diff --git a/.kiro/skills/ai-metrics-report/SKILL.md b/.kiro/skills/ai-metrics-report/SKILL.md deleted file mode 100644 index fcd27af..0000000 --- a/.kiro/skills/ai-metrics-report/SKILL.md +++ /dev/null @@ -1,92 +0,0 @@ ---- -Name: ai-metrics-report -Description: 基于现有监控与分析模块，生成一份最近一段时间的 AI 成功率、错误率与 Token 成本的综合报告，用于评估 TSP 智能助手的整体表现。 ---- - -你是一个「AI 指标报告助手」，技能名为 **ai-metrics-report**。 - -你的职责：当用户希望了解一段时间内 AI 助手的表现（成功率、错误率、响应时间、Token 成本等）时，自动调用配套脚本，基于现有监控与分析模块，生成一份面向运营/技术同学都能看懂的综合报告。 - ---- - -## 一、触发条件（什么时候使用 ai-metrics-report） - -当用户有类似需求时，应激活本 Skill，例如： - -- 「帮我出一份最近 7 天 AI 调用表现的报告」 -- 「看一下最近 AI 的成功率和错误率」 -- 「近一周 Token 消耗和成本情况如何」 -- 「AI 现在效果怎么样，有没有明显波动」 - ---- - -## 二、总体流程 - -1. 从项目根目录执行脚本 `scripts/ai_metrics_report.py`； -2. 读取脚本输出的结构化指标数据（JSON 或结构化文本）； -3. 将关键指标用自然语言转述，并做简要分析（例如是否达标、是否有波动）； -4. 如发现明显异常（高错误率 / 成本突增 / 成功率显著下降），给出 1～3 条排查或优化建议。 - ---- - -## 三、脚本调用规范 - -从项目根目录执行命令（可传入天数参数，默认 7 天）： - -```bash -python .claude/skills/ai-metrics-report/scripts/ai_metrics_report.py --days 7 -``` - -脚本行为约定： - -- 尝试复用现有模块： - - `src.analytics.ai_success_monitor.AISuccessMonitor`（如提供聚合接口则优先使用）； - - `src.analytics.token_monitor.TokenMonitor.get_system_token_stats(days=...)`。 -- 至少输出以下信息（以 JSON 或清晰的文本格式打印到 stdout）： - - 时间范围（例如「最近 7 天」） - - 会话类指标： - - 总调用次数、成功调用次数、失败调用次数 - - 成功率、平均响应时间 - - Token/成本指标： - - 总 Token 数 - - 总成本 - - 按模型维度的请求数占比（如 `qwen-plus-latest` 等） - - 简单趋势： - - 按天的调用次数与成本（可选） - -你需要： - -1. 运行脚本并捕获输出； -2. 解析其中关键字段； -3. 用 5～10 句中文自然语言，对用户生成一份「运营视角」的口头报告。 - ---- - -## 四、对用户的输出规范 - -当成功执行 `ai-metrics-report` 时，应返回如下结构的信息： - -1. **时间范围与总体结论** - - 例如：「最近 7 天，AI 总调用 1234 次，成功率约 96%，整体表现稳定。」 -2. **关键指标分项** - - 成功率 / 错误率、平均响应时间； - - 总 Token 使用量与总成本； - - 主力模型（如 `qwen-plus-latest`）的占比； -3. **趋势与风险提醒** - - 若发现某几天错误率或成本异常升高，应指出并提醒。 -4. **建议（可选）** - - 如「可以考虑优化 prompt 降低平均 Token」「错误集中在某业务接口，建议重点排查」等。 - -避免： - -- 直接把原始 JSON 或 Python repr 整段贴给用户； -- 输出过多技术细节，优先用业务/运营语言阐述。 - ---- - -## 五、反模式与边界 - -- 如脚本运行失败，应告诉用户「ai-metrics-report 脚本运行失败」，简要给出错误原因； -- 不要直接访问数据库执行复杂 SQL，优先复用已有封装好的监控/统计接口； -- 不要修改任何生产配置或监控阈值，仅进行只读分析和报告。 - diff --git a/.kiro/skills/ai-metrics-report/scripts/ai_metrics_report.py b/.kiro/skills/ai-metrics-report/scripts/ai_metrics_report.py deleted file mode 100644 index 4395ce1..0000000 --- a/.kiro/skills/ai-metrics-report/scripts/ai_metrics_report.py +++ /dev/null @@ -1,86 +0,0 @@ -#!/usr/bin/env python -# -*- coding: utf-8 -*- -""" -AI 指标报告脚本 - -聚合最近一段时间的 AI 使用与成本指标，供 ai-metrics-report Skill 调用。 -当前版本主要复用 TokenMonitor 的系统统计能力。 -""" - -import argparse -import sys -from pathlib import Path - - -def add_project_root_to_path(): - # 假定脚本位于 .claude/skills/ai-metrics-report/scripts/ 下 - script_path = Path(__file__).resolve() - project_root = script_path.parents[4] - if str(project_root) not in sys.path: - sys.path.insert(0, str(project_root)) - - -def main(): - parser = argparse.ArgumentParser(description="Generate AI metrics report.") - parser.add_argument( - "--days", - type=int, - default=7, - help="Number of days to include in the report (default: 7).", - ) - args = parser.parse_args() - - add_project_root_to_path() - - from src.analytics.token_monitor import TokenMonitor - - monitor = TokenMonitor() - stats = monitor.get_system_token_stats(days=args.days) or {} - - print(f"=== AI 指标报告（最近 {args.days} 天） ===\n") - - total_tokens = stats.get("total_tokens", 0) - total_cost = stats.get("total_cost", 0.0) - total_requests = stats.get("total_requests", 0) - successful_requests = stats.get("successful_requests", 0) - failed_requests = stats.get("failed_requests", 0) - success_rate = stats.get("success_rate", 0) - - print("整体概览：") - print(f" 总请求数 : {total_requests}") - print(f" 成功请求数 : {successful_requests}") - print(f" 失败请求数 : {failed_requests}") - print(f" 成功率 : {success_rate:.2%}" if total_requests else " 成功率 : N/A") - print(f" 总 Token 数量 : {total_tokens}") - print(f" 总成本（估算） : {total_cost:.4f} 元") - print() - - # 模型使用分布 - model_usage = stats.get("model_usage", {}) - if model_usage: - print("按模型维度的请求分布：") - for model_name, count in model_usage.items(): - pct = (count / total_requests) * 100 if total_requests else 0 - print(f" - {model_name}: {count} 次 ({pct:.1f}%)") - print() - - # 按日期的成本趋势（如有） - daily_usage = stats.get("daily_usage", {}) - if daily_usage: - print("按日期的 Token 与成本（近几天）：") - # daily_usage: {date_str: {"tokens": ..., "cost": ...}} - for date_str in sorted(daily_usage.keys()): - day_data = daily_usage[date_str] - tokens = day_data.get("tokens", 0) - cost = day_data.get("cost", 0.0) - print(f" {date_str}: tokens={tokens}, cost={cost:.4f} 元") - print() - - print("提示：") - print(" - 成本与成功率仅基于 TokenMonitor 收集的调用记录进行估算；") - print(" - 如需更细粒度的会话质量指标，可结合 analytics 模块或自定义报表。") - - -if __name__ == "__main__": - main() - diff --git a/.kiro/skills/config-audit/SKILL.md b/.kiro/skills/config-audit/SKILL.md deleted file mode 100644 index a207314..0000000 --- a/.kiro/skills/config-audit/SKILL.md +++ /dev/null @@ -1,82 +0,0 @@ ---- -Name: config-audit -Description: 检查 TSP 智能助手当前环境配置是否完整可用，包括数据库、LLM、服务端口等关键配置，并输出人类可读的健康检查报告。 ---- - -你是一个「配置健康检查助手」，技能名为 **config-audit**。 - -你的职责：在用户想确认当前环境配置是否正确、是否缺少关键变量或错误端口时，调用配套脚本，基于 `src/config/unified_config.py` 与 `.env`/环境变量，输出清晰的配置健康检查报告。 - ---- - -## 一、触发条件（什么时候使用 config-audit） - -当用户有类似需求时，应激活本 Skill，例如： - -- 「帮我检查一下配置有没有问题」 -- 「现在这个环境的数据库/LLM 配置正常吗」 -- 「我改了 .env，帮我看下有没有缺的」 -- 「启动报配置错误，帮我检查 config」 - ---- - -## 二、总体流程 - -1. 从项目根目录执行脚本 `scripts/config_audit.py`。 -2. 读取并理解输出的检查结果（包括成功与警告/错误）。 -3. 将关键结论用自然语言总结给用户，并提出简单修复建议。 -4. 避免泄露敏感值（如完整 URL、API Key），仅报告是否存在与格式是否看起来合理。 - ---- - -## 三、脚本调用规范 - -从项目根目录执行命令： - -```bash -python .claude/skills/config-audit/scripts/config_audit.py -``` - -脚本行为约定： - -- 尝试导入 `src.config.unified_config.get_config`。 -- 调用 `get_config()`： - - 若成功，说明必需的配置大体齐全； - - 若抛出异常（如缺少 `DATABASE_URL`），捕获异常并报告。 -- 对关键配置字段进行检查（不打印敏感具体值）： - - 数据库：是否配置 `DATABASE_URL`，能否看起来是有效的 URL。 - - LLM：`LLM_API_KEY` 是否存在，`LLM_PROVIDER` / `LLM_MODEL` 是否有值。 - - 服务：`SERVER_PORT`、`WEBSOCKET_PORT` 是否在合理范围（例如 1–65535），是否冲突。 - - 飞书与 AI 准确率配置：如有配置则检查字段完整性，如未配置则给出提示。 -- 最终打印一份「健康检查报告」，按模块（database / llm / server / feishu / ai_accuracy）分段展示。 - ---- - -## 四、对用户的输出规范 - -当成功执行 `config-audit` 时，你应该向用户返回类似结构的信息： - -1. **总体结论**（一句话） - - 例如：「当前环境配置基本健康，仅存在 LLM API Key 未配置的警告。」 -2. **按模块总结** - - 数据库配置：是否存在、看起来是否合理（不展示完整 URL）。 - - LLM 配置：是否配置了 provider/model/key，未配置时的影响。 - - 服务端口：当前 HTTP/WebSocket 端口及是否在合理范围。 - - 其他模块（飞书、AI 准确率）：若有明显问题则简要说明。 -3. **建议** - - 对每个有问题的模块，给出 1～2 条修改 `.env` 或环境变量的建议。 - -避免： - -- 直接打印完整的敏感信息（如 `DATABASE_URL`、`LLM_API_KEY` 值）； -- 输出过多的 Python Traceback，优先用自然语言解释。 - ---- - -## 五、反模式与边界 - -- 如导入 `src.config.unified_config` 失败，或脚本无法运行： - - 明确告诉用户「config-audit 脚本运行失败」，并简述原因。 -- 不要修改 `.env` 或环境变量，仅进行只读检查和报告。 -- 避免主观猜测真实密码/API Key 内容，只报告「存在 / 缺失 / 格式异常」。 - diff --git a/.kiro/skills/config-audit/scripts/config_audit.py b/.kiro/skills/config-audit/scripts/config_audit.py deleted file mode 100644 index 5831521..0000000 --- a/.kiro/skills/config-audit/scripts/config_audit.py +++ /dev/null @@ -1,127 +0,0 @@ -#!/usr/bin/env python -# -*- coding: utf-8 -*- -""" -配置健康检查脚本 - -基于 src.config.unified_config 对当前环境配置进行简单体检， -输出人类可读的检查结果，供 config-audit Skill 调用。 -""" - -import os -import sys -from pathlib import Path - - -def add_project_root_to_path(): - # 假定脚本位于 .claude/skills/config-audit/scripts/ 下 - script_path = Path(__file__).resolve() - project_root = script_path.parents[4] # 回到项目根目录 - if str(project_root) not in sys.path: - sys.path.insert(0, str(project_root)) - - -def main(): - add_project_root_to_path() - - print("=== TSP Assistant 配置健康检查 ===\n") - - try: - from src.config.unified_config import get_config - except Exception as e: - print("[FATAL] 无法导入 src.config.unified_config.get_config：") - print(f" 错误：{e}") - print("\n请检查 Python 路径与项目结构。") - return - - try: - cfg = get_config() - except Exception as e: - print("[FATAL] get_config() 调用失败，可能缺少关键环境变量：") - print(f" 错误：{e}") - print("\n请检查 .env / 环境变量是否包含 DATABASE_URL 等必需项。") - return - - problems = [] - - # Database - print("---- 数据库配置 (database) ----") - db_url = os.getenv("DATABASE_URL", "") - if not db_url: - print(" [ERROR] 未设置 DATABASE_URL，无法连接数据库。") - problems.append("缺少 DATABASE_URL") - else: - # 不打印完整 URL，只提示前缀 - prefix = db_url.split("://")[0] if "://" in db_url else "未知协议" - print(f" [OK] 已配置 DATABASE_URL（协议前缀：{prefix}://...）") - - # LLM - print("\n---- LLM 配置 (llm) ----") - llm_api_key = os.getenv("LLM_API_KEY", "") - if not llm_api_key: - print(" [WARN] 未设置 LLM_API_KEY，AI 功能可能不可用或调用失败。") - problems.append("缺少 LLM_API_KEY") - else: - print(" [OK] 已配置 LLM_API_KEY（具体值已隐藏）。") - - provider = os.getenv("LLM_PROVIDER", cfg.llm.provider if hasattr(cfg, "llm") else "") - model = os.getenv("LLM_MODEL", cfg.llm.model if hasattr(cfg, "llm") else "") - print(f" Provider: {provider or '未配置'}") - print(f" Model : {model or '未配置'}") - - # Server - print("\n---- 服务配置 (server) ----") - try: - port = int(os.getenv("SERVER_PORT", cfg.server.port)) - ws_port = int(os.getenv("WEBSOCKET_PORT", cfg.server.websocket_port)) - except Exception: - port = cfg.server.port - ws_port = cfg.server.websocket_port - - def _check_port(p: int, name: str): - if not (1 <= p <= 65535): - problems.append(f"{name} 端口不在 1-65535 范围内") - return f"[ERROR] {name} 端口 {p} 非法（应在 1-65535 范围内）。" - return f"[OK] {name} 端口：{p}" - - print(" " + _check_port(port, "HTTP")) - print(" " + _check_port(ws_port, "WebSocket")) - - # Feishu - print("\n---- 飞书配置 (feishu) ----") - feishu_app_id = os.getenv("FEISHU_APP_ID", "") - feishu_app_secret = os.getenv("FEISHU_APP_SECRET", "") - if feishu_app_id and feishu_app_secret: - print(" [OK] 已配置 FEISHU_APP_ID / FEISHU_APP_SECRET。") - elif feishu_app_id and not feishu_app_secret: - print(" [WARN] 已配置 FEISHU_APP_ID，但缺少 FEISHU_APP_SECRET。") - problems.append("飞书配置不完整：缺少 FEISHU_APP_SECRET") - else: - print(" [INFO] 未配置飞书相关信息（如不使用飞书集成可忽略）。") - - # AI Accuracy - print("\n---- AI 准确率配置 (ai_accuracy) ----") - # 使用 cfg.ai_accuracy 中的默认或 env 覆盖值 - try: - aa = cfg.ai_accuracy - print( - f" auto_approve_threshold: {aa.auto_approve_threshold}, " - f"manual_review_threshold: {aa.manual_review_threshold}" - ) - except Exception: - print(" [INFO] 无法读取 AI 准确率配置，使用默认值。") - - # 总结 - print("\n=== 检查总结 ===") - if not problems: - print(" [OK] 当前配置整体健康，未发现明显问题。") - else: - print(" 以下问题需要关注：") - for p in problems: - print(f" - {p}") - - print("\n 建议：根据提示检查 .env 或部署环境变量，并重新运行 config-audit 以确认问题是否已解决。") - - -if __name__ == "__main__": - main() - diff --git a/.kiro/skills/gitupdate/SKILL.md b/.kiro/skills/gitupdate/SKILL.md deleted file mode 100644 index 50ddf7e..0000000 --- a/.kiro/skills/gitupdate/SKILL.md +++ /dev/null @@ -1,241 +0,0 @@ ---- -Name: gitupdate -Description: 在对代码仓库进行较大范围修改后，自动检测变更范围，执行 git add / commit / push，并向用户汇报本次提交的摘要和推送结果。 ---- - -你是一个「自动 Git 提交与推送助手」，技能名为 **gitupdate**。 - -你的职责：在对项目进行 **较大范围代码变更** 后，**自动** 将变更提交到 Git 仓库并推送远程，减少人工操作，同时保证安全、可追踪。 - ---- - -## 一、触发条件（什么时候激活 gitupdate） - -当本次会话中，你对代码做了满足以下任一条件的修改时，应自动考虑激活本 Skill： - -- 修改的文件数 **≥ 3**，或 -- 单个文件改动行数 **≥ 50 行**，或 -- 用户在对话中明确表达「这次改动比较大」「重构」「重写某个模块」「请帮我一起提交」「记得帮我提交 git」等需求。 - -如果改动很小（例如只改一两个小 bug、几行配置），可以不自动提交，除非用户明确要求你提交。 - ---- - -## 二、总体流程 - -激活 `gitupdate` 后，严格按以下顺序执行： - -1. 确认当前目录为 Git 仓库 -2. 查看并总结本次变更内容 -3. 可选：运行测试（如果存在测试命令） -4. 将变更加入暂存区（git add） -5. 自动生成规范化的 commit message -6. 执行 git commit -7. 检测并执行 git push -8. 向用户汇报结果（简短、清晰） - -每一步都需要有清晰的异常处理与用户反馈。 - ---- - -## 三、详细步骤与命令规范 - -### 1. 确认当前目录为 Git 仓库 - -- 执行命令： - -```bash -git rev-parse --is-inside-work-tree -``` - -- 若返回非 0，或输出不是 `true`： - - 向用户说明：「当前目录不是 Git 仓库，gitupdate 自动提交流程已跳过」。 - - 立即终止本 Skill 后续步骤。 - ---- - -### 2. 查看并总结变更 - -- 执行： - -```bash -git status -git diff -git diff --cached || true -``` - -- 阅读差异内容，尝试用 **1～3 句话** 总结本次变更，例如： - - 「重构了配置模块，迁移到 unified_config」 - - 「新增 AI 调用监控（ai_success_monitor / token_monitor）」 - - 「修复对话历史中的 Redis 缓存逻辑」 - -- 该总结将用于后续生成 commit message。 - -如果 `git status` 显示没有任何变更（工作区干净），则： - -- 告诉用户「当前没有可提交的变更」， -- 不再进行后续步骤。 - ---- - -### 3. 可选：运行测试（若存在） - -按以下优先级尝试检测和运行测试命令（存在就执行，不存在就跳过）： - -1. `pytest` -2. `python -m pytest` -3. `npm test` / `pnpm test` / `yarn test` - -执行规则： - -- 若测试命令存在且 **执行成功（退出码 0）**： - - 记录「测试通过」的结论，稍后在汇报中说明。 -- 若测试失败： - - 读取关键错误输出的一小段（不要整屏复制）， - - 明确告诉用户：「测试失败，本次 gitupdate 自动提交已取消，请先修复问题」， - - **停止执行 git add / commit / push**，终止本 Skill。 - ---- - -### 4. 将修改加入暂存区 - -默认策略： - -```bash -git add -A -``` - -例外情况： - -- 如果用户在会话中明确说「不要提交某些文件 / 目录」，则： - - 改用精确路径，例如： - -```bash -git add src/ config/ README.md -``` - - - 确保不将用户明确排除的文件加入暂存区。 - -如 `git add` 报错（权限或路径问题），向用户说明并终止本 Skill。 - ---- - -### 5. 自动生成规范化 Commit Message - -Commit message 必须遵循以下规则： - -- 使用常见前缀之一（推荐英文小写）： - - `feat:` 新功能或较大功能增强 - - `fix:` 明确的 bug 修复 - - `refactor:` 重构（无新功能、无 bug 修复） - - `chore:` 配置、脚本、小改动或文档调整 -- 后面跟一句简短说明，**聚焦“做了什么/为什么”**，避免塞入实现细节。 -- 尽量使用英文，必要时可使用中英混合，但保持清晰。 - -示例： - -- `feat: add ai success monitoring dashboards` -- `refactor: migrate legacy Config to unified_config` -- `fix: handle missing redis connection in system optimizer` -- `chore: update logging to per-startup folders` - -生成逻辑建议： - -1. 先根据变更总结判断改动类型（新增功能 / 重构 / 修 bug / 配置调整）。 -2. 再提取 1~2 个关键模块或文件名，概括在短语中。 - ---- - -### 6. 执行 Commit - -- 执行命令示例： - -```bash -git commit -m "<自动生成的 commit message>" -``` - -- 如果 commit 失败： - - 若提示「nothing to commit, working tree clean」： - - 说明当前没有实际变更，不再继续 push。 - - 向用户简单说明「没有可提交的变更」。 - - 若因 hook 失败： - - 将 hook 的关键错误信息简要反馈给用户， - - 不要反复重试或绕过 hook（除非用户明确要求）。 - ---- - -### 7. 推送到远程仓库 - -1. 检查当前分支及是否有 upstream： - -```bash -git status -sb -``` - -2. 若当前分支 **尚无 upstream**（初次推送）： - -```bash -git push -u origin HEAD -``` - -3. 若已存在 upstream： - -```bash -git push -``` - -4. 如果 push 失败： - -- 分析错误类型（如权限不足 / 需要登录 / 需要先 pull / 网络错误等）， -- 向用户用自然语言说明原因， -- 不要自动执行 `git pull --rebase` 或 `git push --force` 等危险操作，除非用户在对话中有明确授权。 - ---- - -## 四、安全与边界条件 - -在任何情况下，必须遵守以下规则： - -- **禁止** 使用以下命令，除非用户显式、清晰地要求（并且复述确认）： - - `git push --force` - - `git push --force-with-lease` - - 任何会重写公共历史的操作（如 `git rebase -i`）。 -- 不要修改全局 Git 配置，例如： - - `git config --global ...` -- 避免提交明显敏感文件： - - 如 `.env`、包含 `secret` / `password` / `token` 等关键词的配置文件。 - - 若用户坚持要求提交敏感文件，应先发出风险提示再执行。 -- 如 `git status` 显示仓库干净，**不要创建空 commit**，简单提示「无变更，不需要提交」。 - ---- - -## 五、对用户的输出格式要求 - -每次成功执行 `gitupdate` 后，向用户返回一个简洁的小节，包含： - -1. **提交概览**（一句话）： - - 例如：「已提交并推送本次大改：重构配置系统并新增 AI 监控模块。」 -2. **commit message**： - - 原样展示一次，例如： - `commit: refactor: migrate legacy Config to unified_config` -3. **分支与远程信息**： - - 例如：「当前分支：\`main\`，已推送到 \`origin/main\`。」 -4. **测试情况（若有执行）**： - - 例如：「pytest 已通过」或「未检测到测试命令，未执行自动测试」。 - -避免： - -- 粘贴大段 diff 或完整日志； -- 输出过多与用户无关的 Git 内部细节。 - ---- - -## 六、反模式（应避免的做法） - -- 为了“干净”而强制 push 覆盖远程历史。 -- 未经用户允许自动创建新分支或修改远程分支结构。 -- 在测试失败或仓库状态异常时仍然继续执行 commit / push。 -- 提交前后不向用户交代任何信息，让用户不知道发生了什么。 - -严格遵守以上规范，以确保 `gitupdate` 自动提交既省心又安全。 - diff --git a/.kiro/skills/http-error-analyzer/SKILL.md b/.kiro/skills/http-error-analyzer/SKILL.md deleted file mode 100644 index 8e1178b..0000000 --- a/.kiro/skills/http-error-analyzer/SKILL.md +++ /dev/null @@ -1,85 +0,0 @@ ---- -Name: http-error-analyzer -Description: 当日志中出现 4xx/5xx HTTP 错误（如 404、500）时，自动提取相关日志上下文，并分析可能的原因与影响范围，给出排查建议。 ---- - -你是一个「HTTP 报错分析助手」，技能名为 **http-error-analyzer**。 - -你的职责：当系统日志中出现 404、500 等 HTTP 错误时，调用配套脚本，提取这些错误日志的上下文，分析可能的根因（路由/权限/参数/后端异常等），并给出清晰可执行的排查建议。 - ---- - -## 一、触发条件（什么时候使用 http-error-analyzer） - -在以下场景中，应考虑激活本 Skill： - -- 用户直接给出日志片段，包含 `404` / `500` / `502` / `503` 等状态码，并询问「为什么」； -- 用户提到「某个页面/接口 404/500」并附带或引用了日志文件； -- 你通过其他 Skill（例如 `log-summary`）发现最近 4xx/5xx 错误明显增多，需要进一步排查。 - ---- - -## 二、总体流程 - -1. 从项目根目录执行脚本 `scripts/analyze_http_errors.py`； -2. 读取脚本输出的错误汇总与示例上下文； -3. 结合项目结构与路由、后端模块划分，推断每类错误的可能成因； -4. 向用户输出简明的「错误分类 → 可能原因 → 建议排查路径」列表。 - ---- - -## 三、脚本调用规范 - -从项目根目录执行命令： - -```bash -python .claude/skills/http-error-analyzer/scripts/analyze_http_errors.py -``` - -脚本行为约定： - -- 扫描 `logs/` 目录下最近若干个 `dashboard.log`（与 `log-summary` 类似，只读）； -- 匹配常见 HTTP 错误状态码：`404`、`500`、`502`、`503` 等； -- 对每种状态码统计出现次数，并从每类中抽取若干代表性日志行（包含 URL/方法/错误信息等）； -- 打印类似如下结构的文本到 stdout： - - - 每个状态码一段： - - 状态码 + 次数 - - 若干示例行（截断到合理长度，避免过长） - -你需要： - -1. 运行脚本并捕获输出； -2. 判断 4xx 与 5xx 错误主要集中在哪些 URL / 接口； -3. 根据日志中的路径、报错栈信息等，推理可能的成因。 - ---- - -## 四、对用户的输出规范 - -当成功执行 `http-error-analyzer` 时，你应该向用户返回包括以下内容的简要报告： - -1. **错误分布概览** - - 例如：「最近 5 个日志文件中，404 共 32 次，500 共 5 次。」 -2. **按错误类型的分析** - - 对每种状态码（如 404、500），用 1～3 句话说明： - - 主要集中在哪些 URL 或模块（如 `/knowledge/...`、`/api/workorders/...`）； - - 可能原因（如路由未配置、静态资源路径错误、模板缺失、后端异常、数据库错误等）。 -3. **具体排查建议** - - 比如： - - 404：检查对应 Blueprint/路由是否注册、前端跳转 URL 是否正确、静态资源路径是否匹配 Nginx 配置； - - 500：查看对应视图函数/接口的 Python 代码与 Traceback，重点排查数据库访问/配置读取/第三方服务调用。 - -避免： - -- 一股脑贴出整段日志，只需引用少量代表性行做说明； -- 在没有足够信息的情况下，过度肯定某个具体根因；应以「可能是」「优先排查方向」来表述。 - ---- - -## 五、反模式与边界 - -- 本 Skill 只做分析与建议，不修改任何代码或配置；如需改动，应由用户确认后再进行； -- 若日志中没有任何 4xx/5xx 错误，应明确告知用户「未发现相关 HTTP 错误」，而不是强行分析； -- 如脚本运行失败（路径不对/权限问题等），应提示用户修复后再重试。 - diff --git a/.kiro/skills/http-error-analyzer/scripts/analyze_http_errors.py b/.kiro/skills/http-error-analyzer/scripts/analyze_http_errors.py deleted file mode 100644 index d02d146..0000000 --- a/.kiro/skills/http-error-analyzer/scripts/analyze_http_errors.py +++ /dev/null @@ -1,129 +0,0 @@ -#!/usr/bin/env python -# -*- coding: utf-8 -*- -""" -HTTP 错误日志分析脚本 - -扫描 logs/*/dashboard.log，统计常见 4xx/5xx HTTP 状态码（如 404/500）， -并输出按状态码分组的出现次数与若干示例行，供 http-error-analyzer Skill 使用。 -""" - -import os -import re -from pathlib import Path -from typing import Dict, List, Tuple - - -LOG_ROOT = Path("logs") -LOG_FILENAME = "dashboard.log" -MAX_FILES = 5 # 最多分析最近 N 个日志文件 - -# 简单匹配常见 HTTP 错误码；根据你实际日志格式可以再调整 -ERROR_CODES = [404, 500, 502, 503] -CODE_PATTERNS: Dict[int, re.Pattern] = { - code: re.compile(rf"\b{code}\b") for code in ERROR_CODES -} - - -def find_log_files() -> List[Path]: - if not LOG_ROOT.exists(): - return [] - - candidates: List[Tuple[float, Path]] = [] - for root, dirs, files in os.walk(LOG_ROOT): - if LOG_FILENAME in files: - p = Path(root) / LOG_FILENAME - try: - mtime = p.stat().st_mtime - except OSError: - continue - candidates.append((mtime, p)) - - candidates.sort(key=lambda x: x[0], reverse=True) - return [p for _, p in candidates[:MAX_FILES]] - - -def analyze_file(path: Path): - """ - 返回: - counts: {status_code: 次数} - samples: {status_code: [示例行1, 示例行2, ...]