Merge dd393cb2cf into 363f9b888a

packages/global/core/chat/helperBot/skillAgent/type.ts

@@ -40,10 +40,21 @@ const TaskAnalysisSchema = z.object({
 });
 
 // LLM 返回的完整数据
+const FormInputSchema = z.object({
+  type: z.literal('input').or(z.literal('numberInput')),
+  label: z.string()
+});
+const FormSelectSchema = z.object({
+  type: z.literal('select').or(z.literal('multipleSelect')),
+  label: z.string(),
+  options: z.array(z.string())
+});
+
 export const GeneratedSkillDataCollectionSchema = z.object({
   phase: z.literal('collection'),
   reasoning: z.string(),
-  question: z.string()
+  question: z.string(),
+  form: z.array(z.union([FormInputSchema, FormSelectSchema])).optional()
 });
 export type GeneratedSkillDataCollectionType = z.infer<typeof GeneratedSkillDataCollectionSchema>;
 export const GeneratedSkillResultSchema = z.object({

packages/service/core/chat/HelperBot/dispatch/skillAgent/index.ts

@@ -14,6 +14,13 @@ import {
   GeneratedSkillResultSchema
 } from '@fastgpt/global/core/chat/helperBot/skillAgent/type';
 import { parseJsonArgs } from '../../../../ai/utils';
+import type {
+  UserInputFormItemType,
+  UserInputInteractive
+} from '@fastgpt/global/core/workflow/template/system/interactive/type';
+import { getNanoid } from '@fastgpt/global/common/string/tools';
+import { WorkflowIOValueTypeEnum } from '@fastgpt/global/core/workflow/constants';
+import { FlowNodeInputTypeEnum } from '@fastgpt/global/core/workflow/node/constant';
 
 export const dispatchSkillAgent = async (
   props: HelperBotDispatchParamsType<SkillAgentParamsType>
@@ -51,7 +58,7 @@ export const dispatchSkillAgent = async (
     { role: 'user' as const, content: query }
   ];
 
-  console.dir(conversationMessages, { depth: null });
+  // console.dir(conversationMessages, { depth: null });
   // Single LLM call - LLM self-determines phase and outputs corresponding format
   const llmResponse = await createLLMResponse({
     body: {
@@ -59,12 +66,6 @@ export const dispatchSkillAgent = async (
       model: modelData,
       stream: true
     },
-    onStreaming: ({ text }) => {
-      workflowResponseWrite?.({
-        event: SseResponseEventEnum.answer,
-        data: textAdaptGptResponse({ text })
-      });
-    },
     onReasoning: ({ text }) => {
       workflowResponseWrite?.({
         event: SseResponseEventEnum.answer,
@@ -87,11 +88,10 @@ export const dispatchSkillAgent = async (
       addLog.warn(`[Skill agent] Failed to parse JSON response`, { text: answerText });
       throw new Error('Failed to parse JSON response');
     }
-    console.log(responseJson, 22323);
+    console.log(JSON.stringify(responseJson, null, 2));
     // Handle based on phase field
     if (responseJson.phase === 'generation') {
       addLog.debug('🔄 SkillAgent: Generated skill generation phase');
-
       const parseResult = GeneratedSkillResultSchema.safeParse(responseJson).data;
 
       if (!parseResult) {
@@ -116,10 +116,59 @@ export const dispatchSkillAgent = async (
     } else if (responseJson.phase === 'collection') {
       addLog.debug('📝 SkillAgent: Information collection phase');
 
-      const displayText = responseJson.question || answerText;
+      // 检查是否有表单数据
+      const formData = responseJson.form;
+      if (formData) {
+        // 转换为前端可用的表单格式
+        const inputForm: UserInputInteractive = {
+          type: 'userInput',
+          params: {
+            inputForm: formData.map((item) => {
+              return {
+                type: item.type as FlowNodeInputTypeEnum,
+                key: getNanoid(6),
+                label: item.label,
+                value: '',
+                required: false,
+                valueType:
+                  item.type === FlowNodeInputTypeEnum.numberInput
+                    ? WorkflowIOValueTypeEnum.number
+                    : WorkflowIOValueTypeEnum.string,
+                list:
+                  'options' in item
+                    ? item.options?.map((option) => ({ label: option, value: option }))
+                    : undefined
+              };
+            }),
+            description: responseJson.question
+          }
+        };
+
+        // 发送表单事件
+        workflowResponseWrite?.({
+          event: SseResponseEventEnum.collectionForm,
+          data: inputForm
+        });
+
+        return {
+          aiResponse: formatAIResponse({
+            text: responseJson.question,
+            reasoning: responseJson.reasoning || reasoningText,
+            collectionForm: inputForm
+          }),
+          usage
+        };
+      }
+
+      // 无表单，纯文本问题
+      workflowResponseWrite?.({
+        event: SseResponseEventEnum.answer,
+        data: textAdaptGptResponse({ text: responseJson.question })
+      });
+
       return {
         aiResponse: formatAIResponse({
-          text: displayText,
+          text: responseJson.question,
           reasoning: responseJson.reasoning || reasoningText
         }),
         usage

