工作流动画效果

2026-01-19 17:52:29 +08:00
parent 6674060f2f
commit e4aa6cdb79
12 changed files with 2835 additions and 102 deletions
--- a/backend/app/api/agents.py
+++ b/backend/app/api/agents.py
@@ -331,3 +331,69 @@ async def stop_agent(
    
    logger.info(f"用户 {current_user.username} 停止了Agent: {agent.name} ({agent_id})")
    return agent
+
+
+class AgentDuplicateRequest(BaseModel):
+    """Agent复制请求模型"""
+    name: Optional[str] = None  # 如果提供，使用此名称；否则自动生成
+
+
+@router.post("/{agent_id}/duplicate", response_model=AgentResponse, status_code=status.HTTP_201_CREATED)
+async def duplicate_agent(
+    agent_id: str,
+    duplicate_data: Optional[AgentDuplicateRequest] = None,
+    db: Session = Depends(get_db),
+    current_user: User = Depends(get_current_user)
+):
+    """
+    复制Agent
+    
+    创建一个新的Agent副本，包含原Agent的所有配置（工作流、描述等）
+    新Agent的状态为draft，版本号为1
+    """
+    # 获取原Agent
+    original_agent = db.query(Agent).filter(Agent.id == agent_id).first()
+    
+    if not original_agent:
+        raise NotFoundError(f"Agent不存在: {agent_id}")
+    
+    # 检查权限：read权限（需要能读取原Agent才能复制）
+    if not check_agent_permission(db, current_user, original_agent, "read"):
+        raise HTTPException(status_code=403, detail="无权复制此Agent")
+    
+    # 生成新名称
+    if duplicate_data and duplicate_data.name:
+        new_name = duplicate_data.name
+    else:
+        # 自动生成名称：原名称 + " (副本)"
+        base_name = original_agent.name
+        new_name = f"{base_name} (副本)"
+        
+        # 如果名称已存在，添加序号
+        counter = 1
+        while db.query(Agent).filter(
+            Agent.name == new_name,
+            Agent.user_id == current_user.id
+        ).first():
+            counter += 1
+            new_name = f"{base_name} (副本 {counter})"
+    
+    # 深拷贝工作流配置（避免引用问题）
+    import copy
+    new_workflow_config = copy.deepcopy(original_agent.workflow_config)
+    
+    # 创建新Agent
+    new_agent = Agent(
+        name=new_name,
+        description=original_agent.description,
+        workflow_config=new_workflow_config,
+        user_id=current_user.id,
+        status="draft",  # 复制的Agent状态为草稿
+        version=1  # 版本号从1开始
+    )
+    db.add(new_agent)
+    db.commit()
+    db.refresh(new_agent)
+    
+    logger.info(f"用户 {current_user.username} 复制了Agent: {original_agent.name} ({agent_id}) -> {new_agent.name} ({new_agent.id})")
+    return new_agent
--- a/backend/app/services/workflow_engine.py
+++ b/backend/app/services/workflow_engine.py
@@ -6,6 +6,7 @@ import asyncio
 from collections import defaultdict, deque
 import json
 import logging
+import re
 from app.services.llm_service import llm_service
 from app.services.condition_parser import condition_parser
 from app.services.data_transformer import data_transformer
@@ -123,10 +124,89 @@ class WorkflowEngine:
                else:
                    # 否则合并所有输入
                    if isinstance(source_output, dict):
-                        input_data.update(source_output)
+                        # 如果source_output包含output字段，展开它
+                        if 'output' in source_output and isinstance(source_output['output'], dict):
+                            # 将output中的内容展开到顶层
+                            input_data.update(source_output['output'])
+                            # 保留其他字段（如status）
+                            for key, value in source_output.items():
+                                if key != 'output':
+                                    input_data[key] = value
+                        else:
+                            input_data.update(source_output)
                    else:
                        input_data['input'] = source_output
        
+        # 如果input_data中没有query字段，尝试从所有已执行的节点中查找（特别是start节点）
+        if 'query' not in input_data:
+            # 优先查找start节点
+            for node_id_key in ['start-1', 'start']:
+                if node_id_key in node_outputs:
+                    node_output = node_outputs[node_id_key]
+                    if isinstance(node_output, dict):
+                        # 检查顶层字段（因为node_outputs存储的是output字段的内容）
+                        if 'query' in node_output:
+                            input_data['query'] = node_output['query']
+                            logger.debug(f"[rjb] 从节点 {node_id_key} 中获取query: {input_data['query']}")
+                            break
+                        # 检查output字段（兼容性）
+                        elif 'output' in node_output and isinstance(node_output['output'], dict):
+                            if 'query' in node_output['output']:
+                                input_data['query'] = node_output['output']['query']
+                                logger.debug(f"[rjb] 从节点 {node_id_key} 的output中获取query: {input_data['query']}")
+                                break
+            
