.model or "deepseek-chat",
+        model=template_data.model or "deepseek-v4-flash",
         temperature=template_data.temperature or "0.7",
         max_tokens=template_data.max_tokens or 1500,
         is_public=template_data.is_public or False,

backend/app/api/node_test.py

@@ -60,7 +60,12 @@ async def test_node(
             "edges": []
         }
         
-        engine = WorkflowEngine("test-node", workflow_data, db=db)
+        engine = WorkflowEngine(
+            "test-node",
+            workflow_data,
+            db=db,
+            trusted_model_config_user_id=str(current_user.id),
+        )
         
         # 执行节点
         result = await engine.execute_node(node, input_data)

backend/app/models/node_template.py

@@ -25,7 +25,7 @@ class NodeTemplate(Base):
     
     # 默认配置
     provider = Column(String(50), default="deepseek", comment="默认LLM提供商")
-    model = Column(String(100), default="deepseek-chat", comment="默认模型")
+    model = Column(String(100), default="deepseek-v4-flash", comment="默认模型")
     temperature = Column(String(10), default="0.7", comment="默认温度参数")
     max_tokens = Column(Integer, default=1500, comment="默认最大token数")
     

backend/app/services/llm_service.py

@@ -480,7 +480,7 @@ class LLMService:
     async def call_deepseek(
         self,
         prompt: str,
-        model: str = "deepseek-chat",
+        model: str = "deepseek-v4-flash",
         temperature: float = 0.7,
         max_tokens: Optional[int] = None,
         api_key: Optional[str] = None,
@@ -492,7 +492,7 @@ class LLMService:
         
         Args:
             prompt: 提示词
-            model: 模型名称，默认deepseek-chat
+            model: 模型名称，默认 deepseek-v4-flash（deepseek-chat / deepseek-reasoner 将于 2026/07/24 弃用）
             temperature: 温度参数，默认0.7
             max_tokens: 最大token数
             api_key: API密钥（可选，如果不提供则使用默认配置）
@@ -610,7 +610,7 @@ class LLMService:
         elif provider == "deepseek":
             # 默认模型
             if not model:
-                model = "deepseek-chat"
+                model = "deepseek-v4-flash"
             return await self.call_deepseek(
                 prompt=prompt,
                 model=model,
@@ -852,7 +852,7 @@ class LLMService:
         self,
         prompt: str,
         tools: List[Dict[str, Any]],
-        model: str = "deepseek-chat",
+        model: str = "deepseek-v4-flash",
         temperature: float = 0.7,
         max_tokens: Optional[int] = None,
         api_key: Optional[str] = None,
@@ -928,7 +928,7 @@ class LLMService:
             )
         elif provider == "deepseek":
             if not model:
-                model = "deepseek-chat"
+                model = "deepseek-v4-flash"
             return await self.call_deepseek_with_tools(
                 prompt=prompt,
                 tools=tools,

backend/app/services/workflow_engine.py

@@ -92,6 +92,7 @@ class WorkflowEngine:
         logger=None,
         db=None,
         budget_limits: Optional[Dict[str, Any]] = None,
+        trusted_model_config_user_id: Optional[str] = None,
     ):
         """
         初始化工作流引擎
@@ -101,6 +102,7 @@ class WorkflowEngine:
             workflow_data: 工作流数据（包含nodes和edges）
             logger: 执行日志记录器（可选）
             db: 数据库会话（可选，用于Agent节点加载Agent配置）
+            trusted_model_config_user_id: 允许加载「模型配置」解密密钥的用户 ID（通常为当前执行所属 Workflow/Agent 的 owner）
         """
         self.workflow_id = workflow_id
         self.nodes = {node['id']: node for node in workflow_data.get('nodes', [])}
@@ -115,6 +117,7 @@ class WorkflowEngine:
         self._llm_invocations: int = 0
         self._tool_calls_used: int = 0
         self.budget_limits: Dict[str, Any] = dict(budget_limits or {})
+        self.trusted_model_config_user_id: Optional[str] = trusted_model_config_user_id
         self._cap_steps: int = max(
             1, int(getattr(settings, "WORKFLOW_MAX_STEPS_PER_RUN", 2000) or 2000)
         )
@@ -178,6 +181,71 @@ class WorkflowEngine:
                 detail=f"已超过工具调用预算（{self._cap_tool} 次）",
             )
 