packages/service/core/chat/HelperBot/dispatch/skillAgent/prompt.ts

@@ -67,35 +67,60 @@ ${currentConfigContext}
 <info_collection_phase>
 当处于信息收集阶段时:
 
-**信息收集目标**:从宏观层面收集战略规划所需的信息:
+**🎯 核心认知：设计的是可复用的执行模式，而非一次性的解决方案**
 
-1. **任务定位与场景**
-   - 这个任务要解决什么核心问题?
-   - 主要面向什么样的应用场景?
-   - 任务的最终目标是什么?
+Skill 就像建筑蓝图，描述的是房子的结构和风格，而不是具体住户的家具摆放。
 
-2. **资源方向识别**
-   - 需要什么类型的能力?(信息获取/数据处理/内容生成/服务集成)
-   - 是否需要特定领域的知识支持?
-   - 是否需要与外部系统交互?
+**统一标准**：
 
-3. **战略约束**
-   - 任务有什么重要的限制条件?
-   - 是否有特定的用户群体或使用场景?
-   - 期望的复杂度水平如何?
+规划生成机器人在收集信息时，应该像架构师理解建筑需求一样，关注的是：
+- 这类任务的**执行模式**是什么（如何组织阶段、如何流转数据）
+- 需要哪些**能力类别**（搜索、解析、计算、生成）
+- **可复用的框架**应该是什么样的
+
+而不是关注：
+- 某一次具体使用时的参数（URL、文件名、字段名）
+- 某个特定用户的个性化需求
+
+**信息收集的本质目的**：理解任务的"类"，而非任务的"实例"
+
+**收集信息的三个维度**：
+
+1. **任务模式识别**
+   - 这类任务的执行模式是什么？
+   - 信息如何流转？（输入 → 处理 → 输出）
+
+2. **能力需求判断**
+   - 需要什么类别的能力？
+   - 这些能力如何组合？
+
+3. **框架复杂度评估**
+   - 执行流程的复杂度如何？
+   - 需要几个关键阶段？
 
 **关键原则**:
-- **宏观视角**:关注"做什么"而非"怎么做",避免询问具体实现细节
-- **战略导向**:了解任务的本质和方向,而非具体步骤
-- **框架思维**:收集的信息用于设计执行框架,具体操作留给后续阶段
-
-**提问层次要求**:
-- ✅ 宏观层面:任务目标、应用场景、资源类型、战略方向
-- ❌ 具体细节:具体参数、详细流程、技术实现、操作步骤
+- **模式思维**：寻找可复用的执行模式
+- **抽象思维**：从具体实例中抽象出通用框架
+- **类型思维**：关注"类型"和"类别"，而非"实例"和"个体"
 
 **输出格式**:
 
-**重要:信息收集阶段的所有回复必须使用JSON格式,包含 phase 字段**
+**🚨 严格输出要求（极其重要）**：
+
+1. **只输出 JSON 格式**：信息收集阶段的所有回复必须是纯净的 JSON，不要添加任何其他内容
+2. **禁止代码块标记**：不要使用 \`\`\`json 或任何代码块标记
+3. **禁止解释性文字**：不要在 JSON 前后添加任何说明、解释或寒暄语
+4. **必须包含 phase 字段**：每个回复都必须包含 "phase": "collection"
+
+**严格输出规则**：
+- ❌ 不要使用 \`\`\`json 或其他代码块标记
+- ❌ 不要添加任何前言，如"好的，让我问几个问题"、"明白了"等
+- ❌ 不要添加任何后语，如"期待您的回复"、"请告诉我"等
+- ❌ 不要输出任何非 JSON 格式的内容
+- ✅ 直接、纯净地输出 JSON 内容
+- ✅ JSON 必须是有效的、可解析的格式
+
+**标准输出格式**：
 
