From 9417148b0a68a2ab983cbee80e0b027a9ca1d86a Mon Sep 17 00:00:00 2001 From: Jesse_Chen Date: Sat, 1 Aug 2026 02:19:06 +0800 Subject: [PATCH] feat(rectification): add agentic birth-time rectification MVP Add a new agentic rectification flow that lets an LLM drive the full jyotish-vedic-astrology methodology on the web, with the Python engine as its computation layer (mirroring local Claude Code): - mastra/rectification-tools.ts: 7 engine tools (gate/scan/score/diagnostics/ candidate-features/confirm/save-birth-time) - mastra/agentic-rectification.ts: agent mounting the full skill + tools - lib/rectification-agentic/session.ts: server-owned profile + confirmation gate; the LLM can only persist the exact minute the engine's high-rigor gate confirmed - app/api/rectification/agent/route.ts: NDJSON streaming endpoint with credit reserve/settle - components/rectification-agentic-chat.tsx + entry switch: new sessions use the agentic chat; in-progress v4 cases still resume on the v4 panel - migration 20260801000000: service-role RPC writing profiles.active_birth_time with baseline concurrency guard - tests for tools + session (12 cases); full suite passes 1076 Co-Authored-By: Claude --- ...time_rectification_diagnosis_2026_08_01.md | 205 +++++++ .../src/app/api/rectification/agent/route.ts | 253 +++++++++ frontend/src/app/page.tsx | 1 + ...onversational-birth-time-rectification.tsx | 54 +- .../components/rectification-agentic-chat.tsx | 213 +++++++ .../src/lib/rectification-agentic/session.ts | 153 ++++++ frontend/src/mastra/agentic-rectification.ts | 52 ++ frontend/src/mastra/rectification-tools.ts | 520 ++++++++++++++++++ ...00_agentic_rectification_profile_write.sql | 66 +++ .../rectification-agentic-session.test.ts | 126 +++++ .../tests/rectification-agentic-tools.test.ts | 291 ++++++++++ 11 files changed, 1933 insertions(+), 1 deletion(-) create mode 100644 docs/research/web_vs_local_birth_time_rectification_diagnosis_2026_08_01.md create mode 100644 frontend/src/app/api/rectification/agent/route.ts create mode 100644 frontend/src/components/rectification-agentic-chat.tsx create mode 100644 frontend/src/lib/rectification-agentic/session.ts create mode 100644 frontend/src/mastra/agentic-rectification.ts create mode 100644 frontend/src/mastra/rectification-tools.ts create mode 100644 frontend/supabase/migrations/20260801000000_agentic_rectification_profile_write.sql create mode 100644 frontend/tests/rectification-agentic-session.test.ts create mode 100644 frontend/tests/rectification-agentic-tools.test.ts diff --git a/docs/research/web_vs_local_birth_time_rectification_diagnosis_2026_08_01.md b/docs/research/web_vs_local_birth_time_rectification_diagnosis_2026_08_01.md new file mode 100644 index 00000000..8fa6eab9 --- /dev/null +++ b/docs/research/web_vs_local_birth_time_rectification_diagnosis_2026_08_01.md @@ -0,0 +1,205 @@ +# Web 生时纠正 vs 本地 Claude Code：差异诊断与改进方案 + +> 日期：2026-08-01 +> 状态：诊断完成；改进方案第 4 节"完整 MVP"已实施（见第 7 节） +> 范围：`jyotish-vedic-astrology` skill 方法论层 vs Web `skills/birth-time-rectification` 受限产品层 + +## 结论摘要 + +Web（staging）上用户感受到的"生时纠正交互僵硬、问题像硬编码模板"，**不是 bug，而是两种刻意不同的架构**： + +- **本地 Claude Code**：LLM 是**主分析师**，走 `jyotish-vedic-astrology` skill 的完整方法论，可自由多轮提问、运行脚本、交叉验证，最终产出精确出生分钟。 +- **Web（Mastra）**：LLM 是**被约束的叙述者**，走 `skills/birth-time-rectification/SKILL.md`（36 行受限证据工作流）。服务端 Python 引擎 + TS 状态机拥有全部计算（候选扫描/评分/诊断/事件 ID/策略门控），LLM 只能在服务端预建的问题机会里选一个、再渲染短中文回复，永不确认单一分钟。 + +staging 前端实际挂载的是 **v4 rectification** 入口（`RectificationV4Panel` → `/api/rectification/v4/*`）。"硬编码感"主要来自服务端模板问题生成器 `opportunity-builder.ts`，与 v4/v5 模式切换无关。 + +--- + +## 1. 两个系统的架构对比 + +| 维度 | 本地 Claude Code | Web（Mastra v4 rectification） | +|---|---|---| +| 使用的 skill | `jyotish-vedic-astrology`（仓库根 `SKILL.md`，712 行，版本 6.9.14） | `skills/birth-time-rectification/SKILL.md`（36 行） | +| skill 目录结构 | symlink 指向根目录 `SKILL.md` + `references/`（100+ 方法论文档）+ `scripts/`（`jyotish_engine.py` 37 子命令）+ `assets/` | 36 行 SKILL.md + 6 个契约文件在 `skills/birth-time-rectification/references/` + `assets/rectification-capability-matrix.json` | +| 方法论 | 8 大方法（Dasha+Transit、D9 Navamsa、D10 Dasamsa、六亲、外表体质、身体缺陷、职业判断、卜卦【AI 暂不支持】）；五阶段流程（收集→±30min→±15min→事件验证→D9/D10 收口到 ±5min→报告）；决策树权重 Dasha 40% / D9+D10 35% / 专题层 15% / Nakshatra Pada 10% | 受限证据工作流：服务端扫描候选时间簇→评分→生成高信息量机会；agent 每轮只问一个自然问题；输出候选区间而非确定时间 | +| LLM 角色 | 主分析师，自由推理 | 被约束的叙述者（reasoner 选机会 / renderer 渲染） | +| 计算归属 | LLM 驱动 + `scripts/` 脚本 + 外部 oracle（PyJHora/VedAstro/jyotishganit） | 服务端 Python 引擎 + TS 状态机全拥有 | +| 输出 | 验证后的出生分钟（±5min） | 候选区间（`profiles.active_birth_time` 永不直接写入） | +| 错误处理 | 交互式纠错 | 幂等重放（action receipt + fingerprint）、确定性回退 | + +**两者的关系**：`jyotish-vedic-astrology` skill 内部同时定义了这两层——方法论层（`references/birth-time-rectification-advanced.md`）和受限产品工作流层（独立的 `skills/birth-time-rectification/`）。Web 端刻意只暴露受限产品层。 + +--- + +## 2. 为什么 Web 无法复刻本地交互（6 个根源） + +### 2.1 权威模型相反（设计边界，不是 bug） + +`skills/birth-time-rectification/SKILL.md` 硬边界原文： + +> - The server owns candidate scanning, scores, diagnostics, event IDs, and policy gates. +> - The agent may select one server-provided opportunity or request one server-provided diagnostic. +> - Never invent candidate times, scores, event IDs, dates, techniques, or tool inputs. +> - Never confirm a single minute or write `profiles.active_birth_time`. + +这是一整套产品决策：**计费**（`billing.ts` reserve/complete/release）、**不暴露内部分数**（用户只能看到"候选区间"而非权重/评分）、**可靠性**（服务端计算确定性可审计，LLM 只做叙述）、**truth-overlay 合规**（`references/oracle/rectification_technique_usage_audit_2026_07_19.json` 把 D9/D10/D60 等标为"敏感度证据不是证明"）。本地 Claude Code 没有这些约束，所以能做完整方法论。 + +### 2.2 问题是服务端模板（"硬编码感"最强处） + +`frontend/src/lib/rectification-agent/opportunity-builder.ts`： + +- **固定模板文案**：`prompt` 字段全部是写死的句子，例如—— + - `clarify_event_subject`："你刚才提到"X"，这件事主要发生在你本人，还是家人或伴侣身上？" + - `refine_event_date`："关于"X"，你还记得更具体的月份或日期吗？不确定也可以只说大概范围。" + - `ask_new_event` 各领域：career/relationship/health_pressure 等各一句。 +- **硬编码 utility 公式**（L24-30）：`.35*expectedInformationGain + .20*dateSensitivity + .15*candidateSplitRelevance + .10*domainCoverageGain + .10*recallEase + .10*novelty + routingValue[kind] - repetitionPenalty - privacyCost`，其中 `routingValue` 也是写死的（L14-22）。 +- reasoner（`reasoner-agent.ts`）只按 `opportunityId` 选一个机会，**从不用自己的话提问**。 + +> v3 对话式（`/api/birth-time-conversation`）的 `narrative-agent.ts` 已带 `freeConversation` 设置、允许 agent 自由措辞——但 v3 后端未接入当前 UI 面板。 + +### 2.3 每轮只问一个问题 + +skill turn strategy："Ask one natural question only"。`reasoner-agent.ts` 的决策被 `rectificationDecisionSchema` 严格约束，`maxToolCalls` 默认 1、最多一次 `run_rectification_diagnostics` 工具调用，然后必须返回终态动作。本地 Claude Code 是自由多轮对话。 + +### 2.4 Mastra skill 懒加载 + +`@mastra/core`（v1.50.1）的 skill 机制：`skills: [skillPath]` 只把 skill **元数据**（name/description，`` 块）注入系统提示；完整 `SKILL.md` 要模型主动调 `skill` 工具才在对话中加载（`node_modules/@mastra/core/dist/` 的 `SkillsProcessor`）。deepseek 走 `structuredOutput` 路径时未必稳定触发 `skill` 工具 → LLM 实际可用的指令比预期少。 + +### 2.5 硬编码业务规则 + +- `references/rectification_policy.v1.json`：`minScoringEvents=1`、`minConfirmationEvents=4`、`minConfirmationDomains=3`、`maxExternalValidationWidthMinutes=15`、`maxConfirmationWidthMinutes=5`、`minConfirmationMarginPercent=20`、`maxPlateauRounds=2`。→ 必须凑够 ≥4 个事件、≥3 个领域，否则一直追问，造成"问卷感"。 +- 时段区间（`orchestrator.ts` L565-594、`handler.ts` L426-451）：early_morning/morning/afternoon/evening/late_night；不确定性（医院 ±2min、家庭 5/10/15、约估 15/30/60）。 +- 正则模式（`orchestrator.ts` L132-139）：方向切换词/不确定词/肯定否定词/相对日期词。 +- 领域分类关键词表（`evidence-extractor.ts` L101-146）。 +- 回退文案（`narrative-agent.ts` L639-651）。 +- 模型 ID（`handler.ts` L831-832）：`deepseek-v4-pro` / `deepseek-v4-flash`。 + +### 2.6 渲染约束 + +- reasoner/renderer 都强制 `structuredOutput` JSON（`reasoner-agent.ts` L124、`renderer-agent.ts` L62）。 +- renderer 还要 `enforceServerQuestion`（L38-40、L63）把服务端预建的 `exactQuestion` 强制覆盖进输出——LLM 措辞被服务端文案顶替。 +- 模型为 deepseek 系列（非 Claude），对话自然度与指令遵循不同。 + +--- + +## 3. staging 入口确认 + +| 项 | 结论 | 证据 | +|---|---|---| +| 前端 UI | **v4 rectification**：`ConversationalBirthTimeRectification` 只是 `RectificationV4Panel` 的别名 | `components/conversational-birth-time-rectification.tsx:20` | +| API 入口 | `/api/rectification/v4/*` | `lib/rectification-v4/client.ts`（cases / active / answer / revise / accept-range / pause/resume/abandon） | +| v4 流程内部 | `runBoundedReasoner`（reasoner-agent.ts）+ `renderPublicTurn`（renderer-agent.ts），两者 `skills: [rectificationSkillPath]`（受限 36 行 skill） | `reasoner-agent.ts:115`、`renderer-agent.ts:16` | +| 模型 | `RECTIFICATION_ORCHESTRATION_MODEL_ID` / `RECTIFICATION_NARRATION_MODEL_ID`（未设则默认目录） | `case-service.ts:46-47` | +| v5 agent vs v4 legacy | 由部署宿主 `.env.staging` 的 `RECTIFICATION_AGENT_V5_ENABLED` / `RECTIFICATION_AGENT_V5_CANARY_PERCENT` / `RECTIFICATION_AGENT_V5_SHADOW` 决定（`feature-policy.ts`），仓库不可见；**两种模式都走同一套受限 skill + 模板问题** | `lib/rectification-agent/feature-policy.ts:26-39` | +| v3 对话式 | 按 rollout audience（paused/smoke_only/public）门控，**未接入当前 UI 面板** | `deploy/configure-staging-rectification-rollout.sh`、`components/rectification-v4-panel.tsx`（无 v3 引用） | +| 部署副本 | Dockerfile 把 `SKILL.md`/`assets`/`references`/`scripts`/`skills` 拷进 `/app/`，symlink 保留 | `deploy/railway-web.Dockerfile:18-22` | + +> 注：`/api/health` 只上报 v3 的 rollout 状态（`rollout.conversationalRectificationV3.creationAudience`），不包含 v5 agent 的开关值，因此 v5 模式是否在 staging 开启需查部署宿主的 `.env.staging`。 + +--- + +## 4. 改进方案（在"服务端拥有计算"护栏内） + +按侵入性从低到高排列，均为**建议**（本次未实施）。任何方案都不得把内部分数/权重/事件 ID 暴露给用户，不得确认单一分钟。 + +### 4.1 即时注入 skill 指令（低侵入，收益高） + +- **改动**：把 36 行 `skills/birth-time-rectification/SKILL.md` 直接内联进 reasoner/renderer 的 `instructions`（`reasoner-agent.ts:117`、`renderer-agent.ts:17`），保留 `skills: [skillPath]` 作为能力来源。 +- **效果**：消除 Mastra skill 懒加载不确定性——模型每轮都确定拥有"turn strategy + public language + 硬边界"指令。 +- **风险**：低。指令与 skill 内容一致，只是从懒加载改为常驻。 + +### 4.2 LLM 起草问题 + 服务端 grounded 校验（中侵入，消除"模板感"核心） + +- **改动**：`opportunity-builder.ts` 保留"选哪个机会"的服务端决策（kind/targetEventId/domain/utility），但把 `prompt` 从"必须原样使用"改为"话题约束"；reasoner 用自然语言起草问题文本；新增一个 grounding 校验（复用 `narrative-agent.ts` 的 grounding 思路）确认草稿：① 命中目标事件/领域 ② 不含内部分数/权重/事件 ID ③ 是单问。 +- **效果**：问题随上下文自适应，消灭"你刚才提到X…"的模板感。 +- **风险**：中。需要新增校验层与测试；reasoner 输出 schema 从"选 opportunityId"扩展为"选 opportunityId + 起草文本"。 + +### 4.3 自由对话回合（中侵入） + +- **改动**：服务端没有待处理机会（`opportunities` 为空或全部低效用）时，允许 agent 走"自然回应"而非强制提问。可复用 v3 `narrative-agent.ts` 的 `freeConversation` / `questionsAreOptional` 提示词模式，让 renderer 生成 1-3 句自然中文 + 可选开放收尾。 +- **效果**：不再每轮都是"选择题"，更像本地对话。 +- **风险**：中。需防止发散、防止确认未验证分钟；收敛判定仍由服务端掌控。 + +### 4.4 渲染放宽（中侵入） + +- **改动**：renderer 从 `structuredOutput` JSON 改为自然中文文本输出 + 事后校验（`enforceServerQuestion` 保留为兜底，仅当需要明确问题时强制服务端文案）。 +- **效果**：回复更自然，减少 JSON 式僵硬措辞。 +- **风险**：中。需新的文本校验（主题、长度、泄密扫描）。 + +### 4.5 模型目录加入 Claude（低侵入，可选） + +- **改动**：`frontend/src/mastra/model.ts` 的模型目录加入 Claude（如 `claude-sonnet-5`），`RECTIFICATION_NARRATION_MODEL_ID` 指向它。 +- **效果**：叙事/对话质量显著提升（deepseek 在结构化约束下更易模板化）。 +- **风险**：低，纯配置；需确认供应商密钥与成本。 + +--- + +## 5. 不应改动（设计边界） + +以下为 `birth-time-rectification` skill 与产品契约的硬性约束，**任何改进都不得触碰**： + +1. 服务端拥有候选扫描、评分、诊断、事件 ID、策略门控。 +2. 永不确认单一分钟；永不直接写 `profiles.active_birth_time`。 +3. 候选区间只有确定性稳定门通过才对用户可见（`canAcceptRange`）。 +4. 计费幂等（billing reserve/complete/release + action receipt 指纹重放）。 +5. truth-overlay 强制降级：`reference_only`/`blocked`/`partial` 技法不得作为确定性结论（`references/oracle/skill_truth_overlay_2026_07_19.json`）。 +6. 不暴露内部分数、权重、领域标签、工具载荷、agent 轨迹。 + +改进目标是让**叙述/提问的自然度**贴近本地，而不是让 Web 复刻本地的方法论深度——那需要把整条计算链路搬进 LLM 上下文，与现有产品架构冲突。 + +--- + +## 6. 附：关键文件索引 + +| 文件 | 作用 | +|---|---| +| `skills/birth-time-rectification/SKILL.md` | Web 端受限 skill（36 行硬边界） | +| `SKILL.md`（仓库根） | 本地完整 skill（712 行方法论，symlink 到 skill 目录） | +| `frontend/src/lib/rectification-agent/opportunity-builder.ts` | 服务端模板问题生成器（硬编码根源） | +| `frontend/src/lib/rectification-agent/reasoner-agent.ts` | v4/v5 reasoner（选机会 + diagnostic 工具） | +| `frontend/src/lib/rectification-agent/renderer-agent.ts` | v4/v5 renderer（渲染公开回合 + enforceServerQuestion） | +| `frontend/src/lib/rectification-agent/feature-policy.ts` | v4_legacy / v5_shadow / v5_agent 选择 | +| `frontend/src/lib/rectification-v4/case-service.ts` | 建 case、deployment_mode、模型 ID | +| `frontend/src/lib/rectification-v4/supabase-store.ts` | 持久化 deployment_mode/agent_mode | +| `frontend/src/lib/conversational-rectification/narrative-agent.ts` | v3 叙事 agent（freeConversation 参考实现） | +| `frontend/src/app/api/birth-time-conversation/handler.ts` | v3 handler（deepseek 模型 ID、流式） | +| `references/rectification_policy.v1.json` | 收敛门槛硬编码 | +| `deploy/configure-staging-rectification-rollout.sh` | staging rollout（paused/smoke_only/public） | +| `frontend/supabase/migrations/20260728020000_*.sql` | v5 列（deployment_mode/agent_mode/model id/version） | + +--- + +## 7. 已实施：Agentic 生时纠正 MVP（2026-08-01） + +按用户决策"完全复刻本地方法论"，实现了一个新的 **agentic 生时纠正**聊天流：LLM 挂载完整 `jyotish-vedic-astrology` skill，像本地 Claude Code 一样驱动方法论，通过引擎工具请求计算（而不是自己瞎算），自由多轮对话，最终经高 rigor 确认门 + 用户明确同意后写回 `profiles.active_birth_time`。 + +### 7.1 新增文件 + +| 文件 | 作用 | +|---|---| +| `frontend/src/mastra/rectification-tools.ts` | 7 个工具包 Python 引擎端点：`rectification-gate`（精度门）、`rectification-scan`（分钟敏感度扫描）、`rectification-score`（V5 矩阵评分）、`rectification-diagnostics`（鲁棒性诊断）、`rectification-candidate-features`（候选静态特征）、`rectification-confirm`（高 rigor 三引擎 parity 确认门）、`rectification-save-birth-time`（服务端双重校验后写 profile） | +| `frontend/src/mastra/agentic-rectification.ts` | agent 工厂：完整 skill + 工具 + 中文指令（方法论流程、truth overlay、保存门控） | +| `frontend/src/lib/rectification-agentic/session.ts` | 会话支持：加载 profile 出生字段、`applyConfirmedBirthTime` 调 service-role RPC 写回 | +| `frontend/src/app/api/rectification/agent/route.ts` | NDJSON 流式端点：认证 → profile → 计费 reserve → agent.stream → delta/done 事件 → settle | +| `frontend/src/components/rectification-agentic-chat.tsx` | 聊天面板：流式渲染、隐藏块解析（suggestions/title/保存哨兵）、错误处理 | +| `frontend/src/components/conversational-birth-time-rectification.tsx` | 入口智能切换：有进行中的 v4 case → v4 面板恢复；否则 → agentic 聊天 | +| `frontend/supabase/migrations/20260801000000_agentic_rectification_profile_write.sql` | `apply_agentic_rectification_birth_time` RPC（security definer，仅 service_role，含基线并发保护） | +| `frontend/tests/rectification-agentic-tools.test.ts` / `rectification-agentic-session.test.ts` | 12 个测试 | + +### 7.2 安全门控（核心） + +LLM 绝不能写任意分钟。`rectification-confirm` 只有在引擎高 rigor 门全过（≥4 事件、≥3 领域、宽度/边际阈值、三引擎 parity、外部 VedAstro 校验）返回 `confirmation_allowed=true` + 确认分钟时，才在会话闭包中设置 `confirmedGate`；`rectification-save-birth-time` 要求请求的时间**恰好等于**该确认分钟，才调用 RPC 写库。RPC 还带 `p_baseline_time` 并发保护（当前 active 时间必须仍是会话开始时的基线）。 + +### 7.3 验证 + +- `npx tsx --test tests/*.test.ts`：**1076 全通过**（含 12 个新测试）。 +- `npx tsc --noEmit`：新文件零错误（仓库剩余 5 个为预先存在）。 +- `npx eslint`：新文件零错误零警告。 + +### 7.4 待办/注意 + +- **引擎端点鉴权**：`rectification-save-birth-time` 走的 RPC 仅 service_role；引擎各 rectification 端点无需 token（与 `runConsultationWorkflow` 一致）。 +- **计费**：按消息 reserve/complete/cancel 咨询点数（复用 `begin/complete/cancel_consultation_credit`）。 +- **v4 保留**：有进行中 v4 case 时仍走 v4 面板恢复，不丢数据。 +- **模型**：默认走当前模型目录；若想让叙事用 Claude，在 `LLM_MODELS_JSON` 加 Claude 项并把 `LLM_DEFAULT_MODEL_ID` 指过去即可。 +- **部署**：新路由无需新环境变量（复用 `JYOTISH_API_BASE`、Supabase 密钥、模型目录）；新迁移需在 staging 执行 `db:migrate`。 diff --git a/frontend/src/app/api/rectification/agent/route.ts b/frontend/src/app/api/rectification/agent/route.ts new file mode 100644 index 00000000..50fcabe5 --- /dev/null +++ b/frontend/src/app/api/rectification/agent/route.ts @@ -0,0 +1,253 @@ +import { NextResponse } from "next/server"; +import { z } from "zod"; +import { getAgenticRectificationAgent } from "@/mastra/agentic-rectification"; +import { defaultLanguageModel, resolveLanguageModel } from "@/mastra/model"; +import { blocksPromptExtraction } from "@/lib/consult-safety"; +import { runCreditRpc } from "@/lib/consultation-billing"; +import { createAdminSupabaseClient } from "@/lib/supabase/admin"; +import { createServerSupabaseClient } from "@/lib/supabase/server"; +import { + AgenticRectificationProfileError, + createAgenticRectificationContext, + loadAgenticRectificationProfile, +} from "@/lib/rectification-agentic/session"; + +export const runtime = "nodejs"; +export const maxDuration = 120; + +const agenticRectificationRequestSchema = z.object({ + requestId: z.string().uuid(), + modelId: z.string().trim().min(1).max(64).optional(), + name: z.string().trim().max(80).optional().default(""), + history: z + .array( + z.object({ + role: z.enum(["user", "assistant"]), + text: z.string().max(4000), + }), + ) + .max(30) + .default([]), + message: z.string().trim().min(1).max(4000), +}).strict(); + +function currentTimeContext(now = new Date()) { + const chinaTime = new Date(now.getTime() + 8 * 60 * 60 * 1000) + .toISOString() + .replace("T", " ") + .slice(0, 19); + return `服务端当前时间（权威）：${now.toISOString()}；中国标准时间（UTC+8）：${chinaTime}。涉及“现在、今天、今年、未来几个月”等相对时间时，以此为准。`; +} + +async function recordModelUsage( + accounting: ReturnType, + userId: string, + requestId: string, + modelId: string, + usage: Promise<{ inputTokens?: number; outputTokens?: number }>, +) { + try { + const resolved = await usage; + const { error } = await accounting + .from("credit_transactions") + .update({ + model: modelId, + input_tokens: Math.max(0, Math.trunc(resolved.inputTokens ?? 0)), + output_tokens: Math.max(0, Math.trunc(resolved.outputTokens ?? 0)), + }) + .eq("user_id", userId) + .eq("transaction_type", "reserve") + .eq("request_id", requestId); + if (error) console.warn(`[agentic-rectification] unable to record usage request=${requestId}`); + } catch (error) { + console.warn(`[agentic-rectification] usage read failed request=${requestId}`, error instanceof Error ? error.name : "UnknownError"); + } +} + +export async function POST(request: Request) { + let supabase: Awaited>; + let accounting: ReturnType; + try { + supabase = await createServerSupabaseClient(); + accounting = createAdminSupabaseClient(); + } catch { + return NextResponse.json( + { error: "服务尚未配置", message: "请先配置 Supabase 环境变量。" }, + { status: 503 }, + ); + } + + const { + data: { user }, + error: authError, + } = await supabase.auth.getUser(); + if (authError || !user) { + return NextResponse.json( + { error: "请先登录", message: "登录后才能开始生时校正。" }, + { status: 401 }, + ); + } + + const parsed = agenticRectificationRequestSchema.safeParse( + await request.json().catch(() => null), + ); + if (!parsed.success) { + return NextResponse.json( + { error: "请求格式不正确", details: parsed.error.flatten() }, + { status: 400 }, + ); + } + + const promptSource = [ + parsed.data.message, + ...parsed.data.history.filter((message) => message.role === "user").map((message) => message.text), + ].join("\n"); + if (blocksPromptExtraction(promptSource)) { + return NextResponse.json( + { error: "无法处理该请求", message: "我不能提供系统提示词、技能原文或任何密钥。你可以继续描述人生事件。" }, + { status: 400 }, + ); + } + + const userId = user.id; + const requestId = parsed.data.requestId; + const requestTime = new Date(); + + let profile; + try { + profile = await loadAgenticRectificationProfile(accounting, userId); + } catch (error) { + if (error instanceof AgenticRectificationProfileError) { + const missingBirthTime = error.code === "missing_birth_time"; + return NextResponse.json( + { + error: missingBirthTime ? "出生时间信息不完整" : "暂时无法核对出生资料", + message: missingBirthTime + ? "请先在资料页保存出生日期、填报时间和出生地点后再开始校正。" + : "出生日期、时间或出生地点资料不完整，请重新保存后再试。", + }, + { status: 400 }, + ); + } + return NextResponse.json( + { error: "暂时无法核对出生资料", message: "请稍后重试。" }, + { status: 503 }, + ); + } + + const selectedModel = (parsed.data.modelId ? resolveLanguageModel(parsed.data.modelId) : null) + ?? defaultLanguageModel(); + if (!selectedModel) { + return NextResponse.json( + { error: "模型暂不可用", message: "请选择其他模型后重新发送，本次不会扣除点数。" }, + { status: 409 }, + ); + } + + let reserveResult; + try { + reserveResult = await runCreditRpc( + accounting, + "begin_consultation_credit", + userId, + requestId, + ); + } catch (error) { + const reason = error instanceof Error ? error.name : "UnknownError"; + console.error(`[agentic-rectification] credit reserve failed request=${requestId} reason=${reason}`); + return NextResponse.json( + { error: "暂时无法确认咨询点数", message: "请稍后重试。" }, + { status: 503 }, + ); + } + if (!reserveResult.success) { + const insufficient = reserveResult.error_code === "insufficient_credits"; + return NextResponse.json( + { + error: insufficient ? "咨询点数不足" : "暂时无法扣除咨询点数", + message: insufficient ? "请先兑换咨询点数后再继续。" : reserveResult.error_code || "请稍后重试。", + }, + { status: insufficient ? 402 : 503 }, + ); + } + + const ctx = createAgenticRectificationContext(accounting, userId, profile); + const agent = getAgenticRectificationAgent(selectedModel, ctx); + + const encoder = new TextEncoder(); + const body = new ReadableStream({ + async start(controller) { + let emitted = false; + let settled = false; + const settle = async (complete: boolean) => { + if (settled) return; + settled = true; + try { + if (complete) { + await runCreditRpc(accounting, "complete_consultation_credit", userId, requestId); + } else { + await runCreditRpc(accounting, "cancel_consultation_credit", userId, requestId); + } + } catch (error) { + const reason = error instanceof Error ? error.name : "UnknownError"; + console.warn(`[agentic-rectification] credit settle failed request=${requestId} complete=${complete} reason=${reason}`); + } + }; + const send = (event: Record) => { + controller.enqueue(encoder.encode(`${JSON.stringify(event)}\n`)); + }; + try { + const result = await agent.stream([ + ...parsed.data.history.map((message) => message.role === "user" + ? { role: "user" as const, content: message.text } + : { role: "assistant" as const, content: message.text }), + { + role: "user", + content: [ + currentTimeContext(requestTime), + parsed.data.name ? `用户称呼：${parsed.data.name}` : "", + parsed.data.message, + ].filter(Boolean).join("\n"), + }, + ]); + for await (const chunk of result.textStream) { + if (/\S/.test(chunk)) emitted = true; + send({ type: "delta", text: chunk }); + } + send({ type: "done", emitted }); + void recordModelUsage( + accounting, + userId, + requestId, + selectedModel.id, + result.totalUsage, + ); + await settle(emitted); + controller.close(); + } catch (error) { + const reason = error instanceof Error ? error.name : "UnknownError"; + console.error(`[agentic-rectification] generation failed request=${requestId} reason=${reason}`); + try { + send({ type: "error", message: "生时校正暂时不可用，请稍后再试。" }); + } catch { + // controller may already be errored + } + await settle(false); + try { + controller.close(); + } catch { + // already closed + } + } + }, + }); + + return new Response(body, { + headers: { + "cache-control": "no-cache, no-transform", + "content-type": "application/x-ndjson; charset=utf-8", + "x-accel-buffering": "no", + "x-ayanam-request-id": requestId, + }, + }); +} diff --git a/frontend/src/app/page.tsx b/frontend/src/app/page.tsx index 18f7f1fa..2a941d8b 100644 --- a/frontend/src/app/page.tsx +++ b/frontend/src/app/page.tsx @@ -3038,6 +3038,7 @@ export default function Home() { continuationPending={rectificationContinuationPending} onPendingChange={setRectificationMutationPending} onContinueOriginalQuestion={(continuation) => void continueRectificationOriginalQuestion(continuation)} + onSaved={() => void refreshAccount()} /> )} diff --git a/frontend/src/components/conversational-birth-time-rectification.tsx b/frontend/src/components/conversational-birth-time-rectification.tsx index 610851aa..2f265bea 100644 --- a/frontend/src/components/conversational-birth-time-rectification.tsx +++ b/frontend/src/components/conversational-birth-time-rectification.tsx @@ -1,6 +1,10 @@ "use client"; +import { useEffect, useState } from "react"; +import { loadActiveRectificationV4 } from "../lib/rectification-v4/client.ts"; import type { PublicLanguageModel } from "../lib/public-models.ts"; +import { AgenticRectificationChat } from "./rectification-agentic-chat.tsx"; +import { ChatMessageRow } from "./chat-message-row.tsx"; import { RectificationV4Panel, type RectificationV4Continuation, @@ -14,8 +18,56 @@ export type ConversationalBirthTimeRectificationProps = Readonly<{ continuationPending?: boolean; onPendingChange?: (pending: boolean) => void; onContinueOriginalQuestion?: (continuation: RectificationV4Continuation) => void; + onSaved?: (time: string) => void; }>; +/** + * Birth-time rectification surface. + * + * Resumes an existing v4 evidence case when one is still in progress (so users + * never lose a saved candidate range), and otherwise opens the agentic chat + * where the LLM drives the full Jyotish rectification methodology with the + * engine as its computation layer. + */ export function ConversationalBirthTimeRectification(props: ConversationalBirthTimeRectificationProps) { - return ; + const [mode, setMode] = useState<"loading" | "v4" | "agentic">("loading"); + + useEffect(() => { + let mounted = true; + void (async () => { + const existing = await loadActiveRectificationV4().catch(() => null); + if (mounted) setMode(existing ? "v4" : "agentic"); + })(); + return () => { mounted = false; }; + }, []); + + if (mode === "loading") { + return ( +
+
+ +
+
+
+ ); + } + + if (mode === "v4") { + return ; + } + + return ; +} + +function ChatLoadingRow() { + return ( + + ); } diff --git a/frontend/src/components/rectification-agentic-chat.tsx b/frontend/src/components/rectification-agentic-chat.tsx new file mode 100644 index 00000000..0a49f31b --- /dev/null +++ b/frontend/src/components/rectification-agentic-chat.tsx @@ -0,0 +1,213 @@ +"use client"; + +import { ArrowUp } from "lucide-react"; +import { useEffect, useRef, useState } from "react"; +import { parseAgentReply } from "@/lib/agent-reply"; +import type { ChatMessageView } from "@/lib/chat-message-view"; +import type { PublicLanguageModel } from "@/lib/public-models"; +import { ChatMessageRow } from "./chat-message-row"; +import { ModelSelector } from "./model-selector"; +import { Button } from "./ui/button"; +import { Textarea } from "./ui/textarea"; + +type AgenticRectificationChatProps = Readonly<{ + models: readonly PublicLanguageModel[]; + selectedModelId: string; + onSelectModel: (modelId: string) => void; + pendingConsultationQuestion?: string | null; + continuationPending?: boolean; + onPendingChange?: (pending: boolean) => void; + onSaved?: (time: string) => void; +}>; + +type RenderMessage = ChatMessageView; + +const savedSentinel = //; + +export function AgenticRectificationChat(props: AgenticRectificationChatProps) { + const pendingQuestion = props.pendingConsultationQuestion?.trim(); + const [messages, setMessages] = useState(() => pendingQuestion ? [{ + role: "assistant", + text: `我先陪你把出生时间范围核对清楚，之后再回到你原来的问题：“${pendingQuestion}”`, + renderKey: "agentic-pending-consultation", + state: "settled", + }] : []); + const [draft, setDraft] = useState(""); + const [busy, setBusy] = useState(false); + const [error, setError] = useState(""); + const [savedTime, setSavedTime] = useState(null); + const [suggestions, setSuggestions] = useState([]); + const composer = useRef(null); + const conversationEnd = useRef(null); + const keyCounter = useRef(0); + + const setPending = (value: boolean) => { + setBusy(value); + props.onPendingChange?.(value); + }; + + useEffect(() => { + const reduceMotion = window.matchMedia("(prefers-reduced-motion: reduce)").matches; + conversationEnd.current?.scrollIntoView({ + behavior: busy || reduceMotion ? "auto" : "smooth", + block: "end", + }); + }, [busy, error, messages.length, savedTime]); + + async function send(question: string) { + const trimmed = question.trim(); + if (!trimmed || busy) return; + setError(""); + setSavedTime(null); + setSuggestions([]); + setPending(true); + + keyCounter.current += 1; + const requestId = globalThis.crypto.randomUUID(); + const history = messages + .filter((message) => message.state === "settled") + .map((message) => ({ role: message.role, text: message.text })); + const turnKey = keyCounter.current; + const userRenderKey = `agentic-user-${turnKey}`; + const assistantRenderKey = `agentic-assistant-${turnKey}`; + + setMessages((current) => [ + ...current, + { role: "user", text: trimmed, renderKey: userRenderKey, state: "settled" }, + { role: "assistant", text: "", renderKey: assistantRenderKey, state: "thinking" }, + ]); + setDraft(""); + + let raw = ""; + try { + const response = await fetch("/api/rectification/agent", { + method: "POST", + headers: { "content-type": "application/json" }, + body: JSON.stringify({ requestId, modelId: props.selectedModelId, history, message: trimmed }), + }); + if (!response.ok) { + const payload = await response.json().catch(() => null); + const message = payload?.message || payload?.error || `请求失败（${response.status}）`; + if (response.status === 402) setError(`咨询点数不足：${message}`); + else if (response.status === 401) setError("请先登录。"); + else setError(message); + return; + } + if (!response.body) { + setError("服务暂时不可用，请稍后再试。"); + return; + } + + const reader = response.body.getReader(); + const decoder = new TextDecoder(); + let buffer = ""; + while (true) { + const { done, value } = await reader.read(); + if (done) break; + buffer += decoder.decode(value, { stream: true }); + const lines = buffer.split("\n"); + buffer = lines.pop() ?? ""; + for (const line of lines) { + if (!line.trim()) continue; + let event: { type: string; text?: string; message?: string }; + try { + event = JSON.parse(line) as { type: string; text?: string; message?: string }; + } catch { + continue; + } + if (event.type === "delta" && typeof event.text === "string") { + raw += event.text; + const parsed = parseAgentReply(raw, "general"); + setMessages((current) => current.map((message) => message.renderKey === assistantRenderKey + ? { ...message, text: parsed.text, state: "streaming" } + : message)); + setSuggestions(parsed.suggestions); + const saved = raw.match(savedSentinel); + if (saved) setSavedTime(saved[1]); + } else if (event.type === "error") { + setError(event.message || "生时校正暂时不可用，请稍后再试。"); + } + } + } + + const parsed = parseAgentReply(raw, "general"); + setMessages((current) => current.map((message) => message.renderKey === assistantRenderKey + ? { ...message, text: parsed.text, state: "settled" } + : message)); + setSuggestions(parsed.suggestions); + const saved = raw.match(savedSentinel); + if (saved) { + setSavedTime(saved[1]); + props.onSaved?.(saved[1]); + } + } catch { + setError("生时校正暂时不可用，请稍后再试。"); + setMessages((current) => current.filter((message) => message.renderKey !== assistantRenderKey)); + } finally { + setPending(false); + } + } + + async function submit(event: React.FormEvent) { + event.preventDefault(); + await send(draft); + } + + const canSend = !busy; + + return ( + <> +
+
+ {messages.map((message) => )} + {savedTime && ( +

+ 出生时间已更新为 {savedTime}，后续排盘将使用该时间。 +

+ )} + {error &&

{error}

} +
+
+
+ +
+ {suggestions.length > 0 && !busy && ( +
+ {suggestions.map((question) => ( + + ))} +
+ )} + +
+