新增: AiNode自审ai侧(AiNode持db写产出+ai_self_review节点+DAG透传)

crates/df-nodes/src/ai_node.rs

@@ -7,9 +7,12 @@
 //! 适合嵌入自动化链路（如 想法 → AI分析 → 脚本落地 → 人工审批）。
 
 use std::collections::HashMap;
+use std::sync::Arc;
 
 use async_trait::async_trait;
 use df_ai::provider::{ChatMessage, CompletionRequest, LlmProvider};
+use df_storage::crud::TaskRepo;
+use df_storage::db::Database;
 use df_workflow::node::{Node, NodeContext, NodeOutput, NodeResult, NodeSchema};
 
 /// AI 节点解析后的参数（execute 与参数解析解耦，便于单测覆盖取值/默认/校验逻辑）
@@ -109,7 +112,20 @@ fn parse_params(
 }
 
 /// AI 节点
-pub struct AiNode;
+///
+/// 持有 Arc<Database> 在 NodeRegistry 注册时注入(state.rs build_registry 工厂闭包 move 捕获
+/// db.clone(),对齐 TaskAdvanceNode 先例)。execute 从 NodeContext.config 读 provider 配置 +
+/// 可选 task_id:有 task_id 时把产出落 task.output_json(AiNode 自审闭环,决策 a)。
+pub struct AiNode {
+    db: Arc<Database>,
+}
+
+impl AiNode {
+    /// 构造节点(注册表工厂调用,注入数据库句柄)
+    pub fn new(db: Arc<Database>) -> Self {
+        Self { db }
+    }
+}
 
 #[async_trait]
 impl Node for AiNode {
@@ -152,7 +168,7 @@ impl Node for AiNode {
             response.usage.completion_tokens
         );
 
-        Ok(NodeOutput::from_value(serde_json::json!({
+        let output = serde_json::json!({
             "text": response.text,
             "model": response.model,
             "usage": {
@@ -160,7 +176,25 @@ impl Node for AiNode {
                 "completion_tokens": response.usage.completion_tokens,
                 "total_tokens": response.usage.total_tokens,
             },
-        })))
+        });
+
+        // 决策 a(AiNode 自审闭环):有 task_id 时落产出到 task.output_json。
+        // 走通用 update_field(output_json 已在 tasks 白名单,crud.rs:342-346),
+        // 非 status 状态机收口字段,合法可写。落库失败不阻断节点返回(产出已在内存,工作流可继续)。
+        if let Some(task_id) = ctx.config.get("task_id").and_then(|v| v.as_str()) {
+            if let Ok(json_str) = serde_json::to_string(&output) {
+                let repo = TaskRepo::new(&self.db);
+                if let Err(e) = repo.update_field(task_id, "output_json", &json_str).await {
+                    tracing::warn!(
+                        task_id = task_id,
+                        error = %e,
+                        "AiNode 落 output_json 失败(产出已在内存,节点继续)"
+                    );
+                }
+            }
+        }
+
+        Ok(NodeOutput::from_value(output))
     }
 
     fn schema(&self) -> NodeSchema {
@@ -195,6 +229,257 @@ impl Node for AiNode {
     }
 }
 