 直接输出以下格式的JSON(不要添加代码块标记):
 {
@@ -104,38 +129,66 @@ ${currentConfigContext}
   "question": "实际向用户提出的问题内容"
 }
 
-问题内容可以是开放式问题,也可以包含选项:
+**🧠 交互意图识别（元认知层）**:
 
-✅ **好的宏观提问示例**:
-{
-  "phase": "collection",
-  "reasoning": "需要了解任务的核心定位和战略目标,这将决定整体框架的设计方向",
-  "question": "这个 Skill 主要想解决什么问题?比如是面向客户服务、内容创作、数据分析,还是其他应用场景?"
-}
+在决定如何提问之前，首先明确本次交互的核心意图：
+
+**意图类型 A - 建立对话基础**：
+- 适用场景：初次接触、寒暄问候、确认基本意愿、澄清歧义
+- 本质特征：对话关系本身是目的，建立信任和理解
+- 交互原则：保持对话的自然流畅，任何结构化工具都是干扰
+- 输出方式：开放式对话，question 字段包含自然语言问题
+
+**意图类型 B - 收集规划信息**：
+- 适用场景：对话基础已建立，需要获取战略规划所需的具体维度信息
+- 本质特征：信息收集是目的，效率和准确性是追求
+- 交互原则：评估信息特征，选择最高效的收集方式
+- 输出方式：根据信息特征决定是否使用 form 字段
+
+**意图判断流程**：
+1. 用户是否已明确表达任务场景？
+   - 未明确 → 意图 A（建立理解）
+   - 已明确 → 意图 B（收集信息）
+
+2. 当前需要的信息具有结构化特征吗？
+   - 可枚举的选项/多个独立维度/明确的分类 → 考虑使用表单
+   - 开放探索/深度挖掘/需要解释 → 使用开放式问题
+
+3. 使用表单会打断对话的连贯性吗？
+   - 会打断 → 使用开放式问题
+   - 不会打断 → 可以使用表单
+
+**表单结构（可选字段）**:
+
+当且仅当满足"意图 B"且信息适合结构化收集时，才在 JSON 中添加 form 字段：
 
 {
   "phase": "collection",
-  "reasoning": "需要识别任务所需的核心能力类型,这将决定资源配置的大方向",
-  "question": "从功能角度看,这个任务主要需要:\\nA. 获取和整合信息(搜索、查询、知识检索)\\nB. 处理和分析数据(计算、转换、分析)\\nC. 生成和创作内容(文档、报告、创意)\\nD. 集成外部服务(API调用、消息通知)\\n\\n请选择最主要的方向,或描述您的理解:"
+  "reasoning": "...",
+  "question": "...",
+  "form": [
+    {
+      "type": "input | numberInput",
+      "label": "<维度描述>"
+    },
+    {
+      "type": "select | multipleSelect",
+      "label": "<维度描述>",
+      "options": ["<选项A>", "<选项B>", "..."]
+    }
+  ]
 }
 
-❌ **不好的具体提问示例**(避免这样问):
-- "第一步需要调用哪个API?"
-- "数据格式应该是JSON还是XML?"
-- "需要设置多少个验证节点?"
-- "具体的搜索关键词是什么?"
+**表单类型说明**：
+- input: 短文本输入
+- numberInput: 数字输入
+- select: 单选下拉
+- multipleSelect: 多选下拉
 
-适合选择题的场景:
-- 任务类型分类(客服/创作/分析/集成)
-- 核心能力方向(信息获取/数据处理/内容生成/服务集成)
-- 复杂度定位(简单直接/中等复杂/综合复杂)
-- 应用场景(内部使用/客户服务/自动化流程)
-
-提问建议:
-- 每个问题聚焦一个战略维度
-- 用通俗语言而非技术术语
-- 提供选项时给出清晰的场景描述
-- 避免过早深入实现细节
+**关键提醒**：
+- form 字段是可选的，不是必需的
+- 只在信息明确可结构化时使用表单
+- 保持对话的自然流畅优先于追求结构化
 </info_collection_phase>
 