+    def _resolve_llm_credentials_from_model_config(
+        self, node_data: Dict[str, Any]
+    ) -> Optional[Dict[str, Any]]:
+        """
+        若节点 data 含 model_config_id，则从数据库加载加密密钥并校验归属；
+        返回 {"api_key","base_url","provider","model"}，否则返回 None。
+        """
+        raw = node_data.get("model_config_id") or node_data.get("modelConfigId")
+        if raw is None or raw == "":
+            return None
+        cfg_id = str(raw).strip()
+        if not cfg_id:
+            return None
+
+        if not self.trusted_model_config_user_id:
+            logger.warning(
+                "LLM 节点配置了 model_config_id=%s，但未绑定 trusted_model_config_user_id，"
+                "将跳过模型配置密钥注入（仍使用节点与环境变量）。",
+                cfg_id,
+            )
+            return None
+
+        from app.models.model_config import ModelConfig
+        from app.services.encryption_service import EncryptionService
+
+        db = self.db or SessionLocal()
+        own_db = self.db is None
+        try:
+            cfg = db.query(ModelConfig).filter(ModelConfig.id == cfg_id).first()
+            if not cfg:
+                raise ValueError(f"模型配置不存在: {cfg_id}")
+            if cfg.user_id != self.trusted_model_config_user_id:
+                raise ValueError("无权使用该模型配置（仅创建者可调用）")
+
+            api_key_plain = EncryptionService.decrypt(cfg.api_key)
+            if not (api_key_plain or "").strip():
+                raise ValueError("模型配置中的 API Key 无效")
+
+            base_url = (cfg.base_url or "").strip() or None
+            raw_prov = (cfg.provider or "").strip().lower()
+            if raw_prov == "local":
+                llm_prov = "openai"
+            elif raw_prov in ("openai", "deepseek"):
+                llm_prov = raw_prov
+            elif raw_prov == "anthropic":
+                raise ValueError(
+                    "当前 LLM 节点暂不支持从模型配置加载 Anthropic；请改用 OpenAI 或 DeepSeek 兼容配置"
+                )
+            else:
+                raise ValueError(f"不支持的模型配置提供商: {cfg.provider}")
+
+            model_name = (cfg.model_name or "").strip()
+            if not model_name:
+                raise ValueError("模型配置中模型名称为空")
+
+            return {
+                "api_key": api_key_plain.strip(),
+                "base_url": base_url,
+                "provider": llm_prov,
+                "model": model_name,
+            }
+        finally:
+            if own_db:
+                db.close()
+
     def _get_persist_scope(self) -> Tuple[Optional[str], Optional[str]]:
         """(scope_kind, scope_id) 或 (None, None)，用于持久化 user_memory_*。"""
         if self._persist_scope_cache is None:
@@ -1625,9 +1693,33 @@ class WorkflowEngine:
                         max_tokens = int(max_tokens_raw) if max_tokens_raw is not None else None
                 else:
                     max_tokens = None
-                # 不传递 api_key 和 base_url，让 LLM 服务使用系统默认配置（与节点测试保持一致）
-                api_key = None
-                base_url = None
+                # 默认使用环境变量中的 Key；若节点绑定 model_config_id 且执行上下文可信，则注入用户保存的密钥与 endpoint
+                api_key: Optional[str] = None
+                base_url: Optional[str] = None
+                mc_cred: Optional[Dict[str, Any]] = None
+                try:
+                    mc_cred = self._resolve_llm_credentials_from_model_config(node_data)
+                    if mc_cred:
+                        api_key = mc_cred.get("api_key")
+                        base_url = mc_cred.get("base_url")
+                        provider = mc_cred.get("provider", provider)
+                        model = mc_cred.get("model", model)
+                except Exception as mc_err:
+                    if self.logger:
+                        duration = int((time.time() - start_time) * 1000)
+                        self.logger.log_node_error(node_id, node_type, mc_err, duration)
+                    logger.error(f"[rjb] LLM 模型配置解析失败: {mc_err}", exc_info=True)
+                    return {
+                        'output': None,
+                        'status': 'failed',
+                        'error': str(mc_err),
+                    }
+
+                llm_extra_kw: Dict[str, Any] = {}
+                if api_key is not None:
+                    llm_extra_kw["api_key"] = api_key
+                if base_url is not None:
+                    llm_extra_kw["base_url"] = base_url
                 
