支持并默认一次生成12张

src/server/deep_agent/init_prompt.py

@@ -24,7 +24,7 @@ SYSTEM_RULES_PROMPT = """
 - 默认风格为：干净的黑白线稿、手绘草图风格、概念设计草图（concept sketch）、技术线稿（technical line drawing）。
 - 优先使用线稿专用提示词，避免出现 realistic、photorealistic、photo、render、highly detailed rendering 等词。
 - 只能**一次性**调用图片相关工具（edit_quote_upload_furniture、edit_furniture、generate_furniture 等），不要多次调用。
-- 生成类工具最多只能生成 4 张图片。
+- 生成类工具每次最多只能生成 12 张图片。
 - 如果用户消息中提到“上传的图片”“我提供的图片”“这张图”或出现 MinIO 路径 → 优先使用 `edit_quote_upload_furniture`。
 - 如果是本对话中刚刚生成的图片 → 使用 `edit_furniture`。
 
@@ -44,8 +44,8 @@ SYSTEM_RULES_PROMPT = """
 
 【2】调用图片工具的正确方式
 - 必须一次性调用工具，不要拆分成多次调用。
-- 在给图片工具的指令中，明确说明生成或修改的数量（但上限为4）。
+- 在给图片工具的指令中，明确说明生成或修改的数量（但上限为12）。
-- 示例：用户说“生成10张” → 只调用一次工具并限制为4张，然后正常回复。
+- 示例：用户说“生成100张” → 只调用一次工具并限制为12张，然后正常回复。
     
 **禁止行为**：
 - ❌ 不要在任何回复中输出图片路径或文件路径。
@@ -85,94 +85,6 @@ user_profile_subagent
 """
 
 
-def build_system_prompt():
-    system_prompt = f"""
-    你是主调度 Agent（Supervisor），负责理解用户意图并选择合适的子Agent。
-    系统中存在两个相关子Agent：
-    1. user_profile_subagent
-       负责收集和维护用户画像信息，包括但不限于：
-       - style（风格）
-       - room_type（房间类型）
-       - budget（预算）
-       - 其他报告生成所需信息
-
-    2. research-subagent
-       负责生成完整报告、调研、总结、分析。
-       如果没有找到这个agent,引导用户开启trending report按钮即载入生成报告能力.
-
-    ========================
-    核心执行规则（必须严格遵守）
-    ========================
-    
-   【1】图像生成与编辑任务处理（最高优先级）
-    当用户请求生成或修改家具图片时（包含“生成”“画”“创建”“设计”“修改”“帮我改”等关键词）：
-    
-    - 你生成的所有家具图片**必须是设计线稿（furniture sketch / line drawing）**，而不是真实照片、渲染图或彩色效果图。
-    - 默认风格为：干净的黑白线稿、手绘草图风格、概念设计草图（concept sketch）、技术线稿（technical line drawing）。
-    - 优先使用线稿专用提示词，避免出现 realistic、photorealistic、photo、render、highly detailed rendering 等词。
-    - 只能**一次性**调用图片相关工具（edit_quote_upload_furniture、edit_furniture、generate_furniture 等），不要多次调用。
-    - 生成类工具最多只能生成 4 张图片。
-    - 如果用户消息中提到“上传的图片”“我提供的图片”“这张图”或出现 MinIO 路径 → 优先使用 `edit_quote_upload_furniture`。
-    - 如果是本对话中刚刚生成的图片 → 使用 `edit_furniture`。
-    
-    **关键参数规则（必须严格遵守）**：
-    - 调用 `generate_furniture` 或 `edit_quote_upload_furniture` 时，`prompts` 参数**必须是 list[str]**，即使只有一条提示词，也要写成列表形式。
-      正确示例：
-      prompts = ["Generate a traditional Chinese style rattan chair with intricate woven patterns..."]
-      错误示例：prompts = "Generate a traditional Chinese style..." （这是字符串，会导致错误！）
-    
-    - `image_paths`（如果需要）也必须是 list[str]。
-    
-    **重要输出规则**：
-    - 你**绝对不能**在回复中输出任何文件路径、MinIO 路径、图片 URL 或类似 "uploads/"、"furniture/sketches/" 的内容。
-    - 所有图片都会通过系统其他方式展示给用户，你不需要也不允许展示路径。
-    - 工具调用成功后：可以回复“已为你生成/修改图片，请查看” 或 直接不回复（让系统展示图片）。
-    - 工具调用失败时：可以礼貌告知用户“图片生成失败，请稍后重试”或简要说明问题（但不要包含任何路径）。
-    
-    【2】调用图片工具的正确方式
-    - 必须一次性调用工具，不要拆分成多次调用。
-    - 在给图片工具的指令中，明确说明生成或修改的数量（但上限为4）。
-    - 示例：用户说“生成10张” → 只调用一次工具并限制为4张，然后正常回复。
-        
-    **禁止行为**：
-    - ❌ 不要在任何回复中输出图片路径或文件路径。
-    - ❌ 不要多次调用生成工具来凑数量。
-    - ❌ 不要把路径告诉用户。
-    - ❌ 工具成功后不要描述“生成了哪些路径的图片”。
-
-    【3】当用户请求报告 / 调研 / 分析 / 总结时：
-    先判断是否已经具备足够的用户画像信息。
-    如果用户需求信息不足（例如缺少风格、房间类型、预算、主题、范围等）：
-    → 调用 user_profile_subagent 收集信息  
-    不要直接生成报告。
-    如果用户画像信息已经完整：
-    → 调用 research-subagent 生成报告。
-    ------------------------
-    【5】用户画像优先级规则
-    只要用户输入包含以下情况：
-    - 表达设计需求
-    - 提供偏好信息（例如风格、预算、房间类型）
-    - 修改之前的偏好
-    - 补充报告信息
-    都应该优先调用：
-    user_profile_subagent
-    用于更新或收集用户画像。
-    ------------------------
-    【6】调度原则
-    - user_profile_subagent 只负责 **信息收集**
-    - research-subagent 只负责 **报告生成**
-    不要混用职责。
-    ========================
-        重要提醒（最高优先级）：
-    在整个对话过程中，你**绝对禁止**输出任何包含以下内容的文字：
-    - 以 "uploads/"、"furniture/"、"projects/"、"sketches/" 开头的路径
-    - 任何 .png、.jpg 结尾的路径l
-    - 任何 http 开头的图片链接（除非系统明确要求）
-    所有图片展示均由系统统一处理，你只需负责正确调用工具。
-    """
-    return system_prompt
-
-
 def build_painter_prompt():
     prompt = """
     你是 painter_subagent，专门负责「生成」或「编辑」 sketch 图像的工具调度助手。

src/server/deep_agent/tools/generate_furniture_sketch.py

@@ -1,73 +1,103 @@
-import uuid
-from typing import Optional
-
 import httpx
+import uuid
 import logging
 
 from langchain_core.runnables import RunnableConfig
 from minio import Minio
-# from pathlib import Path
-# from datetime import datetime
-from langchain_core.tools import tool
 from langgraph.prebuilt import ToolRuntime
-from src.core.config import settings, MONGO_URI
+from src.core.config import settings
-# from src.server.deep_agent.utils.mongodb_util import ThreadImageMinIOStore
 
 logger = logging.getLogger(__name__)
 minio_client = Minio(settings.MINIO_URL, access_key=settings.MINIO_ACCESS, secret_key=settings.MINIO_SECRET, secure=settings.MINIO_SECURE)
-# image_store = ThreadImageMinIOStore(MONGO_URI, "agent_tool_generate_db")
+
+from typing import List, Optional
+from langchain_core.tools import tool
+
+logger = logging.getLogger(__name__)
 
 
 @tool
-async def generate_furniture(runtime: ToolRuntime, prompts: list[str] = None, num_images: Optional[int] = 1):
+async def generate_furniture(runtime: ToolRuntime, prompts: List[str] = None, num_images: Optional[int] = 12, ):
     """
-    使用图像生成模型根据用户提供的详细英文提示词，从零生成一张全新的家具设计草图。
+    生成家具设计线稿草图（sketch / line drawing）。
 
     功能说明：
-    - 输入一段详细的英文描述，即可生成一张高品质的家具设计图片（可用于草图、效果图、渲染图等）。
+    - 默认生成 12 张家具设计线稿。
-    - 生成后的图片会以 image_url 形式返回，自动加入对话上下文，后续 Agent 可以直接“看到”生成的家具图片并继续操作（描述、编辑、迭代等）。
+    - 智能处理 prompts 数量与生成数量不一致的情况：
+      - 如果只有一个 prompt → 用该 prompt 生成全部 12 张（不同随机变体）。
+      - 如果有多个 prompt → 自动均匀分配生成数量（尽量让每个 prompt 生成相同数量）。
+    - 生成过程会一张一张进行，适合用户实时查看。
 
     参数说明：
-    - prompt (str): **必须是详细的英文提示词**，越详细越好，包含家具类型、风格、颜色、材质、尺寸比例、背景、视角、光影等具体要求。
+    - prompts (list[str]):
-      示例："Generate a modern minimalist dining chair made of light oak wood and white leather, with slim metal legs, photographed in a bright Scandinavian living room with natural sunlight, high detail, 8k resolution."
+      必须是列表，即使只有一个提示词也要用 ["你的提示词"] 格式。
-    - num_images (int, 可选): 要生成的图片数量，默认 1 张。最大只能是 4 张。如果输入超过 4，会自动限制为 4。
+      提供详细的英文提示词，描述越详细越好。
+    - num_images (int, 可选): 要生成的图片总数量，默认 12 张，最大限制为 12 张。
 
     返回值：
-    返回新生成家具图片的 image_url，后续对话中 Agent 可直接引用该图片进行描述、进一步编辑或分析。
+    返回 image_urls 列表，系统会自动依次展示生成的图片。
-
-    使用场景：
-    - 从零创建新的家具设计方案
-    - 快速生成多种风格的家具概念图
-    - 室内设计初期灵感生成
-    - 家具产品可视化展示
-
-    注意：
-    - 生成的图片会自动携带到整个对话上下文中，支持后续使用 edit_furniture 等工具进行迭代修改。
-    - 如果需要生成多个方案，可以多次调用本工具或在 prompt 中明确要求生成不同变体。
     """
+    # ====================== 参数安全处理 ======================
+    if prompts is None or len(prompts) == 0:
+        return "Error: prompts 参数不能为空。请至少提供一个详细的英文提示词。"
+
+    if not isinstance(prompts, list):
+        prompts = [str(prompts)]
+
+    # 数量限制
     if num_images is None or num_images < 1:
         num_images = 1
-    elif num_images > 4:
+    elif num_images > 12:
-        num_images = 4
+        num_images = 12
-    # current_checkpoint_id = runtime.store.get(namespace=("image_history",), key="checkpoint_id", ).value.get("current_checkpoint_id")
 
-    logger.info(f"\n[系统日志] 正在调用 generate_furniture ")
+    n_prompts = len(prompts)
 
+    logger.info(f"[generate_furniture] 开始生成 | prompts数量={n_prompts} | num_images={num_images}（默认12）")
+
+    # ====================== 均匀分配 prompts（核心逻辑） ======================
+    if n_prompts == 0:
+        return "Error: prompts 列表为空"
+
+    # 计算每个 prompt 应该生成的张数
+    base_count = num_images // n_prompts
+    remainder = num_images % n_prompts
+
+    images_per_prompt = [base_count] * n_prompts
+    for i in range(remainder):
+        images_per_prompt[i] += 1
+
+    # 构建实际使用的 prompt 列表
+    expanded_prompts: List[str] = []
+    for i, count in enumerate(images_per_prompt):
+        expanded_prompts.extend([prompts[i]] * count)
+
+    logger.info(f"[generate_furniture] 分配完成: {images_per_prompt} （每个prompt生成张数）")
+
+    # ====================== 生成图片 ======================
     try:
         bucket_name = "fida-public-bucket"
-        object_name = f"furniture/sketches/{uuid.uuid4()}"
+        base_object_name = f"furniture/sketches/{uuid.uuid4()}"
         image_urls = []
-        for i in range(num_images):
-            image_urls.append(await generate_or_edit_image(prompt=prompts[i], bucket_name=bucket_name, object_name=f"{object_name}-{i}.png"))
 
-        # if image_urls:
+        for i in range(num_images):
-        #     image_store.save_image_path(thread_id=current_checkpoint_id, object_path=image_urls, metadata={"prompt": prompt, "generated_at": str(datetime.now())})
+            prompt = expanded_prompts[i]
+            object_name = f"{base_object_name}-{i:02d}.png"
+
+            image_url = await generate_or_edit_image(
+                prompt=prompt,
+                bucket_name=bucket_name,
+                object_name=object_name
+            )
+            image_urls.append(image_url)
+
+            logger.info(f"[generate_furniture] 已生成第 {i + 1}/{num_images} 张")
+
+        logger.info(f"[generate_furniture] 成功生成 {len(image_urls)} 张图片")
         return image_urls
-        # else:
+
-        #     return "Image generation failed."
     except Exception as e:
-        logger.warning(f"绘图流程异常：{e}")
+        logger.error(f"generate_furniture 执行异常: {e}", exc_info=True)
-        return "generate furniture error"
+        return f"generate furniture error: {str(e)}"
 
 
 @tool
@@ -112,26 +142,7 @@ async def edit_furniture(runtime: ToolRuntime, config: RunnableConfig, input_ima
         "Change the chair to a sleek modern design with black leather and chrome legs."
     ]
     """
-
-    # image_history = runtime.store.get(namespace=("image_history",), key="checkpoint_id", )
-    # last_checkpoint_id = image_history.value.get("last_checkpoint_id")
-    # current_checkpoint_id = image_history.value.get("current_checkpoint_id")
-    #
-    # logger.info(f"\n[系统日志] 正在调用 edit_furniture ...current_checkpoint_id={current_checkpoint_id}  ---  last_checkpoint_id={last_checkpoint_id}")
-    #
-    # if image_store.get_image_path(last_checkpoint_id):
-    #     current_image_path = image_store.get_image_path(last_checkpoint_id).get("current_image_path", False)
-    #     if current_image_path:
-    #         if isinstance(current_image_path, list):
-    #             #  只取最后一张
-    #             current_image_path = current_image_path[-1]
-    # else:
-    #     current_image_path = None
-
-    # input_path = []
     try:
-        # user_input_image_paths = runtime.state.get("files").get("input_image", [])
-        # user_quote_image_path = runtime.state.get("files").get("quote_image", "")
         result = []
         if len(input_image_paths):
             for i in range(len(input_image_paths)):
@@ -139,17 +150,7 @@ async def edit_furniture(runtime: ToolRuntime, config: RunnableConfig, input_ima
                 object_name = f"furniture/sketches/{uuid.uuid4()}.png"
                 image_url = await generate_or_edit_image(input_path=[input_image_paths[i]], prompt=prompts[i], bucket_name=bucket_name, object_name=f"{object_name}-{i}.png")
                 result.append(image_url)
-                # image_url = await generate_or_edit_image(input_path=input_path, prompt=prompt, bucket_name=bucket_name, object_name=object_name)
-                # if image_url:
-                #     image_store.save_image_path(thread_id=current_checkpoint_id, object_path=[image_url], metadata={"prompt": prompt, "generated_at": str(datetime.now())})
         return result
-        # else:
-        #     return "Image generation failed."
-        # else:
-        #     return "The picture to be edited does not exist."
-        # else:
-        #     return "No recent image found, please upload or cite it"
-
     except Exception as e:
         logger.warning(f"edit_furniture error ：{e}")
         return "edit_furniture error"