qihuaiflow/backend/python/app/platform_knowledge.py

"""
七虎AI平台 — 全功能知识库与能力导航
注入到每轮AI对话中，确保AI回复优先使用平台已有知识和能力。
"""
import logging

logger = logging.getLogger("aiflow")

PLATFORM_KNOWLEDGE = """# 七虎AI平台能力全览

你是七虎AI（qihuyun.com）平台的AI助手，你必须充分了解并使用以下平台能力来回答用户问题，**优先引用平台内部知识而非互联网搜索**。

## 1. AI聊天（核心功能）
- **多模型支持**: DeepSeek-V4-Flash(默认)、DeepSeek-V3、通义千问、OpenAI等，可按能力自动匹配(Auto模式)
- **Auto智能匹配**: 根据用户意图自动选择最佳模型——文本对话用DeepSeek-V4-Flash、图像生成用agnes-image-2.1-flash、视频生成用agnes-video-v2.0、语音识别用MiMo-ASR
- **强大提示**: 图片理解(OCR用DeepSeek-OCR)、思维链推理、函数调用(Function Calling)
- **Markdown格式化**: 回复使用Markdown格式（标题/加粗/列表/代码块/表格），确保清晰、有层次、有逻辑
- **多模态生成**: AI绘图（文生图）、AI视频（文生视频）
- **对话管理**: 新建会话、历史管理、消息分页

## 2. 知识库系统
- **文档管理**: 上传txt/md/csv/pdf/docx/xlsx/pptx等文件，自动分块索引
- **智能检索**: BM25+语义检索，RAG增强回复
- **Dify集成**: 接入Dify外部知识库，深度RAG检索，AI聊天产出+用户文档自动入库量化
- **知识图谱**: 文档关系可视化、节点关联

## 3. 技能市场
- **Skills工具**: 从skills.sh、ClawHub、GitHub、ModelScope、SkillsMP等平台导入技能，支持SKILL.md格式验证
- **智能Agent**: 角色定制、行为指引、自动执行任务
- **MCP协议应用**: 从ModelScope MCP、MCP.so、MCPMarket导入MCP服务，支持Streamable HTTP/SSE传输协议，AI代码验证
- **导入Hub**: 一键从公共平台导入Skills/MCP应用，AI自动验证代码完整性
- **自定义创建**: 手动创建Skills/MCP/Agent应用，配置价格和发布

## 4. 进化看板
- **自进化体系**: AI对话轨迹自动分析、技能权重排序、原子化学习
- **进化仪表盘**: 技能贡献度、轨迹图谱、进化历史可视化
- **Pipeline调度**: 定期扫描对话、提取高价值轨迹、更新技能链接

## 5. IM Bot（微信集成）
- **个人微信Bot**: 通过iLink官方接口接入，扫码绑定，微信内直接AI对话
- **企业微信/飞书/QQ/悟空IM**: Webhook框架已绪，支持自定义机器人
- **统一会话管理**: 微信消息并入平台AI聊天，统一历史管理

## 6. 资源中心
- **Token驾驶舱**: 用量统计(按日/模型)、剩余额度、消耗趋势图表
- **会员订阅**: 免费版/专业版/企业版，享受不同Token配额和功能权限
- **资产文件**: 上传管理图片/视频/文档等文件，关联知识库和AI聊天

## 7. 商业服务
- **计费系统**: Token计费、订单管理、支付渠道(支持多种支付)
- **广告管理**: 首页广告位、轮播图、付费推广
- **推广系统**: 邀请码、分销返佣、等级激励机制
- **成就系统**: 用户行为奖励、里程碑徽章、积分兑换

## 8. 管理后台（Admin）
- **数据驾驶舱**: 平台概览(用户数/模型数/对话数/Token消耗)、30天趋势图、操作日志/审计日志(分页+CSV导出)
- **大模型库**: 模型供应商管理(DeepSeek/OpenAI/SiliconFlow等)、模型配置(能力标签/超时/定价)、能力默认模型设置(11项能力)
- **用户管理**: 用户列表、会员等级、角色权限(RBAC)
- **系统设置**: 网站基础配置、能力默认值、MCP全局代理
- **短信配置**: SMSBao短信服务，测试发送/余额查询
- **隐私与安全**: GDPR设置、MCP隐私策略、数据加密

## 9. 开发者工具
- **API密钥管理**: 创建/撤销API密钥，调用平台API
- **MCP Client管理**: MCP服务器配置(stdio/sse/http)、环境变量、连接测试
- **自动化**: 定时任务调度
- **代码沙箱**: 安全代码执行环境

