ab1589921a
## 安全修复 (12项) - Webhook接口添加全局Token认证，过滤敏感请求头 - 修复JWT Base64 padding公式，防止签名验证绕过 - 数据库密码/飞书Token从源码移除，改为环境变量 - 工作流引擎添加路径遍历防护 (_resolve_safe_path) - eval()添加模板长度上限检查 - 审批API添加认证依赖 - 前端v-html增强XSS转义，console.log仅开发模式输出 - 500错误不再暴露内部异常详情 ## Agent运行时修复 (7项) - 删除_inject_knowledge_context中未定义db变量的finally块 - 工具执行添加try/except保护，异常不崩溃Agent - LLM重试计入budget计数器 - self_review异常时passed=False - max_iterations截断标记success=False - 工具参数JSON解析失败时记录警告日志 - run()开始时重置_llm_invocations计数器 ## 配置与基础设施 - DEBUG默认False，SQL_ECHO独立配置项 - init_db()补全13个缺失模型导入 - 新增WEBHOOK_AUTH_TOKEN/SQL_ECHO配置项 - 新增.env.example模板文件 ## 前端修复 (12项) - 登录改用URLSearchParams替代FormData - 401拦截器通过Pinia store统一清理状态 - SSE流超时从60s延长至300s - final/error事件时清除streamTimeout - localStorage聊天记录添加24h TTL - safeParseArgCount替代模板中裸JSON.parse - fetchUser 401时同时清除user对象 ## 新增模块 - 知识进化: knowledge_extractor/retriever/tasks - 数字孪生: shadow_executor/comparison模型 - 行为采集: behavior_middleware/collector/fingerprint_engine - 代码审查: code_review_agent/document_review_agent - 反馈学习: feedback_learner - 瓶颈检测/优化引擎/成本估算/需求估算 - 速率限制器 (rate_limiter) - Alembic迁移 015-020 ## 文档 - 商业化落地计划 - 8篇docs文档 (架构/API/部署/开发/贡献等) - Docker Compose生产配置 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
58 lines
2.7 KiB
Python
58 lines
2.7 KiB
Python
"""
|
||
Agent 执行日志模型 — 结构化记录每次 Agent 执行的完整信息
|
||
用于知识自进化系统的数据基础
|
||
"""
|
||
from sqlalchemy import Column, String, Text, Integer, DateTime, JSON, Float, Boolean
|
||
from sqlalchemy.dialects.mysql import CHAR
|
||
from app.core.database import Base
|
||
import uuid
|
||
from datetime import datetime
|
||
|
||
|
||
class AgentExecutionLog(Base):
|
||
"""Agent 每次执行的完整结构化日志"""
|
||
__tablename__ = "agent_execution_logs"
|
||
|
||
id = Column(CHAR(36), primary_key=True, default=lambda: str(uuid.uuid4()), comment="日志ID")
|
||
agent_id = Column(String(36), nullable=True, index=True, comment="Agent ID")
|
||
agent_name = Column(String(200), nullable=True, comment="Agent 名称")
|
||
goal_id = Column(String(36), nullable=True, index=True, comment="关联 Goal ID")
|
||
task_id = Column(String(36), nullable=True, index=True, comment="关联 Task ID")
|
||
user_id = Column(String(36), nullable=True, index=True, comment="用户 ID")
|
||
session_id = Column(String(100), nullable=True, comment="会话标识")
|
||
|
||
# 输入/输出
|
||
input_text = Column(Text, nullable=True, comment="用户输入文本")
|
||
output_text = Column(Text, nullable=True, comment="Agent 输出文本")
|
||
output_truncated = Column(Boolean, default=False, comment="输出是否被截断")
|
||
|
||
# 执行结果
|
||
success = Column(Boolean, default=True, comment="是否成功")
|
||
error_message = Column(Text, nullable=True, comment="错误信息")
|
||
|
||
# 性能指标
|
||
latency_ms = Column(Integer, nullable=True, comment="总耗时(ms)")
|
||
iterations_used = Column(Integer, default=0, comment="ReAct 迭代次数")
|
||
tool_calls_made = Column(Integer, default=0, comment="工具调用总次数")
|
||
|
||
# 结构化明细（JSON）
|
||
tool_chain = Column(JSON, nullable=True, comment="工具调用链: [{tool_name, input, output, duration_ms}]")
|
||
llm_calls = Column(JSON, nullable=True, comment="LLM调用明细: [{model, prompt_tokens, completion_tokens, latency_ms}]")
|
||
steps = Column(JSON, nullable=True, comment="执行步骤详情（精简版）")
|
||
|
||
# 模型信息
|
||
model = Column(String(100), nullable=True, comment="使用的模型")
|
||
provider = Column(String(50), nullable=True, comment="模型提供商")
|
||
|
||
# 用户反馈（后续补充）
|
||
user_rating = Column(Integer, nullable=True, comment="用户评分(1-5)")
|
||
user_feedback = Column(Text, nullable=True, comment="用户反馈文本")
|
||
|
||
# 知识提取标记
|
||
knowledge_extracted = Column(Boolean, default=False, comment="是否已提取知识")
|
||
|
||
created_at = Column(DateTime, default=datetime.now, comment="创建时间")
|
||
|
||
def __repr__(self):
|
||
return f"<AgentExecutionLog(id={self.id}, agent={self.agent_name}, success={self.success})>"
|