修复因新建分支导致上下文中的current img混乱,采用tool直接返回图片公开url地址(原因 1.保证图片时效性,2.保证图片能够进入上下文-deep agents的main-agent与sub-agent有上下文隔离机制,且task消息类型只支持str)

src/server/deep_agent/agents/painter.py

@@ -2,7 +2,7 @@ from langchain.agents.middleware import wrap_tool_call
 
 from src.server.deep_agent.init_llm import llm
 from src.server.deep_agent.init_prompt import build_painter_prompt
-from src.server.deep_agent.tools.generate_furniture_sketch import create_generate_furniture_tool, create_edit_furniture_tool
+from src.server.deep_agent.tools.generate_furniture_sketch import generate_furniture, edit_furniture
 
 
 @wrap_tool_call
@@ -13,9 +13,6 @@ async def log_tool_calls(request, handler):
 
 
 def build_painter_subagent(workspace_dir):
-    generate_furniture = create_generate_furniture_tool(workspace_dir)
-    edit_furniture = create_edit_furniture_tool(workspace_dir)
-
     painter_subagent = {
         "name": "painter_subagent",
         "description": "理解用户意图,利用prompt编辑或生成家具sketch图像",

src/server/deep_agent/agents/researcher.py

@@ -1,4 +1,3 @@
-from src.server.deep_agent.init_llm import llm
 from src.server.deep_agent.init_prompt import build_researcher_prompt
 from src.server.deep_agent.tools.crawl_tool import create_crawl4ai_batch_tool
 from src.server.deep_agent.tools.report_generator_tool import create_report_generator_tool
@@ -21,7 +20,6 @@ def build_researcher_subagent(workspace_dir):
             crawl4ai_batch,
             structured_retrieval,
             report_generator
-        ],
-        "model": llm
+        ]
     }
     return research_subagent

src/server/deep_agent/agents/user_profile.py

@@ -1,4 +1,3 @@
-from src.server.deep_agent.init_llm import llm
 from src.server.deep_agent.init_prompt import build_user_persona_prompt
 from src.server.deep_agent.tools.user_persona_tool import query_report_profile, update_report_profile, check_profile_complete
 
@@ -6,7 +5,6 @@ user_profile_subagent = {
     "name": "user_profile_subagent",
     "description": "收集用户报告画像并存储到MongoDB",
     "system_prompt": build_user_persona_prompt(),
-    "model": llm,
     "tools": [
         query_report_profile,
         update_report_profile,

src/server/deep_agent/init_prompt.py

@@ -1,8 +1,8 @@
 def build_system_prompt(use_report):
     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。
-    当前参数：
-    use_report = {use_report}
+    当前参数：    use_report = {use_report}
+    
     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：
@@ -10,33 +10,36 @@ def build_system_prompt(use_report):
        - 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。
-    
+
     3. painter_subagent
         负责根据用户描述,构造适用于 生成家具sketch的prompt或编辑家具sketch的prompt
-        1.利用prompt用工具生成图片.
-        2.利用prompt和图片路径用工具编辑图片.
+        1.用prompt用工具生成图片.
+        2.用prompt和图片url用工具编辑图片.
 