+            # 如果还没找到，遍历所有节点
+            if 'query' not in input_data:
+                for node_id_key, node_output in node_outputs.items():
+                    if isinstance(node_output, dict):
+                        # 检查顶层字段
+                        if 'query' in node_output:
+                            input_data['query'] = node_output['query']
+                            logger.debug(f"[rjb] 从节点 {node_id_key} 中获取query: {input_data['query']}")
+                            break
+                        # 检查output字段（兼容性）
+                        elif 'output' in node_output and isinstance(node_output['output'], dict):
+                            if 'query' in node_output['output']:
+                                input_data['query'] = node_output['output']['query']
+                                logger.debug(f"[rjb] 从节点 {node_id_key} 的output中获取query: {input_data['query']}")
+                                break
+        
+        # 如果input_data中没有requirement_analysis字段，尝试从所有已执行的节点中查找
+        if 'requirement_analysis' not in input_data:
+            # 优先查找requirement-analysis节点
+            for node_id_key in ['llm-requirement-analysis', 'requirement-analysis']:
+                if node_id_key in node_outputs:
+                    node_output = node_outputs[node_id_key]
+                    if isinstance(node_output, dict):
+                        # 检查顶层字段（因为node_outputs存储的是output字段的内容）
+                        if 'requirement_analysis' in node_output:
+                            input_data['requirement_analysis'] = node_output['requirement_analysis']
+                            logger.debug(f"[rjb] 从节点 {node_id_key} 中获取requirement_analysis")
+                            break
+                        # 检查output字段（兼容性）
+                        elif 'output' in node_output and isinstance(node_output['output'], dict):
+                            if 'requirement_analysis' in node_output['output']:
+                                input_data['requirement_analysis'] = node_output['output']['requirement_analysis']
+                                logger.debug(f"[rjb] 从节点 {node_id_key} 的output中获取requirement_analysis")
+                                break
+            
+            # 如果还没找到，遍历所有节点
+            if 'requirement_analysis' not in input_data:
+                for node_id_key, node_output in node_outputs.items():
+                    if isinstance(node_output, dict):
+                        # 检查顶层字段
+                        if 'requirement_analysis' in node_output:
+                            input_data['requirement_analysis'] = node_output['requirement_analysis']
+                            logger.debug(f"[rjb] 从节点 {node_id_key} 中获取requirement_analysis")
+                            break
+                        # 检查output字段（兼容性）
+                        elif 'output' in node_output and isinstance(node_output['output'], dict):
+                            if 'requirement_analysis' in node_output['output']:
+                                input_data['requirement_analysis'] = node_output['output']['requirement_analysis']
+                                logger.debug(f"[rjb] 从节点 {node_id_key} 的output中获取requirement_analysis")
+                                break
+        
        logger.debug(f"[rjb] 节点输入结果: node_id={node_id}, input_data={input_data}")
        return input_data
    
@@ -344,27 +424,50 @@ class WorkflowEngine:
                try:
                    # 将input_data转换为字符串用于格式化
                    if isinstance(input_data, dict):
-                        # 如果prompt中包含变量，尝试格式化
-                        if '{' in prompt and '}' in prompt:
-                            # 尝试格式化所有input_data中的键
-                            formatted_prompt = prompt
-                            for key, value in input_data.items():
-                                placeholder = f'{{{key}}}'
-                                if placeholder in formatted_prompt:
-                                    formatted_prompt = formatted_prompt.replace(
-                                        placeholder, 
-                                        json_module.dumps(value, ensure_ascii=False) if isinstance(value, (dict, list)) else str(value)
-                                    )
-                            # 如果还有{input}占位符，替换为整个input_data
-                            if '{input}' in formatted_prompt:
+                        # 支持两种格式的变量：{key} 和 {{key}}
+                        formatted_prompt = prompt
+                        has_unfilled_variables = False
+                        
+                        # 首先处理 {{variable}} 格式（模板节点常用）
+                        import re
+                        double_brace_vars = re.findall(r'\{\{(\w+)\}\}', prompt)
+                        for var_name in double_brace_vars:
