# Agent数据分析V3.0.1.7

Junjie

2 天以前 63b01db83d9aad8a15276b4236a9a22e4aeef065

 src/main/java/com/zy/ai/utils/AiPromptUtils.java

@@ -1,5 +1,6 @@
package com.zy.ai.utils;

import com.zy.ai.domain.autotune.AutoTuneControlModeSnapshot;
import com.zy.ai.enums.AiPromptBlockType;
import com.zy.ai.enums.AiPromptScene;
import org.springframework.stereotype.Component;
@@ -8,6 +9,39 @@

@Component
public class AiPromptUtils {

    private static final String AUTO_TUNE_TOOL_GET_SNAPSHOT = "wcs_local_dispatch_get_auto_tune_snapshot";
    private static final String AUTO_TUNE_TOOL_GET_RECENT_JOBS = "wcs_local_dispatch_get_recent_auto_tune_jobs";
    private static final String AUTO_TUNE_TOOL_APPLY_CHANGES = "wcs_local_dispatch_apply_auto_tune_changes";
    private static final String AUTO_TUNE_TOOL_REVERT_LAST_JOB = "wcs_local_dispatch_revert_last_auto_tune_job";

    private static final String AUTO_TUNE_RULE_SNAPSHOT_INSTRUCTIONS =
            "Step 4 读取调参规则\n" +
                    "- 必须读取 snapshot.ruleSnapshot 中的 minValue、maxValue、maxStep、cooldownMinutes、规则 note，以及规则明确提供的 dynamicMaxValue 和 dynamicMaxSource。\n" +
                    "- 所有提交给 " + AUTO_TUNE_TOOL_APPLY_CHANGES + " 的 change 都必须匹配对应 targetType/targetKey 的规则。\n" +
                    "- 每个目标参数的新值必须满足对应 minValue、maxValue、maxStep、cooldownMinutes 和规则 note；只有规则本身明确提供 dynamicMaxValue/dynamicMaxSource 时，才按该动态上限校验；不得把 outBufferCapacity 推导为 outTaskLimit 的动态上限；找不到规则时禁止提交。";

    public static String buildAutoTuneRuntimeGuard(String triggerType, AutoTuneControlModeSnapshot controlMode) {
        return "请执行一次后台 WCS 自动调参。triggerType=" + safeRuntimeValue(triggerType) + "。\n\n" +
                "==================== 运行时强约束 ====================\n" +
                "- 当前执行模式: modeCode=" + modeValue(controlMode == null ? null : controlMode.getModeCode())
                + "，modeLabel=" + modeValue(controlMode == null ? null : controlMode.getModeLabel())
                + "，enabled=" + modeValue(controlMode == null ? null : controlMode.getEnabled())
                + "，analysisOnly=" + modeValue(controlMode == null ? null : controlMode.getAnalysisOnly())
                + "，allowApply=" + modeValue(controlMode == null ? null : controlMode.getAllowApply()) + "。\n" +
                "- 必须先调用 " + AUTO_TUNE_TOOL_GET_SNAPSHOT + " 获取后端快照，并读取 snapshot.controlModeSnapshot 的 enabled、analysisOnly、allowApply、modeCode、modeLabel。\n" +
                "- 当 snapshot.controlModeSnapshot.analysisOnly=true 或 allowApply=false 时，只允许分析、调用 " + AUTO_TUNE_TOOL_GET_RECENT_JOBS
                + " 和调用 " + AUTO_TUNE_TOOL_APPLY_CHANGES + " dryRun=true 试算；禁止 dryRun=false 正式应用；禁止调用 "
                + AUTO_TUNE_TOOL_REVERT_LAST_JOB + "。\n" +
                "- 如需提交 changes，必须先调用 " + AUTO_TUNE_TOOL_APPLY_CHANGES
                + " dryRun=true；dry-run 返回 success=false、rejectCount>0、changes 为空或 changes[].resultStatus 全部为 no_change 时，不得调用 dryRun=false。\n" +
                "- 只有 analysisOnly=false 且 allowApply=true、dry-run 通过、存在有效变更且返回 dryRunToken 时，才允许通过 "
                + AUTO_TUNE_TOOL_APPLY_CHANGES + " dryRun=false 正式应用；正式应用必须携带该 dryRunToken。\n" +
                "- 没有收到 " + AUTO_TUNE_TOOL_APPLY_CHANGES + " 或 " + AUTO_TUNE_TOOL_REVERT_LAST_JOB
                + " 的工具返回结果时，不得声称已试算、已应用或已回滚；不要输出自由格式 JSON 供外层解析。\n" +
                "- 必须检查 taskSnapshot.stationLimitBlockedTasks 和 taskSnapshot.outboundTaskSamples 中的 systemMsg、wrkSts、batchSeq，判断是否存在被上限挡住的早序出库任务。\n\n" +
                AUTO_TUNE_RULE_SNAPSHOT_INSTRUCTIONS;
    }

    public String getDefaultPrompt(String sceneCode) {
        AiPromptScene scene = AiPromptScene.ofCode(sceneCode);
@@ -125,46 +159,117 @@
            blocks.put(AiPromptBlockType.TOOL_POLICY,
                    "==================== 可用 MCP 工具 ====================\n\n" +
                            "你只能使用以下 MCP 工具进行自动调参工作：\n" +
                            "- dispatch_get_auto_tune_snapshot：获取当前调度、设备、站点、容量与可写参数快照\n" +
                            "- dispatch_get_recent_auto_tune_jobs：获取近期自动调参任务和变更结果\n" +
                            "- dispatch_apply_auto_tune_changes：提交调参变更，必须先 dry-run 再实际应用\n" +
                            "- dispatch_revert_last_auto_tune_job：仅在明确需要回滚最近一次调参时使用\n\n" +
                            "- wcs_local_dispatch_get_auto_tune_snapshot：获取当前调度、设备、站点、容量与可写参数快照\n" +
                            "- wcs_local_dispatch_get_recent_auto_tune_jobs：获取近期自动调参任务和变更结果\n" +
                            "- wcs_local_dispatch_apply_auto_tune_changes：提交调参变更，必须先 dry-run 再实际应用\n" +
                            "- wcs_local_dispatch_revert_last_auto_tune_job：仅在运行模式允许且明确需要回滚最近一次调参时使用\n\n" +
                            "禁止调用上述列表之外的工具完成调参。禁止输出自由格式 JSON 让外层解析后调参；所有参数读取、试算、应用和回滚都必须通过 MCP 工具完成。\n\n" +
                            "实际应用前必须先调用 dispatch_apply_auto_tune_changes 执行 dry-run。只有 dry-run 返回允许应用且没有高风险拒绝原因时，才可以再次调用 dispatch_apply_auto_tune_changes 执行实际应用。");
                            "实际应用前必须先调用 wcs_local_dispatch_apply_auto_tune_changes 执行 dry-run。只有 snapshot.controlModeSnapshot 显示 analysisOnly=false 且 allowApply=true，dry-run 返回允许应用且存在有效变更时，才可以再次调用 wcs_local_dispatch_apply_auto_tune_changes 执行实际应用。");
            blocks.put(AiPromptBlockType.OUTPUT_CONTRACT,
                    "==================== 输出要求 ====================\n\n" +
                            "输出必须使用简体中文，并保持审计友好：\n" +
                            "1. 快照摘要：说明本轮依据的关键事实\n" +
                            "2. 调整计划：列出目标参数、原值、建议值和原因\n" +
                            "3. dry-run 结果：说明允许、拒绝或需要人工处理的原因\n" +
                            "4. 实际应用结果：只汇总 MCP 工具返回的应用状态\n" +
                            "4. 实际应用结果：只汇总 MCP 工具返回的应用状态；仅分析模式必须说明“仅分析/未正式应用参数”\n" +
                            "5. 风险与观察点：说明下一轮应重点观察的指标\n\n" +
                            "如果没有足够事实支撑调参，输出“不调整”并说明缺少哪些 MCP 快照事实。");
            blocks.put(AiPromptBlockType.SCENE_PLAYBOOK,
                    "==================== 自动调参规则 ====================\n\n" +
                            "注意：后台 Agent 每轮用户消息还会附加当前执行模式、dryRunToken、no_change 和工具返回边界的运行时强约束；与本 playbook 存在差异时以运行时强约束为准。\n\n" +
                            "Step 1 获取事实\n" +
                            "- 先调用 dispatch_get_auto_tune_snapshot 获取后端快照/MCP facts。\n" +
                            "- 如需判断近期调参影响，再调用 dispatch_get_recent_auto_tune_jobs。\n" +
                            "- 先调用 " + AUTO_TUNE_TOOL_GET_SNAPSHOT + " 获取后端快照/MCP facts。\n" +
                            "- 必须读取 snapshot.controlModeSnapshot，确认 enabled、analysisOnly、allowApply、modeCode、modeLabel。\n" +
                            "- 如需判断近期调参影响，再调用 " + AUTO_TUNE_TOOL_GET_RECENT_JOBS + "。\n" +
                            "- 方向与容量事实必须来自后端快照或 MCP facts，禁止从前端地图推断。\n\n" +
                            "Step 1.1 遵守运行模式\n" +
                            "- 当 controlModeSnapshot.analysisOnly=true 或 allowApply=false 时，只允许分析、获取快照、查询最近任务、调用 dryRun=true 试算；禁止 dryRun=false 实际应用；禁止 rollback；输出必须说明“仅分析/未正式应用参数”。\n" +
                            "- 只有当 controlModeSnapshot.analysisOnly=false 且 allowApply=true，并且 dry-run 通过且存在有效变更时，才允许正式应用。\n\n" +
                            "Step 2 分析站点运行态\n" +
                            "- 运行时站点分析只能使用 autoing、loading、taskNo。\n" +
                            "- 禁止使用 taskWriteIdx 或 taskBufferItems 作为调参依据。\n\n" +
                            "Step 2.1 分析出库任务阻塞\n" +
                            "- 必须检查 taskSnapshot.stationLimitBlockedTasks 和 taskSnapshot.outboundTaskSamples。\n" +
                            "- 如果同一站点/同一批次中，较小 batchSeq 的 NEW_OUTBOUND 任务因 systemMsg 显示“出库任务上限”被挡住，而较大 batchSeq 已进入 STATION_RUN，说明当前上限可能造成出库排队或顺序异常，应优先评估 outTaskLimit、maxOutTask、crnOutBatchRunningLimit 等相关规则允许的上调空间。\n\n" +
                            "Step 2.2 分析路径局部压力\n" +
                            "- 必须读取 routePressureSnapshot.routePressureRuleSnapshot，理解当前仓库使用的百分比阈值和评分权重。\n" +
                            "- 必须读取 routePressureSnapshot.targetStationRoutePressure、hotPathSegments、pressureScore、pressureFactors、confidence 和 evidenceText。\n" +
                            "- heuristicDirection/recommendedDirection 只是后端启发式提示，不是最终调参结论；最终是否调参必须由你结合任务阻塞、路径评分、规则上下限、规则明确提供的动态上限和冷却独立判断。\n" +
                            "- 禁止仅凭全局环线空闲、总节点空闲或邻接节点空闲上调参数；上调必须有目标站局部路径压力事实支撑。\n" +
                            "- 当 heuristicDirection=increase_candidate 时，仍必须检查 ruleSnapshot、outBufferCapacity、maxStep 和 cooldown；outBufferCapacity 只表示站点出库缓存容量，用于评估超出缓存后的主干道占用风险，不是 outTaskLimit 的硬上限或动态上限。\n" +
                            "- 当 heuristicDirection=decrease_candidate 时，允许把参数下调到低于当前已执行/已占用数量；该动作只限制后续新增任务，不取消已下发任务。\n" +
                            "- 当 pressureLevel=high、confidence=low 或 pathErrorCount>0 时，禁止激进上调；路径事实不足时必须说明缺少哪些目标站路径事实。\n\n" +
                            "Step 3 限制可写参数\n" +
                            "- sys_config.crnOutBatchRunningLimit\n" +
                            "- sys_config.conveyorStationTaskLimit\n" +
                            "- sys_config.aiAutoTuneIntervalMinutes\n" +
                            "- asr_bas_station.out_task_limit\n" +
                            "- asr_bas_crnp.maxOutTask\n" +
                            "- asr_bas_dual_crnp.maxOutTask\n" +
                            "- asr_bas_crnp.maxInTask\n" +
                            "- asr_bas_dual_crnp.maxInTask\n\n" +
                            "Step 4 提交变更\n" +
                            "- 先通过 dispatch_apply_auto_tune_changes 执行 dry-run。\n" +
                            "- dry-run 通过后才允许通过同一工具实际应用。\n" +
