dca4d45d4e
把 21 个内置 agent 的 system_prompt 从 specs.py 的 Python 常量外置为 prompts/<spec.name>.md，import 期由 load_prompt 确定性加载；建立 SPECS 名册 + SCHEMA_CATALOG（Pydantic 类型留 Python）+ 统一只读解析入口 SpecResolver。 纯重构、零功能/schema 变更，缓存断点前块字节级不变（不变量 #9）。 @llm packages/agents（步骤1-3） - spec_model.py：抽出 AgentSpec（frozen，字段不变） - prompt_loader.py：load_prompt = utf-8-sig 去BOM → LF 归一 → NFC → rstrip尾LF， 内存缓存 + fail-fast（PromptNotFoundError），import 期确定性 - schema_catalog.py：SCHEMA_CATALOG[name]→output type 唯一真相源（refiner=None） - prompts/*.md ×21：取常量「运行时值」程序化外迁（反斜杠折行已塌缩， 物理换行≡运行时换行）；文件名按 spec.name 连字符（style.md/character-gen.md 等） - specs.py：删 21 常量 + AgentSpec 类；system_prompt=load_prompt(name)、 output_schema=SCHEMA_CATALOG[name]；建 SPECS + REVIEW_RESERVED_NAMES； *_spec 兼容期保留且 SPECS[name] is *_spec（同一实例）。804→337 行 - __init__.py：显式 __all__ 重导出（避 F401） @backend packages/skills（步骤4-5） - SpecResolver：内置 SPECS（纯内存、零 DB）+ 用户 SkillRegistry 统一 get； 内置 name 永不触发 DB；output_schema_for 精确匹配 - skill_registry：保留命名空间守卫前移至入库校验，拒同名内置 → VALIDATION - toolbox_registry：GeneratorTool.spec 改走 SPECS[...]，删 12 个 *_spec 直接 import @devops repo-root - .gitattributes：prompts/*.md text eol=lf（修正：须用完整嵌套路径才匹配） - packages/agents/pyproject：hatchling artifacts 纳入 prompts/*.md 随 wheel/sdist 分发 - ci.yml：新增 build wheel → 裸装 → import ww_agents.SPECS 冒烟 TDD 全程 mock 网关；门禁绿：ruff/format clean · mypy 209 files · pytest 744 passed （含金标准 sha256 回归 / md↔spec↔catalog 一一对应 / fail-fast / BOM+NFC / 内置守卫 / 同一实例 / 编排器无回归 / apps/api import-smoke / 打包冒烟）
34 lines
1.6 KiB
Python
34 lines
1.6 KiB
Python
"""`AgentSpec` 模型（Prompt 外置方案A · 步1）。
|
||
|
||
从 `specs.py` 原样抽出的 frozen Pydantic 声明，字段不变（`system_prompt` 仍是
|
||
`str`，import 期由 `load_prompt` 填入；不改 Callable——缓存断点前块需确定字符串）。
|
||
内置 Agent 与用户 Skill 同构：一份只读声明，由编排器加载、经网关按 `tier` 执行。
|
||
|
||
- 不变量 #2：agent 只声明 `tier`，**不**写具体 model。
|
||
- 不变量 #3：四审 `writes=[]`（只读），任何 AI 产出入库必经验收事务。
|
||
"""
|
||
|
||
from __future__ import annotations
|
||
|
||
from pydantic import BaseModel, ConfigDict
|
||
from ww_llm_gateway.types import Tier
|
||
|
||
|
||
class AgentSpec(BaseModel):
|
||
"""单一 Agent / Skill 的声明（ARCH §5.1）。"""
|
||
|
||
model_config = ConfigDict(frozen=True, arbitrary_types_allowed=True)
|
||
|
||
name: str
|
||
tier: Tier # 能力档位（网关解析 provider+model）；不含具体 model
|
||
system_prompt: str
|
||
# 入/出参契约（Pydantic 模型类型）；writer 纯文本 → output_schema 可为 None
|
||
input_schema: type[BaseModel] | None = None
|
||
output_schema: type[BaseModel] | None = None
|
||
# 不可变序列：frozen 只防整字段重绑，不防 list 原地变异；tuple 无 append/clear，
|
||
# 守住不变量 #3（四审 writes==() 不可被 .append 旁路）。Pydantic v2 coerce list→tuple。
|
||
reads: tuple[str, ...] = () # 声明式表读权限
|
||
writes: tuple[str, ...] = () # 声明式表写权限（经验收才生效）
|
||
genre: str | None = None # 题材适用（Skill 用）
|
||
scope: str = "builtin" # builtin / custom / community
|