+                            if var_name in input_data:
+                                # 替换 {{variable}} 为实际值
+                                value = input_data[var_name]
+                                replacement = json_module.dumps(value, ensure_ascii=False) if isinstance(value, (dict, list)) else str(value)
+                                formatted_prompt = formatted_prompt.replace(f'{{{{{var_name}}}}}', replacement)
+                            else:
+                                has_unfilled_variables = True
+                        
+                        # 然后处理 {key} 格式
+                        for key, value in input_data.items():
+                            placeholder = f'{{{key}}}'
+                            if placeholder in formatted_prompt:
                                formatted_prompt = formatted_prompt.replace(
-                                    '{input}',
-                                    json_module.dumps(input_data, ensure_ascii=False)
+                                    placeholder, 
+                                    json_module.dumps(value, ensure_ascii=False) if isinstance(value, (dict, list)) else str(value)
                                )
-                            prompt = formatted_prompt
-                        else:
-                            # 如果没有占位符，将input_data作为JSON附加到prompt
-                            prompt = f"{prompt}\n\n输入数据：\n{json_module.dumps(input_data, ensure_ascii=False)}"
+                        
+                        # 如果还有{input}占位符，替换为整个input_data
+                        if '{input}' in formatted_prompt:
+                            formatted_prompt = formatted_prompt.replace(
+                                '{input}',
+                                json_module.dumps(input_data, ensure_ascii=False)
+                            )
+                        
+                        # 如果仍有未填充的变量（{{variable}}格式），将用户输入作为上下文附加
+                        if has_unfilled_variables or re.search(r'\{\{(\w+)\}\}', formatted_prompt):
+                            # 提取用户的实际查询内容
+                            user_query = input_data.get('query', input_data.get('input', input_data.get('text', '')))
+                            if not user_query and isinstance(input_data, dict):
+                                # 如果没有明确的query字段，尝试从整个input_data中提取文本内容
+                                user_query = json_module.dumps(input_data, ensure_ascii=False)
+                            
+                            if user_query:
+                                formatted_prompt = f"{formatted_prompt}\n\n用户需求：{user_query}\n\n请根据以上用户需求，忽略未填充的变量占位符（如{{{{variable}}}}），直接基于用户需求来完成任务。"
+                        
+                        prompt = formatted_prompt
                    else:
                        # 如果input_data不是dict，直接转换为字符串
                        if '{input}' in prompt:
@@ -373,6 +476,7 @@ class WorkflowEngine:
                            prompt = f"{prompt}\n\n输入：{str(input_data)}"
                except Exception as e:
                    # 格式化失败，使用原始prompt和input_data
+                    logger.warning(f"[rjb] Prompt格式化失败: {str(e)}")
                    try:
                        prompt = f"{prompt}\n\n输入数据：\n{json_module.dumps(input_data, ensure_ascii=False)}"
                    except:
@@ -381,8 +485,27 @@ class WorkflowEngine:
                # 获取LLM配置
                provider = node_data.get('provider', 'openai')
                model = node_data.get('model', 'gpt-3.5-turbo')
-                temperature = node_data.get('temperature', 0.7)
-                max_tokens = node_data.get('max_tokens')
+                # 确保temperature是浮点数（节点模板中可能是字符串）
+                temperature_raw = node_data.get('temperature', 0.7)
+                if isinstance(temperature_raw, str):
+                    try:
+                        temperature = float(temperature_raw)
+                    except (ValueError, TypeError):
+                        temperature = 0.7
+                else:
+                    temperature = float(temperature_raw) if temperature_raw is not None else 0.7
+                # 确保max_tokens是整数（节点模板中可能是字符串）
+                max_tokens_raw = node_data.get('max_tokens')
+                if max_tokens_raw is not None:
+                    if isinstance(max_tokens_raw, str):
+                        try:
+                            max_tokens = int(max_tokens_raw)
+                        except (ValueError, TypeError):
+                            max_tokens = None
+                    else:
+                        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
@@ -461,13 +584,68 @@ class WorkflowEngine:
                mode = node_data.get('mode', 'mapping')
                
                try:
-                    result = data_transformer.transform_data(
-                        input_data=input_data,
-                        mapping=mapping,
-                        filter_rules=filter_rules,
-                        compute_rules=compute_rules,
-                        mode=mode
-                    )
+                    # 处理mapping中的{{variable}}格式，从input_data中提取值
+                    # 首先，如果input_data包含output字段，需要展开它
+                    expanded_input = input_data.copy()
+                    if 'output' in input_data and isinstance(input_data['output'], dict):
+                        # 将output中的内容展开到顶层，但保留output字段
+                        expanded_input.update(input_data['output'])
+                    
+                    processed_mapping = {}
+                    import re
+                    for target_key, source_expr in mapping.items():
+                        if isinstance(source_expr, str):
+                            # 支持{{variable}}格式
+                            double_brace_vars = re.findall(r'\{\{(\w+)\}\}', source_expr)
+                            if double_brace_vars:
+                                # 从expanded_input中获取变量值
+                                var_value = None
+                                for var_name in double_brace_vars:
+                                    # 尝试从expanded_input中获取，支持嵌套路径
+                                    var_value = self._get_nested_value(expanded_input, var_name)
+                                    if var_value is not None:
+                                        break
+                                
+                                if var_value is not None:
+                                    # 如果只有一个变量，直接使用值；否则替换表达式
+                                    if len(double_brace_vars) == 1:
+                                        processed_mapping[target_key] = var_value
+                                    else:
+                                        # 多个变量，替换表达式
+                                        processed_expr = source_expr
+                                        for var_name in double_brace_vars:
+                                            var_val = self._get_nested_value(expanded_input, var_name)
+                                            if var_val is not None:
+                                                replacement = json_module.dumps(var_val, ensure_ascii=False) if isinstance(var_val, (dict, list)) else str(var_val)
+                                                processed_expr = processed_expr.replace(f'{{{{{var_name}}}}}', replacement)
+                                        processed_mapping[target_key] = processed_expr
+                                else:
+                                    # 变量不存在，保持原表达式
+                                    processed_mapping[target_key] = source_expr
+                            else:
+                                # 不是{{variable}}格式，直接使用
+                                processed_mapping[target_key] = source_expr
+                        else:
+                            # 不是字符串，直接使用
+                            processed_mapping[target_key] = source_expr
+                    
+                    # 如果mode是merge，需要合并所有输入数据
+                    if mode == 'merge':
+                        # 合并所有上游节点的输出（使用展开后的数据）
+                        result = expanded_input.copy()
+                        # 添加mapping的结果
+                        for key, value in processed_mapping.items():
+                            result[key] = value
+                    else:
+                        # 使用处理后的mapping进行转换（使用展开后的数据）
+                        result = data_transformer.transform_data(
+                            input_data=expanded_input,
+                            mapping=processed_mapping,
+                            filter_rules=filter_rules,
+                            compute_rules=compute_rules,
+                            mode=mode
+                        )
+                    
                    exec_result = {'output': result, 'status': 'success'}
                    if self.logger:
                        duration = int((time.time() - start_time) * 1000)
@@ -477,6 +655,7 @@ class WorkflowEngine:
                    if self.logger:
                        duration = int((time.time() - start_time) * 1000)
                        self.logger.log_node_error(node_id, node_type, e, duration)
+                    logger.error(f"[rjb] Transform节点执行失败: {str(e)}", exc_info=True)
                    return {
                        'output': None,
                        'status': 'failed',
@@ -1430,45 +1609,120 @@ class WorkflowEngine:
            
            elif node_type == 'output' or node_type == 'end':
                # 输出节点：返回最终结果
-                # 对于人机交互场景，End节点应该返回纯文本字符串，而不是JSON