                 # 记录实际发送给LLM的prompt
                 logger.info(f"[rjb] 准备调用LLM: node_id={node_id}, provider={provider}, model={model}, prompt前200字符='{prompt[:200] if len(prompt) > 200 else prompt}'")
@@ -1660,7 +1752,10 @@ class WorkflowEngine:
                 # 调用LLM服务
                 try:
                     if self.logger:
-                        logger.debug(f"[rjb] LLM节点配置: provider={provider}, model={model}, 使用系统默认API Key配置, 工具调用: {'启用' if tools else '禁用'}")
+                        key_src = "模型配置(model_config_id)" if mc_cred else "环境变量默认"
+                        logger.debug(
+                            f"[rjb] LLM节点配置: provider={provider}, model={model}, API密钥来源={key_src}, 工具调用: {'启用' if tools else '禁用'}"
+                        )
                         self.logger.info(f"调用LLM服务: {provider}/{model}", node_id=node_id, node_type=node_type)
                     
                     # 根据是否启用工具选择不同的调用方式
@@ -1684,6 +1779,8 @@ class WorkflowEngine:
                                 _tool_extra["request_timeout"] = max(10.0, float(_rt))
                             except (TypeError, ValueError):
                                 pass
+                        _merged_tool_kw = dict(llm_extra_kw)
+                        _merged_tool_kw.update(_tool_extra)
                         result = await llm_service.call_llm_with_tools(
                             prompt=prompt,
                             tools=tools,
@@ -1694,7 +1791,7 @@ class WorkflowEngine:
                             execution_logger=self.logger,
                             tool_choice=_tool_choice,
                             on_tool_executed=self._on_tool_executed_budget,
-                            **_tool_extra,
+                            **_merged_tool_kw,
                         )
                         result = self._enrich_llm_json_user_profile(result, input_data)
                     else:
@@ -1703,8 +1800,8 @@ class WorkflowEngine:
                             provider=provider,
                             model=model,
                             temperature=temperature,
-                            max_tokens=max_tokens
-                            # 不传递 api_key 和 base_url，使用系统默认配置
+                            max_tokens=max_tokens,
+                            **llm_extra_kw,
                         )
                         result = self._enrich_llm_json_user_profile(result, input_data)
                     
@@ -4786,6 +4883,7 @@ class WorkflowEngine:
                         logger=child_logger,
                         db=self.db,
                         budget_limits=child_budget,
+                        trusted_model_config_user_id=self.trusted_model_config_user_id,
                     )
                     try:
                         child_result = await child_engine.execute(sub_input)

backend/app/tasks/workflow_tasks.py

@@ -41,6 +41,19 @@ def _snapshot_to_jsonable(snapshot: dict) -> dict:
     return _json.loads(_json.dumps(snapshot, default=str))
 
 
+def _trusted_user_for_execution(db, execution: Optional[Execution]) -> Optional[str]:
+    """用于校验 LLM 节点引用的 model_configs 归属（与 Workflow / Agent 所有者一致）。"""
+    if not execution:
+        return None
+    if execution.agent_id:
+        ag = db.query(Agent).filter(Agent.id == execution.agent_id).first()
+        return ag.user_id if ag else None
+    if execution.workflow_id:
+        wf = db.query(Workflow).filter(Workflow.id == execution.workflow_id).first()
+        return wf.user_id if wf else None
+    return None
+
+
 @celery_app.task(bind=True)
 def execute_workflow_task(
     self,
@@ -80,12 +93,14 @@ def execute_workflow_task(
         
         # 创建工作流引擎（传入logger、db、合并后的执行预算）
         budget = merge_budget_for_execution(db, execution) if execution else {}
+        trusted_uid = _trusted_user_for_execution(db, execution)
         engine = WorkflowEngine(
             workflow_id,
             workflow_data,
             logger=execution_logger,
             db=db,
             budget_limits=budget,
+            trusted_model_config_user_id=trusted_uid,
         )
 
         max_retries = max(0, int(getattr(settings, "WORKFLOW_TASK_MAX_RETRIES", 0) or 0))
@@ -269,12 +284,14 @@ def resume_workflow_task(
         self.update_state(state="PROGRESS", meta={"progress": 0, "status": "running"})
 
         budget = merge_budget_for_execution(db, execution) if execution else {}
+        trusted_uid = _trusted_user_for_execution(db, execution)
         engine = WorkflowEngine(
             wf_key,
             workflow_data,
             logger=execution_logger,
             db=db,
             budget_limits=budget,
+            trusted_model_config_user_id=trusted_uid,
         )
         max_retries = max(0, int(getattr(settings, "WORKFLOW_TASK_MAX_RETRIES", 0) or 0))
         result: Optional[dict] = None

backend/scripts/compare_homework_agents.py

@@ -0,0 +1,156 @@
+#!/usr/bin/env python3
+"""
+对比「学生作业管理助手」与「学生作业管理助手2号」在相同输入下的节点测试结果。
+调用 POST /api/v1/nodes/test（同步），需后端运行且 DEEPSEEK_API_KEY 有效。
+
+用法: cd backend && .\\venv\\Scripts\\python.exe scripts/compare_homework_agents.py
+"""
+from __future__ import annotations
+
+import json
+import os
+import sys
+import time
+from typing import Any, Dict, List, Optional
+
+import requests
+
+BACKEND = os.getenv("PLATFORM_BASE_URL", "http://127.0.0.1:8037").rstrip("/")
+USER = os.getenv("PLATFORM_USERNAME", "admin")
+PWD = os.getenv("PLATFORM_PASSWORD", "123456")
+
+NAMES = ["学生作业管理助手", "学生作业管理助手2号"]
+
+TEST_QUERY = (
+    "帮我记一项作业：语文摘抄名著段落3处并批注，截止周五下午5点前。"
+    "请只回复一条简短清单（科目、要点、截止时间），不要超过120字。"
+)
+
+
+def _login() -> str:
+    r = requests.post(
+        f"{BACKEND}/api/v1/auth/login",
+        data={"username": USER, "password": PWD},
+        headers={"Content-Type": "application/x-www-form-urlencoded"},
+        timeout=15,
+    )
+    r.raise_for_status()
+    t = r.json().get("access_token")
+    if not t:
+        raise RuntimeError("无 access_token")
+    return t
+
+
+def _find_llm_node(wf: Dict[str, Any]) -> Optional[Dict[str, Any]]:
+    for n in wf.get("nodes") or []:
+        if n.get("type") == "llm":
+            return n
+    return None
+
+
+def _get_agents(h: Dict[str, str]) -> List[Dict[str, Any]]:
+    r = requests.get(
+        f"{BACKEND}/api/v1/agents",
+        params={"search": "学生作业管理", "limit": 50},
+        headers=h,
+        timeout=30,
+    )
+    r.raise_for_status()
+    return list(r.json() or [])
+
+
+def _fetch_agent_detail(h: Dict[str, str], aid: str) -> Dict[str, Any]:
+    r = requests.get(f"{BACKEND}/api/v1/agents/{aid}", headers=h, timeout=30)
+    r.raise_for_status()
+    return r.json()
+
+
+def _test_node(h: Dict[str, str], node: Dict[str, Any]):
+    body = {"node": node, "input_data": {"query": TEST_QUERY}}
+    t0 = time.perf_counter()
+    r = requests.post(
+        f"{BACKEND}/api/v1/nodes/test",
+        headers=h,
+        json=body,
+        timeout=240,
+    )
+    elapsed_ms = int((time.perf_counter() - t0) * 1000)
+    if r.status_code != 200:
+        return elapsed_ms, "", f"HTTP {r.status_code}: {r.text[:800]}", None
+    data = r.json()
+    out = data.get("output")
+    if isinstance(out, dict):
+        text = out.get("output") or out.get("text") or json.dumps(out, ensure_ascii=False)
+    else:
+        text = str(out)
+    err = data.get("error_message")
+    status = data.get("status")
+    return elapsed_ms, text[:4000], err, status
+
+
+def main() -> int:
+    if hasattr(sys.stdout, "reconfigure"):
+        try:
+            sys.stdout.reconfigure(encoding="utf-8")
+        except Exception:
+            pass
+    try:
+        token = _login()
+    except Exception as e:
+        print("登录失败:", e, file=sys.stderr)
+        return 1
+    h = {"Authorization": f"Bearer {token}", "Content-Type": "application/json"}
+
+    agents = _get_agents(h)
+    by_name = {a.get("name"): a for a in agents}
+
+    results = []
+    for name in NAMES:
+        a = by_name.get(name)
+        if not a:
+            results.append(
+                {"name": name, "error": f"未找到名为「{name}」的 Agent"}
+            )
+            continue
+        detail = _fetch_agent_detail(h, a["id"])
+        wf = detail.get("workflow_config") or {}
+        node = _find_llm_node(wf)
+        if not node:
+            results.append({"name": name, "id": a["id"], "error": "工作流中无 LLM 节点"})
+            continue
+        data = node.get("data") or {}
+        elapsed_ms, text, err, st = _test_node(h, node)
+        results.append(
+            {
+                "name": name,
+                "id": a["id"],
+                "provider": data.get("provider"),
+                "model": data.get("model"),
+                "elapsed_ms": elapsed_ms,
+                "status": st,
+                "api_error": err,
+                "output_excerpt": text[:2000],
+            }
+        )
+
+    print("=== 对比测试（同步节点测试 API）===")
+    print("输入:", TEST_QUERY)
+    print()
+    for r in results:
+        print(f"【{r['name']}】")
+        if r.get("error"):
+            print(" ", r["error"])
+            print()
+            continue
+        print(f"  id: {r['id']}")
+        print(f"  provider/model: {r.get('provider')} / {r.get('model')}")
+        print(f"  耗时: {r['elapsed_ms']} ms  status: {r.get('status')}")
+        if r.get("api_error"):
+            print(f"  error_message: {r['api_error']}")
+        print(f"  输出节选:\n{r.get('output_excerpt', '')}\n")
+
+    return 0
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())