     ========================
     执行规则
     ========================
-    【1】当用户请求报告 / 调研 / 分析 / 总结时：
+    【1】当 use_report = False 时：
+    - 严禁调用 research-subagent
+    - 如果用户明确请求报告、调研、总结、分析：
+
+    请礼貌回复：
+    "报告功能当前未开启，你可以打开 Trending report 后我来帮你生成报告。"
+    - 其他普通问题可以正常回答或调用其他子Agent
+    
+    ------------------------
+
+    【2】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  
+    → 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。
-    ------------------------
-    【2】当 use_report = False 时：
-    - 严禁调用 research-subagent
-    - 如果用户明确请求报告、调研、总结、分析：
-    
-    请礼貌回复：
-    "报告功能当前未开启，你可以打开 use_report=True 后我来帮你生成报告。"
-    - 其他普通问题可以正常回答或调用其他子Agent。
+。
     ------------------------
     【3】用户画像优先级规则
     只要用户输入包含以下情况：
@@ -52,13 +55,31 @@ def build_system_prompt(use_report):
     - 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。
+
+    ========================
+    !禁止输出：
+    - 路径
+    - 图片url地址
+    - 工具参数
+    - 解释过程
+    ========================
+    !输出规则:
+    - 当 painter_subagent 返回图片地址（image_url）时：
+      * 不要直接输出原始 URL 给用户。
+      * 请用 Markdown 格式回复，例如：  
+        "已为你生成/编辑家具 sketch："  
+        <image-card alt="家具设计" src="image_url" ></image-card>
+      * 或者仅回复："图片已生成，请查看。"（如果你想在前端单独显示图片）
+    - **禁止** 把工具返回的原始 image_url 直接暴露给用户。
+    - 你的输出必须**简短**。
     ========================
     """
+
     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。
     你的唯一任务是：根据用户意图，严格选择正确的工具（generate_furniture 或 edit_furniture），并构造对应参数。
     --------------------------------
@@ -83,7 +104,7 @@ def build_painter_prompt():
     ---
     ### ❗默认规则（非常重要）
     如果用户输入不明确（例如：“改成绿色”）：
-    👉 一律视为【编辑类】  
+    👉 一律视为【编辑类】
     👉 使用 edit_furniture
     --------------------------------
     【二、关于图片来源（关键规则）】
@@ -96,7 +117,8 @@ def build_painter_prompt():
     调用 edit_furniture 时：
     - 只需要提供：
       {
-        "prompt": "<英文图像编辑描述>"
+        "prompt": "<英文图像编辑描述>",
+        "image_url": "<用户指定的图片url>"
       }
     - prompt 要求：
       - 清晰描述修改内容
@@ -111,18 +133,33 @@ def build_painter_prompt():
     - ❌ 忽略“修改类”意图
     - ❌ 因为信息少就拒绝调用工具
     --------------------------------
-    【五、用户回复规则（必须遵守）】
-    你对用户的最终回复只能是以下格式之一：
-    - "图片已成功生成！"
-    - "已按你的要求完成修改，图片已更新！"
     ❗禁止输出：
     - 路径
-    - URL
     - 工具参数
     - 解释过程
     --------------------------------
     现在开始工作。
     """
+    prompt = """
+    你是 painter_subagent，唯一任务是根据用户意图选择工具并构造参数。
+
+    【工具选择规则】
+    - 包含“修改 / 改成 / 调整 / 优化 / 换成 / 基于已有图片”等语义 → 必须用 edit_furniture。
+    - 明确“生成 / 创建 / 设计 / 画一个”等 → 用 generate_furniture。
+    - 不明确时默认视为编辑类，用 edit_furniture。
+
+    【图片规则】
+    - edit_furniture 自动使用上下文当前图片。
+    - 严禁自行编造 image_url。
+
+    【输出要求】
+    - 仅输出正确的工具调用。
+    - **禁止任何解释、过程、额外文字**。
+    - edit_furniture 只需提供 prompt（英文修改描述）和 image_url（如果用户指定）。
+
+    现在严格执行。
+    """
+
     return prompt
 
 

src/server/deep_agent/tools/generate_furniture_sketch.py

@@ -2,6 +2,9 @@ import uuid
 import httpx
 import logging
 
+from langchain_core.messages import ToolMessage
+from langchain_core.runnables import RunnableConfig
+from langchain_core.stores import BaseStore
 from minio import Minio
 from google import genai
 from pathlib import Path
@@ -9,9 +12,9 @@ from datetime import datetime
 from langchain_core.tools import tool
 from google.oauth2 import service_account
 from langgraph.prebuilt import ToolRuntime
-
 from src.core.config import settings, MONGO_URI
 from src.server.deep_agent.utils.mongodb_util import ThreadImageMinIOStore
+from src.server.utils.new_oss_client import get_presigned_url, check_and_extract_minio_image
 
 # from google.genai.types import GenerateContentConfig, Modality
 # from langgraph.config import get_stream_writer
@@ -41,78 +44,127 @@ def is_image_path_exist(image_path):
         return False
 
 
-def create_generate_furniture_tool(workspace_dir, width: int = 1024, height: int = 1024):
-    @tool
-    async def generate_furniture(prompt: str, runtime: ToolRuntime) -> str:
-        """
-        使用 Gemini 图像生成模型根据详细的英文提示词生成家具设计草图。
-        """
-        logger.info(f"\n[系统日志] 正在调用 generate_furniture ...")
-        thread_id = runtime.config.get("configurable").get("thread_id")
-        try:
-            # 1. 生成图像 - local flux2-klein
-            object_name = f"furniture/sketches/{uuid.uuid4()}.png"
-            bucket_name = "fida-test"  # 替换为你的 bucket 名称
-            request_data = {
-                "prompt": prompt,
-                "bucket_name": bucket_name,
-                "object_name": object_name,
-                "width": width,
-                "height": height
-            }
-            async with httpx.AsyncClient(timeout=120) as client:
-                resp = await client.post(
-                    f"http://{settings.FLUX2_GEN_IMG_MODEL_URL}/predict",
-                    json=request_data,
-                )
-            result = resp.json()
-            image_url = result.get("output_path", None)
+@tool
+async def generate_furniture(prompt: str, runtime: ToolRuntime):
+    """
+    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。
 
-            if image_url:
-                image_store.save_image_path(thread_id=thread_id, object_path=image_url, metadata={"prompt": prompt, "generated_at": str(datetime.now())})
-                return image_url
-            else:
-                return f"Image generation failed."
+    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）。
+    - 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）。
 
-        except Exception as e:
-            logger.warning(f"绘图流程异常：{e}")
-            return "绘图流程异常"
+    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。
+      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."
 
-    return generate_furniture
+    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。
+
+    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。
+    """
+    logger.info(f"\n[系统日志] 正在调用 generate_furniture ...")
+    # thread_id = runtime.config.get("configurable").get("thread_id")
+    try:
+        # 1. 生成图像 - local flux2-klein
+        object_name = f"furniture/sketches/{uuid.uuid4()}.png"
+        bucket_name = "fida-public-bucket"  # 替换为你的 bucket 名称
+        request_data = {
+            "prompt": prompt,
+            "bucket_name": bucket_name,
+            "object_name": object_name,
+            "width": 1024,
+            "height": 1024
+        }
+        async with httpx.AsyncClient(timeout=120) as client:
+            resp = await client.post(
+                f"http://{settings.FLUX2_GEN_IMG_MODEL_URL}/predict",
+                json=request_data,
+            )
+        result = resp.json()
+        image_url = result.get("output_path", None)
+        # image_presigned_url = get_presigned_url(oss_client=minio_client, bucket=bucket_name, object_name=object_name)
+        if image_url:
+            # image_store.save_image_path(thread_id=thread_id, object_path=image_url, metadata={"prompt": prompt, "generated_at": str(datetime.now())})
+            # image_id = str(uuid.uuid4())
+            # runtime.store.put(
+            #     namespace=("images", thread_id),  # e.g. ("images", thread_id)
+            #     key=image_id,
+            #     value={
+            #         "url": image_url,
+            #         "prompt": prompt,
+            #         "timestamp": str(uuid.uuid4()),  # 或用 datetime
+            #         "version": "v1"
+            #     }
+            # )
+            return f"Image has been generated: https://minio-api.aida.com.hk/{image_url}"
+        else:
+            return "Image generation failed."
+    except Exception as e:
+        logger.warning(f"绘图流程异常：{e}")
+        return "generate furniture error"
 
 
-def create_edit_furniture_tool(workspace_dir, width: int = 1024, height: int = 1024):
-    @tool
-    async def edit_furniture(prompt: str, runtime: ToolRuntime) -> str:
-        """
-        使用图像生成模型根据详细的英文提示词编辑家具设计草图。
-        """
-        logger.info(f"\n[系统日志] 正在调用 edit_furniture ...")
-        thread_id = runtime.config.get("configurable").get("thread_id")
-        try:
-            current_image_path = None
-            if image_store.get_image_path(thread_id):
-                current_image_path = image_store.get_image_path(thread_id).get("current_image_path", False)
-            user_input_image_paths = runtime.state.get("files").get("input_image", [])
-            user_quote_image_path = runtime.state.get("files").get("quote_image", "")
-            input_path = []
+@tool
+async def edit_furniture(image_url: str, prompt: str, runtime: ToolRuntime, config: RunnableConfig):
+    """
+    使用先进的图像编辑模型（image editing model）对家具设计草图进行精准修改。
+
+    功能说明：
+    - 输入一张家具图片（草图/效果图），根据用户提供的**详细英文提示词**，生成修改后的新家具图片。
+    - 修改后的图片会以 image_url 形式返回，自动加入对话上下文，后续 Agent 可以直接“看到”编辑结果并继续操作。
+
+    参数说明：
+    - image_url (str): 原始家具图片的 URL（支持公开 http/https 链接或 data:image/...;base64 格式）。
+    - prompt (str): **必须是详细的英文提示词**，描述想要的具体修改（风格、颜色、材质、形状、添加/删除元素、比例等）。
+      示例："Change the sofa to a modern minimalist style with dark gray fabric and metal legs, add a matching coffee table, make the overall lighting warmer and more luxurious."
+
+    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。
+
+    使用场景：
+    - 家具设计迭代
+    - 室内设计方案修改
+    - 风格转换（现代/北欧/工业风等）
+    - 材质/颜色调整
+
+    注意：如果需要多次迭代编辑，直接在下一次调用时传入上一次返回的新 image_url 即可。
+    """
+    logger.info(f"\n[系统日志] 正在调用 edit_furniture ...")
+    thread_id = runtime.config.get("configurable").get("thread_id")
+    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", "")
+
+        extract_result = check_and_extract_minio_image(url=image_url)
+        if extract_result['state']:
+            current_image_path = extract_result['data']
             if len(user_input_image_paths) or current_image_path:
-                if len(user_input_image_paths):
-                    for path in user_input_image_paths:
-                        input_path.append(path)
+
+                for path in user_input_image_paths:
+                    input_path.append(path)
                 if user_quote_image_path:
                     input_path.append(user_quote_image_path)
                 if not len(user_input_image_paths) and not user_quote_image_path:
                     input_path = [current_image_path]
                 object_name = f"furniture/sketches/{uuid.uuid4()}.png"
-                bucket_name = "fida-test"  # 替换为你的 bucket 名称
+                bucket_name = "fida-public-bucket"  # 替换为你的 bucket 名称
                 request_data = {
                     "input_image_paths": input_path,
                     "prompt": prompt,
                     "bucket_name": bucket_name,
                     "object_name": object_name,
-                    "width": width,
-                    "height": height
+                    "width": 1024,
+                    "height": 1024
                 }
                 async with httpx.AsyncClient(timeout=120) as client:
                     resp = await client.post(
@@ -123,17 +175,18 @@ def create_edit_furniture_tool(workspace_dir, width: int = 1024, height: int = 1
                 image_url = result.get("output_path", None)
 
                 if image_url:
-                    image_store.save_image_path(thread_id=thread_id, object_path=image_url, metadata={"prompt": prompt, "generated_at": str(datetime.now())})
-                    return image_url
+                    # image_store.save_image_path(thread_id=thread_id, object_path=image_url, metadata={"prompt": prompt, "generated_at": str(datetime.now())})
+                    return f"Image has been generated: https://minio-api.aida.com.hk/{image_url}"
                 else:
-                    return f"Image generation failed."
+                    return "Image generation failed."
             else:
-                return f"The picture to be edited does not exist."
-        except Exception as e:
-            logger.warning(f"edit_furniture error ：{e}")
-            return "edit_furniture error"
+                return "The picture to be edited does not exist."
+        else:
+            return extract_result['message']
 
-    return edit_furniture
+    except Exception as e:
+        logger.warning(f"edit_furniture error ：{e}")
+        return "edit_furniture error"
 
 # def create_generate_furniture_tool(workspace_dir):
 #     @tool

src/server/utils/new_oss_client.py

@@ -113,6 +113,74 @@ def load_minio_file_to_state(oss_client, bucket: str, object_name: str, display_
         raise ValueError(f"MinIO 下載失敗: {err}")
 
 
+from urllib.parse import urlparse
+
+
+def check_and_extract_minio_image(url: str) -> dict[str, str]:
+    """
+    校验URL + 提取MinIO图片路径（支持预签名地址）
+    返回格式: {"state": bool, "message": str, "data": str}
+    """
+    # 1. 空值判断
+    if not url or not isinstance(url, str):
+        return {
+            "state": False,
+            "message": "URL cannot be empty or invalid format",
+            "data": ""
+        }
+
+    # 2. 解析URL
+    try:
+        parsed = urlparse(url)
+        if not (parsed.scheme and parsed.netloc):
+            return {
+                "state": False,
+                "message": "Invalid URL format",
+                "data": ""
+            }
+    except Exception:
+        return {
+            "state": False,
+            "message": "Failed to parse URL",
+            "data": ""
+        }
+
+    # 3. 域名判断
+    allowed_domains = {"www.minio-api.aida.com.hk", "minio-api.aida.com.hk"}
+    if parsed.netloc not in allowed_domains:
+        return {
+            "state": False,
+            "message": f"Invalid domain: {parsed.netloc}",
+            "data": ""
+        }
+
+    # 4. Get file path (ignore query parameters for presigned URL)
+    file_path = parsed.path.strip()
+    if not file_path:
+        return {
+            "state": False,
+            "message": "No file path found in URL",
+            "data": ""
+        }
+
+    # 5. Check if it's an image
+    image_exts = (".png", ".jpg", ".jpeg", ".gif", ".bmp", ".webp", ".tiff")
+    if not file_path.lower().endswith(image_exts):
+        return {
+            "state": False,
+            "message": "Not a valid image file",
+            "data": ""
+        }
+
+    # 6. Extract final path
+    result_path = file_path.lstrip("/")
+    return {
+        "state": True,
+        "message": "Success, path extracted",
+        "data": result_path
+    }
+
+
 if __name__ == '__main__':
     url = 'fida-test/furniture/sketches/1b82b2db-8019-4796-b2cc-11fb24c7799d.png'
     read_type = "2"