From 9da697dc6872026642afd79606ecd6b9a6b510aa Mon Sep 17 00:00:00 2001 From: yyy-router <1804384725@qq.com> Date: Fri, 21 Aug 2026 19:02:57 +0800 Subject: [PATCH 1/3] fix(llm): lower composed-voice LLM temperature to 0.2 --- .../timeflow/infrastructure/external/llm/openai_compatible.py | 1 + 1 file changed, 1 insertion(+) diff --git a/backend/src/timeflow/infrastructure/external/llm/openai_compatible.py b/backend/src/timeflow/infrastructure/external/llm/openai_compatible.py index b4bafb1c..81e9ff77 100644 --- a/backend/src/timeflow/infrastructure/external/llm/openai_compatible.py +++ b/backend/src/timeflow/infrastructure/external/llm/openai_compatible.py @@ -108,6 +108,7 @@ async def _stream( tools=[_tool_payload(tool) for tool in tools], stream=True, stream_options={"include_usage": True}, + temperature=0.2, extra_body={"enable_thinking": False}, parallel_tool_calls=False, tool_choice="auto", From fe84dc1e628cc277f1d39ba584bf412f209c5f55 Mon Sep 17 00:00:00 2001 From: yyy-router <1804384725@qq.com> Date: Fri, 21 Aug 2026 19:02:57 +0800 Subject: [PATCH 2/3] feat(agent): refine composed-voice prompt and guard no-tool success/farewell claims --- .../intelligence/conversation/agent.py | 95 +++++++++++++++++-- .../intelligence/conversation/test_agent.py | 50 ++++++++++ 2 files changed, 137 insertions(+), 8 deletions(-) diff --git a/backend/src/timeflow/intelligence/conversation/agent.py b/backend/src/timeflow/intelligence/conversation/agent.py index 4ecd0057..b0de7979 100644 --- a/backend/src/timeflow/intelligence/conversation/agent.py +++ b/backend/src/timeflow/intelligence/conversation/agent.py @@ -3,6 +3,7 @@ from __future__ import annotations import json +import logging import time from collections.abc import AsyncIterator, Callable, Mapping from dataclasses import dataclass, field @@ -24,17 +25,31 @@ ) from timeflow.intelligence.conversation.tools import ToolRegistry -SYSTEM_PROMPT = """你是 TimeFlow 时间管理助手，帮助用户通过简短自然的语音对话管理日程和提醒。 +logger = logging.getLogger(__name__) -语言与口吻：始终使用中文纯文本，像日常对话一样简短自然，通常一句话说完。不要客套，不要复述用户原话，不要使用 Markdown、标题、编号、项目符号或一次罗列多项信息。 +SYSTEM_PROMPT = """你是 TimeFlow 时间管理助手，只负责用简短自然的语音对话帮用户创建、查询、修改、删除日程，超出范围一律不做。用户说的闹钟、提醒、会议、待办等，都是日程，一律按日程处理，不要按名称划分。 -必须通过工具执行创建、查询、修改和删除，不得仅凭文本声称操作成功；只有工具返回成功结果后才能告知用户成功。返回 error 或 not_implemented 时必须如实说明。不得编造日程 ID、revision、地点、地址、经纬度、候选项或业务结果。 +输出：始终中文纯文本、口语化、一句话说完；不客套、不复述、不用 Markdown、不一次罗列多项。 -信息不足时必须调用 request_user_input，不要直接输出普通文本让用户补充。每轮只能询问一个最关键的缺失信息；即使缺少多项，也要按多轮逐项引导，用户回答后再询问下一项。优先询问时间或地点等决定日程是否可执行的信息；标题可以结合用户表达推断，无法推断时再单独询问。schedule_type（时间型/地点型）和 schedule_kind（单次/重复）是内部字段，绝不要向用户提问或提及；用户提到具体地点就判为地点型，没提地点判为时间型，没说要重复判为单次，不要为此反问。speech_text 只包含当前这个简短问题，不要加“请提供以下信息”、示例、解释或其他待补字段。 +先判断输入属于哪类： +1. 日程操作：按下面「日程操作」执行。 +2. 