backend/scripts/create_homework_manager_agent.py

@@ -8,7 +8,7 @@
 
 环境变量:
   PLATFORM_BASE_URL, PLATFORM_USERNAME, PLATFORM_PASSWORD
-  AGENT_NAME（默认 学生作业管理助手）
+  AGENT_NAME（默认 学生作业管理助手）；示例：`AGENT_NAME=学生作业管理助手2号 HOMEWORK_LLM_MODEL=deepseek-v4-pro`
   HOMEWORK_LLM_PROVIDER / HOMEWORK_LLM_MODEL / HOMEWORK_LLM_TIMEOUT（可选）
 """
 from __future__ import annotations
@@ -33,7 +33,7 @@ PROVIDER = os.getenv(
     "HOMEWORK_LLM_PROVIDER", os.getenv("ENTERPRISE_LLM_PROVIDER", "deepseek")
 )
 MODEL = os.getenv(
-    "HOMEWORK_LLM_MODEL", os.getenv("ENTERPRISE_LLM_MODEL", "deepseek-chat")
+    "HOMEWORK_LLM_MODEL", os.getenv("ENTERPRISE_LLM_MODEL", "deepseek-v4-flash")
 )
 REQ_TIMEOUT = max(
     30,
@@ -52,7 +52,9 @@ BUDGET_CONFIG = {
 
 HOMEWORK_TOOLS = ["file_read", "text_analyze", "datetime", "json_process"]
 
-HOMEWORK_PROMPT = """你是「学生作业管理助手」，帮助学生**记作业**与**监督完成**，语气友好、具体、可执行。
+
+def _homework_prompt(agent_display_name: str) -> str:
+    return f"""你是「{agent_display_name}」，帮助学生**记作业**与**监督完成**，语气友好、具体、可执行。
 
 【核心能力】
 1. **记作业**：从用户自然语言中提取「科目 / 作业内容 / 截止日期与时间 / 老师要求要点 / 预估耗时」，整理成清单。
@@ -104,7 +106,7 @@ def build_workflow() -> Dict[str, Any]:
             "position": {"x": llm_pos[0], "y": llm_pos[1]},
             "data": {
                 "label": "作业管理",
-                "prompt": HOMEWORK_PROMPT,
+                "prompt": _homework_prompt(AGENT_NAME),
                 "provider": PROVIDER,
                 "model": MODEL,
                 "temperature": 0.3,
@@ -169,7 +171,7 @@ def main() -> int:
     h = {"Authorization": f"Bearer {token}", "Content-Type": "application/json"}
 
     desc = (
-        "学生作业管理助手：记作业（科目、内容、截止日）、跟进度、温和督促与周回顾；"
+        f"{AGENT_NAME}：记作业（科目、内容、截止日）、跟进度、温和督促与周回顾；"
         "支持上传文件/照片后用 file_read 提取正文（文本、PDF、docx、xlsx、图片 OCR）与 json_process 整理；"
         f"默认模型 {PROVIDER}/{MODEL}，单次执行内工具迭代上限 10。"
     )

frontend/src/components/WorkflowEditor/WorkflowEditor.vue

@@ -645,6 +645,25 @@
                 <el-option label="DeepSeek" value="deepseek" />
               </el-select>
             </el-form-item>
+            <el-form-item label="已配置模型">
+              <el-select
+                v-model="selectedNode.data.model_config_id"
+                placeholder="从模型配置中选择（可选）"
+                clearable
+                filterable
+                @change="handleConfiguredModelChange"
+              >
+                <el-option
+                  v-for="cfg in availableConfiguredModels"
+                  :key="cfg.id"
+                  :label="`${cfg.name} (${cfg.provider}/${cfg.model_name})`"
+                  :value="cfg.id"
+                />
+              </el-select>
+              <div style="margin-top: 5px; color: #909399; font-size: 12px;">
+                选择后会回填提供商与模型；保存工作流后，运行时将通过 model_config_id 使用你在「模型配置」中保存的密钥与 API 地址（需与当前 Agent/工作流属主一致）。
+              </div>
+            </el-form-item>
             <el-form-item label="提示词">
               <div class="prompt-input-wrapper" style="position: relative;">
                 <el-input
@@ -764,8 +783,11 @@
                   <el-option label="GPT-4 Turbo" value="gpt-4-turbo-preview" />
                 </template>
                 <template v-else-if="selectedNode.data.provider === 'deepseek'">
-                  <el-option label="DeepSeek Chat" value="deepseek-chat" />
+                  <el-option label="DeepSeek V4 Flash（推荐）" value="deepseek-v4-flash" />
+                  <el-option label="DeepSeek V4 Pro（推荐）" value="deepseek-v4-pro" />
                   <el-option label="DeepSeek Coder" value="deepseek-coder" />
+                  <el-option label="DeepSeek Chat（兼容，计划弃用 2026/07/24）" value="deepseek-chat" />
+                  <el-option label="DeepSeek Reasoner（兼容，计划弃用 2026/07/24）" value="deepseek-reasoner" />
                 </template>
               </el-select>
             </el-form-item>
@@ -827,6 +849,25 @@
                 <el-option label="DeepSeek" value="deepseek" />
               </el-select>
             </el-form-item>
+            <el-form-item label="已配置模型">
+              <el-select
+                v-model="selectedNode.data.model_config_id"
+                placeholder="从模型配置中选择（可选）"
+                clearable
+                filterable
+                @change="handleConfiguredModelChange"
+              >
+                <el-option
+                  v-for="cfg in availableConfiguredModels"
+                  :key="cfg.id"
+                  :label="`${cfg.name} (${cfg.provider}/${cfg.model_name})`"
+                  :value="cfg.id"
+                />
+              </el-select>
+              <div style="margin-top: 5px; color: #909399; font-size: 12px;">
+                选择后会回填提供商与模型；保存工作流后，运行时将通过 model_config_id 使用你在「模型配置」中保存的密钥与 API 地址（需与当前 Agent/工作流属主一致）。
+              </div>
+            </el-form-item>
             <el-form-item label="提示词">
               <el-input
                 v-model="selectedNode.data.prompt"
@@ -846,8 +887,11 @@
                   <el-option label="GPT-4 Turbo" value="gpt-4-turbo-preview" />
                 </template>
                 <template v-else-if="selectedNode.data.provider === 'deepseek'">
-                  <el-option label="DeepSeek Chat" value="deepseek-chat" />
+                  <el-option label="DeepSeek V4 Flash（推荐）" value="deepseek-v4-flash" />
+                  <el-option label="DeepSeek V4 Pro（推荐）" value="deepseek-v4-pro" />
                   <el-option label="DeepSeek Coder" value="deepseek-coder" />
+                  <el-option label="DeepSeek Chat（兼容，计划弃用 2026/07/24）" value="deepseek-chat" />
+                  <el-option label="DeepSeek Reasoner（兼容，计划弃用 2026/07/24）" value="deepseek-reasoner" />
                 </template>
               </el-select>
             </el-form-item>
@@ -2910,6 +2954,14 @@ import { StartNode, LLMNode, ConditionNode, EndNode, DefaultNode } from './NodeT
 import { useCollaboration } from '@/composables/useCollaboration'
 import NodeExecutionDetail from './NodeExecutionDetail.vue'
 
+interface ConfiguredModelItem {
+  id: string
+  name: string
+  provider: string
+  model_name: string
+  base_url?: string
+}
+
 const props = defineProps<{
   workflowId?: string
   agentId?: string
@@ -2986,6 +3038,50 @@ const hasUpstreamNodes = computed(() => {
 // 节点模板相关
 const nodeTemplates = ref<any[]>([])
 const loadingTemplates = ref(false)
+const configuredModels = ref<ConfiguredModelItem[]>([])
+
+const availableConfiguredModels = computed(() => {
+  const p = selectedNode.value?.data?.provider
+  if (!p) return configuredModels.value
+  return configuredModels.value.filter(cfg => cfg.provider === p)
+})
+
+const loadConfiguredModels = async () => {
+  try {
+    const response = await api.get('/api/v1/model-configs', {
+      params: {
+        limit: 100
+      }
+    })
+    configuredModels.value = Array.isArray(response.data) ? response.data : []
+  } catch (error) {
+    console.warn('[WorkflowEditor] 加载模型配置失败:', error)
+    configuredModels.value = []
+  }
+}
+
+const handleConfiguredModelChange = (configId: string) => {
+  if (!selectedNode.value) return
+  if (!configId) return
+  const cfg = configuredModels.value.find(item => item.id === configId)
+  if (!cfg) return
+  selectedNode.value.data.provider = cfg.provider
+  selectedNode.value.data.model = cfg.model_name
+}
+
+watch(
+  () => selectedNode.value?.data?.provider,
+  (newProv) => {
+    const sn = selectedNode.value
+    if (!sn || (sn.type !== 'llm' && sn.type !== 'template')) return
+    const mid = sn.data?.model_config_id as string | undefined
+    if (!mid || !newProv) return
+    const cfg = configuredModels.value.find((c) => c.id === mid)
+    if (cfg && cfg.provider !== newProv) {
+      sn.data.model_config_id = ''
+    }
+  }
+)
 
 // 加载节点模板列表
 const loadNodeTemplates = async () => {
@@ -4538,7 +4634,7 @@ const getScenarios = (nodeType: string) => {
           ],
           config: {
             provider: 'deepseek',
-            model: 'deepseek-chat',
+            model: 'deepseek-v4-flash',
             prompt: '请总结以下内容，100字以内：{{input}}',
             temperature: 0.5,
             max_tokens: 500
@@ -4558,7 +4654,7 @@ const getScenarios = (nodeType: string) => {
           ],
           config: {
             provider: 'deepseek',
-            model: 'deepseek-chat',
+            model: 'deepseek-v4-flash',
             prompt: '请把下列内容翻译成{{target_lang}}：{{input}}',
             temperature: 0.3,
             max_tokens: 1000
@@ -4571,7 +4667,7 @@ const getScenarios = (nodeType: string) => {
           icon: 'DataAnalysis',
           config: {
             provider: 'deepseek',
-            model: 'deepseek-chat',
+            model: 'deepseek-v4-flash',
             prompt: '请从以下文本中提取关键信息，以JSON格式返回：{{input}}',
             temperature: 0.2,
             max_tokens: 1000
@@ -4584,7 +4680,7 @@ const getScenarios = (nodeType: string) => {
           icon: 'Sort',
           config: {
             provider: 'deepseek',
-            model: 'deepseek-chat',
+            model: 'deepseek-v4-flash',
             prompt: '请对以下文本进行分类：{{input}}',
             temperature: 0.1,
             max_tokens: 200
@@ -4701,7 +4797,7 @@ const configTemplates = ref<Array<{
     nodeType: 'llm',
     config: {
       provider: 'deepseek',
-      model: 'deepseek-chat',
+      model: 'deepseek-v4-flash',
       prompt: '请总结以下内容，100字以内：{{input}}',
       temperature: 0.5,
       max_tokens: 500
@@ -4715,7 +4811,7 @@ const configTemplates = ref<Array<{
     nodeType: 'llm',
     config: {
       provider: 'deepseek',
-      model: 'deepseek-chat',
+      model: 'deepseek-v4-flash',
       prompt: '请把下列内容翻译成英文：{{input}}',
       temperature: 0.3,
       max_tokens: 1000
@@ -5138,7 +5234,7 @@ const applyTemplate = () => {
   if (t === 'llm') {
     if (templateSelection.value === 'llm_summary') {
       selectedNode.value.data.provider = selectedNode.value.data.provider || 'deepseek'
-      selectedNode.value.data.model = selectedNode.value.data.model || 'deepseek-chat'
+      selectedNode.value.data.model = selectedNode.value.data.model || 'deepseek-v4-flash'
       selectedNode.value.data.prompt = '请总结以下内容，100字以内：{text}'
       selectedNode.value.data.temperature = 0.5
     } else if (templateSelection.value === 'llm_translate') {
@@ -5218,12 +5314,12 @@ const applyTemplate = () => {
   if (t === 'llm') {
     if (templateSelection.value === 'llm_extract') {
       selectedNode.value.data.provider = selectedNode.value.data.provider || 'deepseek'
-      selectedNode.value.data.model = selectedNode.value.data.model || 'deepseek-chat'
+      selectedNode.value.data.model = selectedNode.value.data.model || 'deepseek-v4-flash'
       selectedNode.value.data.prompt = '请从以下文本中提取关键信息（JSON格式）：{text}'
       selectedNode.value.data.temperature = 0.3
     } else if (templateSelection.value === 'llm_classify') {
       selectedNode.value.data.provider = selectedNode.value.data.provider || 'deepseek'
-      selectedNode.value.data.model = selectedNode.value.data.model || 'deepseek-chat'
+      selectedNode.value.data.model = selectedNode.value.data.model || 'deepseek-v4-flash'
       selectedNode.value.data.prompt = '请将以下内容分类为：正面/中性/负面。内容：{text}'
       selectedNode.value.data.temperature = 0.2
     }
@@ -5431,7 +5527,7 @@ const handleDrop = (event: DragEvent) => {
       // LLM节点默认配置
       ...(isLLMNode && !isTemplateNode ? {
         provider: 'deepseek',
-        model: 'deepseek-chat',
+        model: 'deepseek-v4-flash',
         prompt: '请处理用户请求。',
         temperature: 0.5,
         max_tokens: 1500,
@@ -5441,7 +5537,7 @@ const handleDrop = (event: DragEvent) => {
       // 模板节点默认配置
       ...(isTemplateNode ? {
         provider: 'deepseek',
-        model: 'deepseek-chat',
+        model: 'deepseek-v4-flash',
         prompt: '',
         temperature: 0.7,
         max_tokens: 1500,
@@ -7757,6 +7853,8 @@ onMounted(async () => {
   