-                logger.debug(f"[rjb] End节点处理: node_id={node_id}, input_data={input_data}, input_data type={type(input_data)}")
+                # 读取节点配置中的输出格式设置
+                node_data = node.get('data', {})
+                output_format = node_data.get('output_format', 'text')  # 默认纯文本
+                
+                logger.debug(f"[rjb] End节点处理: node_id={node_id}, output_format={output_format}, input_data={input_data}, input_data type={type(input_data)}")
                final_output = input_data
                
-                # 递归解包，提取实际的文本内容
-                if isinstance(input_data, dict):
-                    # 如果只有一个 key 且是 'input'，提取其值
-                    if len(input_data) == 1 and 'input' in input_data:
-                        final_output = input_data['input']
-                        logger.debug(f"[rjb] End节点提取第一层: final_output={final_output}, type={type(final_output)}")
-                        # 如果提取的值仍然是字典且只有一个 'input' key，继续提取
-                        if isinstance(final_output, dict) and len(final_output) == 1 and 'input' in final_output:
-                            final_output = final_output['input']
-                            logger.debug(f"[rjb] End节点提取第二层: final_output={final_output}, type={type(final_output)}")
-                
-                # 确保最终输出是字符串（对于人机交互场景）
-                # 如果是字典，尝试转换为字符串；如果是其他类型，也转换为字符串
-                if not isinstance(final_output, str):
-                    if isinstance(final_output, dict):
-                        # 如果是字典，尝试提取文本内容或转换为JSON字符串
-                        # 优先查找常见的文本字段
-                        if 'text' in final_output:
-                            final_output = str(final_output['text'])
-                        elif 'content' in final_output:
-                            final_output = str(final_output['content'])
-                        elif 'message' in final_output:
-                            final_output = str(final_output['message'])
-                        elif 'response' in final_output:
-                            final_output = str(final_output['response'])
-                        elif len(final_output) == 1:
-                            # 如果只有一个key，直接使用其值
-                            final_output = str(list(final_output.values())[0])
-                        else:
-                            # 否则转换为JSON字符串
-                            final_output = json_module.dumps(final_output, ensure_ascii=False)
+                # 如果配置为JSON格式，直接返回原始数据（或格式化的JSON）
+                if output_format == 'json':
+                    # 如果是字典，直接返回JSON格式
+                    if isinstance(input_data, dict):
+                        final_output = json_module.dumps(input_data, ensure_ascii=False, indent=2)
+                    elif isinstance(input_data, str):
+                        # 尝试解析为JSON，如果成功则格式化，否则直接返回
+                        try:
+                            parsed = json_module.loads(input_data)
+                            final_output = json_module.dumps(parsed, ensure_ascii=False, indent=2)
+                        except:
+                            final_output = input_data
                    else:
-                        final_output = str(final_output)
+                        final_output = json_module.dumps({'output': input_data}, ensure_ascii=False, indent=2)
+                else:
+                    # 默认纯文本格式：递归解包，提取实际的文本内容
+                    if isinstance(input_data, dict):
+                        # 优先提取 'output' 字段（LLM节点的标准输出格式）
+                        if 'output' in input_data and isinstance(input_data['output'], str):
+                            final_output = input_data['output']
+                        # 如果只有一个 key 且是 'input'，提取其值
+                        elif len(input_data) == 1 and 'input' in input_data:
+                            final_output = input_data['input']
+                        # 如果包含 'solution' 字段，提取其值
+                        elif 'solution' in input_data and isinstance(input_data['solution'], str):
+                            final_output = input_data['solution']
+                        # 如果input_data是字符串类型的字典（JSON字符串），尝试解析
+                        elif isinstance(input_data, str):
+                            try:
+                                parsed = json_module.loads(input_data)
+                                if isinstance(parsed, dict) and 'output' in parsed:
+                                    final_output = parsed['output']
+                                elif isinstance(parsed, str):
+                                    final_output = parsed
+                            except:
+                                final_output = input_data
+                            logger.debug(f"[rjb] End节点提取第一层: final_output={final_output}, type={type(final_output)}")
+                            # 如果提取的值仍然是字典且只有一个 'input' key，继续提取
+                            if isinstance(final_output, dict) and len(final_output) == 1 and 'input' in final_output:
+                                final_output = final_output['input']
+                                logger.debug(f"[rjb] End节点提取第二层: final_output={final_output}, type={type(final_output)}")
+                    
+                    # 确保最终输出是字符串（对于人机交互场景）
+                    # 如果是字典，尝试转换为字符串；如果是其他类型，也转换为字符串
+                    if not isinstance(final_output, str):
+                        if isinstance(final_output, dict):
+                            # 如果是字典，尝试提取文本内容或转换为JSON字符串
+                            # 优先查找常见的文本字段
+                            if 'text' in final_output:
+                                final_output = str(final_output['text'])
+                            elif 'content' in final_output:
+                                final_output = str(final_output['content'])
+                            elif 'message' in final_output:
+                                final_output = str(final_output['message'])
+                            elif 'response' in final_output:
+                                final_output = str(final_output['response'])
+                            elif len(final_output) == 1:
+                                # 如果只有一个key，直接使用其值
+                                final_output = str(list(final_output.values())[0])
+                            else:
+                                # 否则转换为纯文本（不是JSON）
+                                # 尝试提取所有文本字段并组合，但排除系统字段
+                                text_parts = []
+                                exclude_keys = {'status', 'error', 'timestamp', 'node_id', 'execution_time'}
+                                for key, value in final_output.items():
+                                    if key in exclude_keys:
+                                        continue
+                                    if isinstance(value, str) and value.strip():
+                                        # 如果值本身已经包含 "key: " 格式，直接使用
+                                        if value.strip().startswith(f"{key}:"):
+                                            text_parts.append(value.strip())
+                                        else:
+                                            text_parts.append(value.strip())
+                                    elif isinstance(value, (int, float, bool)):
+                                        text_parts.append(f"{key}: {value}")
+                                if text_parts:
+                                    final_output = "\n".join(text_parts)
+                                else:
+                                    final_output = str(final_output)
+                        else:
+                            final_output = str(final_output)
+                    
+                    # 清理输出文本：移除常见的字段前缀（如 "input: ", "query: " 等）
+                    if isinstance(final_output, str):
+                        import re
+                        # 移除行首的 "input: ", "query: ", "output: " 等前缀
+                        lines = final_output.split('\n')
+                        cleaned_lines = []
+                        for line in lines:
+                            # 匹配行首的 "字段名: " 格式并移除
+                            # 但保留内容本身
+                            line = re.sub(r'^(input|query|output|result|response|message|content|text):\s*', '', line, flags=re.IGNORECASE)
+                            if line.strip():  # 只保留非空行
+                                cleaned_lines.append(line)
+                        
+                        # 如果清理后还有内容，使用清理后的版本
+                        if cleaned_lines:
+                            final_output = '\n'.join(cleaned_lines)
+                        # 如果清理后为空，使用原始输出（避免丢失所有内容）
+                        elif final_output.strip():
+                            # 如果原始输出不为空，但清理后为空，说明可能格式特殊，尝试更宽松的清理
+                            # 只移除明显的 "input: " 和 "query: " 前缀，保留其他内容
+                            final_output = re.sub(r'^(input|query):\s*', '', final_output, flags=re.IGNORECASE | re.MULTILINE)
+                            if not final_output.strip():
+                                final_output = str(input_data)  # 如果还是空，使用原始输入
                
-                logger.debug(f"[rjb] End节点最终输出: final_output={final_output}, type={type(final_output)}")
+                logger.debug(f"[rjb] End节点最终输出: output_format={output_format}, final_output={final_output[:100] if isinstance(final_output, str) else type(final_output)}")
                result = {'output': final_output, 'status': 'success'}
                if self.logger:
                    duration = int((time.time() - start_time) * 1000)