 <capability_boundary_enforcement>

packages/service/core/chat/HelperBot/dispatch/topAgent/index.ts

@@ -85,8 +85,8 @@ export const dispatchTopAgent = async (
       const formData = TopAgentFormDataSchema.parse({
         role: responseJson.task_analysis?.role,
         taskObject: responseJson.task_analysis?.goal,
-        tools: responseJson.resources?.tools?.map((tool: any) => tool.id),
-        fileUploadEnabled: responseJson.resources?.file_upload?.enabled
+        tools: responseJson.resources?.tools,
+        fileUploadEnabled: responseJson.resources?.system_features?.file_upload?.enabled
       });
 
       if (formData) {

packages/service/core/chat/HelperBot/dispatch/topAgent/prompt.ts

@@ -38,84 +38,133 @@ ${buildMetadataInfo(metadata)}
 <info_collection_phase>
 当处于信息收集阶段时：
 
-**重要前提**：你需要为搭建者设计可复用的执行流程模板，而不仅仅是解决单个问题。
+**重要前提**：你需要为搭建者设计可复用的执行流程模板，而不是收集每次执行时的详细参数。
 
-**信息收集目标**：收集设计高质量流程模板所必需的核心信息，包括：
+**核心目标**：确定"用户想要实现什么样的 AI 任务"以及"需要哪些系统资源"，而不是"每次执行时的具体参数"。
 
-1. **任务类型与场景识别**（首要任务）
-   - 通过开放式提问，了解用户想要实现的具体功能
-   - 基于用户描述，识别和归纳出任务所属的场景类型
-   - 理解任务的核心特征、目标和定位
-   - 为后续信息收集确定方向和重点
+**信息收集的四个维度**：
 
-2. **能力边界确认**（最关键，必须优先确认）
-   - **基于实际工具列表**确认系统能力：
-     * 需要使用哪些核心工具（从可用工具列表中选择）
-     * 这些工具的具体功能和限制条件
-     * 工具之间的组合使用方式
-   - **明确不支持的功能范围**（重点）：
-     * 哪些功能系统当前无法实现
-     * 哪些操作没有对应的工具支持
-     * 用户可能期望但实际不可行的需求
-   - **技术限制和约束条件**：
-     * 数据格式、大小、性能等限制
-     * 第三方服务的可用性和配置需求
-     * 用户权限和资源约束
+1. **任务场景识别**（What - 首要任务）
+   - 通过开放式提问，了解用户想要实现的功能
+   - 识别任务所属的应用场景：
+     * 信息检索与分析（搜索、总结、对比）
+     * 内容生成与创作（写作、设计、编程）
+     * 数据处理与转换（提取、整理、格式转换）
+     * 多轮对话与交互（客服、咨询、辅助决策）
+     * 自动化工作流（批量处理、定时任务）
+   - 理解任务的核心价值和目标用户群体
 
-3. **流程定位信息**
-   - 目标用户群体和典型使用场景
-   - 解决问题的具体类型和适用范围
-   - 流程的核心价值和预期效果
+2. **能力边界确认**（Can - 最关键）
+   - **基于可用工具列表确认系统能力**：
+     * 实现这个任务需要哪些核心能力？（搜索网络、调用API、数据分析等）
+     * 系统提供了哪些相关工具？（从可用工具列表中选择）
+     * 这些工具的功能范围和限制条件是什么？
 
-4. **输入输出规范**
-   - 流程的输入参数类型、格式和来源
-   - 输出结果的规范、格式和目标
-   - 参数约束条件（必选/可选/默认值/取值范围）
+   - **明确不支持的功能**（重点）：
+     * 用户期望的功能中，哪些系统当前无法实现？
+     * 哪些操作没有对应的工具支持？
+     * 有哪些技术限制需要提前告知用户？
 
-5. **可变逻辑识别**
-   - 哪些步骤需要根据参数动态调整
-   - 决策点的判断条件和分支逻辑
-   - 可配置的工具选项和参数映射关系
+   - **技术约束条件**：
+     * 是否依赖第三方服务？（需要配置 API Key 等）
+     * 是否有数据格式、大小、性能等限制？
+     * 用户需要具备什么样的权限或资源？
+
+3. **资源需求识别**（Need）
+   - **知识库需求**：
+     * 是否需要特定领域的知识？（产品文档、技术手册、行业知识）
+     * 哪些知识库与任务场景相关？
+     * 知识来源是实时搜索还是已有知识库？
+
+   - **系统功能需求**：
+     * 是否需要用户上传文件？
+       - 需要：用户的私有数据、个人文档
+       - 不需要：公开信息、可通过工具获取的数据
+     * 是否需要特殊的交互模式？
+
+   - **数据来源类型**：
+     * 数据从哪里来？（用户上传、工具获取、知识库检索）
+     * 是固定数据源还是动态数据源？
+
+4. **流程定位确认**（For Whom）
+   - 目标用户群体：
+     * 专业用户还是普通用户？
+     * 需要什么样的专业知识背景？
+   - 典型使用场景：
+     * 在什么情况下会使用这个流程？
+     * 解决什么类型的问题？
+   - 流程的适用范围：
+     * 适用于哪些具体场景？
+     * 有哪些边界条件和限制？
 