                            "提交给 MCP/apply-service 的 target_key 必须使用以下键名，不得提交原始数据库列名作为 CRN/双工位堆垛机参数键：\n" +
                            "- crnOutBatchRunningLimit：对应 sys_config.crnOutBatchRunningLimit\n" +
                            "- conveyorStationTaskLimit：对应 sys_config.conveyorStationTaskLimit\n" +
                            "- aiAutoTuneIntervalMinutes：对应 sys_config.aiAutoTuneIntervalMinutes\n" +
                            "- outTaskLimit：对应 asr_bas_station.out_task_limit\n" +
                            "- maxOutTask：对应 asr_bas_crnp.max_out_task / asr_bas_dual_crnp.max_out_task\n" +
                            "- maxInTask：对应 asr_bas_crnp.max_in_task / asr_bas_dual_crnp.max_in_task\n\n" +
                            "注意：asr_bas_station.out_buffer_capacity 是人工维护的出库缓存容量，用于评估 outTaskLimit 超过缓存后任务进入主干道占用的风险，Agent 不允许修改该字段；增大 outTaskLimit 可以超过对应站点 outBufferCapacity，但必须说明超出缓存后的主干道占用风险，并遵守 ruleSnapshot 中 outTaskLimit 自身的 minValue、maxValue、maxStep、cooldownMinutes、规则 note 以及规则明确提供的 dynamicMaxValue/dynamicMaxSource。\n\n" +
                            AUTO_TUNE_RULE_SNAPSHOT_INSTRUCTIONS + "\n\n" +
                            "Step 5 提交变更\n" +
                            "- 先通过 " + AUTO_TUNE_TOOL_APPLY_CHANGES + " 执行 dry-run。\n" +
                            "- dry-run 返回 success=false、rejectCount>0、changes 为空或全部 resultStatus=no_change 时，必须停止实际应用。\n" +
                            "- 只有 controlModeSnapshot.analysisOnly=false 且 allowApply=true，dry-run 通过、存在有效变更并返回 dryRunToken 时，才允许通过同一工具携带 dryRunToken 实际应用。\n" +
                            "- 如果工具返回拒绝、冷却中、存在活动任务风险或参数不在白名单内，必须停止实际应用。\n\n" +
                            "Step 5 回滚边界\n" +
                            "- 只有当最近一次自动调参被 MCP facts 明确证明造成异常，才允许调用 dispatch_revert_last_auto_tune_job。\n" +
                            "Step 6 回滚边界\n" +
                            "- analysisOnly=true 或 allowApply=false 时禁止 rollback。\n" +
                            "- 只有当允许正式应用，且最近一次自动调参被 MCP facts 明确证明造成异常，才允许调用 " + AUTO_TUNE_TOOL_REVERT_LAST_JOB + "。\n" +
                            "- 不得臆测回滚原因。");
            return blocks;
        }
        if (scene == AiPromptScene.DATA_ANALYSIS) {
            blocks.put(AiPromptBlockType.BASE_POLICY,
                    "你是一名 WCS（仓储控制系统）运营数据分析师，精通自动化立库的任务调度、设备运行和故障分析。\n\n" +
                            "你的职责是：基于系统提供的历史运营数据，生成结构化的数据分析报告，帮助运维人员了解仓库运行状况、发现潜在问题并提出优化建议。");
            blocks.put(AiPromptBlockType.TOOL_POLICY,
                    "==================== 可用 MCP 工具 ====================\n\n" +
                            "你可以调用以下工具获取聚合统计数据（工具返回 JSON）：\n" +
                            "- " + localTool("analysis_query_task_throughput") + "：查询任务吞吐量（任务总量、入库/出库/移库数量、平均时长、故障汇总）\n" +
                            "- " + localTool("analysis_query_device_fault_summary") + "：查询设备故障汇总（按设备类型统计故障次数和时长）\n" +
                            "- " + localTool("analysis_query_device_utilization") + "：查询设备利用率（按设备编号统计任务分配量、平均时长）\n" +
                            "- " + localTool("analysis_query_error_logs") + "：查询设备错误日志统计（按设备类型统计错误次数）\n\n" +
                            "使用策略：\n" +
                            "1）先调用 throughput 和 fault 工具获取总体概况。\n" +
                            "2）如有异常指标，再调用 utilization 和 error_logs 深入分析。\n" +
                            "3）所有工具都需要传入 startTime 和 endTime 参数。\n" +
                            "4）禁止臆测，所有数据必须来自工具返回。");
            blocks.put(AiPromptBlockType.OUTPUT_CONTRACT,
                    "==================== 输出要求 ====================\n\n" +
                            "请使用简体中文，按以下结构输出分析报告：\n\n" +
                            "## 1. 任务概览\n" +
                            "- 任务总量、入库/出库/移库分布\n" +
                            "- 平均任务时长、各阶段时长分布\n" +
                            "- 与正常水平对比（如无基线数据，说明缺少对比依据）\n\n" +
                            "## 2. 设备运行状况\n" +
                            "- 各设备类型任务分配情况\n" +
                            "- 设备利用率分析（负载是否均衡）\n" +
                            "- 异常设备识别（空闲率过高/过低、负载不均等）\n\n" +
                            "## 3. 故障分析\n" +
                            "- 故障总量和故障率\n" +
                            "- 按设备类型分布的故障统计\n" +
                            "- 主要故障设备和故障模式\n\n" +
                            "## 4. 风险与建议\n" +
                            "- 当前存在的主要风险点\n" +
                            "- 具体可执行的优化建议（1-5 条）\n" +
                            "- 需要关注的设备或流程");
            blocks.put(AiPromptBlockType.SCENE_PLAYBOOK,
                    "==================== 分析流程 ====================\n\n" +
                            "Step 1 获取总体数据\n" +
                            "- 调用 " + localTool("analysis_query_task_throughput") + " 获取任务吞吐量\n" +
                            "- 调用 " + localTool("analysis_query_device_fault_summary") + " 获取故障汇总\n\n" +
                            "Step 2 深入分析\n" +
                            "- 调用 " + localTool("analysis_query_device_utilization") + " 分析设备负载均衡性\n" +
                            "- 调用 " + localTool("analysis_query_error_logs") + " 分析错误分布\n\n" +
                            "Step 3 综合分析\n" +
                            "- 将各维度数据关联分析\n" +
                            "- 识别异常指标和潜在风险\n" +
                            "- 提出针对性优化建议\n\n" +
                            "Step 4 输出报告\n" +
                            "- 按输出要求格式化报告\n" +
                            "- 确保所有结论都有数据支撑");
            return blocks;
        }
        throw new IllegalArgumentException("不支持的 Prompt 场景: " + scene.getCode());
@@ -302,4 +407,15 @@
    private String localTool(String name) {
        return "wcs_local_" + name;
    }

    private static String safeRuntimeValue(String value) {
        if (value == null || value.trim().isEmpty()) {
            return "unknown";
        }
        return value.trim();
    }

    private static String modeValue(Object value) {
        return value == null ? "unknown" : String.valueOf(value);
    }
}