diff --git a/src/commands/form/optimize.ts b/src/commands/form/optimize.ts new file mode 100644 index 0000000..f06a909 --- /dev/null +++ b/src/commands/form/optimize.ts @@ -0,0 +1,127 @@ +/** + * commands/form/optimize.ts — P0-2 描述优化 (v0.23+) + * + * 借鉴 JNPF7 `/api/ai/Chat/Optimize` (jnpf7-analysis §P0-2)。 + * + * 痛点: `--ai "维修单"` 这类模糊描述直接决定表单质量 —— LLM 只能猜字段, + * 结果字段少/类型错/缺字典。用户不知道"怎么写描述才好"。 + * + * 方案: 先把模糊描述改写成结构化描述 (字段 + 类型 + 字典选项 + 关联), + * 再喂给 `form create --ai`。跟 P0-6 `--preview` 组成完整 user-in-the-loop: + * + * dacli form optimize "维修单" # 看优化后的描述 + * dacli form create --ai "<优化后>" --preview # 看字段表格再确认 + * + * 或一步走: `dacli form create --ai "维修单" --optimize --preview` + * + * 实现: 复用已部署的 SSW OpenAI 兼容代理 (POST /api/ssw/ai/openai-proxy), + * **不需要新增后端端点/重新部署** (对比 §P0-2 原建议的 /optimize-prompt)。 + */ +import { Command } from 'commander' +import { JnpfClient } from '../../core/client.ts' +import { installHelpHook } from '../../core/help.ts' +import { log, printJson } from '../../core/log.ts' +import { setupOutputFilter, addOutputOptions, wrapCommand } from '../_output_filter.ts' +import { chatViaProxy } from '../../core/llm.ts' + +interface Opts { + json?: boolean + verbose?: boolean + maxTokens?: string +} + +/** + * OPTIMIZE_PROMPT — 把模糊业务描述改写成 form create --ai 可用的结构化描述。 + * + * 约束呼应 BUILD_FORM_PROMPT 的既有规则 (f_ 前缀 / snake_case / 组件白名单 / 字典), + * 让优化结果天然贴合下游 build-form, 而不是产生下游要再纠正的描述。 + */ +export const OPTIMIZE_PROMPT = [ + '你是 JNPF 低代码平台的"表单需求描述优化助手"。', + '用户会给你一句很粗的表单需求, 你要把它改写成一段**结构化、可直接用于生成表单**的中文描述。', + '', + '输出要求:', + '1. 只输出优化后的描述正文, 不要解释、不要 markdown 代码块、不要标题。', + '2. 首句点明表单用途, 然后用"、"或换行罗列字段。', + '3. 每个字段写清: 中文名 + 数据类型/控件暗示。例如:', + ' - 文本 → "工单标题(单行文本)"', + ' - 长文本 → "故障描述(多行文本)"', + ' - 数字/金额 → "维修费用(金额数字)"', + ' - 日期 → "报修日期(日期)"', + ' - 枚举 → "维修状态(下拉: 待处理/维修中/已完成)" —— 必须列出候选项', + ' - 人员 → "负责人(人员选择)"', + ' - 附件/图片 → "现场照片(图片上传)"', + '4. 枚举字段务必给出具体候选项 (下游会据此建字典)。', + '5. 字段数控制在 6-12 个, 覆盖该业务最常用信息, 不要臆造无关字段。', + '6. 不要输出英文字段名 (下游会自动按 f_ 前缀 + snake_case 生成)。', + '7. 如果用户描述里已含字段, 保留并补全其类型/候选项, 不要删。', +].join('\n') + +export function buildFormOptimizeCommand(): Command { + const cmd = new Command('optimize') + .alias('ai-optimize') + .description('★ P0-2 描述优化 — 把模糊需求改写成结构化描述 (再喂 form create --ai, 配 --preview 形成闭环)') + .argument('', '原始/模糊的表单需求描述, 例: "维修单"') + .option('--maxTokens ', 'LLM max_tokens (默认 1200)', '1200') + addOutputOptions(cmd) + .action(async (desc: string, opts: Opts) => { + setupOutputFilter(opts) + const c = await JnpfClient.fromToken() + + await wrapCommand({ + command: 'form optimize', + appCode: c.appCode, + startTime: Date.now(), + verbose: opts.verbose, + json: opts.json, + fixes: [], + }, async (ctx) => { + const input = (desc || '').trim() + if (!input) { + return ctx.fail('描述不能为空', {}) + } + log.info(`P0-2 optimize: 原描述 ${input.length} 字符 → 调 SSW OpenAI 代理改写`) + let r + try { + r = await chatViaProxy(c, { + system: OPTIMIZE_PROMPT, + user: `应用: ${c.appCode}\n原始需求: ${input}`, + maxTokens: Number(opts.maxTokens || '1200'), + }) + } catch (e) { + return ctx.fail(`LLM 优化失败: ${(e as Error).message?.slice(0, 160)}`, { original: input }) + } + + const optimized = r.content + if (opts.json) { + printJson({ original: input, optimized, ms: r.ms, usage: r.usage, model: r.model }) + } else { + // 人类可读走 stderr, 不污染 --json stdout 契约 (跟 P0-6 _preview 同模式) + const out = process.stderr + out.write('\n── 原描述 ──\n') + out.write(input + '\n') + out.write('\n── 优化后 (可直接喂 form create --ai) ──\n') + out.write(optimized + '\n\n') + out.write(`下一步: dacli form create --ai "${optimized.replace(/"/g, '\\"').slice(0, 60)}..." --preview\n\n`) + } + ctx.success({ original: input, optimizedLength: optimized.length, ms: r.ms, model: r.model }) + }) + }) + + installHelpHook(cmd, { + purpose: 'P0-2 描述优化: 把"维修单"这类模糊需求改写成含字段+类型+字典候选项的结构化描述, 提升 --ai 建表质量', + required: { '': '原始模糊描述' }, + optional: { '--maxTokens': 'LLM max_tokens (默认 1200)', '--json': 'JSON 输出' }, + example: [ + 'dacli form optimize "维修单"', + 'dacli form optimize "员工请假" --json', + 'dacli form create --ai "维修单" --optimize --preview # 一步走 (create 内置 --optimize)', + ], + bestPractices: [ + '复用已部署 SSW /api/ssw/ai/openai-proxy, 无需新增后端端点', + '与 P0-6 --preview 组成 user-in-the-loop: optimize → preview → 确认创建', + ], + source: { api: 'POST /api/ssw/ai/openai-proxy', ref: 'jnpf7-analysis §P0-2 (JNPF7 /api/ai/Chat/Optimize)' }, + }) + return cmd +} diff --git a/src/core/llm.ts b/src/core/llm.ts new file mode 100644 index 0000000..16a5d79 --- /dev/null +++ b/src/core/llm.ts @@ -0,0 +1,68 @@ +/** + * core/llm.ts — SSW OpenAI 兼容代理的轻量封装 (v0.23+) + * + * 端点: POST /api/ssw/ai/openai-proxy (ssw-common SswLLMProxyController) + * - 请求: { model, messages:[{role,content}], max_tokens } (OpenAI chat/completions 形状) + * - 响应: { id, model, choices:[{message:{role,content}}], usage:{...} } (无 JNPF envelope) + * → 必须走 client.postJsonRaw (postJson 会判 non-Jnpf envelope 报错) + * + * 用途 (复用已部署端点, 不需要改 boot): + * - P0-2 `form optimize` — 把模糊描述改写成结构化描述 + * - P1-6 `app status` AI 端到端探活 — 旧 llmPing 走 /visualdev/ai/health 恒 skip, 形同虚设 + */ +import type { JnpfClient } from './client.ts' + +/** SSW 代理默认模型 (SswLLMProxyController 内部映射到真实 MiniMax 模型) */ +export const DEFAULT_LLM_MODEL = 'MiniMax-M2' + +export interface LlmChatResult { + /** assistant 回复正文 (已 trim) */ + content: string + /** 端到端耗时 ms */ + ms: number + /** token 用量 (代理透传) */ + usage?: { prompt_tokens?: number; completion_tokens?: number; total_tokens?: number } + model?: string +} + +interface ProxyResponse { + id?: string + model?: string + choices?: Array<{ message?: { role?: string; content?: string }; finish_reason?: string }> + usage?: LlmChatResult['usage'] + /** 代理内部出错时会返回 JNPF 风格 error (errorResponse) */ + code?: number + msg?: string +} + +/** + * 调 SSW OpenAI 兼容代理做一次 chat. + * + * @throws 端点不可达 / 非 JSON / LLM 返回空 时抛错 (调用方决定降级策略) + */ +export async function chatViaProxy( + client: JnpfClient, + opts: { system?: string; user: string; maxTokens?: number; model?: string }, +): Promise { + const messages: Array<{ role: string; content: string }> = [] + if (opts.system) messages.push({ role: 'system', content: opts.system }) + messages.push({ role: 'user', content: opts.user }) + + const t0 = Date.now() + const r = await client.postJsonRaw('/ssw/ai/openai-proxy', { + model: opts.model || DEFAULT_LLM_MODEL, + max_tokens: opts.maxTokens ?? 1200, + messages, + }) + const ms = Date.now() - t0 + + // 代理内部错误 (errorResponse 形状: { code, msg }) + if (r && typeof r.code === 'number' && r.code !== 200 && !r.choices) { + throw new Error(`LLM 代理返回错误 (code=${r.code}): ${(r.msg || '').slice(0, 160)}`) + } + const content = r?.choices?.[0]?.message?.content + if (!content || !content.trim()) { + throw new Error('LLM 返回空内容') + } + return { content: content.trim(), ms, usage: r.usage, model: r.model } +}