   // 加载节点模板列表
   loadNodeTemplates()
+  // 加载模型配置列表（用于LLM节点快速选择已配置模型）
+  loadConfiguredModels()
   // 加载测试用例
   loadTestCases()
   // 加载配置模板

frontend/src/views/ModelConfigs.vue

@@ -108,7 +108,21 @@
           </el-select>
         </el-form-item>
         <el-form-item label="模型名称" prop="model_name">
-          <el-input v-model="form.model_name" placeholder="例如: gpt-3.5-turbo, deepseek-chat" />
+          <el-select
+            v-model="form.model_name"
+            placeholder="选择或输入模型名称"
+            filterable
+            allow-create
+            default-first-option
+            style="width: 100%"
+          >
+            <el-option
+              v-for="name in providerModelOptions"
+              :key="name"
+              :label="name"
+              :value="name"
+            />
+          </el-select>
         </el-form-item>
         <el-form-item label="API密钥" prop="api_key">
           <el-input
@@ -164,7 +178,7 @@
 </template>
 
 <script setup lang="ts">
-import { ref, onMounted } from 'vue'
+import { ref, onMounted, computed } from 'vue'
 import { ElMessage, ElMessageBox } from 'element-plus'
 import MainLayout from '@/components/MainLayout.vue'
 import {
@@ -207,6 +221,20 @@ const testing = ref(false)
 const testResult = ref<any>(null)
 const currentTestConfig = ref<ModelConfig | null>(null)
 
+const providerModelOptions = computed(() => {
+  const provider = form.value.provider
+  if (provider === 'openai') {
+    return ['gpt-4o', 'gpt-4-turbo-preview', 'gpt-4', 'gpt-3.5-turbo']
+  }
+  if (provider === 'deepseek') {
+    return ['deepseek-v4-flash', 'deepseek-v4-pro', 'deepseek-chat', 'deepseek-reasoner', 'deepseek-coder']
+  }
+  if (provider === 'anthropic') {
+    return ['claude-3-5-sonnet-latest', 'claude-3-opus-20240229']
+  }
+  return []
+})
+
 // 表单验证规则
 const rules = {
   name: [

frontend/src/views/NodeTemplates.vue

@@ -337,7 +337,7 @@ const formData = ref({
     description: string
   }>,
   provider: 'deepseek',
-  model: 'deepseek-chat',
+  model: 'deepseek-v4-flash',
   temperature: 0.7,
   max_tokens: 1500,
   is_public: false
@@ -414,7 +414,7 @@ const handleCreate = () => {
     prompt: '',
     variables: [],
     provider: 'deepseek',
-    model: 'deepseek-chat',
+    model: 'deepseek-v4-flash',
     temperature: 0.7,
     max_tokens: 1500,
     is_public: false
@@ -434,7 +434,7 @@ const handleEdit = (row: any) => {
     prompt: row.prompt,
     variables: row.variables ? JSON.parse(JSON.stringify(row.variables)) : [],
     provider: row.provider || 'deepseek',
-    model: row.model || 'deepseek-chat',
+    model: row.model || 'deepseek-v4-flash',
     temperature: parseFloat(row.temperature) || 0.7,
     max_tokens: row.max_tokens || 1500,
     is_public: row.is_public || false