 **关键原则**：
+
+- **宏观优先，细节留后**：聚焦任务类型、工具选择、资源配置，不问执行时的具体参数
 - **能力边界优先**：必须先确认系统能做什么，再设计流程细节
 - **工具列表约束**：严格基于可用工具列表，不假设任何未提供的能力
-- **场景分类明确**：首先明确任务类型，指导后续信息收集方向
-- **问题精准聚焦**：每个问题都直接服务于输出准确的信息和工具列表
+- **场景分类明确**：首先明确任务类型，指导后续资源选择
 - **明确不可行项**：重点确认哪些功能不能做，避免后续生成无法执行的流程
 
-**信息收集顺序建议**：
-1. 先问任务类型/场景（确定大方向，对应输出type字段）
-2. 再问能力边界（确认可行性，识别可用工具）
-3. 然后问流程定位（明确具体目标）
-4. 最后问输入输出、可变逻辑（完善设计细节）
+**应该问的问题示例**：
+✅ "你想实现什么功能？比如信息搜索、内容生成、数据分析还是其他类型？"
+✅ "这个任务需要搜索网络信息吗？还是主要基于已有的知识库？"
+✅ "用户需要上传自己的文件吗？还是系统可以自动获取所需数据？"
+✅ "这个功能主要面向哪类用户？他们的典型使用场景是什么？"
+✅ "系统目前有这些搜索工具：[列出工具]，你认为哪个最适合你的需求？"
 
+**不应该问的问题示例**：
+❌ "用户每次输入时需要提供哪些参数？参数格式是什么？"
+❌ "默认值应该设置为多少？取值范围是什么？"
+❌ "输出结果的具体格式是 JSON 还是文本？包含哪些字段？"
+❌ "执行流程的详细步骤是什么？先做什么后做什么？"
+❌ "决策分支的具体判断条件是什么？"
+
+**信息收集顺序建议**：
+1. 先问任务场景（What）→ 确定大方向，对应输出的 task_analysis.goal
+2. 再问能力边界（Can）→ 确认可行性，识别可用工具
+3. 然后问资源需求（Need）→ 确定知识库和系统功能
+4. 最后问流程定位（For Whom）→ 明确目标用户和使用场景
 
 **输出格式**：
 
-**重要：信息收集阶段的所有回复必须使用JSON格式，包含 phase 字段**
+**🚨 严格输出要求（极其重要）**：
 
-直接输出以下格式的JSON（不要添加代码块标记）：
+1. **只输出 JSON 格式**：信息收集阶段的所有回复必须是纯净的 JSON，不要添加任何其他内容
+2. **禁止代码块标记**：不要使用 \`\`\`json 或任何代码块标记
+3. **禁止解释性文字**：不要在 JSON 前后添加任何说明、解释或寒暄语
+4. **必须包含 phase 字段**：每个回复都必须包含 "phase": "collection"
+
+**严格输出规则**：
+- ❌ 不要使用 \`\`\`json 或其他代码块标记
+- ❌ 不要添加任何前言，如"好的，让我问几个问题"、"明白了"等
+- ❌ 不要添加任何后语，如"期待您的回复"、"请告诉我"等
+- ❌ 不要输出任何非 JSON 格式的内容
+- ✅ 直接、纯净地输出 JSON 内容
+- ✅ JSON 必须是有效的、可解析的格式
+
+**标准输出格式**：
+
+直接输出以下格式的 JSON：
 {
   "phase": "collection",
-  "reasoning": "为什么问这个问题的推理过程：基于什么考虑、希望收集什么信息、对后续有什么帮助",
+  "reasoning": "为什么问这个问题的推理过程：基于什么考虑、希望收集什么信息、对后续资源选择有什么帮助",
   "question": "实际向用户提出的问题内容"
 }
 
 问题内容可以是开放式问题，也可以包含表单填写：
 
-开放式问题，无需表单填写：
+**开放式问题示例**（无需表单填写）：
 {
   "phase": "collection",
-  "reasoning": "需要首先了解任务的基本定位和目标场景，这将决定后续需要确认的工具类型和能力边界",
-  "question": "我想了解一下您希望这个流程模板实现什么功能？能否详细描述一下具体要处理什么样的任务或问题？"
+  "reasoning": "需要首先了解任务的应用场景类型，这将决定后续需要确认的工具类型和能力边界",
+  "question": "我想了解一下您希望这个 AI 助手实现什么功能？比如是信息搜索、内容生成、数据分析，还是其他类型的任务？"
 }
 
-表单示例，一共有 4 类表单类型：
+**表单问题示例**（一共有 4 类表单类型）：
 {
   "phase": "collection",
-  "reasoning": "需要确认参数化设计的重点方向，这将影响流程模板的灵活性设计",
-  "question": "我需要和你确认一些参数，请根据你的需求选择对应的选项：",
+  "reasoning": "需要确认任务所需的核心能力类型，这将直接影响工具选择",
+  "question": "为了更好地为您设计流程，我需要确认以下信息：",
   "form": [
     {
       "type": "input",
@@ -127,44 +176,54 @@ ${buildMetadataInfo(metadata)}
     },
     {
       "type": "select",
-      "label": "关于流程的参数化设计，用户最需要调整的是",
+      "label": "这个任务主要需要以下哪种能力",
       "options": [
-        "输入数据源（不同类型的数据库/文件）",
-        "处理参数（阈值、过滤条件、算法选择）",
-        "输出格式（报告类型、文件格式、目标系统）",
-        "执行环境（触发方式、频率、并发度）"
+        "搜索网络信息（实时获取最新资料）",
+        "查询知识库（基于已有文档回答）",
+        "生成内容（写作、设计、编程等）",
+        "数据分析（处理和分析数据）",
+        "多种能力组合"
       ]
     },
     {
       "type": "multipleSelect",
-      "label": "你想了解用户什么信息",
+      "label": "用户需要提供哪些输入（可多选）",
       "options": [
-        "选项 A",
-        "选项 B",
-        "选项 C",
-        "选项 D"
+        "文本描述（直接输入问题或需求）",
+        "文件上传（用户的私有文档）",
+        "不需要用户输入（自动执行）"
       ]
     }
   ]
 }
 
-选项设计原则：
-1. 选项要覆盖主要可能性（3-4个为佳）
-2. 包含"其他"选项让用户可以自由回答
-3. 选项要简洁明了，便于快速理解
-4. 当问题涉及量化、分类、优先级时优先使用选择题
+**选项设计原则**：
+1. 选项聚焦于任务类型、能力类型、资源类型等宏观维度
+2. 避免询问具体参数、格式、默认值等执行细节
+3. 选项要覆盖主要可能性（3-5 个为佳）
+4. 包含"其他"或"多种组合"选项让用户可以自由补充
+5. 选项要简洁明了，便于快速理解
 
-适合选择题的场景：
-- 经验水平判断（初学者/有经验/熟练/专家）
-- 优先级排序（时间/质量/成本/创新）
-- 任务类型分类（分析/设计/开发/测试）
-- 满意度评估（非常满意/满意/一般/不满意）
-- 复杂度判断（简单/中等/复杂/极复杂）
+**适合选择题的场景**：
+- 任务场景分类（信息检索/内容生成/数据分析/自动化流程）
+- 能力类型确认（搜索/查询/生成/分析/转换）
+- 数据来源类型（用户上传/工具获取/知识库检索）
+- 目标用户类型（专业用户/普通用户/特定领域用户）
+- 工具选择（从可用工具列表中选择最合适的）
 
-避免的行为：
-- 不要为所有问题都强制提供选项
-- 选项之间要有明显的区分度
+**避免的行为**：
+- 不要询问执行时的具体参数和默认值
+- 不要询问输出格式的详细规范
+- 不要询问流程的详细执行步骤
 - 不要使用过于技术化的术语
+- 选项之间要有明显的区分度
+
+**质量检查清单**（每次提问前自我检查）：
+□ 这个问题是关于"任务类型"而不是"执行参数"吗？
+□ 这个问题是关于"需要哪些工具"而不是"如何使用工具"吗？
+□ 这个问题是关于"是否需要知识库"而不是"知识库的具体内容"吗？
+□ 这个问题有助于选择合适的资源，而不是设计执行细节吗？
+□ 如果用户回答了这个问题，我能够在可用资源列表中选择合适的工具吗？
 </info_collection_phase>
 
 <capability_boundary_enforcement>
@@ -243,30 +302,36 @@ ${resourceList}
 **资源识别规则**：
 1. 在上面的"## 可用资源列表"中查找所有可用资源
 2. 每个资源ID后面都有标签：[工具] 或 [知识库]
-3. 输出时必须根据标签确定 type 值：
-   - 标签是 [工具] → "type": "tool"
-   - 标签是 [知识库] → "type": "knowledge"
+3. 输出时必须根据标签确定资源应该放入哪个数组：
+   - 标签是 [工具] → 放入 resources.tools 数组
+   - 标签是 [知识库] → 放入 resources.knowledges 数组
 
 **输出格式要求**：
-- ✅ 必须使用对象数组格式：[{"id": "...", "type": "..."}]
+- ✅ tools 和 knowledges 都使用字符串数组格式：["资源ID1", "资源ID2"]
 - ✅ 资源ID必须完全匹配列表中的ID（包括大小写、特殊字符）
-- ❌ 不要使用字符串数组格式：["...", "..."]
-- ❌ 不要猜测 type 值，必须根据列表中的标签确定
+- ✅ 只输出资源ID字符串，不要包含 type 等其他字段
+- ❌ 不要使用对象数组格式：[{"id": "...", "type": "..."}]
+- ❌ 不要混淆工具和知识库的位置
 
 **输出前的自我检查步骤**：
-1. 查看你选择的每个资源ID，它在列表中的标签是什么？
-2. 如果标签是 [工具] → 设置 "type": "tool"
-3. 如果标签是 [知识库] → 设置 "type": "knowledge"
-4. 确保每个资源都有 id 和 type 两个字段
+1. 查看你选择的每个资源ID，它在可用资源列表中的标签是什么？
+2. 如果标签是 [工具]：
+   - ✅ 将资源ID放入 resources.tools 数组
+   - ❌ 不要放入 resources.knowledges 数组
+3. 如果标签是 [知识库]：
+   - ✅ 将资源ID放入 resources.knowledges 数组
+   - ❌ 不要放入 resources.tools 数组
+4. 确保每个数组中只包含资源ID字符串
 
 **常见错误避免**：
 - ❌ 不要凭空想象资源名称
 - ❌ 不要使用通用描述如"数据库工具"而不指定具体ID
 - ❌ 不要引用"可能"存在但未在列表中明确的资源
-- ❌ 不要输出字符串数组，必须是对象数组
-- ❌ 不要把 [知识库] 标签的资源设置为 type: "tool"
+- ❌ 不要使用对象数组格式，必须是字符串数组
+- ❌ 不要把标签为 [知识库] 的资源放入 tools 数组
+- ❌ 不要把标签为 [工具] 的资源放入 knowledges 数组
 - ❌ **不要选择多个同类型的工具**
-- ✅ 必须根据列表中的标签准确设置 type 值
+- ✅ 必须根据列表中的标签准确判断应该放入哪个数组
 - ✅ 基于实际可用的资源进行规划
 - ✅ **同一类型的工具只选择最合适的一个**
 
@@ -333,8 +398,8 @@ ${resourceList}
 - task_analysis: 提供对任务的深度理解和角色定义
 - reasoning: 说明所有资源（工具+知识库+系统功能）的选择理由和协同关系
 - resources: 资源配置对象，包含三类资源
-  * tools: 工具数组，每个对象包含 id 和 type（值为"tool"）
-  * knowledges: 知识库数组，每个对象包含 id 和 type（值为"knowledge"）
+  * tools: 工具ID字符串数组，例如：["tool_id_1", "tool_id_2"]
+  * knowledges: 知识库ID字符串数组，例如：["kb_id_1", "kb_id_2"]
   * system_features: 系统功能配置对象
     - file_upload.enabled: 是否需要文件上传（必填）
     - file_upload.purpose: 为什么需要（enabled=true时必填）
@@ -411,7 +476,6 @@ ${resourceList}
 
 **严格输出规则**：
 - ❌ 不要使用 \`\`\`json 或其他代码块标记
-- ❌ 不要使用旧格式的 tools 字段，必须使用 resources 结构
 - ❌ 不要添加任何解释性文字或前言后语
 - ✅ 必须使用 resources 对象，包含 tools、knowledges、system_features
 - ✅ file_upload.enabled=true 时必须提供 purpose 字段，
@@ -424,7 +488,6 @@ ${resourceList}
 3. 资源完整性：确保所有必需的资源都包含在 resources 配置中
 4. 输出格式规范：严格遵循 resources 结构要求
 5. 资源去重：同一个资源在 tools 或 knowledges 数组中只出现一次
-6. type准确性：工具的type为"tool"，知识库的type为"knowledge"
 7. 系统功能配置正确：file_upload.enabled=true时必须提供purpose字段
 8. 输出纯净性：只输出JSON，不包含任何其他内容
 </config_generation_phase>

packages/service/core/chat/HelperBot/dispatch/topAgent/type.ts

@@ -25,9 +25,11 @@ export const TopAgentGenerationAnswerSchema = z.object({
   resources: z.object({
     tools: z.array(z.string()),
     knowledges: z.array(z.string()),
-    file_upload: z.object({
-      enabled: z.boolean(),
-      purpose: z.string()
+    system_features: z.object({
+      file_upload: z.object({
+        enabled: z.boolean(),
+        purpose: z.string().nullish()
+      })
     })
   })
 });

packages/service/core/workflow/dispatch/ai/agent/index.ts

@@ -145,8 +145,8 @@ export const dispatchRunAgent = async (props: DispatchAgentModuleProps): Promise
         toolDescription: toolNode?.toolDescription || toolNode?.name || ''
       };
     };
-    // console.log(JSON.stringify(completionTools, null, 2), 'topAgent completionTools');
-    // console.log(subAppsMap, 'topAgent subAppsMap');
+    console.log(JSON.stringify(agentCompletionTools, null, 2), 'topAgent completionTools');
+    console.log(agentSubAppsMap, 'topAgent subAppsMap');
 
     /* ===== AI Start ===== */
 
@@ -418,6 +418,7 @@ export const dispatchRunAgent = async (props: DispatchAgentModuleProps): Promise
       const isReplanStep = isPlanAgent && agentPlan && replanMessages;
 
       console.log('planHistoryMessages', planHistoryMessages);
+
       // 执行 Plan/replan
       if (isPlanStep) {
         const result = await planCallFn();
@@ -429,8 +430,9 @@ export const dispatchRunAgent = async (props: DispatchAgentModuleProps): Promise
         });
         if (result) return result;
       }
+
       // 如果有保存的 skill id，恢复 skill 的 tools
-      else if (matchedSkillId) {
+      if (matchedSkillId) {
         addLog.debug(`恢复 skill tools, skill id: ${matchedSkillId}`);
         const skill = await matchSkillForId({
           id: matchedSkillId,

projects/app/src/pageComponents/app/detail/Edit/ChatAgent/SkillEdit/ChatTest.tsx

@@ -67,21 +67,18 @@ const ChatTest = ({ topAgentSelectedTools = [], skill, appForm, onAIGenerate }:
           onApply={async (generatedSkillData) => {
             console.log(generatedSkillData, 222);
 
-            // 1. 计算新的 tool
-            const newToolIds: string[] = [];
+            // 1. 收集 AI 生成的所有工具 ID（完整列表，不过滤）
+            const allGeneratedToolIds: string[] = [];
             generatedSkillData.execution_plan.steps.forEach((step) => {
               step.expectedTools?.forEach((tool) => {
-                if (tool.type === 'tool') {
-                  const exists = skill.selectedTools.find((t) => t.pluginId === tool.id);
-                  if (exists) return;
-                  newToolIds.push(tool.id);
+                if (tool.type === 'tool' && !allGeneratedToolIds.includes(tool.id)) {
+                  allGeneratedToolIds.push(tool.id);
                 }
               });
             });
 
-            // 3. 并行获取新工具详情
             const newTools = await loadGeneratedTools({
-              newToolIds,
+              newToolIds: allGeneratedToolIds,
               existsTools: skill.selectedTools,
               topAgentSelectedTools,
               fileSelectConfig: appForm.chatConfig.fileSelectConfig