+// ============================================================
+// ai_self_review 节点 — AI 自审闭环(决策 a 步骤③)
+// ============================================================
+//
+// 复用 AiNode 的 provider 调用逻辑(parse_params + build_provider + complete),差异:
+//   1. prompt 固定四维度审查模板(需求符合度/完整性/正确性/边界),不从 config/inputs 取 prompt
+//   2. system_prompt 强约束「只输出 JSON」+ temperature=0
+//   3. LLM 输出按结构化 JSON 解析,失败兜底 verdict=unknown(防 LLM 不按要求输出)
+//   4. 自审输入:task.description(需求,经 ctx.config["task_id"] 读 task) + task.output_json.text(产出)
+//   5. 自审结果写回 task.output_json 加 review 子字段(不覆盖 text,保留对照)
+//   6. review 摘要塞 NodeOutput.data,供下游 human_review 经 DAG inputs["ai_self_review"] 读
+//
+// verdict 处理(首版保守):自审是辅助,最终决策权在人。verdict=fail 不主动 Err,
+// 节点返 Ok 让 human_review 继续,人在审批卡看到 fail 结论再定(human reject 走 Err→工作流
+// failed→②-4 回调退回 in_review)。
+
+/// 自审四维度 system prompt:严格审查员角色 + 只输出 JSON 强约束。
+const REVIEW_SYSTEM_PROMPT: &str = "\
+你是严格的代码/产出审查员。审查任务产出是否符合需求,按四维度给出结构化结论。\
+只输出 JSON,不要任何额外文字、不要 markdown 代码块包裹。";
+
+/// 解析 LLM 自审输出为结构化 review JSON。
+///
+/// 成功路径:serde_json::from_str 得到 Object 且含 verdict 字段 → 原样返回。
+/// 兜底路径:解析失败 / 非 Object / 缺 verdict → 返回 verdict=unknown + summary=原文,
+///   防 LLM 不按要求输出导致下游崩溃。dimensions 留空对象(前端容缺展示)。
+fn parse_review_json(raw: &str) -> serde_json::Value {
+    // 先尝试整段解析;LLM 偶尔会包 markdown 代码块,剥离 ```json ... ``` 后重试一次。
+    let trimmed = raw.trim();
+    let cleaned = trimmed
+        .strip_prefix("```json")
+        .or_else(|| trimmed.strip_prefix("```"))
+        .map(|s| s.trim_end_matches("```").trim())
+        .unwrap_or(trimmed);
+
+    if let Ok(v) = serde_json::from_str::<serde_json::Value>(cleaned) {
+        if v.is_object() && v.get("verdict").and_then(|x| x.as_str()).is_some() {
+            return v;
+        }
+    }
+    // 兜底:保留原文供人查阅,verdict=unknown 不阻断流程(自审辅助,人定)。
+    serde_json::json!({
+        "verdict": "unknown",
+        "dimensions": {},
+        "summary": format!("(自审输出解析失败,原文: {})", truncate_for_summary(cleaned)),
+        "suggestions": [],
+    })
+}
+
+/// summary 截断(防原文过长撑爆 output_json / 审批卡)。
+fn truncate_for_summary(s: &str) -> String {
+    const MAX: usize = 300;
+    if s.chars().count() <= MAX {
+        return s.to_string();
+    }
+    let truncated: String = s.chars().take(MAX).collect();
+    format!("{truncated}…")
+}
+
+/// AI 自审节点(决策 a 步骤③)
+pub struct AiSelfReviewNode {
+    db: Arc<Database>,
+}
+
+impl AiSelfReviewNode {
+    pub fn new(db: Arc<Database>) -> Self {
+        Self { db }
+    }
+
+    /// 拼装自审 user prompt:任务需求 + 待审产出 + 四维度审查要求 + 输出格式。
+    /// description / output_text 缺失时给占位(不报错,信任调用方注入合法 task_id)。
+    fn build_review_prompt(description: &str, output_text: &str) -> String {
+        format!(
+            "\
+## 任务需求
+{description}
+
+## 待审产出
+{output_text}
+
+## 审查维度
+1. 需求符合度:产出是否覆盖需求描述的所有要点
+2. 产出完整性:是否有遗漏、未完成的部分
+3. 正确性:逻辑/事实/语法是否正确
+4. 边界处理:异常输入、空值、错误路径是否考虑
+
+## 输出格式(严格 JSON)
+{{\"verdict\":\"pass\"|\"fail\",\"dimensions\":{{\"requirement_fit\":{{\"score\":0-10,\"issues\":[\"...\"]}},\"completeness\":{{\"score\":0-10,\"issues\":[\"...\"]}},\"correctness\":{{\"score\":0-10,\"issues\":[\"...\"]}},\"boundary\":{{\"score\":0-10,\"issues\":[\"...\"]}}}},\"summary\":\"一句话总结\",\"suggestions\":[\"改进建议\"]}}
+verdict=fail 当且仅当任一维度 score<6 或有阻断性 issue。"
+        )
+    }
+}
+
+#[async_trait]
+impl Node for AiSelfReviewNode {
+    async fn execute(&self, ctx: NodeContext) -> NodeResult {
+        tracing::info!("AiSelfReviewNode 执行: node_id={}", ctx.node_id);
+
+        let p = parse_params(&ctx.config, &ctx.inputs)?;
+
+        // ── 读任务(需求 + 产出) ──
+        // task_id 必填(自审对象是具体任务的产出);缺失报错而非静默跳过。
+        let task_id = ctx
+            .config
+            .get("task_id")
+            .and_then(|v| v.as_str())
+            .ok_or_else(|| anyhow::anyhow!("AiSelfReviewNode 缺少必填参数: task_id"))?;
+
+        let repo = TaskRepo::new(&self.db);
+        let task = repo
+            .get_by_id(task_id)
+            .await
+            .map_err(|e| anyhow::anyhow!("自审读任务失败: {}", e))?
+            .ok_or_else(|| anyhow::anyhow!("自审任务 {} 不存在", task_id))?;
+
+        // output_json 可能无(ai_execute 未跑或失败) → 待审产出占位提示,不报错。
+        let output_text = task
+            .output_json
+            .as_deref()
+            .and_then(|s| serde_json::from_str::<serde_json::Value>(s).ok())
+            .and_then(|v| v.get("text").and_then(|t| t.as_str()).map(String::from))
+            .unwrap_or_else(|| "(无产出,仅依据需求审查)".to_string());
+
+        let prompt = Self::build_review_prompt(&task.description, &output_text);
+
+        let provider: Box<dyn LlmProvider> =
+            df_ai::build_provider(&p.protocol, &p.base_url, &p.api_key, &p.default_model);
+
+        let request = CompletionRequest {
+            model: p.model.clone(),
+            messages: vec![
+                ChatMessage::system(REVIEW_SYSTEM_PROMPT),
+                ChatMessage::user(prompt),
+            ],
+            temperature: Some(0.0), // 强约束确定性输出
+            max_tokens: p.max_tokens,
+            stream: false,
+            tools: None,
+            tool_choice: None,
+        };
+
+        tracing::info!(
+            "AiSelfReviewNode 调用 LLM: model={}, base_url={}",
+            p.default_model,
+            p.base_url
+        );
+        let response = provider.complete(request).await?;
+
+        // ── 解析自审 JSON(失败兜底 verdict=unknown) ──
+        let review = parse_review_json(&response.text);
+        let verdict = review
+            .get("verdict")
+            .and_then(|v| v.as_str())
+            .unwrap_or("unknown")
+            .to_string();
+        // summary / suggestions 在 move review 前先取走(供 NodeOutput.data 平铺)
+        let summary = review
+            .get("summary")
+            .and_then(|v| v.as_str())
+            .unwrap_or("")
+            .to_string();
+        let suggestions = review
+            .get("suggestions")
+            .cloned()
+            .unwrap_or(serde_json::json!([]));
+
+        tracing::info!(
+            "AiSelfReviewNode 完成: verdict={}, model={}",
+            verdict,
+            response.model
+        );
+
+        // ── 写回 task.output_json 加 review 子字段(不覆盖 text) ──
+        // 读现有 output_json(若有),合并 review 子字段后整体写回。
+        let mut output_obj: serde_json::Map<String, serde_json::Value> = task
+            .output_json
+            .as_deref()
+            .and_then(|s| serde_json::from_str::<serde_json::Value>(s).ok())
+            .and_then(|v| v.as_object().cloned())
+            .unwrap_or_default();
+        // review 子字段:自审结论 + reviewed_at + reviewer_model(便于前端展示与人对照)
+        let mut review_with_meta = match review {
+            serde_json::Value::Object(m) => m,
+            other => {
+                let mut m = serde_json::Map::new();
+                m.insert("verdict".into(), other);
+                m
+            }
+        };
+        review_with_meta.insert(
+            "reviewed_at".into(),
+            serde_json::Value::Number(df_core::now_millis().into()),
+        );
+        review_with_meta.insert("reviewer_model".into(), serde_json::json!(response.model));
+        output_obj.insert("review".into(), serde_json::Value::Object(review_with_meta));
+
+        let merged = serde_json::Value::Object(output_obj);
+        if let Ok(json_str) = serde_json::to_string(&merged) {
+            if let Err(e) = repo.update_field(task_id, "output_json", &json_str).await {
+                tracing::warn!(
+                    task_id = task_id,
+                    error = %e,
+                    "AiSelfReviewNode 落 review 子字段失败(摘要已在 NodeOutput,节点继续)"
+                );
+            }
+        }
+
+        // ── NodeOutput.data 塞 review 摘要,供下游 human_review 经 inputs["ai_self_review"] 读 ──
+        // human_review(HumanNode)从 config/inputs 拼 description;此处把 verdict/summary/suggestions
+        // 平铺进 data,HumanNode 零改动即可透传(前端/模板层可据此拼审批卡描述)。
+        Ok(NodeOutput::from_value(serde_json::json!({
+            "verdict": verdict,
+            "summary": summary,
+            "suggestions": suggestions,
+            "review": merged.get("review").cloned().unwrap_or(serde_json::Value::Null),
+            "model": response.model,
+        })))
+    }
+
+    fn schema(&self) -> NodeSchema {
+        NodeSchema {
+            params: serde_json::json!({
+                "type": "object",
+                "properties": {
+                    "task_id": { "type": "string", "description": "自审目标任务 ID(必填)" },
+                    "protocol": { "type": "string", "description": "协议类型:openai_compat(默认)或 anthropic" },
+                    "base_url": { "type": "string" },
+                    "api_key": { "type": "string" },
+                    "model": { "type": "string" },
+                    "max_tokens": { "type": "integer" }
+                },
+                "required": ["task_id", "base_url", "api_key"]
+            }),
+            output: serde_json::json!({
+                "type": "object",
+                "properties": {
+                    "verdict": { "type": "string", "enum": ["pass", "fail", "unknown"] },
+                    "summary": { "type": "string" },
+                    "suggestions": { "type": "array", "items": { "type": "string" } },
+                    "review": { "type": "object" },
+                    "model": { "type": "string" }
+                }
+            }),
+        }
+    }
+
+    fn node_type(&self) -> &str {
+        "ai_self_review"
+    }
+}
+
 #[cfg(test)]
 mod tests {
     use super::*;
@@ -327,4 +612,136 @@ mod tests {
             response.model, response.text, response.usage
         );
     }
+
+    // ============================================================
+    // 决策 a 自审闭环单测 — output_json 写回 + review JSON 解析兜底
+    // ============================================================
+
+    /// 内存 DB 构造 helper:插父项目 + 指定 task,返回 (db, task_id)。
+    async fn setup_task_db(task_output_json: Option<&str>) -> (Database, String) {
+        use df_storage::crud::ProjectRepo;
+        use df_storage::models::{ProjectRecord, TaskRecord};
+        let db = Database::open_in_memory().await.expect("open_in_memory");
+        ProjectRepo::new(&db)
+            .insert(ProjectRecord {
+                id: "p1".to_string(),
+                name: "proj".to_string(),
+                description: "".to_string(),
+                status: "planning".to_string(),
+                idea_id: None,
+                path: None,
+                stack: None,
+                created_at: "0".to_string(),
+                updated_at: "0".to_string(),
+            })
+            .await
+            .expect("insert project");
+        TaskRepo::new(&db)
+            .insert(TaskRecord {
+                id: "t1".to_string(),
+                project_id: "p1".to_string(),
+                title: "t1".to_string(),
+                description: "实现登录接口".to_string(),
+                status: "testing".to_string(),
+                priority: 2,
+                branch_name: None,
+                assignee: None,
+                workflow_def_id: None,
+                base_branch: None,
+                review_rounds: 0,
+                output_json: task_output_json.map(String::from),
+                created_at: "0".to_string(),
+                updated_at: "0".to_string(),
+            })
+            .await
+            .expect("insert task");
+        (db, "t1".to_string())
+    }
+
+    /// 决策 a 步骤②:AiNode.execute 落产出验证 — 有 task_id 时 output_json 写入。
+    /// 用 mock provider 避免真调 LLM:自定义 Node 替换不便,改为直接验证 update_field 路径
+    /// (execute 内部调 provider.complete 需真 LLM,此处降级验证 parse_review_json 兜底 +
+    ///  直接 repo.update_field 路径,与 execute 落库逻辑同一条 crud.update_field)。
+    #[tokio::test]
+    async fn update_field_writes_output_json() {
+        // 验证 output_json 在 tasks 白名单(update_field 不报「不允许的字段名」)。
+        // 这正是 AiNode.execute / AiSelfReviewNode.execute 落产出的底层路径。
+        let (db, task_id) = setup_task_db(None).await;
+        let repo = TaskRepo::new(&db);
+        let payload = r#"{"text":"产出内容","model":"glm-4","usage":{}}"#;
+        let ok = repo
+            .update_field(&task_id, "output_json", payload)
+            .await
+            .expect("update_field output_json");
+        assert!(ok, "update_field 应返回 affected>0=true");
+        let after = repo.get_by_id(&task_id).await.unwrap().unwrap();
+        assert_eq!(
+            after.output_json.as_deref(),
+            Some(payload),
+            "output_json 应被写入"
+        );
+        // 原始 text 字段(产出对照)保留
+        let parsed: serde_json::Value = serde_json::from_str(after.output_json.as_deref().unwrap()).unwrap();
+        assert_eq!(parsed["text"], json!("产出内容"));
+    }
+
+    /// 步骤③:parse_review_json 合规 JSON 直通(保留 verdict/dimensions/summary/suggestions)。
+    #[test]
+    fn parse_review_json_valid_passes_through() {
+        let raw = r#"{"verdict":"pass","dimensions":{"requirement_fit":{"score":9,"issues":[]}},"summary":"符合需求","suggestions":["可加单测"]}"#;
+        let v = parse_review_json(raw);
+        assert_eq!(v["verdict"], json!("pass"));
+        assert_eq!(v["summary"], json!("符合需求"));
+        assert_eq!(v["suggestions"], json!(["可加单测"]));
+        assert_eq!(v["dimensions"]["requirement_fit"]["score"], json!(9));
+    }
+
+    /// 步骤③:parse_review_json 非 JSON / 缺 verdict → 兜底 verdict=unknown + summary 含原文。
+    #[test]
+    fn parse_review_json_invalid_falls_back_unknown() {
+        // 非 JSON
+        let v = parse_review_json("这不是 JSON,LLM 没按要求输出");
+        assert_eq!(v["verdict"], json!("unknown"));
+        assert!(v["summary"].as_str().unwrap().contains("不是 JSON"));
+        assert!(v["summary"].as_str().unwrap().contains("解析失败"));
+
+        // JSON 但缺 verdict
+        let v = parse_review_json(r#"{"foo":"bar"}"#);
+        assert_eq!(v["verdict"], json!("unknown"));
+
+        // JSON 非 object(数组)
+        let v = parse_review_json("[1,2,3]");
+        assert_eq!(v["verdict"], json!("unknown"));
+    }
+
+    /// 步骤③:LLM 偶尔包 ```json 代码块,parse_review_json 应剥离后解析成功。
+    #[test]
+    fn parse_review_json_strips_markdown_code_fence() {
+        let raw = "```json\n{\"verdict\":\"fail\",\"summary\":\"缺边界处理\"}\n```";
+        let v = parse_review_json(raw);
+        assert_eq!(v["verdict"], json!("fail"));
+        assert_eq!(v["summary"], json!("缺边界处理"));
+    }
+
+    /// 步骤③:truncate_for_summary 长文截断。
+    #[test]
+    fn truncate_for_summary_long_text() {
+        let short = "短文";
+        assert_eq!(truncate_for_summary(short), "短文");
+        let long: String = "字".repeat(500);
+        let t = truncate_for_summary(&long);
+        assert!(t.ends_with("…"));
+        assert!(t.chars().count() <= 302, "截断后含省略号应 ≈300 字");
+    }
+
+    /// 步骤③:AiSelfReviewNode.build_review_prompt 含需求 + 产出 + 四维度。
+    #[test]
+    fn build_review_prompt_contains_inputs() {
+        let p = AiSelfReviewNode::build_review_prompt("登录接口", "已实现 /login");
+        assert!(p.contains("登录接口"), "prompt 应含需求");
+        assert!(p.contains("已实现 /login"), "prompt 应含产出");
+        assert!(p.contains("需求符合度"), "prompt 应含四维度");
+        assert!(p.contains("边界处理"));
+        assert!(p.contains("verdict"), "prompt 应含输出格式约束");
+    }
 }

crates/df-nodes/src/task_workflow_templates.rs

@@ -56,7 +56,9 @@ fn in_progress_template() -> DagDef {
 /// 通过则完成回调(②-3)推进 status 到 testing。
 fn testing_template() -> DagDef {
     let mut dag = DagDef::new();
-    dag.add_node("ai_self_review", "ai", serde_json::json!({}));
+    // 决策 a 步骤③:ai_self_review 节点类型对齐 state.rs 注册的独立自审节点
+    // (四维度 prompt + JSON 解析兜底 + 写回 output_json 加 review 子字段)。
+    dag.add_node("ai_self_review", "ai_self_review", serde_json::json!({}));
     dag.add_node(
         "human_review",
         "human",
@@ -122,9 +124,9 @@ mod tests {
         let dag = template_for("testing").expect("testing 模板存在");
         assert_eq!(dag.nodes.len(), 2, "testing: ai + human 两节点");
         assert_eq!(dag.edges.len(), 1, "testing: 单串行边");
-        // 节点类型
+        // 节点类型(决策 a 步骤③:ai_self_review 独立节点类型)
         let ai = dag.nodes.get("ai_self_review").expect("ai_self_review 存在");
-        assert_eq!(ai.node_type, "ai");
+        assert_eq!(ai.node_type, "ai_self_review");
         let human = dag.nodes.get("human_review").expect("human_review 存在");
         assert_eq!(human.node_type, "human");
         // 边方向:ai → human

src-tauri/src/state.rs

@@ -254,8 +254,20 @@ fn build_registry(db: Arc<Database>) -> NodeRegistry {
     registry.register("human", |_config| {
         Box::new(df_nodes::human_node::HumanNode)
     });
-    registry.register("ai", |_config| {
-        Box::new(df_nodes::ai_node::AiNode)
+    // AiNode(df_nodes::ai_node, impl Node trait):
+    //   决策 a(AiNode 自审闭环)步骤②:AiNode 持 Arc<Database>,execute 完成后若有 task_id
+    //   则把产出落 task.output_json。工厂闭包 move 捕获 db 句柄(Arc clone 廉价)。
+    let ai_db = db.clone();
+    registry.register("ai", move |_config| {
+        Box::new(df_nodes::ai_node::AiNode::new(ai_db.clone()))
+    });
+    // AiSelfReviewNode(df_nodes::ai_node, impl Node trait):
+    //   决策 a 步骤③:四维度自审(prompt 固定+JSON 解析兜底),写回 output_json 加 review 子字段,
+    //   review 摘要塞 NodeOutput.data 供下游 human_review 经 DAG inputs 透传。
+    //   testing 模板 ai_self_review 节点类型对齐此注册 key。
+    let review_db = db.clone();
+    registry.register("ai_self_review", move |_config| {
+        Box::new(df_nodes::ai_node::AiSelfReviewNode::new(review_db.clone()))
     });
     // TaskAdvanceNode(df_nodes::task_advance_node, impl Node trait):
     //   推进链阶段 2 工作流联动入口 — DAG 内触发 advance_task。