fix: 修复 Product Agent LLM 响应格式解析和工具选择问题

## 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 <noreply@anthropic.com>

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
 {
@@ -155,12 +179,44 @@ async def product_agent(state: AgentState) -> AgentState:
 
         # 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:]
 
+        # 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":