feat 1.增加 建议词 机制 2.对话生图实现

src/server/agent/graph.py

@@ -10,14 +10,15 @@ from pymongo import MongoClient
 
 from src.core.config import settings, MONGO_URI
 from src.server.agent.state import AgentState
-from src.server.agent.agents import designer_node, researcher_node, visualizer_node
+from src.server.agent.agents import designer_node, researcher_node, visualizer_node, suggester_node
 from langgraph.checkpoint.mongodb import MongoDBSaver
 
 
 # --- Supervisor (路由逻辑) ---
 # 定义路由的输出结构，强制 LLM 选择一个
 class RouteResponse(BaseModel):
-    next: Literal["Designer", "Researcher", "Visualizer", "FINISH"]
+    # 将 FINISH 替换或增加 Suggester
+    next: Literal["Designer", "Researcher", "Visualizer", "Suggester"]
 
 
 creds = service_account.Credentials.from_service_account_file(
@@ -34,30 +35,23 @@ llm_supervisor = ChatGoogleGenerativeAI(
 def supervisor_node(state: AgentState):
     messages = state["messages"]
     if not messages:
-        return {"next": "FINISH"}
+        return {"next": "Suggester"}
 
     last_message = messages[-1]
 
-    # --- 改进的拦截逻辑 ---
-    # 如果最后一条消息是 AI 产生的（且没有调用工具），说明专家已经回复完了用户
-    # 此时我们才拦截并结束，否则会导致专家没机会说话
+    # --- 拦截逻辑修改 ---
+    # 如果专家已经回复完了（AIMessage 且无工具调用），则交给 Suggester 生成按钮
     if isinstance(last_message, AIMessage) and not last_message.tool_calls:
-        return {"next": "FINISH"}
+        return {"next": "Suggester"}
 
-    # 如果最后一条是 HumanMessage，说明用户刚说完，Supervisor 必须派发任务
-    system_prompt = """
-    你是家具设计团队的主管(Supervisor)。
-    请根据用户的意图，选择最合适的专家：
-    - Designer: 设计建议、参数细化、闲聊、问候。
-    - Visualizer: 绘图、看草图。
-    - Researcher: 市场报告、趋势。
-
-    只需输出专家名称。
+    system_prompt = """你是家具设计主管。分配任务给专家：
+    - Designer: 设计建议、参数细化。
+    - Visualizer: 绘图需求。
+    - Researcher: 市场报告。
     """
 
     chain = llm_supervisor.with_structured_output(RouteResponse)
     decision = chain.invoke([{"role": "system", "content": system_prompt}] + messages)
-
     return {"next": decision.next}
 
 
@@ -68,10 +62,11 @@ workflow.add_node("Supervisor", supervisor_node)
 workflow.add_node("Designer", designer_node)
 workflow.add_node("Researcher", researcher_node)
 workflow.add_node("Visualizer", visualizer_node)
+workflow.add_node("Suggester", suggester_node)  # 新增节点
 
 workflow.add_edge(START, "Supervisor")
 
-# 这里的逻辑是关键：Supervisor 决定去向
+# 修改条件边映射
 workflow.add_conditional_edges(
     "Supervisor",
     lambda state: state["next"],
@@ -79,16 +74,18 @@ workflow.add_conditional_edges(
         "Designer": "Designer",
         "Researcher": "Researcher",
         "Visualizer": "Visualizer",
-        "FINISH": END
+        "Suggester": "Suggester"  # 原本的 FINISH 现在指向 Suggester
     }
 )
 
-# 重点修改：专家执行完后，必须回到 Supervisor 进行状态检查
-# 如果 Supervisor 发现专家刚说完话，它会触发上面的逻辑返回 FINISH
+# 专家执行完依然回到 Supervisor
 workflow.add_edge("Designer", "Supervisor")
 workflow.add_edge("Researcher", "Supervisor")
 workflow.add_edge("Visualizer", "Supervisor")
 
+# 重点：Suggester 是整个流程的终点
+workflow.add_edge("Suggester", END)
+
 client = MongoClient(MONGO_URI)
 checkpointer = MongoDBSaver(
     client=client["furniture_agent_db"],