处理agent答非所问的问题

测试方案总结.md

@@ -0,0 +1,88 @@
+# 工作流数据流转测试方案总结
+
+## 问题
+工作流能执行完成，但LLM节点输出"答非所问"，可能是数据在节点间传递时被错误处理。
+
+## 快速测试方法
+
+### 方法1: 查看执行日志数据库（最简单）
+
+```bash
+cd /home/renjianbo/aiagent
+python3 check_execution_logs.py
+```
+
+这个脚本会：
+- 自动查找最近的Agent执行记录
+- 显示输入数据和输出数据
+- 显示所有执行日志（按时间顺序）
+- 特别分析LLM节点的输入输出
+
+### 方法2: 运行数据流转测试脚本
+
+```bash
+cd /home/renjianbo/aiagent
+python3 test_workflow_data_flow.py
+```
+
+这个脚本会：
+- 模拟完整的工作流执行
+- 详细记录每个节点的输入输出
+- 特别关注数据格式转换
+
+### 方法3: 查看后端日志
+
+```bash
+# 查看包含[rjb]的调试日志
+docker-compose -f docker-compose.dev.yml logs --tail=500 backend | grep "\[rjb\]" | tail -50
+
+# 或者查看Celery worker的日志
+docker-compose -f docker-compose.dev.yml logs --tail=500 celery | grep "\[rjb\]" | tail -50
+```
+
+## 关键检查点
+
+### 1. 输入数据格式
+**期望**: `{"query": "苹果英语怎么讲?", "USER_INPUT": "苹果英语怎么讲?"}`
+
+**检查**: 在浏览器开发者工具的Network标签中查看 `POST /api/v1/executions` 请求的body
+
+### 2. Start节点输出
+**期望**: 直接返回输入数据，格式不变
+
+**检查**: 查看执行日志中start节点的输出
+
+### 3. LLM节点输入
+**期望**: 从start节点获取，格式为 `{"query": "...", "USER_INPUT": "..."}`
+
+**可能的问题**: 被包装成 `{"input": {"query": "...", "USER_INPUT": "..."}}`
+
+**检查**: 
+- 查看执行日志中LLM节点开始执行时的输入数据
+- 或者运行 `check_execution_logs.py` 查看详细日志
+
+### 4. user_query提取
+**期望**: 能正确提取到 "苹果英语怎么讲?"
+
+**检查**: 查看后端日志中的 `[rjb] 最终提取的user_query` 日志
+
+### 5. Prompt格式化
+**期望**: 如果是通用指令"请处理用户请求。"，应该直接使用user_query作为prompt
+
+**检查**: 查看后端日志中的prompt相关日志
+
+## 预期问题
+
+根据之前的分析，最可能的问题是：
+
+1. **数据被包装**: `get_node_input` 方法可能将数据包装成了 `{"input": {...}}`
+2. **提取逻辑问题**: `user_query` 提取逻辑可能没有正确处理嵌套结构
+3. **Prompt格式化问题**: 即使提取到了 `user_query`，prompt格式化可能没有正确使用
+
+## 修复建议
+
+如果发现数据被包装成 `{"input": {...}}`，我已经在代码中添加了处理逻辑：
+- 在 `get_node_input` 中检查嵌套的 `input` 字段
+- 在 `user_query` 提取时优先从嵌套的 `input` 中提取
+
+如果问题仍然存在，请运行测试脚本并提供输出结果。