} - """ - counts: Dict[int, int] = {code: 0 for code in ERROR_CODES} - samples: Dict[int, List[str]] = {code: [] for code in ERROR_CODES} - - try: - with path.open("r", encoding="utf-8", errors="ignore") as f: - for line in f: - for code, pattern in CODE_PATTERNS.items(): - if pattern.search(line): - counts[code] += 1 - # 只收集每个状态码前若干条示例 - if len(samples[code]) < 5: - samples[code].append(line.strip()[:300]) - break - except OSError as e: - print(f"[!] 读取日志失败 {path}: {e}") - return None - - return counts, samples - - -def main(): - log_files = find_log_files() - if not log_files: - print("未找到任何日志文件（logs/*/dashboard.log）。") - return - - overall_counts: Dict[int, int] = {code: 0 for code in ERROR_CODES} - overall_samples: Dict[int, List[str]] = {code: [] for code in ERROR_CODES} - - print(f"=== HTTP 错误日志分析（最近最多 {MAX_FILES} 个日志文件）===\n") - - for idx, path in enumerate(log_files, start=1): - print(f"[{idx}] 日志文件: {path}") - result = analyze_file(path) - if result is None: - print(" 无法读取该日志文件。\n") - continue - - counts, samples = result - any_error = any(counts[code] > 0 for code in ERROR_CODES) - - if not any_error: - print(" 未发现 404/500/502/503 等 HTTP 错误。") - print() - continue - - for code in ERROR_CODES: - c = counts[code] - if c == 0: - continue - overall_counts[code] += c - overall_samples[code].extend(samples[code]) - print(f" 状态码 {code}: {c} 次") - if samples[code]: - print(" 示例：") - for line in samples[code]: - print(f" {line}") - - print() - - print("=== 汇总统计 ===") - any_overall = any(overall_counts[code] > 0 for code in ERROR_CODES) - if not any_overall: - print(" 未在最近的日志文件中发现任何配置的 HTTP 错误状态码。") - return - - for code in ERROR_CODES: - c = overall_counts[code] - if c == 0: - continue - print(f" 状态码 {code}: {c} 次") - - print("\n提示：以上为按状态码汇总的次数与部分示例行，") - print("你可以结合 URL 路径、接口名称、堆栈片段来推断可能的路由配置问题、权限问题或后端异常。") - - -if __name__ == "__main__": - main() - diff --git a/.kiro/skills/kb-audit/SKILL.md b/.kiro/skills/kb-audit/SKILL.md deleted file mode 100644 index ef418c2..0000000 --- a/.kiro/skills/kb-audit/SKILL.md +++ /dev/null @@ -1,84 +0,0 @@ ---- -Name: kb-audit -Description: 对知识库条目进行体检，找出命中率低、置信度低或长期未更新的知识点，并给出优化建议，帮助持续提升 TSP 智能助手的知识质量。 ---- - -你是一个「知识库健康检查与优化助手」，技能名为 **kb-audit**。 - -你的职责：当用户希望检查知识库质量、找出需要优化或归档的知识条目时，调用配套脚本，对当前知识库进行体检，输出一份可执行的优化清单。 - ---- - -## 一、触发条件（什么时候使用 kb-audit） - -当用户有类似需求时，应激活本 Skill，例如： - -- 「帮我看看知识库有没有陈旧/低质量内容」 -- 「哪些知识点命中率低需要优化」 -- 「清理一下长期不用的知识条目」 -- 「做一次知识库体检，看看哪里要改」 - ---- - -## 二、总体流程 - -1. 从项目根目录执行脚本 `scripts/kb_audit.py`； -2. 脚本从数据库中读取 `KnowledgeEntry` 相关字段（如 `confidence_score`、`usage_count`、`updated_at` 等），做简单统计与筛选； -3. 你读取脚本输出，提炼出「高风险/待优化」的知识条目特征和数量； -4. 为用户形成简明的优化建议与优先级排序。 - ---- - -## 三、脚本调用规范 - -从项目根目录执行命令： - -```bash -python .claude/skills/kb-audit/scripts/kb_audit.py -``` - -脚本行为约定： - -- 通过 `db_manager.get_session()` 访问数据库，查询 `KnowledgeEntry` 表； -- 至少统计以下内容并打印为清晰的文本： - - 知识库总条目数； - - 置信度较低的条目数量（例如 `confidence_score < 0.7`）； - - 使用次数为 0 或极低（例如 `< 3`）的条目数量； - - 长期未更新的条目数量（例如 `updated_at` 距今超过 90 天）； - - 可列出若干代表性条目的 ID / 标题摘要（不要打印完整答案内容）。 -- 脚本不做任何写操作，只读。 - -你需要： - -1. 运行脚本并捕获输出； -2. 根据统计结果，概括知识库当前健康状况（良好 / 一般 / 需要重点治理）； -3. 给出 3～5 条具体的优化建议，如「优先补充高频问题的答案」「合并重复知识点」等。 - ---- - -## 四、对用户的输出规范 - -当成功执行 `kb-audit` 时，应向用户返回包括以下内容的简要报告： - -1. **总体健康度**（一句话） - - 例如：「当前知识库共 500 条，其中约 15% 条目置信度偏低，10% 长期未更新。」 -2. **问题概览** - - 低置信度条目大致数量与比例； - - 使用次数很少的条目数量与可能的原因； - - 长期未更新条目的数量。 -3. **优化建议** - - 分点列出建议（如按优先级：先处理高频但低置信度的条目）。 - -避免： - -- 直接打印或暴露完整的知识答案内容（可能包含敏感信息）； -- 输出过长的 SQL 或技术细节，优先用运营视角解释。 - ---- - -## 五、反模式与边界 - -- 脚本仅做只读操作，**禁止** 修改或删除知识库条目； -- 如数据库连接失败，应提示用户先确认数据库配置与网络，再重试； -- 不要根据少量样本过度推断整体质量，尽量使用统计结果支撑你的结论。 - diff --git a/.kiro/skills/kb-audit/scripts/kb_audit.py b/.kiro/skills/kb-audit/scripts/kb_audit.py deleted file mode 100644 index 66651d2..0000000 --- a/.kiro/skills/kb-audit/scripts/kb_audit.py +++ /dev/null @@ -1,89 +0,0 @@ -#!/usr/bin/env python -# -*- coding: utf-8 -*- -""" -知识库体检脚本 - -对 KnowledgeEntry 做简单统计，供 kb-audit Skill 调用。 -""" - -import sys -from datetime import datetime, timedelta -from pathlib import Path - - -def add_project_root_to_path(): - # 假定脚本位于 .claude/skills/kb-audit/scripts/ 下 - script_path = Path(__file__).resolve() - project_root = script_path.parents[4] - if str(project_root) not in sys.path: - sys.path.insert(0, str(project_root)) - - -def main(): - add_project_root_to_path() - - from src.core.database import db_manager - from src.core.models import KnowledgeEntry - - print("=== 知识库健康检查 ===\n") - - with db_manager.get_session() as session: - total = session.query(KnowledgeEntry).count() - print(f"知识条目总数: {total}") - - # 低置信度（<0.7） - low_conf = ( - session.query(KnowledgeEntry) - .filter(KnowledgeEntry.confidence_score.isnot(None)) - .filter(KnowledgeEntry.confidence_score < 0.7) - .count() - ) - print(f"低置信度条目数 (confidence_score < 0.7): {low_conf}") - - # 使用次数极低（usage_count < 3 或为 NULL） - low_usage = ( - session.query(KnowledgeEntry) - .filter( - (KnowledgeEntry.usage_count.is_(None)) - | (KnowledgeEntry.usage_count < 3) - ) - .count() - ) - print(f"使用次数极低条目数 (usage_count < 3 或空): {low_usage}") - - # 长期未更新（> 90 天） - cutoff = datetime.now() - timedelta(days=90) - old_entries = ( - session.query(KnowledgeEntry) - .filter( - (KnowledgeEntry.updated_at.isnot(None)) - & (KnowledgeEntry.updated_at < cutoff) - ) - .count() - ) - print(f"长期未更新条目数 (updated_at > 90 天未更新): {old_entries}") - - print("\n示例问题条目（不含完整答案，仅展示前若干个）：") - sample_entries = ( - session.query(KnowledgeEntry) - .order_by(KnowledgeEntry.created_at.desc()) - .limit(5) - .all() - ) - for e in sample_entries: - q_preview = (e.question or "")[:40] - print( - f" ID={e.id}, category={e.category}, " - f"confidence={e.confidence_score}, usage={e.usage_count}, " - f"Q='{q_preview}...'" - ) - - print("\n提示：") - print(" - 建议优先审查低置信度且 usage_count 较高的条目；") - print(" - 对长期未更新且 usage_count 较高的条目，可考虑人工复查内容是否过时；") - print(" - 对 usage_count 极低且从未触发的条目，可考虑合并或归档。") - - -if __name__ == "__main__": - main() - diff --git a/.kiro/skills/log-summary/SKILL.md b/.kiro/skills/log-summary/SKILL.md deleted file mode 100644 index f07847a..0000000 --- a/.kiro/skills/log-summary/SKILL.md +++ /dev/null @@ -1,86 +0,0 @@ ---- -Name: log-summary -Description: 汇总并分析 TSP 智能助手日志中的 ERROR 与 WARNING，输出最近一次启动以来的错误概览和统计，帮助快速诊断问题。 ---- - -你是一个「日志错误汇总与分析助手」，技能名为 **log-summary**。 - -你的职责：在用户希望快速了解最近一次或最近几次运行的错误情况时，调用配套脚本，汇总 `logs/` 目录下各启动时间子目录中的日志文件，统计 ERROR / WARNING / CRITICAL，并输出简明的错误概览与分布情况。 - ---- - -## 一、触发条件（什么时候使用 log-summary） - -当用户有类似需求时，应激活本 Skill，例如： - -- 「帮我看看最近运行有没有错误」 -- 「总结一下最近日志里的报错」 -- 「分析 logs 下面的错误情况」 -- 「最近系统老出问题，帮我看看日志」 - ---- - -## 二、总体流程 - -1. 调用脚本 `scripts/log_summary.py`，从项目根目录执行。 -2. 读取输出并用自然语言向用户转述关键发现。 -3. 对明显频繁的错误类型，给出简单的排查建议。 -4. 输出时保持简洁，避免粘贴大段原始日志。 - ---- - -## 三、脚本调用规范 - -从项目根目录（包含 `start_dashboard.py` 的目录）执行命令： - -```bash -python .claude/skills/log-summary/scripts/log_summary.py -``` - -脚本行为约定： - -- 自动遍历 `logs/` 目录下所有子目录（例如 `logs/2026-02-10_23-51-10/dashboard.log`）。 -- 默认分析最近 N（例如 5）个按时间排序的日志文件，统计： - - 每个文件中的 ERROR / WARNING / CRITICAL 行数 - - 按「错误消息前缀」聚类的 Top N 频率最高错误 -- 将结果以结构化的文本形式打印到标准输出。 - -你需要： - -1. 运行脚本并捕获输出； -2. 读懂其中的统计数据与 Top 错误信息； -3. 用 3～8 句中文自然语言，对用户进行总结说明。 - ---- - -## 四、对用户的输出规范 - -当成功执行 `log-summary` 时，你应该向用户返回类似结构的信息： - -1. **总体健康度**（一句话） - - 例如：「最近 3 次启动中共记录 2 条 ERROR、5 条 WARNING，整体较为稳定。」 -2. **每次启动的错误统计**（列表形式） - - 对应每个日志文件（按时间），简要说明： - - 启动时间（从路径或日志中推断） - - ERROR / WARNING / CRITICAL 数量 -3. **Top 错误类型** - - 例如：「最频繁的错误是 `No module named 'src.config.config'`，共出现 4 次。」 -4. **简单建议（可选）** - - 对明显重复的错误给出 1～3 条排查/优化建议。 - -避免： - -- 直接原样复制整段日志； -- 输出过长的技术细节堆栈，优先摘要。 - ---- - -## 五、反模式与边界 - -- 如果 `logs/` 目录不存在或没有任何日志文件： - - 明确告诉用户当前没有可分析的日志，而不是编造结果。 -- 若脚本执行失败（例如 Python 错误、路径错误）： - - 简要粘贴一小段错误信息，说明「log-summary 脚本运行失败」， - - 不要尝试自己扫描所有日志文件（除非用户另外要求）。 -- 不要擅自删除或修改日志文件。 - diff --git a/.kiro/skills/log-summary/scripts/log_summary.py b/.kiro/skills/log-summary/scripts/log_summary.py deleted file mode 100644 index a82a677..0000000 --- a/.kiro/skills/log-summary/scripts/log_summary.py +++ /dev/null @@ -1,115 +0,0 @@ -#!/usr/bin/env python -# -*- coding: utf-8 -*- -""" -简单日志汇总脚本 - -遍历 logs/ 目录下最近的若干个 dashboard.log 文件，统计 ERROR / WARNING / CRITICAL， -并输出简要汇总信息，供 log-summary Skill 调用。 -""" - -import os -import re -from pathlib import Path -from typing import List, Tuple - - -LOG_ROOT = Path("logs") -LOG_FILENAME = "dashboard.log" -MAX_FILES = 5 # 最多分析最近 N 个日志文件 - - -LEVEL_PATTERNS = { - "ERROR": re.compile(r"\bERROR\b"), - "WARNING": re.compile(r"\bWARNING\b"), - "CRITICAL": re.compile(r"\bCRITICAL\b"), -} - - -def find_log_files() -> List[Path]: - if not LOG_ROOT.exists(): - return [] - - candidates: List[Tuple[float, Path]] = [] - for root, dirs, files in os.walk(LOG_ROOT): - if LOG_FILENAME in files: - p = Path(root) / LOG_FILENAME - try: - mtime = p.stat().st_mtime - except OSError: - continue - candidates.append((mtime, p)) - - # 按修改时间从新到旧排序 - candidates.sort(key=lambda x: x[0], reverse=True) - return [p for _, p in candidates[:MAX_FILES]] - - -def summarize_file(path: Path): - counts = {level: 0 for level in LEVEL_PATTERNS.keys()} - top_messages = {} - - try: - with path.open("r", encoding="utf-8", errors="ignore") as f: - for line in f: - for level, pattern in LEVEL_PATTERNS.items(): - if pattern.search(line): - counts[level] += 1 - # 取日志消息部分做前缀（粗略） - msg = line.strip() - # 截断以防过长 - msg = msg[:200] - top_messages[msg] = top_messages.get(msg, 0) + 1 - break - except OSError as e: - print(f"[!] 读取日志失败 {path}: {e}") - return None - - # 取 Top 5 - top_list = sorted(top_messages.items(), key=lambda x: x[1], reverse=True)[:5] - return counts, top_list - - -def main(): - log_files = find_log_files() - if not log_files: - print("未找到任何日志文件（logs/*/dashboard.log）。") - return - - print(f"共找到 {len(log_files)} 个最近的日志文件（最多 {MAX_FILES} 个）：\n") - - overall = {level: 0 for level in LEVEL_PATTERNS.keys()} - - for idx, path in enumerate(log_files, start=1): - print(f"[{idx}] 日志文件: {path}") - result = summarize_file(path) - if result is None: - print(" 无法读取该日志文件。\n") - continue - - counts, top_list = result - for level, c in counts.items(): - overall[level] += c - print( - " 级别统计: " - + ", ".join(f"{lvl}={counts[lvl]}" for lvl in LEVEL_PATTERNS.keys()) - ) - - if top_list: - print(" Top 错误/警告消息：") - for msg, n in top_list: - print(f" [{n}次] {msg}") - else: - print(" 未发现 ERROR/WARNING/CRITICAL 级别日志。") - - print() - - print("总体统计：") - print( - " " - + ", ".join(f"{lvl}={overall[lvl]}" for lvl in LEVEL_PATTERNS.keys()) - ) - - -if __name__ == "__main__": - main() - diff --git a/data/system_settings.json b/data/system_settings.json index 2dc37a4..c1e46f2 100644 --- a/data/system_settings.json +++ b/data/system_settings.json @@ -1,16 +1,37 @@ { - "api_timeout": 30, - "max_history": 10, - "refresh_interval": 10, - "auto_monitoring": true, "agent_mode": true, - "api_provider": "openai", "api_base_url": "", "api_key": "", + "api_provider": "openai", + "api_timeout": 30, + "auto_monitoring": true, + "cpu_usage_percent": 0, + "current_server_port": 5000, + "current_websocket_port": 8765, + "log_level": "INFO", + "max_history": 10, + "memory_usage_percent": 70.9, + "model_max_tokens": 1000, "model_name": "qwen-turbo", "model_temperature": 0.7, - "model_max_tokens": 1000, + "refresh_interval": 10, "server_port": 5000, + "uptime_seconds": 0, "websocket_port": 8765, - "log_level": "INFO" + "modules": { + "dashboard": true, + "chat": true, + "knowledge": true, + "workorders": true, + "conversation-history": true, + "alerts": true, + "feishu-sync": true, + "agent": false, + "token-monitor": true, + "ai-monitor": true, + "analytics": true, + "system-optimizer": true, + "settings": true, + "tenant-management": true + } } \ No newline at end of file diff --git a/data/tsp_assistant.db b/data/tsp_assistant.db index 2a20173..839ae19 100644 Binary files a/data/tsp_assistant.db and b/data/tsp_assistant.db differ diff --git a/src/integrations/feishu_client.py b/src/integrations/feishu_client.py index 079762a..6404af9 100644 --- a/src/integrations/feishu_client.py +++ b/src/integrations/feishu_client.py @@ -82,11 +82,11 @@ class FeishuClient: kwargs['headers'] = headers try: - logger.info(f"发送飞书API请求: {method} {url}") - logger.info(f"请求头: Authorization: Bearer {token[:20]}...") + logger.debug(f"飞书API请求: {method} {url}") + logger.debug(f"请求头: Authorization: Bearer {token[:20]}...") response = requests.request(method, url, timeout=30, **kwargs) - logger.info(f"飞书API响应状态码: {response.status_code}") + logger.debug(f"飞书API响应状态码: {response.status_code}") # 处理403权限错误 if response.status_code == 403: @@ -100,7 +100,7 @@ class FeishuClient: response.raise_for_status() result = response.json() - logger.info(f"飞书API响应内容: {result}") + logger.debug(f"飞书API响应内容: {str(result)[:200]}") return result except Exception as e: logger.error(f"飞书API请求失败: {e}") diff --git a/src/integrations/flexible_field_mapper.py b/src/integrations/flexible_field_mapper.py index 6bb3c8a..4729e9b 100644 --- a/src/integrations/flexible_field_mapper.py +++ b/src/integrations/flexible_field_mapper.py @@ -418,7 +418,7 @@ class FlexibleFieldMapper: 'mapping_details': {} } - logger.info(f"开始转换字段: {list(feishu_fields.keys())}") + logger.debug(f"开始转换字段: {list(feishu_fields.keys())}") for feishu_field, value in feishu_fields.items(): local_field = self.map_field(feishu_field) @@ -431,7 +431,7 @@ class FlexibleFieldMapper: 'mapped': True, 'value': value } - logger.info(f"映射字段 {feishu_field} -> {local_field}: {value}") + logger.debug(f"映射字段 {feishu_field} -> {local_field}: {str(value)[:50]}") else: conversion_stats['unmapped_fields'].append(feishu_field) conversion_stats['mapping_details'][feishu_field] = { @@ -441,7 +441,7 @@ class FlexibleFieldMapper: } logger.info(f"飞书字段 {feishu_field} 不存在于数据中") - logger.info(f"字段转换完成: 已映射 {conversion_stats['mapped_fields']}, " + logger.debug(f"字段转换完成: 已映射 {conversion_stats['mapped_fields']}, " f"未映射 {len(conversion_stats['unmapped_fields'])}") return local_data, conversion_stats diff --git a/src/integrations/workorder_sync.py b/src/integrations/workorder_sync.py index 3c49a1c..6f70a23 100644 --- a/src/integrations/workorder_sync.py +++ b/src/integrations/workorder_sync.py @@ -310,21 +310,21 @@ class WorkOrderSyncService: local_data = self._convert_feishu_to_local(fields) local_data["feishu_record_id"] = record_id - existing_workorder = self._find_existing_workorder(record_id) + existing_order_id = self._find_existing_workorder(record_id) - if existing_workorder: + if existing_order_id: return { "success": False, - "message": f"工单已存在: {existing_workorder.order_id}" + "message": f"工单已存在: {existing_order_id}" } workorder = self._create_workorder(local_data) return { "success": True, - "message": f"工单创建成功: {local_data.get('order_id')}", - "workorder_id": workorder.id, - "order_id": local_data.get('order_id') + "message": f"工单创建成功: {workorder.get('order_id')}", + "workorder_id": workorder.get('id'), + "order_id": workorder.get('order_id') } except Exception as e: @@ -334,45 +334,35 @@ class WorkOrderSyncService: "message": f"创建工单失败: {str(e)}" } - def _find_existing_workorder(self, feishu_record_id: str) -> Optional[WorkOrder]: - """查找已存在的工单""" + def _find_existing_workorder(self, feishu_record_id: str) -> Optional[str]: + """查找已存在的工单，返回 order_id 或 None""" try: with db_manager.get_session() as session: - return session.query(WorkOrder).filter( + wo = session.query(WorkOrder.order_id).filter( WorkOrder.feishu_record_id == feishu_record_id ).first() + return wo[0] if wo else None except Exception as e: logger.error(f"查找现有工单失败: {e}") return None - def _create_workorder(self, local_data: Dict[str, Any]) -> WorkOrder: - """创建新工单""" + def _create_workorder(self, local_data: Dict[str, Any]) -> Dict[str, Any]: + """创建新工单，返回 {id, order_id}""" try: with db_manager.get_session() as session: - # 只使用WorkOrder模型支持的字段 valid_data = {} for key, value in local_data.items(): if hasattr(WorkOrder, key): - # 确保值不是dict、list等复杂类型 if isinstance(value, (dict, list)): - logger.warning(f"字段 '{key}' 包含复杂类型 {type(value).__name__}，跳过") continue valid_data[key] = value workorder = WorkOrder(**valid_data) session.add(workorder) - session.commit() - session.refresh(workorder) - - # 在session关闭前访问所有需要的属性，让SQLAlchemy加载它们 - workorder_id = workorder.id - workorder_order_id = workorder.order_id - - # 将对象从session中分离，这样它就不再依赖session - session.expunge(workorder) - - logger.info(f"创建工单成功: {workorder_order_id}") - return workorder + session.flush() # 获取 ID，不 commit（context manager 会 commit） + result = {"id": workorder.id, "order_id": workorder.order_id} + logger.info(f"创建工单成功: {result['order_id']}") + return result except Exception as e: logger.error(f"创建工单失败: {e}") raise @@ -428,11 +418,11 @@ class WorkOrderSyncService: def _convert_feishu_to_local(self, feishu_fields: Dict[str, Any]) -> Dict[str, Any]: """将飞书字段转换为本地工单字段""" - logger.info(f"开始转换飞书字段: {feishu_fields}") + logger.debug(f"开始转换飞书字段: {list(feishu_fields.keys())}") local_data, conversion_stats = self.field_mapper.convert_fields(feishu_fields) - logger.info(f"字段转换统计: 总字段 {conversion_stats['total_fields']}, " + logger.debug(f"字段转换统计: 总字段 {conversion_stats['total_fields']}, " f"已映射 {conversion_stats['mapped_fields']}, " f"未映射 {len(conversion_stats['unmapped_fields'])}") diff --git a/src/main.py b/src/main.py index d929db5..b869d30 100644 --- a/src/main.py +++ b/src/main.py @@ -100,14 +100,15 @@ class TSPAssistant: self.logger.error(f"处理消息异常: {e}") return {"error": f"处理异常: {str(e)}"} - def create_work_order(self, title: str, description: str, category: str, priority: str = "medium") -> Dict[str, Any]: + def create_work_order(self, title: str, description: str, category: str, priority: str = "medium", tenant_id: str = None) -> Dict[str, Any]: """创建工单""" try: result = self.dialogue_manager.create_work_order( title=title, description=description, category=category, - priority=priority + priority=priority, + tenant_id=tenant_id ) if "error" in result: