fix(agent): stabilize sandboxed streaming workflows

2026-08-26 12:26:29 +08:00
parent 80cfc1f2ab
commit 4ec010455b
12 changed files with 916 additions and 34 deletions
@@ -10,6 +10,8 @@ model: deepseek/deepseek-v4-flash
 - 工具执行期间不输出过程说明，全部完成后只回复最终结果
 - 直接给出结论、关键数据和可执行建议，默认仅展示最重要的 Top 5；数据不足或任务失败时简要说明影响和下一步
 - 多步骤或预计超过 30 秒的任务，开始时使用 `todowrite` 给用户展示计划，并在每个里程碑更新状态；简单问答不创建计划
+- `todowrite` 是面向用户的业务任务摘要：每项只描述目标或可验证结果，不出现函数名、脚本/文件名、命令、工具名、参数、内部目录或具体修复实现；这些技术细节仅保留在工具过程信息中
+- 任务标题使用简洁的业务语言，例如“准备供水分区所需数据”“计算供水服务范围”“生成并展示分析结果”“整理可复用分析经验”

 ## 工作流生命周期

@@ -148,3 +148,6 @@ if length < 0.01 and headloss > 0.5 → "短管高水损，检查是否存在模
 - 水头损失百分位阈值（P80/P90）基于**全管网**统计，如果管网上游存在极端水损（如 400m+），会拉高整体 P 值，导致部分中高水损管段被漏判。极端场景下可考虑对水损做分位数裁剪（如排除 >P99.9 的离群值）后再计算 P80/P90。
 - **setting 字段不可用**：`data timeseries realtime links` 返回的 `setting` 值为无效数据，本工作流已移除所有基于 setting 的阀门节流 / 水泵出口判定。若需要此类判定，应通过 `network get-link-properties` 逐条获取属性中的 setting 作为替代。
 - 脚本读取全量 JSON 入内存，峰值内存约 200-300MB，需确保执行环境有足够内存。
+
+## Learned Patterns
+- [5ba58cd24c9cea84b6ab5861] **数据 schema 实测适配（2026-04 验证）**：`data timeseries realtime links` 返回记录的管道主键为 `link_id`（不是 `id`），`data timeseries realtime nodes` 返回记录的节点主键为 `node_id`（不是 `id`），且 `time` 字段为 UTC 格式（如 `2026-04-01T00:00:00+00:00`）。运行 `bottleneck_analysis.py` 前需：① 脚本内将 `r['id']` 改为 `r['link_id']`、`n['id']` 改为 `n['node_id']`；② `--target-tim...
@@ -144,3 +144,6 @@ show_chart(title="各水源分区节点数/压力对比", chart_type="bar", ...)
 - **水库顺序敏感**：多源 BFS 中先遍历到的水库优先分配，不同水库启动顺序可能影响边界区域分配结果
 - **单时刻快照**：分区仅反映目标时刻的水力工况，不同时段的泵站启停、阀门切换可能导致分区边界变化
 - **零流量阈值**：`1e-6` 阈值过滤极低流量管段，若管网有长期小流量管段可能漏判方向
+
+## Learned Patterns
+- [6614a914a8f7dcc2fc34c1ba] 实时数据时间匹配必须用 norm_time 归一化为 UTC 再比较（数据 time 为 UTC 格式如 2026-06-03T00:00:00+00:00，target-time 传 +08:00 会因字符串不等而筛出 0 条）；links/nodes 记录主键字段为 link_id/node_id（不是 id）。执行分区前先确认目标时刻存在实时数据，可用 `data timeseries realtime simulation-by-id-time` 探测；数据可能只覆盖某几天（本模型覆盖 2026-06-03 附近，2026-04 与 2026-08 均无数据）。
@@ -29,6 +29,13 @@ COLORS = [
    "rgba(204,153,204,0.7)", "rgba(153,153,153,0.7)"
 ]

+
+def norm_time(t):
+    """把 ISO8601 字符串归一化为 UTC 的 ISO 字符串，用于跨时区比较"""
+    from datetime import datetime
+    return datetime.fromisoformat(t.replace("Z", "+00:00")).astimezone(
+        __import__("datetime").timezone.utc).isoformat()
+
 def load_json(path, label):
    print(f"Loading {label}...", file=sys.stderr)
    with open(path) as f:
@@ -63,11 +70,12 @@ def main():

    # --- Step 3: Load link flow at target time ---
    ldata = load_json(args.links, "link flows")["data"]
-    target_links = [l for l in ldata if l["time"] == args.target_time]
+    target_ts = norm_time(args.target_time)
+    target_links = [l for l in ldata if norm_time(l["time"]) == target_ts]
    flow_direction = {}
    pipe_flow = {}
    for l in target_links:
-        lid = l["id"]
+        lid = l.get("link_id") or l.get("id")
        flow_val = l["flow"]
        pipe_flow[lid] = abs(flow_val)
        if lid in pipe_topology:
@@ -81,11 +89,11 @@ def main():

    # --- Step 4: Load node data at target time ---
    ndata = load_json(args.nodes, "node data")["data"]
-    target_nodes = [n for n in ndata if n["time"] == args.target_time]
+    target_nodes = [n for n in ndata if norm_time(n["time"]) == target_ts]
    node_pressure = {}
    node_demand = {}
    for n in target_nodes:
-        nid = n["id"]
+        nid = n.get("node_id") or n.get("id")
        node_pressure[nid] = n.get("pressure", 0)
        node_demand[nid] = n.get("actual_demand", 0)
    print(f"  {len(target_nodes)} nodes", file=sys.stderr)