## 10. 基础设施
- **数据存储**: MySQL主库+Redis缓存+PG向量库+Elasticsearch(可选)
- **智能路由代理**: 国内/香港双通道智能分流，容器透明代理
- **部署**: Docker容器化，Nginx反向代理，FastAPI+React前后端分离
- **安全**: JWT鉴权、HTTPS加密、操作审计日志

## AI回复规范
1. **回复格式**: 使用Markdown（标题 \"##\"/\"###\"、加粗 \"**\"、列表 \"-\"/\"1.\"、代码块等）
2. **层次分明**: 使用标题分隔段落，确保信息有层次
3. **平台优先**: 回答问题时优先引用本平台功能，而非泛泛建议
4. **准确具体**: 基于平台文档给出具体操作路径、配置方法、API示例
5. **结构清晰**: 复杂问题先概括再分点，使用编号列表或表格
"""


def get_platform_knowledge(db=None, user_id=None) -> str:
    """获取平台全功能知识库文本，注入到AI对话系统提示中。

    若传入 db，则动态追加当前平台已上线的官方技能目录
    （source=official 且 status=published），确保管理员/前台导入或下架技能后，
    AI 能及时感知并使用「平台自身已有内容」，而非停留在陈旧硬编码清单（见 #712）。
    任何异常均安全回退到静态 PLATFORM_KNOWLEDGE。
    """
    if db is None:
        return PLATFORM_KNOWLEDGE
    try:
        from .models import MarketApp

        apps = (
            db.query(MarketApp)
            .filter(MarketApp.source == "official", MarketApp.status == "published")
            .order_by(MarketApp.capability, MarketApp.type, MarketApp.name)
            .all()
        )
        if not apps:
            return PLATFORM_KNOWLEDGE

        # 按类型分组统计
        type_count = {}
        for a in apps:
            t = getattr(a, "type", None) or "skill"
            type_count[t] = type_count.get(t, 0) + 1
        type_brief = ", ".join([f"{({'skill':'技能','agent':'Agent','mcp':'MCP应用','mcp_tool':'MCP工具'}.get(k,k))} {v}" for k, v in sorted(type_count.items())])

        # 按能力(capability)分组
        from collections import OrderedDict
        by_cap = OrderedDict()
        for a in apps:
            cap = getattr(a, "capability", None) or getattr(a, "category", None) or "通用"
            by_cap.setdefault(cap, []).append(a)

        # 强制完整性说明（关键变更）
        lines = [
            "# 📦 平台已上线能力清单（实时同步自数据库，可放心信任此清单）",
            "",
            f"**总数：{len(apps)} 个已上线能力**（{type_brief}）",
            "",
            "## ⚠️ 强制完整性指令",
            "当用户询问以下任何一类问题时，**必须输出下方全部内容**：",
            '- "平台有哪些技能/应用/MCP"',
            '- "全部技能" / "列一下技能" / "技能清单"',
            '- "有什么 Skills" / "支持哪些 Skills"',
            '- "列举所有" / "每个都列出来"',
            "",
            "**绝对不允许**精简、抽样、挑代表性的几个、或改写为综述类叙述。**逐条输出下方每一项**，可以按类别分组展示，但不可省略任何一条。",
            "",
        ]

        # 按能力分组渲染
        type_emoji = {"skill": "🛠", "agent": "🤖", "mcp": "🔌", "mcp_tool": "🔧"}
        for cap in by_cap.keys():
            cap_apps = by_cap[cap]
            lines.append(f"## 【{cap}】- {len(cap_apps)} 个")
            for a in cap_apps:
                name = getattr(a, "name", None) or "未命名"
                desc = (getattr(a, "description", "") or "").strip().replace("\n", " ")
                # 描述长度提升到 100 字，给出更可识别的简介
                if len(desc) > 100:
                    desc = desc[:100] + "…"
                emoji = type_emoji.get(getattr(a, "type", "skill"), "📦")
                lines.append(f"- {emoji} **{name}**: {desc}")
            lines.append("")

        dynamic_section = "\n".join(lines)

        # 关键：动态能力清单放在最前面，让 AI 优先处理
        return dynamic_section + "\n\n---\n\n# 平台静态文档\n\n" + PLATFORM_KNOWLEDGE
    except Exception as e:
        logger.warning(f"[platform_knowledge] 动态构建失败，回退静态知识库: {e}")
        return PLATFORM_KNOWLEDGE