From e58c3f0cafcf9f1581c372d385e2f3c9421a22e6 Mon Sep 17 00:00:00 2001 From: wangliang Date: Mon, 26 Jan 2026 18:17:37 +0800 Subject: [PATCH] =?UTF-8?q?fix:=20=E4=BF=AE=E5=A4=8D=20Product=20Agent=20L?= =?UTF-8?q?LM=20=E5=93=8D=E5=BA=94=E6=A0=BC=E5=BC=8F=E8=A7=A3=E6=9E=90?= =?UTF-8?q?=E5=92=8C=E5=B7=A5=E5=85=B7=E9=80=89=E6=8B=A9=E9=97=AE=E9=A2=98?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit ## 问题 1: LLM 返回非标准 JSON 格式 **现象**： LLM 返回：`search_products\n{"query": "ring"}` 期望格式：`{"action": "call_tool", "tool_name": "...", "arguments": {...}}` **原因**： LLM 有时会返回简化格式 `tool_name\n{args}`，导致 JSON 解析失败 **解决方案**： 添加格式兼容逻辑（第 172-191 行）： - 检测 `\n` 分隔的格式 - 解析工具名和参数 - 转换为标准 JSON 结构 ## 问题 2: LLM 选择错误的搜索工具 **现象**： LLM 选择 `search_products`（Hyperf API）而非 `search_spu_products`（Mall API） **原因**： Prompt 中工具说明不够突出，LLM 优先选择第一个工具 **解决方案**： 1. 在 prompt 开头添加醒目警告（第 22-29 行）： - ⚠️ 强调必须使用 `search_spu_products` - 标注适用场景 - 添加 ⭐ 标记推荐工具 2. 添加具体示例（第 78-89 行）： - 展示正确的工具调用格式 - 示例：搜索 "ring" 应使用 `search_spu_products` ## 修改内容 ### agent/agents/product.py:172-191 添加非标准格式兼容逻辑 ### agent/agents/product.py:14-105 重写 PRODUCT_AGENT_PROMPT： - 开头添加工具选择警告 - 突出 `search_spu_products` 优先级 - 添加具体使用示例 - 标注各工具适用场景 ## 预期效果 1. 兼容 LLM 的简化格式输出 2. LLM 优先选择 `search_spu_products` 进行商品搜索 3. 返回 Mall API 数据并以 Chatwoot cards 展示 Co-Authored-By: Claude Sonnet 4.5 --- agent/agents/product.py | 64 ++++++++++++++++++++++++++++++++++++++--- 1 file changed, 60 insertions(+), 4 deletions(-) diff --git a/agent/agents/product.py b/agent/agents/product.py index 44cfe57..5cc0201 100644 --- a/agent/agents/product.py +++ b/agent/agents/product.py @@ -19,13 +19,23 @@ PRODUCT_AGENT_PROMPT = """你是一个专业的 B2B 商品顾问助手。 - 库存查询 - 商品详情 +## ⚠️ 重要：商品搜索工具选择 + +**商品搜索必须优先使用 `search_spu_products` 工具！** + +- ✅ **search_spu_products**：使用 Mall API，支持用户认证，返回精美卡片展示（推荐） +- ⚠️ **search_products**：仅用于高级搜索（需要复杂过滤条件时） + +**普通商品搜索（如 "ring"、"手机"、"iPhone"）必须使用 `search_spu_products`** + ## 可用工具 -1. **search_spu_products** - 搜索商品（使用 Mall API，推荐） +1. **search_spu_products** - 搜索商品（使用 Mall API，推荐）⭐ - keyword: 搜索关键词（商品名称、编号等） - page_size: 每页数量（默认 60，最大 100） - page: 页码（默认 1） - 说明：此工具使用 Mall API 搜索商品 SPU，支持用户 token 认证，返回卡片格式展示 + - **适用于所有普通商品搜索请求** 2. **search_products** - 搜索商品（使用 Hyperf API） - query: 搜索关键词 @@ -34,6 +44,7 @@ PRODUCT_AGENT_PROMPT = """你是一个专业的 B2B 商品顾问助手。 - page: 页码 - page_size: 每页数量 - 说明：此工具用于高级搜索，支持多维度过滤 + - **仅在需要复杂过滤条件时使用** 3. **get_product_detail** - 获取商品详情 - product_id: 商品ID @@ -64,6 +75,19 @@ PRODUCT_AGENT_PROMPT = """你是一个专业的 B2B 商品顾问助手。 } ``` +**示例**： +用户说："搜索 ring" +返回： +```json +{ + "action": "call_tool", + "tool_name": "search_spu_products", + "arguments": { + "keyword": "ring" + } +} +``` + 当需要向用户询问更多信息时： ```json { @@ -152,15 +176,47 @@ async def product_agent(state: AgentState) -> AgentState: try: llm = get_llm_client() response = await llm.chat(messages, temperature=0.7) - + # Parse response content = response.content.strip() + + # Log raw LLM response for debugging + logger.info( + "Product agent LLM response", + response_length=len(content), + response_preview=content[:200], + conversation_id=state["conversation_id"] + ) + if content.startswith("```"): content = content.split("```")[1] if content.startswith("json"): content = content[4:] - - result = json.loads(content) + + # Handle non-JSON format: "tool_name\n{args}" + if '\n' in content and not content.startswith('{'): + lines = content.split('\n', 1) + tool_name = lines[0].strip() + args_json = lines[1].strip() if len(lines) > 1 else '{}' + + try: + arguments = json.loads(args_json) if args_json else {} + result = { + "action": "call_tool", + "tool_name": tool_name, + "arguments": arguments + } + except json.JSONDecodeError: + # If args parsing fails, use empty dict + result = { + "action": "call_tool", + "tool_name": tool_name, + "arguments": {} + } + else: + # Standard JSON format + result = json.loads(content) + action = result.get("action") if action == "call_tool":