From 17ea7fd5f071bd753bde6e491acd1ee2d7abb656 Mon Sep 17 00:00:00 2001 From: JianFeeeee Date: Sun, 13 Sep 2026 16:04:11 +0800 Subject: [PATCH] =?UTF-8?q?fix(prompt):=20=E5=8E=BB=E6=8E=89"=E6=AF=8F?= =?UTF-8?q?=E8=BD=AE=E5=8F=AA=E8=83=BD=E5=8F=91=E4=B8=80=E6=AC=A1=20output?= =?UTF-8?q?=5Fsend"=E7=9A=84=E5=87=AD=E7=A9=BA=E9=99=90=E5=88=B6=EF=BC=9Bt?= =?UTF-8?q?ype=20=E7=BC=BA=E7=9C=81=E5=8D=B3=20text?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 用户现场指出：**qq 插件的输出通道判据太严了**（那条判据在插件侧，已单独修： `output_send__qq` 不再受"当前会话身份"限制）。同时内核提示词里还有一条**同类的凭空限制**： 「每轮对话**通常只需调用一次** output_send__{通道名} 即可完成回复。 仅在内容确实超过单条消息长度上限（如 >4000 字）时才拆分为多条」 可设计上输出是 agent 的**主动调用**：收到一次输入后，可以往**任意（已授权的）通道** 发**任意多次**（分段播报、先回执后结论、同时通知多个通道都合法）。这句话会让模型 自己收起合理的多次输出 —— 而且它不是任何机制的要求，只是当初为压 output-loop 写的 措辞（真正的防环机制是"回执只回 ok、不回传富结果"，那条保留）。 改法： - 提示词改为明确授权：**输出次数与目标通道由你自己决定**，没有「一轮只能发一次」的限制； 只保留两条真话：单条长度上限（超长拆完整段落）、别反复重发**完全相同**的内容。 - `output_send__*` 的 `type` 参数改为**可选**（缺省 text）：判据该拦的是"不知道发什么"， 不是"没写众所周知的默认值"——此前缺 type 会直接失败并让模型重试一次。 判据 3 条（新增 `output_rules_test.go`）：提示词不得含输出次数限制且必须显式授权 / 省略 type 时按 text 发送成功且 schema 的 required 只有 payload / 空 payload 仍被拦。 --- internal/agent/core/output.go | 9 +- internal/agent/core/output_rules_test.go | 100 +++++++++++++++++++++++ internal/agent/core/tooldefs.go | 15 +++- 3 files changed, 118 insertions(+), 6 deletions(-) create mode 100644 internal/agent/core/output_rules_test.go diff --git a/internal/agent/core/output.go b/internal/agent/core/output.go index dfd7f73..1a363e3 100644 --- a/internal/agent/core/output.go +++ b/internal/agent/core/output.go @@ -13,8 +13,13 @@ func (a *Agent) executeOutputSendTool(tc agentAPI.ToolCall) string { channel := strings.TrimPrefix(tc.Name, "output_send__") payload, _ := tc.Arguments["payload"].(string) rawType, _ := tc.Arguments["type"].(string) - if channel == "" || payload == "" || rawType == "" { - return "工具名称格式: output_send__{channel}，payload 和 type 不能为空" + if channel == "" || payload == "" { + return "工具名称格式: output_send__{channel}，payload 不能为空" + } + // type 缺省按 text 处理：绝大多数输出就是文本，让模型为"省略一个默认值"付一次 + // 失败重试没有意义（判据该拦的是"不知道发什么"，不是"没写众所周知的默认值"）。 + if rawType == "" { + rawType = "text" } // 授权闸（纵深防御）：模型可能凭名字直接调未授权的输出门。 if !a.IsOutputAllowed(channel) { diff --git a/internal/agent/core/output_rules_test.go b/internal/agent/core/output_rules_test.go new file mode 100644 index 0000000..6dfeebc --- /dev/null +++ b/internal/agent/core/output_rules_test.go @@ -0,0 +1,100 @@ +package core + +import ( + "strings" + "testing" + + agentAPI "gitcode.com/JianFeeeee/HomeAgent/internal/agent/api" +) + +// 设计口径：输出是 agent 的**主动调用** —— 收到一次输入后，可以往任意（已授权的） +// 通道发**任意多次**（分段播报、先回执后结论、同时通知多个通道都合法）。 +// +// 这条判据钉住的是"提示词里不得出现输出次数限制"。此前 `tooldefs.go` 里写着 +// 「每轮对话通常只需调用一次 output_send__{通道名} 即可完成回复」—— 一条凭空的限制， +// 会让模型自己收起合理的多次输出（用户现场指出）。 +func TestSystemPromptDoesNotRestrictOutputCount(t *testing.T) { + parent, _, _ := newRootForResidents(t) + defer parent.Stop() + + prompt := parent.buildSystemPrompt("", "你好") + banned := []string{ + "只需调用一次", + "只能调用一次", + "通常只需调用", + "不要重复发送", + } + for _, b := range banned { + if strings.Contains(prompt, b) { + t.Fatalf("系统提示词里仍有输出次数限制 %q —— 设计上次数不限", b) + } + } + if !strings.Contains(prompt, "输出次数与目标通道由你自己决定") { + t.Fatal("系统提示词应明确「输出次数与目标通道由你自己决定」") + } + if !strings.Contains(prompt, "没有任何「一轮只能发一次」的限制") { + t.Fatal("系统提示词应显式否认「一轮只能发一次」") + } +} + +// 输出工具的 type 可省略，缺省按 text 处理（判据该拦的是"不知道发什么"， +// 不是"没写众所周知的默认值"）。 +func TestOutputSendTypeDefaultsToText(t *testing.T) { + parent, _, _ := newRootForResidents(t) + defer parent.Stop() + + dev := &outputTestDevice{name: "fakeout"} + if err := parent.io.RegisterDevice(dev); err != nil { + t.Fatal(err) + } + + out := parent.executeOutputSendTool(agentAPI.ToolCall{ + Name: "output_send__fakeout", + Arguments: map[string]interface{}{"payload": "只给 payload，不给 type"}, + }) + if out != "ok" { + t.Fatalf("省略 type 时应默认 text 并发送成功，得到 %q", out) + } + if len(dev.sent) != 1 { + t.Fatalf("通道应收到 1 次输出，得到 %d", len(dev.sent)) + } + if args, _ := dev.sent[0]["args"].(map[string]interface{}); args["type"] != "text" { + t.Fatalf("缺省类型应为 text，实际 %v", args["type"]) + } + + // 工具 schema：required 只应含 payload + var found bool + for _, td := range parent.buildToolDefs() { + entry, _ := td.(map[string]interface{}) + fn, _ := entry["function"].(map[string]interface{}) + if n, _ := fn["name"].(string); n != "output_send__fakeout" { + continue + } + found = true + params, _ := fn["parameters"].(map[string]interface{}) + req, _ := params["required"].([]string) + if len(req) != 1 || req[0] != "payload" { + t.Fatalf("output_send 的 required 应只有 payload，实际 %v", req) + } + } + if !found { + t.Fatal("未生成 output_send__fakeout 工具") + } +} + +// 空 payload 仍应被拦（这条判据是对的：不知道发什么不能放过）。 +func TestOutputSendStillRequiresPayload(t *testing.T) { + parent, _, _ := newRootForResidents(t) + defer parent.Stop() + + if err := parent.io.RegisterDevice(&outputTestDevice{name: "fakeout"}); err != nil { + t.Fatal(err) + } + out := parent.executeOutputSendTool(agentAPI.ToolCall{ + Name: "output_send__fakeout", + Arguments: map[string]interface{}{"type": "text"}, + }) + if !strings.Contains(out, "payload 不能为空") { + t.Fatalf("空 payload 应被拦，得到 %q", out) + } +} diff --git a/internal/agent/core/tooldefs.go b/internal/agent/core/tooldefs.go index 23a87af..4877651 100644 --- a/internal/agent/core/tooldefs.go +++ b/internal/agent/core/tooldefs.go @@ -102,7 +102,14 @@ func (a *Agent) buildSystemPrompt(memContext string, userInput string) string { prompt += "- 同步通道（webui / cli / 终端）：直接返回纯文本，内核会把文本交给等待方显示，无需调用工具。\n" prompt += "- 异步通道（qq / wechat / 群聊等）：返回纯文本**【不会】**自动送达用户，必须调用 output_send__{通道名} 工具（注意 meta 里带上正确的 user_id 或 group_id）才能真正把消息发出去。\n" prompt += "- 不确定当前通道的发送方式时，先用 output_send__{通道名}_help 查看该通道的 meta 格式和 type 枚举，再决定。\n" - prompt += "- 每轮对话**通常只需调用一次** output_send__{通道名} 即可完成回复。仅在内容确实超过单条消息长度上限（如 >4000 字）时才拆分为多条；拆分时每条应是完整段落，不要碎片化。\n" + // ❗这里**不得**限制"一轮只能发一次"。设计上输出是 agent 的**主动调用**： + // 收到一次输入后，可以往**任意（已授权的）通道**发**任意多次**（分段播报、 + // 先回执后结论、同时通知多个通道都合法）。此前这里写着"每轮对话通常只需调用 + // 一次 output_send"——那是一条**凭空的限制**，会让模型自己收起合理的多次输出。 + // 真正需要提醒的只有两件事：单条长度上限（超长拆成完整段落）与"别反复重发 + // 完全相同的内容"（自律，不是判据）。 + prompt += "- **输出次数与目标通道由你自己决定**：一次输入可以对同一通道发多条（先回执后结论、分步播报、分段长文），也可以同时发到多个通道（例如同时通知 webui 与 qq）。**没有任何「一轮只能发一次」的限制。**\n" + prompt += "- 输出时只需注意两点：单条消息的长度上限（超长就拆成完整段落，不要碎片化）；别反复重发**完全相同**的内容（那是浪费，不是限制）。\n" prompt += "- 需要多步执行的长任务：**必须先**向当前对话通道发一条确认消息告诉用户已收到（异步通道用输出门工具，同步通道直接返回文本），**然后再**执行具体排查工具。确认消息不代表任务完成，发出后仍需继续执行实际工具并最终汇报结果。\n" prompt += "- 用户从其他渠道发来「在哪里/怎么样了」这类追问时，先回忆上次任务的通道与上下文，再回同一通道。" @@ -624,7 +631,7 @@ func (a *Agent) buildToolDefs() []interface{} { "type": "function", "function": map[string]interface{}{ "name": "output_send__" + ch.Name, - "description": desc + "。能力: " + capStr + "。payload 为消息载荷，meta 为 JSON 发送元数据，type 为载荷类型。用 _help 查看 meta 格式和 type 枚举。", + "description": desc + "。能力: " + capStr + "。payload 为消息载荷（type 默认 text，可省略），meta 为 JSON 发送元数据。用 _help 查看 meta 格式与 type 枚举。", "parameters": map[string]interface{}{ "type": "object", "properties": map[string]interface{}{ @@ -638,10 +645,10 @@ func (a *Agent) buildToolDefs() []interface{} { }, "type": map[string]interface{}{ "type": "string", - "description": "载荷类型，用 channel._help 查看支持的枚举值", + "description": "载荷类型，默认 text；其它枚举用 channel._help 查看", }, }, - "required": []string{"payload", "type"}, + "required": []string{"payload"}, }, }, })