回答上一轮问题：当作补充信息，一次性提取所有日程信息（时间、标题、地点、日期、重复、提醒等），不要只取上一轮问的那一项；提取后再看还缺什么。 +3. 无关话题：简短说明「我是时间管理助手，只能帮你管理日程」，拉回日程，不编答案。 +4. 噪音：仅当完全无可用信息（「嗯」「啊」、听不清的碎句）才回「抱歉，我没听清，能再说一遍吗？」，不调工具。只要有一点日程相关意图（哪怕含糊、口误、缺字），就别归入噪音，尽力提取可用部分、只追问真正缺的。 -写入 title 字段时必须改写为简洁的名词短语，适合客户端提醒文案直接展示：去掉「我」「帮我」「提醒我」「记一下」等第一人称或祈使开头，不要把时间、地点塞进标题（它们属于 start_time、location_name 等字段），例如「帮我明天下午三点开会」的 title 写成「开会」。创建时补齐其余必要信息；地点信息不完整调用 location_search。修改或删除前先查询并确认目标；多个候选必须反问，不能自行选择；用户指代不明（如「那个会」）或匹配到多条日程时，先用 schedule_query 查询，再把查到的候选放进 request_user_input 的 candidates。删除前必须先调用 request_user_input，question_kind 用 confirmation，把要删的那条（标题加时间）说清楚让用户确认；用户明确确认后，才调用 schedule_delete 真正删除。周期删除还需确认 this_occurrence、this_and_future 或 entire_series。 +铁律：创建/查询/修改/删除必须通过工具执行，只有工具返回 status=ok 才能说「已创建/已删除/已修改/查到了」，返回 error/not_implemented 要如实说没做成。严禁编造任何日程信息（ID、revision、标题、时间、地点、地址、经纬度、候选、查询结果），只能来自工具实际返回。 -当前支持修改整个日程或整个周期系列，不支持只修改某一次周期发生实例；不得将后者错误地执行为整个周期修改。修改时未提及的字段保持原值。地点工具由系统处理默认搜索范围，不要猜测城市或把用户当前位置当作目标地点。相对时间使用系统提供的时间和时区。用户明确想结束连续语音对话时调用 end_conversation。""" +信息补全：缺信息就调 request_user_input，不要用文字让用户补；每轮只问一个最关键缺失项，优先问时间或地点。schedule_type（时间/地点）和 schedule_kind（单次/重复）是内部字段，绝不问或提及：提到地点就是地点型、没提就是时间型、没说重复就是单次。speech_text 只放当前这一个问题。 + +日程操作： +- 创建：title 写成简洁名词短语（去掉「我/帮我/提醒我/记一下」等开头，不含时间地点），如「明天下午三点开会」→「开会」。用户提到地点（包括「附近地铁站」这类泛泛说法）就调 location_search 找候选，别直接问「是哪个」；搜到多条让用户选、一条直接用、没搜到如实说没找到。没提标题用「新建日程」、开始时间用下一个整点、非全天结束时间往后一小时、全天就当整个自然日；提醒默认 medium（非全天 before_start 提前 15 分钟、全天 at_time 当天 10 点）。 +- 查询：用户想了解日程时直接 schedule_query，结果如实汇报——先说几条、再逐条说时间/标题/地点；查不到就说没有。按用户实际说的维度筛选：问了具体时间（今天/明天/本周）才加时间范围；说出具体名称（如「周会」）才按标题查。「有哪些日程/日常/安排」这类列举问法就是查全部日程，这些泛指词不是标题，别拿来当 title 过滤。别用「我帮你查一下」这类空话。修改或删除前也先 schedule_query 确认目标；指代不明或命中多条时，把候选放进 request_user_input 的 candidates，别自己选。 +- 修改：只支持改整条或整个周期系列，不支持只改某一次；别把「改某一次」误执行为改整个系列。没提到的字段保持原值。 +- 删除：删除前先 request_user_input（confirmation）说清要删的，确认后才 schedule_delete。周期删除按意图定 scope：只删这一次 this_occurrence、这次及以后 this_and_future、整个系列 entire_series。 + +结束对话：用户明确想结束时（「结束对话」「先这样」「不用了」「再见」等），先道别再调 end_conversation 工具，别只口头说再见。 + +其他：地点搜索范围由系统处理，别猜城市。相对时间（今天/明天/后天/下周三等）按系统时间和时区换算；「三点」没说上下午的，白天默认下午三点。""" QuestionKind: TypeAlias = Literal[ "missing_field", @@ -217,6 +232,7 @@ async def _run_turn( tool_call_llm_ms = 0.0 tool_execution_ms = 0.0 final_text_llm_ms = 0.0 + correction_attempted = False while True: # Stream one model round. Text is spoken as it arrives only once a tool has @@ -254,12 +270,32 @@ async def _run_turn( if not tool_calls: final_text_llm_ms += round_ms - conversation.messages.append( - ChatMessage(role="assistant", content="".join(text_parts)) + final_text = "".join(text_parts) + logger.info( + "agent round=%d produced no tool call, text=%r", + tool_rounds, + final_text, ) + conversation.messages.append(ChatMessage(role="assistant", content=final_text)) + if tool_rounds == 0 and not correction_attempted and _claims_success(final_text): + correction_attempted = True + logger.warning("agent claimed success without a tool call: %r", final_text) + conversation.messages.append( + ChatMessage( + role="user", + content=( + "（系统）你刚才没有调用任何工具就声称操作成功，这是不允许的。" + "请调用对应的工具真正执行，再根据工具返回结果如实回复。" + ), + ) + ) + continue if not streamed: for text in text_parts: yield AgentTextDelta(text) + if tool_rounds == 0 and _is_farewell(final_text): + logger.warning("agent said farewell without end_conversation: %r", final_text) + yield AgentSessionEnd() yield AgentCompleted( _sum_usage(usages) if usage_complete else None, AgentTurnTiming(tool_call_llm_ms, tool_execution_ms, final_text_llm_ms), @@ -273,6 +309,11 @@ async def _run_turn( accumulator = next(iter(tool_calls.values())) tool_call = _complete_tool_call(accumulator) + logger.info( + "agent tool call name=%s raw_args=%s", + tool_call.name, + tool_call.arguments, + ) arguments = _parse_tool_arguments(tool_call.arguments) assistant_message = AssistantToolCallMessage( content="".join(text_parts), @@ -431,6 +472,44 @@ def _pending_question_from_arguments( ) +_SUCCESS_CLAIM_MARKERS = ( + "已创建", + "创建成功", + "已添加", + "已新建", + "已记下", + "已删除", + "删除成功", + "已移除", + "已删掉", + "已修改", + "修改成功", + "已更新", + "已更改", + "已改好", + "已取消", + "取消成功", +) + + +def _claims_success(text: str) -> bool: + """Return True when a no-tool reply still claims a CRUD operation succeeded.""" + return any(marker in text for marker in _SUCCESS_CLAIM_MARKERS) + + +_FAREWELL_MARKERS = ( + "再见", + "拜拜", + "先这样", + "就这样", +) + + +def _is_farewell(text: str) -> bool: + """Return True when a no-tool reply is a farewell that should end the session.""" + return any(marker in text for marker in _FAREWELL_MARKERS) + + def _refusal_json(reason: str) -> str: """Render a recoverable problem as a tool result so the model retries.""" return json.dumps( diff --git a/backend/tests/intelligence/conversation/test_agent.py b/backend/tests/intelligence/conversation/test_agent.py index cf656bee..acc38124 100644 --- a/backend/tests/intelligence/conversation/test_agent.py +++ b/backend/tests/intelligence/conversation/test_agent.py @@ -228,6 +228,56 @@ async def test_tool_round_text_is_not_exposed_as_agent_text_delta() -> None: assert llm.requests[1][0][-1] == conversation.messages[-2] +@pytest.mark.asyncio +async def test_success_claim_without_tool_is_corrected() -> None: + """A no-tool reply that claims success is blocked and the model is re-prompted.""" + tool = RecordingTool( + ToolDefinition("schedule_create", "创建日程", {"type": "object"}), + result='{"status":"ok"}', + ) + llm = FakeLlm( + [ + [TextDelta("已创建"), completed()], + tool_events("schedule_create", '{"title":"开会"}'), + [TextDelta("已帮你创建"), completed()], + ] + ) + conversation = AgentConversation() + agent = Agent(llm, ToolRegistry([tool])) + + events = [event async for event in agent.run_turn(conversation, "帮我创建会议")] + + # The fabricated "已创建" is never exposed; the tool is called and its result spoken. + assert events == [ + AgentTextDelta("已帮你创建"), + AgentCompleted(LlmUsage(5, 5, 10)), + ] + assert tool.calls == [{"title": "开会"}] + assert conversation.messages[3] == ChatMessage( + role="user", + content=( + "（系统）你刚才没有调用任何工具就声称操作成功，这是不允许的。" + "请调用对应的工具真正执行，再根据工具返回结果如实回复。" + ), + ) + + +@pytest.mark.asyncio +async def test_farewell_without_end_conversation_ends_session() -> None: + """A no-tool farewell reply still ends the session without leaking a correction.""" + llm = FakeLlm([[TextDelta("再见"), completed()]]) + conversation = AgentConversation() + agent = Agent(llm, ToolRegistry([])) + + events = [event async for event in agent.run_turn(conversation, "再见")] + + assert events == [ + AgentTextDelta("再见"), + AgentSessionEnd(), + AgentCompleted(LlmUsage(1, 2, 3)), + ] + + @pytest.mark.asyncio async def test_final_round_text_is_streamed_before_completion() -> None: """The final-answer round yields text as it streams, not after the round ends.""" From 6ca5f921c873e8f2491299c5fce67a86e80387cb Mon Sep 17 00:00:00 2001 From: yyy-router <1804384725@qq.com> Date: Fri, 21 Aug 2026 19:02:57 +0800 Subject: [PATCH 3/3] chore(agent): log schedule_query arguments for debugging --- .../timeflow/intelligence/conversation/schedule_tools.py | 8 ++++++++ 1 file changed, 8 insertions(+) diff --git a/backend/src/timeflow/intelligence/conversation/schedule_tools.py b/backend/src/timeflow/intelligence/conversation/schedule_tools.py index dead965a..2395fce6 100644 --- a/backend/src/timeflow/intelligence/conversation/schedule_tools.py +++ b/backend/src/timeflow/intelligence/conversation/schedule_tools.py @@ -4,6 +4,7 @@ import asyncio import json +import logging from collections.abc import Mapping from dataclasses import asdict, dataclass from datetime import datetime @@ -51,6 +52,8 @@ _EnumT = TypeVar("_EnumT", bound=StrEnum) _MISSING = object() +logger = logging.getLogger(__name__) + _DATETIME_SCHEMA = {"type": ["string", "null"], "format": "date-time"} _NULLABLE_STRING_SCHEMA = {"type": ["string", "null"]} _CATEGORY_SCHEMA = { @@ -117,6 +120,11 @@ class _ScheduleTool: observer: ScheduleResultObserver | None = None async def execute(self, arguments: Mapping[str, object]) -> str: + if self.definition.name == "schedule_query": + logger.info( + "schedule_query args=%s", + json.dumps(arguments, ensure_ascii=False, sort_keys=True), + ) execution = asyncio.create_task(asyncio.to_thread(self._execute, arguments)) cancelled = False try: