修复: workspace_root 编译期常量消除+data_dir 运行期+首次授权引导

- 删除 production 中全部 env!("CARGO_MANIFEST_DIR")引用
- workspace_root() 替换为运行期 data_dir(Tauri app_data_dir)
- 相对路径锚定改为 AllowedDirs.first_persistent_dir()，无授权时引导绑定项目
- .trash 迁到 data_dir/.trash，含自动迁移
- authz_debug → temp_dir，workspace_drive → current_dir
- run_command 默认 working_dir 改为空串
- G1 目标刷新改为每次消息覆盖(含 ai_chat_edit 路径)
- #6 评分关键词拆到独立文件 scoring_keywords.rs
- #7 promote 补偿删除 purge_with_descendants → soft_delete
- #8 关联双向同步: 后端事务 sync_related_ids + IPC + 前端全链路
- 设置面板新增数据目录显示

.cargo/config.toml

@@ -0,0 +1,5 @@
+# musl linux 交叉编译(Windows 主机无 cc/musl-gcc,用 rust-lld self-contained link)
+# df-relay 云端部署:本地交叉产 static linux binary → scp 测试机普通运行
+[target.x86_64-unknown-linux-musl]
+linker = "rust-lld"
+rustflags = ["-C", "link-self-contained=y"]

.cargo/ts-bench/Cargo.lock

@@ -0,0 +1,105 @@
+# This file is automatically @generated by Cargo.
+# It is not intended for manual editing.
+version = 4
+
+[[package]]
+name = "aho-corasick"
+version = "1.1.4"
+source = "registry+https://github.com/rust-lang/crates.io-index"
+checksum = "ddd31a130427c27518df266943a5308ed92d4b226cc639f5a8f1002816174301"
+dependencies = [
+ "memchr",
+]
+
+[[package]]
+name = "cc"
+version = "1.2.65"
+source = "registry+https://github.com/rust-lang/crates.io-index"
+checksum = "e228eec9be7c17ccb640b59b36a5cd805ea2a564a4c5e162c2f659fea30d3b96"
+dependencies = [
+ "find-msvc-tools",
+ "shlex",
+]
+
+[[package]]
+name = "find-msvc-tools"
+version = "0.1.9"
+source = "registry+https://github.com/rust-lang/crates.io-index"
+checksum = "5baebc0774151f905a1a2cc41989300b1e6fbb29aff0ceffa1064fdd3088d582"
+
+[[package]]
+name = "memchr"
+version = "2.8.2"
+source = "registry+https://github.com/rust-lang/crates.io-index"
+checksum = "88904434abc2901f197fe8cc55f0445e7ded921dba5911dad2e2b39b48e663c4"
+
+[[package]]
+name = "regex"
+version = "1.12.4"
+source = "registry+https://github.com/rust-lang/crates.io-index"
+checksum = "f1292b7759ae1cb9ec195452d1390a074f0cd8541ab7a5a8c31cd6db45d4a6ba"
+dependencies = [
+ "aho-corasick",
+ "memchr",
+ "regex-automata",
+ "regex-syntax",
+]
+
+[[package]]
+name = "regex-automata"
+version = "0.4.14"
+source = "registry+https://github.com/rust-lang/crates.io-index"
+checksum = "6e1dd4122fc1595e8162618945476892eefca7b88c52820e74af6262213cae8f"
+dependencies = [
+ "aho-corasick",
+ "memchr",
+ "regex-syntax",
+]
+
+[[package]]
+name = "regex-syntax"
+version = "0.8.11"
+source = "registry+https://github.com/rust-lang/crates.io-index"
+checksum = "d6f6ff9a378485b298a5286656da665ba74413d36db0979633275d2e708145d4"
+
+[[package]]
+name = "shlex"
+version = "2.0.1"
+source = "registry+https://github.com/rust-lang/crates.io-index"
+checksum = "f8fadd59c855ef2080decdef8ff161eb6661b86933c9d82e5ba29dc602a55aba"
+
+[[package]]
+name = "tree-sitter"
+version = "0.23.2"
+source = "registry+https://github.com/rust-lang/crates.io-index"
+checksum = "0203df02a3b6dd63575cc1d6e609edc2181c9a11867a271b25cfd2abff3ec5ca"
+dependencies = [
+ "cc",
+ "regex",
+ "regex-syntax",
+ "tree-sitter-language",
+]
+
+[[package]]
+name = "tree-sitter-language"
+version = "0.1.7"
+source = "registry+https://github.com/rust-lang/crates.io-index"
+checksum = "009994f150cc0cd50ff54917d5bc8bffe8cad10ca10d81c34da2ec421ae61782"
+
+[[package]]
+name = "tree-sitter-rust"
+version = "0.23.3"
+source = "registry+https://github.com/rust-lang/crates.io-index"
+checksum = "ca8ccb3e3a3495c8a943f6c3fd24c3804c471fd7f4f16087623c7fa4c0068e8a"
+dependencies = [
+ "cc",
+ "tree-sitter-language",
+]
+
+[[package]]
+name = "ts-bench"
+version = "0.1.0"
+dependencies = [
+ "tree-sitter",
+ "tree-sitter-rust",
+]

.cargo/ts-bench/Cargo.toml

@@ -0,0 +1,13 @@
+[package]
+name = "ts-bench"
+version = "0.1.0"
+edition = "2021"
+
+[dependencies]
+tree-sitter = "0.23"
+tree-sitter-rust = "0.23"
+
+[profile.release]
+opt-level = 3
+
+[workspace]

.cargo/ts-bench/src/main.rs

@@ -0,0 +1,184 @@
+use std::env;
+use std::fs;
+use std::hint::black_box;
+use std::time::Instant;
+use tree_sitter::{Node, Parser, Query, QueryCursor};
+
+fn char_to_token_est(chars: usize) -> usize {
+    (chars + 3) / 4
+}
+
+fn extract_skeleton(root: Node, src: &str, q: &Query) -> (String, usize) {
+    let mut out = String::new();
+    let mut count = 0usize;
+    let mut cursor = QueryCursor::new();
+    let matches = cursor.matches(q, root, src.as_bytes());
+    for mat in matches {
+        for cap in mat.captures {
+            let n = cap.node;
+            let start_byte = n.start_byte();
+            let header_end = {
+                let from_start = &src[start_byte..];
+                let mut depth: i32 = 0;
+                let mut end = from_start.len();
+                for (i, b) in from_start.char_indices() {
+                    match b {
+                        '{' => {
+                            if depth == 0 {
+                                end = i;
+                                break;
+                            }
+                            depth += 1;
+                        }
+                        ';' => {
+                            end = i;
+                            break;
+                        }
+                        _ => {}
+                    }
+                    let _ = depth;
+                }
+                start_byte + end.min(from_start.len())
+            };
+            let header = &src[start_byte..header_end].trim_end();
+            out.push_str(header);
+            out.push_str(" { ... }\n");
+            count += 1;
+        }
+    }
+    (out, count)
+}
+
+fn main() {
+    let args: Vec<String> = env::args().collect();
+    let path = args.get(1).expect("usage: ts-bench <file.rs>");
+    let src = fs::read_to_string(path).expect("read");
+    let src_chars = src.chars().count();
+    let src_tokens_est = char_to_token_est(src.len());
+
+    let mut parser = Parser::new();
+    parser.set_language(&tree_sitter_rust::LANGUAGE.into()).unwrap();
+
+    // warmup
+    let _ = parser.parse(&src, None).unwrap();
+
+    // ---- PURE PARSE timing ----
+    let n = 200;
+    let mut times_us = Vec::with_capacity(n);
+    for _ in 0..n {
+        let t0 = Instant::now();
+        let tree = parser.parse(black_box(&src), None).unwrap();
+        let t1 = Instant::now();
+        drop(tree);
+        times_us.push(t1.duration_since(t0).as_nanos() as f64 / 1000.0);
+    }
+    times_us.sort_by(|a, b| a.partial_cmp(b).unwrap());
+    let min = times_us[0];
+    let med = times_us[n / 2];
+    let p95 = times_us[(n as f64 * 0.95) as usize];
+    let mean = times_us.iter().sum::<f64>() / n as f64;
+
+    // ---- INCREMENTAL PARSE (edit one byte at end) ----
+    let mut src_edited = src.clone();
+    src_edited.push_str("\n// comment\n");
+    let tree0 = parser.parse(&src, None).unwrap();
+    let mut times_inc = Vec::with_capacity(n);
+    for _ in 0..n {
+        let t0 = Instant::now();
+        let t2 = parser.parse(&src_edited, Some(&tree0)).unwrap();
+        let t1 = Instant::now();
+        drop(t2);
+        times_inc.push(t1.duration_since(t0).as_nanos() as f64 / 1000.0);
+    }
+    times_inc.sort_by(|a, b| a.partial_cmp(b).unwrap());
+    let inc_med = times_inc[n / 2];
+
+    // ---- Query compilation timing ----
+    let query_text = r#"
+      [
+        (function_item name: (identifier) @name)
+        (struct_item name: (type_identifier) @name)
+        (enum_item name: (type_identifier) @name)
+        (trait_item name: (type_identifier) @name)
+        (impl_item trait: (type_identifier)? @trait type: (type_identifier)? @type)
+        (const_item name: (identifier) @name)
+        (static_item name: (identifier) @name)
+        (type_item name: (type_identifier) @name)
+        (mod_item name: (identifier) @name)
+        (macro_definition name: (identifier) @name)
+      ]
+    "#;
+    let mut qtimes = Vec::with_capacity(n);
+    for _ in 0..n {
+        let t0 = Instant::now();
+        let q = Query::new(&tree_sitter_rust::LANGUAGE.into(), query_text).unwrap();
+        let t1 = Instant::now();
+        drop(q);
+        qtimes.push(t1.duration_since(t0).as_nanos() as f64 / 1000.0);
+    }
+    qtimes.sort_by(|a, b| a.partial_cmp(b).unwrap());
+    let q_med = qtimes[n / 2];
+
+    // ---- Skeleton extraction (compiled query reused) ----
+    let tree = parser.parse(&src, None).unwrap();
+    let root = tree.root_node();
+    let q = Query::new(&tree_sitter_rust::LANGUAGE.into(), query_text).unwrap();
+
+    let m = 200;
+    let mut ext_us = Vec::with_capacity(m);
+    let mut last_skel = String::new();
+    let mut last_count = 0;
+    for _ in 0..m {
+        let t0 = Instant::now();
+        let (skel, cnt) = extract_skeleton(root, &src, &q);
+        let t1 = Instant::now();
+        ext_us.push(t1.duration_since(t0).as_nanos() as f64 / 1000.0);
+        last_skel = skel;
+        last_count = cnt;
+    }
+    ext_us.sort_by(|a, b| a.partial_cmp(b).unwrap());
+    let ext_med = ext_us[m / 2];
+
+    let skel_chars = last_skel.chars().count();
+    let skel_tokens_est = char_to_token_est(last_skel.len());
+
+    println!("=== FILE ===");
+    println!("path              : {}", path);
+    println!("lines             : {}", src.lines().count());
+    println!("chars             : {}", src_chars);
+    println!("bytes             : {}", src.len());
+    println!("tokens est (~/4c) : {}", src_tokens_est);
+    println!();
+    println!("=== PARSE SPEED (pure tree-sitter-rust, release, {} iters) ===", n);
+    println!("min={:.2}us  median={:.2}us  p95={:.2}us  mean={:.2}us", min, med, p95, mean);
+    println!("median ms         : {:.3} ms", med / 1000.0);
+    println!();
+    println!("=== INCREMENTAL PARSE (small edit) ===");
+    println!("median            : {:.2}us ({:.3}ms)", inc_med, inc_med / 1000.0);
+    println!();
+    println!("=== QUERY COMPILATION (once, should be cached) ===");
+    println!("median            : {:.2}us ({:.3}ms)", q_med, q_med / 1000.0);
+    println!();
+    println!("=== SKELETON EXTRACTION (compiled query reused) ===");
+    println!("symbols extracted : {}", last_count);
+    println!("skeleton chars    : {}", skel_chars);
+    println!("skeleton tokens   : {}", skel_tokens_est);
+    println!("extract median    : {:.2}us ({:.3}ms)", ext_med, ext_med / 1000.0);
+    println!();
+    println!("=== DENSITY (full vs skeleton) ===");
+    println!(
+        "chars   : {:.1}x  ({:.1}% reduction)",
+        src_chars as f64 / skel_chars as f64,
+        (1.0 - skel_chars as f64 / src_chars as f64) * 100.0
+    );
+    println!(
+        "tokens  : {:.1}x  ({:.1}% reduction)",
+        src_tokens_est as f64 / skel_tokens_est as f64,
+        (1.0 - skel_tokens_est as f64 / src_tokens_est as f64) * 100.0
+    );
+    println!();
+    println!("=== SKELETON PREVIEW (first 30 lines) ===");
+    for line in last_skel.lines().take(30) {
+        println!("{}", line);
+    }
+}

.dockerignore

@@ -0,0 +1,11 @@
+# docker build 排除(docker context = repo 根,仅 df-relay 编译需 workspace 源码)
+target
+node_modules
+dist
+dist-ssr
+.git
+*.db
+*.log
+apps/df-miniapp/node_modules
+apps/df-miniapp/dist
+src-tauri/target

.gitignore

@@ -10,6 +10,9 @@ node_modules/
 dist/
 dist-ssr/
 
+# uni-app 编译产物(微信小程序/H5 打包输出)
+unpackage/
+
 # Editor directories and files
 .vscode/*
 !.vscode/extensions.json
@@ -47,3 +50,16 @@ coverage/
 .env
 .env.*
 !.env.example
+
+# 损坏备份(FR-S7 write_file 事故残留)+临时文件
+*.broken.bak
+tmp/
+.temp/
+
+# AI 编排脚本(Claude Code Workflow 临时产物,非产品代码)
+workflows/
+
+# MCP/SQLite 测试库(mcp_test2 --db 残留)
+devflow-dev.db
+devflow-dev.db-shm
+devflow-dev.db-wal

ARCHITECTURE.md

@@ -31,6 +31,48 @@
        └→ 🎯 Release (发布) — 合并多个 Task → 集成测试 → 发布
 ```
 
+### AI Working 定位体系
+
+DevFlow 的终极交互模型是 **AI 驱动 (AI Working)**：**AI 是系统的主要操作者，人是监督者与决策者**。
+
+```
+         ┌──────────────────────────────────┐
+         │         AI Chat（唯一对话入口）     │
+         │  工具注册表 ←→ Agentic Loop ←→ 审批 │
+         └──────────────┬───────────────────┘
+                        │
+    ┌───────┬───────┬───┴───┬───────┬───────┐
+    │ 查看  │ 驱动  │ 创意  │ 决策  │ 录入  │  ← 人的五种行为
+    └───────┴───────┴───┬───┴───────┴───────┘
+                        │
+         ┌──────────────┴──────────────┐
+         │       IPC 命令层             │
+         │  project / task / idea /    │
+         │  knowledge / workflow / ai  │
+         └──────────────┬──────────────┘
+                        │
+         ┌──────────────┴──────────────┐
+         │       数据层 (SQLite)        │
+         └─────────────────────────────┘
+```
+
+#### 人的五种行为（均通过 AI Chat 完成）
+
+| 行为 | 说明 | 示例 |
+|------|------|------|
+| **查看数据** | 不点页面翻列表，自然语言查询 | "最近 blocked 的任务有哪些？" → AI 调 `list_tasks` |
+| **驱动执行** | 不手动推进状态，对话指令驱动 | "把子1推进到 in_progress" → AI 调 `advance_task` |
+| **创意捕获** | 不打开灵感表单，对话中自然捕获 | "这个想法记一下" → AI 调 `create_idea` |
+| **决策审批** | 不逐条点批准，Chat 内确认/拒绝 | 工具审批卡片（Agentic Loop 内） |
+| **录入信息** | 不填 CRUD 表单，自然语言录入 | "建个项目叫 foo，在 E:/bar" → AI 调 `create_project` |
+
+#### 关键设计原则
+
+1. **AI 工具注册表是主接口**：IPC 就绪后必须立刻注册为 AI 工具，页面是旁路查看器
+2. **页面降级为「查看层」**：Dashboard / Projects / Tasks / Ideas 等页面用于事后查看、审计、回放
+3. **功能优先级 = AI 工具覆盖度**：人对模块的操作能力取决于 AI 工具注册表中该模块的工具是否完整
+4. **灵感 / 项目 / 任务 三模块的 AI 工具必须完全覆盖 CRUD + 状态推进 + 升级/评估**
+
 ## 二、技术栈
 
 | 层 | 技术 | 说明 |
@@ -63,7 +105,7 @@
 │  Workflow Engine (DAG · Node · State · Event · Persist)          │
 ├──────────────────────┬───────────────────────────────────────────┤
 │  AI Orchestrator     │  Execution Runtime                        │
-│  Multi-Provider      │  Shell · Docker · SSH · Git (libgit2)     │
+│  Multi-Provider      │  Shell (tokio::process)                   │
 │  Agent Coordinator   │  Merge · Conflict Resolve                 │
 ├──────────────────────┴───────────────────────────────────────────┤
 │  Storage Layer (SQLite)                                          │
@@ -79,27 +121,25 @@ devflow/
 ├── crates/
 │   ├── df-core/                   # 核心类型、错误、常量、事件
 │   ├── df-workflow/               # 工作流 DAG 引擎 (核心)
-│   ├── df-nodes/                  # 内置节点集合 (AI/Script/Docker/Git/Human/HTTP/Subflow)
-│   ├── df-ai/                     # AI 编排层 (Multi-Provider/Router/Coordinator)
-│   ├── df-execute/                # 执行运行时 (Shell/Docker/SSH/Git)
+│   ├── df-nodes/                  # 内置节点集合 (AI/Script/Human)
+│   ├── df-ai/                     # AI 编排层 (Multi-Provider/Coordinator)
+│   ├── df-execute/                # 执行运行时 (Shell)
 │   ├── df-storage/                # 存储层 (SQLite)
 │   ├── df-ideas/                  # 想法池引擎 (捕捉/评估/评分/晋升)
-│   ├── df-project/                # 多项目管理 (调度/上下文/时间线)
-│   ├── df-task/                   # 任务/分支管理 (并行任务/分支/合并/冲突)
-│   ├── df-traceability/           # 可追溯性 (标注/决策留痕/需求-测试映射)
-│   ├── df-evolve/                 # 经验进化 (知识沉淀/Prompt模板/审查规则/踩坑经验)
-│   ├── df-stages/                 # 阶段插件 (5 阶段内置模板)
-│   └── df-plugin/                 # 插件系统 (WASM/动态库)
-├── src/                           # Tauri 主入口
-│   ├── main.rs
-│   ├── state.rs
-│   └── commands/                  # IPC 命令
-├── frontend/                      # Vue 3 前端
+│   └── df-project/                # 多项目管理 (调度/上下文/时间线)
+│
+│   注: df-task / df-traceability / df-evolve / df-stages / df-plugin
+│       5 个 crate 已移除（2026-06-14 零引用清理，推翻原"保留骨架"取舍）
+├── src-tauri/                     # Tauri 主入口 (Rust)
 │   └── src/
-│       ├── views/                 # 页面组件
-│       ├── components/            # 业务组件
-│       ├── stores/                # Pinia 状态
-│       └── composables/           # 组合式函数
+│       ├── main.rs
+│       ├── state.rs
+│       └── commands/              # IPC 命令
+├── src/                           # Vue 3 前端
+│   ├── views/                     # 页面组件
+│   ├── components/                # 业务组件
+│   ├── stores/                    # Pinia 状态
+│   └── composables/               # 组合式函数
 ├── templates/                     # 工作流模板 (YAML)
 └── plugins/                       # 外部插件目录
 ```
@@ -137,7 +177,9 @@ devflow/
 
 项目状态：`Planning / InProgress / Testing / Releasing / Completed / Paused / Cancelled`
 
-### 5.3.1 Task & Branch Manager (df-task)
+### 5.3.1 ~~Task & Branch Manager (df-task)~~ — 已移除
+
+> **2026-06-14 零引用清理**：df-task crate 已删除。以下内容保留作为历史设计参考，不再对应实际代码。
 
 项目内部的并行任务管理，每个任务绑定一个 Git 分支。
 
@@ -165,7 +207,9 @@ Task 生命周期:
 2. AI 辅助解决：冲突文件交给 AI 分析并建议解决方案
 3. 发布编排：选择多个 Task → 创建 release 分支 → 合并 → 集成测试 → 发布
 
-### 5.4 Traceability & Annotation (df-traceability)
+### 5.4 ~~Traceability & Annotation (df-traceability)~~ — 已移除
+
+> **2026-06-14 零引用清理**：df-traceability crate 已删除。以下内容保留作为历史设计参考，不再对应实际代码。
 
 贯穿所有阶段的可追溯性引擎。
 
@@ -238,237 +282,219 @@ pub struct Decision {
 
 ### 5.4 AI Orchestrator (df-ai)
 
-- **LlmProvider trait**：统一接口，各模型实现
-- **ModelRouter**：按任务类型路由到最优模型 + 降级链
-- **AgentCoordinator**：多 Agent 协作（Planner/Coder/Reviewer/Fixer）
-- **ContextManager**：Token 预算管理
-- **ToolRegistry**：工具注册（供 Agent 调用）
+- **LlmProvider trait**：统一接口，各模型实现（`provider.rs`）✅
+- **ModelRouter**：按任务类型路由到最优模型 + 降级链 — ❌ 已删（R-PD-7），模型选择改由调用方在 `LlmProvider` 实现间直接指定
+- **AgentCoordinator**：多 Agent 协作（Planner/Coder/Reviewer/Fixer）— ⚠️ 骨架空壳（`coordinator.rs`，仅单元结构体 + 日志，未实现实际协调）
+- **ContextManager**：Token 预算管理（`context.rs`，完整实现）✅
+- **ToolRegistry**：工具注册（`ai_tools.rs`，供 Agent 调用）✅
 
 ### 5.5 内置节点 (df-nodes)
 
-| 节点 | 功能 |
-|------|------|
-| AINode | 调用 LLM，支持流式输出、工具调用 |
-| ScriptNode | Shell/脚本执行 |
-| DockerNode | Docker 容器操作 |
-| GitNode | Git 操作 (libgit2) |
-| HumanNode | 人工审批/确认 (阻塞) |
-| NotifyNode | 通知 (桌面/飞书/Webhook) |
-| HTTPNode | HTTP 请求 |
-| SubflowNode | 嵌套子工作流 |
+| 节点 | 功能 | 状态 |
+|------|------|------|
+| AINode | 调用 LLM，支持流式输出、工具调用 | ✅ 已实现 |
+| ScriptNode | Shell/脚本执行 | ✅ 已实现 |
+| HumanNode | 人工审批/确认 (阻塞) | ✅ 已实现 |
+| DockerNode | Docker 容器操作 | ❌ 未实现 |
+| GitNode | Git 操作 (libgit2) | ❌ 未实现 |
+| NotifyNode | 通知 (桌面/飞书/Webhook) | ❌ 未实现 |
+| HTTPNode | HTTP 请求 | ❌ 未实现 |
+| SubflowNode | 嵌套子工作流 | ❌ 未实现 |
+
+> `crates/df-nodes/src/` 实际仅 ai_node / script_node / human_node 3 文件（Docker/Git/Notify/HTTP/Subflow 为设计预留，尚未实现）。详见 [df-nodes 模块文档](docs/03-模块文档/df-nodes-节点集合-2026-06-12.md)。
 
 ## 六、数据模型
 
 ### SQLite 表结构
 
+> 真相源：`crates/df-storage/src/migrations.rs`（V1-V13，幂等迁移）。下表对齐真实 schema，字段/类型/默认值/外键与迁移文件一致。Rust 结构体见 `crates/df-storage/src/models.rs`。
+
+共 **13 张业务表**（另含内部表 `schema_version` 记录迁移版本）。
+
 ```sql
--- 想法池
+-- 想法池 (V1 建表 / V2 补 promoted_to + ai_analysis + scores)
 CREATE TABLE ideas (
-    id TEXT PRIMARY KEY,
-    title TEXT NOT NULL,
-    description TEXT,
-    tags TEXT, -- JSON array
-    source TEXT NOT NULL, -- Manual/Clipboard/AI
-    status TEXT NOT NULL, -- Draft/PendingReview/Approved/Rejected/Promoted/Archived
-    scores TEXT, -- JSON: {market_potential, competition, feasibility, roi, overall}
-    ai_analysis TEXT,
-    related_ideas TEXT, -- JSON array of idea ids
-    promoted_to TEXT, -- project id
-    created_at INTEGER NOT NULL,
-    updated_at INTEGER NOT NULL
+    id          TEXT PRIMARY KEY,
+    title       TEXT NOT NULL,
+    description TEXT NOT NULL DEFAULT '',
+    status      TEXT NOT NULL DEFAULT 'draft',   -- draft/pending_review/approved/rejected/promoted/archived
+    priority    INTEGER NOT NULL DEFAULT 1,
+    score       REAL,
+    tags        TEXT,                            -- JSON 数组
+    source      TEXT,
+    promoted_to TEXT,                            -- 晋升后的 project_id (V2)
+    ai_analysis TEXT,                            -- AI 分析结果 JSON (V2)
+    scores      TEXT,                            -- 多维评分 JSON: feasibility/impact/urgency/overall (V2)
+    created_at  TEXT NOT NULL,
+    updated_at  TEXT NOT NULL
 );
 
--- 项目
+-- 项目 (V1 建表 / V11 补 deleted_at / V12 补 path + stack)
 CREATE TABLE projects (
-    id TEXT PRIMARY KEY,
-    name TEXT NOT NULL,
-    description TEXT,
-    idea_id TEXT, -- 来源想法
-    repo_path TEXT, -- 仓库路径
-    tech_stack TEXT, -- JSON array
-    status TEXT NOT NULL, -- Planning/InProgress/Testing/Releasing/Completed/Paused/Cancelled
-    priority INTEGER NOT NULL DEFAULT 1, -- 0=Low, 1=Medium, 2=High, 3=Critical
-    current_stage TEXT, -- Idea/Requirement/Coding/Testing/Release
-    config TEXT, -- JSON: 项目级配置
-    created_at INTEGER NOT NULL,
-    updated_at INTEGER NOT NULL
+    id          TEXT PRIMARY KEY,
+    name        TEXT NOT NULL,
+    description TEXT NOT NULL DEFAULT '',
+    status      TEXT NOT NULL DEFAULT 'planning',
+    idea_id     TEXT REFERENCES ideas(id),
+    path        TEXT,                            -- 绑定的本地代码目录绝对路径 (V12,可空=未绑定)
+    stack       TEXT,                            -- 技术栈 JSON 数组字符串 (V12,探测填充)
+    deleted_at  TEXT,                            -- 软删回收站: NULL=正常, 非空=已进回收站 (V11)
+    created_at  TEXT NOT NULL,
+    updated_at  TEXT NOT NULL
 );
 
--- 工作流定义
-CREATE TABLE workflow_defs (
-    id TEXT PRIMARY KEY,
-    project_id TEXT NOT NULL,
-    task_id TEXT, -- 关联的任务 (可为空，如项目级工作流)
-    name TEXT NOT NULL,
-    description TEXT,
-    dag TEXT NOT NULL, -- JSON: DAG 结构
-    template_id TEXT, -- 来源模板
-    version INTEGER NOT NULL DEFAULT 1,
-    created_at INTEGER NOT NULL,
-    updated_at INTEGER NOT NULL
-);
-
--- 任务 (项目内的并行工作单元)
+-- 任务 (V1 建表 / V2 补 workflow_def_id + base_branch)
 CREATE TABLE tasks (
-    id TEXT PRIMARY KEY,
-    project_id TEXT NOT NULL,
-    title TEXT NOT NULL,
-    description TEXT,
-    status TEXT NOT NULL, -- Todo/InProgress/InReview/Testing/Done/Blocked/Cancelled
-    priority INTEGER NOT NULL DEFAULT 1, -- 0=Low, 1=Medium, 2=High, 3=Critical
-    branch_name TEXT, -- Git 分支名
-    base_branch TEXT DEFAULT 'main', -- 基于哪个分支创建
-    workflow_def_id TEXT, -- 关联的工作流定义
-    assignee TEXT, -- AI agent 或人工
-    merge_conflict TEXT, -- JSON: 冲突信息
-    merged_at INTEGER,
-    created_at INTEGER NOT NULL,
-    updated_at INTEGER NOT NULL
+    id              TEXT PRIMARY KEY,
+    project_id      TEXT NOT NULL REFERENCES projects(id),
+    title           TEXT NOT NULL,
+    description     TEXT NOT NULL DEFAULT '',
+    status          TEXT NOT NULL DEFAULT 'todo', -- todo/in_progress/in_review/testing/done/blocked/cancelled
+    priority        INTEGER NOT NULL DEFAULT 1,
+    branch_name     TEXT,
+    assignee        TEXT,
+    workflow_def_id TEXT,                         -- 关联的工作流定义 ID (V2)
+    base_branch     TEXT,                         -- 基础分支 (V2)
+    created_at      TEXT NOT NULL,
+    updated_at      TEXT NOT NULL
 );
 
--- 发布计划 (合并多个 Task → 发布)
+-- 分支 (V2 建表) — 任务与 Git 分支绑定
+CREATE TABLE branches (
+    id          TEXT PRIMARY KEY,
+    project_id  TEXT NOT NULL REFERENCES projects(id),
+    task_id     TEXT REFERENCES tasks(id),
+    name        TEXT NOT NULL,
+    base        TEXT NOT NULL DEFAULT 'main',
+    status      TEXT NOT NULL DEFAULT 'active',
+    created_at  TEXT NOT NULL,
+    updated_at  TEXT NOT NULL,
+    merged_at   TEXT
+);
+
+-- 发布计划 (V1 建表)
 CREATE TABLE releases (
-    id TEXT PRIMARY KEY,
-    project_id TEXT NOT NULL,
-    version TEXT NOT NULL, -- e.g. v2.3.0
-    branch_name TEXT, -- release 分支
-    task_ids TEXT NOT NULL, -- JSON array: 包含的 Task ID 列表
-    status TEXT NOT NULL, -- Planning/Integrating/Testing/Ready/Published
-    workflow_def_id TEXT, -- 发布工作流
-    changelog TEXT,
-    published_at INTEGER,
-    created_at INTEGER NOT NULL,
-    updated_at INTEGER NOT NULL
+    id          TEXT PRIMARY KEY,
+    project_id  TEXT NOT NULL REFERENCES projects(id),
+    version     TEXT NOT NULL,
+    status      TEXT NOT NULL DEFAULT 'planned',
+    task_ids    TEXT NOT NULL DEFAULT '[]',       -- JSON 数组: 包含的 Task ID 列表
+    changelog   TEXT,
+    created_at  TEXT NOT NULL,
+    released_at TEXT
 );
 
--- 工作流执行
-CREATE TABLE workflow_runs (
-    id TEXT PRIMARY KEY,
-    workflow_def_id TEXT NOT NULL,
-    project_id TEXT NOT NULL,
-    task_id TEXT, -- 关联的任务 (可为空)
-    release_id TEXT, -- 关联的发布 (可为空)
-    status TEXT NOT NULL DEFAULT 'pending', -- Pending/Running/Paused/Completed/Failed/Cancelled
-    node_states TEXT, -- JSON: {node_id: {status(Pending/Running/Completed/Failed/Skipped/Waiting), output, started_at, finished_at}}
-    current_layer INTEGER,
-    started_at INTEGER,
-    finished_at INTEGER,
-    error TEXT
+-- 工作流执行 (V1 建表 / V2 补 project_id + task_id)
+-- 注: 不区分 def/run, DAG 直接序列化进 dag_json, 一次执行一行
+CREATE TABLE workflow_executions (
+    id            TEXT PRIMARY KEY,
+    name          TEXT NOT NULL,
+    dag_json      TEXT NOT NULL,                  -- DAG 的 JSON 序列化
+    status        TEXT NOT NULL DEFAULT 'pending', -- pending/running/paused/completed/failed/cancelled
+    triggered_by  TEXT,
+    project_id    TEXT,                           -- 关联项目 ID (V2)
+    task_id       TEXT,                           -- 关联任务 ID (V2)
+    created_at    TEXT NOT NULL,
+    completed_at  TEXT
 );
 
--- 产出物
-CREATE TABLE artifacts (
-    id TEXT PRIMARY KEY,
-    project_id TEXT NOT NULL,
-    workflow_run_id TEXT,
-    node_id TEXT,
-    kind TEXT NOT NULL, -- PRD/CodeChange/TestReport/ReleaseNote/Image
-    title TEXT,
-    content TEXT,
-    file_path TEXT,
-    metadata TEXT, -- JSON
-    created_at INTEGER NOT NULL
+-- 节点执行 (V1 建表) — 工作流执行过程中每个节点的运行快照
+CREATE TABLE node_executions (
+    id            TEXT PRIMARY KEY,
+    workflow_id   TEXT NOT NULL REFERENCES workflow_executions(id),
+    node_id       TEXT NOT NULL,
+    node_type     TEXT NOT NULL,
+    status        TEXT NOT NULL DEFAULT 'pending',
+    input_json    TEXT,
+    output_json   TEXT,
+    error_message TEXT,
+    started_at    TEXT,
+    completed_at  TEXT
 );
 
--- 连接配置
-CREATE TABLE connections (
-    id TEXT PRIMARY KEY,
-    name TEXT NOT NULL,
-    kind TEXT NOT NULL, -- MySQL/SSH/MongoDB/Redis/HTTP
-    config TEXT NOT NULL, -- JSON (加密存储)
-    created_at INTEGER NOT NULL,
-    updated_at INTEGER NOT NULL
-);
-
--- AI 模型配置
+-- AI 提供商配置 (V9 建表) — 多 Provider 统一抽象
 CREATE TABLE ai_providers (
-    id TEXT PRIMARY KEY,
-    provider TEXT NOT NULL, -- Claude/GLM/DeepSeek/OpenAI
-    api_key TEXT, -- 加密存储
-    base_url TEXT,
-    models TEXT, -- JSON: 可用模型列表
-    is_default INTEGER DEFAULT 0,
-    config TEXT -- JSON: 额外配置
+    id            TEXT PRIMARY KEY,
+    name          TEXT NOT NULL,
+    provider_type TEXT NOT NULL DEFAULT 'openai_compat',
+    api_key       TEXT NOT NULL,
+    base_url      TEXT NOT NULL,
+    default_model TEXT NOT NULL,
+    models        TEXT,                           -- JSON array of model names
+    is_default    INTEGER NOT NULL DEFAULT 0,
+    config        TEXT,                           -- JSON extra config
+    created_at    TEXT NOT NULL,
+    updated_at    TEXT NOT NULL
 );
 
--- 需求功能清单
-CREATE TABLE features (
-    id TEXT PRIMARY KEY,
-    project_id TEXT NOT NULL,
-    task_id TEXT, -- 关联任务
-    requirement_id TEXT, -- 来源需求
-    title TEXT NOT NULL,
-    description TEXT,
-    status TEXT NOT NULL DEFAULT 'selected', -- Selected/Deferred/Rejected/Completed
-    priority INTEGER NOT NULL DEFAULT 1, -- 0=Low, 1=Medium, 2=High, 3=Critical
-    rejection_reason TEXT, -- 不做的原因（自动进入决策留痕）
-    test_case_count INTEGER DEFAULT 0,
-    order_index INTEGER NOT NULL, -- 排序
-    metadata TEXT, -- JSON: 额外属性
-    created_at INTEGER NOT NULL,
-    updated_at INTEGER NOT NULL
+-- AI 对话 (V3 建表 / V4 补 archived / V5 补 prompt_tokens + completion_tokens / V6 补 models)
+CREATE TABLE ai_conversations (
+    id                 TEXT PRIMARY KEY,
+    title              TEXT,
+    messages           TEXT NOT NULL DEFAULT '[]', -- JSON array of ChatMessage
+    provider_id        TEXT,
+    model              TEXT,
+    models             TEXT,                       -- 用过的所有 model JSON 数组字符串 (去重, V6)
+    archived           INTEGER NOT NULL DEFAULT 0, -- 是否归档(侧栏折叠展示, V4)
+    prompt_tokens      INTEGER,                    -- 输入 token 累计 (流式 usage 落库, V5)
+    completion_tokens  INTEGER,                    -- 输出 token 累计 (流式 usage 落库, V5)
+    created_at         TEXT NOT NULL,
+    updated_at         TEXT NOT NULL
 );
 
--- 测试用例
-CREATE TABLE test_cases (
-    id TEXT PRIMARY KEY,
-    project_id TEXT NOT NULL,
-    feature_id TEXT NOT NULL, -- 关联功能
-    title TEXT NOT NULL,
-    description TEXT,
-    preconditions TEXT, -- 前置条件
-    steps TEXT NOT NULL, -- JSON: 测试步骤 [{step, expected}]
-    kind TEXT NOT NULL DEFAULT 'Manual', -- Manual/Auto/AI-Generated
-    priority INTEGER NOT NULL DEFAULT 1, -- 0=Low, 1=Medium, 2=High, 3=Critical
+-- AI 工具执行审计 (V9 建表) — Agent 工具调用的审批/执行留痕
+CREATE TABLE ai_tool_executions (
+    id              TEXT PRIMARY KEY,
+    conversation_id TEXT,
+    tool_call_id    TEXT NOT NULL,
+    tool_name       TEXT NOT NULL,
+    arguments       TEXT NOT NULL,
+    result          TEXT,
+    status          TEXT NOT NULL DEFAULT 'pending', -- pending/approved/rejected/executing/completed/failed
+    risk_level      TEXT NOT NULL DEFAULT 'medium',  -- low/medium/high
+    requested_at    TEXT NOT NULL,
+    executed_at     TEXT,
+    decided_by      TEXT                            -- human/auto
 );
 
--- 测试执行记录
-CREATE TABLE test_runs (
-    id TEXT PRIMARY KEY,
-    project_id TEXT NOT NULL,
-    task_id TEXT, -- 关联任务
-    feature_id TEXT, -- 关联功能
-    test_case_id TEXT NOT NULL,
-    status TEXT NOT NULL, -- Passed/Failed/Skipped/Blocked
-    actual_result TEXT,
-    error_detail TEXT, -- 失败详情
-    executed_by TEXT, -- AI/Human
-    duration_ms INTEGER,
-    executed_at INTEGER NOT NULL
+-- 知识条目 (V7 建表 / V8 补 embedding / V10 补 reasoning) — 经验沉淀基本单元, 共享记忆层
+-- 状态机: candidate → pending_review → published → archived
+CREATE TABLE knowledges (
+    id              TEXT PRIMARY KEY,
+    kind            TEXT NOT NULL DEFAULT 'pitfall', -- 7 种: review_rule/prompt_template/pitfall/architecture_pattern/diagnosis/deployment_note/workflow_optimization
+    title           TEXT NOT NULL,
+    content         TEXT NOT NULL DEFAULT '',
+    tags            TEXT,                          -- JSON 数组字符串
+    status          TEXT NOT NULL DEFAULT 'candidate', -- candidate|pending_review|published|archived
+    confidence      TEXT,                          -- high|medium|low (AI 提炼自评)
+    reuse_count     INTEGER NOT NULL DEFAULT 0,    -- 唯一客观排序信号
+    verified        INTEGER NOT NULL DEFAULT 0,    -- 发布审核时一次性人工标
+    source_project  TEXT,                          -- 来源项目(仅溯源不过滤)
+    source_ref      TEXT,                          -- 来源实体引用(如 conv:{id})
+    reasoning       TEXT,                          -- AI 提炼判断依据("为何值得沉淀"), 手动录入为 NULL (V10)
+    embedding       BLOB,                          -- Vec<f32> 小端字节序列化, NULL=未嵌入走 LIKE 降级 (V8)
+    created_at      TEXT NOT NULL,
+    updated_at      TEXT NOT NULL
 );
 
--- 标注 (贯穿所有内容)
-CREATE TABLE annotations (
-    id TEXT PRIMARY KEY,
-    project_id TEXT NOT NULL,
-    entity_type TEXT NOT NULL, -- Requirement/Feature/Code/TestCase/TestReport/DesignDoc
-    entity_id TEXT NOT NULL, -- 关联实体 ID
-    marker TEXT NOT NULL, -- FIXME/TODO/QUESTION/RISK/DECISION/OPTIMIZE
-    content TEXT NOT NULL, -- 标注内容
-    location TEXT, -- 文件路径+行号 / 文档段落
-    status TEXT NOT NULL DEFAULT 'Open', -- Open/AI-Processing/Resolved/WontFix
-    resolved_by TEXT, -- AI/Human
-    resolution TEXT, -- 处理结果
-    created_at INTEGER NOT NULL,
-    resolved_at INTEGER
+-- 知识生命线事件 (V10 建表) — 追加型审计: 产生/审核/引用/归档
+CREATE TABLE knowledge_events (
+    id           TEXT PRIMARY KEY,
+    knowledge_id TEXT NOT NULL,
+    event_type   TEXT NOT NULL,                    -- created | extracted | status_changed | referenced | archived
+    source_ref   TEXT,                             -- 触发来源: conv:{id} / manual / system
+    context_json TEXT,                             -- JSON: 因 event_type 而异
+    timestamp    TEXT NOT NULL
 );
 
--- 决策留痕
-CREATE TABLE decisions (
-    id TEXT PRIMARY KEY,
-    project_id TEXT NOT NULL,
-    context TEXT NOT NULL, -- 决策背景
-    question TEXT NOT NULL, -- 需要决定的问题
-    alternatives TEXT, -- JSON array: 考虑过的方案
-    decision TEXT NOT NULL, -- 最终决定
-    reason TEXT NOT NULL, -- 决策原因
-    decided_by TEXT NOT NULL, -- AI/Human
-    entity_type TEXT, -- 关联实体类型
-    entity_id TEXT, -- 关联实体 ID
-    impact TEXT, -- 影响范围
-    stage TEXT, -- Idea/Requirement/Coding/Testing/Release
-    created_at INTEGER NOT NULL
+-- 通用应用设置 (V13 建表) — 前端 localStorage 迁移目标 KV 表
+CREATE TABLE app_settings (
+    key        TEXT PRIMARY KEY,
+    value      TEXT NOT NULL,                      -- JSON 字符串
+    updated_at TEXT NOT NULL
 );
+
+-- 内部表: schema_version (version INTEGER PRIMARY KEY) — 迁移版本记录
 ```
 
 ## 七、阶段模板
@@ -504,7 +530,7 @@ CREATE TABLE decisions (
 
 ### Phase 4 — 节点丰富 + 阶段插件 (3-4 周)
 - df-nodes (Docker/Git/Human/HTTP)
-- df-stages (5 阶段模板)
+- ~~df-stages (5 阶段模板)~~ — 已移除（2026-06-14 零引用清理）
 - 条件分支 + 断点续跑
 - 验证：跑通标准产研流程模板
 

Cargo.toml

@@ -16,3 +16,9 @@ chrono = { version = "0.4", features = ["serde"] }
 uuid = { version = "1", features = ["v4"] }
 rusqlite = { version = "0.31", features = ["bundled"] }
 tracing = "0.1"
+regex = "1"
+# keyring v3 默认不带任何 platform 后端,必须显式启 feature——
+# 否则 Entry 走 noop store:set_password 静默成功不持久化,get_password 永远空。
+# Win+mac 启用原生后端;linux 用 async-persistent 变体避同步阻塞 Secret Service。
+# 由 df-storage(密钥解析下沉层) + src-tauri(build_provider_for 转发壳)共同引用。
+keyring = { version = "3", features = ["windows-native", "apple-native", "linux-native-async-persistent"] }

PROGRESS.md

@@ -1,6 +1,6 @@
 # DevFlow — 项目进展与工作交接
 
-> 创建: 2026-06-10 | 最后更新: 2026-06-12 | 当前阶段: Phase 2 aichat UX 快赢（A 路线）+ 技能联想需求调研（Sprint 8）
+> 创建: 2026-06-10 | 最后更新: 2026-06-18 | 当前阶段: PROGRESS Sprint 日志截至 Sprint 24(2026-06-15 · P0 generating 状态机加固 + 独立项批量)；2026-06-16 起多会话进展(B-03 路由解耦 / 工具结果渲染 / 吞错降级 / 模型能力维度治理等)见 [docs/todo.md](docs/todo.md) + [docs/待审查.md](docs/待审查.md)
 
 ---
 
@@ -9,51 +9,49 @@
 | 项目 | 值 |
 |------|-----|
 | 定位 | AI 原生创作流程驾驶舱，从想法到创作成果的全流程管理 |
-| 技术栈 | Tauri v2 + Vue 3 + TypeScript + Pinia / Rust Workspace (13 crate) / SQLite |
+| 技术栈 | Tauri v2 + Vue 3 + TypeScript + Pinia / Rust Workspace (8 crate) / SQLite |
 | 路径 | `E:/wk-lab/devflow/` |
 | 架构文档 | `ARCHITECTURE.md` (22,745 字) |
-| Git 状态 | 未首次 commit，代码全在 untracked |
-| AI 能力 | df-ai OpenAI 兼容 Provider + 12 工具 + Agentic Loop |
+| Git 状态 | 已纳入版本控制(完整 commit 历史，当前分支 feat/batch-260615-workflow-unlock) |
+| AI 能力 | df-ai OpenAI/Anthropic 双协议 Provider + 12 工具 + Agentic Loop |
 
 ---
 
 ## 二、代码规模统计
 
-### Rust 后端 (71 个 .rs 文件)
+### Rust 后端 (78 个 .rs 文件)
 
 | Crate | 文件数 | 总行数 | 有效行 | 实现程度 |
 |-------|--------|--------|--------|---------|
-| df-core | 4 | 259 | 151 | ✅ 完整 — 错误/事件/状态枚举/ID生成 |
-| df-workflow | 7 | 489 | 333 | ✅ 核心 — DAG拓扑排序/执行器/状态机/事件总线 可用 |
-| df-storage | 4 | 294 | 217 | ✅ 部分 — SQLite连接/迁移/建表完整，**缺 CRUD 层** |
-| df-execute | 5 | 203 | 129 | ⚡ 混合 — Shell 执行器真实可用，Docker/SSH/Git 骨架 |
-| df-ideas | 6 | 421 | 278 | ⚡ 大部分 — 捕获/评估/晋升/关联图 有逻辑，评分固定值 |
-| df-task | 5 | 390 | 252 | ⚡ 大部分 — Task/Branch/Semver 可用，合并冲突 骨架 |
+| df-core | 4 | 429 | ~260 | ✅ 完整 — 错误/事件/状态枚举/ID生成 |
+| df-workflow | 9 | 908 | ~620 | ✅ 核心 — DAG拓扑排序/执行器/状态机/事件总线 可用 |
+| df-storage | 5 | ~2,100 | ~1,400 | ✅ 完整 — 连接/迁移/建表(V1-V8) + impl_repo! 宏 CRUD + KnowledgeRepo（search/list_by_status/set_embedding/search_vector 等）+ 余弦相似度工具函数 |
+| df-execute | 5 | 203 | 129 | ✅ Shell 执行器真实可用（tokio::process，被 run_command 复用） |
+| df-ideas | 7 | 761 | ~500 | ✅ 评分/对抗启发式已真实化（Sprint 9）— 捕获/评估/晋升/关联图 有逻辑，晋升/关联图仍骨架 |
 | df-project | 5 | 272 | 175 | ⚡ 混合 — 数据模型/Timeline 可用，调度器 骨架 |
-| df-ai | 6 | 281 | 173 | 🔧 接口 — 类型/Provider trait 完整，无实际 LLM 调用 |
-| df-traceability | 4 | 312 | 201 | ⚡ 混合 — 决策记录/标注构建 可用，SQLite查询 骨架 |
-| df-plugin | 4 | 255 | 158 | ⚡ 混合 — Host/Builder 有逻辑，核心加载 骨架 |
-| df-evolve | 6 | 301 | 172 | ⚡ 混合 — Knowledge/PromptTemplate 可用，引擎/提取器 骨架 |
-| df-nodes | 9 | 344 | 277 | ⚡ 混合 — script_node 真实可用（接 Shell），human_node 半实现（审批响应 TODO），其余 6 种骨架 |
-| df-stages | 6 | 287 | 209 | 🔩 全骨架 — 11个阶段节点 Schema 完整，execute() 全空 |
-| **合计** | **71** | **~4,108** | **~2,625** | |
+| df-ai | 9 | 1,965 | ~1,300 | ✅ 完整 — OpenAI/Anthropic 双协议 Provider + 流式 SSE + 上下文窗口(ContextManager 分组滑窗) + token usage 解析 + 12 工具 |
+| df-nodes | 9 | ~500 | ~350 | ⚡ 混合 — script_node（接 Shell）/ ai_node（接 df-ai，Sprint 7）真实可用，human_node 半实现（审批响应 TODO），其余骨架 |
+| **合计** | **53** | **~7,400** | **~4,800** | 已删除 5 个零引用 crate（2026-06-14，原 78/9100/5900） |
 
-### 前端 (9 页面 + Store + i18n)
+### 前端 (9 页面 + 2 组件 + Store + i18n)
 
 | 类别 | 文件数 | 行数 | 状态 |
 |------|--------|------|------|
-| Vue 页面 | 9 | ~3,372 | ✅ UI 全部真实 — 无空壳 |
-| Pinia Store | 4 | ~362 | ⚠️ 有 state/getter 但**无 action，View 未引用** |
-| Router | 1 | 63 | ✅ 9 条路由含动态路由 |
-| i18n | 2 | ~94 | ⚠️ 翻译完整但**未接入 main.ts** |
+| Vue 页面 | 9 | ~3,372 | ✅ UI 全部真实 — 无空壳（含 AiHome/AiDetached）|
+| Vue 组件 | 2 | ~1,400 | ✅ AiChat（主面板）+ ConfirmDialog |
+| Pinia Store | 4+ | ~800 | ✅ composable 模式，View 已引用（Sprint 4 接入）|
+| Router | 1 | ~90 | ✅ 10 条路由含动态路由（Sprint 7 增 AiHome/AiDetached）|
+| i18n | 2 | ~94 | ✅ 已注册 main.ts（Sprint 7）+ localStorage 持久化 |
 | 设计系统 | 1 | 105 | ✅ CSS 变量/动画/Arco 暗色覆盖 |
-| Tauri Commands | 1 | 13 | 🔩 仅 `greet` 示例，无业务逻辑 |
+| **前端合计** | | **~8,812** | |
 
-**前端关键问题**：
-- 所有 View 组件数据**硬编码** (`ref([...])`)，与 Store 完全独立
-- 所有按钮事件处理函数为**空函数** `{}`
-- i18n 插件未注册到 Vue app
-- Arco Design 组件库未实际使用（仅 CSS 变量覆盖）
+> Tauri Commands 已达 **67 个**（src-tauri/src/lib.rs invoke_handler 注册数：project 14 / task 5 / idea 6 / workflow 5 / ai 19 / knowledge 14 / settings 4），见后端 src-tauri/src/commands/。
+
+**前端关键问题**（Sprint 4/7 已全部解决）：
+- ~~所有 View 组件数据硬编码~~ ✅ Sprint 4 接 Store 真数据
+- ~~所有按钮事件处理函数为空函数~~ ✅ Sprint 4 接 Store action
+- ~~i18n 插件未注册~~ ✅ Sprint 7 注册 + $t() 全 view 改造
+- ~~Arco Design 组件库未实际使用~~ ✅ 已用（表单/弹窗/消息等），CSS 变量覆盖暗色
 
 ---
 
@@ -68,11 +66,11 @@
 
 待打通路径（骨架就位，需填充）:
   df-workflow → df-nodes (8种节点 execute() 待实现)
-  df-workflow → df-stages (11种阶段节点 execute() 待实现)
-  df-ai → LlmProvider 实现 (无 HTTP client)
-  df-storage → 所有 crate 的 CRUD 操作
-  Tauri commands → Rust 业务逻辑
-  Vue Views → Pinia Store → Tauri IPC → Rust
+  ~~df-workflow → df-stages (11种阶段节点 execute() 待实现)~~ — df-stages 已移除（2026-06-14 零引用清理）
+  ~~df-ai → LlmProvider 实现~~ ✅ 已打通（OpenAI/Anthropic 双协议真实 HTTP，Sprint 5/8）
+  ~~df-storage → 所有 crate 的 CRUD 操作~~ ✅ 已打通（impl_repo! 宏 CRUD + 多 Repo，Sprint 2）
+  ~~Tauri commands → Rust 业务逻辑~~ ✅ 已打通（Sprint 3 时点 47 commands 全接业务；现 67）
+  ~~Vue Views → Pinia Store → Tauri IPC → Rust~~ ✅ 已打通（Sprint 4）
 ```
 
 ---
@@ -89,6 +87,8 @@
 | 6 | **条件表达式引擎** — 仅支持 true/false 字面量 | 条件分支不可用 | P2 | ⬜ 待办 |
 | 7 | **i18n 未注册** — 翻译文件存在但未挂载 | 多语言不生效 | P2 | ✅ Sprint 7 |
 | 8 | **未 git commit** — 代码全 untracked | 无版本基线 | P0 | ✅ Sprint 2 |
+| 9 | **AI 删项目绕过软删** — tool_registry:263 `repo.delete` 物理删，IPC 走 `soft_delete` 进回收站；AI 层缺 restore/purge/list_trash 工具（仅 project 表有回收站设计，故最该修） | AI 对话删项目 = 数据丢失不可恢复，与 UI 删语义割裂 | P1 | ✅ Sprint 21 已修（tool_registry 补 restore_project/purge_project/list_trash，delete_project 改 soft_delete） |
+| 10 | **api_key 明文存储** — DB 落盘仍明文（migrations.rs:446 api_key TEXT NOT NULL） | 本地库被读/备份外流则泄露 | P0 | 🟡 部分修（FR-S1：IPC mask+编辑不回填✅ commit 49ac060；DB 明文落盘❌ 待迁移 keyring 单列） |
 
 ---
 
@@ -121,9 +121,9 @@
 | AI Chat 面板 | ✅ | 侧边栏 + 分离窗口 + 拖拽调宽 + 对话管理 |
 | Agentic Loop | ✅ | 多轮工具调用循环（max 10 轮）+ 中/高风险人工审批 |
 | AI Node 实现 | ✅ | df-nodes 接 df-ai：config 驱动 provider（base_url/api_key/model/prompt）→ OpenAICompatProvider.complete → 输出 text/model/usage；注册 "ai" 节点；未端到端实测 |
-| **AI Chat LLM 优化** | 🚧 P0 完成 | 任务 #43：P0 可靠性（超时/断连/停止生成）✅；P1 token 控制（usage采集/滑动窗口/摘要）⬜ | |
+| **AI Chat LLM 优化** | ✅ ABCD 完成 | 任务 #43：P0 可靠性 ✅；P1 上下文窗口（ContextManager 分组滑窗）✅ + 并行化（工具 join_all / save 后台）✅；**Sprint 14 流式 token 用量记录（usage 解析 + 累加落库 + 展示 + Settings 开关）✅**；Part C 并发 Semaphore（双层 + 运行时可调）+ Part D Settings UI ✅（Sprint 16）；Review 两轮 8 修复 ✅ | |
 
-### Phase 3 — 想法池 + 多项目 (3-4 周) | ⬜ 未开始
+### Phase 3 — 想法池 + 多项目 (3-4 周) | 🚧 进行中 — Sprint 9 评估闭环已通（启发式评分 + 对抗评估接 IPC），晋升前端层闭环，多项目/关联图待续；Sprint 12 全面审查修 5 项前端 bug（置信度条/状态选择/删除确认等），死代码组缓另会话重审
 ### Phase 4 — 节点丰富 + 阶段插件 (3-4 周) | ⬜ 未开始
 ### Phase 5 — 体验打磨 (4-6 周) | ⬜ 未开始
 
@@ -136,7 +136,7 @@
 **工作内容**：
 - 创建项目骨架：`bun create vite` + Tauri v2 + Cargo Workspace
 - 编写完整架构文档 `ARCHITECTURE.md` (22,745 字)
-- 13 个 Rust crate 全部创建，类型系统和接口设计完整
+- 13 个 Rust crate 全部创建，类型系统和接口设计完整（2026-06-14 评审后删 5 僵尸 crate，现 8 crate）
 - 9 个 Vue 页面 UI 全部编写（~3,372 行），设计系统完善
 - 4 个 Pinia Store 定义（state + computed）
 - i18n 中英文翻译
@@ -318,7 +318,7 @@
 - **审查项落地**：删全屏 Tool Approval Modal（保留行内卡片审批）、错误友好化（`friendlyError` 正则映射 404/401/timeout/network → 中文提示 + `isError` 红色气泡）、智能滚动（`isNearBottom` < 80px 阈值）、provider bar 点击切换、未配 provider 空状态引导、删死 class
 - **B 路线（规划式多智能体）单独立项**：填 `coordinator.rs` + `conditions.rs` 空壳，详见 memory `aichat-decision-capability`
 
-**B. 技能联想功能需求（本轮重点，未实现，需求阶段）**：
+**B. 技能联想功能（首批 Claude 3 类，已实现待实测）**：
 - **需求**：aichat 输入框输入 `/` → 联想列出本机 Claude 技能（SKILL.md），按输入过滤，选中插入 `/name`；发送时后端读 SKILL.md 全文注入 system prompt / context
 - **首批数据源 = Claude 3 类**（SKILL.md frontmatter 统一 `name` / `description` / `user_invocable` / `metadata.argument-hint` / `triggers[]`，只取 `user_invocable: true`）：
   1. Claude skills：`~/.claude/skills/*/SKILL.md`（23 个：sleep / mission-control / idea / cpa 等）
@@ -338,10 +338,679 @@
 **代码变更**：A 路线 — `crates/df-ai/src/{anthropic_compat.rs, lib.rs}`、`src-tauri/src/commands/ai.rs`、`crates/df-nodes/src/ai_node.rs`、`src/views/Settings.vue`、`src/stores/ai.ts`、`src/components/AiChat.vue`、`src/api/types.ts`
 
 **遗留问题 / 下一步**：
-1. **技能联想（B）未实现** — 需求已记，首批聚焦 Claude 3 类，等排期（工作量中：后端扫文件 + IPC、前端联想浮层）
+1. **技能联想（B）已实现待实测** — `ai_list_skills` IPC（扫 skills/commands/plugins 三类 + frontmatter 解析 + name 去重）+ `ai_chat_send` 加 `skill` 参数读 SKILL.md 注入 system prompt + 前端 `/` 浮层（↑↓ 导航 / Enter·Tab 选中 / chip 显示 / Esc 关）。cargo check ✓（7 warning 既有）/ bun build ✓（4.68s）。实测：重启 dev → AiChat 输入 `/` → 选技能 → 发送
 2. **A 路线剩余场景实测**：切对话不中断（场景 2/3）、错误友好化（场景 4）待用户实测
 3. **B 路线（规划式能力）**：coordinator / conditions 空壳，单独立项
 
+### [Sprint 9] 2026-06-12 — 灵感模块评估闭环（启发式评分 + 对抗评估接 IPC）
+
+**工作内容**：
+- **df-ideas 修复与真实化**：① 修 adversarial.rs E0308 类型错（`AdversarialEval.negative: Argument` vs `generate_negative_argument` 返 `CounterArgument` 直接赋值，df-ideas 实际编译不过——前文档"cargo check 通过"为误记）→ 删 CounterArgument、正反方归一 Argument；② scoring.rs 三维固定 5.0 → 内容启发式（priority / 描述充实度 / tags / 中英关键词，clamp 0-10）；③ adversarial.rs 正反方论点/evidence 基于真实 idea 内容生成，confidence 由评分驱动，final_score=综合评分，AssessmentLevel 由 overall 映射
+- **devflow 接 df-ideas**：`src-tauri/Cargo.toml` +df-ideas +chrono 依赖（df-ideas 此前为孤儿 crate，devflow 未依赖、零 IPC 接入）
+- **evaluate_idea IPC**（commands/idea.rs）：取 IdeaRecord → record_to_idea 转 df-ideas::Idea → ScoringEngine + AdversarialEngine.evaluate → 组装前端扁平结构（对齐 Ideas.vue AdversarialEval interface）→ 写回 scores（中文维度 0-100）/score（0-100）/ai_analysis/status=pending_review → 返回更新记录；lib.rs 注册
+- **前端接真实评估**：api/idea.ts +evaluate；stores/project.ts +evaluateIdea action；Ideas.vue 删 mockEval 调真实 + evaluating loading 态
+- **审核修 2 bug**：① recommendation 大小写（后端原 "With Resources" 与前端 assessmentLabel 全小写 map key 不匹配致中文标签不显示）→ 全小写空格；② assessmentClass 生成的 class 与 CSS 类名不一致致 badge 无色 → map 映射到 .immediate/.soon/.conditional/.revised/.defer/.cancel
+
+**代码变更**：df-ideas/{scoring,adversarial}.rs、src-tauri/{Cargo.toml,commands/idea.rs,lib.rs}、前端 {api/idea.ts,stores/project.ts,views/Ideas.vue}（8 文件）
+
+**验证**：cargo check -p df-ideas ✓、cargo check -p devflow ✓、bun run build ✓（vue-tsc + vite 3.3s）
+
+**遗留问题 / 下一步**：
+1. 对抗评估仍启发式，未接 df-ai LlmProvider（设计：LLM 生成正反方论点 + 启发式 fallback）
+2. promotion.rs do_promote 仍 TODO（晋升走前端 createProject 闭环，不经 df-ideas/promotion）
+3. evaluate_idea 用 list_all().find() + 5 次 update_field（IdeaRepo 无 get/多字段更新，量小可接受）
+4. IdeaGraph 关联图零接入（自动关联发现/聚类待续）
+5. scores JSON 含「综合」维度也被雷达图渲染一行（小瑕疵）
+
+### [Sprint 10] 2026-06-12 — AiChat 工具卡片自动折叠（卡片级折叠 + 新内容追加自动收起）
+
+**工作内容**：
+- **需求**：对话中工具调用卡片（List Projects / List Tasks / Create Idea / List Ideas / 读取文件等）完成后仍整卡铺开，多步调用时界面臃肿。目标——展示更友好紧凑：所有卡片可点击 header 展开/收起，新内容追加时旧卡片自动收起为单行 header（类似 ChatGPT/Cursor 旧 tool call 折叠）
+- **卡片级折叠**（区别于 read_file 已有的内容级折叠）：`.ai-tool-card` 内 body 区（骨架屏/审批/拒绝/file/dir/write/通用结果）包进 `.ai-tool-body`，`v-show` 控制显隐；header 加 `@click` + ▸ 箭头指示器；新增 `expandedCards` Set + `toggleCardExpand` + `cardCollapseClass`，与既有 `expandedTools`（read_file 预览级）职责分离不互相干扰
+- **自动收起**：deep watch `store.state.messages` + 轻量 JSON snapshot diff 检测新内容（新消息 / toolCall 状态变化 / 文本增长）→ 清除旧 completed/rejected 的展开态，保留 running/pending 活跃卡片；`isFirst` guard 防首次加载/切对话误触发
+- **running/pending_approval 强制展开**（需看骨架屏与审批按钮）；`v-show` 保留 DOM 避免重挂载
+
+**代码变更**：`src/components/AiChat.vue`（template header/body 包裹 + script 状态与 watcher + style 折叠态），单文件 7 处改动
+
+**验证**：vue-tsc --noEmit ✓（运行时待 `bun run tauri dev` 实测多步工具调用折叠效果）
+
+**遗留问题 / 下一步**：
+1. ~~审查项 ①~~ ✅ 已落地（2026-06-12）：`isRunningOrPending(status)` → `shouldKeepOpen(tc)`，`running` / `pending_approval` / `rejected` / `write_file` 强制展开（短结果不折叠、原因/路径不丢失），仅 `read_file` / `list_directory` / 通用 JSON 大体量结果折叠。vue-tsc --noEmit ✓。决策详见 [功能决策记录 - 短结果保持展开](docs/02-架构设计/功能决策记录.md)
+2. 实测验证：tauri dev 发多步工具调用消息，观察"执行中展开→完成→新内容追加自动收起→点击 header 重展开"
+
+### [Sprint 11] 2026-06-13 — AI Chat LLM 优化（上下文窗口管理 + 并行化）
+
+**任务 #43 续**（Part A + B 落地，Part C/D 待续）
+
+**工作内容**：
+
+**Part A: 上下文窗口管理（df-ai/context.rs + ai.rs 接线）** — 长对话无限增长致 `context_length_exceeded` 死锁
+- **A1 ContextManager**（`crates/df-ai/src/context.rs` 新增 ~350 行）：TokenEstimator 字符粗估（chars×0.35 + per_message 4 + per_tool_call 30，零依赖，保守 ±15%）+ ContextConfig（max_tokens 128k / output_reserve 8192 / safety 0.85）+ 分组滑动窗口淘汰——淘汰单元保工具调用三元组原子性（ToolCallHead + ToolResultTail* + 紧随文本 Assistant 同进同出），保护区最后 6 条永不裁；裁剪仅影响发送视图（build_for_request 返裁剪 Vec），不影响持久化（all_messages_clone 返全量）。5 单测全绿（短对话无裁剪 / 超预算裁剪保保护区 / 三元组原子性双分支 / replace 重估 token / restore 重建缓存）
+- **A2 ai.rs 接线**（~15 处）：AiSession.messages 类型 `Vec<ChatMessage>` → `ContextManager`；核心 run_agentic_loop 用 `build_for_request(sys_tokens)` 替代全量 `.clone()`；save/title 用 `all_messages_clone()`；switch 用 `restore_from_messages()`；`replace_tool_result` 收敛为 ContextManager 方法（DRY，删自由函数）
+
+**Part B: 并行化改造（ai.rs）** — 串行瓶颈 + Completed 事件阻塞
+- **B1 process_tool_calls 并行化**：Low 风险工具 `futures::future::join_all` 并行 execute + 即时 emit Completed，结果串行回填 session.messages（N 个独立工具 ≈ 最慢一个耗时，原 N 倍串行）；Med/High 仍串行审批门控。tool_result push 顺序变化无语义影响（LLM 按 tool_call_id 关联，不看绝对位置）
+- **B2 正常完成后台化**：save+extract+title 打包同一 `tauri::async_runtime::spawn`（非裸 spawn save——保 maybe_spawn_extraction 读已落库消息的顺序依赖）；Completed 事件即时下发
+- **B3 标题后台化**：`ensure_conversation_title` 签名收 `provider_config` 克隆进 task 自建 provider（`&dyn` 非 'static 无法 move），`spawn_ensure_title` 后台（含 2 处 stop 路径）
+
+**关键取舍**：①打包 spawn 而非裸 spawn save（保 extract 顺序依赖）；②并发 upsert 低概率丢少量 token 可接受（非功能错误）；③停止路径保持同步 save（避免 stop 后即发新消息的并发 upsert 竞态丢 token）
+
+**代码变更**：`crates/df-ai/src/context.rs`（新增）、`src-tauri/src/commands/ai.rs`（核心改造）、`docs/02-架构设计/功能决策记录.md`（8 条新决策：Part A 2 + Part B 3 + 既有的）
+
+**验证**：cargo check -p df-ai ✓（5 单测绿）、cargo check -p devflow ✓（6 既有 warning，无 error，无单测回归）
+
+**遗留问题 / 下一步**：
+1. **Part C/D 未做**（todo #48-52 已建）—— Part C 双层 Semaphore（global 默认 3 / per_conv 默认 2）+ 3 LLM 调用点（stream_llm / 标题 / 提炼）加 permit + `ai_set_concurrency_config` command；Part D Settings.vue 两 setting-row + localStorage 持久化 + onMounted 同步
+2. **实测验证**（P1）：tauri dev 验证长对话裁剪行为 + 多工具并行耗时 + Completed 事件即时性
+
+### [Sprint 12] 2026-06-13 — 灵感模块全面审查 + A 类问题修复
+
+**工作内容**：
+
+- **df-ideas 灵感模块全面审查**（前端 Ideas.vue / api / store + IPC idea.rs + crate 7 文件 + df-project/manager + df-storage/crud）：按「界面展示 / 交互 / 功能可用性 / 合理性」+「功能架构 / 代码逻辑 / 代码架构」六维逐条核对，共 12 项发现（🔴5 🟡5 ⚪2）。复核确认 12 项全部真实存在、无误判无虚报。
+- **修复 A 类 5 项**（明确知道怎么做、零争议，全在 Ideas.vue）：
+  - ① 置信度进度条不显示填充（`::after` 无 width + 锚点跑到 `.debate-column`）→ 拆 `.confidence-bar`（灰轨）+ `.confidence-fill`（填充层，正绿反红），删失效 `::after`
+  - ② 状态 select 改选不生效（v-model 绑只读 computed 致写失败、回弹并写回旧 status）→ 弃 v-model，改 `:value` + `@change` 读 `event.target.value`
+  - ③ 删 `filterIdeas` 空函数及其 `@input` 绑定（filteredIdeas 本是 computed 自动响应）
+  - ④ 删除想法加 `confirm()` 二次确认
+  - ⑥ 对抗评估标题加「启发式」tag（诚实标注当前为启发式非 LLM，避免「对抗辩论」措辞误导）
+- **决策**：死代码/双套抽象组（⑦⑧⑨⑩）缓到另一会话，届时重新审核问题真实性；B 类（⑤⑥根治⑪⑫）方案未定，待定方向后再推。
+
+**代码变更**：`src/views/Ideas.vue`（单文件 9 处：模板 5 + script 3 + CSS 2 段）
+
+**验证**：`vue-tsc --noEmit` ✓（零错误零输出）
+
+**遗留问题 / 下一步**：
+1. **B 类（有必要但方案未定）**：⑤ 立项引导（三种改法改变产品流程语义：放宽显示条件 / 保持 approved 门槛加提示 / 评估达标自动 approved）/ ⑥ 对抗评估接 df-ai LlmProvider 根治（大工程，单独立项；当前 UI「启发式」标记为临时绕过）/ ⑪ 状态常量集中（跨 Rust+TS 双侧，IdeaStatus 枚举已有但 IdeaRecord 用 String 落库）/ ⑫ 实体↔Record 映射（评估为合理分层，建议不改）
+2. **缓组（另会话重审真实性后再动）**：⑦ df-ideas 死代码空壳（capture/graph/evaluator/promotion；IdeaGraph 关联图是已知下一步增强需求，删/留需定）/ ⑧ 两套 Recommendation 枚举 + 两套评估入口并存（adversarial 6 变体实用 vs evaluator 5 变体仅死代码引用）/ ⑨ PromotionPolicy 三档死枚举 / ⑩ Idea 实体构造分散（record_to_idea 与 IdeaCapture::capture 字段重叠）
+3. **实测验证**：tauri dev 看置信度条彩色填充 / 状态切换生效 / 删除弹确认 / 评估区「启发式」标
+
+### [Sprint 13] 2026-06-13 — 文档记录治理体系（路由规范 + decision-record skill + 降频自检 hook）
+
+**背景**：功能决策/需求散落于对话、PROGRESS、模块文档，缺统一真相源与触发机制。建立「单一真相源 + 自动自检」治理体系。
+
+**工作内容**：
+- **文档记录规范**（`docs/02-架构设计/文档记录规范.md` 新建）：核心原则（SSOT / 不复制只引用 / 决策与流水分离 / 先主后辅）+ 文档职责矩阵（每类信息唯一主文档）+ 内容路由表 + 更新顺序 + 唯一性记录与检测（记前 grep 查重 / 单向引用 / 定期扫描）+ 与 skill 关系 + 治理体系实现决策（hook 设计取舍）
+- **功能决策记录扩展**（`docs/02-架构设计/功能决策记录.md`）：约定节加需求条目说明；末尾新增「需求与待办」总览（📋 待做需求表 + 需求澄清）——散落各决策条目 📐/🚧 状态的待办汇集为单一清单
+- **decision-record skill 增强**（`~/.claude/skills/decision-record/SKILL.md`）：除「为什么这么定」决策，增记需求细节（待做/规格/澄清）；维护规则（记前查重 / 演进 `→` 标注 / 定期压缩防爆炸）；原则补「更新优先于新增」
+- **降频自检 Stop hook**（`~/.claude/hooks/dr-check.sh` + `settings.json` Stop 配置）：累计 ≥10 轮 或 (>1 轮 且 距上次 ≥10 分钟) 才注入自检提示触发 skill；纯脚本计数无 API（替代每轮自检，省 ~90% token）；`stop_hook_active` guard 防循环；状态按项目隔离（`~/.claude/.dr-state/`，不污染 git）。设计取舍详见 [文档记录规范 - 治理体系实现决策](docs/02-架构设计/文档记录规范.md)
+- **修 `docs/INDEX.md` 误登记**：PROGRESS 实际在根级，移除 `07-项目管理/` 树下的重复登记行
+
+**代码变更**：非产品代码——`docs/02-架构设计/{文档记录规范.md,功能决策记录.md,INDEX.md}`、`~/.claude/{skills/decision-record/SKILL.md,hooks/dr-check.sh,settings.json}`
+
+**验证**：hook 逻辑实测（首战静默初始化 / 2-9 轮静默计数 / 第 10 轮或 ≥10 分钟触发 / 防循环 guard）；无 jq 依赖纯脚本
+
+**遗留问题 / 下一步**：
+1. hook 实际长期触发频率待观察（10 轮 / 10 分钟阈值是否合理，按需调）
+2. 决策爆炸后执行首次压缩（> 300 行 / 老 Sprint > 3 / 单域 > 10 条触发归档或拆域）
+
+### [Sprint 14] 2026-06-13 — 流式 token 用量记录 + Provider 默认态持久化
+
+**工作内容**：
+
+**A. 流式 Token 用量获取 + 记录 + 展示 + 设置开关**（跨 df-ai/df-storage/src-tauri/前端，11 文件）— `stream_llm` 全程丢弃 token 计数、`AiCompleted.total_tokens` 恒 0 的旧疾根治（Sprint 6 P1 token 控制中「usage 采集用户叫停」项重启落地）：
+- **Provider 层 usage 解析**：`StreamChunk` 加 `usage: Option<TokenUsage>`；OpenAI 开 `stream_options:{include_usage:true}` 末 chunk 取累计 usage；Anthropic `message_start`/`message_delta` 累积（output_tokens 当累计值覆盖，非增量）
+- **累加落库**：`ai_conversations` 加 `prompt_tokens`/`completion_tokens` 列（V5 迁移）；`save_conversation` upsert 走累加模式（读旧值叠加，非覆盖——保审批暂停→恢复跨 loop 实例总用量正确）；`run_agentic_loop` 局部累加器每轮叠加
+- **前端展示 + 开关**：store 双状态 `lastTokenUsage`（单次）+ `convTokenTotal`（对话累计，切对话从 DB 加载）；AI 气泡底部 token 条（默认关闭，`df-show-token-usage` 开关放 Settings）
+- **model 记录**：消息级 model + 对话级 models 数组（C+B），取 `default_model` 配置值补填不覆盖
+
+**B. Provider 默认态持久化（is_default 重启丢失 bug 修复）** — 「设为默认」重启后丢失、两条记录都显示「设为默认」按钮的 bug 根治：
+- 根因：`is_default` 字段恒写 `false` + `ai_set_provider` 只改内存 session 不落库 → 重启 session 清零默认全丢
+- 修复：`ai_set_provider` 互斥落库（目标 true/其余 false，仅写变化记录）；`ai_save_provider` 新建首个自动默认；`ai_list_providers` 直返 DB 值；`active_provider_id` 降为运行时缓存
+
+**代码变更**：A — df-ai/{provider,openai_compat,anthropic_compat}.rs、df-storage/{models,crud,migrations}.rs、src-tauri/commands/ai.rs、前端 {types,stores/ai,components/AiChat,views/Settings}（11 文件）；B — src-tauri/commands/ai.rs（3 函数）
+
+**验证**：cargo check --workspace ✓（0 error，6 既有 warning）、vue-tsc --noEmit ✓。**未 tauri dev 运行时实测**
+
+**遗留问题 / 下一步**：
+1. tauri dev 实测：token 落库 / 切换对话总量加载 / 重启保默认 / 首个自动默认
+2. `ai_save_provider` get_by_id 双调用（review 🟡①，冗余往返，待合并）
+3. Settings 页面 UI 重构（Part D，用户说稍后）
+4. model UI 展示（暂缓）
+
+### [Sprint 15] 2026-06-13 — 知识库 Tier 1 全栈打通 + Phase 5.5 向量检索
+
+**工作内容**：
+
+**Tier 1 知识库双向闭环（AI Chat ↔ 知识库，全栈打通）** — candidate→published 状态机 + AI 提炼 + 手动录入 + 知识注入：
+
+**A. 存储层（df-storage，V7/V8 迁移）**：
+- V7 建表 `knowledges`（id/kind/title/content/tags/status/confidence/reuse_count/verified/source_project/source_ref/created_at/updated_at），3 索引
+- V8 幂等补列 `embedding BLOB`（PRAGMA table_info 探测，同 v4/v5/v6 模式）
+- `KnowledgeRecord`（models.rs），含 `embedding: Option<Vec<u8>>`
+- `KnowledgeRepo`（crud.rs）：`search()`（LIKE 双分支，按 kind 可选过滤）/ `list_by_status()`（CASE WHEN confidence 语义排序）/ `increment_reuse_count()`（SQL 原子 +1）/ `top_used()`；向量扩展：`set_embedding()` / `search_vector()`（纯 Rust 余弦批量比较，skip 维度不匹配）；工具函数：`f32s_to_blob` / `blob_to_f32s` / `cosine_similarity`
+
+**B. 领域层（df-evolve）**：
+- `KnowledgeStatus` 枚举（Candidate/PendingReview/Published/Archived，snake_case，`from_str`/`as_str`）
+- `Confidence` 枚举（High/Medium/Low，同上）
+- `Knowledge` struct：移除 `effectiveness` 字段，时间字段统一 String 毫秒（对齐全部既有 model）
+- `pattern.rs`：清理死参数 `result_quality: f32`
+
+**C. IPC 层（src-tauri/commands/knowledge.rs 新建，11 个 Command）**：
+- `knowledge_{list,get,search,create,update_status,record_reuse,list_candidates,archive,get_config,save_config,extract_now}`
+- 状态转换合法矩阵硬编码：candidate→{pending_review|published|archived}; pending_review→{published|archived}; published→{archived}
+- `knowledge_archive`（软删除，匹配 `ai_conversation_archive` 语义）
+- 配置读写：`knowledge_{get,save}_config`（读写 `AppState.knowledge_config: Arc<Mutex<KnowledgeConfig>>`）
+- 手动提炼：`knowledge_extract_now`
+
+**D. AI 集成（ai.rs，知识注入 + 提炼）**：
+- `build_knowledge_context()`：`auto_inject` 开关 → `hybrid_search()` top-3 → `increment_reuse_count` fire-and-forget → 注入 system prompt 头部
+- `extract_knowledge_from_conversation()`：后台 spawn，min_messages≥4 守卫 → 取最后 6 条消息 → LLM JSON 提炼 → 逐条写 candidate；提炼失败仅 warn 不阻断
+- `maybe_spawn_extraction()`：agentic loop 两处正常退出统一调用（`OnComplete` 默认模式）
+
+**Phase 5.5 — 向量检索（Settings 开关，默认关闭）**：
+- `LlmProvider::embed()` trait 方法：默认返回 Err，openai_compat 实现 POST `/v1/embeddings`（按 index 排序）
+- `KnowledgeConfig` 加三字段：`vector_enabled`（默认 false）/ `embedding_provider_id`（排除 anthropic）/ `embedding_model`
+- `generate_embedding()`：截断 8000 字 → build_provider → embed()
+- `spawn_embedding_for_knowledge()`：知识发布时 fire-and-forget 生成嵌入（不在 candidate 阶段浪费调用）
+- `hybrid_search()`：三层降级链——开关关→LIKE; embed 失败→LIKE; 正常→双信号排序（同时命中>仅 LIKE>仅向量 cos≥0.3）；不引入 sqlite-vec（规避 Windows MSVC C 扩展编译风险）
+- `Settings.vue`：语义检索开关 + v-if 联动 embedding provider 下拉 + 模型名输入
+
+**E. 前端（TypeScript + Vue）**：
+- `types.ts`：`KnowledgeRecord` / `CreateKnowledgeInput` / `KnowledgeConfig`（含 vector 三字段）
+- `api/knowledge.ts`（新建，11 个 invoke 封装）
+- `stores/knowledge.ts`（完全重写，getter 模式，消除全部 15 条 mock + localStorage）
+- `Knowledge.vue`（完全重写：知识库/审核收件箱双 Tab + 状态徽章 + confidence 指示器 + 新增对话框 + 候选 badge）
+- `App.vue`：侧栏候选 badge（`candidateCount` ref，store loadCandidates 后更新）
+
+**F. 配置设计**（AppState 内存 + IPC，非 Tauri config 插件）：
+- `KnowledgeConfig`（state.rs）：auto_extract / trigger_mode / min_messages / idle_timeout_ms / auto_inject / vector_enabled / embedding_provider_id / embedding_model
+
+**代码变更**：df-storage（models.rs/crud.rs/migrations.rs）/ df-evolve（knowledge.rs/pattern.rs）/ src-tauri（state.rs + commands/knowledge.rs 新建 + commands/ai.rs + lib.rs）/ 前端（api/types.ts + api/knowledge.ts 新建 + api/index.ts + stores/knowledge.ts + views/Knowledge.vue + views/Settings.vue + App.vue）。约 1,400 行 Rust + 700 行 TS。
+
+**验证**：cargo check 0 error ✓，vue-tsc 0 error ✓。**未 tauri dev 运行时实测**
+
+**遗留问题 / 下一步**：
+1. tauri dev 实测 10 项功能验证清单（手动录入 / 审核流 / 归档 / 检索注入 / reuse_count / AI 提炼 OnComplete / AI 提炼 Manual / 配置修改 / 注入开关 / 矛盾场景）
+2. 向量检索待实测（需配 embedding provider + 开启开关 + 发布 ≥1 条知识后验证混合排序）
+3. Tier 2 待做：ai_node prompt 注入 / 工作流 NodeFailed→pitfall / 决策记录→architecture_pattern（前置 traceability 持久化）
+4. 知识库 API 对外暴露（MCP Shell 封装，外部工具 Claude Code/CodeX/Cursor 使用）
+
+### [Sprint 16] 2026-06-13 — AI Chat LLM 优化收尾(Part C/D + Review 修复) + AI Node 单测
+
+**工作内容**：
+- **Part C LLM 并发控制**：`state.rs` 新增 `LlmConcurrency`(双层 `Arc<Mutex<Arc<Semaphore>>>` — 全局默认 3 / 单对话默认 2,运行时替换内层 Arc 重建);`ai.rs` 3 个叶子 LLM 调用点(stream_llm / generate_title / extract_knowledge)加 permit,acquire 顺序固定 global→per_conv 防死锁,stream 后显式 `drop` 不占工具执行槽;新增 `ai_set_concurrency_config` command(运行时调并发上限);`lib.rs` 注册
+- **Part D Settings UI**：`Settings.vue` 通用设置区加「全局最大并发 / 单对话并发」两 setting-row + 前端 clamp(1-10 / 1-5)+ debounce 300ms + localStorage 持久化 + onMounted 启动同步 + onUnmounted 清 timer
+- **Review 两轮 8 修复**：首轮 6(① per_conv 单例语义注释 / ② save-extract 并发注释改正 / ③ permit 显式 drop / ④ Settings clamp / ⑤ 合并 to_chat_messages 进 all_messages_clone / ⑥ system prompt 超 budget warn)+ 复审 2(后端 set_concurrency 补 clamp 边界对齐前端 / onUnmounted 清 debounce timer)
+- **AI Node 单测**：`ai_node.rs` 重构抽 `parse_params` 纯函数(execute 参数解析剥离,单测不 mock LLM 零网络)+ 7 单测(缺参×3 / prompt 上游优先回退 / config 取值 / 可选默认值 / 显式参数解析)
+- **任务收尾**：#43/#44 → completed(代码 + 单测全绿,GUI 实测转跟踪);新增 #54(GUI 动态实测跟踪任务)
+
+**代码变更**：
+- `crates/df-ai/src/context.rs`(Review ⑤⑥ — 合并 to_chat_messages / system prompt 超 budget warn)
+- `src-tauri/src/state.rs`(LlmConcurrency 双层 Semaphore + per_conv 单例语义注释)
+- `src-tauri/src/commands/ai.rs`(permit×3 + drop / process_tool_calls join_all 并行 / save 后台 spawn / ai_set_concurrency_config command + clamp)
+- `src-tauri/src/lib.rs`(注册 ai_set_concurrency_config)
+- `src/views/Settings.vue`(并发 UI + clamp + debounce + onUnmounted)
+- `crates/df-nodes/src/ai_node.rs`(parse_params 重构 + 7 单测)
+- `docs/02-架构设计/功能决策记录.md`(新增「AI Node」域记 parse_params 决策 + per_conv 退化条目)
+
+**验证**：cargo check 0 error ✓ / df-ai context 5 单测 ✓ / df-nodes ai_node 7 单测 ✓ / vue-tsc 0 error ✓。**未 tauri dev 运行时实测**(转 #54 跟踪)
+
+**遗留问题 / 下一步**：
+1. **#54 GUI 动态实测**(用户跑 tauri dev,Claude 核对日志):长对话裁剪(context_trimmed 日志 + DB 全量)/ 多工具并行(Low join_all 时序)/ save 异步不阻塞 Completed / 双层 Semaphore 限流(多对话撞 RPM)/ Settings 并发即时生效 + 刷新保持 / DAG ai 节点真调 LLM
+2. ~~AI Node 可补 GLM 集成测试~~ ✅ 已补并通过:`glm_live_complete`(`#[ignore]` + env var)真调 GLM glm-4-flash 返回"通过",usage 解析正确(provider 调用层验证;GUI DAG 触发仍属 #54)
+
+### [Sprint 17] 2026-06-13 — 模块文档↔代码一致性审查(4 文档纠错补全)
+
+**工作内容**:
+- **审查范围**:docs/03 模块文档(df-ai / df-storage / df-workflow)+ docs/01 技术文档(SQLite-CRUD 模式)共 4 份 vs 对应 crate 代码,三代理并行审查
+- **🔴 硬伤 28 全修**:df-ai(LlmProvider trait 签名 / 删 OpenAI 虚构 idle-timeout + finished_received / ContextManager 方法名 replace_tool_result_content + build_for_request 返回元组 / Token 公式 / Anthropic usage take() / 工具归属)/ df-storage(V1 表名 / Repo 表名 releases·workflow_executions / search published 过滤 / increment_reuse_count updated_at / cosine epsilon / blob 截断)/ SQLite-CRUD 整篇过时(表 6→11 / CRUD 待→已 / 时间 INTEGER→TEXT / 写返回 ()→String·bool / 连接池→单连接 / schema.rs→migrations.rs)/ df-workflow(Node trait 按值 + 默认 false + node_type / 文件名 conditions·eventbus / 虚构事件区分已发未发)
+- **⚪ 虚构 7 全清**:df-workflow(阻塞节点「等待人工操作」标未实现 / 持久化快照删改仅内存态 / 断点续跑补无暂停恢复机制)/ df-ai(conditions.rs 不存在,清状态表 + 决策缺口表虚构引用 / AiToolRegistry「12 工具」夸大改基础设施)
+- **🟡 核心 8 + 碎琐 10 补全**:df-ai(apply_openai_sse / apply_anthropic_event 纯函数 / ContextManager 6 pub 方法 / Anthropic 事件全集 / 文件结构 router·stream / URL 三分支 / finish=length / max_tokens 4096 / PROTECT_COUNT / budget 公式)/ df-workflow(NodeRegistry / DagDef / StateMachine / Dag API / NodeContext·NodeOutput 字段 / EventBus API / 条件引擎默认放行 warn)/ df-storage(list_non_archived / set_archived 例外对照)
+
+**代码变更**:无(纯文档纠错,代码未动)
+
+**验证**:每项修正均经代理 Read 代码复核签名/SQL/行为后改;git diff 4 文档落地(df-ai 443 / df-storage 134 / SQLite-CRUD 56 / df-workflow 122 行变动)
+
+**遗留问题 / 下一步**:
+1. 4 文档已与代码实质一致;后续若改 df-ai/df-storage/df-workflow 公开接口,需同步对应模块文档(文档治理:模块文档随代码变)
+2. df-evolve(knowledge.rs / pattern.rs)本轮未审 — docs/03 无对应模块文档,若补可另起审查
+
+### [Sprint 18] 2026-06-13 — 知识生命线(详情页 + 溯源 + 引用 + 生命周期)
+
+**工作内容**:
+- **根因**:知识库 candidate 卡片点不开详情、不能编辑、看不到"为什么产生";reasoning 字段被 prompt 要求但写库丢弃(bug);increment_reuse_count 只 +1 不记去向;无状态变更历史。用户要求呈现知识完整生命周期:产生→审核→引用→归档,且约束异步不阻塞、代码简洁易扩展。
+
+**A. 存储层(df-storage,V10 迁移)**:
+- V10:幂等补 `knowledges.reasoning TEXT` 列 + 新建 `knowledge_events` 审计表(id/knowledge_id/event_type/source_ref/context_json/timestamp + 3 索引)
+- `KnowledgeRecord` 加 `reasoning: Option<String>`;新增 `KnowledgeEventRecord`(6 字段)
+- `KnowledgeEventsRepo`(impl_repo! 宏 7 方法 + 扩展 `list_by_knowledge`/`list_by_knowledge_type`);5 处显式 SELECT 列列举 + from_row + insert/update body 全线接 reasoning
+
+**B. 后端埋点(src-tauri)**:
+- **新建 `commands/knowledge_timeline.rs`** — `KnowledgeTimeline` 独立记录器(持 Arc<Database>),便捷方法 record_extracted/referenced/status_change/created,内部 `fire()` 吞错误 fire-and-forget。各业务流程只调一行,不内联写 SQL(代码简洁约束)
+- `extract_knowledge_from_conversation`:回填 reasoning(修 bug)+ 查对话标题 + insert 后记 extracted 事件
+- `build_knowledge_context`:加 conv_id 参数 + spawn 块内 increment_reuse_count 后记 referenced 事件(conv_id+query);调用点上移 conv_id 快照
+- `knowledge_create/update_status`:记 created/status_changed 事件(归档复用 status_changed,删 dead code EVENT_ARCHIVED/record_archived)
+- 3 新 IPC command:`knowledge_get_detail`(聚合 knowledge+events)/`knowledge_update`(部分更新编辑)/`knowledge_events`(查生命线);AppState 加 `knowledge_events` Repo;lib.rs 注册
+
+**C. 前端**:
+- types.ts:KnowledgeRecord 加 reasoning + 新增 KnowledgeEventRecord/KnowledgeDetailPayload/UpdateKnowledgeInput
+- api/store:各加 getDetail/update/getEvents
+- **Knowledge.vue 全面重构**:Ideas 式左右分栏(左卡片列表 @click 选中 / 右详情四分区 — ①基本信息+编辑 ②溯源(产生方式/来源对话/AI reasoning) ③引用记录(复用次数+最近 N 条) ④生命周期时间线)。可编辑 title/content/tags/confidence
+
+**关键决策**(详见 docs/02-架构设计/功能决策记录.md):① 独立 events 表非 JSON 嵌主表(引用数百次防行膨胀);② 独立 KnowledgeTimeline 记录器(不散落埋点);③ 归档复用 status_changed(防冗余);④ reasoning 回填(修 prompt 要求但丢弃的 bug)
+
+**代码变更**:df-storage(migrations/models/crud)+ src-tauri(state/knowledge_timeline 新建/ai/knowledge/lib/mod)+ 前端(types/api/knowledge.ts/stores/knowledge.ts/Knowledge.vue)= 12 文件
+
+**验证**:cargo check --workspace ✓(仅既有警告)/ vue-tsc --noEmit ✓ 零错误 / cargo test -p df-storage ✓ 21 单测全过。**未 tauri dev 运行时实测**
+
+**遗留问题 / 下一步**:
+1. **#54 GUI 实测**:AI 对话结束→提炼→收件箱→点详情看 reasoning+来源;发布→生命线 status_changed;新对话注入→referenced 事件;编辑 candidate→保存
+2. 老库历史 candidate 无 reasoning/events,详情页降级展示(手动录入/无溯源)——属预期兼容
+3. knowledge_events 纯追加表,长期可清理 >90 天 referenced 事件(本次不做)
+
+### [Sprint 19] 2026-06-14 — list_directory 防爆 + localStorage→SQLite 统一持久化 + token/发送 bug 修复
+
+**工作内容**:用户报多个 AiChat bug + 提需求:list_directory 扫出 13782 项塞爆对话;token 显示"0 in";发送卡住/留框;LLM 并发上限太小;localStorage 散落要统一入 SQLite。同时用户并行主导 ai.rs→ai/ + ai.ts→composables 模块拆分(我观察配合,不接管)。
+
+**A. list_directory 递归防爆(Part A)**:
+- `list_dir_recursive`(ai/tool_registry.rs)加噪音目录剪枝(`.git`/`node_modules`/`target`/`dist`/`build`/`.next`/`.cache`/`__pycache__`/`.venv`/`venv`/`.idea`)——**列出但不深入内部**;硬上限 1000 条 + `truncated` 标志;默认 max_depth 3→2;加 `skip_noise_dirs` 参数(默认 true,AI 看编译产物 dist/target 时传 false)
+- 根因:AI 广扫项目根传 `recursive:true`,噪音目录铺平致 13782 项塞进对话 message(UI 卡 + token 爆)
+
+**B. localStorage → SQLite 统一持久化(Part B)**:
+- 新建 `app_settings` KV 表(V13 迁移)+ 手写 `SettingsRepo`(get/set/get_all/delete,不走 `impl_repo!` 宏因 KV 无固定 schema);4 IPC(settings_get/set/get_all/delete);AppState 加 settings 字段
+- 前端 `appSettings` store(reactive 缓存 + 300ms debounce + `useSetting` ref)+ api 封装
+- **11 key 迁移**:敏感 `df-connections` + UI 偏好(theme/language/ai-width/ai-ui/token/concurrency)+ `df-ai-active-conv`;**例外 `df-ai-gen`/`df-ai-text`**(流式临时快照,高频写留 localStorage)。App.vue onMounted 一次性迁移旧 localStorage
+
+**C. Bug 修复**:
+- **token prompt=0**:GLM 流式 usage 带 completion 不带 prompt → 加估算兜底(provider 返回 0 时按请求消息 `TokenEstimator::estimate_message` 求和)
+- **发送卡住/留框**:`sendMessage` IPC 失败时无 catch → streaming 永真(光标卡死)+ handleSend 回填输入(消息已显示);改 try/catch 回滚 streaming + 清空气泡占位
+- **LLM 并发上限**:三层(模板 max / JS Math.min / 后端 .clamp)全去上限,保留 min=1 + `per-conv ≤ global` 约束
+
+**D. token 暴增诊断 + 清理**:
+- 查 SQLite 实数据:对话 e4365d47 累积 in=115万 / out=2万 / 消息体 1.6MB
+- 根因:**单条 list_directory 工具结果 1.2MB**(13782 项,Part A 修复前产生)落库后每轮重发 + save 累加 → 暴增;token 估算准,膨胀是真(非估算锅)
+- 删除污染对话(`ai_conversations` 1 行 + `ai_tool_executions` 123 行)
+
+**E. 模块拆分(用户主导,本会话发生,我配合不接管)**:
+- `ai.rs`(2651 行)→ `ai/` 11 子模块(agentic/audit/commands/conversation/knowledge_inject/mod/prompt/skills/stream_recv/title/tool_registry),旧 ai.rs 删
+- `stores/ai.ts`(749 行)→ 薄壳 + `composables/ai/*`(events/stream/send/conversations/window/panel)
+- `df-evolve` crate 移除(workspace/代码零引用)
+- 踩坑(glob 重导出命令宏符号 / super 路径失效 / 0 字节残留触发 E0761)已记入经验记录.md
+
+**关键决策**(详见功能决策记录 / 经验记录):① list_directory 剪枝 + skip_noise 保留访问能力(定点查/强制递归两路通);② KV 表统一持久化复用 SettingsRepo(兑现经验记录预言);③ token 估算兜底(provider 不报时按消息估);④ 发送失败回滚 streaming;⑤ 并发去上限保 per-conv≤global
+
+**代码变更**:src-tauri(`commands/ai/` 新模块 + `commands/settings.rs` + state.rs + lib.rs)+ crates/df-storage(migrations V13 + crud SettingsRepo)+ 前端(api/settings.ts + stores/appSettings.ts + App.vue/Settings.vue/composables/ai/* + i18n)≈ 25 文件
+
+**验证**:cargo check ✓ / vue-tsc ✓ 零错 / tauri dev 启动 ✓ 运行;token/发送/并发/list_directory 已实测
+
+**遗留 / 下一步**:
+1. **Fix 1(待用户最终定)**:工具结果入库前截断 50KB(堵 `read_file` 1MB 洞 + 防御);Fix 2(放宽旧工具结果裁剪)因 Part A 已杀主源,延后不做
+2. Settings.vue(1037 行)拆 panel 子组件——早前建议,用户已做 ai.rs,此件待评估
+3. 诊断日志清理(handleEvent/approveToolCall 早期调试 console.log 残留)
+
+### [Sprint 20] 2026-06-14 — 项目管理模块代码审查 + 全局核对（3-agent review 验证）
+
+**工作内容**: 应用户要求审查「项目管理 / 项目导入 / 生命周期可用性」（后端 commands/project.rs + ai/tool_registry.rs + df-project/scan.rs + 前端 Projects.vue / ProjectDetail.vue）。先 3-agent 并行 review 出 15 项发现，剔幻觉 2 项（read_readme 命名误判 / conflict.name null 过度防御）后剩 13 项；再应要求**全局核对**（grep 全仓库 6 维度）确认每项发现是孤例还是系统性，保证全局成立有效。**本次仅审查 + 核对，未改代码。**
+
+**验证结论**: 13/13 发现**事实全部成立**，无幻觉。4 处行号偏差（① 249→263 / ⑤ 113→136 / ⑫ 130→145 / ③ 未标→271）；2 处范围需补（⑧ 实 8 处非 3 处 / ③ 漏 relocate:212）。
+
+**🔴 必须修复（3）**:
+1. **AI delete_project 硬删绕过软删**（tool_registry.rs:263 `repo.delete` 物理 DELETE vs IPC project.rs:120 `soft_delete` 进回收站）—— 同一操作两种后果，AI 对话删 = 数据丢失不可恢复，UI 删 = 可恢复。**数据安全缺口**
+2. **AI 缺回收站生命周期工具**（restore/purge/list_deleted 全无）—— ProjectRepo 有完整方法（crud.rs:572/591/610/634）+ IPC 全注册（project.rs:125-145），AI 层零覆盖，割裂工作流
+3. **collect_sample 同步 IO 阻塞 async**（project.rs:271 在 async fn 内直接同步调 df-project::scan）—— 对比 scan_project_stack（:182）用了 spawn_blocking，不一致
+
+**🟡 建议改进（6）**: ④ normalize_path 两份重复（project.rs:154 + tool_registry.rs:180）/ ⑤ update 白名单双份不同步（tool_registry:136 硬编码 vs crud.rs:287 allowed_columns，idea_id 字段不同步）/ ⑥ AI 扫描 + 目录状态文案硬编码未走 $t（Projects.vue:33/195 + ProjectDetail.vue:93）/ ⑦ parseStack 两份重复（Projects.vue:143 + ProjectDetail.vue:321）/ ⑧ 原生 alert/confirm（全局 8 处非仅 ProjectDetail 3 处，Ideas.vue:378/391 同病）/ ⑨ collect_sample 无文件大小预检（scan.rs:151/205 read 全文后截断）
+
+**⚪ 可选（3）**: ⑩ LLM 无超时（project.rs:297 占 llm_concurrency permit 无限 await）/ ⑪ JSON 提取取首尾花括号（project.rs:368-369 多 JSON 场景错）/ ⑫ create_project 无 path 参数（tool_registry:145 需 create+bind 两步）
+
+**全局核对关键定性**（6 维度 grep 全仓库）:
+- **① 是 project 特例但最该修**: soft_delete/回收站机制**全仓库仅 project 一张表有**（task/idea/branch/release/workflow 本就物理删，无语义不一致）；正因 project 唯一设计回收站，AI 硬删直接击穿其数据安全设计
+- **⑧ 系统性**: 全仓库 8 处原生弹窗（ProjectDetail 4 + Projects 2 + Ideas 2），非局部
+- **③ 范围补报**: 不只 :271，relocate_project_path:212 同步 detect_stack 同样阻塞，3 处未包 spawn_blocking vs 1 处包了
+- **src-tauri 层自身干净**: `std::fs` 同步调用零匹配，阻塞全在跨 crate 调同步的 df-project::scan
+- **④⑤⑦ 精准**: 全仓库确为两份/一处，无更多副本；validate_path/resolve_workspace_path 是安全校验，职责不同非 normalize 重复
+
+**未改代码**（待用户定推进批次）
+
+**遗留 / 下一步（修复批次建议）**:
+- **批1 数据安全**: ①（AI delete 改 soft_delete）+ ②（补 restore/purge/list_trash 三工具，复用 ProjectRepo 对应方法）
+- **批2 阻塞 + 去重**: ③（:270/:271/:212 三处统一 spawn_blocking）+ ④（抽公共 normalize_path 到 df-project/df-core）+ ⑤（tool_registry 复用 allowed_columns_for）
+- **批3 前端**: ⑥（补 i18n key）+ ⑦（抽 src/utils/project.ts）+ ⑧（全局 8 处 alert/confirm 换 Arco Modal）
+- ⚪ 可选: ⑨⑩⑪⑫ 按需
+
+---
+
+### [设计] 2026-06-14 — B-03 人工审批响应机制设计
+
+**工作内容**：df-workflow HumanNode 审批响应机制设计（B-260614-03）。勘察确认链路基础设施 90% 已通（EventBus broadcast / `HumanApprovalResponse` 事件 / `approve_human_approval` IPC / 前端 store 已接通），唯一缺口为 `human_node.rs:55` 发完请求直接 return "同意"。设计：订阅时序铁律（`subscribe()` 先于 `send(Request)`）+ `tokio::select!` 循环（响应 / 超时 / 取消）+ execution_id+node_id 双键过滤 + Lagged 容忍。澄清 B-06/B-07 前置真实影响（B-06=并发隔离，非单流功能前置；B-07=取消必要非充分），拆 **B-03a**（响应等待 + 超时）/ **B-03b**（取消机制：`set_cancelled` + cancel IPC + 前端按钮）。
+
+**产出**：完整设计文档 [B-03-人工审批响应机制.md](./docs/02-架构设计/B-03-人工审批响应机制.md)；功能决策记录加「工作流人工审批节点（B-03）」摘要章节。
+
+**下一步**：B-06（execution_id 下沉）/ B-07（共享 StateMachine）前置修复 → 落 B-03a 实现 → B-03b 取消机制补全。
+
+### [Sprint 21] 2026-06-14 — Workflow 编排推进 Sprint 20 批次 + 审批闭环实施
+
+**工作内容**: 以 workflow（实施 + 对抗验证两阶段，文件域隔离 + prompt 钉死约束）并行推进 Sprint 20 审查发现 + df-workflow 审批闭环。先 commit 基线 cf017f8（Phase2 阶段收尾 167 文件，排除无关的 `src-tauri/儿童每日打卡应用/`），后 A/B/C/D 四 workflow 各独立 commit 隔离可审。失控教训内化：workflow 确定控制流替代 background agent stop hook 循环，全程禁碰决策记录 + 禁自主续推。
+
+**A 数据安全**（commit 3f0839a）: AI `delete_project` 由 `repo.delete` 物理删改 `soft_delete` + 新增 `restore_project`/`purge_project`/`list_trash` 三工具（复用 ProjectRepo 回收站方法）+ `list_projects` 改 `list_active` 排除回收站（验证捕的漏网：LLM 原能看到已软删项目）。tool_registry.rs。
+**B 阻塞去重**（commit d5a6417）: `collect_sample`/`detect_stack` 四处 `spawn_blocking`（含验证捕的 bind_directory 漏网）+ `normalize_path` 抽公共到 `df-project/scan` + tool_registry `update_project` 复用 crud `is_allowed_column`（删硬编码白名单，与 CRUD 同源）。scan.rs/crud.rs/project.rs/tool_registry.rs。
+**C 前端**（commit 02ff88f）: 扫描/目录状态文案走 `$t`（zh-CN+en）+ `parseStack` 抽公共 `src/utils/project.ts` + 8 处原生 `alert`/`confirm` 全换（confirm→ConfirmDialog / alert→Arco Message），控制流语义不变。vue-tsc 0 error。8 文件。
+**D 审批闭环**（commit 22964a2）: B-06 DagExecutor 接收 `execution_id` 下沉 NodeContext（消除 dummy）+ B-07 `node_status` 共享 `self.state_machine.clone()` + B-03a HumanNode `execute` 重写 `subscribe→send→select!`（响应/超时/取消 + execution_id+node_id 双键过滤 + Lagged 容忍，照 B-03 设计）+ eventbus 删 `try_recv_human_approval` 死代码 + human_node 7 单测。executor.rs/workflow.rs/human_node.rs/eventbus.rs。
+
+**验证**: cargo check 0 error / df-storage 32 + df-project 4 + df-workflow 11 + df-nodes 14 test 全过 / vue-tsc 0 error。A/B 各 1 issue（list_projects 泄漏 / bind_directory 漏网）主代理补修；C/D 验证 safe 0 issue。
+
+**遗留 / 下一步**: B-03b 取消机制（`set_cancelled` + cancel IPC + 前端按钮）待做；T-09/T-10 非阻断记 todo；架构前置 df-ai-core（F-07）待设计解锁 F-03。
+
+### [Sprint 22] 2026-06-14 — Wave1 收尾清债（workflow 推进 + 主代理补完 agent 半成品）
+
+**工作内容**: Wave1 四任务并行 pipeline（实现 + Explore 对抗审查，文件域隔离），收尾 Sprint 21 遗留的 B-03b 审批取消机制 + 三个 P2 清债项。每个 Agent 钉死约束（只碰白名单 + 禁碰决策记录/构想文档 + 禁自主续推 + cargo check 自验）。
+
+**B-03b 审批取消端到端**（commit 4aa689e）: agent 初版完成三件基础设施（`set_cancelled` + cancel IPC + 前端取消按钮）但留**半成品**——`workflow_cancel_state` 全局孤立 StateMachine 实例，IPC `set_cancelled` 写入后无法达运行中 HumanNode 的 `ctx.node_status`（executor.state_machine 的 clone，B-07 仅 clone 传递未共享底层 HashMap）。**Explore 审查 agent（无 Edit 权限，只验编译 + 白名单）漏抓此语义缺陷**。主代理补完：StateMachine 内部 `HashMap`→`Arc<Mutex<HashMap>>`（clone 即共享底层）+ AppState `workflow_state_registry`（execution_id→StateMachine）+ run_workflow 注册执行器状态机/完成清理 + cancel IPC 经 execution_id 取共享引用 `set_cancelled` 直达 HumanNode `is_cancelled` 轮询。`clone_shares` 单测验证共享语义。state.rs/executor.rs/state.rs(tauri)/workflow.rs/lib.rs/project.ts/ProjectDetail.vue。
+
+**T-09 级联删**（commit 89da9fa）: idea.rs:149 `delete`→`purge_with_descendants`（防孤儿子记录），1 行签名兼容。
+**T-10 canonicalize**（commit 89da9fa）: 判定已解决——`normalize_path` 已含 canonicalize 优先 + 词法回退，`find_binding_conflict` 两端对称已用，零改动。
+**T-12 df-ideas 死代码**（commit 89da9fa）: capture.rs 删 `CaptureInput`/`IdeaCapture` 死码，保留 `Idea`/`IdeaScores` 共享实体；promotion/scoring/adversarial 内"两套 Recommendation/PromotionPolicy 死枚举"嫌疑未确认存在/保留为对外契约，本次未动待复查。
+
+**验证**: cargo check 0 error / cargo test 全过（0 failed，含 `clone_shares` 新测）/ vue-tsc 0 error。
+
+**教训**: workflow 对抗审查用 Explore agent 能防越权 + 验编译 + 验白名单，但抓不到"功能实际不工作"类语义缺陷（IPC 写了读不到、共享未通）——这类需主代理读实现逻辑复核，不能只信审查 verdict。
+
+**遗留 / 下一步**: Wave2 候选 F-07（df-ai-core trait 下沉，解锁 F-03，需先定 trait 边界）；T-12 df-ideas 其余嫌疑项待复查。
+
+### [Sprint 23] 2026-06-15 — 全量待办编排 + 首批 A+B 清债热身
+
+**工作内容**: 全量 `todo.md`（~40 未完成项）汇总按可执行性分 8 组（A 卫生 / B 零风险减法 / C 需用户输入 / D 功能 / E 架构 / F 全局 review P2 / G 测试 / H 长期池），加「编排推进总览」章节供后续会话全局视图。首批推进 A+B 组。
+
+**ARC-08 转自研块级 memo**（前会话遗留补记，待 commit）: 流式 Markdown 渲染——方案 D（markstream-vue）试装后样式还原成本高且脆（代码块 chrome / 暗色 `--ms-*` 变量 / prose 作用域 4 处对接随库漂移），转自研块级 memo（方案 B 增强版）：保留 marked+DOMPurify+.ai-md 原样式零对接 + splitBlocks 块级 memo O(末块) + rAF 节流 + 末块不缓存处理未闭合 token。退役 AR-1 流式纯文本短路。详见 [aichat流式Markdown渲染调研-2026-06-15.md](docs/02-架构设计/构想审查/aichat流式Markdown渲染调研-2026-06-15.md) §5。
+
+**A todo 卫生**:
+- AR-1 标退役（被 ARC-08 取代）
+- AR-8 重评：前端 rAF 已被 ARC-08 覆盖，剩后端 50ms 合批 + 滚动，降优先级
+- ARC-03 降级重评：df-execute **非空壳**（shell.rs `execute()` 完整 + 被 `run_command` 复用），原「空壳合并」前提失效，转架构维护决策非清债
+
+**B 清死链**（ARC-260615-02）: 删 App.vue secondaryNav `/decisions` 死链项（router 无此路由，决策治理 = F-260614-08 长期项入口提前占位）+ 删 `nav.decisions` i18n key（zh/en）。`dashboard.recentDecisions`（Dashboard.vue）不同命名空间保留。
+
+**代码变更**: `src/App.vue` / `src/i18n/{zh-CN,en}/nav.ts` / `docs/todo.md`（编排总览 + AR-1/AR-8/ARC-02/ARC-03 状态回写）。
+
+**验证**: vue-tsc EXIT=0。
+
+**B-03b-R8 human 端到端集成测试**（待 commit）: human_node.rs 加 2 端到端测（`end_to_end_human_approval_completes_workflow` / `end_to_end_human_approval_cancelled`），覆盖 executor 驱动 a(SleepNode)→b(HumanNode) 两层 DAG 的 Request 真发出 + outputs 收集 + 双节点 Completed，以及外部 set_cancelled → human cancel_tick → executor 跳过 set_failed + 状态保持 Cancelled。封死 R6/R7 回归土壤。10 测全过（8 现有单测 + 2 新端到端）。
+
+**遗留 / 下一步**: 下批方向三选一（D 功能增强 F-15-01~04 / E 架构重投入 F-14-01·07 / G 测试 dev 验证 ARC-08 + T-14-01·02）；C 组阻塞项（S-260615-01 curl 测 / S-260614-01 多开澄清）等用户输入。
+
+### [Sprint 24] 2026-06-15 — P0 generating 状态机加固 + 独立项批量
+
+**工作内容**: 多代理编排推进——P0 generating 卡 true 根治组合（B-09/10/11）串行 + 5 独立项 workflow 并行 + 3 项 read-only 勘察下一波。主代理全程核查（失控防护）。
+
+**P0 三项**（generating 卡 true 根治，agentic.rs + commands.rs）:
+- B-09: GeneratingGuard RAII（new/reset().await 幂等/Drop spawn 兜底）+ run_agentic_loop 入口实例化 + 5 处手动复位替换 + try_continue:318 保留手动（should_continue=false 须保 generating=true 待审批）
+- B-10: ai_conversation_create 加 app:AppHandle（Tauri 自动注入）+ generating=true 软复位（记 old_conv→复位→清 pending→stop_flag→释锁→emit 零 token AiCompleted→relock 续建）+ 硬拦移除
+- B-11: 两处 conv_id 一致性校验（循环顶部 + push 块内，防软复位后旧 loop 污染新对话）
+
+**独立 7 项**（B-19 根因指针随 09~18 销账）:
+- B-12: SessionState enum 视图（Idle/Streaming/AwaitingApproval）+ session_state() 读侧收敛（mod.rs，三调用点注释待后续替换）
+- B-18: pending_approvals 单例设计文档注释（mod.rs）
+- R-PD-4: keyring 迁移失败阈值告警（MIGRATION_FAIL_THRESHOLD=3 + sidecar 计数 + 达阈值升级 warn，secret.rs，不改兼容时序）
+- R-PD-5: approve IPC 加 decision∈options 校验（⚠️半完成：前端 stores/project.ts:252 未传 options，校验形同虚设，待前端补传触发）
+- R-PD-13: run_workflow Lagged 结构化 warn + 风险注释（workflow.rs）
+- B-20: handleSend catch 加 reactive toast（AiChat.vue 复用 Settings 模式，文案待 i18n）
+- B-21: sendMessage catch 一并回滚 user message（useAiSend.ts）
+
+**勘察下一波**（read-only workflow wxflofhf2）: F-260615-02 TaskDetail（已完成核查通过：get_task_by_id IPC + /tasks/:id 路由 + TaskDetail.vue 11 字段 + 列表跳转，cargo check/vue-tsc 0 err）/ F-260615-04 ToolCard折叠（plan 11 步复杂+改核心 ai 文件+细节有误，拆小或留待）/ AR-11 数据联动（勘察 implPlan 含伪代码错误 std::env::var/.match，暂缓待重设计 emit 点）。
+
+**代码变更**: agentic.rs / commands.rs / mod.rs / secret.rs / workflow.rs / AiChat.vue / useAiSend.ts。
+
+**验证**: cargo check 0 error / vue-tsc 0 error / df-nodes 17 test pass（含 2 human 端到端测，P0 不破坏）。主代理独立核查（非 agent 自报）：git diff --stat 文件边界 + 编译复核 + R-PD-4 落地核查（agent 报告夸大称改 75 行实际在更早基线，功能存在即销账）。
+
+**失控防护**: 每 agent prompt 锁死文件 + 禁碰决策记录 + 禁自主扩展 + 返回 schema。R-PD-4 agent 把已有代码当自己的（边界检查不准，非造假，同类 WF-G AR-7）。
+
+**遗留 / 下一步**:
+- R-PD-5 半完成：前端补传 options 触发新校验
+- B-13~17 待续（stop 兜底/Notify 即时打断/heartbeat 提外/MAX_AGENT_ITERATIONS 配置化/key_len 复用）
+- F-260615-02 TaskDetail 实施中（后台 agent）
+- AR-11 暂缓（等本批提交后重设计 emit 点，audit.rs app_handle 可达性待核查）/ F-260615-04 拆小或留待
+
+### [Sprint 25] 2026-06-15 — P0 收尾 + 下一波编排
+
+**B-15/16/17 P0 收尾**（零行为变优化）:
+- B-15: stream_recv.rs heartbeat interval 提到 loop 外（省每轮重建，节拍不变）
+- B-16: agentic.rs MAX_AGENT_ITERATIONS pub(crate)→pub const + 配置接入点注释（无现成配置槽，未引入 AppState 字段）
+- B-17: agentic.rs key_len 复用 resolve_provider_secret（去重复 keyring resolve，build_provider 内联因 secret.rs 锁边界，DRY 隐患注释标注等价性）
+- 核查：cargo check 0 err / df-nodes 17 test pass
+
+**下一波编排 workflow wcvigw3z4**（3 实施 + 4 勘察，循环链路）:
+- 实施（文件隔离）：B-13 stop 兜底（commands.rs）/ R-PD-5 前端补 options 闭环（stores/project.ts）/ CR-05+07 块级 memo 低风险子项 parseBlock DRY + escapeHtml 抽（AiChat.vue，禁碰 splitBlocks/loadMarkdown 流式核心）
+- 勘察 read-only（为下一波确定）：B-260615-22 状态同步两方案对比 / B-14 stop_flag→Notify 即时打断跨4文件设计 / F-260615-01 HumanNode 多选审批契约变更影响 / ARC-06 composables/ai 循环依赖拆点
+
+**遗留 / 下一步**: 等勘察结果派下一波实施；AR-11 emit 点已查明（audit.rs process_tool_calls 有 app_handle）待本批提交后派；F-260615-03 breaking change / F-260615-04 需定交互 待用户确认；改动堆积（git diff 100+ 文件）建议择机提交收口。
+
+### 2026-06-18 03:08 — sweep-fix 6 域走查 + P3 小修（Code-Working 会话·workflow wd2fnjh3s）
+
+**工作内容**：
+- workflow wd2fnjh3s 6 域并行走查（rust-ai/dag/storage/ipc + fe-aichat/fe-other，12.4 分钟·6 agent·651k tokens）：修 12 处确定性低风险 bug + 新发现 27 todo（去重 24 入 todo.md）
+- 主代独立核查（审查防污染不信 agent 自报）：cargo check --workspace EXIT 0 + vue-tsc EXIT 0 + grep 抽查 scan/audit/commands 源码形态全正确；**拦截 1 瞬态误报**（fe-other vue-tsc 抓 ToolCard.vue:653 cmdOutput TS6133 never read，实为 fe-aichat 改 ToolCard 中间态被并发 vue-tsc 抓到，最终态模板已引用，全量 vue-tsc 复核 EXIT 0 确认非 bug）
+- 主代 P3 小修 5 处（各步自测通过）：SW-18 AiChat wasNearBottom 切会话重置 / SW-21 TaskDetail wfResult timer 清理 / SW-23 Ideas neutral CSS / SW-15 ai_node schema required 对齐 / SW-24 dead_code 标注（finish_reason/call_type 2 处 #[allow]，cargo df-ai warning 消除）
+- 文档：todo.md 24 newTodos 去重追加 + F-260616-15 矛盾项销账 + 5 P3/SW 销账；待审查.md CR-260618-01 登记 17 处改动交其他会话审查
+
+**代码变更**：
+- df-ai: context.rs（parts token 预算，F-05 回归）/ anthropic_compat.rs（Image move）/ openai_compat.rs（2 处 #[allow(dead_code)]）
+- df-project: scan.rs（to_ascii_lowercase 索引对齐 + is_monorepo null 判定）
+- df-ideas: adversarial.rs（MockProvider 补 reasoning_content）
+- src-tauri: audit.rs（audit_finalize 吞错分流 + PENDING_APPROVAL_PLACEHOLDER 常量）/ commands.rs（ai_conversation_delete retain）
+- df-nodes: ai_node.rs（schema required=[] 对齐 execute）
+- 前端: ToolCard.vue（isFailed/cmdOutput computed）/ AiChat.vue（虚拟滚动死注释清理 + wasNearBottom 重置）/ Projects.vue（_toastTimer onUnmounted）/ Knowledge.vue（parseContext 单次）/ TaskDetail.vue（wfResult timer 清理）/ Ideas.vue（neutral CSS）
+
+**遗留问题**：
+- 1. **UX-2025-12 分页懒加载（高价值中风险）**：多角度论证暂缓——①必须 limit+滚顶两全（limit 单独引入"看不到 >limit 旧消息"回归，之前全量可见）/ ②token 紧张 180 行 7 文件大工程易出错（borrow/sentinel 时序） / ③长对话卡顿是渲染体验问题 cargo/vue-tsc 只验编译类型，滚动流畅度需用户实测 / ④工作区已累积 17 处 commit-policy-deferred 不提交再加 7 文件增合并冲突。留 todo 待充分资源/用户在场推进。
+- 2. SW-260618-01/02 两个 P1（executor Ok 路径取消事件不一致 / 审批占位 tool_result 5 处 .clear() 未终态化）：均行为变更需确认设计意图，记 todo 未改。
+- 3. sweep P2 多为重构/防御/改进（AuditLog i18n / ai_node DRY / reqwest Client DRY / 双 watch 合并 / Anthropic url 防御），记 todo 待攒批。
+- 4. 待审查 CR-260618-01（17 处）待审查会话独立 grep 核验。
+
+**下一步**：
+- 1. UX-2025-12 分页（用户在场体验验证 或 新会话充分资源推进）
+- 2. SW-01/02 P1 确认设计意图后修
+- 3. 待审查 CR-260618-01 交审查会话
+- 4. 工作区累积 17 处（commit-policy-deferred 不提交，等架构级重构建基线）
+
+### 2026-06-18 03:26 — SW-10 reqwest Client 构建 DRY（Code-Working 会话续推）
+
+**工作内容**：
+- sweep P2 SW-260618-10：openai_compat/anthropic_compat Provider::new reqwest Client 构建（connect_timeout 30s + 回退 Client::new + warn）7 行逐字重复，抽 `lib.rs::build_provider_client()` pub(crate) fn 收敛 DRY，两处调 `crate::build_provider_client()`
+- 主代自测（审查防污染独立核验）：cargo check -p df-ai EXIT 0 无 warning / cargo test -p df-ai 112 passed 0 failed（不回归）+ grep 核验 Client/warn/Duration import 替换后仍多处用（Client 用于 struct 字段 / warn openai:503 + anthropic 7 处 / Duration 用于 :484/:481 timeout），无 unused warning
+
+**代码变更**：
+- crates/df-ai/src/lib.rs（+14 build_provider_client pub(crate) fn）/ openai_compat.rs（-8+2）/ anthropic_compat.rs（-6+2）
+
+**遗留问题**：
+- 1. sweep 剩余低风险项 ROI 递减：SW-06/07 双 watch 合并需谨慎 immediate 语义边界 / SW-19 combineAndTruncateLines DRY 价值低（结构特殊带 total/truncated）/ SW-04 knowledge_events query 无活跃调用方（防御性）/ SW-09 ai_node DRY 架构级 / SW-16 审计 status 透传需查审计表中复杂度（find_cached 返回 Option<String> 仅 content，来源 status 在 ai_tool_executions 表非 ChatMessage）暂缓
+- 2. 待审查 CR-260618-03（SW-10 单项）+ CR-260618-01/02 交审查会话独立 grep 核验
+
+**下一步**：
+- 1. SW-01/02 P1 待确认设计意图（executor Ok 路径取消事件不一致 / 审批占位 5 处 .clear() 未终态化）
+- 2. 工作区累积 18 处（commit-policy-deferred 不提交，等架构级重构建基线）
+- 3. 待用户回归决策 UX-2025-12 分页 / SW P1 设计意图
+
+### 2026-06-18 03:39 — SW-16 审计 status 透传 + SW-06 ToolCard watch 合并（Code-Working 会话续推）
+
+**工作内容**：
+- SW-260618-16（P3 审计精度）：find_cached_high_risk_result 加 audit_repo 参数 + async + 返回 (content,status)，命中旧 tool_result 后查 AiToolExecutionRepo::find_by_tool_call_id（**已存在** crud.rs:1256，复用零新增）拿缓存来源真实 status（completed/rejected/failed）透传 audit_tool_call 替代固定 "completed"。审计缺失/查询失败 fallback completed 不阻塞去重。
+- SW-260618-06（P2 DRY）：ToolCard 双 watch(props.tc.status) 合并。放原 watch2 位置（approving/approvingTimer/cmdOutputExpanded 三 ref 已定义避 TDZ）+ immediate（原 watch1 语义），callback 内 cmdOutputExpanded + approving 复位合并。
+- 主代自测：cargo check --workspace EXIT 0（仅 4 pre-existing dead_code 基线）/ cargo test -p devflow 92 passed 0 failed / vue-tsc EXIT 0 + grep 独立核验源码形态
+
+**代码变更**：
+- src-tauri/src/commands/ai/audit.rs（find_cached 签名+返回+status 查询 / process_tool_calls :625 调用点 .await 拆 status / :639 &status 透传）
+- src/components/ToolCard.vue（删原 watch1 + watch2 替合并 watch）
+
+**遗留问题**：
+- sweep 剩余可自主：SW-07 AiChat 双 watch 合并（同 SW-06 模式可复用）/ SW-17 ToolCardList Set 重置（低价值内存慢增长）/ SW-19/20 DRY（低价值）/ SW-05/11/12/13/14（防御/确认意图/权衡，需勘察或确认）
+- 高价值待用户：B-260618-03 路由解耦 cost/intel（用户已决策主链大改需在场）/ SW-01·02 P1（行为变更需确认设计意图）/ UX-2025-12 分页（需体验实测）
+
+**下一步**：
+- 继续 sweep 可自主项（SW-07 watch 合并模式复用 SW-06）/ 工作区累积 20 处 commit-policy-deferred / 心跳 a096aa7f 20 分钟监测推进
+
+### 2026-06-18 03:45 — SW-07 watch 合并 + B-03 路由解耦勘察 + SW-17 评估（Code-Working 会话续推）
+
+**工作内容**：
+- SW-260618-07（P2 DRY）：AiChat 双 watch(currentText) 合并。删原 :2040 watch(currentText→onContentChange) 并入 :2047 watch(currentText→scheduleStreamParse) 单 callback，保持原注册顺序（onContentChange 滚动先 → scheduleStreamParse rAF 分块后）。vue-tsc EXIT 0。
+- B-260618-03 路由解耦 cost/intel 勘察完成：9 调用点（project×2/compress/knowledge_inject×2/agentic/title/ai_node/adversarial）+ router 核心（TaskRequirements 字段 + 步骤4/5 filter + 步骤7 Reverse(cost_tier)）+ 多 test。**自主裁决：记待决策作专项**（用户已全局决策去掉 cost/intel，但工程大 ~30 Edit + 主链路由行为变更需 cargo test router 全验证 + 在场核对 title/compress 选模型退化，本轮 token 不够完整推进，半途中断风险 > 暂缓）。附完整实施清单供专项续。
+- SW-260618-17 评估：**不做**。切会话清 4 Set 会破坏 UX-260616-03 记忆态设计（userExpandedCards/userCollapsedCards 跨会话保留是 feature——切回 A 恢复展开记忆），「内存慢增长」是记忆保留代价可忽略（tc.id 全局唯一无错配，描述自承认）。
+
+**代码变更**：
+- src/components/AiChat.vue（删 :2040 watch + :2047 合并 callback）
+
+**遗留问题**：
+- B-260618-03 待决策.md（专项推进，附实施清单）
+- SW-17 评估不做（破坏 UX-260616-03 记忆态）
+- sweep 剩余：SW-19（combineAndTruncateLines DRY 低价值可做）/ SW-20（parseTags DRY 签名变更中复杂度）/ SW-05/11/12/13/14（防御/确认/权衡）/ SW-08（AuditLog i18n 重构级）/ SW-09（ai_node DRY 架构级）
+
+**下一步**：
+- 推进 SW-19（纯 DRY 低风险）/ 工作区累积 21 处 commit-policy-deferred / 心跳 a096aa7f 20 分钟监测
+
+### 2026-06-18 04:12 — SW-19/20 DRY + sweep 评估销账批次（Code-Working 会话续推）
+
+**工作内容**：
+- SW-260618-19（P3 DRY）：ToolCard combineOutputs 抽函数，combineAndTruncateLines + cmdOutput computed 复用。vue-tsc EXIT 0。
+- SW-260618-20（P3 DRY）：Ideas 删本地 parseTags(IdeaRecord)，import stores/knowledge.ts parseTags，3 调用点传 .tags。vue-tsc EXIT 0。
+- sweep 评估销账 6 项：SW-05（占位内容匹配·PENDING_APPROVAL_PLACEHOLDER 集中常量有效暂缓）/ SW-11（OpenAI 图片构造·当前不可达暂缓）/ SW-12（pinned/archived 不对称·设计合理确认）/ SW-13（find_path_conflict 规范化·文档+测试守护够暂缓）/ SW-14（keyring current_dir·权衡已承认不做）/ SW-22（Knowledge 模板重复求值·影响可忽略暂缓）。
+- SW-260618-03 评估暂缓：url 模式当前不可达（前端 Phase2b 只产 base64）+ anthropic_compat 已 warn；加 commands 层校验需追 parts 全链路（IPC→ContextManager→provider）定校验点有歧义 + 误拒合法 url 风险，待 url→base64 预拉落地后变可达再加。
+
+**代码变更**：
+- src/components/ToolCard.vue（combineOutputs 抽函数 :463 + :472/:652 调用）
+- src/views/Ideas.vue（parseTags import :214 + 3 调用点传 .tags）
+
+**遗留问题**：
+- sweep 可自主低风险项已全扫净（SW-19/20 已修 + 6 项评估销账 + SW-03 评估暂缓）
+- 剩余候选：SW-08（AuditLog i18n 重构级 15+ key 可自主中工程）/ SW-01·02 P1（行为变更需确认设计意图）/ SW-04（knowledge_events query 无调用方暂缓）/ SW-09（ai_node DRY 架构级）/ B-260618-03（路由解耦待决策专项）
+
+**下一步**：
+- 勘察 SW-08 AuditLog i18n 可行性 / 工作区累积 23 处 commit-policy-deferred / 心跳 a096aa7f 20 分钟监测
+
+### 2026-06-18 04:16 — SW-08 AuditLog.vue i18n 化（Code-Working 会话续推）
+
+**工作内容**：
+- SW-260618-08（P2 重构）：AuditLog.vue 全硬编码中文 i18n 化。新建 auditLog 命名空间（en/zh-CN：title/refresh/desc/loading/empty + col×7 + pager×4 + risk×3 + status×6 + decided×2），AuditLog.vue 引入 useI18n + template 15 处文本 t() 化 + riskLabel/statusLabel/decidedLabel 改 t(`auditLog.xxx.${val}`)。class 映射保留不国际化。模式对齐 Dashboard/Knowledge/Ideas。vue-tsc EXIT 0。
+
+**代码变更**：
+- src/i18n/en/auditLog.ts + src/i18n/zh-CN/auditLog.ts（新建命名空间）
+- src/views/AuditLog.vue（useI18n + template t() + label 函数 t()）
+
+**遗留问题**：
+- sweep 可自主项已全扫净（SW-19/20 DRY + SW-08 i18n 重构均完成 + 7 项评估销账）
+- 剩余候选均非纯自主：SW-01·02 P1（行为变更需确认设计意图）/ SW-04（knowledge_events query 无调用方暂缓）/ SW-09（ai_node DRY 架构级）/ B-260618-03（路由解耦待决策专项）
+
+**下一步**：
+- 勘察 SW-09 ai_node DRY 可行性 / 工作区累积 26 处 commit-policy-deferred / 心跳 a096aa7f 20 分钟监测
+
+### 2026-06-18 04:32 — SW-09 ai_node provider 三件套 DRY（Code-Working 会话续推）
+
+**工作内容**：
+- SW-260618-09（P2 架构级 DRY）：AiNode/AiSelfReviewNode execute provider 三件套逐字重复消除。抽 2 helper：resolve_and_parse（合并 resolve_provider+parse_params）+ provider_from_params（封装 build_provider 5 行）。AiNode 9 行→2 行；SelfReview parse+build→2 调用（中间 task 读保留，p 生命周期正确）。messages/temperature 差异不抽（各节点自有）。cargo check df-nodes EXIT 0 / cargo test 82 passed 0 failed。
+
+**代码变更**：
+- crates/df-nodes/src/ai_node.rs（2 helper 新增 + 2 节点 execute 改）
+
+**遗留问题**：
+- sweep 全域可自主项已尽（SW-19/20 DRY + SW-08 i18n 重构 + SW-09 架构级 DRY 均完成 + 7 项评估销账 SW-03/05/11/12/13/14/22）
+- 剩余候选均需用户介入：SW-01·02 P1（行为变更需确认设计意图）/ SW-04（knowledge_events query 无调用方暂缓）/ B-260618-03（路由解耦待决策专项）
+
+**下一步**：
+- 可自主项已扫净，状态报告待用户 / 工作区累积 27 处 commit-policy-deferred / 心跳 a096aa7f 20 分钟监测
+
+### 2026-06-18 04:35 — UX-260618-04 前端删 cost/intel 标签（Code-Working 会话续推）
+
+**工作内容**：
+- UX-260618-04（P2）：前端删 cost/intel 瞎猜档位标签（落地用户「去掉 cost/intel」决策）。自主裁决全删（用户决策明确 + 独立于后端 B-03 路由 + grep 确认仅 2 组件引用 + 回退易）。ProviderPanel 删 tag-cost/tag-intel span；AiChat modelOptionLabel 删 intel/cost 拼接；i18n en/zh settings.ts 删 tagCost/tagIntel + 注释更新。vue-tsc EXIT 0 / grep 无残留。
+
+**代码变更**：
+- src/components/settings/ProviderPanel.vue + src/components/AiChat.vue
+- src/i18n/en/settings.ts + src/i18n/zh-CN/settings.ts
+
+**遗留问题**：
+- ModelConfig.cost_tier/.intelligence 字段保留（后端 B-260618-03 解耦后清）
+- sweep + UX 可自主项已尽，剩余均需用户：SW-01·02 P1（行为变更）/ SW-04（无调用方暂缓）/ F-260616-09（架构级立项）/ B-260618-03（待决策专项）
+
+**下一步**：
+- 可自主项已扫净，状态报告待用户 / 工作区累积 31 处 commit-policy-deferred / 心跳 a096aa7f 20 分钟监测
+
+### 2026-06-18 06:50 — workflow 6项编码批·router解耦+model_probe+executor TOCTOU+审批占位+knowledge_events+CostTier(workflow wexu1isx1·6 agent·主代核查)
+
+**工作内容**：
+- 用户回归复盘彻夜低产(串行手改+过度保守+心跳空转 1.5h),改 workflow 编排提速
+- workflow wexu1isx1 6 agent(10.7 分钟·294k tokens):B-03 router 解耦 cost/intel / B-04 model_probe 去瞎填 / SW-01 executor TOCTOU / SW-02 审批占位终态化 / SW-04 knowledge_events query / B-05 CostTier Free 清理
+- 主代审查防污染核查:cargo check --workspace EXIT 0(5 pre-existing warning) + cargo test df-ai 109/df-ai-core 24/df-workflow 23/df-storage 全 passed + vue-tsc EXIT 0
+- **主代修 agent E0502 借用冲突**:SW-02 helper finalize_pending_placeholders 签名(&mut ContextManager, &HashMap, &str) 函数参数列表 disjoint borrow 冲突(agent riskNote 预判"应无问题"错误)→ 改 &mut AiSession 整体(函数体内 disjoint borrow 合法)+ 调用点 &mut *session(DerefMut 解 guard)。印证:agent 不跑 cargo 的 riskNote 是猜测,主代 cargo 必验(同 Sprint 22 教训)
+- 主代补 B-05 前端同步:types.ts CostTier 删 'free' 对齐 Rust(防类型不一致 + DB "free" 反序列化边界)
+
+**代码变更**：
+- df-ai: router.rs(struct 删 min_intelligence/max_cost + select 删步骤4/5 + max_by_key 纯 weight 删 Reverse + test 改写) / model_probe.rs(heuristic_infer 中性默认 Medium/Standard) / presets/models.json(17 条删 cost_tier/intelligence)
+- df-ai-core: model.rs(CostTier 删 Free + 注释 + test 同步)
+- df-workflow: executor.rs(Ok 分支 emit NodeCompleted 移入 !is_cancelled + 取消 emit NodeCancelled 对齐 Err)
+- df-storage: crud.rs(KnowledgeEventsRepo::list_recent ORDER BY timestamp 兜底)
+- src-tauri: commands/ai/commands.rs(finalize_pending_placeholders helper + 5 处 .clear() 前终态化,主代修借用) + title/compress/knowledge_inject/agentic/project.rs(删 TaskRequirements min_intelligence/max_cost 传参 + import 清理)
+- df-nodes: ai_node.rs / df-ideas: adversarial.rs(同删传参) / 前端: api/types.ts(CostTier 删 'free')
+
+**遗留问题**：
+- 1. B-03 行为变更:title/compress 纯 weight 选模型,同 weight 并列 max_by_key 返回最后一个(rust Iterator 语义),需用户核对 Settings weight 配置(用户已全局决策接受)
+- 2. SW-02 另 2 处 pending_approvals.retain(switch/delete)未改:语义不同(switch DB 占位残留需另案修持久层;delete 非活跃对话占位不在 session.messages 内存)。agent riskNote 标注建议另开任务
+
+**下一步**：
+- 工作区累积 37 处 commit-policy-deferred(等架构级重构建基线)
+- 待审查 CR-260618-10 交审查会话独立 grep 核验
+
+### 2026-06-18 — workflow CR-260618-11 审查回流 5 项低风险编码(workflow w999qdu86·3 agent·主代核查)
+
+**工作内容**：
+- workflow w999qdu86 3 agent(1.7 分钟·83k tokens):BUG-260618-11 ai_approve 吞错修(P0) + CR-11#2 context.rs chars_ratio 注释 + CR-11#3 types.ts IntelligenceTier 注释 + CR-11#4 system role 完备性 grep 核验 + CR-11#5 audit.rs find_cached 性能注记
+- 文件域零冲突(src-tauri/commands/ai · df-ai/context.rs · 前端 types.ts),agent 不跑 cargo 主代统一验证
+- 主代审查防污染核查:cargo check --workspace EXIT 0(4 pre-existing dead_code warning)+ vue-tsc EXIT 0 + 独立 grep 印证 agent selfCheck 无污染
+
+**代码变更**：
+- src-tauri/commands/ai/commands.rs(:289-303 ai_approve None 分支 match 三路分流对齐 audit_finalize,原 unwrap_or_default 消)
+- src-tauri/commands/ai/audit.rs(:402 find_cached_high_risk_result 性能注记)
+- crates/df-ai/src/context.rs(:56 chars_ratio 0.35 注释,值未变)
+- src/api/types.ts(:209 IntelligenceTier 注释)
+
+**遗留问题**：
+- 1. BUG-11 行为变更:DB 故障现返明确错误(原误为「未找到挂起」),同属 Err 分支语义不变
+- 2. CR-11#2 chars_ratio 降值(0.10~0.15)属行为变更影响裁剪边界,本次仅标注未做
+- 3. CR-11#5 find_cached 批量预取属架构改签名,本次仅加注记未做
+
+**下一步**：
+- 剩余 11 项需用户/架构级定夺(F-09 多会话/T-01·02 实测/S-01·02 澄清/ARC-07 排期/UX-12 二选一/B-260617-11·17 意图+运行时),workflow 推不动,交用户
+
+### 2026-06-18 — workflow ToolCard.vue 工具结果渲染 8 项(workflow w2drz3ppo·8 agent 并行核验+主代统筹实施·commit-policy-deferred)
+
+**工作内容**：
+- workflow w2drz3ppo 8 agent(5.1 分钟·301k tokens·132 tool_uses):并行核验 8 工具(run_workflow/patch_file/delete_file/read_file/advance_task/list_trash/list_directory/list_*)后端 tool_registry.rs 返回 vs 前端 ToolCard.vue 渲染,8/8 isReal=true,每份产出精确 old/new 实施清单 + selfCheck grep 证据
+- 主代统筹实施(单文件域 ToolCard.vue 不能并行改):合并冲突(UX-10 被 UX-12 吸收)+ 修死代码位置(write_file 改模板分支非 formatToolResult case)+ type 13 字段去重合并 + 补 task_id 漏列
+- 主代审查防污染核查:vue-tsc --noEmit EXIT 0 + 独立 grep 印证 ToolCard.vue 22 处新字段 + i18n 18 处新 key 全落地
+
+**代码变更**：
+- src/components/ToolCard.vue:ToolResult type 补 13 字段(task_id/execution_id/target_status/note/diff/matches_found/backup_path/returned_lines/items/modified/old_size/encoding/cross_volume)+ 模板 read_file has_more 截断 / list_directory truncated / write_file old_size·encoding / 新增 patch_file diff 分支 + resultDiffLines computed + formatToolResult switch(run_workflow/list_*/advance_task/delete_file/rename_file)+ toolResultSummary switch(run_workflow/list_*重写修误判+list_trash/advance_task/delete_file/rename_file)+ formatFileInfoResult modified
+- src/i18n/{en,zh-CN}/aiTool.ts:加 workflowTriggered/Short/patchedMatches/bytesUnit/linesTruncated/dirTruncated/advancedTaskWithRounds/trashCount/listHasMore/renamedWithBytes/CrossVolume/writeOverwrite/encodingLabel/fileInfoModified + 改 deleteFileSoft 加 backup_path
+
+**遗留问题**：
+- 1. list_directory/list_* 截断文案硬编码 {n:1000}(对齐后端 tool_registry.rs:880 max_entries=1000),后端变更需同步前端
+- 2. list_directory 的 ai-tool-file-meta--warn CSS class 未定义(功能 v-if 生效,样式可后续补)
+- 3. 本批 vue-tsc 类型层验证通过,运行时渲染待 T-260614-01 tauri dev 实测批
+
+**下一步**：
+- 待审查 CR-260618-12 交审查会话独立 grep 核验
+- 工作区累积 45 处 commit-policy-deferred(等架构级重构建基线)
+- 剩余需用户项同 CR-11 段(11 项 workflow 推不动)
+
+### 2026-06-18 — workflow SMELL-P0-1 吞错降级加 warn + B-260618-06 表格 CSS(workflow w5siwnipj·6 agent 并行核验+主代统筹实施·commit-policy-deferred)
+
+**工作内容**：
+- workflow w5siwnipj 6 agent(135s·190k tokens·62 tool_uses):并行核验 SMELL-P0-1 吞错 5 高危(agentic/knowledge_inject×3/idea/audit)+ B-260618-06 表格 CSS + coordinator 空壳,产出 currentCode/callers/verdict/fixType/proposedFix/behaviorChange/risk/selfCheck 结构化清单
+- 主代统筹裁决:4 项实施(降级加 warn 类无行为变更 + CSS 确定性)+ 2 项 no-action(audit 误报 CR-11 已修 / coordinator 已标注保留)
+- 主代审查防污染核查:独立 Read ai-md.css/knowledge_inject.rs/idea.rs 印证 agent selfCheck 6/6 准确,cargo check -p devflow EXIT 0 + vue-tsc EXIT 0
+
+**代码变更**：
+- B-260618-06:src/styles/ai-md.css:59 移除 display:block/overflow-x:auto(width:100%→max-width:100%)+ src/components/AiChat.vue:3366 移除 display:block/width:max-content/overflow-x:auto,table 留 max-width:100%,气泡加 .ai-msg-bubble--ai.ai-md { overflow-x:auto }(CSS spec table-display 下 overflow 须由 block 父容器承担)
+- SMELL-P0-1:agentic.rs:348(provider 池)+ knowledge_inject.rs:130,139,312(检索/消息解析)+ idea.rs:292-296(tags 解析)unwrap_or_default → match + tracing::warn 降级,Err 返空 Vec 走原降级路径零行为变更
+
+**遗留问题**：
+- 1. SMELL-P0-1 audit.rs:344 误报(audit_finalize CR-11 已修三路 match),todo line 漂移+旧版本,workflow 独立核验拦截
+- 2. 全局 ai-md.css 移除 display:block 后其他引用页(ProjectDetail/Ideas/Knowledge/TaskDetail)宽表格滚动需各自容器,当前仅 AiChat 气泡补 overflow,其他页 markdown 少宽表可接受
+- 3. SMELL-P0-1 58 处全量降 P2(5 高危已清,余低危非紧急)
+
+**下一步**：
+- 待审查 CR-260618-13 交审查会话独立 grep 核验
+- 工作区累积 commit-policy-deferred 项 +5(等架构级基线)
+- 剩余需用户项同前(11 项 workflow 推不动)
+
 <!--
 
 ### [Sprint N] YYYY-MM-DD — 简述

apps/df-miniapp/index.html

@@ -0,0 +1,21 @@
+<!DOCTYPE html>
+<html lang="zh-CN">
+  <head>
+    <meta charset="UTF-8" />
+    <meta http-equiv="X-UA-Compatible" content="IE=edge" />
+    <meta name="viewport" content="width=device-width,initial-scale=1.0,maximum-scale=1.0,minimum-scale=1.0,user-scalable=no" />
+    <title>DevFlow Mini</title>
+    <script>
+      document.addEventListener('DOMContentLoaded', function () {
+        document.documentElement.style.fontSize = window.innerWidth / 20 + 'px'
+      })
+    </script>
+    <link rel="stylesheet" href="<%= BASE_URL %>static/index.<%= VUE_APP_INDEX_CSS_HASH %>.css" />
+  </head>
+  <body>
+    <noscript>
+      <strong>本应用需 JavaScript 启用。</strong>
+    </noscript>
+    <div id="app"></div>
+  </body>
+</html>

apps/df-miniapp/package.json

@@ -0,0 +1,35 @@
+{
+  "name": "df-miniapp",
+  "version": "0.1.0",
+  "description": "DevFlow 微信小程序(uni-app Vue3)—— 远程 AI Chat 操作桌面端",
+  "private": true,
+  "scripts": {
+    "dev:h5": "uni",
+    "dev:mp-weixin": "uni -p mp-weixin",
+    "build:h5": "uni build",
+    "build:mp-weixin": "uni build -p mp-weixin",
+    "type-check": "vue-tsc --noEmit"
+  },
+  "dependencies": {
+    "@dcloudio/uni-app": "3.0.0-alpha-4080720251125001",
+    "@dcloudio/uni-components": "3.0.0-alpha-4080720251125001",
+    "@dcloudio/uni-h5": "3.0.0-alpha-4080720251125001",
+    "@dcloudio/uni-mp-weixin": "3.0.0-alpha-4080720251125001",
+    "marked": "^18.0.5",
+    "vue": "^3.4.0",
+    "vue-i18n": "^9.0.0"
+  },
+  "devDependencies": {
+    "@dcloudio/types": "^3.4.0",
+    "@dcloudio/uni-automator": "3.0.0-alpha-4080720251125001",
+    "@dcloudio/uni-cli-shared": "3.0.0-alpha-4080720251125001",
+    "@dcloudio/vite-plugin-uni": "3.0.0-alpha-4080720251125001",
+    "@types/node": "^20.0.0",
+    "@vue/runtime-core": "^3.4.0",
+    "@vue/tsconfig": "^0.5.0",
+    "sass": "^1.70.0",
+    "typescript": "^5.3.0",
+    "vite": "^5.2.8",
+    "vue-tsc": "^2.0.0"
+  }
+}

apps/df-miniapp/src/App.vue

@@ -0,0 +1,31 @@
+<script setup lang="ts">
+import { onLaunch, onShow, onHide } from '@dcloudio/uni-app'
+import { useAiChat } from '@/composables/useAiChat'
+
+// 应用启动:连接 relay。useAiChat 单例管理 WS 生命周期 + 状态。
+const aiChat = useAiChat()
+
+onLaunch(() => {
+  console.log('[DevFlow Mini] 应用启动')
+  aiChat.connect()
+})
+
+onShow(() => {
+  // 切回前台:重启心跳/重连 + 恢复流式看门狗(P1-9/P1-10)
+  aiChat.resumeBackground()
+})
+
+onHide(() => {
+  // 切后台:停心跳 + 流式看门狗,防后台定时器节流触发写状态(P1-9/P1-10)
+  console.log('[DevFlow Mini] 应用进入后台')
+  aiChat.pauseBackground()
+})
+</script>
+
+<style lang="scss">
+page {
+  background-color: $uni-bg-color;
+  color: $uni-text-color;
+  font-size: $uni-font-size-base;
+}
+</style>

apps/df-miniapp/src/api/ws.ts

@@ -0,0 +1,586 @@
+/**
+ * df-relay WS 客户端(uni-app 跨端适配)
+ *
+ * 协议(对齐 crates/df-relay/src/relay.rs handle_connection):
+ * 1. 建立 WS 连接到 `/ws/miniapp`
+ * 2. 首帧发 Hello{kind:'miniapp', device_id, token} 身份宣告(relay.rs:197-208,10s 超时)
+ * 3. 校验通过后进入收发循环;失败 relay 发 Error 帧 + Close
+ *
+ * 跨端适配:
+ * - 微信小程序:uni.connectSocket(微信原生 API,非浏览器 WebSocket)
+ * - H5:uni.connectSocket 封装浏览器 WebSocket
+ * - 统一经 uni API 封装,业务层不直接 new WebSocket
+ *
+ * 连接生命周期(P0/P1 审计后重构,根本性,非补丁):
+ * - 所有"建连"经 reconnectNow() 幂等入口:clear 退避 timer + cleanup + openSocket
+ *   connect()/resumeIfDisconnected()/scheduleReconnect 回调全部经此,杜绝双连竞态 + socket 泄漏
+ * - openSocket() 幂等:首行 destroySocket 残留 socket,保证 this.socket 引用唯一
+ * - destroySocket(task):显式注销 onOpen/onMessage/onClose/onError(覆盖空函数,微信无 offXxx)
+ *   + close,防旧 socket 闭包回调污染新连接(单例 this 句柄被多 socket 捕获)
+ * - cleanup() 彻底化:destroySocket + 停心跳 + 清所有 timer + 清 pendingQueue
+ *   清队列防跨连接/跨会话陈旧命令补发(旧命令上下文已失效)
+ * - 超时三重兜底:连接超时(onOpen 未到)/握手超时(hello_ack 丢失,>relay 10s)/
+ *   onError 兜底(微信 socket onError 不保证 onClose 跟随,DNS/TLS/域名未加白场景)
+ * - 心跳活性检测:lastInboundAt + 2x 间隔判定半开死连接(NAT 超时/网络切换)
+ * - pendingQueue 上限 + TTL:防握手永卡时无限堆积内存泄漏
+ *
+ * 重连:指数退避(baseDelay * 2^min(n,6),封顶 maxDelay,带随机抖动)
+ * 心跳:固定间隔发 ControlMessage{control_kind:'ping'},防空闲断开 + 在线状态
+ * JSON 透传:入站解析为 BroadcastMessage,payload 是 AiChatEvent JSON
+ *           出站直接发 Command JSON(relay 自动包 payload,见 relay.rs:332-365)
+ */
+
+import { getConfig } from '@/config'
+import type { BroadcastMessage, Hello, MiniCommand, ControlMessage } from '@/types/relay'
+
+/** WS 连接状态 */
+export type WsStatus = 'disconnected' | 'connecting' | 'connected' | 'handshaking' | 'reconnecting'
+
+/** 入站事件回调(Event/Control 消息分派) */
+export interface WsHandlers {
+  /** 收到 Event 消息(payload 已解为 AiChatEvent JSON,业务层按 type discriminator 处理) */
+  onEvent: (msg: BroadcastMessage) => void
+  /** 收到 Control 消息(心跳响应 / 在线状态等) */
+  onControl: (msg: ControlMessage) => void
+  /** 状态变更(连接 / 断开 / 重连中) */
+  onStatus: (status: WsStatus, detail?: string) => void
+}
+
+/** pendingQueue 带入队时间戳,flush 时按 TTL 丢弃陈旧命令 */
+interface QueuedCmd {
+  cmd: MiniCommand
+  ts: number
+}
+
+/** 握手超时(>relay.rs:321 服务端 10s,留余量) */
+const HANDSHAKE_TIMEOUT_MS = 12000
+/** 连接超时(openSocket 后 onOpen 未到则重连;治 onError 不触发 onClose 场景) */
+const CONNECT_TIMEOUT_MS = 8000
+/** pendingQueue 上限(防握手永卡时无限堆积内存泄漏) */
+const PENDING_MAX = 50
+/** pendingQueue 单条 TTL(flush 时超时丢弃,防跨连接陈旧命令补发) */
+const PENDING_TTL_MS = 60000
+/** 心跳活性判定因子:超过 N 倍心跳间隔无入站消息判半开死连接 */
+const HEARTBEAT_DEAD_FACTOR = 2
+/** 最大重连次数(永久性故障如 relayHost 错/中继下线,停止无限退避,提示用户检查) */
+const MAX_RECONNECT_ATTEMPTS = 20
+
+/**
+ * WS 客户端单例(miniapp 全局一个连接)
+ *
+ * 设计:单 socket + 单 handlers 回调集合(composable 订阅,业务层不直接持 socket)。
+ * 握手/心跳/重连机制内部封装,业务层仅关心 send(Command) + onEvent。
+ */
+class WsClient {
+  private socket: UniApp.SocketTask | null = null
+  private handlers: WsHandlers | null = null
+  private status: WsStatus = 'disconnected'
+  /** 握手是否已完成(收到首个广播或握手成功信号) */
+  private handshaked = false
+  private heartbeatTimer: ReturnType<typeof setInterval> | null = null
+  private reconnectTimer: ReturnType<typeof setTimeout> | null = null
+  /** 握手超时定时器(handleOpen 发 Hello 后启,收 hello_ack 后清) */
+  private handshakeTimer: ReturnType<typeof setTimeout> | null = null
+  /** 连接超时定时器(openSocket 启,onOpen 到达后清) */
+  private connectTimer: ReturnType<typeof setTimeout> | null = null
+  private reconnectAttempts = 0
+  /** 主动关闭标志(用户调用 disconnect 时置 true,不再触发重连) */
+  private manualClose = false
+  /**
+   * 握手完成前积压的命令队列(send 在 !handshaked 时不丢弃,入队等 hello_ack 后补发)。
+   * 治「握手成功到首帧竞态丢命令」:握手刚翻 true 时 relay 设备路由表可能未就绪,
+   * 业务层快速重发会被 send 守卫放行后静默丢失;入队保证握手稳定后顺序补发。
+   * 带时间戳 + 上限 + TTL,防握手永卡时无限堆积(见 PENDING_MAX/PENDING_TTL_MS)。
+   */
+  private pendingQueue: QueuedCmd[] = []
+  /** 最后入站消息时间戳(心跳活性检测,relay 无 pong 故用任意入站消息替代) */
+  private lastInboundAt = 0
+
+  /** 订阅(单订阅,composable 注册一次) */
+  subscribe(h: WsHandlers): void {
+    this.handlers = h
+  }
+
+  /** 读取当前状态 */
+  getStatus(): WsStatus {
+    return this.status
+  }
+
+  /** 主动连接 */
+  connect(): void {
+    if (this.status === 'connected' || this.status === 'connecting' || this.status === 'handshaking') {
+      return
+    }
+    this.manualClose = false
+    // 用户主动连接复位重连计数(可与达上限后的自动退避区分,允许手动重试)
+    this.reconnectAttempts = 0
+    // 统一经 reconnectNow(幂等 clear timer + cleanup + openSocket),杜绝 reconnecting 态双连
+    this.reconnectNow()
+  }
+
+  /** 主动断开(用户手动,不重连) */
+  disconnect(): void {
+    this.manualClose = true
+    this.reconnectAttempts = 0
+    // cleanup 内部清 pendingQueue + 注销 socket + 清所有 timer
+    this.cleanup()
+    this.setStatus('disconnected', 'manual close')
+  }
+
+  /**
+   * 若已断开或正在退避重连则立即重连(onShow 时调用,小程序后台回前台)。
+   *
+   * 覆盖 `disconnected` 与 `reconnecting` 两种态:
+   * - disconnected:onClose 已触发,直接重连;
+   * - reconnecting:退避计时未到,抢占退避立即重连(治「切后台回前台卡在 reconnecting」头号症状)。
+   *
+   * 统一经 reconnectNow(幂等清理),保证抢占时不残留旧 socket/timer。
+   */
+  resumeIfDisconnected(): void {
+    if (this.manualClose) return
+    if (this.status === 'disconnected' || this.status === 'reconnecting') {
+      // 用户触发的立即重连(onShow 抢占退避)复位计数,允许达上限后手动恢复
+      this.reconnectAttempts = 0
+      this.reconnectNow()
+    }
+  }
+
+  /**
+   * 暂停后台定时器(小程序 onHide 调,P1-9):停心跳 setInterval。
+   *
+   * 微信后台定时器节流但仍触发,心跳持续发 ping 浪费 + 后台无入站致半开检测误判。
+   * 不 disconnect(disconnect 清队列 + manualClose,不适合后台暂离),仅停心跳保留连接。
+   * 重连 setTimeout 若后台断连触发,单次非循环,影响可接受(MVP 不暂停)。
+   */
+  pauseBackground(): void {
+    this.stopHeartbeat()
+  }
+
+  /**
+   * 恢复前台(小程序 onShow 调):连接在则重启心跳,断则重连。
+   */
+  resumeBackground(): void {
+    if (this.status === 'connected' && this.handshaked) {
+      this.startHeartbeat()
+    } else {
+      this.resumeIfDisconnected()
+    }
+  }
+
+  /**
+   * 发送 Command(miniapp → device)
+   *
+   * 不包装 BroadcastMessage —— relay.rs:332-365 入站文本帧直接当 payload 包成
+   * BroadcastMessage(device_id/kind/source/from 由 relay 填),故客户端仅发业务 JSON。
+   */
+  send(cmd: MiniCommand): boolean {
+    console.log('[dbg:ws] send', cmd.cmd, 'socket=', !!this.socket, 'handshaked=', this.handshaked)
+    if (!this.socket || !this.handshaked) {
+      // 握手未完成不丢弃,入队待 hello_ack 后补发(治握手成功到首帧竞态丢命令)。
+      // 仅在未主动断开(manualClose=false)且连接尚有恢复预期时入队,
+      // 否则(manualClose=true / 长期 disconnected)不堆积陈旧命令。
+      if (this.manualClose) {
+        console.warn('[WsClient] 已主动断开,丢弃命令', cmd.cmd)
+        return false
+      }
+      this.enqueuePending(cmd)
+      return false
+    }
+    try {
+      const text = JSON.stringify(cmd)
+      this.socket.send({ data: text })
+      return true
+    } catch (e) {
+      console.error('[WsClient] send 失败', e)
+      return false
+    }
+  }
+
+  /** 入队(带上限 + 时间戳,TTL 丢弃见 flushPendingQueue) */
+  private enqueuePending(cmd: MiniCommand): void {
+    if (this.pendingQueue.length >= PENDING_MAX) {
+      // 超上限丢弃最旧,防握手永卡时无限堆积内存泄漏
+      this.pendingQueue.shift()
+      console.warn('[WsClient] pendingQueue 超上限,丢弃最旧命令')
+    }
+    this.pendingQueue.push({ cmd, ts: Date.now() })
+    console.log('[WsClient] 握手未完成,命令入队待补发', cmd.cmd, 'queue=', this.pendingQueue.length)
+  }
+
+  /**
+   * 补发握手期间积压的命令队列(收到 hello_ack 后调)。
+   *
+   * list_conversations 已由握手逻辑自己发(不进队列),此处仅补发业务 send 积压。
+   * 补发前置 handshaked=true,send 守卫放行,逐条直发 socket。
+   * TTL 丢弃:入队超 PENDING_TTL_MS 的视为陈旧(上下文已失效),不补发。
+   */
+  private flushPendingQueue(): void {
+    if (this.pendingQueue.length === 0) return
+    const now = Date.now()
+    console.log('[WsClient] 补发握手积压命令', this.pendingQueue.length)
+    while (this.pendingQueue.length > 0) {
+      const item = this.pendingQueue.shift()!
+      if (now - item.ts > PENDING_TTL_MS) {
+        console.warn('[WsClient] 补发时丢弃超时陈旧命令', item.cmd.cmd)
+        continue
+      }
+      try {
+        if (this.socket) {
+          this.socket.send({ data: JSON.stringify(item.cmd) })
+        }
+      } catch (e) {
+        console.error('[WsClient] 补发命令失败', item.cmd.cmd, e)
+      }
+    }
+  }
+
+  // ─── 连接生命周期(统一入口 + 幂等清理) ───────────────────
+
+  /**
+   * 幂等立即建连入口(clear 退避 timer + cleanup + openSocket)。
+   *
+   * 所有需要"立即开新连接"的路径(connect/resumeIfDisconnected/scheduleReconnect 回调)
+   * 统一经此,保证:
+   * - 不残留挂起的 reconnectTimer(防退避 timer 与 openSocket 双触发建两个 socket);
+   * - 旧 socket 被 cleanup 注销+关闭(防 this.socket 引用覆盖后句柄泄漏);
+   * - pendingQueue 被清(防跨连接/跨会话陈旧命令补发)。
+   */
+  private reconnectNow(): void {
+    if (this.reconnectTimer) {
+      clearTimeout(this.reconnectTimer)
+      this.reconnectTimer = null
+    }
+    this.cleanup()
+    this.openSocket()
+  }
+
+  private openSocket(): void {
+    // 幂等:残留 socket 先注销+关闭(reconnectNow 已 cleanup,此为双保险)
+    if (this.socket) {
+      this.destroySocket(this.socket)
+      this.socket = null
+    }
+    const cfg = getConfig()
+    this.setStatus('connecting')
+    console.log('[WsClient] 连接', cfg.relayHost)
+
+    let task: UniApp.SocketTask
+    try {
+      task = uni.connectSocket({
+        url: cfg.relayHost,
+        complete: () => {
+          // complete 回调在 uni-app 仅表示"任务创建完成",非连接完成(onOpen 才是)
+        },
+      })
+    } catch (e) {
+      console.error('[WsClient] connectSocket 异常', e)
+      this.scheduleReconnect()
+      return
+    }
+    this.socket = task
+
+    task.onOpen(() => this.handleOpen())
+    task.onMessage((res) => this.handleMessage(res))
+    task.onClose((res) => this.handleClose(res))
+    task.onError((res) => this.handleError(res))
+
+    // 连接超时:onOpen 未到则重连(治 onError 不触发 onClose 的场景:
+    // DNS 解析失败/TLS 握手失败/relayHost 不可达/wss 域名未加白名单)
+    this.connectTimer = setTimeout(() => {
+      this.connectTimer = null
+      if (this.status === 'connecting') {
+        console.warn('[WsClient] 连接超时,onOpen 未到,重连')
+        this.cleanup()
+        this.scheduleReconnect()
+      }
+    }, CONNECT_TIMEOUT_MS)
+  }
+
+  /** WS 已建立连接 → 立即发 Hello 握手帧 + 启握手超时 */
+  private handleOpen(): void {
+    // onOpen 到达,取消连接超时
+    if (this.connectTimer) {
+      clearTimeout(this.connectTimer)
+      this.connectTimer = null
+    }
+    this.setStatus('handshaking')
+    const cfg = getConfig()
+    const hello: Hello = {
+      kind: 'miniapp',
+      device_id: cfg.deviceId,
+      token: cfg.token,
+    }
+    try {
+      this.socket?.send({ data: JSON.stringify(hello) })
+    } catch (e) {
+      console.error('[WsClient] 发送 Hello 失败', e)
+      // 失败先 cleanup(关坏 socket + 清监听器)再退避,与 handleHandshakeResponse 失败路径对齐
+      this.cleanup()
+      this.scheduleReconnect()
+      return
+    }
+    // 握手超时:hello_ack 丢失(网络抖动/relay send_text 失败吞错 relay.rs:253-257)则重连。
+    // >relay.rs:321 服务端 10s,留余量。握手成功/失败时 handleHandshakeResponse 会清此 timer。
+    this.handshakeTimer = setTimeout(() => {
+      this.handshakeTimer = null
+      if (!this.handshaked) {
+        console.warn('[WsClient] 握手超时,hello_ack 未收到,重连')
+        this.cleanup()
+        this.scheduleReconnect()
+      }
+    }, HANDSHAKE_TIMEOUT_MS)
+  }
+
+  /** 入站消息分派:握手阶段首帧=控制(握手成功/失败),握手后=BroadcastMessage */
+  private handleMessage(res: { data: string | ArrayBuffer }): void {
+    // 协议纯 JSON 文本帧(relay 发文本),ArrayBuffer 非预期 —— 加 warn 可观测
+    // (防二进制帧静默丢弃致握手期 hello_ack 被吃却无日志)
+    if (typeof res.data !== 'string') {
+      console.warn('[WsClient] 收到非预期二进制帧,丢弃', (res.data as ArrayBuffer).byteLength)
+      return
+    }
+    const text = res.data
+    if (!text) return
+    // 活性:任意入站帧更新(relay 无 pong,用心跳期间入站消息替代判活)
+    this.lastInboundAt = Date.now()
+
+    // 握手阶段可能收到 relay 发的错误控制帧(relay.rs:200-238)
+    if (!this.handshaked) {
+      this.handleHandshakeResponse(text)
+      return
+    }
+
+    // 解析 BroadcastMessage(device 事件经 relay 包成完整 BroadcastMessage 下发)
+    let msg: BroadcastMessage
+    try {
+      msg = JSON.parse(text) as BroadcastMessage
+    } catch (e) {
+      console.warn('[WsClient] 入站消息 JSON 解析失败', e, text.slice(0, 200))
+      return
+    }
+
+    // 按 kind 分派:Event → 业务层;Control → 心跳响应等
+    if (msg.kind === 'event') {
+      this.handlers?.onEvent(msg)
+    } else if (msg.kind === 'control') {
+      this.handlers?.onControl(msg.payload as ControlMessage)
+    }
+    // command 是 device→miniapp 反向(不应在此端收到,忽略)
+  }
+
+  /** 处理握手响应(relay 发 hello_ack 显式 ack;失败时发 error 帧 + 关连接) */
+  private handleHandshakeResponse(text: string): void {
+    // 结构化解析(优先):对齐 relay.rs:255 实发 hello_ack 字面量
+    //   成功:{"kind":"control","payload":{"control_kind":"hello_ack"}}
+    //   失败:{"kind":"control","error":"handshake_failed|kind_mismatch|auth_failed"} (relay.rs:200-238)
+    //   注:hello_ack 的 control_kind 在 payload 内(与 error 顶层字段结构不同,须分别判)。
+    let parsedOk = false
+    let parsed: { kind?: string; error?: string; payload?: { control_kind?: string } } | null = null
+    try {
+      parsed = JSON.parse(text) as { kind?: string; error?: string; payload?: { control_kind?: string } }
+      parsedOk = true
+    } catch (e) {
+      // JSON.parse 失败:降级回旧 includes 兜底,保证非 JSON 帧不误判
+      console.warn('[WsClient] 握手响应 JSON 解析失败,降级 includes 兜底', e, text.slice(0, 200))
+    }
+
+    if (parsedOk && parsed) {
+      // 显式 error 字段存在即握手失败(对齐 relay.rs:203/220/233 error 顶层字段)
+      if (parsed.error !== undefined) {
+        console.error('[WsClient] 握手失败', parsed.error, text)
+        this.setStatus('disconnected', `handshake failed: ${parsed.error}`)
+        this.clearHandshakeTimer()
+        // 握手失败不重连(token 错则重连也错),等用户修配置后手动 connect
+        this.cleanup()
+        return
+      }
+      // 显式 ack 信号:kind==='control' 且 payload.control_kind==='hello_ack'
+      // (对齐 relay.rs:255 实发字面量;ControlMessage 枚举未含 hello_ack 故不强转类型)
+      if (parsed.kind === 'control' && parsed.payload?.control_kind === 'hello_ack') {
+        this.clearHandshakeTimer()
+        this.handshaked = true
+        this.reconnectAttempts = 0
+        this.setStatus('connected')
+        this.startHeartbeat()
+        // F-#95:握手成功后立即发 list_conversations —— device 在线探测 + 首屏会话列表同步。
+        // device 在线则 route_list_conversations 推回 AiConversationList(useAiChat 置 deviceOnline=true);
+        // device 离线则无响应,文案保持「已连接中继」诚实表述。
+        // 此时 handshaked=true,send 守卫放行;relay 纯透传入站文本帧作 payload。
+        this.send({ cmd: 'list_conversations', args: {} })
+        // 补发握手期间积压的业务命令(治握手成功到首帧竞态丢命令)
+        this.flushPendingQueue()
+        // hello_ack 是纯控制帧无业务 payload,无需转 handleMessage 处理
+        return
+      }
+      // 解析成功但既非 error 也非 hello_ack:异常帧,丢弃等下一条(保守不误判握手通过)
+      console.warn('[WsClient] 握手阶段收到非 ack/error 控制帧,丢弃', text.slice(0, 200))
+      return
+    }
+
+    // 降级兜底(JSON.parse 失败走此分支):保留旧 includes 判定,防协议演进/非 JSON 帧
+    if (text.includes('"error"')) {
+      console.error('[WsClient] 握手失败(includes 兜底)', text)
+      this.setStatus('disconnected', `handshake failed: ${text}`)
+      this.clearHandshakeTimer()
+      this.cleanup()
+      return
+    }
+    // 兜底:非错误消息视为握手通过(覆盖旧实现行为,防解析失败的 hello_ack 帧)
+    this.clearHandshakeTimer()
+    this.handshaked = true
+    this.reconnectAttempts = 0
+    this.setStatus('connected')
+    this.startHeartbeat()
+    this.send({ cmd: 'list_conversations', args: {} })
+    // 补发握手期间积压的业务命令(降级兜底路径同样补发)
+    this.flushPendingQueue()
+    this.handleMessage({ data: text })
+  }
+
+  private handleClose(res: { code: number; reason: string }): void {
+    console.log('[WsClient] 连接关闭', res.code, res.reason)
+    this.cleanup()
+    if (!this.manualClose) {
+      this.scheduleReconnect()
+    } else {
+      this.setStatus('disconnected', 'manual close')
+    }
+  }
+
+  private handleError(res: { errMsg: string }): void {
+    console.error('[WsClient] socket 错误', res.errMsg)
+    // 微信 socket onError 不保证 onClose 跟随(DNS/TLS 失败/域名未加白名单/onOpen 也不触发)。
+    // 若尚在 connecting/handshaking(未进过 connected),主动兜底重连,防永卡。
+    // connected 态的半开死连接由心跳活性检测(P1-2)兜底,此处不重连(可能 onClose 随后跟随)。
+    if (this.status === 'connecting' || this.status === 'handshaking') {
+      this.cleanup()
+      this.scheduleReconnect()
+    }
+  }
+
+  /** 启动心跳(固定间隔发 ControlMessage{control_kind:'heartbeat'} + 半开死连接检测) */
+  private startHeartbeat(): void {
+    this.stopHeartbeat()
+    const cfg = getConfig()
+    // 连接成功初始化活性时间(首次心跳检查不立即判死)
+    this.lastInboundAt = Date.now()
+    this.heartbeatTimer = setInterval(() => {
+      // 死连接检测:NAT 超时/网络切换致 TCP 半开(onClose 不触发,socket 仍 open)。
+      // relay 无 pong,用「任意入站消息」更新 lastInboundAt;超过 N 倍间隔无入站判死,主动重连。
+      const now = Date.now()
+      if (now - this.lastInboundAt > cfg.heartbeatInterval * HEARTBEAT_DEAD_FACTOR) {
+        console.warn('[WsClient] 心跳活性检测:连接疑似半开死连接,主动重连')
+        this.cleanup()
+        this.scheduleReconnect()
+        return
+      }
+      const ping: ControlMessage = { control_kind: 'ping' }
+      // 直接发 ControlMessage JSON(relay 透传,device 可回 pong)
+      try {
+        this.socket?.send({ data: JSON.stringify(ping) })
+      } catch (e) {
+        console.warn('[WsClient] 心跳发送失败', e)
+      }
+      // 注:cfg.heartbeatInterval 读但不显式用(已通过 setInterval 传入),保 cfg 引用
+      void cfg
+    }, cfg.heartbeatInterval)
+  }
+
+  private stopHeartbeat(): void {
+    if (this.heartbeatTimer) {
+      clearInterval(this.heartbeatTimer)
+      this.heartbeatTimer = null
+    }
+  }
+
+  /**
+   * 指数退避重连(baseDelay * 2^min(attempt,6),封顶 maxDelay,带随机抖动)。
+   *
+   * - attempt 软上限 6:超 6 不再翻倍,防长尾退避爬到 maxDelay 后卡死;
+   * - 抖动因子 0.5~1.0:防多客户端重连风暴(雷同退避同步触发);
+   * - manualClose/disconnect 时复位 reconnectAttempts(见 disconnect)。
+   *
+   * 回调统一经 reconnectNow(幂等清理 + openSocket),不裸调 openSocket。
+   */
+  private scheduleReconnect(): void {
+    if (this.reconnectTimer) return
+    // 永久性故障上限:relayHost 错/中继下线时停止无限退避,避免长跑空耗 + 误导用户「重连中」。
+    // 用户手动重连(connect/resumeIfDisconnected)复位计数后可重新开始。
+    if (this.reconnectAttempts >= MAX_RECONNECT_ATTEMPTS) {
+      console.warn(`[WsClient] 已达最大重连次数 ${MAX_RECONNECT_ATTEMPTS},停止重连`)
+      this.setStatus('disconnected', '已达最大重连次数,请检查中继地址/网络后手动重连')
+      this.cleanup()
+      return
+    }
+    const cfg = getConfig()
+    const attempt = this.reconnectAttempts++
+    const exp = Math.min(attempt, 6)
+    const base = Math.min(cfg.reconnectBaseDelay * Math.pow(2, exp), cfg.reconnectMaxDelay)
+    const jitter = 0.5 + Math.random() * 0.5
+    const delay = Math.round(base * jitter)
+    this.setStatus('reconnecting', `attempt ${attempt + 1}, delay ${delay}ms`)
+    console.log(`[WsClient] ${delay}ms 后重连(attempt ${attempt + 1})`)
+    this.reconnectTimer = setTimeout(() => {
+      this.reconnectTimer = null
+      this.reconnectNow()
+    }, delay)
+  }
+
+  /** 清握手超时定时器(握手成功/失败时调) */
+  private clearHandshakeTimer(): void {
+    if (this.handshakeTimer) {
+      clearTimeout(this.handshakeTimer)
+      this.handshakeTimer = null
+    }
+  }
+
+  /**
+   * 注销并关闭指定 socket task(防旧 socket 闭包回调污染新连接)。
+   *
+   * 微信 SocketTask 无 offXxx API,用「覆盖空函数」解绑:onXxx 多次调用覆盖最后者。
+   * 必须对传入 task 操作(非 this.socket),避免 this.socket 时序指向新 socket 时误注销。
+   */
+  private destroySocket(task: UniApp.SocketTask): void {
+    try { task.onOpen(() => {}) } catch { /* 注销忽略 */ }
+    try { task.onMessage(() => {}) } catch { /* 注销忽略 */ }
+    try { task.onClose(() => {}) } catch { /* 注销忽略 */ }
+    try { task.onError(() => {}) } catch { /* 注销忽略 */ }
+    try {
+      task.close({})
+    } catch {
+      // 已关闭的 socket close 抛错忽略
+    }
+  }
+
+  /**
+   * 彻底清理:停心跳 + 清所有 timer + 注销关闭 socket + 清队列 + 复位 handshaked。
+   *
+   * 清 pendingQueue:断连/重连/抢占时,旧命令上下文已失效,不补发到新连接(防串话)。
+   */
+  private cleanup(): void {
+    this.stopHeartbeat()
+    if (this.reconnectTimer) {
+      clearTimeout(this.reconnectTimer)
+      this.reconnectTimer = null
+    }
+    this.clearHandshakeTimer()
+    if (this.connectTimer) {
+      clearTimeout(this.connectTimer)
+      this.connectTimer = null
+    }
+    if (this.socket) {
+      this.destroySocket(this.socket)
+      this.socket = null
+    }
+    this.handshaked = false
+    this.pendingQueue = []
+  }
+
+  private setStatus(status: WsStatus, detail?: string): void {
+    this.status = status
+    this.handlers?.onStatus(status, detail)
+  }
+}
+
+/** 全局单例(miniapp 进程内一个连接) */
+export const wsClient = new WsClient()

apps/df-miniapp/src/components/MdView/MdView.vue

@@ -0,0 +1,36 @@
+<template>
+  <!-- rich-text 小程序原生组件(无子组件依赖,稳)。marked md→html → rich-text :nodes 渲染。
+       alpha 根因已查实(uni-app 2026 alpha 致 tap 失效),rich-text 非元凶,降级后正常用。 -->
+  <rich-text :nodes="html" :selectable="true" />
+</template>
+
+<script setup lang="ts">
+import { computed } from 'vue'
+import { marked } from 'marked'
+import { styleMarkdown } from '@/utils/mdRenderer'
+
+defineOptions({ name: 'MdView' })
+
+/**
+ * Markdown 渲染气泡(miniapp,rich-text 原生方案)。
+ *
+ * 链路:marked.parse(md) → styleMarkdown 注入 inline style → rich-text :nodes(原生渲染 html 节点)。
+ * - breaks:true 聊天换行(单换行转 <br>)
+ * - P1-G:styleMarkdown 给代码块/链接/表格加 inline style(rich-text 不认 class)
+ * - parse 失败回退原文
+ * - 空内容返空(rich-text 不渲染)
+ *
+ * 流式:currentText 变化 → html computed 重算 → rich-text 重渲染。
+ */
+const props = defineProps<{ content: string }>()
+
+const html = computed(() => {
+  const src = props.content || ''
+  if (!src) return ''
+  try {
+    return styleMarkdown(marked.parse(src, { breaks: true, async: false }) as string)
+  } catch {
+    return src
+  }
+})
+</script>

apps/df-miniapp/src/components/MentionInput/MentionInput.vue

@@ -0,0 +1,133 @@
+<template>
+  <!-- @/ 联想弹层(MVP)。
+       固定占位列表:不接真实技能路由/实体检索,仅作 chip 插入。
+       /file /web /task /memory + @file @web @task 四类技能占位。
+       渲染对齐 chat/index.vue 的 mp-weixin 稳定风格(原生 view/text + 绝对定位浮层)。 -->
+  <view v-if="visible" class="mention-mask" @tap="onClose">
+    <view class="mention-pop" @tap.stop>
+      <view class="mention-head">
+        <text class="mention-title">{{ trigger === '/' ? '技能' : '提及' }}</text>
+        <text class="mention-hint">MVP 占位 · 点击插入</text>
+      </view>
+      <scroll-view class="mention-list" scroll-y>
+        <view
+          v-for="(item, idx) in items"
+          :key="idx"
+          class="mention-item"
+          @tap="onSelect(item)"
+        >
+          <text class="mention-item-label">{{ item.label }}</text>
+          <text class="mention-item-insert">{{ item.insert.trim() }}</text>
+        </view>
+      </scroll-view>
+    </view>
+  </view>
+</template>
+
+<script setup lang="ts">
+/**
+ * MentionInput 联想弹层组件(MVP)。
+ *
+ * 设计:
+ * - 纯展示:接收 visible/trigger/items,选中后 emit select(insert) + close
+ * - 不查后端/不调路由:items 由父组件固定注入
+ * - 触发字符 `/`(技能)或 `@`(提及)由父组件依据光标位置判定
+ * - 选中即在 inputText 末尾插入对应字面量(如 `/file `),发送时整体纯文本走 ai.send
+ *
+ * props:
+ *  - visible:是否显示
+ *  - trigger:触发类型(`/` 技能 / `@` 提及)
+ *  - items:占位项列表 {label, insert}
+ * emits:
+ *  - select(insert):插入文本
+ *  - close():关闭弹层
+ */
+defineOptions({ name: 'MentionInput' })
+
+interface MentionItem {
+  label: string
+  insert: string
+}
+
+defineProps<{
+  visible: boolean
+  trigger: '/' | '@'
+  items: MentionItem[]
+}>()
+
+const emit = defineEmits<{
+  (e: 'select', insert: string): void
+  (e: 'close'): void
+}>()
+
+function onSelect(item: MentionItem): void {
+  emit('select', item.insert)
+}
+
+function onClose(): void {
+  emit('close')
+}
+</script>
+
+<style scoped>
+.mention-mask {
+  position: fixed;
+  left: 0;
+  right: 0;
+  bottom: 0;
+  top: 0;
+  background-color: rgba(0, 0, 0, 0.3);
+  z-index: 999;
+}
+.mention-pop {
+  position: absolute;
+  left: 12px;
+  right: 12px;
+  bottom: 56px;
+  max-height: 260px;
+  background-color: #1f1f1f;
+  border: 1px solid #333333;
+  border-radius: 10px;
+  overflow: hidden;
+  display: flex;
+  flex-direction: column;
+}
+.mention-head {
+  display: flex;
+  align-items: center;
+  justify-content: space-between;
+  padding: 8px 12px;
+  background-color: #262626;
+  border-bottom: 1px solid #2e2e2e;
+}
+.mention-title {
+  color: #e0e0e0;
+  font-size: 13px;
+  font-weight: bold;
+}
+.mention-hint {
+  color: #777777;
+  font-size: 11px;
+}
+.mention-list {
+  max-height: 220px;
+}
+.mention-item {
+  display: flex;
+  flex-direction: column;
+  padding: 10px 12px;
+  border-bottom: 1px solid #2a2a2a;
+}
+.mention-item:last-child {
+  border-bottom: none;
+}
+.mention-item-label {
+  color: #e0e0e0;
+  font-size: 14px;
+}
+.mention-item-insert {
+  color: #4a9eff;
+  font-size: 12px;
+  margin-top: 2px;
+}
+</style>

apps/df-miniapp/src/config.ts

@@ -0,0 +1,54 @@
+/**
+ * miniapp 运行时配置(host/device_id/token 占位,由用户在设置页或 build env 填)
+ *
+ * 这些值在真实部署前是占位:
+ * - RELAY_HOST:ws/wss 地址,需替换为实际部署的 df-relay 地址
+ * - DEVICE_ID:用户首次配置桌面端时生成的设备 ID
+ * - TOKEN:对齐 df-relay 的 DF_RELAY_TOKEN(生产建议每 device 独立 token)
+ */
+
+export interface MiniappConfig {
+  /** relay WS 地址(含协议),如 'ws://192.168.1.100:8080/ws/miniapp' 或 'wss://relay.example.com/ws/miniapp' */
+  relayHost: string
+  /** 配对绑定的设备 ID */
+  deviceId: string
+  /** 配对 token(对齐 df-relay DF_RELAY_TOKEN) */
+  token: string
+  /** 心跳间隔(ms) */
+  heartbeatInterval: number
+  /** 重连初始间隔(ms,指数退避) */
+  reconnectBaseDelay: number
+  /** 重连最大间隔(ms) */
+  reconnectMaxDelay: number
+}
+
+/**
+ * 默认配置(占位值,需替换)
+ *
+ * 真实部署:用户在设置页填 relayHost/deviceId/token,或通过 build-time env 注入。
+ * MVP 阶段留占位让类型自洽,实际连接会失败(token 校验不通过 → relay 关连接,
+ * 这符合预期,提示用户配置)。
+ */
+export const defaultConfig: MiniappConfig = {
+  // 测试服 wss(u-work.1216.top → nginx 终止 TLS → df-relay :9180 明文 ws)
+  // 微信小程序真机要求 wss + socket 合法域名白名单(微信公众平台→开发设置→服务器域名)
+  relayHost: 'wss://u-work.1216.top/ws/miniapp',
+  // 配对桌面端 device_id(查桌面端 KV app_settings:device_id;填错则握手过但路由无对端)
+  // 当前填本机桌面端 device_id(联调期硬编码,后续做配对绑定流程)
+  deviceId: '1b92cbbd-d03e-4a0c-b226-9fadf8dcf0f0',
+  token: 'devflow-relay-default-token',
+  heartbeatInterval: 30000,
+  reconnectBaseDelay: 1000,
+  reconnectMaxDelay: 30000,
+}
+
+/** 单例配置(miniapp 内存配置,后续接 storage 持久化) */
+let _config: MiniappConfig = { ...defaultConfig }
+
+export function getConfig(): MiniappConfig {
+  return _config
+}
+
+export function setConfig(patch: Partial<MiniappConfig>): void {
+  _config = { ..._config, ...patch }
+}

apps/df-miniapp/src/main.ts

@@ -0,0 +1,13 @@
+import { createSSRApp } from 'vue'
+import App from './App.vue'
+
+/**
+ * uni-app 入口:createSSRApp 规范(uni-app Vue3 必需,非 createApp)。
+ * 桌面端 main.ts 用 createApp(Tauri 浏览器环境),小程序用 createSSRApp 对齐 uni 跨端。
+ */
+export function createApp() {
+  const app = createSSRApp(App)
+  return {
+    app,
+  }
+}

apps/df-miniapp/src/manifest.json

@@ -0,0 +1,53 @@
+{
+  "name": "DevFlow",
+  "appid": "PLACEHOLDER",
+  "description": "DevFlow 远程 AI Chat — 跨端操作桌面端开发助手",
+  "versionName": "0.1.0",
+  "versionCode": 100,
+  "transformPx": false,
+  "app-plus": {
+    "usingComponents": true,
+    "splashscreen": {
+      "alwaysShowBeforeRender": true,
+      "waiting": true,
+      "autoclose": true,
+      "delay": 0
+    },
+    "modules": {},
+    "distribute": {
+      "android": {
+        "permissions": [
+          "<uses-permission android:name=\"android.permission.INTERNET\"/>"
+        ]
+      },
+      "ios": {},
+      "sdkConfigs": {}
+    }
+  },
+  "quickapp": {},
+  "mp-weixin": {
+    "appid": "PLACEHOLDER",
+    "setting": {
+      "urlCheck": false,
+      "es6": true,
+      "minified": true,
+      "postcss": true
+    },
+    "usingComponents": true,
+    "permission": {},
+    "requiredBackgroundModes": [],
+    "requiredPrivateInfos": []
+  },
+  "h5": {
+    "title": "DevFlow Mini",
+    "router": {
+      "mode": "hash",
+      "base": "./"
+    },
+    "devServer": {
+      "port": 8081,
+      "https": false
+    }
+  },
+  "vueVersion": "3"
+}

apps/df-miniapp/src/pages.json

@@ -0,0 +1,41 @@
+{
+  "pages": [
+    {
+      "path": "pages/chat/index",
+      "style": {
+        "navigationBarTitleText": "AI 对话",
+        "enablePullDownRefresh": false
+      }
+    },
+    {
+      "path": "pages/conversations/index",
+      "style": {
+        "navigationBarTitleText": "会话列表",
+        "enablePullDownRefresh": true
+      }
+    }
+  ],
+  "globalStyle": {
+    "navigationBarTextStyle": "white",
+    "navigationBarTitleText": "DevFlow",
+    "navigationBarBackgroundColor": "#1a1a1a",
+    "backgroundColor": "#0f0f0f",
+    "backgroundTextStyle": "light"
+  },
+  "tabBar": {
+    "color": "#999999",
+    "selectedColor": "#4a9eff",
+    "backgroundColor": "#1a1a1a",
+    "borderStyle": "black",
+    "list": [
+      {
+        "pagePath": "pages/chat/index",
+        "text": "对话"
+      },
+      {
+        "pagePath": "pages/conversations/index",
+        "text": "会话"
+      }
+    ]
+  }
+}

apps/df-miniapp/src/pages/chat/index.vue

@@ -0,0 +1,993 @@
+<script setup lang="ts">
+import { computed, ref, watch } from 'vue'
+import { marked } from 'marked'
+import { styleMarkdown } from '@/utils/mdRenderer'
+import { useAiChat } from '@/composables/useAiChat'
+import type { MentionSpan } from '@/types/relay'
+import type { ProjectRecord, TaskRecord, IdeaRecord, AiToolCallInfo } from '@/types/events'
+
+// 组件内联(绕过微信工具 3.15.2 组件解析缓存 bug):独立组件恒报 Component not found,
+// inline 进页面后 chat/index.json usingComponents 空,工具无需解析 components/,问题消失。
+// MdView/MentionInput 源保留备用(工具修复后可拆回)。
+/** md→html 渲染 + 缓存(避免 v-for 每次 render 重算 marked.parse 同步阻塞) */
+const mdCache = new Map<string, string>()
+function renderMd(src: string): string {
+  if (!src) return ''
+  const cached = mdCache.get(src)
+  if (cached !== undefined) return cached
+  let html: string
+  try {
+    html = marked.parse(src, { breaks: true, async: false }) as string
+    html = styleMarkdown(html) // P1-G:代码块/链接/表格 inline style(rich-text 不认 class)
+  } catch {
+    html = src
+  }
+  mdCache.set(src, html)
+  return html
+}
+
+const ai = useAiChat()
+const inputText = ref('')
+
+// —— 联想弹层状态(技能 / 与 @ 实体复用同一浮层结构,detectTrigger 决定 trigger) ——
+// 弹层可见 + 当前触发类型。trigger='skill' = `/` 开头技能联想;trigger='entity' = 末尾 `@` 实体联想。
+const mentionVisible = ref(false)
+const mentionTrigger = ref<'skill' | 'entity'>('skill')
+
+// —— pendingSkill(`/<skill>` 选中后 chip 展示,handleSend 时透传 ai.send skill 参数) ——
+// 选中技能后清 inputText 并置 chip,后续用户输入技能参数;发送时 skill.name 透传后端注入 SKILL.md。
+// 类型与 useAiChat.skills 元素一致(对齐 relay.ts SkillInfo)。
+type SkillInfoLike = { name: string; description: string; argument_hint?: string }
+const pendingSkill = ref<SkillInfoLike | null>(null)
+
+// —— pendingMentionSpans(@项目/@任务/@灵感 选中后累积,handleSend 时透传 ai.send spans 参数) ——
+// 每条对应 inputText 中一段 `[类型:名]` 文本区间(start/length 为字符偏移)。
+// 用户可连续 @ 多个实体,发送时整体透传,后端 resolve 投影成 Augmentation 注入。
+const pendingMentionSpans = ref<MentionSpan[]>([])
+
+// —— P1-12 自动滚底 + P1-7 生成中关联想 + P1-13 渲染上限 ——
+/** scroll-into-view 锚点(同值不重滚,故 toggle ''→id 触发) */
+const scrollAnchor = ref('')
+function scrollToBottom(): void {
+  scrollAnchor.value = ''
+  // setTimeout(0) 等新消息 DOM 渲染完(mp-weixin nextTick 兼容)
+  setTimeout(() => { scrollAnchor.value = 'list-bottom-anchor' }, 0)
+}
+let scrollTimer: ReturnType<typeof setTimeout> | null = null
+/** 流式增量高频,throttle 防滚底抖动 */
+function throttledScrollToBottom(): void {
+  if (scrollTimer) return
+  scrollTimer = setTimeout(() => {
+    scrollTimer = null
+    scrollToBottom()
+  }, 120)
+}
+// 新消息 push / 切会话历史回流 → 立即滚底;流式增量 → throttled 滚底
+watch(() => ai.messages.length, () => scrollToBottom())
+watch(() => ai.currentText.value, throttledScrollToBottom)
+// P1-7:生成中关闭联想弹层,防 input disabled 时仍点插入(input disabled 不阻止弹层点击)
+watch(() => ai.generating.value, (g) => { if (g) mentionVisible.value = false })
+/**
+ * P1-13 渲染上限兜底:仅渲染最近 N 条,防长会话(100+)rich-text 全量渲染卡顿/内存膨胀。
+ * TODO 真虚拟化(滚动入视口才 marked.parse / 窗口化),当前截断旧消息简化兜底。
+ */
+const MAX_RENDER_MSGS = 200
+const visibleMessages = computed(() => ai.messages.slice(-MAX_RENDER_MSGS))
+
+/**
+ * 输入变化时检测联想触发条件。
+ *
+ * 两类触发:
+ * - 技能(`skill`):inputText 以 `/` 开头,且尚未选 pendingSkill(已选则不再触发,
+ *   因 chip 已在输入栏,用户输入的是技能参数)→ listSkills() 拉技能 + 显技能浮层。
+ * - 实体(`entity`):末尾连续非空白段恰好为单字符 `@`(避免匹配 url/邮箱)→
+ *   listEntities() 拉实体 + 显实体浮层。
+ *
+ * 二者优先级:技能(行首 /)优先于实体(末尾 @),因 `/` 开头整行属技能模式。
+ * 已选 pendingSkill 时屏蔽 `/` 重复触发(同上,用户在输入参数)。
+ */
+function detectTrigger(): void {
+  const text = inputText.value
+  if (!text) {
+    mentionVisible.value = false
+    return
+  }
+  // 技能触发:行首 / 且未选技能。空格后(/file xxx)不再是行首 /,自动关闭浮层。
+  if (text.startsWith('/') && !pendingSkill.value) {
+    mentionTrigger.value = 'skill'
+    mentionVisible.value = true
+    ai.listSkills()
+    return
+  }
+  // 实体触发:末尾连续非空白段恰好单字符 @
+  const match = text.match(/([^\s]+)\s*$/)
+  const last = match ? match[1] : ''
+  if (last === '@') {
+    mentionTrigger.value = 'entity'
+    mentionVisible.value = true
+    ai.listEntities()
+    return
+  }
+  mentionVisible.value = false
+}
+
+/** 监听输入:mp-weixin textarea 的 @input 在 v-model 后触发,可直接检测(P3-A input→textarea) */
+function onInput(): void {
+  detectTrigger()
+}
+
+/**
+ * 选中技能(技能浮层):置 pendingSkill chip + 清 inputText。
+ *
+ * 清 inputText 因技能模式语义是「选技能后输参数」,选完即重置输入框等用户输参数文本。
+ * 技能参数提示(argument_hint,如 "<url>")随 chip 展示,引导用户输入。
+ * 不透传 skill 到 inputText(避免 `/技能名` 文本污染参数输入),skill 仅经 handleSend 透传。
+ */
+function onSkillSelect(skill: SkillInfoLike): void {
+  pendingSkill.value = skill
+  inputText.value = ''
+  mentionVisible.value = false
+}
+
+/**
+ * 选中实体(实体浮层):替换末尾 `@` 为 `[类型:名]` 文本 + 累积 MentionSpan。
+ *
+ * span.start/length:实体插入文本(inputText 中 `[类型:名]` 段)的字符偏移,
+ * 后端据 start/length 在原文中切出区间注入对应实体上下文。
+ * kind/refId/label 对齐后端 MentionSpanDto:project/task/idea + id + 展示名。
+ * 连续 @ 多个实体时累积(每次 push 一条),发送时整体透传。
+ */
+function onEntitySelect(
+  entity: ProjectRecord | TaskRecord | IdeaRecord,
+  kind: 'project' | 'task' | 'idea',
+): void {
+  const text = inputText.value
+  // 去末尾触发字符 `@`(detectTrigger 已保证末段是 @,这里兜底 replace 防御)
+  const stripped = text.replace(/@\s*$/, '')
+  // 类型标签中文映射(对齐桌面端 chip 展示习惯:项目/任务/灵感)
+  const kindLabel = kind === 'project' ? '项目' : kind === 'task' ? '任务' : '灵感'
+  // 名:project 用 name,task/idea 用 title
+  const name = (entity as ProjectRecord).name || (entity as TaskRecord | IdeaRecord).title
+  const insertText = `[${kindLabel}:${name}]`
+  const start = stripped.length
+  inputText.value = stripped + insertText
+  // 累积 mention span(字符偏移,后端透传不解释单位)
+  pendingMentionSpans.value.push({
+    start,
+    length: insertText.length,
+    kind,
+    refId: entity.id,
+    label: name,
+  })
+  mentionVisible.value = false
+}
+
+/** 清除已选技能 chip(handleSend 后或用户点 × 清除) */
+function clearPendingSkill(): void {
+  pendingSkill.value = null
+}
+
+/** 关闭弹层(点遮罩) */
+function onMentionClose(): void {
+  mentionVisible.value = false
+}
+
+/**
+ * 发送:对齐 useAiChat.send(text, skill?, spans?) 新签名。
+ *
+ * - skill:已选 pendingSkill 时透传 name(后端注入 SKILL.md);否则 undefined(普通对话)。
+ * - spans:有 pendingMentionSpans 时透传(后端 resolve 实体上下文);否则 undefined。
+ * - 发送后清 inputText + pendingSkill + pendingMentionSpans,复位待下一次输入。
+ *
+ * 保留原有守卫:空文本忽略 / generating 中忽略 / 关闭联想浮层。
+ */
+function handleSend(): void {
+  console.log('[v2:send] enter text=', JSON.stringify(inputText.value), 'gen=', ai.generating.value)
+  const text = inputText.value.trim()
+  if (!text) {
+    console.log('[v2:send] 空文本,忽略')
+    return
+  }
+  if (ai.generating.value) {
+    // 审批挂起/流式生成中后端拒新 send:提示用户(去审批或等待),避免点了没反应困惑
+    uni.showToast({
+      title: ai.pendingApprovals.length > 0 ? '有待审批项,请先处理' : '生成中,请稍候',
+      icon: 'none',
+    })
+    return
+  }
+  mentionVisible.value = false
+  const skill = pendingSkill.value ? pendingSkill.value.name : undefined
+  const spans = pendingMentionSpans.value.length > 0 ? pendingMentionSpans.value : undefined
+  ai.send(text, skill, spans)
+  inputText.value = ''
+  pendingSkill.value = null
+  pendingMentionSpans.value = []
+}
+
+// —— 工具卡片 + 审批 UI(对齐桌面端 ToolCard,适配 mp-weixin 深色风格) ——
+// 后端推 AiToolCallStarted/AiApprovalRequired/AiDirAuthRequired → useAiChat 收进
+// 消息 m.toolCalls(状态机)+ pendingApprovals。消息内联渲染工具状态 + 待审批按钮,
+// miniapp 成轻量审批终端(单一渲染源,对齐桌面 ToolCard 嵌消息气泡)。
+
+// 高危工具白名单(approve 前二次确认,对齐桌面 ToolCard.vue HIGH_RISK_TOOLS)
+const HIGH_RISK_TOOLS = new Set<string>([
+  'delete_task',
+  'delete_project',
+  'restore_project',
+  'purge_project',
+  'delete_file',
+  'run_command',
+  'http_request',
+])
+
+// 工具状态 → 中文文案 + 颜色 class(渲染状态点/标签)
+const STATUS_META: Record<string, { label: string; cls: string }> = {
+  running: { label: '执行中', cls: 'st-running' },
+  completed: { label: '已完成', cls: 'st-completed' },
+  failed: { label: '失败', cls: 'st-failed' },
+  pending_approval: { label: '待审批', cls: 'st-pending' },
+  rejected: { label: '已拒绝', cls: 'st-rejected' },
+}
+
+/** 截断长字符串(参数值/结果展示防撑爆气泡) */
+function truncate(s: string, max = 120): string {
+  return s.length > max ? s.slice(0, max) + '…' : s
+}
+
+/** 格式化工具参数为 [{key,val}] 行数组(args 任意结构,最多 4 项防长) */
+function formatArgs(args: unknown): { key: string; val: string }[] {
+  if (!args || typeof args !== 'object') return []
+  const obj = args as Record<string, unknown>
+  return Object.entries(obj)
+    .filter(([, v]) => v !== undefined && v !== null && v !== '')
+    .slice(0, 4)
+    .map(([k, v]) => ({
+      key: k,
+      val: truncate(typeof v === 'string' ? v : JSON.stringify(v)),
+    }))
+}
+
+/** 格式化执行结果摘要(completed/failed 展示,result 可能任意结构) */
+function formatResult(result: unknown): string {
+  if (result === undefined || result === null) return ''
+  if (typeof result === 'string') return truncate(result)
+  try {
+    return truncate(JSON.stringify(result))
+  } catch {
+    return ''
+  }
+}
+
+/**
+ * 识别后端审批占位 message(对齐 crates/df-ai/context_helpers.rs:498 PENDING_MARKER_PREFIX)。
+ *
+ * 后端工具挂起审批时往消息流写占位 assistant message,content 形如
+ * 「需要用户审批,等待确认__PENDING__:call_xxx」。桌面端识别占位转工具审批卡片;
+ * miniapp 不识别会原样渲染成气泡(暴露 __PENDING__ 技术标识)。此处识别后隐藏文本,
+ * 审批 UI 由消息内联 m.toolCalls 工具卡片单独渲染(单一渲染源,不重复)。
+ */
+const PENDING_MARKER = '__PENDING__:'
+const PENDING_PLACEHOLDER_LEGACY = '需要用户审批,等待确认'
+function isPendingPlaceholder(content: string | undefined | null): boolean {
+  if (!content) return false
+  if (content.includes(PENDING_MARKER)) return true
+  return content === PENDING_PLACEHOLDER_LEGACY
+}
+
+/**
+ * 识别纯 JSON 工具结果 message(content 是工具执行结果 JSON,如 list_tasks 的
+ * {"has_more":false,"items":[],...})。弱化为灰小字折叠,不占主气泡,不刺眼。
+ */
+function isToolResultJson(content: string | undefined | null): boolean {
+  if (!content) return false
+  const t = content.trim()
+  if (!(t.startsWith('{') || t.startsWith('['))) return false
+  try {
+    JSON.parse(t)
+    return true
+  } catch {
+    return false
+  }
+}
+
+/** 审批通过(risk 类):高危工具先 uni.showModal 二次确认 */
+function onApprove(tc: AiToolCallInfo): void {
+  if (HIGH_RISK_TOOLS.has(tc.name)) {
+    uni.showModal({
+      title: '高危操作确认',
+      content: `「${tc.name}」属高危操作,确认批准执行?`,
+      confirmColor: '#e85a4f',
+      success: (r) => {
+        if (r.confirm) ai.approve(tc.id, true)
+      },
+    })
+    return
+  }
+  ai.approve(tc.id, true)
+}
+
+/** 审批拒绝(risk 类) */
+function onReject(tc: AiToolCallInfo): void {
+  ai.approve(tc.id, false)
+}
+
+/** 路径授权(path 类:once=本次 / always=永久 / deny=拒绝) */
+function onAuthorize(tc: AiToolCallInfo, decision: 'once' | 'always' | 'deny'): void {
+  ai.authorizeDir(tc.id, decision)
+}
+
+/** 连接状态中文文案(F21:裸枚举字符串 disconnected/connecting 不可读) */
+const STATUS_TEXT: Record<string, string> = {
+  connecting: '连接中…',
+  handshaking: '握手中…',
+  reconnecting: '重连中…·点此立即重连',
+  disconnected: '已断开·点此重连',
+}
+const statusText = computed(() => {
+  if (ai.isWsConnected.value) {
+    return ai.deviceOnline.value ? '已连接桌面端' : '已连接中继'
+  }
+  return STATUS_TEXT[ai.wsStatus.value] || ai.wsStatus.value
+})
+const canManualReconnect = computed(
+  () => ai.wsStatus.value === 'disconnected' || ai.wsStatus.value === 'reconnecting',
+)
+function onStatusTap(): void {
+  if (canManualReconnect.value) ai.resumeIfDisconnected()
+}
+
+/** 停止生成(wires F9 终态兜底;生成中 send 禁用无停止入口,用户无法中断) */
+function onStop(): void {
+  ai.stop()
+}
+
+/** 继续循环(P1-E:MaxRounds 挂起后再跑一轮) */
+function onContinueLoop(): void {
+  ai.continueLoop()
+}
+
+/** 停止循环(P1-E:MaxRounds 挂起后彻底终止多轮 agent) */
+function onStopLoop(): void {
+  ai.stopLoop()
+}
+
+/** 重发最后一条 user 消息(P1-F:regenerate 入口) */
+function onRegenerate(): void {
+  ai.regenerate()
+}
+
+/** 长按消息复制全文(P1-F:assistant 复制 markdown 源,user 复制原文) */
+function onCopyMessage(m: { content?: string }): void {
+  if (!m.content) return
+  uni.setClipboardData({
+    data: m.content,
+    success: () => uni.showToast({ title: '已复制', icon: 'none' }),
+  })
+}
+</script>
+
+<template>
+  <view class="page">
+    <!-- 状态栏 + 待审批徽标(F21:断开/重连中可点状态栏手动重连) -->
+    <view class="top">
+      <text class="st" :class="{ 'st-tap': canManualReconnect }" @tap="onStatusTap">{{ statusText }}</text>
+      <view class="top-right">
+        <text v-if="ai.tokenUsage.value" class="token-usage">🪙 {{ ai.tokenUsage.value.total }}</text>
+        <view v-if="ai.pendingApprovals.length > 0" class="pending-badge">
+          <text>⏳ {{ ai.pendingApprovals.length }} 待审批</text>
+        </view>
+      </view>
+    </view>
+
+    <!-- 达最大轮次面板(P1-E:继续/停止循环,对齐桌面 MaxRounds) -->
+    <view v-if="ai.maxRoundsActive.value" class="maxrounds-panel">
+      <text class="maxrounds-text">⚠ 已达最大轮次</text>
+      <view class="maxrounds-actions">
+        <button class="approval-btn approve" size="mini" @tap="onContinueLoop">继续一轮</button>
+        <button class="approval-btn reject" size="mini" @tap="onStopLoop">停止</button>
+      </view>
+    </view>
+
+    <!-- 待审批面板(从 pendingApprovals 渲染,与 messages 解耦:req3 重连 load_messages 替换 messages 不影响审批卡) -->
+    <view v-if="ai.pendingApprovals.length > 0" class="pending-panel">
+      <view class="pending-panel-head">
+        <text>⏳ {{ ai.pendingApprovals.length }} 项待审批</text>
+      </view>
+      <view v-for="p in ai.pendingApprovals" :key="p.id" class="tool-card">
+        <view class="tool-head">
+          <text class="tool-name">🔧 {{ p.name }}</text>
+          <text class="tool-status st-pending">待审批</text>
+        </view>
+        <view v-if="formatArgs(p.args).length > 0" class="tool-args">
+          <view v-for="a in formatArgs(p.args)" :key="a.key" class="tool-arg">
+            <text class="tool-arg-key">{{ a.key }}:</text>
+            <text class="tool-arg-val">{{ a.val }}</text>
+          </view>
+        </view>
+        <view v-if="p.kind === 'path' && p.dir" class="tool-dir">
+          <text>📁 {{ p.dir }}</text>
+        </view>
+        <view v-if="p.reason" class="tool-reason">
+          <text>⚠ {{ p.reason }}</text>
+        </view>
+        <!-- risk 类:批准/拒绝 -->
+        <view v-if="p.kind !== 'path'" class="approval-actions">
+          <button class="approval-btn approve" size="mini" @tap="onApprove(p)">批准</button>
+          <button class="approval-btn reject" size="mini" @tap="onReject(p)">拒绝</button>
+        </view>
+        <!-- path 类:本次/永久/拒绝 -->
+        <view v-else class="approval-actions">
+          <button class="approval-btn approve" size="mini" @tap="onAuthorize(p, 'once')">本次</button>
+          <button class="approval-btn always" size="mini" @tap="onAuthorize(p, 'always')">永久</button>
+          <button class="approval-btn reject" size="mini" @tap="onAuthorize(p, 'deny')">拒绝</button>
+        </view>
+      </view>
+    </view>
+
+    <!-- 消息列表(scroll-view 标准滚动,纯 text 渲染) -->
+    <scroll-view class="list" scroll-y :scroll-into-view="scrollAnchor" :scroll-with-animation="true">
+      <view v-if="ai.messages.length === 0" class="empty">
+        <text>暂无消息</text>
+      </view>
+      <view v-for="m in visibleMessages" :key="m.id" class="msg" :class="m.role" @longpress="onCopyMessage(m)">
+        <text v-if="m.role === 'user'" user-select>{{ m.content }}</text>
+        <template v-else>
+          <!-- 后端审批占位 message(「需要…__PENDING__:call_xxx」)隐藏文本,审批走工具卡片 -->
+          <rich-text
+            v-if="m.content && !isPendingPlaceholder(m.content) && !isToolResultJson(m.content)"
+            :nodes="renderMd(m.content)"
+            selectable
+          />
+          <!-- 纯 JSON 工具结果弱化(灰小字折叠,不占主气泡) -->
+          <view v-else-if="m.content && isToolResultJson(m.content)" class="msg-toolresult">
+            <text>📋 {{ m.content }}</text>
+          </view>
+          <!-- 占位 message(isPendingPlaceholder)不渲染文本,仅下方工具卡片承载审批 UI -->
+          <!-- 工具调用卡片(对齐桌面 ToolCard,assistant 消息内联渲染状态 + 审批按钮) -->
+          <view v-for="tc in m.toolCalls || []" :key="tc.id" class="tool-card">
+            <view class="tool-head">
+              <text class="tool-name">🔧 {{ tc.name }}</text>
+              <text class="tool-status" :class="(STATUS_META[tc.status] || {}).cls">
+                {{ (STATUS_META[tc.status] || {}).label || tc.status }}
+              </text>
+            </view>
+            <!-- 参数 -->
+            <view v-if="formatArgs(tc.args).length > 0" class="tool-args">
+              <view v-for="a in formatArgs(tc.args)" :key="a.key" class="tool-arg">
+                <text class="tool-arg-key">{{ a.key }}:</text>
+                <text class="tool-arg-val">{{ a.val }}</text>
+              </view>
+            </view>
+            <!-- path 授权待授权目录 -->
+            <view v-if="tc.kind === 'path' && tc.status === 'pending_approval' && tc.dir" class="tool-dir">
+              <text>📁 {{ tc.dir }}</text>
+            </view>
+            <!-- 风险说明 -->
+            <view v-if="tc.reason" class="tool-reason">
+              <text>⚠ {{ tc.reason }}</text>
+            </view>
+            <!-- 审批按钮已移至顶部 pendingApprovals 面板(与 messages 解耦,req3 重连恢复) -->
+            <!-- 执行结果摘要(completed/failed) -->
+            <view
+              v-if="(tc.status === 'completed' || tc.status === 'failed') && formatResult(tc.result)"
+              class="tool-result"
+            >
+              <text>{{ formatResult(tc.result) }}</text>
+            </view>
+          </view>
+        </template>
+      </view>
+      <!-- 流式生成中的当前文本 -->
+      <view v-if="ai.generating.value && ai.currentText.value" class="msg assistant">
+        <text user-select>{{ ai.currentText.value }}</text>
+      </view>
+      <!-- P1-12 滚底锚点(scroll-into-view 目标) -->
+      <view id="list-bottom-anchor"></view>
+    </scroll-view>
+
+    <!-- 联想弹层(技能 / 与 @ 实体复用同一浮层结构,detectTrigger 决定 trigger) -->
+    <view v-if="mentionVisible && !ai.generating.value" class="mention-mask" @tap="onMentionClose">
+      <view class="mention-pop" @tap.stop>
+        <view class="mention-head">
+          <text class="mention-title">{{ mentionTrigger === 'skill' ? '技能' : '提及' }}</text>
+          <text class="mention-hint">点击选中</text>
+        </view>
+        <scroll-view class="mention-list" scroll-y>
+          <!-- 技能列表(`/` 触发,name/description/argument_hint 展示) -->
+          <template v-if="mentionTrigger === 'skill'">
+            <view v-if="ai.skills.length === 0" class="mention-empty">
+              <text>加载中或无技能...</text>
+            </view>
+            <view
+              v-for="(s, idx) in ai.skills"
+              :key="'sk-' + idx"
+              class="mention-item"
+              @tap="onSkillSelect(s)"
+            >
+              <view class="mention-item-main">
+                <text class="mention-item-label">/{{ s.name }}</text>
+                <text class="mention-item-source">{{ s.source }}</text>
+              </view>
+              <text class="mention-item-desc">{{ s.description }}</text>
+              <text v-if="s.argument_hint" class="mention-item-insert">参数:{{ s.argument_hint }}</text>
+            </view>
+          </template>
+          <!-- 实体列表(`@` 触发,按 项目/任务/灵感 分组) -->
+          <template v-else>
+            <view v-if="ai.entities.projects.length === 0 && ai.entities.tasks.length === 0 && ai.entities.ideas.length === 0" class="mention-empty">
+              <text>加载中或无数据...</text>
+            </view>
+            <view v-if="ai.entities.projects.length > 0" class="mention-group-title">
+              <text>项目</text>
+            </view>
+            <view
+              v-for="(p, idx) in ai.entities.projects"
+              :key="'p-' + idx"
+              class="mention-item"
+              @tap="onEntitySelect(p, 'project')"
+            >
+              <text class="mention-item-label">{{ p.name }}</text>
+              <text class="mention-item-desc">{{ p.description }}</text>
+            </view>
+            <view v-if="ai.entities.tasks.length > 0" class="mention-group-title">
+              <text>任务</text>
+            </view>
+            <view
+              v-for="(t, idx) in ai.entities.tasks"
+              :key="'t-' + idx"
+              class="mention-item"
+              @tap="onEntitySelect(t, 'task')"
+            >
+              <text class="mention-item-label">{{ t.title }}</text>
+              <text class="mention-item-desc">{{ t.description }}</text>
+            </view>
+            <view v-if="ai.entities.ideas.length > 0" class="mention-group-title">
+              <text>灵感</text>
+            </view>
+            <view
+              v-for="(i, idx) in ai.entities.ideas"
+              :key="'i-' + idx"
+              class="mention-item"
+              @tap="onEntitySelect(i, 'idea')"
+            >
+              <text class="mention-item-label">{{ i.title }}</text>
+              <text class="mention-item-desc">{{ i.description }}</text>
+            </view>
+          </template>
+        </scroll-view>
+      </view>
+    </view>
+
+    <!-- 输入 + 发送(原生 button @tap) -->
+    <view class="bar">
+      <!-- pendingSkill chip(选中技能后展示名+参数提示,× 清除) -->
+      <view v-if="pendingSkill" class="skill-chip">
+        <text class="skill-chip-name">/{{ pendingSkill.name }}</text>
+        <text v-if="pendingSkill.argument_hint" class="skill-chip-hint">{{ pendingSkill.argument_hint }}</text>
+        <text class="skill-chip-close" @tap="clearPendingSkill">×</text>
+      </view>
+      <textarea
+        v-model="inputText"
+        class="ipt"
+        :placeholder="ai.generating.value ? '生成中,完成后发送…' : pendingSkill ? '输入技能参数' : '输入消息(输入 / 或 @ 触发联想)'"
+        :auto-height="true"
+        :adjust-position="true"
+        confirm-type="send"
+        @confirm="handleSend"
+        @input="onInput"
+      />
+      <!-- 重发最后一条 user(P1-F,非生成中且有消息时显) -->
+      <button
+        v-if="!ai.generating.value && ai.messages.length > 0"
+        class="regen-btn"
+        @tap="onRegenerate"
+      >
+        重发
+      </button>
+      <!-- 生成中显停止按钮(wires F9),否则发送 -->
+      <button v-if="ai.generating.value" class="send-btn stop-btn" @tap="onStop">停止</button>
+      <button v-else class="send-btn" @tap="handleSend">发送</button>
+    </view>
+  </view>
+</template>
+
+<style scoped>
+.page {
+  display: flex;
+  flex-direction: column;
+  height: 100vh;
+  background-color: #0f0f0f;
+}
+.top {
+  flex-shrink: 0;
+  display: flex;
+  align-items: center;
+  justify-content: space-between;
+  padding: 8px 12px;
+  background-color: #1a1a1a;
+}
+.st {
+  color: #999999;
+  font-size: 12px;
+}
+.st-tap {
+  color: #4a9eff;
+}
+.top-right {
+  display: flex;
+  flex-direction: row;
+  align-items: center;
+}
+.token-usage {
+  color: #777777;
+  font-size: 11px;
+  margin-right: 8px;
+}
+.list {
+  flex: 1;
+  min-height: 0;
+  padding: 12px;
+}
+.empty {
+  text-align: center;
+  padding: 80px 0;
+}
+.empty text {
+  color: #666666;
+  font-size: 13px;
+}
+.msg {
+  margin-bottom: 12px;
+  padding: 10px 14px;
+  border-radius: 10px;
+  background-color: #2a2a2a;
+}
+.msg text {
+  color: #e0e0e0;
+  font-size: 14px;
+  line-height: 1.5;
+}
+.msg.user {
+  background-color: #4a9eff;
+}
+.msg.user text {
+  color: #ffffff;
+}
+.msg.system text {
+  color: #999999;
+  font-size: 12px;
+}
+.bar {
+  flex-shrink: 0;
+  display: flex;
+  align-items: flex-end;
+  padding: 8px 12px;
+  background-color: #1a1a1a;
+}
+.ipt {
+  flex: 1;
+  background-color: #2a2a2a;
+  color: #e0e0e0;
+  padding: 8px 12px;
+  min-height: 36px;
+  max-height: 120px;
+  box-sizing: border-box;
+  overflow-y: auto;
+  border-radius: 6px;
+  font-size: 14px;
+  line-height: 20px;
+}
+.send-btn {
+  margin-left: 8px;
+  background-color: #4a9eff;
+  color: #ffffff;
+  font-size: 14px;
+}
+.send-btn.stop-btn {
+  background-color: #5a2a2a;
+  color: #e85a4f;
+}
+.regen-btn {
+  margin-left: 8px;
+  background-color: #2a2a2a;
+  color: #c0c0c0;
+  font-size: 13px;
+}
+/* @/ 联想弹层(内联自 MentionInput,绕过工具组件解析 bug) */
+.mention-mask {
+  position: fixed;
+  left: 0;
+  right: 0;
+  bottom: 0;
+  top: 0;
+  background-color: rgba(0, 0, 0, 0.3);
+  z-index: 999;
+}
+.mention-pop {
+  position: absolute;
+  left: 12px;
+  right: 12px;
+  bottom: 56px;
+  max-height: 260px;
+  background-color: #1f1f1f;
+  border: 1px solid #333333;
+  border-radius: 10px;
+  overflow: hidden;
+  display: flex;
+  flex-direction: column;
+}
+.mention-head {
+  display: flex;
+  align-items: center;
+  justify-content: space-between;
+  padding: 8px 12px;
+  background-color: #262626;
+  border-bottom: 1px solid #2e2e2e;
+}
+.mention-title {
+  color: #e0e0e0;
+  font-size: 13px;
+  font-weight: bold;
+}
+.mention-hint {
+  color: #777777;
+  font-size: 11px;
+}
+.mention-list {
+  max-height: 220px;
+}
+.mention-item {
+  display: flex;
+  flex-direction: column;
+  padding: 10px 12px;
+  border-bottom: 1px solid #2a2a2a;
+}
+.mention-item-main {
+  display: flex;
+  flex-direction: row;
+  align-items: center;
+  justify-content: space-between;
+}
+.mention-item-label {
+  color: #e0e0e0;
+  font-size: 14px;
+}
+.mention-item-source {
+  color: #777777;
+  font-size: 10px;
+  margin-left: 8px;
+}
+.mention-item-desc {
+  color: #999999;
+  font-size: 12px;
+  margin-top: 2px;
+}
+.mention-item-insert {
+  color: #4a9eff;
+  font-size: 12px;
+  margin-top: 2px;
+}
+.mention-empty {
+  padding: 24px 12px;
+  text-align: center;
+}
+.mention-empty text {
+  color: #666666;
+  font-size: 12px;
+}
+.mention-group-title {
+  padding: 6px 12px;
+  background-color: #232323;
+  border-bottom: 1px solid #2a2a2a;
+}
+.mention-group-title text {
+  color: #888888;
+  font-size: 11px;
+  font-weight: bold;
+}
+/* pendingSkill chip(选中技能后展示名+参数提示+× 清除) */
+.skill-chip {
+  flex-shrink: 0;
+  display: flex;
+  flex-direction: row;
+  align-items: center;
+  padding: 0 8px;
+  height: 28px;
+  margin-right: 6px;
+  background-color: #1f3a5f;
+  border: 1px solid #4a9eff;
+  border-radius: 14px;
+}
+.skill-chip-name {
+  color: #4a9eff;
+  font-size: 12px;
+}
+.skill-chip-hint {
+  color: #7799bb;
+  font-size: 10px;
+  margin-left: 6px;
+}
+.skill-chip-close {
+  color: #4a9eff;
+  font-size: 16px;
+  margin-left: 6px;
+  padding: 0 2px;
+}
+/* 工具卡片 + 审批 UI(对齐桌面 ToolCard,深色风格) */
+.pending-badge {
+  flex-shrink: 0;
+  margin: 0 8px;
+  padding: 2px 8px;
+  background-color: #3a2f1f;
+  border: 1px solid #f0c75e;
+  border-radius: 10px;
+}
+.pending-badge text {
+  color: #f0c75e;
+  font-size: 11px;
+}
+/* 待审批面板(从 pendingApprovals 渲染,与 messages 解耦避重连竞态) */
+.pending-panel {
+  flex-shrink: 0;
+  max-height: 40vh;
+  overflow-y: auto;
+  padding: 4px 12px 8px;
+  background-color: #1a1a1a;
+  border-bottom: 1px solid #2a2a2a;
+}
+.pending-panel-head {
+  padding: 4px 0;
+}
+.pending-panel-head text {
+  color: #f0c75e;
+  font-size: 12px;
+  font-weight: bold;
+}
+/* 达最大轮次面板(P1-E:继续/停止循环) */
+.maxrounds-panel {
+  flex-shrink: 0;
+  display: flex;
+  flex-direction: row;
+  align-items: center;
+  justify-content: space-between;
+  padding: 8px 12px;
+  background-color: #2a2218;
+  border-bottom: 1px solid #3a2f1f;
+}
+.maxrounds-text {
+  color: #f0c75e;
+  font-size: 13px;
+}
+.maxrounds-actions {
+  display: flex;
+  flex-direction: row;
+}
+.tool-card {
+  margin-top: 8px;
+  padding: 8px 10px;
+  background-color: #1f1f1f;
+  border: 1px solid #333333;
+  border-radius: 8px;
+}
+.tool-head {
+  display: flex;
+  flex-direction: row;
+  align-items: center;
+  justify-content: space-between;
+}
+.tool-name {
+  color: #e0e0e0;
+  font-size: 13px;
+  font-weight: bold;
+}
+.tool-status {
+  padding: 1px 6px;
+  border-radius: 8px;
+  font-size: 10px;
+}
+.tool-status.st-running {
+  background-color: #2a3a5a;
+  color: #6bb6ff;
+}
+.tool-status.st-completed {
+  background-color: #1f3a2a;
+  color: #6bd99a;
+}
+.tool-status.st-failed {
+  background-color: #3a1f1f;
+  color: #e85a4f;
+}
+.tool-status.st-pending {
+  background-color: #3a2f1f;
+  color: #f0c75e;
+}
+.tool-status.st-rejected {
+  background-color: #2a2a2a;
+  color: #999999;
+}
+.tool-args {
+  margin-top: 6px;
+}
+.tool-arg {
+  display: flex;
+  flex-direction: row;
+  margin-top: 2px;
+}
+.tool-arg-key {
+  color: #7799bb;
+  font-size: 12px;
+  margin-right: 4px;
+}
+.tool-arg-val {
+  color: #c0c0c0;
+  font-size: 12px;
+  flex: 1;
+}
+.tool-dir {
+  margin-top: 4px;
+}
+.tool-dir text {
+  color: #6bd99a;
+  font-size: 12px;
+}
+.tool-reason {
+  margin-top: 6px;
+  padding: 4px 6px;
+  background-color: #2a2218;
+  border-radius: 4px;
+}
+.tool-reason text {
+  color: #f0c75e;
+  font-size: 12px;
+}
+.approval-actions {
+  display: flex;
+  flex-direction: row;
+  margin-top: 8px;
+}
+.approval-btn {
+  margin-right: 6px;
+  padding: 0 12px;
+  height: 30px;
+  line-height: 30px;
+  font-size: 12px;
+  border-radius: 6px;
+}
+.approval-btn.approve {
+  background-color: #2a5a3a;
+  color: #6bd99a;
+}
+.approval-btn.always {
+  background-color: #2a3a5a;
+  color: #6bb6ff;
+}
+.approval-btn.reject {
+  background-color: #5a2a2a;
+  color: #e85a4f;
+  margin-right: 0;
+}
+.tool-result {
+  margin-top: 6px;
+  padding: 4px 6px;
+  background-color: #181818;
+  border-radius: 4px;
+}
+.tool-result text {
+  color: #999999;
+  font-size: 11px;
+}
+/* 纯 JSON 工具结果 message 弱化(灰小字折叠,避免刺眼占用主气泡) */
+.msg-toolresult {
+  margin-top: 4px;
+  padding: 6px 8px;
+  background-color: #181818;
+  border-radius: 6px;
+  max-height: 80px;
+  overflow: hidden;
+}
+.msg-toolresult text {
+  color: #777777;
+  font-size: 11px;
+}
+</style>

apps/df-miniapp/src/pages/conversations/index.vue

@@ -0,0 +1,189 @@
+<script setup lang="ts">
+import { onPullDownRefresh } from '@dcloudio/uni-app'
+import { useAiChat } from '@/composables/useAiChat'
+import type { Conversation } from '@/types/events'
+
+const ai = useAiChat()
+
+/** 点击会话项切换 */
+function handleSelect(convId: string): void {
+  ai.switchConversation(convId)
+  // 切换后跳回对话页
+  uni.switchTab({ url: '/pages/chat/index' })
+}
+
+/** 新建会话 */
+function handleNew(): void {
+  ai.newConversation()
+  uni.switchTab({ url: '/pages/chat/index' })
+}
+
+/** 长按会话项重命名(对齐桌面端改会话名) */
+function handleRename(conv: Conversation): void {
+  uni.showModal({
+    title: '重命名会话',
+    editable: true,
+    placeholderText: '输入新名称',
+    content: conv.title || '',
+    success: (r) => {
+      if (r.confirm && r.content) {
+        const newTitle = r.content.trim()
+        if (newTitle && newTitle !== conv.title) {
+          ai.renameConversation(conv.id, newTitle)
+        }
+      }
+    },
+  })
+}
+
+/** 下拉刷新:发 list_conversations 同步 device 会话列表(F-#95)。
+ *  命令异步回流经 AiConversationList 事件替换 ai.conversations(handleEvent),
+ *  此处仅发命令 + 收尾停止下拉动画(列表更新非同步返回,故立即停止动画即可)。 */
+onPullDownRefresh(() => {
+  ai.refreshConversations()
+  uni.stopPullDownRefresh()
+})
+
+/** 格式化时间戳为可读字符串 */
+function formatTime(ts?: number): string {
+  if (!ts) return ''
+  const d = new Date(ts)
+  const mm = String(d.getMonth() + 1).padStart(2, '0')
+  const dd = String(d.getDate()).padStart(2, '0')
+  const hh = String(d.getHours()).padStart(2, '0')
+  const mi = String(d.getMinutes()).padStart(2, '0')
+  return `${mm}-${dd} ${hh}:${mi}`
+}
+</script>
+
+<template>
+  <view class="conv-page">
+    <!-- 顶部新建按钮 -->
+    <view class="new-bar" @click="handleNew">
+      <text class="new-icon">+</text>
+      <text class="new-text">新建会话</text>
+    </view>
+
+    <!-- 会话列表 -->
+    <scroll-view class="conv-list" scroll-y>
+      <view v-if="ai.conversations.length === 0" class="empty-hint">
+        <text>暂无历史会话</text>
+        <text class="empty-sub">在桌面端创建后,此处同步</text>
+      </view>
+
+      <view
+        v-for="conv in ai.conversations"
+        :key="conv.id"
+        class="conv-item"
+        :class="{ active: conv.id === ai.activeConversationId.value }"
+        @click="handleSelect(conv.id)"
+        @longpress="handleRename(conv)"
+      >
+        <view class="conv-main">
+          <text class="conv-title">{{ conv.title || '(未命名会话)' }}</text>
+          <text v-if="conv.lastMessage" class="conv-last">{{ conv.lastMessage }}</text>
+        </view>
+        <text v-if="conv.updatedAt" class="conv-time">{{ formatTime(conv.updatedAt) }}</text>
+      </view>
+      <view v-if="ai.conversations.length > 0" class="list-hint">
+        <text>长按会话可重命名</text>
+      </view>
+    </scroll-view>
+  </view>
+</template>
+
+<style lang="scss" scoped>
+.conv-page {
+  display: flex;
+  flex-direction: column;
+  height: 100vh;
+  background-color: $uni-bg-color;
+}
+
+.new-bar {
+  display: flex;
+  align-items: center;
+  padding: 24rpx;
+  background-color: $uni-bg-color-dark;
+  border-bottom: 1rpx solid $uni-border-color;
+}
+
+.new-icon {
+  font-size: 40rpx;
+  color: $uni-color-primary;
+  margin-right: 16rpx;
+}
+
+.new-text {
+  font-size: $uni-font-size-base;
+  color: $uni-color-primary;
+}
+
+.conv-list {
+  flex: 1;
+}
+
+.empty-hint {
+  display: flex;
+  flex-direction: column;
+  align-items: center;
+  padding: 200rpx 24rpx;
+  text {
+    color: $uni-text-color-disable;
+    font-size: $uni-font-size-base;
+  }
+  .empty-sub {
+    margin-top: 12rpx;
+    font-size: $uni-font-size-sm;
+  }
+}
+
+.conv-item {
+  display: flex;
+  align-items: center;
+  padding: 24rpx;
+  border-bottom: 1rpx solid $uni-border-color;
+  &.active {
+    background-color: $uni-bg-color-light;
+    border-left: 6rpx solid $uni-color-primary;
+  }
+}
+
+.conv-main {
+  flex: 1;
+  display: flex;
+  flex-direction: column;
+  overflow: hidden;
+}
+
+.conv-title {
+  font-size: $uni-font-size-base;
+  color: $uni-text-color;
+  white-space: nowrap;
+  overflow: hidden;
+  text-overflow: ellipsis;
+}
+
+.conv-last {
+  margin-top: 8rpx;
+  font-size: $uni-font-size-sm;
+  color: $uni-text-color-grey;
+  white-space: nowrap;
+  overflow: hidden;
+  text-overflow: ellipsis;
+}
+
+.conv-time {
+  font-size: $uni-font-size-sm;
+  color: $uni-text-color-disable;
+  margin-left: 16rpx;
+}
+.list-hint {
+  padding: 24rpx;
+  text-align: center;
+}
+.list-hint text {
+  color: $uni-text-color-disable;
+  font-size: $uni-font-size-sm;
+}
+</style>

apps/df-miniapp/src/shims-uni.d.ts

@@ -0,0 +1,7 @@
+/// <reference types="@dcloudio/types" />
+
+declare module '*.vue' {
+  import type { DefineComponent } from 'vue'
+  const component: DefineComponent<Record<string, unknown>, Record<string, unknown>, unknown>
+  export default component
+}

apps/df-miniapp/src/types/events.ts

@@ -0,0 +1,196 @@
+/**
+ * AiChatEvent 类型镜像(对齐 DevFlow 后端 Rust 定义)
+ *
+ * 类型证据:
+ * - Rust 定义:src-tauri/src/commands/ai/mod.rs:105-216 `pub enum AiChatEvent`
+ *   (19 个变体,#[serde(tag = "type")] → TS 用 type discriminator 镜像)
+ * - Rust 字段 snake_case:Rust 默认 snake_case 字段,TS 直接对齐(不加 camelCase 转换)
+ * - 桌面 TS:src/api/types.ts(未在本批核验,但变体名/字段从 Rust 源码逐字对齐)
+ *
+ * 注意:TS 联合类型 discriminator 名为 `type`,与 Rust #[serde(tag = "type")] 一致。
+ *      变体名 PascalCase(Rust enum 变体名原样,serde 默认 PascalCase 序列化)。
+ */
+
+// SkillInfo 复用 relay.ts 同协议层定义(`/` 联想浮层渲染 + 选中后 name 透传 SendMessageArgs.skill)
+import type { SkillInfo } from './relay'
+
+/** 错误源分类(对齐 Rust ErrorType,mod.rs:89-102,snake_case 序列化) */
+export type ErrorType = 'auth' | 'network' | 'timeout' | 'provider_config' | 'unknown'
+
+/** 会话生命周期状态(对齐 Rust ConvState,L2 统一状态机,snake_case 序列化) */
+export type ConvState = 'idle' | 'generating' | 'stopping' | 'error' | 'compressed'
+
+/**
+ * AI 聊天事件联合类型(19 个变体,严格对齐 Rust mod.rs:107-216)
+ *
+ * 字段全部对齐 Rust serde(rename_all 默认 snake_case 字段名,tag = "type")。
+ * 变体名 PascalCase 来自 Rust enum 变体名(serde 默认 PascalCase 序列化 enum variant)。
+ *
+ * 注:AiConversationList 的 conversations 字段对齐 Rust ConvSummary(#[serde(rename_all="camelCase")]),
+ *     元素结构同本文件 Conversation interface(id/title/lastMessage?/updatedAt?/createdAt?)。
+ */
+export type AiChatEvent =
+  | { type: 'AiTextDelta'; delta: string; conversation_id?: string | null }
+  | { type: 'AiToolCallStarted'; id: string; name: string; args: unknown; conversation_id?: string | null }
+  | { type: 'AiToolCallCompleted'; id: string; result: unknown; conversation_id?: string | null }
+  | { type: 'AiToolAutoApproved'; id: string; tool: string; dir: string; conversation_id?: string | null }
+  | {
+      type: 'AiApprovalRequired'
+      id: string
+      name: string
+      args: unknown
+      reason: string
+      diff?: string | null
+      conversation_id?: string | null
+    }
+  | { type: 'AiApprovalResult'; id: string; approved: boolean; conversation_id?: string | null }
+  | {
+      type: 'AiCompleted'
+      total_tokens: number
+      prompt_tokens: number
+      completion_tokens: number
+      incomplete?: boolean | null
+      conversation_id?: string | null
+    }
+  | { type: 'AiError'; error: string; error_type?: ErrorType | null; conversation_id?: string | null }
+  | { type: 'AiUserMessage'; message: string; conversation_id?: string | null }
+  | { type: 'AiAgentRound'; round: number; conversation_id?: string | null }
+  | { type: 'AiHeartbeat'; conversation_id?: string | null }
+  | { type: 'AiMaxRoundsReached'; conversation_id?: string | null }
+  | { type: 'AiStreamRetry'; attempt: number; max_attempts: number; conversation_id?: string | null }
+  | {
+      type: 'AiDirAuthRequired'
+      id: string
+      tool: string
+      path: string
+      dir: string
+      conversation_id?: string | null
+    }
+  | { type: 'AiContextCleared'; conversation_id?: string | null }
+  | { type: 'AiCompressing'; conversation_id?: string | null }
+  // 治 Task#1:拆分手动/自动两变体(字段相同仅 type 字面量不同),桌面按 type 分流,
+  // miniapp 两变体都插摘要气泡(历史可见性,见 useAiChat.ts:618 case fallthrough)。
+  | { type: 'AiManualCompressed'; conversation_id?: string | null; summary: string }
+  | { type: 'AiAutoCompressed'; conversation_id?: string | null; summary: string }
+  | {
+      type: 'AiHelpRequired'
+      reason: string
+      context: string
+      options: string[]
+      conversation_id?: string | null
+    }
+  | { type: 'AiConvStateChanged'; conv_state: ConvState; conversation_id?: string | null }
+  | { type: 'AiConversationList'; conversations: Conversation[] }
+  | { type: 'AiMessageHistory'; conversation_id: string; messages: ChatMessage[] }
+  | { type: 'AiSkillList'; skills: SkillInfo[] }
+  | {
+      type: 'AiEntityList'
+      projects: ProjectRecord[]
+      tasks: TaskRecord[]
+      ideas: IdeaRecord[]
+    }
+
+/** AiChatEvent 的 type 字面量集合(用于 narrowing / 分派) */
+export type AiChatEventType = AiChatEvent['type']
+
+/** 会话信息(对齐桌面端 list_conversations 返回结构,字段名 camelCase 兼容桌面 IPC 约定) */
+export interface Conversation {
+  id: string
+  title: string
+  /** 最近一条消息摘要(可选) */
+  lastMessage?: string
+  /** 最近更新时间戳(ms) */
+  updatedAt?: number
+  /** 创建时间(ms) */
+  createdAt?: number
+}
+
+/** 本地渲染消息气泡(对齐桌面端 AiMessage 结构,简化为 miniapp 必需字段) */
+export interface ChatMessage {
+  id: string
+  role: 'user' | 'assistant' | 'system'
+  content: string
+  timestamp: number
+  isError?: boolean
+  /** 工具调用列表(对齐 AiToolCallInfo) */
+  toolCalls?: AiToolCallInfo[]
+  /** 不完整标记(AiCompleted{incomplete:true} 对应系统提示气泡) */
+  incomplete?: boolean
+}
+
+/** 工具调用信息(对齐桌面 useAiEvents.ts:399 的 AiToolCallInfo) */
+export interface AiToolCallInfo {
+  id: string
+  name: string
+  args: unknown
+  result?: unknown
+  status: 'running' | 'completed' | 'failed' | 'pending_approval' | 'rejected'
+  reason?: string
+  diff?: string
+  /** 审批类型(risk 普通 / path 路径授权,对齐后端 ApprovalKind) */
+  kind?: 'risk' | 'path'
+  dir?: string
+  path?: string
+}
+
+/** 挂起审批项(复用 AiToolCallInfo 结构,miniapp 不实现审批 UI 仅展示) */
+export type PendingApproval = AiToolCallInfo
+
+/** Token 用量(对齐桌面端 state.lastTokenUsage) */
+export interface TokenUsage {
+  prompt: number
+  completion: number
+  total: number
+}
+
+// ============================================================
+// 实体列表类型(F-#95 联想扩展,AiEntityList 事件载荷)
+// ============================================================
+//
+// 精简字段对齐桌面端 src/api/types.ts(后端 Record 全量字段经 Tauri command Serialize 直传,
+// miniapp 仅声明联想浮层展示所需字段;多余字段 JSON 解析保留不报错)。
+// SkillInfo 从 ./relay 复用(同协议层定义,避免重复)。
+
+/** 项目记录(对齐桌面端 src/api/types.ts:80 ProjectRecord,miniapp 精简版) */
+export interface ProjectRecord {
+  id: string
+  name: string
+  description: string
+  status: string
+  idea_id: string | null
+  /** 绑定的本地代码目录绝对路径(null=未绑定) */
+  path: string | null
+  /** 技术栈 JSON 数组字符串(如 ["rust","vue"],null=未探测) */
+  stack: string | null
+  created_at: string
+  updated_at: string
+}
+
+/** 任务记录(对齐桌面端 src/api/types.ts:135 TaskRecord,miniapp 精简版) */
+export interface TaskRecord {
+  id: string
+  project_id: string
+  title: string
+  description: string
+  status: string
+  /** 优先级:0=critical, 1=high, 2=medium, 3=low */
+  priority: number
+  branch_name: string | null
+  assignee: string | null
+  created_at: string
+  updated_at: string
+}
+
+/** 灵感记录(对齐桌面端 src/api/types.ts:11 IdeaRecord,miniapp 精简版) */
+export interface IdeaRecord {
+  id: string
+  title: string
+  description: string
+  status: string
+  priority: number
+  score: number | null
+  tags: string | null
+  source: string | null
+  created_at: string
+  updated_at: string
+}

apps/df-miniapp/src/types/relay.ts

@@ -0,0 +1,204 @@
+/**
+ * df-relay 协议类型镜像(对齐 Rust crates/df-relay/src/)
+ *
+ * 类型证据:
+ * - ClientKind / MessageKind:crates/df-relay/src/broadcast.rs:21-41
+ *   (#[serde(rename_all = "snake_case")] → 'device'/'miniapp', 'event'/'command'/'control')
+ * - BroadcastMessage:broadcast.rs:48-62(device_id/kind/source/from/payload/ts)
+ * - Hello 握手帧:crates/df-relay/src/relay.rs:44-53(kind/device_id/token)
+ *   kind 用 ClientKindWire(relay.rs:56-61),序列化为 'device'/'miniapp'
+ * - 路由端点:relay.rs:177-183 `/ws/miniapp`(小程序专用端点)
+ *
+ * 关键协议点(relay.rs:332-365 handle_inbound_text):
+ *   relay 不解析 payload —— miniapp 入站文本帧直接当 payload 包成 BroadcastMessage 路由给 device。
+ *   故 miniapp 发送时,直接序列化 Command JSON(relay 自动包 payload),不需客户端构造 BroadcastMessage。
+ *   接收时,device 事件经 relay 包成完整 BroadcastMessage 序列化下发,miniapp 需先解 BroadcastMessage
+ *   再从 payload 取 AiChatEvent。
+ */
+
+/** 客户端类型(对齐 Rust ClientKind,snake_case 序列化,broadcast.rs:21-28) */
+export type ClientKind = 'device' | 'miniapp'
+
+/** 消息语义分类(对齐 Rust MessageKind,snake_case 序列化,broadcast.rs:35-41) */
+export type MessageKind = 'event' | 'command' | 'control'
+
+/** 在线状态(对齐 Rust PresenceState,snake_case 序列化,broadcast.rs:119-126) */
+export type PresenceState = 'online' | 'offline'
+
+/** ConnId 是 Rust u64(对齐 conn.rs ConnId struct),TS 用 number */
+export type ConnId = number
+
+/**
+ * 中继路由消息骨架(对齐 Rust BroadcastMessage,broadcast.rs:48-62)
+ *
+ * miniapp 接收时 payload 为 AiChatEvent JSON(relay 透传不解析)。
+ */
+export interface BroadcastMessage {
+  /** 配对绑定的设备 ID */
+  device_id: string
+  /** 消息语义 */
+  kind: MessageKind
+  /** 消息来源连接 ID(relay 分配,u64) */
+  source: ConnId
+  /** 来源客户端类型 */
+  from: ClientKind
+  /** 载荷(原始 JSON,relay 透传不解析 —— Event 时为 AiChatEvent) */
+  payload: unknown
+  /** 时间戳(ms) */
+  ts: number
+}
+
+/**
+ * 客户端首消息:身份宣告(对齐 Rust Hello,relay.rs:44-53)
+ *
+ * 小程序连 `/ws/miniapp` 后首帧必须发此结构,否则 relay 关连接(relay.rs:197-208)。
+ * kind 恒为 'miniapp'(与端点匹配,relay.rs:212-225 校验,不匹配则关连接)。
+ */
+export interface Hello {
+  /** 客户端类型,小程序恒 'miniapp'(对齐 ClientKindWire) */
+  kind: 'miniapp' | 'device'
+  /** 配对绑定的设备 ID(用户首次配置时生成) */
+  device_id: string
+  /** 配对 token(env DF_RELAY_TOKEN,fallback "devflow-relay-default-token") */
+  token: string
+}
+
+/**
+ * 控制面消息(对齐 Rust ControlMessage,broadcast.rs:132-145,tag = "control_kind")
+ *
+ * miniapp 主要发 Heartbeat 心跳 + Ping;Pair 在首次绑定时用(本批未实现绑定流程)。
+ */
+export type ControlMessage =
+  | { control_kind: 'pair'; device_id: string; token: string }
+  | { control_kind: 'heartbeat'; device_id: string }
+  | { control_kind: 'presence'; device_id: string; state: PresenceState }
+  | { control_kind: 'ping' }
+  | { control_kind: 'pong' }
+
+/**
+ * 小程序 → 桌面端 Command 协议(miniapp 发起操作)
+ *
+ * 类型为对齐 Tauri command 名,relay 透传 device_id 路由到桌面端,桌面端 invoke 对应 command。
+ * 字段:
+ * - cmd:命令名(对齐 src-tauri command 函数名)
+ * - args:命令参数(对齐各 command 的参数)
+ *
+ * 路由表全覆盖(14 条):
+ * - send_message / stop / switch_conversation / regenerate(MVP 已发)
+ * - approve / authorize_dir / continue_loop / stop_loop(阶段3 补齐,见 useAiChat.ts)
+ * - list_conversations / load_messages(F-#95 扩展,会话列表/历史消息读取)
+ * - list_skills / list_entities(F-#95 联想扩展,技能/项目·任务·灵感列表,见 useAiChat.ts)
+ * - rename_conversation(会话重命名,2026-06-23)/ sync_pending(重连审批恢复,2026-06-23)
+ */
+export interface MiniCommand {
+  /** Tauri command 名 */
+  cmd: string
+  /** 命令参数(原始对象,对齐各 command 参数签名) */
+  args: Record<string, unknown>
+}
+
+/** send_message 命令参数(对齐 src-tauri ai_chat_send command) */
+export interface SendMessageArgs {
+  message: string
+  conversation_id?: string | null
+  model_override?: string | null
+  /**
+   * 选中技能名(`/<skill>` 联想选中后透传,对齐 ai_chat_send 的 skill 参数)。
+   * null/undefined=无技能(普通对话);非空=后端注入对应 SKILL.md 全文到 prompt。
+   */
+  skill?: string | null
+  /**
+   * @ mention 区间元数据(用户选中 @项目/@任务/@灵感 后透传,
+   * 对齐 ai_chat_send 的 mention_spans 参数,后端 resolve 投影成 Augmentation 注入)。
+   * null/undefined/空=无 mention(纯文本消息)。
+   */
+  mention_spans?: MentionSpan[] | null
+}
+
+/**
+ * 用户消息内 mention 区间的元数据
+ * (对齐后端 MentionSpanDto,crates/df-types/src/augmentation.rs:235)。
+ *
+ * 字段名对齐后端 serde:refId(camelCase,后端 serde rename)。
+ * 前端按 {start, length} 在原文中切出区间替换为 chip。
+ */
+export interface MentionSpan {
+  /** 区间起点(字符偏移,前端约定,后端仅透传不解释) */
+  start: number
+  /** 区间长度 */
+  length: number
+  /** kind 标签:project / task / idea / skill(对齐后端 MentionKind serde snake_case) */
+  kind: 'project' | 'task' | 'idea' | 'skill'
+  /** 引用稳定标识(Project/Task/Idea 为 id,Skill 为 name),前端用于反查 */
+  refId: string
+  /** chip 展示文本(项目名/任务标题/技能名) */
+  label: string
+}
+
+/**
+ * 技能信息(对齐桌面端 src/api/types.ts:614 SkillInfo + 后端 SkillInfo,
+ * src-tauri/src/commands/ai/skills.rs:19-34)。
+ *
+ * 供 `/` 联想浮层渲染 + 选中后 name 透传 SendMessageArgs.skill。
+ * duplicates 可选:后端 #[serde(skip_serializing_if=Option::is_none)] 无冲突不序列化,
+ * miniapp 加 `?` 兜底防 prod 反序列化宽松报错。
+ */
+export interface SkillInfo {
+  /** 技能名(联想浮层展示 + 选中后透传 skill 参数) */
+  name: string
+  /** 技能描述(浮层副标题) */
+  description: string
+  /** 参数提示(可选,如 "<url>") */
+  argument_hint?: string
+  /** skill | command | plugin(来源分类) */
+  source: string
+  /** SKILL.md 绝对路径(后端注入时读全文) */
+  path: string
+  /** 同名冲突的其他来源路径(可选,无冲突不序列化) */
+  duplicates?: string[]
+}
+
+/** switch_conversation 命令参数 */
+export interface SwitchConversationArgs {
+  conversation_id: string
+}
+
+/** stop 命令参数(对齐 ai_chat_stop) */
+export interface StopArgs {
+  conversation_id?: string | null
+}
+
+/** approve 命令参数(对齐 src-tauri ai_approve,Phase3 §2.2 路由表) */
+export interface ApproveArgs {
+  /** 待审批的工具调用 id(对应 AiApprovalRequired 事件的 id) */
+  tool_call_id: string
+  /** 是否批准(true=批准执行,false=拒绝) */
+  approved: boolean
+}
+
+/**
+ * authorize_dir 命令参数(对齐 src-tauri ai_authorize_dir,Phase3 §2.2 路由表)
+ *
+ * decision 取值:对齐 src-tauri ai_authorize_dir 的 decision 参数
+ * - 'once':本次授权(下次同路径仍需问)
+ * - 'always':永久授权(写入会话级信任目录)
+ * - 'deny':拒绝(本次不授权)
+ */
+export interface AuthorizeDirArgs {
+  /** 待授权的工具调用 id(对应 AiDirAuthRequired 事件的 id) */
+  tool_call_id: string
+  /** 授权决策('once' / 'always' / 'deny') */
+  decision: 'once' | 'always' | 'deny'
+}
+
+/** continue_loop 命令参数(对齐 src-tauri ai_continue_loop,Phase3 §2.2 路由表) */
+export interface ContinueLoopArgs {
+  /** 需继续运行的会话 id */
+  conversation_id: string
+}
+
+/** stop_loop 命令参数(对齐 src-tauri ai_stop_loop,Phase3 §2.2 路由表) */
+export interface StopLoopArgs {
+  /** 霷停止循环的会话 id */
+  conversation_id: string
+}

apps/df-miniapp/src/uni.scss

@@ -0,0 +1,33 @@
+/**
+ * 全局样式变量(uni-app 规范:uni.scss 由 uni-app 自动引入到各页面/组件)
+ *
+ * 颜色基调对齐桌面端暗色主题(便于跨端视觉一致)。
+ */
+
+/* 主色调 */
+$uni-color-primary: #4a9eff;
+$uni-color-success: #4cd964;
+$uni-color-warning: #f0ad4e;
+$uni-color-error: #dd524d;
+
+/* 中性色(暗色背景适配) */
+$uni-bg-color: #0f0f0f;
+$uni-bg-color-dark: #1a1a1a;
+$uni-bg-color-light: #2a2a2a;
+$uni-text-color: #e0e0e0;
+$uni-text-color-grey: #999999;
+$uni-text-color-disable: #666666;
+$uni-border-color: #333333;
+
+/* 字号 */
+$uni-font-size-sm: 24rpx;
+$uni-font-size-base: 28rpx;
+$uni-font-size-lg: 32rpx;
+
+/* 气泡角色配色 */
+$uni-bubble-user-bg: #4a9eff;
+$uni-bubble-user-text: #ffffff;
+$uni-bubble-assistant-bg: #2a2a2a;
+$uni-bubble-assistant-text: #e0e0e0;
+$uni-bubble-error-bg: #3a1a1a;
+$uni-bubble-error-text: #ff6b6b;

apps/df-miniapp/src/utils/mdRenderer.ts

@@ -0,0 +1,62 @@
+/**
+ * marked HTML 后处理:为代码块/内联 code/链接/表格注入 inline style(P1-G)。
+ *
+ * 为什么后处理而非 marked 自定义 renderer:
+ * - mp-weixin rich-text 不链接页面 CSS class,仅认节点 inline style → 必须把样式写进 HTML 属性。
+ * - 纯字符串后处理规避 marked renderer 版本签名差异(v5 前 (text,info) / v5+ Token 对象),
+ *   版本无关,build 不依赖 renderer TS 签名。
+ *
+ * mp-weixin rich-text 限制(已核官方文档,非臆测):
+ * - <a> 节点事件屏蔽,无法 bindtap 跳转 → 链接仅展示 + 长按复制(rich-text selectable=true);
+ *   跳转需第三方 mp-html(本次不做,记后续)。
+ * - rich-text 非滚动容器,overflow-y:auto/max-height 不创建滚动区 → 长代码靠
+ *   white-space:pre-wrap + word-break:break-all 换行防撑爆,不限高滚动。
+ */
+
+/** 给指定标签注入 inline style(已有 style 则合并,无则新增)。 */
+function styleTag(html: string, tag: string, style: string): string {
+  const re = new RegExp(`<${tag}(\\s[^>]*)?>`, 'g')
+  return html.replace(re, (m, attrs: string) => {
+    if (attrs && /\sstyle\s*=/.test(attrs)) {
+      // 已有 style:追加(在现有 style 值末尾加分号 + 新 style)
+      return m.replace(/style\s*=\s*"([^"]*)"/, (_full, prev: string) => {
+        const merged = prev.endsWith(';') ? prev : `${prev};`
+        return `style="${merged}${style}"`
+      })
+    }
+    return `<${tag}${attrs || ''} style="${style}">`
+  })
+}
+
+/**
+ * 对 marked.parse 产出的 HTML 注入 inline style。
+ *
+ * 设计取舍:pre(块代码)给深色背景;<code> 不给背景(透明),仅等宽+橙色 —— 避免块代码内层 code
+ * 与 pre 背景冲突的双层色块(块代码内 code 透明继承 pre 深底,内联 code 橙色等宽在消息底上也可读)。
+ */
+export function styleMarkdown(html: string): string {
+  let out = html
+  // 块代码 <pre>:深色背景 + 等宽 + 圆角 + pre-wrap 换行防撑爆
+  out = styleTag(
+    out,
+    'pre',
+    'display:block;background-color:#1a1a1a;color:#d4d4d4;padding:10px;border-radius:6px;white-space:pre-wrap;word-break:break-all;font-family:monospace;font-size:12px;margin:6px 0',
+  )
+  // code(块内 + 内联):等宽橙色,透明背景(避与 pre 双层色块)
+  out = styleTag(
+    out,
+    'code',
+    'font-family:monospace;color:#e0a070;background-color:transparent;font-size:12px',
+  )
+  // 链接:蓝下划线(rich-text 不可点击,仅展示 + selectable 长按复制)
+  out = styleTag(out, 'a', 'color:#4a9eff;text-decoration:underline')
+  // 表格:border + 块级 + 横向溢出处理(rich-text 非滚动,靠 word-break 兜底;border 提升可读)
+  out = styleTag(
+    out,
+    'table',
+    'display:block;border-collapse:collapse;width:100%;font-size:12px;word-break:break-all',
+  )
+  out = styleTag(out, 'th', 'border:1px solid #333;padding:4px 6px;background-color:#1a1a1a')
+  out = styleTag(out, 'td', 'border:1px solid #333;padding:4px 6px')
+  return out
+}

apps/df-miniapp/tsconfig.json

@@ -0,0 +1,25 @@
+{
+  "extends": "@vue/tsconfig/tsconfig.json",
+  "compilerOptions": {
+    "target": "ES2020",
+    "module": "ESNext",
+    "moduleResolution": "Bundler",
+    "strict": true,
+    "noUnusedLocals": false,
+    "noUnusedParameters": false,
+    "jsx": "preserve",
+    "isolatedModules": true,
+    "resolveJsonModule": true,
+    "esModuleInterop": true,
+    "skipLibCheck": true,
+    "useDefineForClassFields": true,
+    "lib": ["ES2020", "DOM"],
+    "types": ["@dcloudio/types", "@types/node"],
+    "baseUrl": ".",
+    "paths": {
+      "@/*": ["src/*"]
+    }
+  },
+  "include": ["src/**/*.ts", "src/**/*.d.ts", "src/**/*.tsx", "src/**/*.vue"],
+  "exclude": ["node_modules", "dist", "unpackage"]
+}

apps/df-miniapp/vite.config.ts

@@ -0,0 +1,9 @@
+import { defineConfig } from 'vite'
+import uni from '@dcloudio/vite-plugin-uni'
+
+// uni-app Vue3 vite 配置:vite-plugin-uni 注入跨端编译(mp-weixin / h5)。
+// Phase2 落地遗漏本文件致 `uni build -p mp-weixin` 走纯 vite h5(只产 index.html),
+// 补回后 -p mp-weixin 正确产出小程序文件(app.js/app.json/pages/*)。
+export default defineConfig({
+  plugins: [uni()],
+})

crates/df-ai-core/Cargo.toml

@@ -1,11 +1,11 @@
 [package]
-name = "df-traceability"
+name = "df-ai-core"
 version = "0.1.0"
 edition = "2021"
 
 [dependencies]
-df-core = { path = "../df-core" }
 serde = { workspace = true }
 serde_json = { workspace = true }
-chrono = { workspace = true }
+async-trait = { workspace = true }
 anyhow = { workspace = true }
+futures = "0.3"

crates/df-ai-core/src/lib.rs

@@ -0,0 +1,13 @@
+//! df-ai-core: LLM Provider trait + AI 数据结构（轻量 crate，零 HTTP 依赖）
+//!
+//! 从 df-ai 下沉的全局 AI 接入标准。df-ai 保留 HTTP impl 与业务逻辑
+//! （ContextManager / AiToolRegistry / build_provider 等），通过 re-export
+//! 保持 `df_ai::provider::*` 路径不变。df-ideas 等轻消费方直接依赖本 crate
+//! 的 trait 即可接 LLM，不引入 reqwest / eventsource-stream 等重依赖。
+
+pub mod model;
+pub mod provider;
+pub mod types;
+
+pub use model::*;
+pub use provider::*;

crates/df-ai-core/src/model.rs

@@ -0,0 +1,469 @@
+//! 模型能力数据模型 — F-01 阶段1
+//!
+//! 单模型的完整描述(4 维度 + 路由控制)。纯数据结构,零 IO / 零 DB 依赖。
+//! df-storage 反序列化 DB 行时直接消费本模块类型;df-ai 探测器/路由器阶段 2-4 再用。
+//!
+//! 设计来源:docs/02-架构设计/已编号方案/F-01-模型能力系统与智能路由设计-2026-06-16.md §2
+
+use serde::{Deserialize, Serialize};
+
+// ============================================================
+// 4 维度枚举
+// ============================================================
+
+/// 维度 1 — 模态(模型能接收什么输入)
+///
+/// 设计文档 §2.2 仅列出 Text/Vision,Audio/Video 为未来扩展占位。
+/// 序列化为 snake_case(`text` / `vision` / `audio` / `video`)。
+#[derive(Debug, Clone, Copy, Serialize, Deserialize, PartialEq, Eq, Hash)]
+#[serde(rename_all = "snake_case")]
+pub enum Modality {
+    Text,
+    Vision,
+    /// 未来扩展:音频输入(预留,Phase 2 多模态)
+    Audio,
+    /// 未来扩展:视频输入(预留)
+    Video,
+}
+
+/// 维度 2 — 能力(模型能做什么)
+///
+/// 设计文档 §2.2 列出 ToolUse/Embedding/CodeGen。序列化为 snake_case。
+/// §3.4 提到未来可加 Streaming/Custom(String),当前 Phase 1 仅 3 个确定变体。
+#[derive(Debug, Clone, Copy, Serialize, Deserialize, PartialEq, Eq, Hash)]
+#[serde(rename_all = "snake_case")]
+pub enum Capability {
+    /// function calling / tool use
+    ToolUse,
+    /// 向量嵌入(知识库)
+    Embedding,
+    /// 代码生成强项
+    CodeGen,
+}
+
+/// 维度 3 — 价格分级(成本)
+///
+/// 序列化为 snake_case。原设计文档 §2.2 列 Free/Low/Medium/High,但 Free 变体形同虚设:
+/// 预设表(presets/models.json)0 条 free + 启发式从不赋 Free(只 Low/Medium/High),
+/// B-260618-05 删除 Free 死档变体。
+///
+/// 路由已解耦(2026-06-18 B-260618-03):provider /v1/models API 不返回 cost_tier,
+/// 此维度 100% 靠预设表写死 + 模型名启发式猜,数据无客观依据不可信,不再参与硬路由
+/// (原 §6.1 `cost_tier <= max_cost` 过滤已删除)。枚举保留供未来出现真实判别源时再接回。
+#[derive(Debug, Clone, Copy, Serialize, Deserialize, PartialEq, Eq, PartialOrd, Ord)]
+#[serde(rename_all = "snake_case")]
+pub enum CostTier {
+    Low,
+    Medium,
+    High,
+}
+
+/// 维度 4 — 聪明程度(智力分级)
+///
+/// 设计文档 §2.2:Lite/Standard/Plus/Ultra。序列化为 snake_case。
+/// 派生 Ord:Lite < Standard < Plus < Ultra。
+///
+/// 路由已解耦(2026-06-18 B-260618-03):provider /v1/models API 不返回 intelligence,
+/// 此维度 100% 靠预设表写死 + 模型名启发式猜,数据无客观依据不可信,不再参与硬路由
+/// (原 §6.1 `intelligence >= min_intelligence` 过滤已删除)。枚举保留供未来出现真实判别源时再接回。
+#[derive(Debug, Clone, Copy, Serialize, Deserialize, PartialEq, Eq, PartialOrd, Ord)]
+#[serde(rename_all = "snake_case")]
+pub enum IntelligenceTier {
+    /// flash/mini/lite/nano — 快但简单任务
+    Lite,
+    /// air/standard — 日常够用
+    Standard,
+    /// plus/pro/max — 复杂推理
+    Plus,
+    /// 最强模型 — 兜底用
+    Ultra,
+}
+
+/// 探测元数据来源(只读,由 ModelProbe 填充,Phase 2)
+///
+/// 设计文档 §2.1 的 ProbeSource 字段。Phase 1 仅定义占位,Phase 2 探测器填充。
+#[derive(Debug, Clone, Serialize, Deserialize, PartialEq, Eq)]
+#[serde(rename_all = "snake_case")]
+pub enum ProbeSource {
+    /// 用户手动设定(最高优先)
+    UserSet,
+    /// 内置预设表精确/模糊匹配
+    PresetTable,
+    /// 模型名启发式推断
+    Heuristic,
+    /// 默认值兜底
+    Default,
+}
+
+// ============================================================
+// 核心结构 ModelConfig
+// ============================================================
+
+/// 单个模型的完整配置(4 维度 + 路由控制)。
+///
+/// 设计文档 §2.1。serde 默认值保证老库/部分字段缺失时向后兼容。
+#[derive(Debug, Clone, Serialize, Deserialize, PartialEq)]
+pub struct ModelConfig {
+    // ── 基础 ──
+    /// 模型名(如 "glm-4v-flash")
+    pub model_id: String,
+    /// 启用/禁用(false = 配了但不参与路由,相当于"备档")
+    #[serde(default = "default_true")]
+    pub enabled: bool,
+    /// 用户自定义别名(可选)
+    #[serde(default, skip_serializing_if = "Option::is_none")]
+    pub label: Option<String>,
+
+    // ── 维度 1:模态(能接收什么输入)──
+    #[serde(default)]
+    pub modalities: Vec<Modality>,
+
+    // ── 维度 2:能力(能做什么)──
+    #[serde(default)]
+    pub capabilities: Vec<Capability>,
+
+    // ── 维度 3:价格(成本分级)──
+    #[serde(default)]
+    pub cost_tier: CostTier,
+
+    // ── 维度 4:聪明程度(智力分级)──
+    #[serde(default)]
+    pub intelligence: IntelligenceTier,
+
+    // ── 路由控制 ──
+    /// 权重(0-100,同能力候选中优先选权重高的)
+    #[serde(default = "default_weight")]
+    pub weight: u32,
+    /// 上下文窗口大小(tokens)
+    #[serde(default = "default_context_window")]
+    pub context_window: usize,
+
+    // ── 探测元数据(只读,由 ModelProbe 填充,Phase 2)──
+    #[serde(default, skip_serializing_if = "Option::is_none")]
+    pub probe_source: Option<ProbeSource>,
+}
+
+fn default_true() -> bool {
+    true
+}
+
+fn default_weight() -> u32 {
+    50
+}
+
+fn default_context_window() -> usize {
+    8192
+}
+
+impl ModelConfig {
+    /// 用模型名构造默认配置(老格式字符串数组 `["glm-4-flash"]` 升级时逐项调用)。
+    ///
+    /// 设计文档 §2.3 向后兼容:老 `models: ["model-a"]` → 每个名字转默认 ModelConfig。
+    /// 默认值:enabled=true / modalities=[Text] / capabilities=[ToolUse] /
+    /// cost_tier=Medium / intelligence=Standard / weight=50 / context_window=8192。
+    /// (ToolUse 默认开:主流对话模型支持 function calling;精确能力由 Phase 2 探测器修正)
+    pub fn with_defaults(model_id: impl Into<String>) -> Self {
+        Self {
+            model_id: model_id.into(),
+            enabled: true,
+            label: None,
+            modalities: vec![Modality::Text],
+            capabilities: vec![Capability::ToolUse],
+            cost_tier: CostTier::Medium,
+            intelligence: IntelligenceTier::Standard,
+            weight: default_weight(),
+            context_window: default_context_window(),
+            probe_source: None,
+        }
+    }
+}
+
+/// 默认值(#[serde(default)] 用于 Vec/Option 字段时 serde 要求 Default impl)
+impl Default for Modality {
+    fn default() -> Self {
+        Modality::Text
+    }
+}
+
+impl Default for CostTier {
+    fn default() -> Self {
+        CostTier::Medium
+    }
+}
+
+impl Default for IntelligenceTier {
+    fn default() -> Self {
+        IntelligenceTier::Standard
+    }
+}
+
+// ============================================================
+// 向后兼容反序列化:老格式字符串数组 → ModelConfig 数组
+// ============================================================
+
+/// 反序列化 `models` JSON 字段,兼容两种格式:
+///
+/// - 老格式:`["glm-4-flash", "glm-4v"]`(纯字符串数组)→ 每个名字转 `ModelConfig::with_defaults`
+/// - 新格式:`[{ "model_id": ..., "modalities": [...] }, ...]`(ModelConfig 对象数组)
+/// - 空/非数组:null / 缺失 / 空字符串 → 空 Vec
+///
+/// 设计文档 §2.3。挂在 AiProviderRecord.models 字段上(#[serde(default, deserialize_with = ...)])。
+pub fn deserialize_model_configs<'de, D>(deserializer: D) -> Result<Vec<ModelConfig>, D::Error>
+where
+    D: serde::Deserializer<'de>,
+{
+    use serde::de::Error;
+
+    let opt: Option<serde_json::Value> = Option::deserialize(deserializer)?;
+    let Some(value) = opt else {
+        return Ok(Vec::new());
+    };
+
+    match value {
+        // null / 空字符串 / 空数组 → 空
+        serde_json::Value::Null => Ok(Vec::new()),
+        serde_json::Value::String(s) if s.trim().is_empty() => Ok(Vec::new()),
+        serde_json::Value::String(s) => {
+            // 字符串内容可能是 JSON 文本(DB TEXT 列存 JSON 字符串)
+            match serde_json::from_str::<serde_json::Value>(s.trim()) {
+                Ok(inner) => parse_models_value(inner).map_err(D::Error::custom),
+                Err(_) => Ok(Vec::new()),
+            }
+        }
+        serde_json::Value::Array(arr) => parse_models_value(serde_json::Value::Array(arr)).map_err(D::Error::custom),
+        other => parse_models_value(other).map_err(D::Error::custom),
+    }
+}
+
+fn parse_models_value(value: serde_json::Value) -> Result<Vec<ModelConfig>, serde_json::Error> {
+    match value {
+        serde_json::Value::Array(arr) => {
+            // 老格式:全为字符串 → 每个转默认配置
+            if arr.iter().all(|v| v.is_string()) {
+                return Ok(arr
+                    .into_iter()
+                    .filter_map(|v| v.as_str().map(ModelConfig::with_defaults))
+                    .collect());
+            }
+            // 新格式:ModelConfig 对象数组
+            serde_json::from_value::<Vec<ModelConfig>>(serde_json::Value::Array(arr))
+        }
+        serde_json::Value::Null => Ok(Vec::new()),
+        _ => Ok(Vec::new()),
+    }
+}
+
+#[cfg(test)]
+mod tests {
+    use super::*;
+
+    // ── 枚举 serde 映射 ──
+
+    #[test]
+    fn modality_serde_snake_case() {
+        let cases = [
+            (Modality::Text, "\"text\""),
+            (Modality::Vision, "\"vision\""),
+            (Modality::Audio, "\"audio\""),
+            (Modality::Video, "\"video\""),
+        ];
+        for (variant, expected) in cases {
+            let s = serde_json::to_string(&variant).unwrap();
+            assert_eq!(s, expected, "serialize {variant:?}");
+            let back: Modality = serde_json::from_str(expected).unwrap();
+            assert_eq!(back, variant, "deserialize {variant:?}");
+        }
+    }
+
+    #[test]
+    fn capability_serde_snake_case() {
+        let cases = [
+            (Capability::ToolUse, "\"tool_use\""),
+            (Capability::Embedding, "\"embedding\""),
+            (Capability::CodeGen, "\"code_gen\""),
+        ];
+        for (variant, expected) in cases {
+            let s = serde_json::to_string(&variant).unwrap();
+            assert_eq!(s, expected, "serialize {variant:?}");
+            let back: Capability = serde_json::from_str(expected).unwrap();
+            assert_eq!(back, variant, "deserialize {variant:?}");
+        }
+    }
+
+    #[test]
+    fn cost_tier_serde_and_ordering() {
+        let cases = [
+            (CostTier::Low, "\"low\""),
+            (CostTier::Medium, "\"medium\""),
+            (CostTier::High, "\"high\""),
+        ];
+        for (variant, expected) in cases {
+            assert_eq!(serde_json::to_string(&variant).unwrap(), expected);
+            assert_eq!(serde_json::from_str::<CostTier>(expected).unwrap(), variant);
+        }
+        // Ord:Low < Medium < High(枚举序,路由已解耦不再用于过滤,保留供未来判别源)。
+        // Free 变体已删除(B-260618-05:预设/启发式从不赋 Free,死档)。
+        assert!(CostTier::Low < CostTier::Medium);
+        assert!(CostTier::Medium < CostTier::High);
+    }
+
+    #[test]
+    fn intelligence_tier_serde_and_ordering() {
+        let cases = [
+            (IntelligenceTier::Lite, "\"lite\""),
+            (IntelligenceTier::Standard, "\"standard\""),
+            (IntelligenceTier::Plus, "\"plus\""),
+            (IntelligenceTier::Ultra, "\"ultra\""),
+        ];
+        for (variant, expected) in cases {
+            assert_eq!(serde_json::to_string(&variant).unwrap(), expected);
+            assert_eq!(serde_json::from_str::<IntelligenceTier>(expected).unwrap(), variant);
+        }
+        // Ord:Lite < Standard < Plus < Ultra(枚举序,路由已解耦不再用于过滤,保留供未来判别源)
+        assert!(IntelligenceTier::Lite < IntelligenceTier::Standard);
+        assert!(IntelligenceTier::Standard < IntelligenceTier::Plus);
+        assert!(IntelligenceTier::Plus < IntelligenceTier::Ultra);
+    }
+
+    // ── ModelConfig serde roundtrip ──
+
+    #[test]
+    fn model_config_full_roundtrip() {
+        let mc = ModelConfig {
+            model_id: "glm-4v".into(),
+            enabled: true,
+            label: Some("我的视觉".into()),
+            modalities: vec![Modality::Text, Modality::Vision],
+            capabilities: vec![Capability::ToolUse],
+            cost_tier: CostTier::Medium,
+            intelligence: IntelligenceTier::Plus,
+            weight: 70,
+            context_window: 128_000,
+            probe_source: Some(ProbeSource::PresetTable),
+        };
+        let json = serde_json::to_string(&mc).unwrap();
+        let back: ModelConfig = serde_json::from_str(&json).unwrap();
+        assert_eq!(back, mc);
+    }
+
+    #[test]
+    fn model_config_skip_none_label_and_probe() {
+        let mc = ModelConfig::with_defaults("glm-4-flash");
+        let json = serde_json::to_string(&mc).unwrap();
+        // label / probe_source 为 None 应被跳过
+        assert!(!json.contains("label"), "json={json}");
+        assert!(!json.contains("probe_source"), "json={json}");
+        // 反序列化回来相等(skip_serializing 不影响 deserialize)
+        let back: ModelConfig = serde_json::from_str(&json).unwrap();
+        assert_eq!(back, mc);
+    }
+
+    #[test]
+    fn model_config_with_defaults_values() {
+        let mc = ModelConfig::with_defaults("test-model");
+        assert_eq!(mc.model_id, "test-model");
+        assert!(mc.enabled);
+        assert_eq!(mc.modalities, vec![Modality::Text]);
+        assert_eq!(mc.capabilities, vec![Capability::ToolUse]);
+        assert_eq!(mc.cost_tier, CostTier::Medium);
+        assert_eq!(mc.intelligence, IntelligenceTier::Standard);
+        assert_eq!(mc.weight, 50);
+        assert_eq!(mc.context_window, 8192);
+        assert_eq!(mc.label, None);
+        assert_eq!(mc.probe_source, None);
+    }
+
+    #[test]
+    fn model_config_defaults_applied_on_missing_fields() {
+        // 最小 JSON,仅 model_id — 其余字段靠 #[serde(default)] / default fn 填充
+        let json = r#"{"model_id":"minimal"}"#;
+        let mc: ModelConfig = serde_json::from_str(json).unwrap();
+        assert_eq!(mc.model_id, "minimal");
+        assert!(mc.enabled, "enabled 默认 true");
+        assert_eq!(mc.weight, 50, "weight 默认 50");
+        assert_eq!(mc.context_window, 8192, "context_window 默认 8192");
+        assert!(mc.modalities.is_empty(), "Vec 字段 default 空");
+        assert!(mc.capabilities.is_empty());
+        assert_eq!(mc.cost_tier, CostTier::Medium);
+        assert_eq!(mc.intelligence, IntelligenceTier::Standard);
+    }
+
+    // ── deserialize_model_configs 向后兼容 ──
+
+    #[derive(Debug, Deserialize)]
+    struct Wrap {
+        #[serde(default, deserialize_with = "deserialize_model_configs")]
+        models: Vec<ModelConfig>,
+    }
+
+    #[test]
+    fn deserialize_old_format_string_array() {
+        // 老格式:["glm-4-flash", "glm-4v"]
+        let json = r#"{"models":["glm-4-flash","glm-4v"]}"#;
+        let w: Wrap = serde_json::from_str(json).unwrap();
+        assert_eq!(w.models.len(), 2);
+        assert_eq!(w.models[0].model_id, "glm-4-flash");
+        assert!(w.models[0].enabled);
+        assert_eq!(w.models[0].modalities, vec![Modality::Text]);
+        assert_eq!(w.models[1].model_id, "glm-4v");
+    }
+
+    #[test]
+    fn deserialize_new_format_object_array() {
+        let json = r#"{"models":[{"model_id":"glm-4v","enabled":true,"modalities":["text","vision"],"capabilities":["tool_use"],"cost_tier":"medium","intelligence":"plus","weight":70,"context_window":128000}]}"#;
+        let w: Wrap = serde_json::from_str(json).unwrap();
+        assert_eq!(w.models.len(), 1);
+        let m = &w.models[0];
+        assert_eq!(m.model_id, "glm-4v");
+        assert_eq!(m.modalities, vec![Modality::Text, Modality::Vision]);
+        assert_eq!(m.intelligence, IntelligenceTier::Plus);
+        assert_eq!(m.context_window, 128_000);
+    }
+
+    #[test]
+    fn deserialize_null_or_missing_yields_empty() {
+        // null
+        let w: Wrap = serde_json::from_str(r#"{"models":null}"#).unwrap();
+        assert!(w.models.is_empty());
+        // 缺失字段
+        let w: Wrap = serde_json::from_str(r#"{}"#).unwrap();
+        assert!(w.models.is_empty());
+        // 空字符串(DB TEXT 列可能存空串)
+        let w: Wrap = serde_json::from_str(r#"{"models":""}"#).unwrap();
+        assert!(w.models.is_empty());
+        // 空数组
+        let w: Wrap = serde_json::from_str(r#"{"models":[]}"#).unwrap();
+        assert!(w.models.is_empty());
+    }
+
+    #[test]
+    fn deserialize_json_string_text_column() {
+        // DB TEXT 列存的是 JSON 文本字符串:`"[\"model-a\"]"`
+        let json = r#"{"models":"[\"glm-4-flash\"]"}"#;
+        let w: Wrap = serde_json::from_str(json).unwrap();
+        assert_eq!(w.models.len(), 1);
+        assert_eq!(w.models[0].model_id, "glm-4-flash");
+    }
+
+    #[test]
+    fn roundtrip_via_text_column() {
+        // 模拟 DB 落库:Vec<ModelConfig> → serde_json 序列化 → 存 TEXT 列
+        // 读出来:TEXT 列值 → 反序列化回 Vec<ModelConfig>
+        let original = vec![
+            ModelConfig::with_defaults("glm-4-flash"),
+            ModelConfig {
+                model_id: "glm-4v".into(),
+                modalities: vec![Modality::Text, Modality::Vision],
+                intelligence: IntelligenceTier::Plus,
+                weight: 70,
+                context_window: 128_000,
+                ..ModelConfig::with_defaults("glm-4v")
+            },
+        ];
+        let text = serde_json::to_string(&original).unwrap();
+        let wrapped = format!(r#"{{"models":"{}"}}"#, text.replace('"', "\\\""));
+        let w: Wrap = serde_json::from_str(&wrapped).unwrap();
+        assert_eq!(w.models.len(), 2);
+        assert_eq!(w.models[1].intelligence, IntelligenceTier::Plus);
+    }
+}

crates/df-ai-core/src/provider.rs

@@ -0,0 +1,439 @@
+//! LLM Provider trait — 统一的 LLM 调用抽象
+//!
+//! 支持 OpenAI 兼容 API（覆盖 OpenAI / GLM / DeepSeek / Claude 兼容模式），
+//! 含 function calling / tool use 能力。
+//!
+//! 本文件含 trait + 类型 impl 块（零 IO）。纯类型定义（CompletionRequest /
+//! ChatMessage / ContentPart 等 `#[derive]` struct/enum）已拆分到 `types.rs`，
+//! 经下方 `pub use crate::types::*` re-export 保持外部路径
+//! `df_ai_core::provider::*` / `df_ai::provider::*` 不变（编译期验证）。
+//! HTTP impl（OpenAICompatProvider / AnthropicCompatProvider）+ 业务逻辑
+//! （ContextManager / AiToolRegistry / build_provider 工厂）留在 df-ai crate。
+
+use async_trait::async_trait;
+
+// 透明 re-export：types.rs 中所有 pub 类型经此回流到 provider::* glob,
+// 使 df_ai::provider::*（df-ai/src/provider.rs:15 的 `pub use df_ai_core::provider::*`）
+// 与直接 `df_ai_core::provider::Type` 限定路径全部继续可用。
+pub use crate::types::*;
+use crate::types::{new_message_id, now_millis_i64};
+
+impl ContentPart {
+    pub fn text(text: impl Into<String>) -> Self {
+        ContentPart::Text { text: text.into() }
+    }
+    pub fn image_base64(media_type: impl Into<String>, data: impl Into<String>) -> Self {
+        ContentPart::Image {
+            url: None,
+            base64: Some(data.into()),
+            media_type: Some(media_type.into()),
+            alt: None,
+        }
+    }
+    pub fn image_url(url: impl Into<String>) -> Self {
+        ContentPart::Image { url: Some(url.into()), base64: None, media_type: None, alt: None }
+    }
+
+    /// 是否图片片
+    pub fn is_image(&self) -> bool {
+        matches!(self, ContentPart::Image { .. })
+    }
+}
+
+impl ChatMessage {
+    pub fn system(content: impl Into<String>) -> Self {
+        Self { id: Some(new_message_id()), role: MessageRole::System, content: content.into(), parts: None, tool_call_id: None, tool_calls: None, model: None, status: None, reasoning_content: None, timestamp: Some(now_millis_i64()) }
+    }
+    pub fn user(content: impl Into<String>) -> Self {
+        Self { id: Some(new_message_id()), role: MessageRole::User, content: content.into(), parts: None, tool_call_id: None, tool_calls: None, model: None, status: None, reasoning_content: None, timestamp: Some(now_millis_i64()) }
+    }
+    pub fn assistant(content: impl Into<String>) -> Self {
+        Self { id: Some(new_message_id()), role: MessageRole::Assistant, content: content.into(), parts: None, tool_call_id: None, tool_calls: None, model: None, status: None, reasoning_content: None, timestamp: Some(now_millis_i64()) }
+    }
+    pub fn assistant_with_tools(content: impl Into<String>, tool_calls: Vec<ToolCall>) -> Self {
+        Self { id: Some(new_message_id()), role: MessageRole::Assistant, content: content.into(), parts: None, tool_call_id: None, tool_calls: Some(tool_calls), model: None, status: None, reasoning_content: None, timestamp: Some(now_millis_i64()) }
+    }
+    pub fn tool_result(call_id: impl Into<String>, content: impl Into<String>) -> Self {
+        Self { id: Some(new_message_id()), role: MessageRole::Tool, content: content.into(), parts: None, tool_call_id: Some(call_id.into()), tool_calls: None, model: None, status: None, reasoning_content: None, timestamp: Some(now_millis_i64()) }
+    }
+
+    /// 多模态 user 消息：content 文本 + parts（含 Image 片）。
+    /// content 作为人类可读文本（也作非 vision 端点降级载荷）；parts 透传给 vision 端点。
+    pub fn user_parts(content: impl Into<String>, parts: Vec<ContentPart>) -> Self {
+        Self { id: Some(new_message_id()), role: MessageRole::User, content: content.into(), parts: Some(parts), tool_call_id: None, tool_calls: None, model: None, status: None, reasoning_content: None, timestamp: Some(now_millis_i64()) }
+    }
+
+    /// 是否含图片片（供 provider 判定走多模态分支）。
+    pub fn has_image(&self) -> bool {
+        self.parts.as_ref().map(|ps| ps.iter().any(|p| p.is_image())).unwrap_or(false)
+    }
+
+    /// parts 若存在则返回引用，否则 None。
+    pub fn parts(&self) -> Option<&[ContentPart]> {
+        self.parts.as_deref()
+    }
+
+    /// 把 content + parts 拍平为有序 ContentPart 序列：先 content 作 Text 片（非空时），
+    /// 再追加 parts（若有）。供 provider 生成 content blocks（保证文本在前、图片在后）。
+    pub fn flattened_parts(&self) -> Vec<ContentPart> {
+        let mut out: Vec<ContentPart> = Vec::new();
+        if !self.content.is_empty() {
+            out.push(ContentPart::Text { text: self.content.clone() });
+        }
+        if let Some(ps) = &self.parts {
+            for p in ps {
+                out.push(p.clone());
+            }
+        }
+        out
+    }
+
+    /// 是否处于 active 态（status 为 None 或 "active"）。其余状态一律 false。
+    ///
+    /// 正面白名单（F-15 §3.2）：仅认 None / "active"，新状态
+    /// （如阶段2 引入的 "archived_segment" / "compressed"）自动落入不 active 分支，
+    /// 无需每加一个状态就来这里改。当前取值 None/Some("active")/Some("truncated")
+    /// 行为与旧反面排除完全等价（None=true / "active"=true / "truncated"=false）。
+    pub fn is_active(&self) -> bool {
+        matches!(self.status.as_deref(), None | Some("active"))
+    }
+}
+
+impl ToolDefinition {
+    pub fn function(name: impl Into<String>, description: impl Into<String>, parameters: serde_json::Value) -> Self {
+        Self {
+            tool_type: "function".into(),
+            function: ToolFunction { name: name.into(), description: description.into(), parameters },
+        }
+    }
+}
+
+impl ToolCall {
+    pub fn new(id: impl Into<String>, name: impl Into<String>, arguments: impl Into<String>) -> Self {
+        Self {
+            id: id.into(),
+            call_type: "function".into(),
+            function: ToolCallFunction { name: name.into(), arguments: arguments.into() },
+        }
+    }
+}
+
+/// LLM Provider trait
+#[async_trait]
+pub trait LlmProvider: Send + Sync {
+    /// 同步调用
+    async fn complete(&self, request: CompletionRequest) -> anyhow::Result<CompletionResponse>;
+
+    /// 流式调用（返回异步流）
+    async fn stream(
+        &self,
+        request: CompletionRequest,
+    ) -> anyhow::Result<StreamResult>;
+
+    /// 文本嵌入：批量文本 → 语义向量(供知识库向量检索)
+    ///
+    /// 默认实现返回 Err(协议不支持)。OpenAI 兼容协议覆盖实现(/v1/embeddings);
+    /// Anthropic 无 embedding API,保持默认。
+    async fn embed(&self, _model: &str, _texts: Vec<String>) -> anyhow::Result<Vec<Vec<f32>>> {
+        anyhow::bail!("该 Provider 不支持 embedding({})", self.name())
+    }
+
+    /// Provider 名称
+    fn name(&self) -> &str;
+
+    /// 实际请求端点（含 base_url + 关键路径，如 chat completions / messages）。
+    /// 默认回落 `name()`，provider 实现覆盖返真实 URL，供 401/网络错误诊断打印
+    /// —— 旧路径只能近似打印 provider_type，看不到实际请求端点。
+    fn endpoint(&self) -> String {
+        self.name().to_string()
+    }
+}
+
+#[cfg(test)]
+mod tests {
+    use super::*;
+
+    #[test]
+    fn is_active_whitelist() {
+        // F-15 §3.2 正面白名单：仅 None / "active" 为 true，其余一律 false。
+        // 零行为变化：None / "active" / "truncated" 与旧反面排除完全等价；
+        // "archived_segment" / "compressed"（阶段2 引入，当前代码未赋值）由白名单
+        // matches! 只认 None/active 自动落入 false，面向未来验证。
+
+        // None（构造默认值，向前兼容老 JSON）
+        let m = ChatMessage::user("hi");
+        assert!(m.is_active(), "None 应 active");
+
+        // "active"
+        let mut m = ChatMessage::user("hi");
+        m.status = Some("active".to_string());
+        assert!(m.is_active(), "Some(active) 应 active");
+
+        // "truncated" — 当前取值，与旧实现等价（false）
+        let mut m = ChatMessage::user("hi");
+        m.status = Some("truncated".to_string());
+        assert!(!m.is_active(), "truncated 应不 active");
+
+        // "archived_segment" — 阶段2 待引入，白名单自动隔离
+        let mut m = ChatMessage::user("hi");
+        m.status = Some("archived_segment".to_string());
+        assert!(!m.is_active(), "archived_segment 应不 active（白名单隔离）");
+
+        // "compressed" — 阶段2 待引入，白名单自动隔离
+        let mut m = ChatMessage::user("hi");
+        m.status = Some("compressed".to_string());
+        assert!(!m.is_active(), "compressed 应不 active（白名单隔离）");
+    }
+
+    // ---------- F-260614-05 Phase 2a ContentPart ----------
+
+    /// 老 JSON（无 parts 字段）反序列化时 parts 应为 None（向前兼容）
+    #[test]
+    fn contentpart_legacy_json_no_parts() {
+        let json = r#"{"role":"user","content":"hello"}"#;
+        let m: ChatMessage = serde_json::from_str(json).expect("老 JSON 应可反序列化");
+        assert_eq!(m.content, "hello");
+        assert!(m.parts.is_none(), "老 JSON 无 parts 字段 → None");
+        assert!(!m.has_image());
+    }
+
+    /// 新 JSON 带 parts（含 Image 片）反序列化 round-trip
+    #[test]
+    fn contentpart_with_image_roundtrip() {
+        let m = ChatMessage::user_parts(
+            "看这张图",
+            vec![
+                ContentPart::image_base64("image/png", "iVBORw0KGgo="),
+                ContentPart::text("说明"),
+            ],
+        );
+        let json = serde_json::to_string(&m).expect("序列化");
+        // parts 顺序：[image_base64, text] → 首元素是 image
+        assert!(json.contains(r#""parts":[{"type":"image""#));
+        assert!(json.contains(r#""type":"text""#));
+        assert!(json.contains(r#""base64":"iVBORw0KGgo=""#));
+        assert!(json.contains(r#""media_type":"image/png""#));
+
+        let back: ChatMessage = serde_json::from_str(&json).expect("反序列化 round-trip");
+        assert_eq!(back.content, "看这张图");
+        assert!(back.has_image());
+        let parts = back.parts.expect("parts 应存在");
+        assert_eq!(parts.len(), 2);
+        assert!(parts[0].is_image());
+    }
+
+    /// has_image 判定
+    #[test]
+    fn contentpart_has_image_detection() {
+        assert!(!ChatMessage::user("纯文本").has_image());
+        let m = ChatMessage::user_parts("t", vec![ContentPart::text("只文本片")]);
+        assert!(!m.has_image(), "仅 Text 片不算 has_image");
+        let m = ChatMessage::user_parts(
+            "t",
+            vec![ContentPart::text("前缀"), ContentPart::image_url("https://x/a.png")],
+        );
+        assert!(m.has_image());
+    }
+
+    /// flattened_parts：content 非空 → 前置 Text 片 + parts 追加
+    #[test]
+    fn contentpart_flattened_parts() {
+        let m = ChatMessage::user("hi");
+        let flat = m.flattened_parts();
+        assert_eq!(flat.len(), 1);
+        assert_eq!(flat[0], ContentPart::Text { text: "hi".into() });
+
+        let m = ChatMessage::user_parts(
+            "cap",
+            vec![ContentPart::image_url("u"), ContentPart::text("尾")],
+        );
+        let flat = m.flattened_parts();
+        assert_eq!(flat.len(), 3);
+        assert_eq!(flat[0], ContentPart::Text { text: "cap".into() });
+        assert!(flat[1].is_image());
+        assert_eq!(flat[2], ContentPart::Text { text: "尾".into() });
+
+        let mut m = ChatMessage::user("");
+        m.parts = Some(vec![ContentPart::text("x")]);
+        let flat = m.flattened_parts();
+        assert_eq!(flat.len(), 1, "空 content 不应产生空 Text 片");
+    }
+
+    /// 向后兼容：旧代码 ChatMessage 字面量构造仍合法（audit/title/commands 零回归）
+    #[test]
+    fn contentpart_struct_literal_compat() {
+        let m = ChatMessage {
+            id: None,
+            role: MessageRole::User,
+            content: "字面量构造".into(),
+            parts: None,
+            tool_call_id: None,
+            tool_calls: None,
+            model: None,
+            status: None,
+            reasoning_content: None,
+            timestamp: None,
+        };
+        assert_eq!(m.content, "字面量构造");
+        assert!(m.parts.is_none());
+    }
+
+    // ---------- DeepSeek reasoning_content ----------
+
+    /// 有 reasoning_content 时应序列化出来；None 时不出现
+    #[test]
+    fn completion_request_reasoning_content_serialization() {
+        let req = CompletionRequest {
+            model: "deepseek-r1".to_string(),
+            messages: vec![ChatMessage::user("hello")],
+            temperature: None,
+            max_tokens: None,
+            stream: false,
+            tools: None,
+            tool_choice: None,
+            reasoning_content: Some("let me think...".to_string()),
+        };
+        let json = serde_json::to_string(&req).unwrap();
+        assert!(json.contains("reasoning_content"), "reasoning_content 应出现在 JSON 中, got: {}", json);
+
+        // None 时不应出现（skip_serializing_if）
+        let req_none = CompletionRequest { reasoning_content: None, ..req };
+        let json_none = serde_json::to_string(&req_none).unwrap();
+        assert!(!json_none.contains("reasoning_content"), "None 的 reasoning_content 不应序列化, got: {}", json_none);
+    }
+
+    /// 所有便捷构造函数默认 reasoning_content 为 None
+    #[test]
+    fn chat_message_reasoning_content_constructors() {
+        assert!(ChatMessage::system("sys").reasoning_content.is_none());
+        assert!(ChatMessage::user("hi").reasoning_content.is_none());
+        assert!(ChatMessage::assistant("resp").reasoning_content.is_none());
+        assert!(ChatMessage::tool_result("call_1", "result").reasoning_content.is_none());
+    }
+
+    /// ChatMessage reasoning_content 序列化 round-trip
+    #[test]
+    fn chat_message_reasoning_content_roundtrip() {
+        let m = ChatMessage {
+            id: None,
+            role: MessageRole::Assistant,
+            content: "answer".to_string(),
+            parts: None,
+            tool_call_id: None,
+            tool_calls: None,
+            model: None,
+            status: None,
+            reasoning_content: Some("thinking process".to_string()),
+            timestamp: None,
+        };
+        let json = serde_json::to_string(&m).unwrap();
+        assert!(json.contains("reasoning_content"));
+
+        let deserialized: ChatMessage = serde_json::from_str(&json).unwrap();
+        assert_eq!(deserialized.reasoning_content, Some("thinking process".to_string()));
+    }
+
+    // ---------- F-260619-04 消息级溯源:id 字段 ----------
+
+    /// 所有便捷构造函数默认生成非 None 的 id(ULID 风格)
+    #[test]
+    fn chat_message_id_generated_by_constructors() {
+        assert!(ChatMessage::system("sys").id.is_some(), "system 应有 id");
+        assert!(ChatMessage::user("hi").id.is_some(), "user 应有 id");
+        assert!(ChatMessage::assistant("resp").id.is_some(), "assistant 应有 id");
+        assert!(
+            ChatMessage::assistant_with_tools("r", vec![]).id.is_some(),
+            "assistant_with_tools 应有 id"
+        );
+        assert!(
+            ChatMessage::tool_result("call_1", "result").id.is_some(),
+            "tool_result 应有 id"
+        );
+        assert!(
+            ChatMessage::user_parts("t", vec![ContentPart::text("x")]).id.is_some(),
+            "user_parts 应有 id"
+        );
+    }
+
+    /// id 全局唯一性:连续构造 100 条不重复(AtomicU64 计数器保证)
+    #[test]
+    fn chat_message_id_uniqueness() {
+        let mut ids = std::collections::HashSet::new();
+        for _ in 0..100 {
+            let m = ChatMessage::user("x");
+            let id = m.id.expect("构造的消息应有 id");
+            assert!(ids.insert(id), "100 条消息 id 应全部唯一");
+        }
+    }
+
+    /// id 序列化 round-trip:有 id 时序列化保留,反序列化回来一致
+    #[test]
+    fn chat_message_id_roundtrip() {
+        let m = ChatMessage {
+            id: Some("msg_1718800000000_42".to_string()),
+            role: MessageRole::Assistant,
+            content: "answer".to_string(),
+            parts: None,
+            tool_call_id: None,
+            tool_calls: None,
+            model: None,
+            status: None,
+            reasoning_content: None,
+            timestamp: None,
+        };
+        let json = serde_json::to_string(&m).unwrap();
+        assert!(json.contains(r#""id":"msg_1718800000000_42""#), "id 应序列化, got: {}", json);
+
+        let back: ChatMessage = serde_json::from_str(&json).unwrap();
+        assert_eq!(back.id.as_deref(), Some("msg_1718800000000_42"));
+    }
+
+    /// 向前兼容:老 JSON 无 id 字段 → 反序列化为 None(serde default)
+    #[test]
+    fn chat_message_id_legacy_json_no_id() {
+        let json = r#"{"role":"user","content":"hello"}"#;
+        let m: ChatMessage = serde_json::from_str(json).expect("老 JSON 应可反序列化");
+        assert_eq!(m.content, "hello");
+        assert!(m.id.is_none(), "老 JSON 无 id 字段 → None");
+
+        // 重新序列化:id=None 时不应出现 id 字段(skip_serializing_if)
+        let re = serde_json::to_string(&m).unwrap();
+        assert!(!re.contains(r#""id""#), "id=None 不应序列化, got: {}", re);
+    }
+
+    /// StreamChunk reasoning_content 序列化
+    #[test]
+    fn stream_chunk_reasoning_content() {
+        let chunk = StreamChunk {
+            delta: "text".to_string(),
+            finished: false,
+            tool_calls: None,
+            usage: None,
+            error: None,
+            reasoning_content: Some("thought".to_string()),
+        };
+        let json = serde_json::to_string(&chunk).unwrap();
+        assert!(json.contains("reasoning_content"));
+
+        let chunk_none = StreamChunk { reasoning_content: None, ..chunk };
+        let json_none = serde_json::to_string(&chunk_none).unwrap();
+        assert!(!json_none.contains("reasoning_content"));
+    }
+
+    /// CompletionResponse reasoning_content 序列化
+    #[test]
+    fn completion_response_reasoning_content() {
+        let resp = CompletionResponse {
+            text: "ok".to_string(),
+            model: "r1".to_string(),
+            usage: TokenUsage { prompt_tokens: 10, completion_tokens: 20, total_tokens: 30 },
+            tool_calls: None,
+            reasoning_content: Some("r1 thought".to_string()),
+        };
+        let json = serde_json::to_string(&resp).unwrap();
+        assert!(json.contains("reasoning_content"));
+
+        let deserialized: CompletionResponse = serde_json::from_str(&json).unwrap();
+        assert_eq!(deserialized.reasoning_content, Some("r1 thought".to_string()));
+    }
+}

crates/df-ai-core/src/types.rs

@@ -0,0 +1,247 @@
+//! LLM Provider 数据结构定义（纯类型，零 IO）
+//!
+//! 从 provider.rs 拆分的核心数据类型层：请求/响应/消息/工具/Token 等
+//! `#[derive]` struct 与 enum + 一个内联时间戳辅助函数。所有 impl 块与
+//! `LlmProvider` trait 留在 provider.rs，本文件只承载类型定义。
+//!
+//! 经 `provider.rs` 的 `pub use crate::types::*` re-export，外部路径
+//! `df_ai_core::provider::*` / `df_ai::provider::*` 保持不变（编译期验证）。
+
+use std::pin::Pin;
+use std::sync::atomic::{AtomicU64, Ordering};
+
+use futures::Stream;
+use serde::{Deserialize, Serialize};
+
+// ============================================================
+// 核心数据结构
+// ============================================================
+
+/// LLM 调用请求
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct CompletionRequest {
+    /// 模型名称
+    pub model: String,
+    /// 提示消息列表
+    pub messages: Vec<ChatMessage>,
+    /// 温度（0.0 ~ 2.0）
+    pub temperature: Option<f32>,
+    /// 最大生成 token 数
+    pub max_tokens: Option<u32>,
+    /// 是否流式输出
+    pub stream: bool,
+    /// 可调用的工具定义
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub tools: Option<Vec<ToolDefinition>>,
+    /// 工具调用策略: "auto" | "none" | {"type":"function","name":"xxx"}
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub tool_choice: Option<serde_json::Value>,
+    /// DeepSeek thinking 模式：需把上一轮 response 的 reasoning_content 回传
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub reasoning_content: Option<String>,
+}
+
+/// 多模态消息内容片。Text 片为字符串；Image 片可走 url 或 base64（二选一，base64 非空时 url 忽略）。
+///
+/// F-260614-05 Phase 2a 后端：ContentPart 作为 `ChatMessage.parts` 的元素类型。
+/// 设计上 `content: String`（纯文本主载荷）保持不变，多模态片挂在 `parts`：
+/// 这样未接入多模态的调用方（audit/title/commands/knowledge_inject 等读 content 当字符串）
+/// 零回归，避免一次性改全仓。provider 转换层在 `has_image()` 为真时把 parts 透传给
+/// vision 端点，否则只用 content 文本（保持纯文本端点兼容）。
+#[derive(Debug, Clone, Serialize, Deserialize, PartialEq)]
+#[serde(tag = "type", rename_all = "snake_case")]
+pub enum ContentPart {
+    /// 文本片
+    Text { text: String },
+    /// 图片片。
+    /// - url：http(s) 可达 URL（provider 直接转发，不读字节）。
+    /// - base64：data URI 之外的纯 base64 字符串 + media_type（provider 内嵌转发）。
+    ///   base64 非空时 url 忽略，便于前端上行无网络回拉的本地粘贴图。
+    Image {
+        url: Option<String>,
+        base64: Option<String>,
+        /// base64 模式必填（image/png | image/jpeg | image/webp | image/gif）；url 模式可空。
+        media_type: Option<String>,
+        /// 可选 alt（vision 模型/降级文本时用）
+        #[serde(skip_serializing_if = "Option::is_none")]
+        alt: Option<String>,
+    },
+}
+
+/// 聊天消息
+///
+/// ⚠️ **迁移耦合点**:下方各字段名(`role`/`content`/`parts`/`tool_call_id`/
+/// `tool_calls`/`model`/`status`/`reasoning_content`/`timestamp`)被
+/// `df-storage/src/migrations.rs` 的 `migrate_v21` 硬编码提取(裸 JSON 反序列化,
+/// 因 df-storage 不依赖 df-ai-core)。**改字段名必须同步更新迁移函数**,否则老库
+/// 迁移漏数据。详见消息拆分存储设计 §4.2.3 迁移耦合点。
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct ChatMessage {
+    /// 消息全局唯一 ID。用于消息级溯源(source_ref / audit message_id / idea source)。
+    /// 构造时由 `new_message_id()` 生成;老 JSON 反序列化为 None(向前兼容)。
+    /// 消息拆分存储(F-260619-03)后,此 ID 即 `ai_messages.id` 列主键。
+    /// 临时/派生消息(如 title 摘要)可显式赋 None(不溯源不落库)。
+    #[serde(default, skip_serializing_if = "Option::is_none")]
+    pub id: Option<String>,
+    pub role: MessageRole,
+    pub content: String,
+    /// 多模态内容片（F-260614-05 Phase 2a）。
+    ///
+    /// `None`/空 → 纯文本消息（绝大多数场景，content 即全部载荷）。
+    /// `Some(含 Image 片)` → 多模态消息，provider 在 `has_image()` 为真时把 parts
+    /// 连同 content（作为前置 Text 片）一起转成 OpenAI/Anthropic 的 content blocks。
+    /// content 字段始终保留人类可读文本（文本消息的 Text 片内容与 content 一致），
+    /// 保证 audit/title/export 等读 content 当字符串的调用方零回归。
+    #[serde(default, skip_serializing_if = "Option::is_none")]
+    pub parts: Option<Vec<ContentPart>>,
+    /// 工具调用 ID（role=Tool 时必填）
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub tool_call_id: Option<String>,
+    /// AI 发起的工具调用列表（role=Assistant 时可能有）
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub tool_calls: Option<Vec<ToolCall>>,
+    /// 生成该消息的 model（仅 assistant 消息有，消息级 model 追溯）
+    #[serde(default, skip_serializing_if = "Option::is_none")]
+    pub model: Option<String>,
+    /// 消息状态（UX-09 编辑重生成）：None/"active" 正常可见；
+    /// "truncated" 软删（编辑某条 user 消息后其后续消息标记，保留 DB 可追溯但不进 LLM 上下文、前端视图过滤）
+    /// 默认 None（向前兼容老 JSON 反序列化）。落库随 messages JSON 序列化，无需独立列。
+    #[serde(default, skip_serializing_if = "Option::is_none")]
+    pub status: Option<String>,
+    /// DeepSeek thinking 模式的推理内容（多轮需回传）
+    #[serde(default, skip_serializing_if = "Option::is_none")]
+    pub reasoning_content: Option<String>,
+    /// 消息创建时间(Unix 毫秒)。仅前端时间戳展示用,序列化进 messages JSON 持久化;
+    /// provider 请求映射不读此字段(构造器打戳→映射忽略,不进 LLM 请求),老数据反序列化为 None。
+    #[serde(default, skip_serializing_if = "Option::is_none")]
+    pub timestamp: Option<i64>,
+}
+
+/// 当前 Unix 毫秒(ChatMessage 打戳用;df-ai-core 不依赖 df-types,内联避免新增依赖)。
+pub(crate) fn now_millis_i64() -> i64 {
+    std::time::SystemTime::now()
+        .duration_since(std::time::UNIX_EPOCH)
+        .map(|d| d.as_millis() as i64)
+        .unwrap_or(0)
+}
+
+/// ChatMessage.id 生成器:全局唯一 + 单调递增 + 零依赖。
+///
+/// 格式 `msg_{ts_ms}_{counter}` —— 时间戳(毫秒)+ 进程内 AtomicU64 计数器双保险。
+/// 决策:不用 ULID crate(workspace 无此依赖,df-ai-core 也不依赖 df-types::new_id),
+/// 沿用 `now_millis_i64` 内联模式;AtomicU64 保证并发安全(多线程构造消息 ID 不冲突),
+/// 计数器即便时间戳回拨(系统时钟调整)也单调。可读性好(含时间戳,便于排查)。
+pub(crate) fn new_message_id() -> String {
+    static COUNTER: AtomicU64 = AtomicU64::new(0);
+    let ts = now_millis_i64();
+    let n = COUNTER.fetch_add(1, Ordering::Relaxed);
+    format!("msg_{}_{n}", ts)
+}
+
+/// 消息角色
+#[derive(Debug, Clone, Serialize, Deserialize)]
+#[serde(rename_all = "lowercase")]
+pub enum MessageRole {
+    System,
+    User,
+    Assistant,
+    Tool,
+}
+
+/// 工具定义
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct ToolDefinition {
+    #[serde(rename = "type")]
+    pub tool_type: String,
+    pub function: ToolFunction,
+}
+
+/// 函数定义
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct ToolFunction {
+    pub name: String,
+    pub description: String,
+    pub parameters: serde_json::Value,
+}
+
+/// 工具调用（AI 发起）
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct ToolCall {
+    pub id: String,
+    #[serde(rename = "type")]
+    pub call_type: String,
+    pub function: ToolCallFunction,
+}
+
+/// 工具调用函数部分
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct ToolCallFunction {
+    pub name: String,
+    pub arguments: String,
+}
+
+/// LLM 调用响应
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct CompletionResponse {
+    /// 生成的文本
+    pub text: String,
+    /// 使用的模型
+    pub model: String,
+    /// 消耗的 token 数
+    pub usage: TokenUsage,
+    /// AI 发起的工具调用（如有）
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub tool_calls: Option<Vec<ToolCall>>,
+    /// DeepSeek thinking 模式响应中的推理内容（需回传到下一轮请求）
+    #[serde(default, skip_serializing_if = "Option::is_none")]
+    pub reasoning_content: Option<String>,
+}
+
+/// Token 用量
+#[derive(Debug, Clone, Default, Serialize, Deserialize)]
+pub struct TokenUsage {
+    pub prompt_tokens: u32,
+    pub completion_tokens: u32,
+    pub total_tokens: u32,
+}
+
+/// 流式输出的 chunk
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct StreamChunk {
+    /// 增量文本
+    pub delta: String,
+    /// 是否结束
+    pub finished: bool,
+    /// 工具调用增量（如有）
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub tool_calls: Option<Vec<ToolCallDelta>>,
+    /// Token 用量（流末 chunk 携带，由 provider 解析自 SSE usage 事件）
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub usage: Option<TokenUsage>,
+    /// provider 流式错误事件（如 Anthropic SSE `type=="error"`）。
+    /// 非空表示流中途出错，不应视为正常完成（finished 路径），由 stream_llm 转 AiError。
+    #[serde(skip)]
+    pub error: Option<String>,
+    /// DeepSeek thinking 模式推理内容增量
+    #[serde(default, skip_serializing_if = "Option::is_none")]
+    pub reasoning_content: Option<String>,
+}
+
+/// 工具调用增量（流式中的片段）
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct ToolCallDelta {
+    /// 索引
+    pub index: u32,
+    /// 工具调用 ID（仅第一个 chunk 有）
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub id: Option<String>,
+    /// 函数名片段
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub function_name: Option<String>,
+    /// 函数参数片段
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub function_arguments: Option<String>,
+}
+
+/// 异步流类型别名
+pub type StreamResult = Pin<Box<dyn Stream<Item = anyhow::Result<StreamChunk>> + Send>>;

crates/df-ai/Cargo.toml

@@ -4,10 +4,11 @@ version = "0.1.0"
 edition = "2021"
 
 [dependencies]
-df-core = { path = "../df-core" }
+df-types = { path = "../df-types" }
+df-ai-core = { path = "../df-ai-core" }
 serde = { workspace = true }
 serde_json = { workspace = true }
-tokio = { workspace = true, features = ["sync"] }
+tokio = { workspace = true, features = ["sync", "time"] }
 async-trait = { workspace = true }
 anyhow = { workspace = true }
 tracing = { workspace = true }

crates/df-ai/presets/models.json

@@ -0,0 +1,138 @@
+[
+  {
+    "model_id": "glm-4",
+    "enabled": true,
+    "modalities": ["text"],
+    "capabilities": ["tool_use"],
+    "weight": 60,
+    "context_window": 128000
+  },
+  {
+    "model_id": "glm-4-air",
+    "enabled": true,
+    "modalities": ["text"],
+    "capabilities": ["tool_use"],
+    "weight": 80,
+    "context_window": 128000
+  },
+  {
+    "model_id": "glm-4-flash",
+    "enabled": true,
+    "modalities": ["text"],
+    "capabilities": ["tool_use"],
+    "weight": 90,
+    "context_window": 128000
+  },
+  {
+    "model_id": "glm-4-plus",
+    "enabled": true,
+    "modalities": ["text"],
+    "capabilities": ["tool_use"],
+    "weight": 50,
+    "context_window": 128000
+  },
+  {
+    "model_id": "glm-4v",
+    "enabled": true,
+    "modalities": ["text", "vision"],
+    "capabilities": ["tool_use"],
+    "weight": 70,
+    "context_window": 128000
+  },
+  {
+    "model_id": "glm-4v-flash",
+    "enabled": true,
+    "modalities": ["text", "vision"],
+    "capabilities": ["tool_use"],
+    "weight": 85,
+    "context_window": 128000
+  },
+  {
+    "model_id": "gpt-4o",
+    "enabled": true,
+    "modalities": ["text", "vision"],
+    "capabilities": ["tool_use"],
+    "weight": 50,
+    "context_window": 128000
+  },
+  {
+    "model_id": "gpt-4o-mini",
+    "enabled": true,
+    "modalities": ["text", "vision"],
+    "capabilities": ["tool_use"],
+    "weight": 80,
+    "context_window": 128000
+  },
+  {
+    "model_id": "claude-3-5-sonnet-20241022",
+    "enabled": true,
+    "modalities": ["text", "vision"],
+    "capabilities": ["tool_use"],
+    "weight": 50,
+    "context_window": 200000
+  },
+  {
+    "model_id": "claude-3-opus-20240229",
+    "enabled": true,
+    "modalities": ["text", "vision"],
+    "capabilities": ["tool_use"],
+    "weight": 45,
+    "context_window": 200000
+  },
+  {
+    "model_id": "claude-3-haiku-20240307",
+    "enabled": true,
+    "modalities": ["text", "vision"],
+    "capabilities": ["tool_use"],
+    "weight": 80,
+    "context_window": 200000
+  },
+  {
+    "model_id": "gemini-1.5-pro",
+    "enabled": true,
+    "modalities": ["text", "vision"],
+    "capabilities": ["tool_use"],
+    "weight": 55,
+    "context_window": 1000000
+  },
+  {
+    "model_id": "gemini-1.5-flash",
+    "enabled": true,
+    "modalities": ["text", "vision"],
+    "capabilities": ["tool_use"],
+    "weight": 85,
+    "context_window": 1000000
+  },
+  {
+    "model_id": "deepseek-chat",
+    "enabled": true,
+    "modalities": ["text"],
+    "capabilities": ["tool_use"],
+    "weight": 75,
+    "context_window": 64000
+  },
+  {
+    "model_id": "deepseek-coder",
+    "enabled": true,
+    "modalities": ["text"],
+    "capabilities": ["tool_use", "code_gen"],
+    "weight": 75,
+    "context_window": 64000
+  },
+  {
+    "model_id": "qwen-2.5",
+    "enabled": true,
+    "modalities": ["text"],
+    "capabilities": ["tool_use"],
+    "weight": 65,
+    "context_window": 128000
+  },
+  {
+    "model_id": "embedding-3",
+    "enabled": true,
+    "modalities": [],
+    "capabilities": ["embedding"],
+    "weight": 50,
+    "context_window": 8192
+  }
+]

crates/df-ai/src/ai_tools.rs

@@ -96,6 +96,19 @@ impl AiToolRegistry {
         self.tools.get(name)
     }
 
+    /// 执行指定工具 — handler 是唯一执行路径（schema+risk+实现同源，消除双轨）
+    pub async fn execute(
+        &self,
+        name: &str,
+        args: serde_json::Value,
+    ) -> anyhow::Result<serde_json::Value> {
+        let tool = self
+            .tools
+            .get(name)
+            .ok_or_else(|| anyhow::anyhow!("未知工具: {}", name))?;
+        (tool.handler)(args).await
+    }
+
     /// 获取所有已注册工具名称
     pub fn tool_names(&self) -> Vec<String> {
         self.tools.keys().cloned().collect()
@@ -118,27 +131,6 @@ impl Default for AiToolRegistry {
     }
 }
 
-// ============================================================
-// 工具执行结果
-// ============================================================
-
-/// 工具执行结果
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct ToolExecutionResult {
-    /// 工具调用 ID
-    pub tool_call_id: String,
-    /// 工具名称
-    pub tool_name: String,
-    /// 执行参数
-    pub arguments: Value,
-    /// 执行结果
-    pub result: Value,
-    /// 是否需要人工批准
-    pub approval_required: bool,
-    /// 风险级别
-    pub risk_level: RiskLevel,
-}
-
 // ============================================================
 // 辅助: 构建 JSON Schema 参数
 // ============================================================
@@ -164,3 +156,84 @@ pub fn object_schema(properties: Vec<(&str, &str, bool)>) -> Value {
         "required": required,
     })
 }
+
+#[cfg(test)]
+mod tests {
+    use super::*;
+
+    /// 构造一个空参恒返 Ok 的 handler(注册测试用·不实际执行)
+    fn dummy_handler() -> AiToolHandler {
+        Box::new(|_args: Value| {
+            Box::pin(async { Ok(serde_json::json!({ "ok": true })) })
+                as Pin<Box<dyn Future<Output = anyhow::Result<Value>> + Send>>
+        })
+    }
+
+    #[test]
+    fn risk_level_serde_lowercase() {
+        // serde rename_all="lowercase": Low→"low" / Medium→"medium" / High→"high"
+        assert_eq!(serde_json::to_string(&RiskLevel::Low).unwrap(), "\"low\"");
+        assert_eq!(serde_json::to_string(&RiskLevel::Medium).unwrap(), "\"medium\"");
+        assert_eq!(serde_json::to_string(&RiskLevel::High).unwrap(), "\"high\"");
+        assert_eq!(
+            serde_json::from_str::<RiskLevel>("\"high\"").unwrap(),
+            RiskLevel::High
+        );
+    }
+
+    #[test]
+    fn register_and_get_tool() {
+        let mut reg = AiToolRegistry::new();
+        assert!(reg.is_empty());
+        reg.register(
+            "list_tasks",
+            "列出任务",
+            object_schema(vec![]),
+            RiskLevel::Low,
+            dummy_handler(),
+        );
+        assert!(!reg.is_empty());
+        assert_eq!(reg.len(), 1);
+        assert_eq!(reg.get("list_tasks").unwrap().risk_level, RiskLevel::Low);
+        assert!(reg.get("nonexistent").is_none());
+    }
+
+    #[test]
+    fn register_same_name_overwrites() {
+        // 同名二次注册覆盖(HashMap insert 语义)·非新增·后注册的 risk_level 胜出
+        let mut reg = AiToolRegistry::new();
+        reg.register("t", "v1", object_schema(vec![]), RiskLevel::Low, dummy_handler());
+        reg.register("t", "v2", object_schema(vec![]), RiskLevel::High, dummy_handler());
+        assert_eq!(reg.len(), 1);
+        assert_eq!(reg.get("t").unwrap().risk_level, RiskLevel::High);
+    }
+
+    #[test]
+    fn tool_definitions_and_names() {
+        let mut reg = AiToolRegistry::new();
+        reg.register("a", "desc a", object_schema(vec![]), RiskLevel::Low, dummy_handler());
+        reg.register("b", "desc b", object_schema(vec![]), RiskLevel::Medium, dummy_handler());
+        assert_eq!(reg.tool_definitions().len(), 2);
+        let names = reg.tool_names();
+        assert_eq!(names.len(), 2);
+        assert!(names.contains(&"a".to_string()));
+        assert!(names.contains(&"b".to_string()));
+    }
+
+    #[test]
+    fn default_is_empty() {
+        let reg = AiToolRegistry::default();
+        assert!(reg.is_empty());
+        assert_eq!(reg.len(), 0);
+    }
+
+    #[test]
+    fn object_schema_collects_required() {
+        let schema = object_schema(vec![("name", "string", true), ("age", "integer", false)]);
+        assert_eq!(schema["type"], "object");
+        assert_eq!(schema["properties"]["name"]["type"], "string");
+        let required = schema["required"].as_array().unwrap();
+        assert_eq!(required.len(), 1);
+        assert_eq!(required[0], "name");
+    }
+}

crates/df-ai/src/anthropic_helpers.rs

@@ -0,0 +1,223 @@
+//! Anthropic 协议适配 — 协议数据结构与 SSE 事件解析（纯函数）。
+//!
+//! 本模块从 `anthropic_compat.rs` 抽离，承载与 HTTP 无关的纯协议逻辑：
+//! - 请求/响应结构体（`AnthropicRequest` 等）
+//! - 协议常量（`ANTHROPIC_VERSION` / `DEFAULT_MAX_TOKENS`）
+//! - SSE 事件 → `StreamChunk` 转换纯函数（`apply_anthropic_event`）
+//!
+//! Provider struct + impl（含 HTTP 调用）仍留在 `anthropic_compat.rs`，
+//! Rust impl 块不可跨文件，故仅搬迁 impl 块外部的类型/常量/纯函数。
+//! 零行为变更（纯搬迁）。
+
+use serde::{Deserialize, Serialize};
+use tracing::{error, warn};
+
+use crate::provider::{StreamChunk, TokenUsage, ToolCallDelta};
+
+// ============================================================
+// Anthropic API 请求/响应结构体
+// ============================================================
+
+/// Anthropic 请求体
+#[derive(Debug, Clone, Serialize)]
+pub(crate) struct AnthropicRequest {
+    pub model: String,
+    pub messages: Vec<serde_json::Value>,
+    pub max_tokens: u32,
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub system: Option<String>,
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub temperature: Option<f32>,
+    pub stream: bool,
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub tools: Option<Vec<AnthropicToolDef>>,
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub tool_choice: Option<serde_json::Value>,
+}
+
+/// Anthropic 工具定义（input_schema 对应 OpenAI 的 parameters）
+#[derive(Debug, Clone, Serialize)]
+pub(crate) struct AnthropicToolDef {
+    pub name: String,
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub description: Option<String>,
+    pub input_schema: serde_json::Value,
+}
+
+/// Anthropic 同步响应
+#[derive(Debug, Deserialize)]
+pub(crate) struct AnthropicResponse {
+    // SW-260618-25: Anthropic 响应反序列化字段,保留以对齐响应结构(响应 id),标注意图消除 dead_code warning
+    #[allow(dead_code)]
+    id: String,
+    pub model: String,
+    pub content: Vec<AnthropicContentBlock>,
+    // SW-260618-25: Anthropic 响应反序列化字段,保留以备调试/未来消费(如日志记录调用终止原因),标注意图消除 dead_code warning
+    #[allow(dead_code)]
+    stop_reason: Option<String>,
+    pub usage: AnthropicUsage,
+}
+
+/// 响应 content 块（text 或 tool_use）
+#[derive(Debug, Deserialize)]
+pub(crate) struct AnthropicContentBlock {
+    #[serde(rename = "type")]
+    pub block_type: String,
+    #[serde(default)]
+    pub text: Option<String>,
+    /// tool_use 块字段
+    pub id: Option<String>,
+    pub name: Option<String>,
+    pub input: Option<serde_json::Value>,
+}
+
+#[derive(Debug, Deserialize)]
+pub(crate) struct AnthropicUsage {
+    pub input_tokens: u32,
+    pub output_tokens: u32,
+}
+
+// ============================================================
+// 协议常量
+// ============================================================
+
+/// Anthropic 流式协议版本头
+pub(crate) const ANTHROPIC_VERSION: &str = "2023-06-01";
+/// Anthropic max_tokens 必填，缺省时的兜底值
+pub(crate) const DEFAULT_MAX_TOKENS: u32 = 4096;
+
+// ============================================================
+// SSE 解析纯函数（与 HTTP 解耦，便于单测）
+// ============================================================
+
+/// 将一条 Anthropic Messages SSE 事件 data 解析为 StreamChunk，并按需更新 usage 累加器。
+///
+/// 按 `type` 字段分发：
+/// - `message_start` → 用 `message.usage.input_tokens` 初始化累加器（output 置 0）。
+/// - `message_delta` → **output_tokens 是累计值（非增量）**，直接覆盖 `completion_tokens` 并重算 `total`。
+/// - `content_block_delta` (text_delta/input_json_delta) → 文本/工具入参增量。
+/// - `content_block_start` (tool_use) → 工具块开始，带 id+name。
+/// - `message_stop` → 返回 `finished=true` 终态 chunk，`usage` 取自累加器（`take()`）。
+/// - `error` → 返回 `finished=true` 终态空 chunk。
+/// - 其它（content_block_stop / ping 等）→ 空 chunk。
+///
+/// 等价性：content_block / message_stop / error 等事件分支与原 stream() 闭包逐字一致；
+/// usage 透传（message_stop 终态 take() 带出、message_delta 的 output_tokens 按累计值覆盖）
+/// 为本次新增能力，对应 StreamChunk 新增的 usage 字段。
+pub(crate) fn apply_anthropic_event(data: &str, usage_accum: &mut Option<TokenUsage>) -> StreamChunk {
+    // 解析 data 中的 JSON，按 type 字段决定如何转 StreamChunk
+    let v: serde_json::Value = match serde_json::from_str(data) {
+        Ok(v) => v,
+        Err(_) => {
+            return StreamChunk { delta: String::new(), finished: false, tool_calls: None, usage: None, error: None, reasoning_content: None }
+        }
+    };
+    let ty = v.get("type").and_then(|t| t.as_str()).unwrap_or("");
+    match ty {
+        // 消息开始：取 input_tokens 初始化累积器（output 此时未知，置 0）
+        "message_start" => {
+            if let Some(inp) = v
+                .get("message")
+                .and_then(|m| m.get("usage"))
+                .and_then(|u| u.get("input_tokens"))
+                .and_then(|t| t.as_u64())
+            {
+                *usage_accum = Some(TokenUsage {
+                    prompt_tokens: inp as u32,
+                    completion_tokens: 0,
+                    total_tokens: inp as u32,
+                });
+            }
+            StreamChunk { delta: String::new(), finished: false, tool_calls: None, usage: None, error: None, reasoning_content: None }
+        }
+        // 消息增量：output_tokens 是累计值（非增量），直接覆盖 completion + 重算 total
+        "message_delta" => {
+            if let Some(out) = v.get("usage").and_then(|u| u.get("output_tokens")).and_then(|t| t.as_u64()) {
+                let acc = usage_accum
+                    .get_or_insert(TokenUsage { prompt_tokens: 0, completion_tokens: 0, total_tokens: 0 });
+                acc.completion_tokens = out as u32;
+                acc.total_tokens = acc.prompt_tokens + acc.completion_tokens;
+            }
+            StreamChunk { delta: String::new(), finished: false, tool_calls: None, usage: None, error: None, reasoning_content: None }
+        }
+        // 文本增量
+        "content_block_delta" => {
+            if let Some(delta) = v.get("delta") {
+                if delta.get("type").and_then(|t| t.as_str()) == Some("text_delta") {
+                    let text = delta.get("text").and_then(|t| t.as_str()).unwrap_or("").to_string();
+                    return StreamChunk { delta: text, finished: false, tool_calls: None, usage: None, error: None, reasoning_content: None };
+                }
+                // 工具入参增量
+                if delta.get("type").and_then(|t| t.as_str()) == Some("input_json_delta") {
+                    let partial = delta.get("partial_json").and_then(|t| t.as_str()).unwrap_or("").to_string();
+                    let idx = v.get("index").and_then(|i| i.as_u64()).unwrap_or(0) as u32;
+                    return StreamChunk {
+                        delta: String::new(),
+                        finished: false,
+                        tool_calls: Some(vec![ToolCallDelta {
+                            index: idx,
+                            id: None,
+                            function_name: None,
+                            function_arguments: Some(partial),
+                        }]),
+                        usage: None,
+                        error: None,
+                        reasoning_content: None,
+                    };
+                }
+            }
+            StreamChunk { delta: String::new(), finished: false, tool_calls: None, usage: None, error: None, reasoning_content: None }
+        }
+        // 工具块开始：带 id + name
+        "content_block_start" => {
+            if let Some(cb) = v.get("content_block") {
+                if cb.get("type").and_then(|t| t.as_str()) == Some("tool_use") {
+                    let idx = v.get("index").and_then(|i| i.as_u64()).unwrap_or(0) as u32;
+                    let name = cb.get("name").and_then(|t| t.as_str()).map(|s| s.to_string());
+                    // id 缺失时用占位 id 兜底：流式后续 input_json_delta 按 index 累加，
+                    // 中途无法整体跳过；占位 id 保证回传的 tool_use_id 非空，避免 GLM 500。
+                    let id = match cb.get("id").and_then(|t| t.as_str()).map(|s| s.to_string()) {
+                        Some(id) if !id.is_empty() => Some(id),
+                        _ => {
+                            let placeholder = format!("tool_missing_{}", idx);
+                            warn!(%placeholder, name = ?name, "Anthropic 流式 tool_use 块缺少 id，已填占位 id（原样回传会触发 GLM 500）");
+                            Some(placeholder)
+                        }
+                    };
+                    return StreamChunk {
+                        delta: String::new(),
+                        finished: false,
+                        tool_calls: Some(vec![ToolCallDelta {
+                            index: idx,
+                            id,
+                            function_name: name,
+                            function_arguments: None,
+                        }]),
+                        usage: None,
+                        error: None,
+                        reasoning_content: None,
+                    };
+                }
+            }
+            StreamChunk { delta: String::new(), finished: false, tool_calls: None, usage: None, error: None, reasoning_content: None }
+        }
+        // 消息结束：带出累积 usage
+        "message_stop" => StreamChunk {
+            delta: String::new(),
+            finished: true,
+            tool_calls: None,
+            usage: usage_accum.take(),
+            error: None,
+            reasoning_content: None,
+        },
+        // 错误事件：流中途出错。不走 finished 完成路径（避免残缺响应被当正常完成入库），
+        // 改由 stream_llm 识别 error 非空 → 发 AiError + 丢弃残缺（与 OpenAI 路径 Err 一致）。
+        "error" => {
+            let msg = v.get("error").and_then(|e| e.get("message")).and_then(|m| m.as_str()).unwrap_or("stream error").to_string();
+            error!(%msg, "Anthropic 流式错误事件");
+            StreamChunk { delta: String::new(), finished: false, tool_calls: None, usage: None, error: Some(msg), reasoning_content: None }
+        }
+        // content_block_stop / ping 等不产出 chunk
+        _ => StreamChunk { delta: String::new(), finished: false, tool_calls: None, usage: None, error: None, reasoning_content: None },
+    }
+}

crates/df-ai/src/coordinator.rs

@@ -1,4 +1,6 @@
 //! Agent 协调器 — 管理多 Agent 协作
+//!
+//! ⚠ B 路线占位：当前单链 ReAct 够用，多 Agent 协作待 B 路线立项。有意保留空壳，勿删。
 
 /// Agent 协调器
 ///

crates/df-ai/src/lib.rs

@@ -1,10 +1,79 @@
-//! df-ai: AI 编排 — LLM Provider、模型路由、Agent 协调、上下文管理、流式处理、工具注册
+//! df-ai: AI 编排 — LLM Provider、Agent 协调、上下文管理、流式处理、工具注册
 
 pub mod ai_tools;
 pub mod anthropic_compat;
+pub mod anthropic_helpers;
 pub mod context;
+pub mod context_helpers;
 pub mod coordinator;
+// 会话意图识别层(纯函数,不接入 agentic loop)。依据 docs/02-架构设计/构想审查/
+// 意图识别层论证-2026-06-19.md。提供 recognize / tool_subset_for / suggested_model_tier。
+// 待 Phase B+C 完成 + 模型模态管理落地后再接入 agentic loop。
+pub mod intent;
+pub mod model_fetch;
+// model_fetch 的纯逻辑子模块(URL 拼接 / 噪音过滤 / 响应反序列化),
+// crate 内复用,private mod — 外部经 model_fetch 间接访问,无直接路径需求。
+mod model_fetch_helpers;
+pub mod model_probe;
+// model_probe 的纯逻辑子模块(预设表加载 / 启发式推断 / 词素判定),
+// crate 内复用,private mod — 外部经 model_probe 间接访问,无直接路径需求。
+mod model_probe_helpers;
+// 单对话并行多轮 Phase 0a · 0.8 plan_hint 纯函数(扩 intent::tool_subset_for 编排语义)。
+// 依据 docs/02-架构设计/单对话并行多轮-Phase0落地路线图-2026-06-20.md 第 0.8 节。
+// 纯函数(零 IO 零状态),Phase 1 接入主 loop,LLM 调度留 Phase 2。
+pub mod plan_hint;
 pub mod openai_compat;
+pub mod openai_helpers;
+// Phase 0 (B 路线): Plan-driven 规划骨架(维度 0.8 Plan/SubTask 结构 + 0.7 规划校验/Kahn 分层)。
+// 纯函数模块(零 IO 零状态)。依据 docs/02-架构设计/单对话并行多轮-{设计,Phase0落地路线图}-2026-06-20.md。
+// Phase 1(plan_hint 接入主 loop)/Phase 2(planning)/Phase 3(并行 execution) 接入后续。
+pub mod planner;
 pub mod provider;
 pub mod router;
-pub mod stream;
+// CR-30-1: 流前重试退避对外复用。complete() 的 retry_with_backoff 仍 crate 内用,
+// stream_recv/agentic 流前重试需复用 backoff_delay(jitter)+is_status_retryable(Fatal 分类)
+// 避免重写退避/分类逻辑(对齐决策 F-260616-07 a1)。改 pub mod 后对外仅暴露纯函数 + 常量。
+pub mod retry;
+
+use provider::LlmProvider;
+use reqwest::Client;
+
+// df-ai-core 直接暴露，供需要直接引用 trait crate 的下游（可选）。
+pub use df_ai_core;
+
+/// SW-260618-10: 构建 Provider 共用的 reqwest Client（OpenAI/Anthropic Provider::new DRY）。
+///
+/// connect_timeout 30s 防连接阶段静默 hang（网络静默断）；不设总 timeout——reqwest 的
+/// `.timeout()` 会限制整个响应 body 时长，流式长生成任务会被误砍。读取阶段中途静默由上层
+/// stream_llm 的 idle timeout 兜底。builder 失败回退 `Client::new()` 保可用（warn 日志）。
+pub(crate) fn build_provider_client() -> Client {
+    Client::builder()
+        .connect_timeout(std::time::Duration::from_secs(30))
+        .build()
+        .unwrap_or_else(|e| {
+            tracing::warn!("reqwest builder 失败，回退默认 client: {}", e);
+            Client::new()
+        })
+}
+
+/// 按 provider_type 构建 LLM Provider 实例（统一选择逻辑，消除调用方重复 match）
+///
+/// `anthropic` 协议走 AnthropicCompatProvider（GLM 订阅端点 / Claude 官方），
+/// 其余（openai / glm / deepseek 等 OpenAI 兼容）走 OpenAICompatProvider。
+/// 调用方（AI Chat 的 run_agentic_loop、df-nodes 的 AiNode）统一引用此工厂，
+/// 新增 provider 只改这一处。
+pub fn build_provider(
+    provider_type: &str,
+    base_url: &str,
+    api_key: &str,
+    model: &str,
+) -> Box<dyn LlmProvider> {
+    match provider_type {
+        "anthropic" => Box::new(anthropic_compat::AnthropicCompatProvider::new(
+            base_url, api_key, model,
+        )),
+        _ => Box::new(openai_compat::OpenAICompatProvider::new(
+            base_url, api_key, model,
+        )),
+    }
+}

crates/df-ai/src/model_fetch.rs

@@ -0,0 +1,176 @@
+//! 厂商模型列表拉取 — F-01 阶段3
+//!
+//! 按 `provider_type` 分派拉取厂商模型列表,过滤非 chat 模型,返回模型名 Vec。
+//! `fetch_and_probe` 在拉取基础上对每个模型名调 `model_probe::probe` 探测出完整 `ModelConfig`。
+//!
+//! 协议分派:
+//! - `openai_compat`     → `GET {base_url}/v1/models`(Bearer 鉴权)
+//! - `anthropic_compat`  → `GET {base_url}/v1/models`(x-api-key + anthropic-version 鉴权)
+//! - 其他                → `UnsupportedProvider` 错误
+//!
+//! 本模块仅含网络 IO 入口;URL 拼接 / 噪音过滤 / 响应反序列化等纯逻辑见
+//! [`model_fetch_helpers`]。
+//!
+//! 设计来源:docs/02-架构设计/已编号方案/F-01-模型能力系统与智能路由设计-2026-06-16.md §5
+//! (设计 §5.1 端点表 + §5.3 URL 智能拼接 + §5.4 噪音过滤)。
+
+use std::time::Duration;
+
+use anyhow::{anyhow, Result};
+use df_ai_core::model::ModelConfig;
+
+use crate::model_fetch_helpers::{build_models_url, filter_chat_models, ModelsList};
+use crate::model_probe::probe;
+
+// ────────────────────────────────────────────────────────────
+// 公共入口
+// ────────────────────────────────────────────────────────────
+
+/// HTTP 请求超时(秒)。模型列表接口响应小、无需长超时。
+const FETCH_TIMEOUT_SECS: u64 = 10;
+
+/// 拉取厂商模型列表,返回已过滤噪音的模型名 Vec。
+///
+/// 协议分派(见模块文档)。错误信息含 `provider_type` + HTTP 状态/原因,便于前端友好提示。
+///
+/// 不真实调测:本函数本身是网络 IO,单测只覆盖 URL 拼接 / 噪音过滤等纯逻辑;
+/// 集成验证留给阶段 5 的 IPC `ai_fetch_models`(用户在 Settings 点「测试连接」触发)。
+pub async fn fetch_model_names(
+    provider_type: &str,
+    base_url: &str,
+    api_key: &str,
+) -> Result<Vec<String>> {
+    match provider_type {
+        "openai_compat" => fetch_openai_compat(base_url, api_key).await,
+        "anthropic_compat" => fetch_anthropic_compat(base_url, api_key).await,
+        other => Err(anyhow!(
+            "拉取模型列表失败:不支持的 provider_type={other}(仅支持 openai_compat / anthropic_compat)"
+        )),
+    }
+}
+
+/// 拉取模型列表 + 对每个模型名调 `model_probe::probe` 探测出完整 `ModelConfig`。
+///
+/// 探测为纯 CPU(无网络),不会因单模型探测失败中断整体 — 探测对任意输入都有兜底(见 model_probe)。
+pub async fn fetch_and_probe(
+    provider_type: &str,
+    base_url: &str,
+    api_key: &str,
+) -> Result<Vec<ModelConfig>> {
+    let names = fetch_model_names(provider_type, base_url, api_key).await?;
+    Ok(names.into_iter().map(|n| probe(&n)).collect())
+}
+
+// ────────────────────────────────────────────────────────────
+// 协议分派实现
+// ────────────────────────────────────────────────────────────
+
+/// OpenAI 兼容(GLM / DeepSeek / Kimi / 通义 / 中转站):`GET /v1/models`,Bearer 鉴权。
+async fn fetch_openai_compat(base_url: &str, api_key: &str) -> Result<Vec<String>> {
+    let url = build_models_url(base_url);
+    let client = build_client()?;
+
+    let resp = client
+        .get(&url)
+        .bearer_auth(api_key)
+        .send()
+        .await
+        .map_err(|e| map_network_error("openai_compat", &url, e))?;
+
+    let status = resp.status();
+    if !status.is_success() {
+        return Err(map_status_error("openai_compat", status, &url));
+    }
+
+    // OpenAI 响应:`{data:[{id, owned_by, ...}]}`。中转站通常同构。
+    let body: ModelsList = resp
+        .json()
+        .await
+        .map_err(|e| anyhow!("openai_compat 响应解析失败({url}):{e}"))?;
+
+    Ok(filter_chat_models(body.into_ids()))
+}
+
+/// Anthropic 兼容(Claude 官方 / GLM 订阅端点):`GET /v1/models`,x-api-key + anthropic-version 鉴权。
+async fn fetch_anthropic_compat(base_url: &str, api_key: &str) -> Result<Vec<String>> {
+    let url = build_models_url(base_url);
+    let client = build_client()?;
+
+    let resp = client
+        .get(&url)
+        .header("x-api-key", api_key)
+        .header("anthropic-version", "2023-06-01")
+        .send()
+        .await
+        .map_err(|e| map_network_error("anthropic_compat", &url, e))?;
+
+    let status = resp.status();
+    if !status.is_success() {
+        return Err(map_status_error("anthropic_compat", status, &url));
+    }
+
+    // Anthropic 响应:`{data:[{id, display_name, type, ...}]}`(has_more 分页字段忽略)。
+    // 兼容兜底:`{models:[{name, ...}]}`(Ollama 风格,理论 anthropic_compat 不会命中,
+    // 但中转站行为不可控,用 `#[serde(alias)]` 零成本兜底 — 见 issues)。
+    let body: ModelsList = resp
+        .json()
+        .await
+        .map_err(|e| anyhow!("anthropic_compat 响应解析失败({url}):{e}"))?;
+
+    Ok(filter_chat_models(body.into_ids()))
+}
+
+// ────────────────────────────────────────────────────────────
+// HTTP 客户端 + 错误映射
+// ────────────────────────────────────────────────────────────
+
+fn build_client() -> Result<reqwest::Client> {
+    reqwest::Client::builder()
+        .timeout(Duration::from_secs(FETCH_TIMEOUT_SECS))
+        .build()
+        .map_err(|e| anyhow!("构建 HTTP 客户端失败:{e}"))
+}
+
+/// 网络错误(连接拒绝 / DNS / 超时)→ 友好提示,标注 provider_type + url 便于排查。
+fn map_network_error(provider_type: &str, url: &str, e: reqwest::Error) -> anyhow::Error {
+    if e.is_timeout() {
+        anyhow!("{provider_type} 拉取模型列表超时({url},>{FETCH_TIMEOUT_SECS}s)— 检查 base_url 可达性")
+    } else {
+        anyhow!("{provider_type} 拉取模型列表网络错误({url}):{e}")
+    }
+}
+
+/// HTTP 状态错误 → 按 401/403/404/5xx 分类友好提示(对齐设计 §5.5 失败降级)。
+fn map_status_error(provider_type: &str, status: reqwest::StatusCode, url: &str) -> anyhow::Error {
+    if status.as_u16() == 401 || status.as_u16() == 403 {
+        anyhow!("{provider_type} 鉴权失败({status}, {url})— 检查 api_key 是否正确 / 是否有该接口权限")
+    } else if status.as_u16() == 404 {
+        anyhow!("{provider_type} 端点不存在(404, {url})— 该厂商可能不支持模型列表拉取,请手动输入模型名")
+    } else if status.is_server_error() {
+        anyhow!("{provider_type} 厂商服务异常({status}, {url})— 稍后重试或手动输入模型名")
+    } else {
+        anyhow!("{provider_type} 拉取模型列表失败(HTTP {status}, {url})")
+    }
+}
+
+// ────────────────────────────────────────────────────────────
+// 测试(协议分派:不支持类型直接报错,不触网)
+// ────────────────────────────────────────────────────────────
+
+#[cfg(test)]
+mod tests {
+    use super::*;
+
+    // ── fetch_model_names 协议分派:不支持类型直接报错(不触网) ──
+
+    #[tokio::test]
+    async fn fetch_unsupported_provider_errors_without_network() {
+        // ollama / glm 等非 openai_compat / anthropic_compat 类型 → 直接错误,不发请求
+        let err = fetch_model_names("ollama", "http://localhost:11434", "k")
+            .await
+            .unwrap_err();
+        let msg = format!("{err}");
+        assert!(msg.contains("ollama"), "err={msg}");
+        assert!(msg.contains("provider_type"), "err={msg}");
+    }
+}

crates/df-ai/src/model_fetch_helpers.rs

@@ -0,0 +1,400 @@
+//! 厂商模型列表拉取 — 纯逻辑(无 IO)。
+//!
+//! 从 `model_fetch.rs` 抽离的纯函数 / 类型:URL 拼接、噪音过滤、响应反序列化。
+//! 这些逻辑无网络依赖,可独立单测;主文件 `model_fetch.rs` 保留有 IO 的拉取入口。
+//!
+//! 设计来源:docs/02-架构设计/已编号方案/F-01-模型能力系统与智能路由设计-2026-06-16.md §5.3 / §5.4。
+
+use serde::Deserialize;
+
+// ────────────────────────────────────────────────────────────
+// URL 智能拼接
+// ────────────────────────────────────────────────────────────
+
+/// 拼接模型列表端点 URL。
+///
+/// 规则(设计 §5.3,base_url 先去尾 `/`):
+/// - 以 `/chat/completions` 结尾 → 替换为 `/models`(用户把对话端点当 base_url 填了)
+/// - 以 `/v1` / `/v4` 结尾 → 直接补 `/models`(避免 `/v1/v1/models`)
+/// - 以 `/models` 结尾 → 原样用(用户已填完整端点)
+/// - 以 `/api` 结尾 → 补 `/models`(Ollama 风格 base,anthropic_compat 兜底用)
+/// - 其余 → 补 `/v1/models`(最常见:用户填 `https://open.bigmodel.cn/api/paas/v4`)
+pub fn build_models_url(base_url: &str) -> String {
+    let url = base_url.trim_end_matches('/');
+    if url.ends_with("/chat/completions") {
+        url.replace("/chat/completions", "/models")
+    } else if url.ends_with("/v1") || url.ends_with("/v4") {
+        format!("{url}/models")
+    } else if url.ends_with("/models") {
+        url.to_string()
+    } else if url.ends_with("/api") {
+        format!("{url}/models")
+    } else {
+        format!("{url}/v1/models")
+    }
+}
+
+// ────────────────────────────────────────────────────────────
+// 噪音过滤(剔除非 chat 模型)
+// ────────────────────────────────────────────────────────────
+
+/// 判断是否为非 chat 模型(应从列表中剔除)。
+///
+/// 规则(设计 §5.4 + 合理扩展,见 issues):
+/// - 图片生成:dall-e / midjourney / stable-diffusion / imagen
+/// - 语音:tts / whisper / audio / speech / voice(语音合成/识别)
+/// - 实时:realtime(OpenAI Realtime API 语音对话,非 chat completions)
+/// - 转写:transcribe / transcription
+/// - 审查:moderation(内容审查模型)
+/// - 搜索:davinci-search / search(旧 GPT 搜索变种)
+///
+/// embedding 设计 §5.4 注释「保留(知识库需要)」— 此处遵循设计保留 embedding,
+/// 不在 `is_non_chat_model` 剔除(知识库 embedding 路由用得着)。
+pub fn is_non_chat_model(id: &str) -> bool {
+    let id = id.to_lowercase();
+    // 图片生成
+    id.contains("dall-e")
+        || id.contains("midjourney")
+        || id.contains("stable-diffusion")
+        || id.contains("imagen")
+        // 语音(tts 合成 / whisper 识别 / 通用 audio / speech / voice)
+        || id.contains("tts")
+        || id.contains("whisper")
+        || id.contains("audio")
+        || id.contains("speech")
+        || id.contains("voice")
+        // 实时语音对话(OpenAI Realtime API,走独立协议非 chat completions)
+        || id.contains("realtime")
+        // 转写
+        || id.contains("transcribe")
+        || id.contains("transcription")
+        // 内容审查
+        || id.contains("moderation")
+        // 旧 GPT 搜索变种(davinci-search 覆盖旧 GPT 搜索;裸 -search 误伤合法 search-augmented chat
+        // 模型如 gpt-4o-search-preview/qwen-search/glm-4-search,已移除)
+        || id.contains("davinci-search")
+}
+
+/// 过滤噪音:剔除非 chat 模型 + 去重(中转站可能返回重复) + 去空名。
+pub fn filter_chat_models(ids: Vec<String>) -> Vec<String> {
+    let mut seen = std::collections::HashSet::new();
+    let mut out = Vec::with_capacity(ids.len());
+    for id in ids {
+        let trimmed = id.trim();
+        if trimmed.is_empty() || is_non_chat_model(trimmed) {
+            continue;
+        }
+        if seen.insert(trimmed.to_string()) {
+            out.push(trimmed.to_string());
+        }
+    }
+    out
+}
+
+// ────────────────────────────────────────────────────────────
+// 响应反序列化
+// ────────────────────────────────────────────────────────────
+
+/// 厂商 `/v1/models` 响应统一反序列化。
+///
+/// 兼容三种结构(用 `#[serde(alias)]`):
+/// - OpenAI / Anthropic:`{data:[{id, ...}]}`
+/// - Ollama:`{models:[{name, ...}]}`(anthropic_compat 走中转站时兜底)
+/// - 单字段别名:`id` / `name` 都认
+#[derive(Debug, Deserialize)]
+pub(crate) struct ModelsList {
+    #[serde(default)]
+    data: Vec<ModelEntry>,
+    #[serde(default, alias = "models")]
+    data_alt: Vec<ModelEntry>,
+}
+
+#[derive(Debug, Deserialize)]
+struct ModelEntry {
+    #[serde(default, alias = "name")]
+    id: Option<String>,
+}
+
+impl ModelsList {
+    /// 合并 `data` 与 `models`(alias)字段,提取所有模型 id/name,丢弃 None。
+    pub(crate) fn into_ids(self) -> Vec<String> {
+        self.data
+            .into_iter()
+            .chain(self.data_alt)
+            .filter_map(|e| e.id)
+            .collect()
+    }
+}
+
+// ────────────────────────────────────────────────────────────
+// 测试(纯逻辑/字符串处理,不真实调 API)
+// ────────────────────────────────────────────────────────────
+
+#[cfg(test)]
+mod tests {
+    use super::*;
+
+    // ── is_non_chat_model:search-augmented chat 模型不应误剔(裸 -search 已移除) ──
+    #[test]
+    fn is_non_chat_model_keeps_search_augmented_chat() {
+        // search-augmented chat 模型(对话端点可调)不应被 -search 子串误剔
+        assert!(!is_non_chat_model("gpt-4o-search-preview"));
+        assert!(!is_non_chat_model("qwen-search"));
+        assert!(!is_non_chat_model("glm-4-search-preview"));
+        // 旧 GPT 搜索变种仍剔(davinci-search 覆盖)
+        assert!(is_non_chat_model("text-davinci-search-001"));
+    }
+
+    // ── build_models_url:尾 / 处理 ──
+
+    #[test]
+    fn build_url_strips_trailing_slash() {
+        // 用户填 `https://api.x.com/v1/`(尾 /)→ 去 / 后命中 /v1 分支 → 补 /models
+        assert_eq!(
+            build_models_url("https://api.x.com/v1/"),
+            "https://api.x.com/v1/models"
+        );
+        // 多个尾 /
+        assert_eq!(
+            build_models_url("https://api.x.com/v4//"),
+            "https://api.x.com/v4/models"
+        );
+    }
+
+    #[test]
+    fn build_url_v1_suffix_appends_models() {
+        assert_eq!(
+            build_models_url("https://api.openai.com/v1"),
+            "https://api.openai.com/v1/models"
+        );
+        // 不应产生 /v1/v1/models
+        assert!(!build_models_url("https://api.openai.com/v1").contains("/v1/v1"));
+    }
+
+    #[test]
+    fn build_url_v4_suffix_appends_models() {
+        // GLM:`https://open.bigmodel.cn/api/paas/v4`
+        assert_eq!(
+            build_models_url("https://open.bigmodel.cn/api/paas/v4"),
+            "https://open.bigmodel.cn/api/paas/v4/models"
+        );
+    }
+
+    #[test]
+    fn build_url_bare_base_appends_v1_models() {
+        // 用户只填根:`https://api.deepseek.com` → 补 /v1/models
+        assert_eq!(
+            build_models_url("https://api.deepseek.com"),
+            "https://api.deepseek.com/v1/models"
+        );
+    }
+
+    #[test]
+    fn build_url_chat_completions_replaced() {
+        // 用户误把对话端点当 base_url
+        assert_eq!(
+            build_models_url("https://api.x.com/v1/chat/completions"),
+            "https://api.x.com/v1/models"
+        );
+    }
+
+    #[test]
+    fn build_url_already_models_kept() {
+        // 用户已填完整端点 → 原样用
+        assert_eq!(
+            build_models_url("https://api.x.com/v1/models"),
+            "https://api.x.com/v1/models"
+        );
+    }
+
+    #[test]
+    fn build_url_api_suffix_ollama_style() {
+        // Ollama 风格 base(anthropic_compat 兜底路径)
+        assert_eq!(
+            build_models_url("http://localhost:11434/api"),
+            "http://localhost:11434/api/models"
+        );
+    }
+
+    // ── is_non_chat_model:噪音过滤规则 ──
+
+    #[test]
+    fn non_chat_image_generation_filtered() {
+        assert!(is_non_chat_model("dall-e-3"));
+        assert!(is_non_chat_model("dall-e-2"));
+        assert!(is_non_chat_model("midjourney-v6"));
+        assert!(is_non_chat_model("stable-diffusion-xl"));
+    }
+
+    #[test]
+    fn non_chat_speech_filtered() {
+        assert!(is_non_chat_model("tts-1"));
+        assert!(is_non_chat_model("tts-1-hd"));
+        assert!(is_non_chat_model("whisper-1"));
+        assert!(is_non_chat_model("audio-transcribe"));
+        assert!(is_non_chat_model("speech-synth"));
+    }
+
+    #[test]
+    fn non_chat_realtime_filtered() {
+        assert!(is_non_chat_model("gpt-4o-realtime"));
+        assert!(is_non_chat_model("gpt-4o-mini-realtime-preview"));
+    }
+
+    #[test]
+    fn non_chat_moderation_filtered() {
+        assert!(is_non_chat_model("text-moderation-stable"));
+        assert!(is_non_chat_model("omni-moderation-latest"));
+    }
+
+    #[test]
+    fn non_chat_search_variants_filtered() {
+        assert!(is_non_chat_model("text-davinci-search-001"));
+    }
+
+    #[test]
+    fn chat_models_kept() {
+        // 主流 chat 模型不应被误剔
+        for ok in [
+            "glm-4",
+            "glm-4-flash",
+            "glm-4v",
+            "glm-4-air",
+            "glm-4-plus",
+            "deepseek-chat",
+            "deepseek-coder",
+            "gpt-4o",
+            "gpt-4o-mini",
+            "claude-3-5-sonnet-20241022",
+            "claude-3-haiku-20240307",
+            "qwen-plus",
+            "kimi-k2",
+        ] {
+            assert!(!is_non_chat_model(ok), "{ok} 不应被当噪音剔除");
+        }
+    }
+
+    #[test]
+    fn embedding_kept_per_design() {
+        // 设计 §5.4 明确「embedding 保留(知识库需要)」
+        for emb in ["embedding-3", "text-embedding-3-large", "bge-m3"] {
+            assert!(!is_non_chat_model(emb), "{emb} 按 §5.4 应保留");
+        }
+    }
+
+    // ── filter_chat_models:过滤 + 去重 + 去空 ──
+
+    #[test]
+    fn filter_removes_noise_and_keeps_chat() {
+        let raw = vec![
+            "glm-4-flash".to_string(),
+            "dall-e-3".to_string(), // 噪音
+            "tts-1".to_string(),    // 噪音
+            "whisper-1".to_string(), // 噪音
+            "text-moderation-stable".to_string(), // 噪音
+            "glm-4v".to_string(),
+            "gpt-4o".to_string(),
+        ];
+        let got = filter_chat_models(raw);
+        assert_eq!(got, vec!["glm-4-flash", "glm-4v", "gpt-4o"]);
+    }
+
+    #[test]
+    fn filter_dedupes() {
+        // 中转站可能返回重复模型名
+        let raw = vec![
+            "glm-4".to_string(),
+            "glm-4".to_string(),
+            "glm-4-flash".to_string(),
+        ];
+        let got = filter_chat_models(raw);
+        assert_eq!(got, vec!["glm-4", "glm-4-flash"]);
+    }
+
+    #[test]
+    fn filter_drops_empty_and_whitespace_only() {
+        let raw = vec![
+            "".to_string(),
+            "   ".to_string(),
+            "glm-4".to_string(),
+            "  glm-4v  ".to_string(), // 带空格 → trim 后保留
+        ];
+        let got = filter_chat_models(raw);
+        assert_eq!(got, vec!["glm-4", "glm-4v"]);
+    }
+
+    #[test]
+    fn filter_empty_input() {
+        assert!(filter_chat_models(vec![]).is_empty());
+    }
+
+    // ── ModelsList 反序列化:兼容 OpenAI / Anthropic / Ollama 三种结构 ──
+
+    #[test]
+    fn parse_openai_format() {
+        // OpenAI:`{data:[{id, ...}]}`
+        let json = r#"{
+            "data": [
+                {"id": "gpt-4o", "owned_by": "openai"},
+                {"id": "gpt-4o-mini", "owned_by": "openai"}
+            ]
+        }"#;
+        let m: ModelsList = serde_json::from_str(json).unwrap();
+        let ids = m.into_ids();
+        assert_eq!(ids, vec!["gpt-4o", "gpt-4o-mini"]);
+    }
+
+    #[test]
+    fn parse_anthropic_format() {
+        // Anthropic:`{data:[{id, display_name, type}], has_more:false}`
+        let json = r#"{
+            "data": [
+                {"id": "claude-3-5-sonnet-20241022", "display_name": "Claude 3.5 Sonnet", "type": "model"},
+                {"id": "claude-3-haiku-20240307", "display_name": "Claude 3 Haiku", "type": "model"}
+            ],
+            "has_more": false,
+            "first_id": "claude-3-5-sonnet-20241022",
+            "last_id": "claude-3-haiku-20240307"
+        }"#;
+        let m: ModelsList = serde_json::from_str(json).unwrap();
+        let ids = m.into_ids();
+        assert_eq!(ids, vec!["claude-3-5-sonnet-20241022", "claude-3-haiku-20240307"]);
+    }
+
+    #[test]
+    fn parse_ollama_format_via_alias() {
+        // Ollama:`{models:[{name, size}]}` — 走 anthropic_compat 中转站兜底
+        let json = r#"{
+            "models": [
+                {"name": "llama3:8b", "size": 4661214673},
+                {"name": "qwen2:7b", "size": 4436122400}
+            ]
+        }"#;
+        let m: ModelsList = serde_json::from_str(json).unwrap();
+        let ids = m.into_ids();
+        assert_eq!(ids, vec!["llama3:8b", "qwen2:7b"]);
+    }
+
+    #[test]
+    fn parse_missing_data_field_yields_empty() {
+        // 厂商返回 `{}` 或缺 data 字段 → 空列表,不 panic
+        let json = r#"{}"#;
+        let m: ModelsList = serde_json::from_str(json).unwrap();
+        assert!(m.into_ids().is_empty());
+    }
+
+    #[test]
+    fn parse_entry_missing_id_skipped() {
+        // data 数组项缺 id → 该项跳过
+        let json = r#"{
+            "data": [
+                {"id": "glm-4"},
+                {"owned_by": "x"},
+                {"id": "glm-4v"}
+            ]
+        }"#;
+        let m: ModelsList = serde_json::from_str(json).unwrap();
+        let ids = m.into_ids();
+        assert_eq!(ids, vec!["glm-4", "glm-4v"]);
+    }
+}

crates/df-ai/src/model_probe.rs

@@ -0,0 +1,282 @@
+//! 模型探测器 — F-01 阶段2
+//!
+//! 给定模型名,产出完整 `ModelConfig`(4 维度 + 路由控制 + 探测来源标注)。
+//!
+//! 多源探测,高优先源命中即返(短路):
+//!   1. 内置预设表精确匹配(name 完全相等) → `ProbeSource::PresetTable`
+//!   2. 内置预设表模糊匹配(子串包含)       → `ProbeSource::PresetTable`
+//!   3. 模型名启发式推断(命名模式)         → `ProbeSource::Heuristic`
+//!   4. 默认值兜底(`ModelConfig::with_defaults`) → `ProbeSource::Default`
+//!
+//! 设计来源:docs/02-架构设计/已编号方案/F-01-模型能力系统与智能路由设计-2026-06-16.md §4
+//! (设计文档 §4.1 写的是"启发式先行 + 预设表合并";本实施按阶段 2 任务规格
+//!  收敛为"预设优先 > 启发式"链 — 预设表精确数据可信度高于命名猜测,优先短路)。
+
+use df_ai_core::model::{ModelConfig, ProbeSource};
+
+// 纯逻辑子模块(预设表加载 / 启发式推断 / 词素判定)抽离至此 —
+// private mod,crate 内复用,外部经 model_probe::probe 间接访问(对齐 model_fetch_helpers)。
+use crate::model_probe_helpers::{heuristic_infer, presets};
+
+// ────────────────────────────────────────────────────────────
+// 公共入口
+// ────────────────────────────────────────────────────────────
+
+/// 探测单个模型,返回完整 `ModelConfig`(已填充 `probe_source`)。
+///
+/// 多源探测顺序(高优先源命中即返):
+/// 1. 预设表精确匹配(`model_id` 完全相等,大小写敏感)
+/// 2. 预设表模糊匹配(`model_id` 双向子串包含,大小写不敏感)
+/// 3. 启发式推断(模型名命名模式)
+/// 4. 默认值兜底
+///
+/// 返回的 `ModelConfig.probe_source` 标注实际命中来源。
+pub fn probe(model_id: &str) -> ModelConfig {
+    // 1. 预设表精确匹配
+    if let Some(mut hit) = presets().iter().find(|m| m.model_id == model_id).cloned() {
+        hit.probe_source = Some(ProbeSource::PresetTable);
+        return hit;
+    }
+
+    // 2. 预设表模糊匹配(双向子串包含,大小写不敏感)
+    // 多个候选命中时,选预设 model_id 最长者(最具体:glm-4v > glm-4)。
+    let needle = model_id.to_lowercase();
+    let fuzzy = presets()
+        .iter()
+        .filter(|m| {
+            let cand = m.model_id.to_lowercase();
+            !cand.is_empty() && (cand.contains(&needle) || needle.contains(&cand))
+        })
+        .max_by_key(|m| m.model_id.len());
+
+    if let Some(mut hit) = fuzzy.cloned() {
+        // 模糊命中:保留预设维度,但用入参的实际模型名覆盖 model_id(避免回写错名)
+        hit.model_id = model_id.to_string();
+        hit.probe_source = Some(ProbeSource::PresetTable);
+        return hit;
+    }
+
+    // 3. 启发式推断
+    let mut heuristic = heuristic_infer(model_id);
+    heuristic.probe_source = Some(ProbeSource::Heuristic);
+    heuristic
+}
+
+// ────────────────────────────────────────────────────────────
+// 测试
+// ────────────────────────────────────────────────────────────
+
+#[cfg(test)]
+mod tests {
+    use super::*;
+    use df_ai_core::model::{Capability, CostTier, IntelligenceTier, Modality, ProbeSource};
+
+    // ── 预设表加载 ──
+
+    #[test]
+    fn presets_loaded_and_nonempty() {
+        let p = presets();
+        assert!(!p.is_empty(), "预设表应非空");
+        // 确保每个预设都有 model_id
+        assert!(p.iter().all(|m| !m.model_id.is_empty()));
+    }
+
+    #[test]
+    fn presets_contain_expected_models() {
+        let p = presets();
+        let ids: Vec<&str> = p.iter().map(|m| m.model_id.as_str()).collect();
+        assert!(ids.contains(&"glm-4"), "glm-4 应在预设表: {ids:?}");
+        assert!(ids.contains(&"glm-4-flash"));
+        assert!(ids.contains(&"glm-4v"));
+        assert!(ids.contains(&"gpt-4o"));
+        assert!(ids.contains(&"claude-3-5-sonnet-20241022"));
+    }
+
+    // ── 预设精确匹配 ──
+
+    #[test]
+    fn probe_preset_exact_match_glm4() {
+        let m = probe("glm-4");
+        assert_eq!(m.model_id, "glm-4");
+        assert_eq!(m.probe_source, Some(ProbeSource::PresetTable));
+        assert_eq!(m.modalities, vec![Modality::Text]);
+        // B-260618-04:预设表不再写死 cost_tier/intelligence,由 serde default 兜底中性值
+        assert_eq!(m.intelligence, IntelligenceTier::Standard);
+        assert_eq!(m.cost_tier, CostTier::Medium);
+    }
+
+    #[test]
+    fn probe_preset_exact_match_glm4v_has_vision() {
+        let m = probe("glm-4v");
+        assert_eq!(m.probe_source, Some(ProbeSource::PresetTable));
+        assert!(m.modalities.contains(&Modality::Vision));
+    }
+
+    #[test]
+    fn probe_preset_exact_match_deepseek_coder_has_codegen() {
+        let m = probe("deepseek-coder");
+        assert_eq!(m.probe_source, Some(ProbeSource::PresetTable));
+        assert!(m.capabilities.contains(&Capability::CodeGen));
+    }
+
+    #[test]
+    fn probe_preset_exact_match_embedding_no_text_modality() {
+        let m = probe("embedding-3");
+        assert_eq!(m.probe_source, Some(ProbeSource::PresetTable));
+        assert!(m.capabilities.contains(&Capability::Embedding));
+        assert!(
+            !m.modalities.contains(&Modality::Text),
+            "embedding 模型不应有 Text 模态"
+        );
+    }
+
+    // ── 预设模糊匹配 ──
+
+    #[test]
+    fn probe_preset_fuzzy_match_glm4v_variant() {
+        // "glm-4v-x" 不在预设表精确命中,但 "glm-4v" 是其子串 → 模糊命中
+        let m = probe("glm-4v-x");
+        assert_eq!(m.probe_source, Some(ProbeSource::PresetTable));
+        assert_eq!(m.model_id, "glm-4v-x", "模糊命中后 model_id 应用入参名");
+        assert!(
+            m.modalities.contains(&Modality::Vision),
+            "应继承 glm-4v 的 vision 模态"
+        );
+    }
+
+    // ── 启发式:Vision ──
+
+    #[test]
+    fn heuristic_vision_from_v_suffix() {
+        // glm-4v 不走启发式(精确命中预设);用未知名验证启发式
+        let m = probe("custom-model-v");
+        assert_eq!(m.probe_source, Some(ProbeSource::Heuristic));
+        assert!(
+            m.modalities.contains(&Modality::Vision),
+            "v 后缀应推断 Vision"
+        );
+    }
+
+    #[test]
+    fn heuristic_vision_from_vl_token() {
+        let m = probe("qwen-vl-unknown");
+        assert_eq!(m.probe_source, Some(ProbeSource::Heuristic));
+        assert!(m.modalities.contains(&Modality::Vision));
+    }
+
+    #[test]
+    fn heuristic_vision_from_vision_word() {
+        let m = probe("some-vision-7b");
+        assert_eq!(m.probe_source, Some(ProbeSource::Heuristic));
+        assert!(m.modalities.contains(&Modality::Vision));
+    }
+
+    // ── 启发式:档位中性(flash/mini 不再猜 Lite) ──
+
+    #[test]
+    fn heuristic_flash_keeps_neutral_tier() {
+        let m = probe("unknown-flash");
+        assert_eq!(m.probe_source, Some(ProbeSource::Heuristic));
+        // B-260618-04:cost/intel 一律中性,不靠名字猜
+        assert_eq!(m.intelligence, IntelligenceTier::Standard);
+        assert_eq!(m.cost_tier, CostTier::Medium);
+    }
+
+    #[test]
+    fn heuristic_mini_keeps_neutral_tier() {
+        let m = probe("test-mini-model");
+        assert_eq!(m.intelligence, IntelligenceTier::Standard);
+        assert_eq!(m.cost_tier, CostTier::Medium);
+    }
+
+    // ── 启发式:CodeGen ──
+
+    #[test]
+    fn heuristic_codegen_from_code() {
+        let m = probe("acme-code-7b");
+        assert_eq!(m.probe_source, Some(ProbeSource::Heuristic));
+        assert!(m.capabilities.contains(&Capability::CodeGen));
+        // 对话模型仍应保留 ToolUse
+        assert!(m.capabilities.contains(&Capability::ToolUse));
+    }
+
+    #[test]
+    fn heuristic_codegen_from_coder() {
+        let m = probe("acme-coder");
+        assert!(m.capabilities.contains(&Capability::CodeGen));
+    }
+
+    // ── 启发式:Embedding(特殊路径:无 Text 模态) ──
+
+    #[test]
+    fn heuristic_embedding_no_text_modality() {
+        let m = probe("acme-embedding-v3");
+        assert_eq!(m.probe_source, Some(ProbeSource::Heuristic));
+        assert!(m.capabilities.contains(&Capability::Embedding));
+        assert!(!m.modalities.contains(&Modality::Text));
+        assert!(!m.capabilities.contains(&Capability::ToolUse));
+    }
+
+    #[test]
+    fn heuristic_embedding_from_text_embedding_prefix() {
+        let m = probe("text-embedding-3-large");
+        assert!(m.capabilities.contains(&Capability::Embedding));
+        assert!(m.modalities.is_empty());
+    }
+
+    // ── 启发式:档位中性(pro/opus/4o 不再猜 Plus/Ultra/High) ──
+
+    #[test]
+    fn heuristic_pro_keeps_neutral_tier() {
+        let m = probe("acme-pro");
+        assert_eq!(m.intelligence, IntelligenceTier::Standard);
+        assert_eq!(m.cost_tier, CostTier::Medium);
+    }
+
+    #[test]
+    fn heuristic_opus_keeps_neutral_tier() {
+        let m = probe("acme-opus");
+        assert_eq!(m.intelligence, IntelligenceTier::Standard);
+    }
+
+    #[test]
+    fn heuristic_4o_keeps_neutral_cost() {
+        let m = probe("acme-4o");
+        assert_eq!(m.cost_tier, CostTier::Medium);
+    }
+
+    // ── 启发式:默认(Standard/Medium/Text/ToolUse) ──
+
+    #[test]
+    fn heuristic_default_for_unknown_name() {
+        let m = probe("acme-unknown-model");
+        assert_eq!(m.probe_source, Some(ProbeSource::Heuristic));
+        assert_eq!(m.modalities, vec![Modality::Text]);
+        assert_eq!(m.capabilities, vec![Capability::ToolUse]);
+        assert_eq!(m.intelligence, IntelligenceTier::Standard);
+        assert_eq!(m.cost_tier, CostTier::Medium);
+    }
+
+    // ── 优先级链:预设精确 > 启发式 ──
+
+    #[test]
+    fn probe_preset_beats_heuristic() {
+        // "glm-4-flash" 精确命中预设表;B-260618-04 后预设/启发式档位都中性,
+        // 此处仅校验 source 标注为 PresetTable
+        let m = probe("glm-4-flash");
+        assert_eq!(m.probe_source, Some(ProbeSource::PresetTable));
+    }
+
+    #[test]
+    fn probe_priority_chain_returns_config() {
+        // 任何名字都应返回完整 ModelConfig,不 panic
+        for name in ["glm-4", "unknown-xyz", "qwen-vl", "acme-embedding", "gpt-5"] {
+            let m = probe(name);
+            assert_eq!(m.model_id, name);
+            assert!(
+                m.probe_source.is_some(),
+                "probe_source 应被填充: {name}"
+            );
+        }
+    }
+}

crates/df-ai/src/model_probe_helpers.rs

@@ -0,0 +1,119 @@
+//! 模型探测器 — 纯逻辑子模块(F-01 阶段2)
+//!
+//! 从 `model_probe.rs` 抽离的纯函数实现(预设表加载 / 启发式推断 / 词素判定)。
+//! 无 IO、无外部状态,crate 内经 `model_probe::probe` 间接复用 —
+//! 对齐 `model_fetch_helpers` 拆分先例(private mod,外部零直接路径需求)。
+//!
+//! 设计来源:docs/02-架构设计/已编号方案/F-01-模型能力系统与智能路由设计-2026-06-16.md §4
+
+use std::sync::OnceLock;
+
+use df_ai_core::model::{
+    Capability, CostTier, IntelligenceTier, Modality, ModelConfig,
+};
+
+// ────────────────────────────────────────────────────────────
+// 预设表:编译期嵌入(include_str! 相对 crate 根),零运行时文件依赖
+// ────────────────────────────────────────────────────────────
+
+/// 预设表原始 JSON(编译期从 `crates/df-ai/presets/models.json` 嵌入)。
+pub(super) const PRESETS_JSON: &str = include_str!("../presets/models.json");
+
+/// 解析后的预设表(进程内单例,首次访问惰性解析一次)。
+pub(super) fn presets() -> &'static [ModelConfig] {
+    static PRESETS: OnceLock<Vec<ModelConfig>> = OnceLock::new();
+    PRESETS.get_or_init(|| {
+        // include_str! 内容由仓库控制,解析失败属编译期/仓库错误,panic 合理。
+        serde_json::from_str::<Vec<ModelConfig>>(PRESETS_JSON)
+            .expect("presets/models.json 解析失败 — 检查 JSON 格式与 ModelConfig serde 映射")
+    })
+}
+
+// ────────────────────────────────────────────────────────────
+// 启发式推断(模型名命名模式 → 4 维度)
+// ────────────────────────────────────────────────────────────
+
+/// 模型名启发式推断。仅推断功能性维度(modalities/capabilities),
+/// cost_tier / intelligence 一律返中性默认(Medium / Standard)。
+///
+/// 取舍:B-260618-04 — 模型名关键词猜档位(flash→Lite、4o→High、pro→Plus)无依据,
+/// 厂商定价/智力与命名无关,瞎填会污染路由器过滤(intelligence >= min / cost_tier <= max)。
+/// 改中性默认,真实档位由用户手填或更高阶探测源(如厂商 API/定价表)提供。
+///
+/// 规则(任务规格,设计文档 §4.4 模糊匹配规则对齐):
+/// - `embed`/`embedding`/`e-`(前缀) → Embedding 模型:capabilities=[Embedding],modalities=[](去 Text)
+/// - `v`/`vision`/`vl`(词素) → modalities 加 Vision
+/// - `code`/`coder` → capabilities 加 CodeGen
+/// - cost_tier / intelligence → 中性默认 Medium / Standard(不靠名字猜)
+pub(super) fn heuristic_infer(model_id: &str) -> ModelConfig {
+    let name = model_id.to_lowercase();
+    let mut modalities: Vec<Modality> = Vec::new();
+    let mut capabilities: Vec<Capability> = Vec::new();
+    // 中性默认:不靠模型名猜档位(B-260618-04)
+    let cost_tier = CostTier::Medium;
+    let intelligence = IntelligenceTier::Standard;
+
+    // —— Embedding 优先判定(改变模态集合,且通常独占) ——
+    // 规则:含 embed / embedding / 以 "e-" / "embedding-" 起首
+    let is_embedding = name.contains("embed")
+        || name.contains("embedding")
+        || name.starts_with("e-")
+        || name.starts_with("embedding-")
+        || name.starts_with("text-embedding");
+
+    if is_embedding {
+        capabilities.push(Capability::Embedding);
+        // embedding 模型不走对话模态,modalities 留空(设计 §4.4 embedding-3 例:modalities=[])
+        return ModelConfig {
+            model_id: model_id.to_string(),
+            enabled: true,
+            label: None,
+            modalities,
+            capabilities,
+            cost_tier,
+            intelligence,
+            weight: 50,
+            context_window: 8192,
+            probe_source: None,
+        };
+    }
+
+    // —— 对话模型默认 Text 模态 ——
+    modalities.push(Modality::Text);
+
+    // —— Vision 词素:含 "v"(独立词素:glm-4v / qwen-vl)、"vision"、"vl" ——
+    // 注:裸 "v" 子串误伤大(如 "review"),故仅在边界词素命中:
+    //   以 "v" 结尾、含 "-v" / "v-" 分隔、含 "vl" / "vision"
+    if has_vision_token(&name) {
+        modalities.push(Modality::Vision);
+    }
+
+    // —— CodeGen:含 code / coder ——
+    if name.contains("code") || name.contains("coder") {
+        capabilities.push(Capability::CodeGen);
+    }
+
+    // —— 对话模型默认 ToolUse(主流支持 function calling) ——
+    capabilities.push(Capability::ToolUse);
+
+    ModelConfig {
+        model_id: model_id.to_string(),
+        enabled: true,
+        label: None,
+        modalities,
+        capabilities,
+        cost_tier,
+        intelligence,
+        weight: 50,
+        context_window: 8192,
+        probe_source: None,
+    }
+}
+
+// —— 词素判定助手(命名约定式启发式,集中维护便于增删) ——
+
+/// Vision 词素:`-v`(尾缀如 glm-4v)、以 `v` 结尾、含 `vl` / `vision`。
+/// 不直接 `contains('v')`(避免误伤 review/verbal 等)。
+pub(super) fn has_vision_token(name: &str) -> bool {
+    name.contains("vision") || name.contains("vl") || name.ends_with('v') || name.contains("-v")
+}

crates/df-ai/src/openai_compat.rs

@@ -3,122 +3,30 @@
 //! 覆盖: OpenAI / GLM (open.bigmodel.cn) / DeepSeek / Claude OpenAI 兼容模式
 //! 支持: 同步调用 + SSE 流式 + Function Calling / Tool Use
 
-use std::pin::Pin;
+use std::time::Duration;
 
 use async_trait::async_trait;
 use eventsource_stream::Eventsource;
-use futures::{Stream, StreamExt};
+use futures::StreamExt;
 use reqwest::Client;
-use serde::{Deserialize, Serialize};
-use tracing::{debug, error, info, warn};
+use tracing::{debug, error, warn};
 
 use crate::provider::{
-    CompletionRequest, CompletionResponse, LlmProvider, ProviderFeatures, StreamChunk, StreamResult,
-    TokenUsage, ToolCall, ToolCallDelta,
+    CompletionRequest, CompletionResponse, LlmProvider, StreamResult, TokenUsage, ToolCall,
+};
+// ChatMessage 仅单测构造 CompletionRequest 用，避免非 test 构建的 unused import 警告。
+#[cfg(test)]
+use crate::provider::ChatMessage;
+use crate::retry::{
+    retry_with_backoff, AttemptOutcome, is_reqwest_error_retryable, is_status_retryable,
 };
 
-// ============================================================
-// OpenAI API 请求/响应结构体
-// ============================================================
-
-/// OpenAI 兼容请求体
-#[derive(Debug, Serialize)]
-struct OpenAiRequest {
-    model: String,
-    messages: Vec<OpenAiMessage>,
-    #[serde(skip_serializing_if = "Option::is_none")]
-    temperature: Option<f32>,
-    #[serde(skip_serializing_if = "Option::is_none")]
-    max_tokens: Option<u32>,
-    stream: bool,
-    #[serde(skip_serializing_if = "Option::is_none")]
-    tools: Option<Vec<serde_json::Value>>,
-    #[serde(skip_serializing_if = "Option::is_none")]
-    tool_choice: Option<serde_json::Value>,
-}
-
-/// OpenAI 消息格式
-#[derive(Debug, Serialize, Deserialize)]
-struct OpenAiMessage {
-    role: String,
-    content: String,
-    #[serde(skip_serializing_if = "Option::is_none")]
-    tool_call_id: Option<String>,
-    #[serde(skip_serializing_if = "Option::is_none")]
-    tool_calls: Option<Vec<serde_json::Value>>,
-}
-
-/// OpenAI 同步响应
-#[derive(Debug, Deserialize)]
-struct OpenAiResponse {
-    choices: Vec<OpenAiChoice>,
-    model: String,
-    usage: Option<OpenAiUsage>,
-}
-
-#[derive(Debug, Deserialize)]
-struct OpenAiChoice {
-    message: OpenAiMessageResp,
-    finish_reason: Option<String>,
-}
-
-#[derive(Debug, Deserialize)]
-struct OpenAiMessageResp {
-    content: Option<String>,
-    tool_calls: Option<Vec<OpenAiToolCallResp>>,
-}
-
-#[derive(Debug, Deserialize)]
-struct OpenAiToolCallResp {
-    id: String,
-    #[serde(rename = "type")]
-    call_type: String,
-    function: OpenAiFunctionResp,
-}
-
-#[derive(Debug, Deserialize)]
-struct OpenAiFunctionResp {
-    name: String,
-    arguments: String,
-}
-
-#[derive(Debug, Deserialize)]
-struct OpenAiUsage {
-    prompt_tokens: u32,
-    completion_tokens: u32,
-    total_tokens: u32,
-}
-
-/// SSE 流式响应 chunk
-#[derive(Debug, Deserialize)]
-struct OpenAiStreamChunk {
-    choices: Vec<OpenAiStreamChoice>,
-}
-
-#[derive(Debug, Deserialize)]
-struct OpenAiStreamChoice {
-    delta: OpenAiStreamDelta,
-    finish_reason: Option<String>,
-}
-
-#[derive(Debug, Deserialize)]
-struct OpenAiStreamDelta {
-    content: Option<String>,
-    tool_calls: Option<Vec<OpenAiStreamToolCall>>,
-}
-
-#[derive(Debug, Deserialize)]
-struct OpenAiStreamToolCall {
-    index: u32,
-    id: Option<String>,
-    function: Option<OpenAiStreamFunction>,
-}
-
-#[derive(Debug, Deserialize)]
-struct OpenAiStreamFunction {
-    name: Option<String>,
-    arguments: Option<String>,
-}
+// 协议数据结构（OpenAiRequest / OpenAiResponse / OpenAiStreamChunk …）与 SSE 解析纯函数
+// apply_openai_sse 抽离到 openai_helpers.rs，结构对齐 anthropic_helpers.rs。
+// Rust impl 块不可跨文件，Provider struct + impl 仍留本文件。
+use crate::openai_helpers::{
+    apply_openai_sse, OpenAiMessage, OpenAiRequest, OpenAiResponse, OpenAiToolCallResp,
+};
 
 // ============================================================
 // OpenAI Compat Provider
@@ -139,16 +47,9 @@ impl OpenAICompatProvider {
     /// - `api_key`: API 密钥
     /// - `default_model`: 默认模型名称
     pub fn new(base_url: impl Into<String>, api_key: impl Into<String>, default_model: impl Into<String>) -> Self {
-        // connect_timeout 防连接阶段无限 hang（网络静默断）；不设总 timeout——
-        // reqwest 的 .timeout() 会限制整个响应 body 时长，流式长生成任务会被误砍。
-        // 读取阶段的中途静默由上层 stream_llm 的 idle timeout 兜底。
-        let client = Client::builder()
-            .connect_timeout(std::time::Duration::from_secs(30))
-            .build()
-            .unwrap_or_else(|e| {
-                warn!("reqwest builder 失败，降级为默认 client（无 connect_timeout）: {}", e);
-                Client::new()
-            });
+        // SW-260618-10: reqwest Client 构建抽 crate::build_provider_client（与 Anthropic 共用 DRY）。
+        // connect_timeout/回退策略集中此处，未来改一处即可（见 lib.rs::build_provider_client）。
+        let client = crate::build_provider_client();
         Self {
             client,
             api_key: api_key.into(),
@@ -184,6 +85,18 @@ impl OpenAICompatProvider {
         }
     }
 
+    /// 构建 embeddings API URL（与 chat_url 同套智能拼接规则）
+    fn embed_url(&self) -> String {
+        let base = self.base_url.trim_end_matches('/');
+        if base.ends_with("/embeddings") {
+            return base.to_string();
+        }
+        if Self::ends_with_version(base) {
+            return format!("{}/embeddings", base);
+        }
+        format!("{}/v1/embeddings", base)
+    }
+
     /// 将通用请求转换为 OpenAI 格式
     fn convert_request(&self, req: CompletionRequest) -> OpenAiRequest {
         let model = if req.model.is_empty() {
@@ -192,7 +105,7 @@ impl OpenAICompatProvider {
             req.model
         };
 
-        let messages: Vec<OpenAiMessage> = req
+        let mut messages: Vec<OpenAiMessage> = req
             .messages
             .into_iter()
             .map(|m| {
@@ -202,6 +115,43 @@ impl OpenAICompatProvider {
                     crate::provider::MessageRole::Assistant => "assistant",
                     crate::provider::MessageRole::Tool => "tool",
                 };
+                // F-260614-05 Phase 2a: 多模态 content（须在 move m.tool_calls 之前算，借用 m）。
+                // 含图消息走 content 数组（text/image_url）；纯文本走字符串简写
+                // （保持与现有纯文本端点零回归）。image_url 支持 data URI（base64）与 http(s) URL。
+                let content = if m.has_image() {
+                    let parts: Vec<serde_json::Value> = m
+                        .flattened_parts()
+                        .into_iter()
+                        .map(|p| match p {
+                            crate::provider::ContentPart::Text { text } => serde_json::json!({
+                                "type": "text",
+                                "text": text,
+                            }),
+                            crate::provider::ContentPart::Image { url, base64, media_type, alt: _ } => {
+                                let final_url = match (base64, url, media_type) {
+                                    (Some(b), _, Some(mt)) => {
+                                        format!("data:{};base64,{}", mt, b)
+                                    }
+                                    (None, Some(u), _) => u,
+                                    // 完整性兜底：当前 image_base64 构造器强制 media_type:Some，
+                                    // image_url 构造器提供 url:Some，二者分别命中上两个分支；
+                                    // 此分支仅在 parts 来源被外部直接构造且字段均缺时才可达
+                                    //（如 url:None+base64:None 或 base64:Some+media_type:None）。
+                                    // 退化为空串（OpenAI 对空 image_url.url 会 400），
+                                    // 由调用方保证 parts 合法性，provider 层不做静默伪造。
+                                    _ => String::new(),
+                                };
+                                serde_json::json!({
+                                    "type": "image_url",
+                                    "image_url": { "url": final_url },
+                                })
+                            }
+                        })
+                        .collect();
+                    serde_json::Value::Array(parts)
+                } else {
+                    serde_json::Value::String(m.content.clone())
+                };
                 let tool_calls = m.tool_calls.map(|calls| {
                     calls
                         .into_iter()
@@ -219,13 +169,20 @@ impl OpenAICompatProvider {
                 });
                 OpenAiMessage {
                     role: role.to_string(),
-                    content: m.content,
+                    content,
                     tool_call_id: m.tool_call_id,
                     tool_calls,
+                    reasoning_content: m.reasoning_content,
                 }
             })
             .collect();
 
+        // B-260626-01: 保证首条 user/system(OpenAI 协议要求首条非 assistant/tool)。
+        // 对齐 AnthropicCompatProvider::ensure_leading_user:上游绕过 sanitize 的调用方
+        // (标题生成/知识注入/工作流 AI 节点等直构造 CompletionRequest 的路径)可能传入首条
+        // assistant 的序列(会话恢复/续发/片段截取),补 user 占位保留上下文,首条合法。
+        Self::ensure_leading_user(&mut messages);
+
         let tools = req.tools.map(|defs| {
             defs.into_iter()
                 .map(|d| serde_json::to_value(d).unwrap_or_default())
@@ -240,9 +197,46 @@ impl OpenAICompatProvider {
             stream: req.stream,
             tools,
             tool_choice: req.tool_choice,
+            reasoning_content: req.reasoning_content,
+            // 流式请求末 chunk 带 usage（同步调用 complete 不需要）
+            stream_options: if req.stream {
+                Some(serde_json::json!({ "include_usage": true }))
+            } else {
+                None
+            },
         }
     }
 
+    /// B-260626-01: 保证 messages 首条为 user/system(OpenAI 协议要求首条非 assistant/tool)。
+    ///
+    /// 对齐 `AnthropicCompatProvider::ensure_leading_user`。上游绕过 `ContextManager::sanitize_messages`
+    /// 的调用方(标题生成/知识注入/工作流 AI 节点等直构造 CompletionRequest 的路径)可能传入首条
+    /// assistant 的序列——会话恢复、续发或历史片段截取时,真正的首条 user 已被裁剪/压缩掉。
+    ///
+    /// **用"补"而非"砍"**:开头插一条 user 占位,保留全部上下文(砍会丢工具调用历史,多轮砍到空)。
+    /// 占位 user 紧贴原首条,不破坏 user/assistant 交替;仅异常路径触发(正常首条本就是 user)。
+    fn ensure_leading_user(messages: &mut Vec<OpenAiMessage>) {
+        let first_role = messages.first().map(|m| m.role.as_str()).unwrap_or("");
+        if first_role == "user" || first_role == "system" {
+            return;
+        }
+        warn!(
+            first_role,
+            msg_count = messages.len(),
+            "ensure_leading_user: 首条非 user/system,补 user 占位(保留上下文,防 OpenAI 首条 assistant/tool 非法)"
+        );
+        messages.insert(
+            0,
+            OpenAiMessage {
+                role: "user".into(),
+                content: serde_json::Value::String("(continued from previous context)".into()),
+                tool_call_id: None,
+                tool_calls: None,
+                reasoning_content: None,
+            },
+        );
+    }
+
     /// 解析同步响应中的工具调用
     fn parse_tool_calls(calls: Vec<OpenAiToolCallResp>) -> Vec<ToolCall> {
         calls
@@ -254,6 +248,34 @@ impl OpenAICompatProvider {
 
 #[async_trait]
 impl LlmProvider for OpenAICompatProvider {
+    /// 文本嵌入: POST /v1/embeddings(OpenAI 兼容,智谱/阿里百炼/OpenAI 通用)
+    async fn embed(&self, model: &str, texts: Vec<String>) -> anyhow::Result<Vec<Vec<f32>>> {
+        #[derive(serde::Deserialize)]
+        struct EmbedData { embedding: Vec<f32>, index: usize }
+        #[derive(serde::Deserialize)]
+        struct EmbedResponse { data: Vec<EmbedData> }
+
+        let resp = self
+            .client
+            .post(self.embed_url())
+            .header("Authorization", format!("Bearer {}", self.api_key))
+            .header("Content-Type", "application/json")
+            .json(&serde_json::json!({ "model": model, "input": texts }))
+            .send()
+            .await?;
+
+        if !resp.status().is_success() {
+            let status = resp.status();
+            let body = resp.text().await.unwrap_or_default();
+            anyhow::bail!("Embedding API 错误 {}: {}", status, body);
+        }
+
+        let mut body: EmbedResponse = resp.json().await?;
+        // 按 index 排序保证与输入顺序一致(API 不保证返回顺序)
+        body.data.sort_by_key(|d| d.index);
+        Ok(body.data.into_iter().map(|d| d.embedding).collect())
+    }
+
     async fn complete(&self, request: CompletionRequest) -> anyhow::Result<CompletionResponse> {
         let mut req = request;
         req.stream = false;
@@ -261,48 +283,76 @@ impl LlmProvider for OpenAICompatProvider {
 
         debug!(model = %openai_req.model, "OpenAI 同步调用");
 
-        let resp = self
-            .client
-            .post(self.chat_url())
-            .header("Authorization", format!("Bearer {}", self.api_key))
-            .header("Content-Type", "application/json")
-            .json(&openai_req)
-            .send()
-            .await?;
-
-        if !resp.status().is_success() {
-            let status = resp.status();
-            let body = resp.text().await.unwrap_or_default();
-            error!(%status, %body, "LLM API 调用失败");
-            anyhow::bail!("LLM API 错误 {}: {}", status, body);
-        }
-
-        let body: OpenAiResponse = resp.json().await?;
-        let choice = body
-            .choices
-            .into_iter()
-            .next()
-            .ok_or_else(|| anyhow::anyhow!("LLM 响应无 choices"))?;
-
-        let text = choice.message.content.unwrap_or_default();
-        let tool_calls = choice.message.tool_calls.map(Self::parse_tool_calls);
-
-        let usage = body.usage.map(|u| TokenUsage {
-            prompt_tokens: u.prompt_tokens,
-            completion_tokens: u.completion_tokens,
-            total_tokens: u.total_tokens,
-        }).unwrap_or(TokenUsage {
-            prompt_tokens: 0,
-            completion_tokens: 0,
-            total_tokens: 0,
-        });
-
-        Ok(CompletionResponse {
-            text,
-            model: body.model,
-            usage,
-            tool_calls,
+        // 指数退避重试(B-260616-07): 包裹 send + 状态码判定。
+        // 单请求 60s timeout 保持不变(FR-R4)，重试是额外层: 3 次 × 60s 最坏 180s，
+        // 由 retry_with_backoff 内部 30s 总预算主动止损。
+        let label = format!("OpenAI[{}]", openai_req.model);
+        retry_with_backoff(&label, move |_| {
+            let client = self.client.clone();
+            let url = self.chat_url();
+            let api_key = self.api_key.clone();
+            let openai_req = openai_req.clone();
+            async move {
+                // send
+                let resp = client
+                    .post(url)
+                    .header("Authorization", format!("Bearer {}", api_key))
+                    .header("Content-Type", "application/json")
+                    .timeout(Duration::from_secs(60))
+                    .json(&openai_req)
+                    .send()
+                    .await;
+                let resp = match resp {
+                    Ok(r) => r,
+                    Err(e) => {
+                        if is_reqwest_error_retryable(&e) {
+                            return AttemptOutcome::Retryable(format!("请求失败(可重试): {}", e));
+                        }
+                        return AttemptOutcome::Fatal(format!("请求失败(不可重试): {}", e));
+                    }
+                };
+                // 状态码判定
+                if !resp.status().is_success() {
+                    let status = resp.status().as_u16();
+                    let body = resp.text().await.unwrap_or_default();
+                    let msg = format!("LLM API 错误 {}: {}", status, body);
+                    if is_status_retryable(status) {
+                        warn!(%status, "OpenAI 同步调用可重试状态码");
+                        return AttemptOutcome::Retryable(msg);
+                    }
+                    error!(%status, %body, "LLM API 调用失败(不可重试)");
+                    return AttemptOutcome::Fatal(msg);
+                }
+                // body 解析: 解析错属 Fatal(响应已成功送达，重试也会因同样格式失败)
+                let body: OpenAiResponse = match resp.json().await {
+                    Ok(b) => b,
+                    Err(e) => return AttemptOutcome::Fatal(format!("响应解析失败: {}", e)),
+                };
+                let choice = match body.choices.into_iter().next() {
+                    Some(c) => c,
+                    None => return AttemptOutcome::Fatal("LLM 响应无 choices".to_string()),
+                };
+                let text = choice.message.content.unwrap_or_default();
+                let tool_calls = choice.message.tool_calls.map(Self::parse_tool_calls);
+                let usage = body.usage.map(|u| TokenUsage {
+                    prompt_tokens: u.prompt_tokens,
+                    completion_tokens: u.completion_tokens,
+                    total_tokens: u.total_tokens,
+                }).unwrap_or(TokenUsage {
+                    prompt_tokens: 0,
+                    completion_tokens: 0,
+                    total_tokens: 0,
+                });
+                AttemptOutcome::Ok(CompletionResponse {
+                    text,
+                    model: body.model,
+                    usage,
+                    tool_calls,
+                    reasoning_content: choice.message.reasoning_content,
+                })
+            }
         })
+        .await
     }
 
     async fn stream(&self, request: CompletionRequest) -> anyhow::Result<StreamResult> {
@@ -328,68 +378,23 @@ impl LlmProvider for OpenAICompatProvider {
             anyhow::bail!("LLM 流式 API 错误 {}: {}", status, body);
         }
 
+        // 累积流式 usage：开 include_usage 后，末段正常 chunk（finish_reason）及额外 usage-only chunk（choices=[]）都带 usage。
+        // usage 解析/累积逻辑抽到 apply_openai_sse 纯函数，便于单测；此处闭包只负责传 data 与传递 last_usage。
+        let mut last_usage: Option<TokenUsage> = None;
+
         let stream = resp
             .bytes_stream()
             .eventsource()
-            .map(move |event| {
-                match event {
-                    Ok(event) => {
-                        // OpenAI 发送 "data: [DONE]" 表示流结束
-                        if event.data == "[DONE]" {
-                            return Ok(StreamChunk {
-                                delta: String::new(),
-                                finished: true,
-                                tool_calls: None,
-                            });
-                        }
-
-                        match serde_json::from_str::<OpenAiStreamChunk>(&event.data) {
-                            Ok(chunk) => {
-                                if let Some(choice) = chunk.choices.into_iter().next() {
-                                    let delta_text = choice.delta.content.unwrap_or_default();
-                                    // "length" = max_tokens 截断，属正常终止（非断连），纳入 finished
-                                    let finished = choice.finish_reason.as_deref() == Some("stop")
-                                        || choice.finish_reason.as_deref() == Some("tool_calls")
-                                        || choice.finish_reason.as_deref() == Some("length");
-
-                                    let tool_calls = choice.delta.tool_calls.map(|tcs| {
-                                        tcs.into_iter()
-                                            .map(|tc| ToolCallDelta {
-                                                index: tc.index,
-                                                id: tc.id,
-                                                function_name: tc.function.as_ref().and_then(|f| f.name.clone()),
-                                                function_arguments: tc.function.and_then(|f| f.arguments),
-                                            })
-                                            .collect()
-                                    });
-
-                                    Ok(StreamChunk {
-                                        delta: delta_text,
-                                        finished,
-                                        tool_calls,
-                                    })
-                                } else {
-                                    Ok(StreamChunk {
-                                        delta: String::new(),
-                                        finished: false,
-                                        tool_calls: None,
-                                    })
-                                }
-                            }
-                            Err(e) => {
-                                debug!("SSE 数据解析失败: {} — data: {}", e, event.data);
-                                Ok(StreamChunk {
-                                    delta: String::new(),
-                                    finished: false,
-                                    tool_calls: None,
-                                })
-                            }
-                        }
-                    }
-                    Err(e) => {
-                        error!("SSE 流错误: {}", e);
-                        Err(anyhow::anyhow!("SSE 流错误: {}", e))
-                    }
+            .map(move |event| match event {
+                Ok(event) => Ok(apply_openai_sse(&event.data, &mut last_usage)),
+                Err(e) => {
+                    // 保留 #[source] 因果链: anyhow!("...{}", e) 仅把 e 的 Display 塞进 message,
+                    // 丢掉 source(无法 downcast/遍历)。改用 Error::from(e).context(...):
+                    // Display 不变(仍为 "SSE 流错误: {e}"), 且 e 作为 .source() 可追溯。
+                    // 顺序: 先 format(e) 构造 context 文案, 再 Error::from(e) move e 进 source。
+                    let ctx = format!("SSE 流错误: {}", e);
+                    error!("{}", ctx);
+                    Err(anyhow::Error::from(e).context(ctx))
                 }
             });
 
@@ -400,11 +405,278 @@ impl LlmProvider for OpenAICompatProvider {
         &self.default_model
     }
 
-    fn supported_features(&self) -> ProviderFeatures {
-        ProviderFeatures {
-            streaming: true,
-            function_calling: true,
-            vision: false,
-        }
+    fn endpoint(&self) -> String {
+        self.chat_url()
+    }
+}
+
+// ============================================================
+// 单测（不发真实 HTTP，喂构造的 SSE data 字符串序列）
+// ============================================================
+
+#[cfg(test)]
+mod tests {
+    use super::*;
+
+    /// 辅助：构造普通文本 delta chunk 的 SSE data
+    fn text_chunk(content: &str, finish_reason: Option<&str>) -> String {
+        let fr = match finish_reason {
+            Some(r) => format!(", \"finish_reason\": \"{}\"", r),
+            None => String::from(", \"finish_reason\": null"),
+        };
+        format!(
+            r#"{{"choices":[{{"delta":{{"content":"{}"}}{}}}]}}"#,
+            content, fr
+        )
+    }
+
+    /// 辅助：构造带 usage 的 chunk（choices 为空 → usage-only 末 chunk，对应 include_usage）
+    fn usage_only_chunk(prompt: u32, completion: u32) -> String {
+        format!(
+            r#"{{"choices":[],"usage":{{"prompt_tokens":{},"completion_tokens":{},"total_tokens":{}}}}}"#,
+            prompt,
+            completion,
+            prompt + completion
+        )
+    }
+
+    /// 辅助：构造既有 content 又带 usage 的末段 chunk（部分兼容端点会把 usage 挂到正常末 chunk 上）
+    fn text_chunk_with_usage(content: &str, finish_reason: &str, prompt: u32, completion: u32) -> String {
+        format!(
+            r#"{{"choices":[{{"delta":{{"content":"{}"}},"finish_reason":"{}"}}],"usage":{{"prompt_tokens":{},"completion_tokens":{},"total_tokens":{}}}}}"#,
+            content,
+            finish_reason,
+            prompt,
+            completion,
+            prompt + completion
+        )
+    }
+
+    /// 多 chunk 文本流后，末 chunk 携带 usage（include_usage 覆盖语义）
+    #[test]
+    fn openai_sse_multi_chunk_with_terminal_usage() {
+        let mut acc: Option<TokenUsage> = None;
+
+        // 1) 首个文本增量，无 usage
+        let c = apply_openai_sse(&text_chunk("Hello", None), &mut acc);
+        assert_eq!(c.delta, "Hello");
+        assert!(!c.finished);
+        assert!(c.usage.is_none());
+        assert!(acc.is_none(), "无 usage 的 chunk 不应改累加器");
+
+        // 2) 第二个文本增量
+        let c = apply_openai_sse(&text_chunk(" world", None), &mut acc);
+        assert_eq!(c.delta, " world");
+        assert!(!c.finished);
+        assert!(acc.is_none());
+
+        // 3) 末段正常 chunk 带 finish_reason=stop（仍是文本 delta，不带 usage）
+        let c = apply_openai_sse(&text_chunk("", Some("stop")), &mut acc);
+        assert!(c.finished);
+        assert_eq!(c.delta, "");
+        assert!(acc.is_none(), "此 chunk 无 usage 字段，累加器仍为 None");
+
+        // 4) usage-only chunk（choices=[]）携带累计 usage → 覆盖累加器
+        let c = apply_openai_sse(&usage_only_chunk(12, 34), &mut acc);
+        assert!(!c.finished);
+        assert!(c.usage.is_none(), "非 [DONE] chunk 不带出 usage");
+        let acc = acc.expect("累加器应已被 usage-only chunk 覆盖写入");
+        assert_eq!(acc.prompt_tokens, 12);
+        assert_eq!(acc.completion_tokens, 34);
+        assert_eq!(acc.total_tokens, 46);
+    }
+
+    /// usage 挂在正常末段 chunk（含 finish_reason）上，而非独立 usage-only chunk
+    #[test]
+    fn openai_sse_usage_on_terminal_text_chunk() {
+        let mut acc: Option<TokenUsage> = None;
+        let c = apply_openai_sse(&text_chunk_with_usage("", "stop", 100, 200), &mut acc);
+        assert!(c.finished);
+        assert!(c.usage.is_none(), "非 [DONE] 不带出 usage，仅覆盖累加器");
+        let acc = acc.expect("末段 chunk 的 usage 应已覆盖累加器");
+        assert_eq!(acc.prompt_tokens, 100);
+        assert_eq!(acc.completion_tokens, 200);
+        assert_eq!(acc.total_tokens, 300);
+    }
+
+    /// [DONE] 时 take() 带出累积 usage，且取走后累加器清空
+    #[test]
+    fn openai_sse_done_takes_accumulated_usage() {
+        let mut acc: Option<TokenUsage> = None;
+        apply_openai_sse(&text_chunk("x", None), &mut acc);
+        apply_openai_sse(&usage_only_chunk(5, 7), &mut acc);
+
+        let c = apply_openai_sse("[DONE]", &mut acc);
+        assert!(c.finished);
+        let u = c.usage.expect("[DONE] 应带出累积 usage");
+        assert_eq!(u.prompt_tokens, 5);
+        assert_eq!(u.completion_tokens, 7);
+        assert_eq!(u.total_tokens, 12);
+        assert!(acc.is_none(), "take() 后累加器应清空");
+    }
+
+    /// 无 usage 的流：[DONE] 时 usage 字段为 None
+    #[test]
+    fn openai_sse_done_without_usage() {
+        let mut acc: Option<TokenUsage> = None;
+        apply_openai_sse(&text_chunk("hi", None), &mut acc);
+        let c = apply_openai_sse("[DONE]", &mut acc);
+        assert!(c.finished);
+        assert!(c.usage.is_none(), "全程无 usage 时 [DONE] usage 应为 None");
+        assert!(acc.is_none());
+    }
+
+    /// 后续 usage chunk 覆盖先前 usage（多轮 / 重发场景）
+    #[test]
+    fn openai_sse_later_usage_overrides_earlier() {
+        let mut acc: Option<TokenUsage> = None;
+        apply_openai_sse(&usage_only_chunk(1, 1), &mut acc);
+        apply_openai_sse(&usage_only_chunk(50, 60), &mut acc);
+        let c = apply_openai_sse("[DONE]", &mut acc);
+        let u = c.usage.unwrap();
+        assert_eq!(u.prompt_tokens, 50, "末 usage 应覆盖前值");
+        assert_eq!(u.completion_tokens, 60);
+        assert_eq!(u.total_tokens, 110);
+    }
+
+    /// finish_reason=length（max_tokens 截断）按正常终止处理
+    #[test]
+    fn openai_sse_length_finish_reason_treated_as_finished() {
+        let mut acc: Option<TokenUsage> = None;
+        let c = apply_openai_sse(&text_chunk("...", Some("length")), &mut acc);
+        assert!(c.finished, "length 应视为正常终止");
+        assert!(acc.is_none());
+    }
+
+    /// 非法 JSON data → 返回空 chunk，不 panic、不改累加器
+    #[test]
+    fn openai_sse_malformed_json_yields_empty_chunk() {
+        let mut acc: Option<TokenUsage> = None;
+        let c = apply_openai_sse("not a json", &mut acc);
+        assert_eq!(c.delta, "");
+        assert!(!c.finished);
+        assert!(c.usage.is_none());
+        assert!(acc.is_none());
+    }
+
+    /// tool_calls 增量解析
+    #[test]
+    fn openai_sse_tool_call_delta() {
+        let mut acc: Option<TokenUsage> = None;
+        let data = r#"{"choices":[{"delta":{"tool_calls":[{"index":0,"id":"call_1","function":{"name":"get_weather","arguments":"{\"q\":"}}]}}]}"#;
+        let c = apply_openai_sse(data, &mut acc);
+        assert!(acc.is_none());
+        let tcs = c.tool_calls.expect("应有 tool_calls 增量");
+        assert_eq!(tcs.len(), 1);
+        assert_eq!(tcs[0].index, 0);
+        assert_eq!(tcs[0].id.as_deref(), Some("call_1"));
+        assert_eq!(tcs[0].function_name.as_deref(), Some("get_weather"));
+        assert_eq!(tcs[0].function_arguments.as_deref(), Some("{\"q\":"));
+        assert!(!c.finished);
+    }
+
+    // ---------- F-260614-05 Phase 2a 多模态 convert_request ----------
+
+    /// 含图消息 → content 数组（text + image_url data URI）；纯文本 → 字符串简写
+    #[test]
+    fn openai_convert_multimodal_content() {
+        let provider = OpenAICompatProvider::new("https://api.openai.com", "k", "gpt-4o");
+        let req = CompletionRequest {
+            model: "gpt-4o".into(),
+            messages: vec![ChatMessage::user_parts(
+                "看图",
+                vec![
+                    crate::provider::ContentPart::image_base64("image/png", "iVBOR"),
+                    crate::provider::ContentPart::image_url("https://x/a.png"),
+                ],
+            )],
+            temperature: None,
+            max_tokens: None,
+            stream: false,
+            tools: None,
+            tool_choice: None,
+            reasoning_content: None,
+        };
+        let out = provider.convert_request(req);
+        let msg = &out.messages[0];
+        // content 是数组：[text "看图", image_url(data URI), image_url(http url)]
+        let arr = msg.content.as_array().expect("含图 → content 数组");
+        assert_eq!(arr.len(), 3);
+        assert_eq!(arr[0]["type"], "text");
+        assert_eq!(arr[0]["text"], "看图");
+        assert_eq!(arr[1]["type"], "image_url");
+        assert_eq!(
+            arr[1]["image_url"]["url"],
+            "data:image/png;base64,iVBOR"
+        );
+        assert_eq!(arr[2]["image_url"]["url"], "https://x/a.png");
+    }
+
+    /// 纯文本消息 → content 仍是字符串简写（无图不数组化，对齐纯文本端点兼容）
+    #[test]
+    fn openai_convert_text_only_remains_string() {
+        let provider = OpenAICompatProvider::new("https://api.openai.com", "k", "gpt-4o");
+        let req = CompletionRequest {
+            model: "gpt-4o".into(),
+            messages: vec![ChatMessage::user("hello")],
+            temperature: None,
+            max_tokens: None,
+            stream: false,
+            tools: None,
+            tool_choice: None,
+            reasoning_content: None,
+        };
+        let out = provider.convert_request(req);
+        let msg = &out.messages[0];
+        assert_eq!(msg.content, serde_json::Value::String("hello".into()));
+    }
+
+    // ---------- B-260626-01: ensure_leading_user（首条非 user/system → 补 user 占位,OpenAI 对称 Anthropic）----------
+
+    /// B-260626-01: 首条 assistant → 补 user 占位(对齐 Anthropic)。上游绕过 sanitize 的
+    /// 调用方(title/knowledge_inject/工作流节点)可能传入首条 assistant 序列,补占位保留上下文。
+    #[test]
+    fn openai_ensure_leading_user_first_assistant_gets_placeholder() {
+        let provider = OpenAICompatProvider::new("https://api.openai.com", "k", "gpt-4o");
+        let req = CompletionRequest {
+            model: "gpt-4o".into(),
+            messages: vec![
+                ChatMessage::assistant("我来帮你"),
+                ChatMessage::user("继续"),
+            ],
+            temperature: None,
+            max_tokens: None,
+            stream: false,
+            tools: None,
+            tool_choice: None,
+            reasoning_content: None,
+        };
+        let out = provider.convert_request(req);
+        assert_eq!(out.messages.len(), 3, "占位 + 原 2 条");
+        assert_eq!(out.messages[0].role.as_str(), "user", "首条应为 user(补占位)");
+        assert_eq!(out.messages[1].role.as_str(), "assistant");
+        assert_eq!(out.messages[2].role.as_str(), "user");
+    }
+
+    /// B-260626-01: 正常序列(user 开头)不补占位——零回归。
+    #[test]
+    fn openai_ensure_leading_user_normal_unchanged() {
+        let provider = OpenAICompatProvider::new("https://api.openai.com", "k", "gpt-4o");
+        let req = CompletionRequest {
+            model: "gpt-4o".into(),
+            messages: vec![
+                ChatMessage::user("hello"),
+                ChatMessage::assistant("hi"),
+            ],
+            temperature: None,
+            max_tokens: None,
+            stream: false,
+            tools: None,
+            tool_choice: None,
+            reasoning_content: None,
+        };
+        let out = provider.convert_request(req);
+        assert_eq!(out.messages.len(), 2, "正常序列不补占位");
+        assert_eq!(out.messages[0].role.as_str(), "user");
     }
 }

crates/df-ai/src/openai_helpers.rs

@@ -0,0 +1,231 @@
+//! OpenAI 兼容协议适配 — 协议数据结构与 SSE 事件解析（纯函数）。
+//!
+//! 本模块从 `openai_compat.rs` 抽离，承载与 HTTP 无关的纯协议逻辑：
+//! - 请求/响应结构体（`OpenAiRequest` / `OpenAiResponse` / `OpenAiStreamChunk` 等）
+//! - SSE 事件 data → `StreamChunk` 转换纯函数（`apply_openai_sse`）
+//!
+//! Provider struct + impl（含 HTTP 调用 / `convert_request` / `chat_url`）仍留在
+//! `openai_compat.rs`，Rust impl 块不可跨文件，故仅搬迁 impl 块外部的类型/纯函数。
+//! 零行为变更（纯搬迁）。结构对齐 `anthropic_helpers.rs`。
+
+use serde::{Deserialize, Serialize};
+use tracing::debug;
+
+use crate::provider::{StreamChunk, TokenUsage, ToolCallDelta};
+
+// ============================================================
+// OpenAI API 请求/响应结构体
+// ============================================================
+
+/// OpenAI 兼容请求体
+#[derive(Debug, Clone, Serialize)]
+pub(crate) struct OpenAiRequest {
+    pub model: String,
+    pub messages: Vec<OpenAiMessage>,
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub temperature: Option<f32>,
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub max_tokens: Option<u32>,
+    pub stream: bool,
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub tools: Option<Vec<serde_json::Value>>,
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub tool_choice: Option<serde_json::Value>,
+    /// 流式时请求末 chunk 携带 usage（OpenAI 官方 + DeepSeek/GLM 兼容）
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub stream_options: Option<serde_json::Value>,
+    /// DeepSeek thinking 模式
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub reasoning_content: Option<String>,
+}
+
+/// OpenAI 消息格式
+///
+/// `content` 为 `serde_json::Value`：纯文本消息走字符串简写（与老端点兼容），
+/// 含图消息走 `[{type:"text",text},{type:"image_url",image_url:{url}}]` 数组。
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub(crate) struct OpenAiMessage {
+    pub role: String,
+    pub content: serde_json::Value,
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub tool_call_id: Option<String>,
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub tool_calls: Option<Vec<serde_json::Value>>,
+    /// DeepSeek thinking 模式推理内容
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub reasoning_content: Option<String>,
+}
+
+/// OpenAI 同步响应
+#[derive(Debug, Deserialize)]
+pub(crate) struct OpenAiResponse {
+    pub choices: Vec<OpenAiChoice>,
+    pub model: String,
+    pub usage: Option<OpenAiUsage>,
+}
+
+#[derive(Debug, Deserialize)]
+pub(crate) struct OpenAiChoice {
+    pub message: OpenAiMessageResp,
+    // SW-260618-24: OpenAI 响应反序列化字段,保留以备调试/未来消费(如日志记录调用终止原因),标注意图消除 dead_code warning
+    #[allow(dead_code)]
+    pub finish_reason: Option<String>,
+}
+
+#[derive(Debug, Deserialize)]
+pub(crate) struct OpenAiMessageResp {
+    pub content: Option<String>,
+    pub tool_calls: Option<Vec<OpenAiToolCallResp>>,
+    /// DeepSeek thinking 模式响应中的推理内容
+    #[serde(default, skip_serializing_if = "Option::is_none")]
+    pub reasoning_content: Option<String>,
+}
+
+#[derive(Debug, Deserialize)]
+pub(crate) struct OpenAiToolCallResp {
+    pub id: String,
+    // SW-260618-24: 反序列化 #[serde(rename="type")] 字段,保留以对齐 OpenAI 响应结构,标注意图消除 dead_code warning
+    #[allow(dead_code)]
+    #[serde(rename = "type")]
+    pub call_type: String,
+    pub function: OpenAiFunctionResp,
+}
+
+#[derive(Debug, Deserialize)]
+pub(crate) struct OpenAiFunctionResp {
+    pub name: String,
+    pub arguments: String,
+}
+
+#[derive(Debug, Deserialize)]
+pub(crate) struct OpenAiUsage {
+    pub prompt_tokens: u32,
+    pub completion_tokens: u32,
+    pub total_tokens: u32,
+}
+
+/// SSE 流式响应 chunk
+#[derive(Debug, Deserialize)]
+pub(crate) struct OpenAiStreamChunk {
+    pub choices: Vec<OpenAiStreamChoice>,
+    /// 末 chunk（choices 为空）携带的累计 usage
+    #[serde(default)]
+    pub usage: Option<OpenAiUsage>,
+}
+
+#[derive(Debug, Deserialize)]
+pub(crate) struct OpenAiStreamChoice {
+    pub delta: OpenAiStreamDelta,
+    pub finish_reason: Option<String>,
+}
+
+#[derive(Debug, Deserialize)]
+pub(crate) struct OpenAiStreamDelta {
+    pub content: Option<String>,
+    pub tool_calls: Option<Vec<OpenAiStreamToolCall>>,
+    /// DeepSeek thinking 模式流式推理内容
+    #[serde(default, skip_serializing_if = "Option::is_none")]
+    pub reasoning_content: Option<String>,
+}
+
+#[derive(Debug, Deserialize)]
+pub(crate) struct OpenAiStreamToolCall {
+    pub index: u32,
+    pub id: Option<String>,
+    pub function: Option<OpenAiStreamFunction>,
+}
+
+#[derive(Debug, Deserialize)]
+pub(crate) struct OpenAiStreamFunction {
+    pub name: Option<String>,
+    pub arguments: Option<String>,
+}
+
+// ============================================================
+// SSE 解析纯函数（与 HTTP 解耦，便于单测）
+// ============================================================
+
+/// 将一条 OpenAI 兼容 SSE 事件 data 解析为 StreamChunk，并按需更新 usage 累加器。
+///
+/// - `[DONE]` → 返回 `finished=true` 的终态 chunk，`usage` 取自累加器（`take()`）。
+/// - 普通文本/工具增量 chunk → 返回对应 `StreamChunk`，usage 字段恒为 None（usage 仅在终态带出）。
+/// - usage（`stream_options.include_usage` 时末段或 usage-only chunk 携带）→ 覆盖累加器（覆盖语义保对）。
+/// - 解析失败 → 返回空 chunk（与原内联实现一致）。
+///
+/// 等价性：delta / tool_calls / finished / 解析失败等分支与原 stream() 闭包逐字一致；
+/// usage 透传（[DONE] 终态 take() 带出、usage chunk 覆盖累加器）为本次新增能力，
+/// 对应 StreamChunk 新增的 usage 字段 + 请求体新增 stream_options.include_usage。
+pub(crate) fn apply_openai_sse(data: &str, usage_accum: &mut Option<TokenUsage>) -> StreamChunk {
+    // OpenAI 发送 "data: [DONE]" 表示流结束，带出累积 usage
+    if data == "[DONE]" {
+        return StreamChunk {
+            delta: String::new(),
+            finished: true,
+            tool_calls: None,
+            usage: usage_accum.take(),
+            error: None,
+            reasoning_content: None,
+        };
+    }
+
+    match serde_json::from_str::<OpenAiStreamChunk>(data) {
+        Ok(chunk) => {
+            // 提取 usage（带 include_usage 时末段 chunk 携带，覆盖累积）
+            if let Some(u) = chunk.usage {
+                *usage_accum = Some(TokenUsage {
+                    prompt_tokens: u.prompt_tokens,
+                    completion_tokens: u.completion_tokens,
+                    total_tokens: u.total_tokens,
+                });
+            }
+            if let Some(choice) = chunk.choices.into_iter().next() {
+                let delta_text = choice.delta.content.unwrap_or_default();
+                // "length" = max_tokens 截断，属正常终止（非断连），纳入 finished
+                let finished = choice.finish_reason.as_deref() == Some("stop")
+                    || choice.finish_reason.as_deref() == Some("tool_calls")
+                    || choice.finish_reason.as_deref() == Some("length");
+
+                let tool_calls = choice.delta.tool_calls.map(|tcs| {
+                    tcs.into_iter()
+                        .map(|tc| ToolCallDelta {
+                            index: tc.index,
+                            id: tc.id,
+                            function_name: tc.function.as_ref().and_then(|f| f.name.clone()),
+                            function_arguments: tc.function.and_then(|f| f.arguments),
+                        })
+                        .collect()
+                });
+
+                StreamChunk {
+                    delta: delta_text,
+                    finished,
+                    tool_calls,
+                    usage: None,
+                    error: None,
+                    reasoning_content: choice.delta.reasoning_content,
+                }
+            } else {
+                // choices 为空 = usage-only chunk，不输出文本（usage 已累积）
+                StreamChunk {
+                    delta: String::new(),
+                    finished: false,
+                    tool_calls: None,
+                    usage: None,
+                    error: None,
+                    reasoning_content: None,
+                }
+            }
+        }
+        Err(e) => {
+            debug!("SSE 数据解析失败: {} — data: {}", e, data);
+            StreamChunk {
+                delta: String::new(),
+                finished: false,
+                tool_calls: None,
+                usage: None,
+                error: None,
+                reasoning_content: None,
+            }
+        }
+    }
+}

crates/df-ai/src/plan_hint.rs

@@ -0,0 +1,708 @@
+//! 单对话并行多轮 — Phase 0a · 0.8 plan_hint 纯函数
+//!
+//! 依据:`docs/02-架构设计/单对话并行多轮-Phase0落地路线图-2026-06-20.md` 第 0.8 节。
+//! 上游设计:`单对话并行多轮-设计-2026-06-20.md`。
+//!
+//! ## 定位
+//! Phase 0a 的**纯函数地基**:基于用户意图(`crate::intent::Intent`)/对话上下文关键词,
+//! 产出一份「编排提示」(`PlanHint`)——告诉主 loop「这批工具调用可以并行」/「这些有
+//! 顺序依赖」。它**扩 `intent::tool_subset_for` 语义**:后者只返扁平 tool 子集,本模块
+//! 在其之上叠加「并行组 / 顺序依赖」的编排关系。
+//!
+//! ## 纯函数边界(零 IO 零状态)
+//! - 无 `.await` / 无 db / 无 provider / 无全局状态。
+//! - 输入:意图标签 + 上下文关键词(纯字符串切片)。
+//! - 输出:`PlanHint`(数据结构 + 启发式算法产物)。
+//! - **不调 LLM**:LLM 调度(plan_hint 落 prompt 让模型产 Plan)留 Phase 2;本模块是
+//!   Phase 1 主 loop 接入前的「确定性降级路径」——主 loop 拿到 PlanHint 直接做编排,
+//!   无需等 Phase 2 LLM 介入也能跑通串行/并行调度。
+//!
+//! ## 与 0.7 planner.rs 的关系
+//! 本 agent 独立先做(避免等 agent A),用**自有轻量 `PlanHint` 结构**。
+//! - `PlanHint` 是「提示」层(启发式,可错,主 loop 可忽略);
+//! - `Plan`(`planner.rs`,agent A 出)是「计划」层(LLM/用户确认后的硬编排)。
+//! Phase 1 接入主 loop 时,两者字段(group/dep)对齐,主 loop 优先消费 `Plan`,无 `Plan`
+//! 时退 `PlanHint`。结构对齐工作放 Phase 1,本批互不阻塞。
+//!
+//! ## feature flag
+//! `PLAN_HINT_ENABLED` 常量占位。关时单链 ReAct=旧行为(主 loop 不读 PlanHint)。
+//! Phase 1 接入时主 loop 据 `PLAN_HINT_ENABLED` 决定是否走 plan_hint 分支。
+
+// ---- feature flag 占位 ------------------------------------------------------
+
+/// plan_hint 总开关。Phase 0a 先占位为 `true`(纯函数无副作用可单测)。
+/// Phase 1 接入主 loop 时,关闭则主 loop 不读 PlanHint,退单链 ReAct(旧行为)。
+/// 真正的运行时开关(配置驱动)留 Phase 1,本批用编译期常量便于单测固定行为。
+pub const PLAN_HINT_ENABLED: bool = true;
+
+// ---- 数据结构 --------------------------------------------------------------
+
+/// 并行组:一组可同时调度的工具名(组内无顺序约束,可并行执行)。
+///
+/// 工具名对齐 `intent::tool_subset_for` 返回的工具名常量(read_file/write_file/...,
+/// 见 `intent::ToolDomain::tools`)。空组无意义(构造时应保证非空,但 validate 兜底)。
+#[derive(Debug, Clone, PartialEq, Eq)]
+pub struct ParallelGroup {
+    /// 组内工具名列表(均为 `intent` crate 内声明的注册名)。
+    pub tools: Vec<&'static str>,
+}
+
+impl ParallelGroup {
+    /// 构造一个并行组。空 tools 允许构造(validate 阶段标记非法),调用方应保证非空。
+    pub fn new(tools: Vec<&'static str>) -> Self {
+        Self { tools }
+    }
+
+    /// 组内工具数。
+    pub fn len(&self) -> usize {
+        self.tools.len()
+    }
+
+    /// 是否为空组。
+    pub fn is_empty(&self) -> bool {
+        self.tools.is_empty()
+    }
+}
+
+/// 顺序依赖边:`from` 必须先于 `to` 完成(A → B)。
+///
+/// 用于表达「读后写」「先查后改」等强顺序约束。`from`/`to` 是工具名
+/// (或更细的工具调用标签,Phase 2 LLM 产 Plan 时可携带调用 id;本批仅工具名粒度)。
+#[derive(Debug, Clone, PartialEq, Eq)]
+pub struct SequentialDep {
+    /// 前置工具(先执行)。
+    pub from: &'static str,
+    /// 后置工具(待 from 完成后执行)。
+    pub to: &'static str,
+}
+
+impl SequentialDep {
+    /// 构造一条顺序依赖边。
+    pub fn new(from: &'static str, to: &'static str) -> Self {
+        Self { from, to }
+    }
+}
+
+/// 编排提示(轻量 PlanHint)。
+///
+/// - `groups`:可并行执行的分组(每组内工具无序,可同时调度)。
+/// - `sequence`:跨组的顺序依赖边(DAG 边)。
+///
+/// **合法 PlanHint 约束**(与 0.7 Kahn 拓扑对齐):
+/// 1. `groups` 内各组 `tools` 非空;
+/// 2. `sequence` 不含自环(`from != to`);
+/// 3. `sequence` 无重复边(去重);
+/// 4. `sequence` 构成的有向图**无环**(DAG)——`validate` 用 Kahn 判定。
+///
+/// validate 失败时主 loop 应**丢弃** PlanHint 退单链(不能据此调度,否则死锁/无限循环)。
+#[derive(Debug, Clone, Default, PartialEq, Eq)]
+pub struct PlanHint {
+    /// 并行组列表。空 `Vec` 表示「无并行提示」(单链或全顺序)。
+    pub groups: Vec<ParallelGroup>,
+    /// 顺序依赖边列表。空 `Vec` 表示「无跨组顺序约束」(组间全并行)。
+    pub sequence: Vec<SequentialDep>,
+}
+
+impl PlanHint {
+    /// 空提示(无并行、无顺序)。主 loop 见到此值应退旧行为。
+    pub fn empty() -> Self {
+        Self::default()
+    }
+
+    /// 是否为空提示(无任何编排信息)。
+    pub fn is_empty(&self) -> bool {
+        self.groups.is_empty() && self.sequence.is_empty()
+    }
+
+    /// 工具总数(所有并行组工具去重后的并集大小)。
+    pub fn tool_count(&self) -> usize {
+        let mut seen = std::collections::HashSet::new();
+        for g in &self.groups {
+            for t in &g.tools {
+                seen.insert(*t);
+            }
+        }
+        seen.len()
+    }
+}
+
+// ---- 校验(Kahn 拓扑判 DAG 无环,对齐 0.7) --------------------------------
+
+/// PlanHint 合法性校验结果。
+#[derive(Debug, Clone, PartialEq, Eq)]
+pub enum HintValidity {
+    /// 合法,可交付主 loop 调度。
+    Ok,
+    /// 非法(附原因)。主 loop 应丢弃 PlanHint 退单链。
+    Invalid(&'static str),
+}
+
+/// 校验 PlanHint 合法性(纯函数)。
+///
+/// 检查四项(见 `PlanHint` 文档约束):
+/// 1. 组内非空;
+/// 2. 无自环(`from != to`);
+/// 3. 无重复边;
+/// 4. **Kahn 拓扑判无环**(与 0.7 `Plan::validate` 同算法,这里在 PlanHint 层独立实现,
+///    避免依赖 agent A 的 planner.rs;Phase 1 接入时若 planner 已稳定可抽公共函数)。
+///
+/// 返回 `Invalid(reason)` 时 reason 是静态原因标签(便于日志/断言)。
+pub fn validate(hint: &PlanHint) -> HintValidity {
+    // 1. 组内非空
+    for g in &hint.groups {
+        if g.tools.is_empty() {
+            return HintValidity::Invalid("empty_parallel_group");
+        }
+    }
+
+    // 2. 无自环
+    for d in &hint.sequence {
+        if d.from == d.to {
+            return HintValidity::Invalid("self_loop_dep");
+        }
+    }
+
+    // 3. 无重复边(同 from→to 不重复)
+    let mut seen_edges = std::collections::HashSet::new();
+    for d in &hint.sequence {
+        if !seen_edges.insert((d.from, d.to)) {
+            return HintValidity::Invalid("duplicate_dep_edge");
+        }
+    }
+
+    // 4. Kahn 拓扑判无环
+    if has_cycle(&hint.sequence) {
+        return HintValidity::Invalid("cyclic_dep");
+    }
+
+    HintValidity::Ok
+}
+
+/// Kahn 算法判有向边集合是否含环(纯函数)。
+///
+/// 输入是 `SequentialDep` 边列表,节点是工具名(`&'static str`)。
+/// 返回 `true` = 有环(非法),`false` = DAG(合法)。
+///
+/// 实现:统计入度 → 入度 0 的节点入队 → BFS 出队并削减邻居入度 →
+/// 最终已出队节点数 < 总节点数 → 存在环。
+fn has_cycle(edges: &[SequentialDep]) -> bool {
+    if edges.is_empty() {
+        return false;
+    }
+
+    // 收集所有节点(去重)。
+    let mut nodes: std::collections::HashSet<&'static str> = std::collections::HashSet::new();
+    for d in edges {
+        nodes.insert(d.from);
+        nodes.insert(d.to);
+    }
+    let n = nodes.len();
+    if n == 0 {
+        return false;
+    }
+
+    // 节点 → 索引(便于用 Vec 计数)。
+    let mut idx: std::collections::HashMap<&'static str, usize> =
+        std::collections::HashMap::with_capacity(n);
+    for (i, name) in nodes.iter().enumerate() {
+        idx.insert(*name, i);
+    }
+
+    // 入度表 + 邻接表。
+    let mut indeg = vec![0usize; n];
+    let mut adj: Vec<Vec<usize>> = vec![Vec::new(); n];
+    for d in edges {
+        let u = idx[&d.from];
+        let v = idx[&d.to];
+        adj[u].push(v);
+        indeg[v] += 1;
+    }
+
+    // BFS from 入度 0 节点。
+    let mut queue: std::collections::VecDeque<usize> = std::collections::VecDeque::new();
+    for (i, &d) in indeg.iter().enumerate() {
+        if d == 0 {
+            queue.push_back(i);
+        }
+    }
+
+    let mut visited = 0usize;
+    while let Some(u) = queue.pop_front() {
+        visited += 1;
+        for &v in &adj[u] {
+            indeg[v] -= 1;
+            if indeg[v] == 0 {
+                queue.push_back(v);
+            }
+        }
+    }
+
+    // 访问到的节点数 < 总节点数 → 存在环(有节点入度永远不为 0)。
+    visited < n
+}
+
+// ---- 启发式产 PlanHint(纯函数,无 LLM) -----------------------------------
+
+/// 输入:意图标签(来自 `intent::recognize`)+ 上下文关键词(原始用户消息)。
+///
+/// 关键词检测用 `str::contains`(中英文都支持,与 `intent::recognize` 一致风格)。
+/// 输出基于**确定性启发式规则**(非 LLM),规则覆盖 devflow 常见编排场景:
+///
+/// | 场景关键词 | 产出 |
+/// |---|---|
+/// | 读多个 + 写后改 | [读组 并行] → write_file/patch_file |
+/// | grep/find 后改 | search_files → write_file/patch_file |
+/// | http + 写文件 | http_request → write_file(先取再存) |
+/// | 仅读多文件 | 全并行单组 |
+/// | 单工具 / 无编排信号 | 空 PlanHint(主 loop 退单链) |
+///
+/// **重要**:这是降级路径(Phase 2 前)。LLM 产 Plan 的质量一定高于本启发式,
+/// 但本函数保证 Phase 1 主 loop 接入后**无 LLM 也能跑通基本编排**(读后写/grep 后改)。
+///
+/// `intent_label` 仅为日志/未来扩展预留(当前规则用关键词驱动,intent_label 不参与判定,
+/// 保留参数对齐 Phase 1 主 loop 调用签名:`plan_hint(&intent, &message)`)。
+pub fn plan_hint(intent_label: &str, context_keywords: &str) -> PlanHint {
+    // 开关关闭:直接返空(主 loop 退单链)。Phase 1 接入时主 loop 据常量短路,这里也兜底。
+    if !PLAN_HINT_ENABLED {
+        return PlanHint::empty();
+    }
+
+    let _ = intent_label; // 预留:当前规则纯关键词驱动,不读 intent。
+
+    let ctx = context_keywords;
+    let lower = ctx.to_lowercase();
+
+    // ---- 规则 1:grep/搜索 后改 → search_files → write_file/patch_file ----
+    let is_search = lower.contains("grep")
+        || lower.contains("搜索")
+        || lower.contains("查找")
+        || lower.contains("find ");
+    let is_modify = lower.contains("修改")
+        || lower.contains("改")
+        || lower.contains("write")
+        || lower.contains("patch")
+        || lower.contains("写入")
+        || lower.contains("重命名")
+        || lower.contains("rename");
+    if is_search && is_modify {
+        return PlanHint {
+            groups: vec![
+                ParallelGroup::new(vec!["search_files"]),
+                ParallelGroup::new(vec!["write_file", "patch_file", "rename_file"]),
+            ],
+            sequence: vec![SequentialDep::new("search_files", "write_file")],
+        };
+    }
+
+    // ---- 规则 2:http 取数 + 写文件 → http_request → write_file ----
+    let is_http = lower.contains("http")
+        || lower.contains("api")
+        || lower.contains("请求")
+        || lower.contains("fetch");
+    if is_http && (lower.contains("保存") || lower.contains("写入") || lower.contains("write")) {
+        return PlanHint {
+            groups: vec![
+                ParallelGroup::new(vec!["http_request"]),
+                ParallelGroup::new(vec!["write_file"]),
+            ],
+            sequence: vec![SequentialDep::new("http_request", "write_file")],
+        };
+    }
+
+    // ---- 规则 3:读多文件(无写) → 全并行单组 ----
+    let read_count = [
+        ("read_file", lower.matches("read").count() + lower.matches("读取").count()),
+        ("list_directory", lower.matches("目录").count() + lower.matches("directory").count()),
+    ]
+    .iter()
+    .filter(|(_, c)| *c >= 1)
+    .count();
+    if read_count >= 2 && !is_modify {
+        // 多种读工具信号 → 单并行组(可同时调度)
+        let mut tools: Vec<&'static str> = Vec::new();
+        if lower.contains("read") || lower.contains("读取") {
+            tools.push("read_file");
+        }
+        if lower.contains("目录") || lower.contains("directory") {
+            tools.push("list_directory");
+        }
+        if tools.len() >= 2 {
+            return PlanHint {
+                groups: vec![ParallelGroup::new(tools)],
+                sequence: vec![],
+            };
+        }
+    }
+
+    // ---- 规则 4:读后写 → read_file → write_file/patch_file ----
+    let is_read = lower.contains("read") || lower.contains("读取");
+    if is_read && is_modify {
+        return PlanHint {
+            groups: vec![
+                ParallelGroup::new(vec!["read_file"]),
+                ParallelGroup::new(vec!["write_file", "patch_file"]),
+            ],
+            sequence: vec![SequentialDep::new("read_file", "write_file")],
+        };
+    }
+
+    // ---- 兜底:无编排信号 → 空 PlanHint(主 loop 退单链) ----
+    PlanHint::empty()
+}
+
+// ---- 单测 -------------------------------------------------------------------
+
+#[cfg(test)]
+mod tests {
+    use super::*;
+
+    // --- feature flag 占位 ---
+
+    #[test]
+    fn plan_hint_enabled_is_true_in_phase0a() {
+        // Phase 0a 占位为 true,纯函数可单测。Phase 1 接入后改配置驱动。
+        assert!(PLAN_HINT_ENABLED, "Phase 0a 占位应为 true");
+    }
+
+    // --- 数据结构基本 ---
+
+    #[test]
+    fn parallel_group_new_and_len() {
+        let g = ParallelGroup::new(vec!["read_file", "write_file"]);
+        assert_eq!(g.len(), 2);
+        assert!(!g.is_empty());
+    }
+
+    #[test]
+    fn parallel_group_empty_construct_allowed_but_invalid() {
+        // 空 tools 允许构造(调用方失误),validate 阶段标记非法
+        let g = ParallelGroup::new(vec![]);
+        assert!(g.is_empty());
+        assert_eq!(g.len(), 0);
+    }
+
+    #[test]
+    fn sequential_dep_new() {
+        let d = SequentialDep::new("read_file", "write_file");
+        assert_eq!(d.from, "read_file");
+        assert_eq!(d.to, "write_file");
+    }
+
+    #[test]
+    fn plan_hint_empty_is_empty() {
+        let h = PlanHint::empty();
+        assert!(h.is_empty());
+        assert_eq!(h.tool_count(), 0);
+    }
+
+    #[test]
+    fn plan_hint_tool_count_dedup_across_groups() {
+        // 两组含同名工具 → tool_count 去重
+        let h = PlanHint {
+            groups: vec![
+                ParallelGroup::new(vec!["read_file", "write_file"]),
+                ParallelGroup::new(vec!["read_file", "patch_file"]),
+            ],
+            sequence: vec![],
+        };
+        // read_file/write_file/patch_file = 3(去重)
+        assert_eq!(h.tool_count(), 3);
+    }
+
+    // --- plan_hint 基本编排提示 ---
+
+    #[test]
+    fn hint_read_then_modify_yields_sequence() {
+        // 规则 4:读后写 → read_file → write_file
+        let h = plan_hint("code", "先 read 这个文件再修改它");
+        assert!(!h.is_empty(), "读后写应产非空 hint");
+        assert_eq!(h.groups.len(), 2, "应分两组(读组/改组)");
+        assert!(h.sequence.iter().any(|d| d.from == "read_file" && d.to == "write_file"),
+            "应含 read_file→write_file 依赖边");
+    }
+
+    #[test]
+    fn hint_grep_then_modify_yields_search_first() {
+        // 规则 1:grep 后改 → search_files → write_file
+        let h = plan_hint("search", "grep 一下再修改 write_file");
+        assert!(!h.is_empty());
+        // 首组应是 search_files
+        assert!(h.groups[0].tools.contains(&"search_files"));
+        assert!(h.sequence.iter().any(|d| d.from == "search_files"),
+            "search_files 应作为顺序依赖起点");
+    }
+
+    #[test]
+    fn hint_http_then_save_yields_http_first() {
+        // 规则 2:http + 保存 → http_request → write_file
+        let h = plan_hint("http", "请求这个 api 并保存写入到文件");
+        assert!(!h.is_empty());
+        assert!(h.sequence.iter().any(|d| d.from == "http_request" && d.to == "write_file"));
+    }
+
+    #[test]
+    fn hint_multi_read_only_yields_single_parallel_group() {
+        // 规则 3:读多文件(无写)→ 单并行组
+        let h = plan_hint("file", "read 文件,再看一下 directory 目录");
+        assert!(!h.is_empty());
+        assert_eq!(h.groups.len(), 1, "应单并行组");
+        let tools = &h.groups[0].tools;
+        assert!(tools.contains(&"read_file"), "组内应含 read_file");
+        assert!(tools.contains(&"list_directory"), "组内应含 list_directory");
+        assert!(h.sequence.is_empty(), "全并行无顺序依赖");
+    }
+
+    // --- 并行组识别 ---
+
+    #[test]
+    fn parallel_group_tools_are_registry_names() {
+        // 对抗:产出的工具名必须在 intent ToolDomain 注册表内(防笔误)。
+        // 注:intent::ToolDomain::tools() 是 private 方法(同模块 intent.rs 内单测可用,
+        // 跨模块不可访问)。本测用从 intent.rs:246-284 抄录的 registry 名常量做校验,
+        // 不依赖私有方法访问(保持 plan_hint.rs 独立可单测)。若 registry 名漂移,
+        // intent.rs 的 tool_domain_names_match_registry 测会先抓到,本测同步对齐。
+        let registry: std::collections::HashSet<&str> = [
+            // Data domain
+            "list_projects", "create_project", "update_project", "delete_project",
+            "bind_directory", "list_tasks", "create_task", "update_task", "advance_task",
+            "delete_task", "list_ideas", "create_idea", "run_workflow", "list_trash",
+            "restore_project", "purge_project", "get_project_count", "get_task_count",
+            // File domain
+            "read_file", "write_file", "patch_file", "list_directory", "search_files",
+            "file_info", "append_file", "delete_file", "rename_file",
+            // Exec domain
+            "run_command",
+            // Http domain
+            "http_request",
+        ]
+        .iter()
+        .copied()
+        .collect();
+        let h = plan_hint("file", "read 再读取目录 directory");
+        if !h.is_empty() {
+            for g in &h.groups {
+                for t in &g.tools {
+                    assert!(registry.contains(*t), "工具名 {} 不在 registry", t);
+                }
+            }
+        }
+    }
+
+    #[test]
+    fn hint_groups_tools_non_empty_when_non_empty_hint() {
+        // 非空 hint 的每组都应非空(由 plan_hint 产出保证,validate 兜底)
+        let h = plan_hint("code", "read 后 write_file 修改");
+        if !h.is_empty() {
+            for g in &h.groups {
+                assert!(!g.tools.is_empty(), "产出组的 tools 不应空");
+            }
+        }
+    }
+
+    // --- 顺序依赖 ---
+
+    #[test]
+    fn hint_sequence_edges_from_less_than_to() {
+        // 顺序依赖边 from/to 都是合法工具名(from 先于 to)
+        let h = plan_hint("code", "read 后修改 write_file");
+        for d in &h.sequence {
+            assert_ne!(d.from, d.to, "依赖边不应自环");
+            assert!(!d.from.is_empty());
+            assert!(!d.to.is_empty());
+        }
+    }
+
+    #[test]
+    fn hint_no_duplicate_sequence_edge() {
+        // 产出的依赖边不应重复
+        let h = plan_hint("code", "read 后 write_file 修改");
+        let mut seen = std::collections::HashSet::new();
+        for d in &h.sequence {
+            assert!(seen.insert((d.from, d.to)), "重复依赖边: {}→{}", d.from, d.to);
+        }
+    }
+
+    // --- 空 hint ---
+
+    #[test]
+    fn hint_empty_for_plain_chat() {
+        // 无编排信号 → 空 PlanHint
+        let h = plan_hint("chat", "你好谢谢");
+        assert!(h.is_empty(), "闲聊应产空 hint, 退单链");
+    }
+
+    #[test]
+    fn hint_empty_for_unknown_intent_no_signal() {
+        let h = plan_hint("unknown", "今天的天气不错");
+        assert!(h.is_empty());
+    }
+
+    #[test]
+    fn hint_empty_when_flag_off() {
+        // 开关关闭 → 恒空(主 loop 退单链)。即使有强编排信号也忽略。
+        // 注:PLAN_HINT_ENABLED 是编译期常量,本测在 true 时验证 plan_hint 内部
+        // 短路逻辑(若常量改 false,此测会失败提醒对齐)。
+        // 用单工具避免命中多工具规则。
+        let h = plan_hint("file", "read");
+        // 单 read(不命中规则 3 需 ≥2 读工具,不命中规则 4 需 modify)→ 空
+        assert!(h.is_empty(), "单工具无编排信号应空 hint");
+    }
+
+    // --- validate 合法性 ---
+
+    #[test]
+    fn validate_empty_hint_is_ok() {
+        let h = PlanHint::empty();
+        assert_eq!(validate(&h), HintValidity::Ok);
+    }
+
+    #[test]
+    fn validate_normal_dag_is_ok() {
+        // read_file → write_file(单边 DAG)合法
+        let h = PlanHint {
+            groups: vec![
+                ParallelGroup::new(vec!["read_file"]),
+                ParallelGroup::new(vec!["write_file"]),
+            ],
+            sequence: vec![SequentialDep::new("read_file", "write_file")],
+        };
+        assert_eq!(validate(&h), HintValidity::Ok);
+    }
+
+    #[test]
+    fn validate_empty_parallel_group_is_invalid() {
+        let h = PlanHint {
+            groups: vec![ParallelGroup::new(vec![])],
+            sequence: vec![],
+        };
+        assert_eq!(validate(&h), HintValidity::Invalid("empty_parallel_group"));
+    }
+
+    #[test]
+    fn validate_self_loop_dep_is_invalid() {
+        let h = PlanHint {
+            groups: vec![
+                ParallelGroup::new(vec!["read_file"]),
+                ParallelGroup::new(vec!["write_file"]),
+            ],
+            sequence: vec![SequentialDep::new("read_file", "read_file")],
+        };
+        assert_eq!(validate(&h), HintValidity::Invalid("self_loop_dep"));
+    }
+
+    #[test]
+    fn validate_duplicate_edge_is_invalid() {
+        let h = PlanHint {
+            groups: vec![
+                ParallelGroup::new(vec!["read_file"]),
+                ParallelGroup::new(vec!["write_file"]),
+            ],
+            sequence: vec![
+                SequentialDep::new("read_file", "write_file"),
+                SequentialDep::new("read_file", "write_file"),
+            ],
+        };
+        assert_eq!(validate(&h), HintValidity::Invalid("duplicate_dep_edge"));
+    }
+
+    // --- Kahn 环检测 ---
+
+    #[test]
+    fn has_cycle_empty_edges_false() {
+        assert!(!has_cycle(&[]));
+    }
+
+    #[test]
+    fn has_cycle_single_edge_no_cycle() {
+        let edges = vec![SequentialDep::new("a", "b")];
+        assert!(!has_cycle(&edges));
+    }
+
+    #[test]
+    fn has_cycle_two_node_cycle_detected() {
+        // a→b→a 环
+        let edges = vec![
+            SequentialDep::new("a", "b"),
+            SequentialDep::new("b", "a"),
+        ];
+        assert!(has_cycle(&edges), "a↔b 环应被检测");
+    }
+
+    #[test]
+    fn has_cycle_three_node_cycle_detected() {
+        // a→b→c→a 环
+        let edges = vec![
+            SequentialDep::new("a", "b"),
+            SequentialDep::new("b", "c"),
+            SequentialDep::new("c", "a"),
+        ];
+        assert!(has_cycle(&edges));
+    }
+
+    #[test]
+    fn has_cycle_dag_with_branch_no_cycle() {
+        // a→b, a→c, b→d, c→d(菱形 DAG,无环)
+        let edges = vec![
+            SequentialDep::new("a", "b"),
+            SequentialDep::new("a", "c"),
+            SequentialDep::new("b", "d"),
+            SequentialDep::new("c", "d"),
+        ];
+        assert!(!has_cycle(&edges));
+    }
+
+    #[test]
+    fn validate_cyclic_dep_is_invalid() {
+        let h = PlanHint {
+            groups: vec![
+                ParallelGroup::new(vec!["read_file"]),
+                ParallelGroup::new(vec!["write_file"]),
+            ],
+            sequence: vec![
+                SequentialDep::new("read_file", "write_file"),
+                SequentialDep::new("write_file", "read_file"),
+            ],
+        };
+        assert_eq!(validate(&h), HintValidity::Invalid("cyclic_dep"));
+    }
+
+    // --- 对抗/边界 ---
+
+    #[test]
+    fn validate_check_order_self_loop_before_cycle() {
+        // 自环也构成环,但 validate 应先报 self_loop_dep(更具体的错误)
+        let h = PlanHint {
+            groups: vec![ParallelGroup::new(vec!["a"])],
+            sequence: vec![SequentialDep::new("a", "a")],
+        };
+        assert_eq!(validate(&h), HintValidity::Invalid("self_loop_dep"));
+    }
+
+    #[test]
+    fn hint_intent_label_ignored_in_phase0a() {
+        // 当前规则纯关键词驱动,intent_label 不参与判定(预留 Phase 1)
+        // 同关键词不同 intent_label → 同产出
+        let h1 = plan_hint("code", "read 后修改 write_file");
+        let h2 = plan_hint("debug", "read 后修改 write_file");
+        assert_eq!(h1, h2, "Phase 0a 不读 intent_label, 产出应一致");
+    }
+
+    #[test]
+    fn hint_single_tool_no_signal_is_empty() {
+        // 单 read(无写无多读)→ 不命中任何规则 → 空
+        let h = plan_hint("file", "读取文件");
+        assert!(h.is_empty());
+    }
+
+    #[test]
+    fn validate_ignores_nodes_not_in_groups() {
+        // validate 不检查 sequence 边引用的工具是否在 groups 内(Phase 0a 宽松,
+        // 主 loop 自行对齐;Phase 1 接入 planner.rs 后由 Plan::validate 收口)
+        let h = PlanHint {
+            groups: vec![ParallelGroup::new(vec!["read_file"])],
+            sequence: vec![SequentialDep::new("read_file", "write_file")],
+        };
+        // write_file 不在任何 group,但边合法且 DAG,validate 仍 Ok(宽松)
+        assert_eq!(validate(&h), HintValidity::Ok);
+    }
+}

crates/df-ai/src/provider.rs

@@ -1,207 +1,15 @@
-//! LLM Provider trait — 统一的 LLM 调用抽象
+//! LLM Provider trait + 数据结构 re-export
 //!
-//! 支持 OpenAI 兼容 API（覆盖 OpenAI / GLM / DeepSeek / Claude 兼容模式），
-//! 含 function calling / tool use 能力。
+//! trait 与数据结构定义已下沉到 df-ai-core crate（零 HTTP 依赖，轻消费方
+//! 如 df-ideas 可直接依赖 trait 不引入 reqwest/eventsource-stream）。
+//! 本文件保留为 df-ai 的 re-export 入口，使 `df_ai::provider::*` 路径不变
+//! —— df-ai 内部模块（openai_compat / anthropic_compat / context / ai_tools）
+//! 与外部消费方（df-nodes / src-tauri）的 `use df_ai::provider::LlmProvider`
+//! 等引用全部透明继续可用（编译期验证）。
+//!
+//! 留在 df-ai 的部分：
+//! - `OpenAICompatProvider` / `AnthropicCompatProvider`（HTTP impl，见 openai_compat.rs / anthropic_compat.rs）
+//! - `build_provider()` 工厂（见 lib.rs，按协议选 impl）
+//! - `ContextManager` / `AiToolRegistry` / `StreamCollector`（业务逻辑）
 
-use std::pin::Pin;
-
-use async_trait::async_trait;
-use futures::Stream;
-use serde::{Deserialize, Serialize};
-
-// ============================================================
-// 核心数据结构
-// ============================================================
-
-/// LLM 调用请求
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct CompletionRequest {
-    /// 模型名称
-    pub model: String,
-    /// 提示消息列表
-    pub messages: Vec<ChatMessage>,
-    /// 温度（0.0 ~ 2.0）
-    pub temperature: Option<f32>,
-    /// 最大生成 token 数
-    pub max_tokens: Option<u32>,
-    /// 是否流式输出
-    pub stream: bool,
-    /// 可调用的工具定义
-    #[serde(skip_serializing_if = "Option::is_none")]
-    pub tools: Option<Vec<ToolDefinition>>,
-    /// 工具调用策略: "auto" | "none" | {"type":"function","name":"xxx"}
-    #[serde(skip_serializing_if = "Option::is_none")]
-    pub tool_choice: Option<serde_json::Value>,
-}
-
-/// 聊天消息
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct ChatMessage {
-    pub role: MessageRole,
-    pub content: String,
-    /// 工具调用 ID（role=Tool 时必填）
-    #[serde(skip_serializing_if = "Option::is_none")]
-    pub tool_call_id: Option<String>,
-    /// AI 发起的工具调用列表（role=Assistant 时可能有）
-    #[serde(skip_serializing_if = "Option::is_none")]
-    pub tool_calls: Option<Vec<ToolCall>>,
-}
-
-impl ChatMessage {
-    pub fn system(content: impl Into<String>) -> Self {
-        Self { role: MessageRole::System, content: content.into(), tool_call_id: None, tool_calls: None }
-    }
-    pub fn user(content: impl Into<String>) -> Self {
-        Self { role: MessageRole::User, content: content.into(), tool_call_id: None, tool_calls: None }
-    }
-    pub fn assistant(content: impl Into<String>) -> Self {
-        Self { role: MessageRole::Assistant, content: content.into(), tool_call_id: None, tool_calls: None }
-    }
-    pub fn assistant_with_tools(content: impl Into<String>, tool_calls: Vec<ToolCall>) -> Self {
-        Self { role: MessageRole::Assistant, content: content.into(), tool_call_id: None, tool_calls: Some(tool_calls) }
-    }
-    pub fn tool_result(call_id: impl Into<String>, content: impl Into<String>) -> Self {
-        Self { role: MessageRole::Tool, content: content.into(), tool_call_id: Some(call_id.into()), tool_calls: None }
-    }
-}
-
-/// 消息角色
-#[derive(Debug, Clone, Serialize, Deserialize)]
-#[serde(rename_all = "lowercase")]
-pub enum MessageRole {
-    System,
-    User,
-    Assistant,
-    Tool,
-}
-
-/// 工具定义
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct ToolDefinition {
-    #[serde(rename = "type")]
-    pub tool_type: String,
-    pub function: ToolFunction,
-}
-
-impl ToolDefinition {
-    pub fn function(name: impl Into<String>, description: impl Into<String>, parameters: serde_json::Value) -> Self {
-        Self {
-            tool_type: "function".into(),
-            function: ToolFunction { name: name.into(), description: description.into(), parameters },
-        }
-    }
-}
-
-/// 函数定义
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct ToolFunction {
-    pub name: String,
-    pub description: String,
-    pub parameters: serde_json::Value,
-}
-
-/// 工具调用（AI 发起）
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct ToolCall {
-    pub id: String,
-    #[serde(rename = "type")]
-    pub call_type: String,
-    pub function: ToolCallFunction,
-}
-
-impl ToolCall {
-    pub fn new(id: impl Into<String>, name: impl Into<String>, arguments: impl Into<String>) -> Self {
-        Self {
-            id: id.into(),
-            call_type: "function".into(),
-            function: ToolCallFunction { name: name.into(), arguments: arguments.into() },
-        }
-    }
-}
-
-/// 工具调用函数部分
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct ToolCallFunction {
-    pub name: String,
-    pub arguments: String,
-}
-
-/// LLM 调用响应
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct CompletionResponse {
-    /// 生成的文本
-    pub text: String,
-    /// 使用的模型
-    pub model: String,
-    /// 消耗的 token 数
-    pub usage: TokenUsage,
-    /// AI 发起的工具调用（如有）
-    #[serde(skip_serializing_if = "Option::is_none")]
-    pub tool_calls: Option<Vec<ToolCall>>,
-}
-
-/// Token 用量
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct TokenUsage {
-    pub prompt_tokens: u32,
-    pub completion_tokens: u32,
-    pub total_tokens: u32,
-}
-
-/// Provider 支持的特性标志
-#[derive(Debug, Clone, Copy, PartialEq, Eq)]
-pub struct ProviderFeatures {
-    pub streaming: bool,
-    pub function_calling: bool,
-    pub vision: bool,
-}
-
-/// 流式输出的 chunk
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct StreamChunk {
-    /// 增量文本
-    pub delta: String,
-    /// 是否结束
-    pub finished: bool,
-    /// 工具调用增量（如有）
-    #[serde(skip_serializing_if = "Option::is_none")]
-    pub tool_calls: Option<Vec<ToolCallDelta>>,
-}
-
-/// 工具调用增量（流式中的片段）
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct ToolCallDelta {
-    /// 索引
-    pub index: u32,
-    /// 工具调用 ID（仅第一个 chunk 有）
-    #[serde(skip_serializing_if = "Option::is_none")]
-    pub id: Option<String>,
-    /// 函数名片段
-    #[serde(skip_serializing_if = "Option::is_none")]
-    pub function_name: Option<String>,
-    /// 函数参数片段
-    #[serde(skip_serializing_if = "Option::is_none")]
-    pub function_arguments: Option<String>,
-}
-
-/// 异步流类型别名
-pub type StreamResult = Pin<Box<dyn Stream<Item = anyhow::Result<StreamChunk>> + Send>>;
-
-/// LLM Provider trait
-#[async_trait]
-pub trait LlmProvider: Send + Sync {
-    /// 同步调用
-    async fn complete(&self, request: CompletionRequest) -> anyhow::Result<CompletionResponse>;
-
-    /// 流式调用（返回异步流）
-    async fn stream(
-        &self,
-        request: CompletionRequest,
-    ) -> anyhow::Result<StreamResult>;
-
-    /// Provider 名称
-    fn name(&self) -> &str;
-
-    /// 支持的特性
-    fn supported_features(&self) -> ProviderFeatures;
-}
+pub use df_ai_core::provider::*;

crates/df-ai/src/retry.rs

@@ -0,0 +1,268 @@
+//! complete() 指数退避重试 — 仅非流式同步路径，不动 stream()
+//!
+//! 背景: complete() 是 LLM 一次性请求，网络波动/瞬态 5xx/429 会让整轮对话静默失败。
+//! 各调用方(title.rs/knowledge_inject.rs/project.rs/ai_node.rs)虽已有人工兜底降级，
+//! 但重试能在不侵入上层的前提下吸收瞬态错误，对低频后台调用零风险。
+//!
+//! 策略:
+//! - 最多 3 次尝试(初次 + 2 次重试)，指数退避 1s → 2s → 4s + ±20% jitter
+//! - 总挂钟预算 30s(含 sleep + 各次请求耗时)，超预算直接放弃重试返回最后错误
+//! - 仅对可重试错误重试: timeout / connect / 5xx / 429; 不重试 4xx(非429) / 参数错 / 鉴权错
+//! - 不引入 reqwest-retry / tower: complete 路径简单，手写 loop 零依赖、可调试、不与 SSE/双层 Semaphore 耦合
+//!
+//! 流式 stream() 路径不进入此模块(流式长生成不能整体 timeout，重试会丢增量)。
+//!
+//! 重试期间不释放 Semaphore permit(已在调用方持有)，对并发池有挤占 —— 但 complete 调用低频可接受。
+
+use std::future::Future;
+use std::time::{Duration, SystemTime};
+
+use tracing::warn;
+
+/// 最多尝试次数(含初次)。B-260616-07: 3 次 = 初次 + 2 次重试。
+///
+/// 配置化 TODO: 未来接入 per-provider config(`AiProviderRecord.config` JSON)或全局开关
+/// (`useSetting('df-ai-max-retries')`)时改为读取配置。当前低频后台调用，常量足够。
+pub const MAX_COMPLETE_ATTEMPTS: u32 = 3;
+
+/// 退避基准(秒): 第 n 次重试前 sleep `BASE_BACKOFF_SECS * 2^(n-1)`。
+/// 即 1s → 2s → 4s。
+const BASE_BACKOFF_SECS: u64 = 1;
+
+/// 整体重试挂钟预算(含 sleep 与各次请求耗时)。超过即放弃，返回最后错误。
+/// 与单请求 60s timeout 配合: 最坏 3 次 × 60s = 180s，30s 预算会在此之前主动止损。
+const MAX_TOTAL_BUDGET: Duration = Duration::from_secs(30);
+
+/// jitter 上限(相对 base 的 ±比例)。避免重试风暴对齐。
+const JITTER_RATIO: f64 = 0.2;
+
+/// 一次尝试的分类结果 —— 在 anyhow 不透明化前决定是否值得重试。
+///
+/// CR-30-1: 暴露给 agentic.rs 流前重试复用(Init 失败分类 Fatal/Retryable 决定是否重试)。
+#[derive(Debug)]
+pub enum AttemptOutcome<T> {
+    /// 成功，携带结果。
+    Ok(T),
+    /// 可重试错误(timeout / connect / 5xx / 429)。携带人类可读错误描述。
+    Retryable(String),
+    /// 不可重试错误(4xx 非 429 / 鉴权 / 参数错 / 解析错)。携带描述，直接放弃。
+    Fatal(String),
+}
+
+/// 判定 reqwest::Error 是否可重试(仅 timeout / connect 类)。
+///
+/// body 解析错(reqwest::Error::is_decode)与请求构造错(is_builder)属 Fatal，不重试。
+pub fn is_reqwest_error_retryable(e: &reqwest::Error) -> bool {
+    e.is_timeout() || e.is_connect() || (e.is_request() && !e.is_builder())
+}
+
+/// 判定 HTTP 状态码是否可重试: 5xx 与 429 重试，其余(含 4xx)不重试。
+///
+/// CR-30-1: 暴露给 agentic.rs 流前重试复用(4xx Fatal 立即放弃,5xx/429 重试)。
+pub fn is_status_retryable(status: u16) -> bool {
+    status == 429 || (500..600).contains(&status)
+}
+
+/// 指数退避 + jitter: 返回第 `attempt`(1-based)次重试前应 sleep 的时长。
+/// attempt=1 → ~1s, attempt=2 → ~2s, attempt=3 → ~4s，各 ±20% jitter。
+///
+/// jitter 用 SystemTime 纳秒取模生成(无依赖)，避免多客户端同步重试风暴。
+/// 以毫秒粒度计算后向下取整(避免秒级截断把 0.9s 砍成 0)。
+///
+/// CR-30-1: 暴露 pub 供 src-tauri/agentic.rs 流前重试复用(对齐决策 F-260616-07 a1
+/// "复用 retry.rs backoff_delay 退避 1s→2s→4s+jitter"),避免重写退避逻辑。
+pub fn backoff_delay(attempt: u32) -> Duration {
+    let base_ms = BASE_BACKOFF_SECS.saturating_mul(1u64 << (attempt - 1)) * 1000;
+    // 纳秒 → [0, 2000) 区间，再映射到 [-1.0, +1.0) 比例
+    let nanos = SystemTime::now()
+        .duration_since(SystemTime::UNIX_EPOCH)
+        .map(|d| d.subsec_nanos() as u64)
+        .unwrap_or(0);
+    let jitter_ratio = (nanos % 2000) as f64 / 1000.0 - 1.0; // [-1.0, 1.0)
+    let factor = 1.0 + jitter_ratio * JITTER_RATIO; // [0.8, 1.2]
+    let ms = (base_ms as f64 * factor).max(0.0) as u64;
+    Duration::from_millis(ms)
+}
+
+/// 对一个返回 `AttemptOutcome` 的异步操作做指数退避重试。
+///
+/// `attempt_fn` 每次被调用执行一次尝试并返回分类结果。
+/// 达到 `MAX_COMPLETE_ATTEMPTS` 或超出 `MAX_TOTAL_BUDGET` 或遇 Fatal 即终止。
+/// 终止时若仍失败，返回最后一次的 Retryable/Fatal 描述作为 `anyhow::Error`。
+///
+/// 调用方约定: `attempt_fn` 内部应保留完整请求重发能力(每次重建 RequestBuilder)，
+/// 因为 reqwest::RequestBuilder 一次 `.send()` 后不可复用。
+///
+/// CR-30-1: 仍 pub(crate)(complete() 内部用),流前重试 stream_recv/agentic 不走此函数
+/// (流式 request 不可整体 retry_with_backoff 包裹,需在 agentic loop 内手写循环复用
+/// backoff_delay + is_status_retryable)。
+pub(crate) async fn retry_with_backoff<T, F, Fut>(
+    label: &str,
+    attempt_fn: F,
+) -> anyhow::Result<T>
+where
+    F: Fn(u32) -> Fut,
+    Fut: Future<Output = AttemptOutcome<T>>,
+{
+    let deadline = tokio::time::Instant::now() + MAX_TOTAL_BUDGET;
+    let mut last_err = String::from("未尝试");
+
+    for attempt in 1..=MAX_COMPLETE_ATTEMPTS {
+        match attempt_fn(attempt).await {
+            AttemptOutcome::Ok(v) => return Ok(v),
+            AttemptOutcome::Fatal(msg) => {
+                // 不可重试: 立即放弃，不浪费预算
+                return Err(anyhow::anyhow!("{}", msg));
+            }
+            AttemptOutcome::Retryable(msg) => {
+                last_err = msg;
+                let is_last = attempt == MAX_COMPLETE_ATTEMPTS;
+                if is_last {
+                    warn!(
+                        label = label,
+                        attempt = attempt,
+                        "重试已达上限({}次)，放弃", MAX_COMPLETE_ATTEMPTS
+                    );
+                    break;
+                }
+                let now = tokio::time::Instant::now();
+                if now >= deadline {
+                    warn!(
+                        label = label,
+                        attempt = attempt,
+                        "重试预算({:?})已耗尽，放弃", MAX_TOTAL_BUDGET
+                    );
+                    break;
+                }
+                let delay = backoff_delay(attempt).min(deadline.saturating_duration_since(now));
+                warn!(
+                    label = label,
+                    attempt = attempt,
+                    delay_ms = delay.as_millis() as u64,
+                    err = %last_err,
+                    "可重试错误，退避后重试"
+                );
+                tokio::time::sleep(delay).await;
+            }
+        }
+    }
+
+    Err(anyhow::anyhow!("{} 重试耗尽: {}", label, last_err))
+}
+
+// ============================================================
+// 单测(纯逻辑，不发 HTTP)
+// ============================================================
+
+#[cfg(test)]
+mod tests {
+   use super::*;
+    use std::sync::atomic::{AtomicU32, Ordering};
+    use std::sync::Arc;
+
+    #[test]
+    fn backoff_is_monotonic_within_jitter() {
+        // base 序列: 1, 2, 4 秒; jitter ±20% 后仍在 [0.8,4.8] 范围
+        for attempt in 1..=3 {
+            let d = backoff_delay(attempt);
+            let base_ms = (BASE_BACKOFF_SECS * (1u64 << (attempt - 1))) * 1000;
+            let lo = (base_ms as f64 * (1.0 - JITTER_RATIO)) as u64;
+            let hi = (base_ms as f64 * (1.0 + JITTER_RATIO)) as u64;
+            assert!(
+                d.as_millis() as u64 >= lo && d.as_millis() as u64 <= hi,
+                "attempt={} delay={:?} 应在 [{},{}]ms",
+                attempt,
+                d,
+                lo,
+                hi
+            );
+        }
+    }
+
+    #[test]
+    fn status_classification() {
+        assert!(is_status_retryable(429));
+        assert!(is_status_retryable(500));
+        assert!(is_status_retryable(503));
+        assert!(!is_status_retryable(400));
+        assert!(!is_status_retryable(401));
+        assert!(!is_status_retryable(403));
+        assert!(!is_status_retryable(404));
+    }
+
+    /// 初次成功 → 不重试
+    #[tokio::test]
+    async fn first_attempt_ok() {
+        let calls = Arc::new(AtomicU32::new(0));
+        let calls_clone = calls.clone();
+        let r = retry_with_backoff("test", move |_| {
+            let c = calls_clone.clone();
+            async move {
+                c.fetch_add(1, Ordering::SeqCst);
+                AttemptOutcome::Ok(42u32)
+            }
+        })
+        .await
+        .unwrap();
+        assert_eq!(r, 42);
+        assert_eq!(calls.load(Ordering::SeqCst), 1);
+    }
+
+    /// 第二次成功 → 恰好 2 次调用
+    #[tokio::test]
+    async fn retry_once_then_ok() {
+        let calls = Arc::new(AtomicU32::new(0));
+        let calls_clone = calls.clone();
+        let r = retry_with_backoff("test", move |_| {
+            let c = calls_clone.clone();
+            async move {
+                let n = c.fetch_add(1, Ordering::SeqCst) + 1;
+                if n == 1 {
+                    AttemptOutcome::Retryable("timeout".into())
+                } else {
+                    AttemptOutcome::Ok(7u32)
+                }
+            }
+        })
+        .await
+        .unwrap();
+        assert_eq!(r, 7);
+        assert_eq!(calls.load(Ordering::SeqCst), 2);
+    }
+
+    /// 全部 Retryable → 用尽 3 次，返回错误
+    #[tokio::test]
+    async fn all_retryable_exhausts() {
+        let calls = Arc::new(AtomicU32::new(0));
+        let calls_clone = calls.clone();
+        let r = retry_with_backoff("test", move |_| {
+            let c = calls_clone.clone();
+            async move {
+                c.fetch_add(1, Ordering::SeqCst);
+                AttemptOutcome::<u32>::Retryable("503".into())
+            }
+        })
+        .await;
+        assert!(r.is_err());
+        assert!(r.unwrap_err().to_string().contains("重试耗尽"));
+        assert_eq!(calls.load(Ordering::SeqCst), MAX_COMPLETE_ATTEMPTS);
+    }
+
+    /// Fatal 立即放弃，不重试
+    #[tokio::test]
+    async fn fatal_aborts_immediately() {
+        let calls = Arc::new(AtomicU32::new(0));
+        let calls_clone = calls.clone();
+        let r = retry_with_backoff("test", move |_| {
+            let c = calls_clone.clone();
+            async move {
+                c.fetch_add(1, Ordering::SeqCst);
+                AttemptOutcome::<u32>::Fatal("401".into())
+            }
+        })
+        .await;
+        assert!(r.is_err());
+        assert!(r.unwrap_err().to_string().contains("401"));
+        assert_eq!(calls.load(Ordering::SeqCst), 1, "Fatal 不应触发重试");
+    }
+}

crates/df-ai/src/router.rs

@@ -1,51 +1,367 @@
-//! 模型路由 — 根据任务类型选择最优模型
+//! 模型路由器 — F-01 阶段4
+//!
+//! 纯函数核心,零 IO / 零状态。给定 TaskRequirements + 候选池,返回最优 ModelConfig。
+//! 不接调用点(那是阶段5:agentic.rs / title.rs / knowledge_inject.rs / project.rs /
+//! df-ideas / df-nodes ai_node.rs)。
+//!
+//! 设计来源:docs/02-架构设计/已编号方案/F-01-模型能力系统与智能路由设计-2026-06-16.md §6.1。
+//!
+//! ModelRouter 为单元结构,select 是无状态关联函数(对齐任务规格,非设计文档的 `&self` 方法)。
 
-use serde::{Deserialize, Serialize};
+// 阶段5: 调用点经 `df_ai::router::{Modality, Capability, CostTier, IntelligenceTier}`
+// 直接 import 维度枚举构造 TaskRequirements(对齐任务规格 import 风格),re-export 避免调用点
+// 各自从 df_ai_core::model 取(跨 crate 路径冗长)。select/select_model_id 仅借用枚举,无重定义。
+// 注:CostTier/IntelligenceTier 路由已解耦(2026-06-18 B-260618-03)——provider /v1/models API
+// 不返回这两维度,数据无客观依据不可信,不参与硬路由;re-export 保留供未来真实判别源。
+pub use df_ai_core::model::{Capability, CostTier, IntelligenceTier, Modality, ModelConfig};
 
-/// 任务类型
-#[derive(Debug, Clone, Serialize, Deserialize)]
-#[serde(rename_all = "snake_case")]
-pub enum TaskType {
-    /// 代码生成
-    CodeGeneration,
-    /// 代码审查
-    CodeReview,
-    /// 文档生成
-    Documentation,
-    /// 分析推理
-    Analysis,
-    /// 摘要总结
-    Summarization,
-    /// 通用对话
-    Chat,
-}
-
-/// 模型路由器
+/// 任务对模型的需求(3 维度)。
 ///
-/// 根据任务类型、成本、延迟等选择最优模型
-pub struct ModelRouter {
-    /// 默认模型
-    default_model: String,
+/// 由调用点构造(阶段5),描述本次调用需要什么模态/能力/上下文,
+/// 交 ModelRouter::select 在候选池中选最优模型。
+///
+/// 路由已解耦(2026-06-18 B-260618-03):原 `min_intelligence`/`max_cost` 两字段删除。
+/// provider /v1/models API 不返回 cost_tier/intelligence,这两维度 100% 靠预设表写死 +
+/// 模型名启发式猜,数据无客观依据不可信,不应参与硬路由。枚举(CostTier/IntelligenceTier)
+/// 保留供未来出现真实判别源时再接回。
+#[derive(Debug, Clone)]
+pub struct TaskRequirements {
+    /// 任务所需的模态集合(全子集匹配:任务所需模态都必须在模型模态里)
+    pub modalities: Vec<Modality>,
+    /// 是否需要工具调用能力(needs_tool_use=true 时候选必须含 Capability::ToolUse)
+    pub needs_tool_use: bool,
+    /// 预估上下文大小(tokens,模型 context_window 必须 >= 此值)
+    pub estimated_context: usize,
 }
 
+/// 模型路由器(单元结构,无状态)。
+///
+/// select 为关联函数:给定需求 + 候选池,执行过滤链选最优模型。
+pub struct ModelRouter;
+
 impl ModelRouter {
-    /// 创建路由器
-    pub fn new(default_model: &str) -> Self {
-        Self {
-            default_model: default_model.to_string(),
+    /// 在候选池中选出最优模型(过滤链)。
+    ///
+    /// 步骤:
+    /// 1. enabled — 只选启用的
+    /// 2. 模态匹配 — 任务所需模态全在模型模态里
+    /// 3. 能力匹配 — needs_tool_use 时候选必须含 ToolUse
+    /// 4. 窗口够大 — context_window >= estimated_context
+    /// 5. max_by_key 选最优:纯 weight 主导(权重高者胜)
+    ///
+    /// 路由已解耦(2026-06-18 B-260618-03):原「智力达标」/「成本可控」两步删除,
+    /// 原第 7 步排序的 `Reverse(cost_tier)` 同权重选便宜也已删除——排序纯 weight 主导。
+    /// cost_tier/intelligence 数据无客观依据(provider /v1/models 不返回,靠预设表+模型名
+    /// 启发式猜),不参与硬路由。枚举保留供未来真实判别源再接回。
+    pub fn select<'a>(req: &TaskRequirements, pool: &'a [ModelConfig]) -> Option<&'a ModelConfig> {
+        pool.iter()
+            .filter(|m| m.enabled) // 1. 只选启用的
+            .filter(|m| req.modalities.iter().all(|r| m.modalities.contains(r))) // 2. 模态匹配
+            .filter(|m| !req.needs_tool_use || m.capabilities.contains(&Capability::ToolUse)) // 3. 能力匹配
+            .filter(|m| m.context_window >= req.estimated_context) // 4. 窗口够大
+            .max_by_key(|m| m.weight) // 5. 纯 weight 主导
+    }
+}
+
+/// 阶段5 调用点 helper — 路由选模型并直接返回 model_id(纯函数)。
+///
+/// 给定 TaskRequirements + 候选池,返回最优模型的 `model_id`。
+/// 调用点用法:`provider.model_configs`(Vec<ModelConfig>)→ `select_model_id(&req, &pool)`
+///   → `Option<String>`;None 时兜底 `provider.default_model`(行为不变,平滑过渡)。
+///
+/// 行为不变保证:
+/// - 池空(用户未通过 Settings 拉取模型)→ 返回 None → 调用点兜底 default_model
+/// - 池非空但无候选满足需求 → 返回 None → 兜底 default_model
+/// - 池非空命中 → 返回 model_id(F-01 路由目标,拉取即启用路由)
+pub fn select_model_id(req: &TaskRequirements, pool: &[ModelConfig]) -> Option<String> {
+    ModelRouter::select(req, pool).map(|m| m.model_id.clone())
+}
+
+#[cfg(test)]
+mod tests {
+    use super::*;
+
+    /// 构造一个全维度可定制的 ModelConfig(默认全过过滤,调用方按需覆盖字段)。
+    fn model(model_id: &str) -> ModelConfig {
+        ModelConfig {
+            model_id: model_id.into(),
+            enabled: true,
+            label: None,
+            modalities: vec![Modality::Text],
+            capabilities: vec![Capability::ToolUse],
+            cost_tier: CostTier::Medium,
+            intelligence: IntelligenceTier::Standard,
+            weight: 50,
+            context_window: 8192,
+            probe_source: None,
         }
     }
 
-    /// 根据任务类型路由到合适的模型
-    pub fn route(&self, task_type: &TaskType) -> String {
-        // TODO: 实现基于规则的模型路由
-        match task_type {
-            TaskType::CodeGeneration => self.default_model.clone(),
-            TaskType::CodeReview => self.default_model.clone(),
-            TaskType::Documentation => self.default_model.clone(),
-            TaskType::Analysis => self.default_model.clone(),
-            TaskType::Summarization => self.default_model.clone(),
-            TaskType::Chat => self.default_model.clone(),
+    /// 构造一个宽松需求(默认全过过滤,调用方按需覆盖字段)。
+    fn req() -> TaskRequirements {
+        TaskRequirements {
+            modalities: vec![Modality::Text],
+            needs_tool_use: false,
+            estimated_context: 0,
         }
     }
+
+    // ── 阶段5 select_model_id helper ──
+
+    #[test]
+    fn select_model_id_empty_pool_returns_none() {
+        // 池空(用户未拉取模型)→ None,调用点兜底 default_model
+        let pool: Vec<ModelConfig> = vec![];
+        assert!(select_model_id(&req(), &pool).is_none());
+    }
+
+    #[test]
+    fn select_model_id_hit_returns_model_id() {
+        // 池非空命中 → 返回 model_id 字符串(非引用)
+        let pool = vec![model("glm-4-flash")];
+        assert_eq!(select_model_id(&req(), &pool).as_deref(), Some("glm-4-flash"));
+    }
+
+    // ── 步骤 1:enabled 过滤 ──
+
+    #[test]
+    fn empty_pool_returns_none() {
+        let pool: Vec<ModelConfig> = vec![];
+        assert!(ModelRouter::select(&req(), &pool).is_none());
+    }
+
+    #[test]
+    fn all_disabled_returns_none() {
+        let pool = vec![
+            ModelConfig {
+                enabled: false,
+                ..model("a")
+            },
+            ModelConfig {
+                enabled: false,
+                ..model("b")
+            },
+        ];
+        assert!(ModelRouter::select(&req(), &pool).is_none());
+    }
+
+    // ── 步骤 2:模态匹配 ──
+
+    #[test]
+    fn modality_mismatch_filtered() {
+        // 任务需要 Vision,但池里模型只有 Text
+        let pool = vec![model("text-only")];
+        let r = TaskRequirements {
+            modalities: vec![Modality::Vision],
+            ..req()
+        };
+        assert!(ModelRouter::select(&r, &pool).is_none());
+    }
+
+    #[test]
+    fn modality_subset_multimodal_required_filters_text_only() {
+        // 多模态子集匹配:任务需 [Text, Vision](两个模态都得支持),
+        // 模型仅 [Text](缺 Vision)→ 步骤 2 `.all(|r| m.modalities.contains(r))` 不成立,滤掉。
+        // 区别于 modality_mismatch_filtered(单模态 Vision):本测覆盖「任务需多模态全子集」路径。
+        let pool = vec![ModelConfig {
+            modalities: vec![Modality::Text],
+            ..model("text-only")
+        }];
+        let r = TaskRequirements {
+            modalities: vec![Modality::Text, Modality::Vision],
+            ..req()
+        };
+        assert!(ModelRouter::select(&r, &pool).is_none());
+
+        // 对照:模型补全 Vision 后通过(Text+Vision ⊇ 任务需求 Text+Vision)
+        let pool_ok = vec![ModelConfig {
+            modalities: vec![Modality::Text, Modality::Vision],
+            ..model("vision-capable")
+        }];
+        assert_eq!(
+            ModelRouter::select(&r, &pool_ok).unwrap().model_id,
+            "vision-capable"
+        );
+    }
+
+    #[test]
+    fn enabled_false_excluded_from_routing() {
+        // enabled=false 不参与路由:混池里禁用候选 weight 更高(100),
+        // 但应被步骤 1 `.filter(|m| m.enabled)` 滤掉,只选 enabled=true 的低 weight 候选。
+        // 区别于 all_disabled_returns_none(全禁用返 None):本测覆盖「部分禁用」混池场景。
+        let pool = vec![
+            ModelConfig {
+                enabled: false,
+                weight: 100, // 若未被 enabled 过滤,weight 100 会胜
+                ..model("disabled-heavy")
+            },
+            ModelConfig {
+                enabled: true,
+                weight: 30,
+                ..model("enabled-light")
+            },
+        ];
+        assert_eq!(
+            ModelRouter::select(&req(), &pool).unwrap().model_id,
+            "enabled-light"
+        );
+    }
+
+    #[test]
+    fn empty_candidate_pool_returns_none() {
+        // 空候选池 → None(与 select_model_id_empty_pool_returns_none 对应,
+        // 本测覆盖 select() 关联函数本身而非 helper;语义等价但断言点不同)。
+        let pool: Vec<ModelConfig> = vec![];
+        assert!(ModelRouter::select(&req(), &pool).is_none());
+    }
+
+    // ── 步骤 3:能力匹配(ToolUse) ──
+
+    #[test]
+    fn needs_tool_use_filters_non_tool() {
+        // 任务需要 ToolUse,池里模型 capabilities 无 ToolUse
+        let pool = vec![ModelConfig {
+            capabilities: vec![Capability::Embedding],
+            ..model("embed-only")
+        }];
+        let r = TaskRequirements {
+            needs_tool_use: true,
+            ..req()
+        };
+        assert!(ModelRouter::select(&r, &pool).is_none());
+    }
+
+    #[test]
+    fn needs_tool_use_false_allows_non_tool() {
+        // 任务不需 ToolUse,池里模型无 ToolUse 仍入选
+        let pool = vec![ModelConfig {
+            capabilities: vec![Capability::Embedding],
+            ..model("embed-only")
+        }];
+        let r = TaskRequirements {
+            needs_tool_use: false,
+            ..req()
+        };
+        assert_eq!(
+            ModelRouter::select(&r, &pool).unwrap().model_id,
+            "embed-only"
+        );
+    }
+
+    // ── 步骤 4(原智力/成本过滤已解耦 B-260618-03):窗口够大 ──
+
+    #[test]
+    fn context_window_insufficient() {
+        // 任务预估 100000,池里模型 8192
+        let pool = vec![model("small-window")];
+        let r = TaskRequirements {
+            estimated_context: 100_000,
+            ..req()
+        };
+        assert!(ModelRouter::select(&r, &pool).is_none());
+    }
+
+    // ── 步骤 5:max_by_key (纯 weight) ──
+
+    #[test]
+    fn single_match_returns_it() {
+        let pool = vec![model("only-one")];
+        assert_eq!(
+            ModelRouter::select(&req(), &pool).unwrap().model_id,
+            "only-one"
+        );
+    }
+
+    #[test]
+    fn weight_priority_higher_wins() {
+        // 两候选都满足,weight 70 胜 50
+        let pool = vec![
+            ModelConfig {
+                weight: 50,
+                ..model("low-weight")
+            },
+            ModelConfig {
+                weight: 70,
+                ..model("high-weight")
+            },
+        ];
+        assert_eq!(
+            ModelRouter::select(&req(), &pool).unwrap().model_id,
+            "high-weight"
+        );
+    }
+
+    #[test]
+    fn same_weight_picks_first_match() {
+        // 同 weight 70,纯 weight 主导(无 cost_tier tie-break):max_by_key 遇并列 key
+        // 返回最后一个(rust Iterator::max_by_key 语义)。验证同 weight 不再按 cost 取舍。
+        let pool = vec![
+            ModelConfig {
+                weight: 70,
+                cost_tier: CostTier::High,
+                ..model("expensive")
+            },
+            ModelConfig {
+                weight: 70,
+                cost_tier: CostTier::Low,
+                ..model("low-cost")
+            },
+        ];
+        assert_eq!(
+            ModelRouter::select(&req(), &pool).unwrap().model_id,
+            "low-cost"
+        );
+    }
+
+    #[test]
+    fn all_dimensions_match_picks_best() {
+        // 3+ 候选各维度参差,验证过滤链全过 + max_by_key 纯 weight 选最优。
+        // (B-260618-03:智力/成本过滤已解耦,原步骤 4/5 删除,候选 d 不再因 intelligence 滤掉)
+        //
+        // 候选:
+        //  a: weight 60  → 通过全部过滤,key=60
+        //  b: weight 80  → 通过,key=80 — weight 最高档(与 c 并列)
+        //  c: weight 80  → 通过,key=80 — 同 weight 80,max_by_key 并列返回最后
+        //  d: weight 90  → 通过(B-260618-03 后 intelligence 不参与过滤),key=90 — weight 最高,胜
+        //  e: enabled=false → 步骤 1 滤掉
+        //
+        // 预期:d 胜(weight 90 最高,不再被 intelligence 滤掉)
+        let pool = vec![
+            ModelConfig {
+                weight: 60,
+                cost_tier: CostTier::Medium,
+                intelligence: IntelligenceTier::Standard,
+                ..model("a")
+            },
+            ModelConfig {
+                weight: 80,
+                cost_tier: CostTier::High,
+                intelligence: IntelligenceTier::Plus,
+                ..model("b")
+            },
+            ModelConfig {
+                weight: 80,
+                cost_tier: CostTier::Low,
+                intelligence: IntelligenceTier::Plus,
+                ..model("c")
+            },
+            ModelConfig {
+                weight: 90,
+                cost_tier: CostTier::Low,
+                intelligence: IntelligenceTier::Lite,
+                ..model("d")
+            },
+            ModelConfig {
+                enabled: false,
+                weight: 100,
+                ..model("e")
+            },
+        ];
+        let r = TaskRequirements {
+            modalities: vec![Modality::Text],
+            needs_tool_use: true,
+            estimated_context: 0,
+        };
+        assert_eq!(ModelRouter::select(&r, &pool).unwrap().model_id, "d");
+    }
 }

crates/df-ai/src/stream.rs

@@ -1,45 +0,0 @@
-//! 流式处理 — LLM 响应的流式输出管理
-
-use crate::provider::StreamChunk;
-
-/// 流式响应收集器
-pub struct StreamCollector {
-    /// 已收集的文本
-    text: String,
-    /// 是否完成
-    finished: bool,
-}
-
-impl StreamCollector {
-    /// 创建收集器
-    pub fn new() -> Self {
-        Self {
-            text: String::new(),
-            finished: false,
-        }
-    }
-
-    /// 追加一个 chunk
-    pub fn push(&mut self, chunk: &StreamChunk) {
-        self.text.push_str(&chunk.delta);
-        if chunk.finished {
-            self.finished = true;
-        }
-    }
-
-    /// 获取已收集的文本
-    pub fn text(&self) -> &str {
-        &self.text
-    }
-
-    /// 是否已完成
-    pub fn is_finished(&self) -> bool {
-        self.finished
-    }
-}
-
-impl Default for StreamCollector {
-    fn default() -> Self {
-        Self::new()
-    }
-}

crates/df-core/src/events.rs

@@ -1,74 +0,0 @@
-//! 工作流事件定义
-
-use serde::{Deserialize, Serialize};
-
-use crate::types::NodeId;
-
-/// 人工审批响应
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct HumanApprovalResponse {
-    pub execution_id: String,
-    pub node_id: NodeId,
-    pub decision: String,
-    pub comment: Option<String>,
-}
-
-/// 工作流事件
-#[derive(Debug, Clone, Serialize, Deserialize)]
-#[serde(tag = "type", rename_all = "snake_case")]
-pub enum WorkflowEvent {
-    /// 节点开始执行
-    NodeStarted {
-        node_id: NodeId,
-    },
-    /// 节点执行进度更新
-    NodeProgress {
-        node_id: NodeId,
-        progress: f32,
-        message: String,
-    },
-    /// 节点产生输出
-    NodeOutput {
-        node_id: NodeId,
-        output: String,
-    },
-    /// 节点执行完成
-    NodeCompleted {
-        node_id: NodeId,
-        duration_ms: u64,
-    },
-    /// 节点执行失败
-    NodeFailed {
-        node_id: NodeId,
-        error: String,
-    },
-    /// 工作流暂停（等待外部输入）
-    WorkflowPaused {
-        reason: String,
-        waiting_node: NodeId,
-    },
-    /// 工作流执行完成
-    WorkflowCompleted {
-        total_duration_ms: u64,
-    },
-    /// 工作流执行失败
-    WorkflowFailed {
-        error: String,
-        failed_node: NodeId,
-    },
-    /// 人工审批请求
-    HumanApprovalRequest {
-        execution_id: String,
-        node_id: NodeId,
-        title: String,
-        description: String,
-        options: Vec<String>,
-    },
-    /// 人工审批响应
-    HumanApprovalResponse {
-        execution_id: String,
-        node_id: NodeId,
-        decision: String,
-        comment: Option<String>,
-    },
-}

crates/df-core/src/lib.rs

@@ -1,5 +0,0 @@
-//! df-core: 核心类型定义，所有 crate 的基础依赖
-
-pub mod error;
-pub mod events;
-pub mod types;

crates/df-evolve/Cargo.toml

@@ -1,12 +0,0 @@
-[package]
-name = "df-evolve"
-version = "0.1.0"
-edition = "2021"
-
-[dependencies]
-df-core = { path = "../df-core" }
-serde = { workspace = true }
-serde_json = { workspace = true }
-chrono = { workspace = true }
-anyhow = { workspace = true }
-tracing = { workspace = true }

crates/df-evolve/src/evolve_engine.rs

@@ -1,58 +0,0 @@
-//! 进化引擎：知识沉淀的核心闭环
-//!
-//! 使用 → 沉淀 → 复用 → 改进 → 再沉淀
-
-use crate::knowledge::{Knowledge, KnowledgeKind, KnowledgeStore};
-use crate::pattern::PatternExtractor;
-
-/// 进化引擎
-pub struct EvolveEngine {
-    extractor: PatternExtractor,
-}
-
-impl EvolveEngine {
-    pub fn new() -> Self {
-        Self {
-            extractor: PatternExtractor,
-        }
-    }
-
-    /// 自动扫描项目事件，提取可沉淀的知识
-    ///
-    /// 触发时机：
-    /// - 工作流节点完成后
-    /// - 代码审查完成后
-    /// - Bug 修复完成后
-    /// - 发布完成后
-    pub async fn evolve_from_events(&self, _events: &[serde_json::Value]) -> Vec<Knowledge> {
-        let mut new_knowledge = Vec::new();
-
-        // TODO: 遍历事件，分类处理
-        // 1. 审查事件 → 提取审查规则
-        // 2. Bug 修复事件 → 提取诊断知识
-        // 3. 发布事件 → 提取部署经验
-        // 4. Prompt 事件 → 提取 Prompt 模板
-
-        new_knowledge
-    }
-
-    /// 查询当前任务相关的知识（供 AI 节点使用）
-    ///
-    /// AI 在执行任务前可以查询知识库，获取相关经验和规则
-    pub fn query_relevant(
-        &self,
-        _context: &str,
-        _kind: Option<&KnowledgeKind>,
-    ) -> Vec<Knowledge> {
-        // TODO: 语义搜索知识库
-        KnowledgeStore::search(_context, _kind, 5)
-    }
-
-    /// 验证知识的有效性（定期执行）
-    ///
-    /// 检查知识是否仍然适用（依赖版本是否过时、规则是否仍有意义等）
-    pub async fn validate_knowledge(&self) -> Vec<String> {
-        // TODO: 遍历知识库，标记过时的知识
-        vec![]
-    }
-}

crates/df-evolve/src/knowledge.rs

@@ -1,98 +0,0 @@
-//! 知识条目：经验沉淀的基本单元
-
-use df_core::types::ProjectId;
-use serde::{Deserialize, Serialize};
-
-/// 知识类型
-#[derive(Debug, Clone, PartialEq, Eq, Serialize, Deserialize)]
-#[serde(rename_all = "snake_case")]
-pub enum KnowledgeKind {
-    /// 代码审查规则（如"禁止在循环中创建连接"）
-    ReviewRule,
-    /// 有效的 Prompt 模板
-    PromptTemplate,
-    /// 踩坑经验
-    Pitfall,
-    /// 架构模式
-    ArchitecturePattern,
-    /// 诊断知识（Bug 根因分析）
-    Diagnosis,
-    /// 部署经验
-    DeploymentNote,
-    /// 工作流优化建议
-    WorkflowOptimization,
-}
-
-/// 知识条目
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct Knowledge {
-    pub id: String,
-    pub kind: KnowledgeKind,
-    /// 标题
-    pub title: String,
-    /// 内容
-    pub content: String,
-    /// 标签
-    pub tags: Vec<String>,
-    /// 来源项目
-    pub source_project: Option<ProjectId>,
-    /// 来源实体（如某次审查、某个 Bug 修复）
-    pub source_ref: Option<String>,
-    /// 被复用次数
-    pub reuse_count: usize,
-    /// 效果评分 (0-100，由用户或 AI 评估)
-    pub effectiveness: Option<f32>,
-    /// 是否已验证有效
-    pub verified: bool,
-    pub created_at: i64,
-    pub updated_at: i64,
-}
-
-impl Knowledge {
-    pub fn new(kind: KnowledgeKind, title: String, content: String) -> Self {
-        let now = chrono::Utc::now().timestamp();
-        Self {
-            id: df_core::types::new_id(),
-            kind,
-            title,
-            content,
-            tags: vec![],
-            source_project: None,
-            source_ref: None,
-            reuse_count: 0,
-            effectiveness: None,
-            verified: false,
-            created_at: now,
-            updated_at: now,
-        }
-    }
-
-    /// 记录一次复用
-    pub fn record_reuse(&mut self) {
-        self.reuse_count += 1;
-        self.updated_at = chrono::Utc::now().timestamp();
-    }
-}
-
-/// 知识库（内存索引，持久化到 SQLite）
-pub struct KnowledgeStore;
-
-impl KnowledgeStore {
-    /// 搜索相关知识
-    pub fn search(_query: &str, _kind: Option<&KnowledgeKind>, _limit: usize) -> Vec<Knowledge> {
-        // TODO: SQLite 全文搜索或向量搜索
-        vec![]
-    }
-
-    /// 获取最常用的知识
-    pub fn top_used(_limit: usize) -> Vec<Knowledge> {
-        // TODO: 按 reuse_count 降序
-        vec![]
-    }
-
-    /// 保存知识条目
-    pub fn save(_knowledge: &Knowledge) -> anyhow::Result<()> {
-        // TODO: SQLite INSERT/UPDATE
-        Ok(())
-    }
-}

crates/df-evolve/src/lib.rs

@@ -1,12 +0,0 @@
-//! 经验进化引擎：从开发过程中自动沉淀知识，持续进化复用
-//!
-//! 核心闭环：使用 → 沉淀 → 复用 → 改进 → 再沉淀
-
-pub mod knowledge;
-pub mod pattern;
-pub mod prompt_template;
-pub mod review_rule;
-pub mod evolve_engine;
-
-pub use evolve_engine::EvolveEngine;
-pub use knowledge::{Knowledge, KnowledgeKind, KnowledgeStore};

crates/df-evolve/src/pattern.rs

@@ -1,47 +0,0 @@
-//! 模式提取器：从开发过程中自动识别可沉淀的模式
-
-use crate::knowledge::{Knowledge, KnowledgeKind};
-
-/// 模式提取器
-///
-/// 自动从以下场景中识别可沉淀的模式：
-/// - 代码审查 → 审查规则
-/// - Bug 修复 → 诊断知识
-/// - 发布流程 → 部署经验
-/// - Prompt 调优 → Prompt 模板
-pub struct PatternExtractor;
-
-impl PatternExtractor {
-    /// 从代码审查结果中提取审查规则
-    ///
-    /// 如果同一类问题在多次审查中重复出现，自动沉淀为规则
-    pub fn extract_review_rule(
-        _findings: &[serde_json::Value],
-        _occurrence_threshold: usize,
-    ) -> Option<Knowledge> {
-        // TODO:
-        // 1. 分析 findings 的共性
-        // 2. 如果出现次数 >= threshold，生成规则
-        // 3. 去重（与已有规则比较）
-        None
-    }
-
-    /// 从 Bug 修复过程中提取诊断知识
-    pub fn extract_diagnosis(
-        _bug_description: &str,
-        _root_cause: &str,
-        _fix_description: &str,
-    ) -> Option<Knowledge> {
-        // TODO: AI 总结为可复用的诊断知识
-        None
-    }
-
-    /// 从成功的 Prompt 中提取模板
-    pub fn extract_prompt_template(
-        _prompt: &str,
-        _result_quality: f32,
-    ) -> Option<Knowledge> {
-        // TODO: 如果 result_quality > 0.8，提取为模板
-        None
-    }
-}

crates/df-evolve/src/prompt_template.rs

@@ -1,41 +0,0 @@
-//! Prompt 模板管理：AI 交互经验的沉淀与复用
-
-use serde::{Deserialize, Serialize};
-
-/// Prompt 模板
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct PromptTemplate {
-    pub id: String,
-    /// 模板名称
-    pub name: String,
-    /// 模板内容（支持 {variable} 占位符）
-    pub template: String,
-    /// 变量说明
-    pub variables: Vec<TemplateVariable>,
-    /// 适用场景
-    pub applicable_scenarios: Vec<String>,
-    /// 效果评分
-    pub avg_score: f32,
-    /// 使用次数
-    pub use_count: usize,
-}
-
-/// 模板变量
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct TemplateVariable {
-    pub name: String,
-    pub description: String,
-    pub default_value: Option<String>,
-    pub required: bool,
-}
-
-impl PromptTemplate {
-    /// 渲染模板（替换变量）
-    pub fn render(&self, vars: &std::collections::HashMap<String, String>) -> String {
-        let mut result = self.template.clone();
-        for (key, value) in vars {
-            result = result.replace(&format!("{{{}}}", key), value);
-        }
-        result
-    }
-}

crates/df-evolve/src/review_rule.rs

@@ -1,45 +0,0 @@
-//! 审查规则：从历史审查经验中沉淀的代码审查规则
-
-use serde::{Deserialize, Serialize};
-
-/// 审查规则
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct ReviewRule {
-    pub id: String,
-    /// 规则标题
-    pub title: String,
-    /// 规则描述
-    pub description: String,
-    /// 严重级别
-    pub severity: RuleSeverity,
-    /// 适用的语言/框架
-    pub scope: Vec<String>,
-    /// 检查方式（正则/AST/AI）
-    pub check_method: CheckMethod,
-    /// 发现次数（历史累计）
-    pub found_count: usize,
-}
-
-#[derive(Debug, Clone, Serialize, Deserialize)]
-#[serde(rename_all = "snake_case")]
-pub enum RuleSeverity {
-    /// 必须修复
-    MustFix,
-    /// 建议改进
-    ShouldFix,
-    /// 可选优化
-    NiceToHave,
-}
-
-#[derive(Debug, Clone, Serialize, Deserialize)]
-#[serde(rename_all = "snake_case")]
-pub enum CheckMethod {
-    /// 正则匹配
-    Regex,
-    /// AST 分析
-    Ast,
-    /// AI 判断
-    AiAnalysis,
-    /// 人工判断
-    Manual,
-}

crates/df-execute/Cargo.toml

@@ -4,10 +4,7 @@ version = "0.1.0"
 edition = "2021"
 
 [dependencies]
-df-core = { path = "../df-core" }
 serde = { workspace = true }
 serde_json = { workspace = true }
 tokio = { workspace = true }
-async-trait = { workspace = true }
 anyhow = { workspace = true }
-tracing = { workspace = true }

crates/df-execute/src/docker.rs

@@ -1,46 +0,0 @@
-//! Docker 执行器 — 在容器中运行任务
-
-use serde::{Deserialize, Serialize};
-
-/// Docker 容器执行请求
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct DockerRequest {
-    /// 镜像名称
-    pub image: String,
-    /// 容器内执行的命令
-    pub command: Option<String>,
-    /// 环境变量
-    pub env: std::collections::HashMap<String, String>,
-    /// 挂载卷
-    pub volumes: Vec<VolumeMount>,
-    /// 是否在执行后自动删除容器
-    pub auto_remove: bool,
-}
-
-/// 卷挂载
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct VolumeMount {
-    pub host_path: String,
-    pub container_path: String,
-    pub read_only: bool,
-}
-
-/// Docker 执行结果
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct DockerResult {
-    pub stdout: String,
-    pub stderr: String,
-    pub exit_code: Option<i32>,
-}
-
-/// 在 Docker 容器中执行命令
-///
-/// TODO: 实现 Docker API 调用或 CLI 包装
-pub async fn execute(_request: DockerRequest) -> anyhow::Result<DockerResult> {
-    tracing::info!("Docker 执行: TODO");
-    Ok(DockerResult {
-        stdout: String::new(),
-        stderr: String::new(),
-        exit_code: None,
-    })
-}

crates/df-execute/src/git_ops.rs

@@ -1,47 +0,0 @@
-//! Git 操作 — 克隆、提交、推送、合并等
-
-use serde::{Deserialize, Serialize};
-
-/// Git 操作类型
-#[derive(Debug, Clone, Serialize, Deserialize)]
-#[serde(rename_all = "snake_case")]
-pub enum GitAction {
-    Clone,
-    Commit,
-    Push,
-    Pull,
-    Merge,
-    Checkout,
-    CreateBranch,
-}
-
-/// Git 操作请求
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct GitRequest {
-    /// 操作类型
-    pub action: GitAction,
-    /// 仓库路径（本地路径或远程 URL）
-    pub repo: String,
-    /// 分支名
-    pub branch: Option<String>,
-    /// 提交消息
-    pub message: Option<String>,
-}
-
-/// Git 操作结果
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct GitResult {
-    pub success: bool,
-    pub message: String,
-}
-
-/// 执行 Git 操作
-///
-/// TODO: 实现完整的 Git 操作（可包装 git CLI 或使用 git2 crate）
-pub async fn execute(_request: GitRequest) -> anyhow::Result<GitResult> {
-    tracing::info!("Git 操作: TODO");
-    Ok(GitResult {
-        success: true,
-        message: "TODO: 未实现".to_string(),
-    })
-}

crates/df-execute/src/lib.rs

@@ -1,6 +1,3 @@
-//! df-execute: 执行运行时 — Shell、Docker、SSH、Git 操作
+//! df-execute: 执行运行时 — Shell
 
-pub mod docker;
-pub mod git_ops;
 pub mod shell;
-pub mod ssh;

crates/df-execute/src/shell.rs

@@ -1,6 +1,7 @@
 //! Shell 执行器 — 通过 tokio::process 执行 shell 命令
 
 use serde::{Deserialize, Serialize};
+use std::process::Stdio;
 
 /// Shell 命令执行结果
 #[derive(Debug, Clone, Serialize, Deserialize)]
@@ -15,6 +16,55 @@ pub struct ShellResult {
     pub duration_ms: u64,
 }
 
+/// Shell 类型选择
+#[derive(Debug, Clone, Serialize, Deserialize, PartialEq)]
+#[serde(rename_all = "snake_case")]
+pub enum ShellType {
+    /// Windows cmd.exe (默认 Windows)
+    Cmd,
+    /// PowerShell 5.x(Windows 自带,不支持 && 运算符)
+    PowerShell,
+    /// PowerShell 7(pwsh,支持 && 运算符;运行时探测,未装回退 PowerShell)
+    Pwsh,
+    /// Unix sh (默认非 Windows)
+    Sh,
+}
+
+impl Default for ShellType {
+    fn default() -> Self {
+        // L1 环境感知:Windows 默认 PowerShell 系(非 Cmd)。PowerShell 对引号/$变量/Unicode 处理
+        // 远优于 cmd,从根上避 kms 类引号转义地狱(seq26-52 撞墙 20+ 次)。AI 写文件执行见 env_profile。
+        // BUG-260623-04:优先 pwsh(PS7,支持 && 运算符)——LLM 训练数据 Unix 多,普遍生成 `cd x && y`,
+        // PS5 不支持 && 致命令失败(实测会话 6acb7f9b `cd ... && git init` InvalidEndOfLine)。
+        // 探测失败(未装 pwsh)回退 PS5。探测结果 OnceLock 缓存(只探一次)。
+        if cfg!(windows) {
+            if probe_pwsh() { ShellType::Pwsh } else { ShellType::PowerShell }
+        } else {
+            ShellType::Sh
+        }
+    }
+}
+
+/// 探测 pwsh(PowerShell 7)是否可用(OnceLock 缓存,只探一次)。
+///
+/// LLM 普遍生成 `&&`(Unix 习惯),仅 PS7+ 支持,Windows 自带 PS5 不支持。
+/// 探测:成功 spawn `pwsh -Command exit 0` 即可用。同步阻塞仅一次(spawn 极快),
+/// Windows 加 CREATE_NO_WINDOW 防黑窗闪现。
+fn probe_pwsh() -> bool {
+    static CACHE: std::sync::OnceLock<bool> = std::sync::OnceLock::new();
+    *CACHE.get_or_init(|| {
+        let mut cmd = std::process::Command::new("pwsh");
+        cmd.arg("-NoProfile").arg("-Command").arg("exit 0");
+        cmd.stdout(Stdio::null()).stderr(Stdio::null());
+        #[cfg(windows)]
+        {
+            use std::os::windows::process::CommandExt;
+            cmd.creation_flags(0x0800_0000); // CREATE_NO_WINDOW
+        }
+        cmd.status().map(|s| s.success()).unwrap_or(false)
+    })
+}
+
 /// Shell 命令执行请求
 #[derive(Debug, Clone, Serialize, Deserialize)]
 pub struct ShellRequest {
@@ -26,24 +76,61 @@ pub struct ShellRequest {
     pub env: std::collections::HashMap<String, String>,
     /// 超时时间（秒），None 表示不超时
     pub timeout_secs: Option<u64>,
+    /// Shell 类型（默认：Windows→Cmd, 非Windows→Sh）
+    #[serde(default)]
+    pub shell_type: Option<ShellType>,
 }
 
 /// 执行 Shell 命令
 ///
-/// TODO: 完整实现，支持超时、环境变量、工作目录等
+/// 支持超时(timeout_secs)、环境变量(env)、工作目录(working_dir),
+/// kill_on_drop(true) 保证超时后子进程不残留,shell_type 可选 Cmd/PowerShell/Sh。
 pub async fn execute(request: ShellRequest) -> anyhow::Result<ShellResult> {
     let start = std::time::Instant::now();
 
-    let mut cmd = if cfg!(windows) {
-        let mut c = tokio::process::Command::new("cmd");
-        c.arg("/C").arg(&request.command);
-        c
-    } else {
-        let mut c = tokio::process::Command::new("sh");
-        c.arg("-c").arg(&request.command);
-        c
+    let shell_type = request.shell_type.unwrap_or_default();
+    let mut cmd = match shell_type {
+        ShellType::PowerShell => {
+            let mut c = tokio::process::Command::new("powershell");
+            c.arg("-NoProfile").arg("-Command").arg(&request.command);
+            c.stdout(Stdio::piped()).stderr(Stdio::piped());
+            c
+        }
+        ShellType::Pwsh => {
+            // PS7(支持 && 运算符),同 PS5 参数语义。-NoProfile 避加载用户 profile(速度+确定性)
+            let mut c = tokio::process::Command::new("pwsh");
+            c.arg("-NoProfile").arg("-Command").arg(&request.command);
+            c.stdout(Stdio::piped()).stderr(Stdio::piped());
+            c
+        }
+        ShellType::Cmd => {
+            let mut c = tokio::process::Command::new("cmd");
+            c.arg("/C").arg(&request.command);
+            c.stdout(Stdio::piped()).stderr(Stdio::piped());
+            c
+        }
+        ShellType::Sh => {
+            let mut c = tokio::process::Command::new("sh");
+            c.arg("-c").arg(&request.command);
+            c.stdout(Stdio::piped()).stderr(Stdio::piped());
+            c
+        }
     };
 
+    // CR-15-1: kill_on_drop(true) 让 Command 被 drop 时主动 kill 子进程。
+    // 配合 tokio::time::timeout 超时场景:超时 drop future → Command 析构 → kill 子进程,
+    // 不再让超时后的命令变孤儿继续后台跑(长 hang 命令/死循环仍占资源)。
+    // 对齐 tool_registry.rs:514「进程已终止」文案名副其实。tokio 1.52.3 支持。
+    cmd.kill_on_drop(true);
+
+    // B-260619-01: Windows 下创建子进程默认弹控制台窗口(cmd/powershell 黑窗闪现)。
+    // CREATE_NO_WINDOW(0x0800_0000) 标志抑制窗口创建,后台静默执行。
+    // tokio::process::Command 在 Windows 自带 creation_flags 方法(无需 std CommandExt trait)。
+    #[cfg(windows)]
+    {
+        cmd.creation_flags(0x0800_0000);
+    }
+
     if let Some(dir) = &request.working_dir {
         cmd.current_dir(dir);
     }
@@ -58,7 +145,7 @@ pub async fn execute(request: ShellRequest) -> anyhow::Result<ShellResult> {
             cmd.output(),
         )
         .await
-        .map_err(|_| anyhow::anyhow!("命令执行超时: {}秒", secs))??,
+        .map_err(|_| anyhow::anyhow!("命令执行超时({}s): {}", secs, request.command))??,
         None => cmd.output().await?,
     };
 

crates/df-execute/src/ssh.rs

@@ -1,38 +0,0 @@
-//! SSH 执行器 — 远程命令执行
-
-use serde::{Deserialize, Serialize};
-
-/// SSH 执行请求
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct SshRequest {
-    /// 主机地址
-    pub host: String,
-    /// 端口
-    pub port: u16,
-    /// 用户名
-    pub user: String,
-    /// 要执行的命令
-    pub command: String,
-    /// 超时时间（秒）
-    pub timeout_secs: Option<u64>,
-}
-
-/// SSH 执行结果
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct SshResult {
-    pub stdout: String,
-    pub stderr: String,
-    pub exit_code: Option<i32>,
-}
-
-/// 通过 SSH 执行远程命令
-///
-/// TODO: 实现SSH连接（可用 ssh2 crate 或包装 ssh 命令）
-pub async fn execute(_request: SshRequest) -> anyhow::Result<SshResult> {
-    tracing::info!("SSH 执行: TODO");
-    Ok(SshResult {
-        stdout: String::new(),
-        stderr: String::new(),
-        exit_code: None,
-    })
-}

crates/df-execute/tests/shell.rs

@@ -0,0 +1,161 @@
+//! Shell 执行器基础集成测试。
+//!
+//! 覆盖 execute() 五类行为,跨平台(Windows=Cmd, 非 Windows=Sh):
+//!   1. 成功:exit_code=Some(0) + stdout 非空 + duration_ms>0
+//!   2. 非零退出:exit_code=Some(非0),返回 Ok(退出码在 ShellResult 内,非 Err)
+//!   3. 超时:timeout_secs=1 + 长睡命令,返回 Err
+//!   4. env 注入:env HashMap 传 KEY=VAL,命令回显验证
+//!   5. working_dir:传临时目录,命令回显当前目录验证
+//!
+//! 注:execute 逻辑本身未改动,此文件为零行为变更的纯新增测试。
+
+use df_execute::shell::{execute, ShellRequest, ShellType};
+use std::collections::HashMap;
+
+/// 平台默认 ShellType(对齐 shell.rs:31 Default impl:Windows→Cmd, 非 Windows→Sh)
+fn default_shell() -> ShellType {
+    if cfg!(windows) {
+        ShellType::Cmd
+    } else {
+        ShellType::Sh
+    }
+}
+
+/// 构造最小 ShellRequest,默认无超时/无 env/无 working_dir
+fn req(command: &str) -> ShellRequest {
+    ShellRequest {
+        command: command.to_string(),
+        working_dir: None,
+        env: HashMap::new(),
+        timeout_secs: None,
+        shell_type: Some(default_shell()),
+    }
+}
+
+// ---------- 1. 成功:exit_code=0 + stdout 非空 + duration_ms>0 ----------
+
+#[tokio::test]
+async fn execute_success_echo() {
+    // 平台无关:Cmd/Sh 都认 echo。Cmd 输出无尾换行,Sh 输出带 \n——只断言非空与包含。
+    let result = execute(req("echo hello_df_execute")).await;
+    assert!(result.is_ok(), "execute 应返回 Ok: {:?}", result.err());
+    let res = result.unwrap();
+    assert_eq!(res.exit_code, Some(0), "成功命令 exit_code 应为 0");
+    assert!(
+        res.stdout.trim().contains("hello_df_execute"),
+        "stdout 应包含回显文本,实际: {:?}",
+        res.stdout
+    );
+    assert!(res.duration_ms > 0, "duration_ms 应 > 0,实际: {}", res.duration_ms);
+}
+
+// ---------- 2. 非零退出:exit_code=Some(非0),返回 Ok ----------
+
+#[tokio::test]
+async fn execute_nonzero_exit() {
+    // 平台无关:false 是 POSIX 内建 + Windows 的 cmd 也内置(返回退出码 1)。
+    // 非 Windows 用 sh -c 'false';Windows 用 cmd /C 'cmd /C exit 1' 更稳——
+    // 这里统一用 false,Windows cmd 内置 false.exe 自 Win10 起可用,失败则 exit_code 非 0 即满足断言。
+    let result = execute(req("exit 1")).await;
+    assert!(result.is_ok(), "非零退出应仍返回 Ok(退出码在 ShellResult 内),实际: {:?}", result);
+    let res = result.unwrap();
+    assert_ne!(res.exit_code, Some(0), "exit 1 的 exit_code 应非 0,实际: {:?}", res.exit_code);
+}
+
+// ---------- 3. 超时:timeout_secs=1 + 长睡命令,返回 Err ----------
+
+#[tokio::test]
+async fn execute_timeout_returns_err() {
+    // 平台无关睡眠命令:Cmd 用 timeout(Windows 内置),Sh 用 sleep。各自分支。
+    let sleep_cmd = if cfg!(windows) {
+        // cmd 的 timeout /T 需按键中断,用 ping 假睡更稳(>1s);但 timeout 内置更简洁,
+        // 这里用 ping -n 5 (≈4s) 跨 Win 版本稳。
+        "ping -n 5 127.0.0.1 > nul".to_string()
+    } else {
+        "sleep 5".to_string()
+    };
+    let request = ShellRequest {
+        command: sleep_cmd,
+        working_dir: None,
+        env: HashMap::new(),
+        timeout_secs: Some(1),
+        shell_type: Some(default_shell()),
+    };
+    let result = execute(request).await;
+    assert!(
+        result.is_err(),
+        "超时应返回 Err,实际: {:?}",
+        result.as_ref().err()
+    );
+    // 错误信息应含「超时」(对齐 shell.rs:101 文案)
+    let msg = result.unwrap_err().to_string();
+    assert!(
+        msg.contains("超时") || msg.to_lowercase().contains("timeout"),
+        "错误信息应含超时提示,实际: {}",
+        msg
+    );
+}
+
+// ---------- 4. env 注入:env HashMap 传 KEY=VAL,命令回显验证 ----------
+
+#[tokio::test]
+async fn execute_env_injection() {
+    let mut env = HashMap::new();
+    env.insert("DF_EXECUTE_TEST_KEY".to_string(), "env_value_42".to_string());
+    // 平台无关回显 env 变量:Cmd 用 %VAR%,Sh 用 $VAR
+    let echo_cmd = if cfg!(windows) {
+        "echo %DF_EXECUTE_TEST_KEY%"
+    } else {
+        "echo $DF_EXECUTE_TEST_KEY"
+    };
+    let request = ShellRequest {
+        command: echo_cmd.to_string(),
+        working_dir: None,
+        env,
+        timeout_secs: None,
+        shell_type: Some(default_shell()),
+    };
+    let res = execute(request).await.expect("env 注入命令应返回 Ok");
+    assert_eq!(res.exit_code, Some(0));
+    assert!(
+        res.stdout.trim().contains("env_value_42"),
+        "stdout 应含注入的 env 值,实际: {:?}",
+        res.stdout
+    );
+}
+
+// ---------- 5. working_dir:传临时目录,命令回显当前目录验证 ----------
+
+#[tokio::test]
+async fn execute_working_dir() {
+    // 用 std::env::temp_dir()(标准库,零新增依赖)。生成唯一子目录避免并行测试互相干扰。
+    let unique = format!("df_exec_test_{}", std::process::id());
+    let tmp = std::env::temp_dir().join(&unique);
+    std::fs::create_dir_all(&tmp).expect("创建临时目录失败");
+    // 测试后清理(即便失败也尽量不残留)
+    let tmp_for_cleanup = tmp.clone();
+
+    // 平台无关回显当前目录:Cmd 用 cd(无参数)不靠谱,用 echo %CD%;Sh 用 pwd。
+    let pwd_cmd = if cfg!(windows) { "echo %CD%" } else { "pwd" };
+    let request = ShellRequest {
+        command: pwd_cmd.to_string(),
+        working_dir: Some(tmp.to_string_lossy().to_string()),
+        env: HashMap::new(),
+        timeout_secs: None,
+        shell_type: Some(default_shell()),
+    };
+    let res = execute(request).await.expect("working_dir 命令应返回 Ok");
+    assert_eq!(res.exit_code, Some(0));
+    // 规范化比较(去尾空白/大小写在 Windows 不敏感但路径用户自定义,只断言包含)
+    let stdout_norm = res.stdout.trim().to_lowercase().replace('\\', "/");
+    let tmp_norm = tmp.to_string_lossy().to_lowercase().replace('\\', "/");
+    assert!(
+        stdout_norm.contains(&tmp_norm),
+        "stdout 应含 working_dir 路径,实际: {:?},期望包含: {:?}",
+        res.stdout,
+        tmp.to_string_lossy()
+    );
+
+    // 清理
+    let _ = std::fs::remove_dir_all(&tmp_for_cleanup);
+}

crates/df-ideas/Cargo.toml

@@ -4,10 +4,17 @@ version = "0.1.0"
 edition = "2021"
 
 [dependencies]
-df-core = { path = "../df-core" }
+df-types = { path = "../df-types" }
+df-ai-core = { path = "../df-ai-core" }
+# F-01 阶段5: df-ideas 对抗评估接入 df_ai::router::select_model_id(纯函数路由)。
+# 注:df-ai 引入 reqwest/futures/eventsource-stream 重依赖,但 router 模块仅依赖
+# df-ai-core::model,实际编译期 df-ideas 仅引用 router 符号(零 HTTP 代码路径)。
+df-ai = { path = "../df-ai" }
 serde = { workspace = true }
 serde_json = { workspace = true }
 tokio = { workspace = true }
+async-trait = { workspace = true }
 anyhow = { workspace = true }
 chrono = { workspace = true }
 tracing = { workspace = true }
+regex = { workspace = true }

crates/df-ideas/src/adversarial.rs

@@ -1,206 +1,303 @@
 //! 对抗式评估系统 — 正反方辩论 + AI 分析师
+//!
+//! 双轨实现：
+//! - **启发式**（默认/降级）：基于评分与内容信号生成正反方论点，稳定有区分度。
+//! - **LLM**（注入 provider 后）：调一次 `complete()` 让论点由 LLM 生成，失败自动降级启发式。
+//!
+//! 评估来源由 [`EvaluatedBy`] 三态标记：`Llm`（LLM 深度评估）/ `Heuristic`（主动选启发式，
+//! 无 provider）/ `HeuristicFallback`（LLM 调用失败降级）。前端可据此显示评估深度标签。
+//!
+//! LLM prompt 构造与 JSON 解析在 F-260614-03 接入：[`AdversarialEngine::evaluate_with_llm`]
+//! 构造三角色辩论 prompt（正方/反方/分析师），调一次 `complete()` 要求返回对齐结构的 JSON，
+//! 解析失败/字段缺失/枚举非法 → `bail` 触发降级（[`AdversarialEngine::evaluate`] 已兜底）。
+//!
+//! 重构（strategy·自底向上）：类型定义 / 常量 / prompt 构造 / JSON 解析等无副作用逻辑抽至
+//! [`adversarial_helpers`]，本文件只保留 [`AdversarialEngine`]（有状态引擎 + evaluate 主入口，
+//! 含 ARC-260618-01-e evaluate_with_llm 一致性待决策逻辑，原样保留）。外部已用路径（
+//! `df_ideas::adversarial::{AdversarialEval, Recommendation, …}`）经 `pub use` 不变。
+
+use std::sync::Arc;
 
 use anyhow::Result;
-use serde::{Deserialize, Serialize};
-use std::collections::HashMap;
 
-use df_core::types::IdeaId;
+use df_ai_core::model::ModelConfig;
+use df_ai_core::provider::LlmProvider;
+use df_types::types::Priority;
 use crate::capture::Idea;
+use crate::scoring::IdeaScores;
 
-/// 对抗评估结果
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct AdversarialEval {
-    pub idea_id: IdeaId,
-    pub positive: Argument,
-    pub negative: Argument,
-    pub analyst: AnalystAnalysis,
-    pub final_score: f64,
-    pub recommendation: Recommendation,
-}
-
-/// 正方论点
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct Argument {
-    pub thesis: String,           // 核心观点
-    pub evidence: Vec<String>,    // 证据支持
-    pub reasoning: Vec<String>,   // 推理过程
-    pub confidence: f64,          // 置信度 0-1
-}
-
-/// 反方论点
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct CounterArgument {
-    pub thesis: String,           // 反对观点
-    pub evidence: Vec<String>,    // 反对证据
-    pub reasoning: Vec<String>,   // 反驳推理
-    pub confidence: f64,         // 置信度 0-1
-}
-
-/// AI 分析师综合分析
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct AnalystAnalysis {
-    pub summary: String,                    // 综合总结
-    pub strengths: Vec<String>,             // 主要优势
-    pub weaknesses: Vec<String>,            // 主要劣势
-    pub risks: Vec<String>,                // 潜在风险
-    pub opportunities: Vec<String>,          // 机会点
-    pub final_assessment: AssessmentLevel,  // 最终评估
-}
-
-/// 评估等级
-#[derive(Debug, Clone, Serialize, Deserialize, PartialEq, Eq)]
-pub enum AssessmentLevel {
-    StrongGo,      // 强烈推荐执行
-    Recommended,    // 推荐执行
-    Conditional,   // 有条件执行
-    Revised,       // 需要修改后执行
-    Defer,         // 推迟执行
-    Reject,        // 不推荐执行
-}
-
-/// 最终建议
-#[derive(Debug, Clone, Serialize, Deserialize, PartialEq, Eq)]
-pub enum Recommendation {
-    ImmediateAction,   // 立即行动
-    Soon,              // 尽快行动
-    WithResources,      // 配置资源后行动
-    ResearchMore,      // 需要更多研究
-    Monitor,           // 持续监控
-    Cancel,            // 取消想法
-}
+// 类型 / 常量 / 纯函数自 adversarial_helpers 引回，并 re-export：外部调用方经
+// `df_ideas::adversarial::{...}` 路径访问的类型零变更（pub use 同时将符号带入当前
+// 命名空间供 impl/tests 使用，无需额外 use）。AdversarialEngine 本身定义在本文件。
+pub use crate::adversarial_helpers::{
+    AdversarialEval, AnalystAnalysis, Argument, AssessmentLevel, EvaluatedBy, Recommendation,
+};
+use crate::adversarial_helpers::{
+    SYSTEM_PROMPT, action_hint, assessment_desc, build_adversarial_prompt, parse_llm_eval,
+    priority_label,
+};
 
 /// 对抗评估引擎
-pub struct AdversarialEngine;
+pub struct AdversarialEngine {
+    /// 可选 LLM provider。Some → 优先 LLM 评估（失败降级启发式）；None → 纯启发式。
+    /// 构造注入（与 IdeaPromoter::new(policy) 同一模式），批量评估复用同一 provider。
+    provider: Option<Arc<dyn LlmProvider>>,
+    /// F-01 阶段5: 候选模型池。非空时 evaluate_with_llm 经 select_model_id 路由选模型;
+    /// 空(None provider 或未注入池)→ model 留空由 provider impl 回填自身 default_model
+    /// (与接入前行为一致,平稳过渡)。
+    model_pool: Vec<ModelConfig>,
+}
 
 impl AdversarialEngine {
-    /// 执行完整的对抗评估
-    pub async fn evaluate(idea: &Idea) -> Result<AdversarialEval> {
-        // 1. 生成正方观点
-        let positive = Self::generate_positive_argument(idea).await?;
+    /// 注入 LLM provider 构造（provider Some 时走 LLM，调用失败自动降级启发式）
+    pub fn new(provider: Arc<dyn LlmProvider>) -> Self {
+        Self { provider: Some(provider), model_pool: Vec::new() }
+    }
 
-        // 2. 生成反方观点
-        let negative = Self::generate_negative_argument(idea, &positive).await?;
+    /// F-01 阶段5: 注入 provider + 候选模型池构造。池非空时 evaluate_with_llm 走路由。
+    pub fn with_pool(provider: Arc<dyn LlmProvider>, model_pool: Vec<ModelConfig>) -> Self {
+        Self { provider: Some(provider), model_pool }
+    }
 
-        // 3. AI 分析师综合分析
-        let analyst = Self::analyst_analysis(idea, &positive, &negative).await?;
+    /// 纯启发式构造（无 LLM 配置时的默认模式）
+    pub fn heuristic() -> Self {
+        Self { provider: None, model_pool: Vec::new() }
+    }
 
-        // 4. 计算最终分数和建议
-        let (final_score, recommendation) = Self::compute_final_assessment(&analyst);
+    /// 执行完整的对抗评估（内部按 provider 有无调度 LLM / 启发式，失败降级）
+    pub async fn evaluate(&self, idea: &Idea) -> Result<AdversarialEval> {
+        match &self.provider {
+            Some(p) => match self.evaluate_with_llm(idea, p).await {
+                Ok(mut eval) => {
+                    eval.evaluated_by = EvaluatedBy::Llm;
+                    Ok(eval)
+                }
+                Err(e) => {
+                    // LLM 调用失败/超时/格式异常 → 自动降级启发式，保证前端结构完整返回
+                    tracing::warn!("LLM 对抗评估失败, 降级到启发式: {e}");
+                    let mut eval = self.evaluate_heuristic(idea)?;
+                    eval.evaluated_by = EvaluatedBy::HeuristicFallback;
+                    Ok(eval)
+                }
+            },
+            None => {
+                let mut eval = self.evaluate_heuristic(idea)?;
+                eval.evaluated_by = EvaluatedBy::Heuristic;
+                Ok(eval)
+            }
+        }
+    }
+
+    /// LLM 对抗评估（注入 provider 后走此路）。
+    ///
+    /// 构造三角色对抗式辩论 prompt（正方/反方/分析师），调一次 `complete()`，要求 LLM
+    /// 返回对齐 [`AdversarialEval`] 结构的 JSON。任一环节失败（HTTP / 非 JSON / 字段
+    /// 缺失 / 枚举非法 / 数值越界无法修正）→ `bail` 由 [`Self::evaluate`] 捕获降级启发式。
+    ///
+    /// temperature 取 0.4：低于 0.3 偏机械重复启发式信号，高于 0.5 易发散到无关风险，
+    /// 0.4 在「稳定可复现」与「论点多样性」间取得平衡。
+    ///
+    /// ARC-260618-01-e: evaluate_with_llm 返回值一致性未校验（final_score 与
+    /// analyst.final_assessment 自洽性等），待产品决策，当前逻辑原样保留不调整。
+    async fn evaluate_with_llm(&self, idea: &Idea, provider: &Arc<dyn LlmProvider>) -> Result<AdversarialEval> {
+        let prompt = build_adversarial_prompt(idea);
+        // F-01 阶段5: 智能路由 — 对抗评估 TaskRequirements(Standard,无工具)。
+        // 池非空 → select_model_id 选最优 model_id;池空/无匹配 → 留空由 provider impl
+        // 回填自身 default_model(与接入前行为一致,平稳过渡)。
+        let eval_req = df_ai::router::TaskRequirements {
+            modalities: vec![df_ai_core::model::Modality::Text],
+            needs_tool_use: false,
+            estimated_context: 0,
+        };
+        let model = df_ai::router::select_model_id(&eval_req, &self.model_pool).unwrap_or_default();
+        let request = df_ai_core::provider::CompletionRequest {
+            // 路由命中 → 用 model_id;否则留空让 provider impl 回填自身 default_model。
+            // (OpenAICompatProvider::convert_request 在 req.model.is_empty() 时回退 default_model)
+            model,
+            messages: vec![
+                df_ai_core::provider::ChatMessage::system(SYSTEM_PROMPT),
+                df_ai_core::provider::ChatMessage::user(prompt),
+            ],
+            temperature: Some(0.4),
+            max_tokens: Some(2048),
+            stream: false,
+            tools: None,
+            tool_choice: None,
+            reasoning_content: None,
+        };
+
+        let resp = provider
+            .complete(request)
+            .await
+            .map_err(|e| anyhow::anyhow!("LLM complete 调用失败: {e}"))?;
+
+        // 数值 clamp 由 parse_llm_eval 单点收口（final_score∈[0,10]、confidence∈[0,1]，
+        // 均在 parse 内对所有 Ok 路径完成），此处不再重复 clamp（CR-40-1 去冗余）。
+        parse_llm_eval(&resp.text, &idea.id)
+    }
+
+    /// 启发式评估（基于评分与内容信号，稳定有区分度）
+    fn evaluate_heuristic(&self, idea: &Idea) -> Result<AdversarialEval> {
+        // 先做多维评分，作为正反方论点与置信度的依据
+        let scores = crate::scoring::ScoringEngine::compute_default(idea);
+
+        let positive = self.generate_positive_argument(idea, &scores)?;
+        let negative = self.generate_negative_argument(idea, &scores)?;
+        let analyst = self.analyst_analysis(idea, &scores)?;
+        let recommendation = self.recommendation_for(&analyst.final_assessment);
 
         Ok(AdversarialEval {
             idea_id: idea.id.clone(),
             positive,
             negative,
             analyst,
-            final_score,
+            final_score: scores.overall,
             recommendation,
+            // 由 evaluate() 调用方按调度路径覆盖（Heuristic / HeuristicFallback）
+            evaluated_by: EvaluatedBy::Heuristic,
         })
     }
 
-    /// 生成正方观点（支持执行）
-    async fn generate_positive_argument(idea: &Idea) -> Result<Argument> {
-        // TODO: 接入 AI 生成正方观点
-        // 当前使用启发式模板
+    /// 生成正方观点（支持执行）— confidence 由可行性 + 影响力驱动
+    /// 注:返回 Result 为后续 LLM 注入失败预留,启发式阶段恒 Ok
+    fn generate_positive_argument(&self, idea: &Idea, scores: &IdeaScores) -> Result<Argument> {
+        let desc = idea.description.trim();
+        let mut evidence = Vec::new();
+        evidence.push(format!("优先级：{}", priority_label(&idea.priority)));
+        if desc.is_empty() {
+            evidence.push("需求待补充（建议补全描述）".to_string());
+        } else {
+            let head: String = desc.chars().take(60).collect();
+            evidence.push(format!("明确需求：{}", head));
+        }
+        if idea.tags.is_empty() {
+            evidence.push("关联领域待界定".to_string());
+        } else {
+            evidence.push(format!("关联领域：{}", idea.tags.join("、")));
+        }
+        if scores.impact >= 7.0 {
+            evidence.push("业务价值显著，影响面较广".to_string());
+        }
 
-        let title = &idea.title;
-        let desc = &idea.description;
+        // 正方置信度:可行性+影响力等权折算到 [0.1, 0.95],满分≈0.95 留质疑余地
+        let confidence =
+            ((scores.feasibility * 0.5 + scores.impact * 0.5) / 10.0).clamp(0.1, 0.95);
+
+        let reasoning = vec![
+            format!("可行性评分 {:.1}/10，路径相对清晰", scores.feasibility),
+            format!("影响力评分 {:.1}/10，预期回报可观", scores.impact),
+            "整体风险可控，适合推进".to_string(),
+        ];
 
         Ok(Argument {
-            thesis: format!("{} 具有很高的价值和可行性，应该优先执行", title),
-            evidence: vec![
-                format!("满足业务需求：{}", desc),
-                "投入产出比高".to_string(),
-                "技术实现可行".to_string(),
-                "时间窗口合适".to_string(),
-            ],
-            reasoning: vec![
-                "能够解决现有痛点".to_string(),
-                "竞争优势明显".to_string(),
-                "风险可控".to_string(),
-            ],
-            confidence: 0.75,
+            thesis: format!("「{}」具备明确价值与可行性，建议优先推进", idea.title),
+            evidence,
+            reasoning,
+            confidence,
         })
     }
 
-    /// 生成反方观点（反对或谨慎）
-    async fn generate_negative_argument(idea: &Idea, positive: &Argument) -> Result<CounterArgument> {
-        // TODO: 接入 AI 生成反方观点，考虑正方观点
+    /// 生成反方观点（反对或谨慎）— 论点基于想法实际缺陷，confidence 随风险上升
+    fn generate_negative_argument(&self, idea: &Idea, scores: &IdeaScores) -> Result<Argument> {
+        let desc = idea.description.trim();
+        let mut evidence = Vec::new();
+        if desc.is_empty() {
+            evidence.push("描述过于简略，需求边界不清".to_string());
+        } else if desc.chars().count() < 50 {
+            evidence.push("描述偏短，实现细节尚未论证".to_string());
+        }
+        if idea.tags.is_empty() {
+            evidence.push("缺少标签，影响范围未界定".to_string());
+        }
+        if scores.feasibility < 6.0 {
+            evidence.push(format!("可行性 {:.1}/10 偏低，实现路径存疑", scores.feasibility));
+        }
+        if matches!(idea.priority, Priority::Low) {
+            evidence.push("优先级偏低，可能非当前关键路径".to_string());
+        }
+        if evidence.is_empty() {
+            evidence.push("机会成本需权衡，可能存在更优替代方案".to_string());
+        }
 
-        let title = &idea.title;
+        // 反方强度:feasibility 每降 1 分 +0.04,impact 每降 1 分 +0.03,基线 0.25(满分也保留最低质疑),clamp [0.1, 0.9]
+        let confidence = ((10.0 - scores.feasibility) * 0.04 + (10.0 - scores.impact) * 0.03 + 0.25)
+            .clamp(0.1, 0.9);
 
-        Ok(CounterArgument {
-            thesis: format!("{} 需要谨慎评估，存在一定风险", title),
-            evidence: vec![
-                "资源投入较大".to_string(),
-                "市场不确定性高".to_string(),
-                "技术挑战存在".to_string(),
-                "机会成本高".to_string(),
-            ],
-            reasoning: vec![
-                "ROI 需要进一步验证".to_string(),
-                "优先级可能过高".to_string(),
-                "存在更优替代方案".to_string(),
-            ],
-            confidence: 0.65,
+        let reasoning = vec![
+            format!("资源投入与当前综合评分 {:.1} 需匹配", scores.overall),
+            "ROI 需进一步验证".to_string(),
+            "需评估是否存在更优解".to_string(),
+        ];
+
+        Ok(Argument {
+            thesis: format!("「{}」需谨慎评估，存在风险与机会成本", idea.title),
+            evidence,
+            reasoning,
+            confidence,
         })
     }
 
-    /// AI 分析师综合分析
-    async fn analyst_analysis(
-        idea: &Idea,
-        positive: &Argument,
-        negative: &CounterArgument,
-    ) -> Result<AnalystAnalysis> {
-        // TODO: 接入 AI 进行深度分析
+    /// AI 分析师综合分析 — 评估等级由综合评分决定，优势/劣势按维度动态生成
+    fn analyst_analysis(&self, idea: &Idea, scores: &IdeaScores) -> Result<AnalystAnalysis> {
+        let final_assessment = match scores.overall {
+            x if x >= 7.5 => AssessmentLevel::StrongGo,
+            x if x >= 6.0 => AssessmentLevel::Recommended,
+            x if x >= 4.5 => AssessmentLevel::Conditional,
+            x if x >= 3.0 => AssessmentLevel::Revised,
+            _ => AssessmentLevel::Defer,
+        };
 
-        let positive_strengths = vec![
-            "方向正确，符合业务战略".to_string(),
-            "技术创新性较强".to_string(),
-            "用户价值明确".to_string(),
-        ];
+        let mut strengths = Vec::new();
+        if scores.impact >= 6.0 {
+            strengths.push("业务价值明确".to_string());
+        }
+        if scores.feasibility >= 6.0 {
+            strengths.push("技术路径清晰".to_string());
+        }
+        if scores.urgency >= 7.0 {
+            strengths.push("时间窗口合适".to_string());
+        }
+        if strengths.is_empty() {
+            strengths.push("方向值得探索".to_string());
+        }
 
-        let weaknesses = vec![
-            "资源需求评估不足".to_string(),
-            "风险控制需要加强".to_string(),
-            "时间规划可能过于乐观".to_string(),
-        ];
+        let mut weaknesses = Vec::new();
+        if scores.feasibility < 6.0 {
+            weaknesses.push("可行性论证不足".to_string());
+        }
+        if idea.description.trim().is_empty() {
+            weaknesses.push("需求描述缺失".to_string());
+        }
+        if scores.urgency < 4.0 {
+            weaknesses.push("紧急度偏低，易被搁置".to_string());
+        }
+        if weaknesses.is_empty() {
+            weaknesses.push("资源需求待评估".to_string());
+        }
 
+        // 启发式占位:固定风险模板,与具体想法无关,接 LLM 后改动态生成
         let risks = vec![
-            "技术实现难度超出预期".to_string(),
-            "市场竞争加剧".to_string(),
-            "用户接受度不确定".to_string(),
+            "技术实现难度可能超出预期".to_string(),
+            "优先级与资源争夺".to_string(),
+            "需求范围蔓延".to_string(),
         ];
 
         let opportunities = vec![
-            "可能形成新的竞争优势".to_string(),
-            "技术积累价值显著".to_string(),
-            "市场机会窗口良好".to_string(),
+            "可能形成可复用能力".to_string(),
+            "积累技术资产".to_string(),
         ];
 
-        // 基于正反方观点的强度计算
-        let positive_strength = positive.confidence;
-        let negative_strength = negative.confidence;
-        let net_positive = (positive_strength - negative_strength + 1.0) / 2.0;
-
-        let final_assessment = if net_positive > 0.7 {
-            AssessmentLevel::StrongGo
-        } else if net_positive > 0.5 {
-            AssessmentLevel::Recommended
-        } else if net_positive > 0.3 {
-            AssessmentLevel::Conditional
-        } else if net_positive > 0.1 {
-            AssessmentLevel::Revised
-        } else {
-            AssessmentLevel::Defer
-        };
+        let summary = format!(
+            "「{}」综合评分 {:.1}/10，{}。建议{}。",
+            idea.title,
+            scores.overall,
+            assessment_desc(&final_assessment),
+            action_hint(&final_assessment)
+        );
 
         Ok(AnalystAnalysis {
-            summary: format!(
-                "该想法整体价值评估中等偏上，建议在有条件的情况下执行。主要价值在于{}，需要关注{}。",
-                idea.title,
-                if net_positive > 0.5 { "风险控制" } else { "价值验证" }
-            ),
-            strengths: positive_strengths,
+            summary,
+            strengths,
             weaknesses,
             risks,
             opportunities,
@@ -208,101 +305,292 @@ impl AdversarialEngine {
         })
     }
 
-    /// 计算最终评估分数和建议
-    fn compute_final_assessment(analyst: &AnalystAnalysis) -> (f64, Recommendation) {
-        // 基于评估等级映射分数
-        let base_score = match analyst.final_assessment {
-            AssessmentLevel::StrongGo => 8.5,
-            AssessmentLevel::Recommended => 7.0,
-            AssessmentLevel::Conditional => 5.5,
-            AssessmentLevel::Revised => 4.0,
-            AssessmentLevel::Defer => 2.5,
-            AssessmentLevel::Reject => 1.0,
-        };
-
-        // 根据优劣势微调分数
-        let strength_count = analyst.strengths.len() as f64;
-        let weakness_count = analyst.weaknesses.len() as f64;
-        let score_adjustment = (strength_count - weakness_count) * 0.3;
-
-        let final_score = (base_score + score_adjustment).clamp(0.0, 10.0);
-
-        let recommendation = match analyst.final_assessment {
+    /// 评估等级 → 最终建议
+    fn recommendation_for(&self, level: &AssessmentLevel) -> Recommendation {
+        match level {
             AssessmentLevel::StrongGo => Recommendation::ImmediateAction,
             AssessmentLevel::Recommended => Recommendation::Soon,
             AssessmentLevel::Conditional => Recommendation::WithResources,
             AssessmentLevel::Revised => Recommendation::ResearchMore,
             AssessmentLevel::Defer => Recommendation::Monitor,
-            AssessmentLevel::Reject => Recommendation::Cancel,
-        };
-
-        (final_score, recommendation)
-    }
-}
-
-/// 评估结果展示格式
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct EvalDisplay {
-    pub idea_title: String,
-    pub positive_strength: f64,
-    pub negative_strength: f64,
-    pub net_sentiment: f64,  // -1 到 1，正为正面
-    pub assessment_level: String,
-    pub key_takeaways: Vec<String>,
-    pub action_items: Vec<String>,
-}
-
-impl From<AdversarialEval> for EvalDisplay {
-    fn from(eval: AdversarialEval) -> Self {
-        let net_sentiment = (eval.positive.confidence - eval.negative.confidence) as f64;
-
-        let key_takeaways = vec![
-            format!("优势：{}", eval.analyst.strengths.join("、")),
-            format!("风险：{}", eval.analyst.risks.join("、")),
-            format!("建议：{:?}", eval.recommendation),
-        ];
-
-        let action_items = match eval.recommendation {
-            Recommendation::ImmediateAction => vec![
-                "立即组建项目团队".to_string(),
-                "制定详细执行计划".to_string(),
-                "分配必要资源".to_string(),
-            ],
-            Recommendation::Soon => vec![
-                "下周启动项目".to_string(),
-                "准备资源需求".to_string(),
-                "制定时间表".to_string(),
-            ],
-            Recommendation::WithResources => vec![
-                "确认资源预算".to_string(),
-                "评估ROI".to_string(),
-                "制定风险预案".to_string(),
-            ],
-            Recommendation::ResearchMore => vec![
-                "进行市场调研".to_string(),
-                "收集用户反馈".to_string(),
-                "验证技术可行性".to_string(),
-            ],
-            Recommendation::Monitor => vec![
-                "持续跟踪相关指标".to_string(),
-                "定期评估进展".to_string(),
-                "等待更好的时机".to_string(),
-            ],
-            Recommendation::Cancel => vec![
-                "记录归档原因".to_string(),
-                "释放相关资源".to_string(),
-                "提取经验教训".to_string(),
-            ],
-        };
-
-        EvalDisplay {
-            idea_title: eval.positive.thesis.split(' ').take(3).collect::<Vec<_>>().join(" "),
-            positive_strength: eval.positive.confidence,
-            negative_strength: eval.negative.confidence,
-            net_sentiment,
-            assessment_level: format!("{:?}", eval.analyst.final_assessment),
-            key_takeaways,
-            action_items,
         }
     }
-}
+}
+
+#[cfg(test)]
+mod tests {
+    use super::*;
+    use crate::capture::Idea;
+    use crate::scoring::ScoringEngine;
+    use df_types::types::{IdeaStatus, Priority};
+
+    fn make_idea(title: &str, desc: &str, priority: Priority, tags: Vec<&str>) -> Idea {
+        Idea {
+            id: "test-id".to_string(),
+            title: title.to_string(),
+            description: desc.to_string(),
+            status: IdeaStatus::Draft,
+            priority,
+            scores: None,
+            tags: tags.into_iter().map(String::from).collect(),
+            source: None,
+            related_ids: Vec::new(),
+            created_at: chrono::Utc::now(),
+            updated_at: chrono::Utc::now(),
+        }
+    }
+
+    #[tokio::test]
+    async fn a1_high_score_immediate_action() {
+        let desc = "面向用户的核心功能，带来显著增长，大幅提升效率。集成成熟方案，复用已有组件。".repeat(3);
+        let idea = make_idea("AI增长引擎", &desc, Priority::Critical, vec!["增长", "核心"]);
+        let scores = ScoringEngine::compute_default(&idea);
+        let eval = AdversarialEngine::heuristic().evaluate(&idea).await.unwrap();
+        println!("\n[a1] 高分想法 → 期望 ImmediateAction");
+        println!("  scores: feas={:.2} impact={:.2} urg={:.2} overall={:.2}", scores.feasibility, scores.impact, scores.urgency, scores.overall);
+        println!("  eval: final_score={:.2} recommendation={:?}", eval.final_score, eval.recommendation);
+        println!("  正方 confidence={:.2}  反方 confidence={:.2}", eval.positive.confidence, eval.negative.confidence);
+        assert!(eval.final_score >= 7.5, "final_score 应≥7.5, 实际 {:.2}", eval.final_score);
+        assert_eq!(eval.recommendation, Recommendation::ImmediateAction);
+    }
+
+    #[tokio::test]
+    async fn a2_mid_score_soon() {
+        let desc = "面向用户的功能，集成已有方案，提升体验".to_string();
+        let idea = make_idea("体验优化", &desc, Priority::Medium, vec!["体验"]);
+        let scores = ScoringEngine::compute_default(&idea);
+        let eval = AdversarialEngine::heuristic().evaluate(&idea).await.unwrap();
+        println!("\n[a2] 中分想法 → 期望 Soon");
+        println!("  scores overall={:.2}  eval final_score={:.2}  recommendation={:?}", scores.overall, eval.final_score, eval.recommendation);
+        assert_eq!(eval.recommendation, Recommendation::Soon);
+    }
+
+    #[tokio::test]
+    async fn a3_low_score_monitor() {
+        let desc = "重构迁移大规模分布式重写从零全新架构高并发底层".to_string();
+        let idea = make_idea("过度工程", &desc, Priority::Low, vec![]);
+        let scores = ScoringEngine::compute_default(&idea);
+        let eval = AdversarialEngine::heuristic().evaluate(&idea).await.unwrap();
+        println!("\n[a3] 低分想法 → 期望 Monitor");
+        println!("  scores overall={:.2}  eval final_score={:.2}  recommendation={:?}", scores.overall, eval.final_score, eval.recommendation);
+        assert!(eval.final_score < 3.0, "final_score 应<3.0, 实际 {:.2}", eval.final_score);
+        assert_eq!(eval.recommendation, Recommendation::Monitor);
+    }
+
+    #[tokio::test]
+    async fn a4_confidence_ranges() {
+        let idea = make_idea("普通想法", "一般描述", Priority::Medium, vec!["标签"]);
+        let eval = AdversarialEngine::heuristic().evaluate(&idea).await.unwrap();
+        println!("\n[a4] confidence 区间校验");
+        println!("  正方={:.2} (应∈[0.1, 0.95])   反方={:.2} (应∈[0.1, 0.9])", eval.positive.confidence, eval.negative.confidence);
+        assert!(eval.positive.confidence >= 0.1 && eval.positive.confidence <= 0.95);
+        assert!(eval.negative.confidence >= 0.1 && eval.negative.confidence <= 0.9);
+    }
+
+    #[tokio::test]
+    async fn a5_positive_thesis_contains_title() {
+        let idea = make_idea("独家创意", "描述内容", Priority::High, vec![]);
+        let eval = AdversarialEngine::heuristic().evaluate(&idea).await.unwrap();
+        println!("\n[a5] 正方论点含标题");
+        println!("  thesis: {}", eval.positive.thesis);
+        assert!(eval.positive.thesis.contains("独家创意"), "正方 thesis 应含标题");
+    }
+
+    #[tokio::test]
+    async fn a6_negative_evidence_nonempty() {
+        let idea = make_idea("待质疑想法", "短", Priority::Low, vec![]);
+        let eval = AdversarialEngine::heuristic().evaluate(&idea).await.unwrap();
+        println!("\n[a6] 反方证据非空 ({} 条)", eval.negative.evidence.len());
+        for (i, e) in eval.negative.evidence.iter().enumerate() {
+            println!("  证据{}: {}", i + 1, e);
+        }
+        assert!(!eval.negative.evidence.is_empty(), "反方 evidence 不应为空");
+    }
+
+    #[tokio::test]
+    async fn a7_final_score_consistency() {
+        let desc = "面向用户的核心功能".to_string();
+        let idea = make_idea("一致性测试", &desc, Priority::High, vec!["核心"]);
+        let scores = ScoringEngine::compute_default(&idea);
+        let eval = AdversarialEngine::heuristic().evaluate(&idea).await.unwrap();
+        println!("\n[a7] final_score == scores.overall 一致性");
+        println!("  scores.overall={:.2}  eval.final_score={:.2}", scores.overall, eval.final_score);
+        println!("  analyst.summary: {}", eval.analyst.summary);
+        assert!((eval.final_score - scores.overall).abs() < 0.001, "final_score 应等于 overall");
+        assert!(eval.analyst.summary.contains("一致性测试"), "summary 应含标题");
+    }
+
+    // ────────────────────────────────────────────────────────────
+    // LLM 路径测试（F-260614-03）
+    // ────────────────────────────────────────────────────────────
+
+    /// mock LlmProvider：按构造时给定的响应文本回放，仅供 adversarial 单测。
+    ///
+    /// `complete` 返回预设 `text`（或预设错误），`stream` 不被 adversarial 路径调用，
+    /// 返回 Err 即可。不引入 futures 依赖。
+    struct MockProvider {
+        text: String,
+    }
+
+    #[async_trait::async_trait]
+    impl LlmProvider for MockProvider {
+        async fn complete(
+            &self,
+            _request: df_ai_core::provider::CompletionRequest,
+        ) -> anyhow::Result<df_ai_core::provider::CompletionResponse> {
+            Ok(df_ai_core::provider::CompletionResponse {
+                text: self.text.clone(),
+                model: "mock-model".to_string(),
+                usage: df_ai_core::provider::TokenUsage::default(),
+                tool_calls: None,
+                // 对抗评估路径不消费推理内容,留 None 即可(CompletionResponse 新增字段,
+                // 老构造点漏填 → 测试编译失败,回归补齐)。
+                reasoning_content: None,
+            })
+        }
+
+        async fn stream(
+            &self,
+            _request: df_ai_core::provider::CompletionRequest,
+        ) -> anyhow::Result<df_ai_core::provider::StreamResult> {
+            anyhow::bail!("MockProvider 不支持 stream（adversarial 路径不调用）")
+        }
+
+        fn name(&self) -> &str {
+            "mock-model"
+        }
+    }
+
+    /// LLM mock 返回结构良好的 JSON → 解析正确，evaluated_by=Llm
+    #[tokio::test]
+    async fn a8_llm_mock_parse_success() {
+        let idea = make_idea(
+            "AI 增长引擎",
+            "面向用户的核心功能，带来显著增长。集成成熟方案。",
+            Priority::Critical,
+            vec!["增长"],
+        );
+        // 一份对齐 schema 的合法 LLM 返回（含 ```json 围栏，验证容错）
+        let llm_text = r#"```json
+{
+  "positive": {
+    "thesis": "该想法价值高，路径清晰，应立即推进",
+    "evidence": ["用户增长是当前关键路径", "已有成熟方案可复用"],
+    "reasoning": ["可行性高", "ROI 明显"],
+    "confidence": 0.9
+  },
+  "negative": {
+    "thesis": "资源投入与替代方案需权衡",
+    "evidence": ["机会成本存在"],
+    "reasoning": ["需验证更优解"],
+    "confidence": 0.35
+  },
+  "analyst": {
+    "summary": "综合双方，价值明确且路径清晰，建议立即推进",
+    "strengths": ["业务价值明确", "技术路径清晰"],
+    "weaknesses": ["资源需求待评估"],
+    "risks": ["需求范围蔓延"],
+    "opportunities": ["可形成可复用能力"],
+    "final_assessment": "StrongGo"
+  },
+  "final_score": 8.5,
+  "recommendation": "ImmediateAction"
+}
+```"#;
+        let provider = Arc::new(MockProvider { text: llm_text.to_string() });
+        let engine = AdversarialEngine::new(provider);
+        let eval = engine.evaluate(&idea).await.unwrap();
+
+        println!("\n[a8] LLM mock 成功路径");
+        println!("  evaluated_by = {:?}", eval.evaluated_by);
+        println!("  final_score = {:.2}  recommendation = {:?}", eval.final_score, eval.recommendation);
+        println!("  positive.confidence = {:.2}  negative.confidence = {:.2}",
+            eval.positive.confidence, eval.negative.confidence);
+        println!("  analyst.final_assessment = {:?}", eval.analyst.final_assessment);
+
+        assert_eq!(eval.evaluated_by, EvaluatedBy::Llm, "成功路径应为 Llm");
+        assert!((eval.final_score - 8.5).abs() < 1e-9);
+        assert_eq!(eval.recommendation, Recommendation::ImmediateAction);
+        assert_eq!(eval.analyst.final_assessment, AssessmentLevel::StrongGo);
+        assert!((eval.positive.confidence - 0.9).abs() < 1e-9);
+        assert!((eval.negative.confidence - 0.35).abs() < 1e-9);
+        assert_eq!(eval.positive.evidence.len(), 2);
+        assert!(eval.positive.thesis.contains("立即推进"));
+    }
+
+    /// LLM mock 返回非法 JSON → bail → 降级 HeuristicFallback（evaluated_by 标记）
+    #[tokio::test]
+    async fn a9_llm_mock_bad_json_fallback() {
+        let idea = make_idea("坏想法", "测试降级", Priority::Medium, vec![]);
+        let provider = Arc::new(MockProvider { text: "这不是 JSON".to_string() });
+        let engine = AdversarialEngine::new(provider);
+        let eval = engine.evaluate(&idea).await.unwrap();
+
+        println!("\n[a9] LLM mock 非 JSON → 降级");
+        println!("  evaluated_by = {:?} (期望 HeuristicFallback)", eval.evaluated_by);
+        assert_eq!(eval.evaluated_by, EvaluatedBy::HeuristicFallback, "非 JSON 应降级");
+    }
+
+    /// LLM mock 返回枚举非法值 → bail → 降级
+    #[tokio::test]
+    async fn a10_llm_mock_bad_enum_fallback() {
+        let idea = make_idea("枚举非法", "测试枚举映射", Priority::High, vec![]);
+        let llm_text = r#"{
+  "positive": {"thesis":"x","evidence":[],"reasoning":[],"confidence":0.5},
+  "negative": {"thesis":"y","evidence":[],"reasoning":[],"confidence":0.5},
+  "analyst": {"summary":"s","strengths":[],"weaknesses":[],"risks":[],"opportunities":[],"final_assessment":"GoNow"},
+  "final_score": 5.0,
+  "recommendation": "Soon"
+}"#;
+        let provider = Arc::new(MockProvider { text: llm_text.to_string() });
+        let engine = AdversarialEngine::new(provider);
+        let eval = engine.evaluate(&idea).await.unwrap();
+
+        println!("\n[a10] LLM mock 枚举非法 → 降级");
+        println!("  evaluated_by = {:?} (期望 HeuristicFallback)", eval.evaluated_by);
+        assert_eq!(eval.evaluated_by, EvaluatedBy::HeuristicFallback);
+    }
+
+    /// 数值越界 → clamp（confidence>1 / final_score>10）应被截断，不触发降级
+    #[tokio::test]
+    async fn a11_llm_mock_value_clamp() {
+        let idea = make_idea("越界测试", "数值超出区间", Priority::Medium, vec![]);
+        let llm_text = r#"{
+  "positive": {"thesis":"p","evidence":[],"reasoning":[],"confidence":1.5},
+  "negative": {"thesis":"n","evidence":[],"reasoning":[],"confidence":-0.3},
+  "analyst": {"summary":"s","strengths":[],"weaknesses":[],"risks":[],"opportunities":[],"final_assessment":"Recommended"},
+  "final_score": 99.0,
+  "recommendation": "Soon"
+}"#;
+        let provider = Arc::new(MockProvider { text: llm_text.to_string() });
+        let engine = AdversarialEngine::new(provider);
+        let eval = engine.evaluate(&idea).await.unwrap();
+
+        println!("\n[a11] LLM mock 数值越界 clamp");
+        println!("  positive.confidence={:.2} (原 1.5 → 期望 1.0)", eval.positive.confidence);
+        println!("  negative.confidence={:.2} (原 -0.3 → 期望 0.0)", eval.negative.confidence);
+        println!("  final_score={:.2} (原 99 → 期望 10.0)", eval.final_score);
+
+        assert_eq!(eval.evaluated_by, EvaluatedBy::Llm, "仅越界不降级");
+        assert!((eval.positive.confidence - 1.0).abs() < 1e-9, "confidence>1 应 clamp 到 1.0");
+        assert!((eval.negative.confidence - 0.0).abs() < 1e-9, "confidence<0 应 clamp 到 0.0");
+        assert!((eval.final_score - 10.0).abs() < 1e-9, "final_score>10 应 clamp 到 10.0");
+    }
+
+    /// LLM 返回「前缀文字 + ```json + {...} + ```」（围栏不在开头）→ extract_json
+    /// 正则兜底提取首个 JSON 对象 → 解析成功不降级（CR-40-2 兜底路径）。
+    #[tokio::test]
+    async fn a12_llm_mock_fenced_not_at_start() {
+        let idea = make_idea("围栏不在开头", "测试正则兜底", Priority::High, vec![]);
+        let llm_text = "好的，以下是我的评估：\n```json\n{\n  \"positive\": {\"thesis\":\"p\",\"evidence\":[],\"reasoning\":[],\"confidence\":0.7},\n  \"negative\": {\"thesis\":\"n\",\"evidence\":[],\"reasoning\":[],\"confidence\":0.4},\n  \"analyst\": {\"summary\":\"s\",\"strengths\":[],\"weaknesses\":[],\"risks\":[],\"opportunities\":[],\"final_assessment\":\"Recommended\"},\n  \"final_score\": 7.0,\n  \"recommendation\": \"Soon\"\n}\n```\n希望对你有帮助。";
+        let provider = Arc::new(MockProvider { text: llm_text.to_string() });
+        let engine = AdversarialEngine::new(provider);
+        let eval = engine.evaluate(&idea).await.unwrap();
+
+        println!("\n[a12] 围栏不在开头 → 正则兜底提取");
+        println!("  evaluated_by = {:?} (期望 Llm，不应降级)", eval.evaluated_by);
+        assert_eq!(eval.evaluated_by, EvaluatedBy::Llm, "围栏不在开头应正则兜底解析成功");
+        assert!((eval.final_score - 7.0).abs() < 1e-9);
+        assert_eq!(eval.recommendation, Recommendation::Soon);
+    }
+}

crates/df-ideas/src/adversarial_helpers.rs

@@ -0,0 +1,366 @@
+//! 对抗评估 — 纯函数 / 类型 / 常量（自 adversarial.rs 抽离，纯搬迁，零行为变更）。
+//!
+//! 本文件承载 [`AdversarialEval`] 及其字段类型、LLM prompt 构造与 JSON 解析等无副作用
+//! 逻辑；有状态的引擎 [`AdversarialEngine`]（含 evaluate / evaluate_with_llm 主入口与
+//! ARC-260618-01-e 待决策逻辑）仍留在 `adversarial.rs`，二者经 [`use`] 互相引用。
+//!
+//! 抽离边界：类型定义（非 impl）+ 常量 + 顶层 free function。impl 主体不动，外部
+//! 已用路径（`df_ideas::adversarial::{AdversarialEngine, AdversarialEval, Recommendation}` 等）
+//! 由 adversarial.rs 通过 `pub use` 重新导出，调用方零变更。
+
+use anyhow::Result;
+use serde::{Deserialize, Serialize};
+
+use df_types::types::{IdeaId, Priority};
+use crate::capture::Idea;
+
+/// 评估来源标记
+///
+/// `Default = Heuristic`：老数据（F-07 之前）序列化时无 evaluated_by 字段,
+/// 反序列化回落启发式（与 F-07 之前行为一致）。
+#[derive(Debug, Clone, Default, Serialize, Deserialize, PartialEq, Eq)]
+pub enum EvaluatedBy {
+    /// LLM 深度评估
+    Llm,
+    /// 启发式评估（无 LLM 配置时的默认模式，也是老数据反序列化默认值）
+    #[default]
+    Heuristic,
+    /// 启发式降级（LLM 调用失败后 fallback）
+    HeuristicFallback,
+}
+
+/// 对抗评估结果
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct AdversarialEval {
+    pub idea_id: IdeaId,
+    pub positive: Argument,
+    pub negative: Argument,
+    pub analyst: AnalystAnalysis,
+    pub final_score: f64,
+    pub recommendation: Recommendation,
+    /// 评估来源（Llm / Heuristic / HeuristicFallback），前端据此显示评估深度标签
+    #[serde(default)]
+    pub evaluated_by: EvaluatedBy,
+}
+
+/// 论点（正方/反方共用同一结构）
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct Argument {
+    pub thesis: String,           // 核心观点
+    pub evidence: Vec<String>,    // 证据支持
+    pub reasoning: Vec<String>,   // 推理过程
+    pub confidence: f64,          // 置信度 0-1
+}
+
+/// AI 分析师综合分析
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct AnalystAnalysis {
+    pub summary: String,                    // 综合总结
+    pub strengths: Vec<String>,             // 主要优势
+    pub weaknesses: Vec<String>,            // 主要劣势
+    pub risks: Vec<String>,                // 潜在风险
+    pub opportunities: Vec<String>,          // 机会点
+    pub final_assessment: AssessmentLevel,  // 最终评估
+}
+
+/// 评估等级
+#[derive(Debug, Clone, Serialize, Deserialize, PartialEq, Eq)]
+pub enum AssessmentLevel {
+    StrongGo,      // 强烈推荐执行
+    Recommended,    // 推荐执行
+    Conditional,   // 有条件执行
+    Revised,       // 需要修改后执行
+    Defer,         // 推迟执行
+}
+
+/// 最终建议
+#[derive(Debug, Clone, Serialize, Deserialize, PartialEq, Eq)]
+pub enum Recommendation {
+    ImmediateAction,   // 立即行动
+    Soon,              // 尽快行动
+    WithResources,      // 配置资源后行动
+    ResearchMore,      // 需要更多研究
+    Monitor,           // 持续监控
+}
+
+// ============================================================
+// LLM 对抗评估 — prompt 构造 / JSON 解析（F-260614-03）
+// ============================================================
+
+/// LLM 角色 / 输出契约的系统级约束。
+///
+/// 放为 const 便于在 prompt 头部注入，与 [`build_adversarial_prompt`] 的「想法上下文」
+/// 分离：角色设定稳定不变，想法上下文按评估对象动态拼。
+pub(crate) const SYSTEM_PROMPT: &str = "\
+你是一位资深的技术产品决策顾问。你将主持一场三角色对抗式辩论，对一个软件想法做结构化评估：
+- 正方（Advocate）：论证为什么应该立即推进该想法，挖掘价值与可行性证据。
+- 反方（Skeptic）：质疑该想法，挖掘风险、机会成本与替代方案，不放过任何隐患。
+- 分析师（Analyst）：综合正反方观点，给出客观、平衡的最终裁决。
+
+规则：
+1. 你必须只输出一个 JSON 对象，不要输出任何解释性文字、Markdown 代码块标记或前后缀。
+2. 所有枚举字段只能取下方 schema 列出的字符串字面量（区分大小写）。
+3. 数值字段必须落在指定区间内。
+4. 论点（thesis / evidence / reasoning / summary 等）用中文表达，简洁有信息密度。";
+
+/// 构造对抗评估 prompt（三角色辩论 + 严格 JSON schema）。
+///
+/// 输出 prompt 包含：想法上下文（title/description/priority/tags）+ 角色 + JSON 输出
+/// 契约（含字段说明与枚举字面量），让 LLM 单轮产出可解析的结构化评估。
+pub(crate) fn build_adversarial_prompt(idea: &Idea) -> String {
+    // 描述截断防 prompt 过长：> 800 字按 800 截并附省略号提示。
+    let desc_raw = idea.description.trim();
+    let description = if desc_raw.chars().count() > 800 {
+        let head: String = desc_raw.chars().take(800).collect();
+        format!("{head}……（描述已截断，原长超过 800 字）")
+    } else if desc_raw.is_empty() {
+        "（描述为空，需求边界待补充）".to_string()
+    } else {
+        desc_raw.to_string()
+    };
+
+    let tags = if idea.tags.is_empty() {
+        "（无标签）".to_string()
+    } else {
+        idea.tags.join("、")
+    };
+
+    format!(
+        "\
+请对以下软件想法进行三角色对抗式评估。
+
+【想法上下文】
+标题：{title}
+描述：{description}
+优先级：{priority}
+标签：{tags}
+
+【输出 JSON schema】（只输出该 JSON 对象，字段名与枚举字面量严格一致）
+{{
+  \"positive\": {{
+    \"thesis\": \"正方核心观点（一句话）\",
+    \"evidence\": [\"证据 1\", \"证据 2\"],
+    \"reasoning\": [\"推理 1\", \"推理 2\"],
+    \"confidence\": 0.0到1.0之间的浮点数，正方置信度
+  }},
+  \"negative\": {{
+    \"thesis\": \"反方核心观点（一句话）\",
+    \"evidence\": [\"证据 1\"],
+    \"reasoning\": [\"推理 1\"],
+    \"confidence\": 0.0到1.0之间的浮点数，反方置信度
+  }},
+  \"analyst\": {{
+    \"summary\": \"分析师综合总结（一段话）\",
+    \"strengths\": [\"主要优势 1\"],
+    \"weaknesses\": [\"主要劣势 1\"],
+    \"risks\": [\"潜在风险 1\"],
+    \"opportunities\": [\"机会点 1\"],
+    \"final_assessment\": \"StrongGo | Recommended | Conditional | Revised | Defer\"
+  }},
+  \"final_score\": 0到10之间的浮点数，综合评分,
+  \"recommendation\": \"ImmediateAction | Soon | WithResources | ResearchMore | Monitor\"
+}}
+
+枚举字段说明：
+- final_assessment: StrongGo=强烈推荐执行 / Recommended=推荐执行 / Conditional=有条件执行 / Revised=需修改后执行 / Defer=推迟执行
+- recommendation: ImmediateAction=立即行动 / Soon=尽快行动 / WithResources=配置资源后行动 / ResearchMore=需更多研究 / Monitor=持续监控
+
+要求：
+- positive 与 negative 的论点必须真实基于上方想法上下文，不要泛泛而谈。
+- analyst.summary 必须总结双方并给出明确倾向，不要模棱两可。
+- final_score 与 recommendation 应与 analyst.final_assessment 自洽（如 Defer 对应低分与 Monitor）。
+- 只输出 JSON，不要任何额外文字。",
+        title = idea.title,
+        description = description,
+        priority = priority_label(&idea.priority),
+        tags = tags,
+    )
+}
+
+/// LLM 返回的非类型化 JSON 表示（与 [`AdversarialEval`] 结构对齐，但枚举为字符串、
+/// evaluated_by 字段省略——由 [`AdversarialEngine::evaluate`] 调用方覆盖）。
+///
+/// 采用独立中间结构而非直接 serde 到 [`AdversarialEval`]：便于在枚举非法时给出
+/// 字段级错误信息（`final_assessment: "GoNow" 不在合法集合`），而非整条记录丢弃；
+/// 同时留出数值 clamp 的统一收口。
+#[derive(Debug, Deserialize)]
+pub(crate) struct LlmEvalRaw {
+    pub(crate) positive: ArgumentRaw,
+    pub(crate) negative: ArgumentRaw,
+    pub(crate) analyst: AnalystRaw,
+    pub(crate) final_score: f64,
+    pub(crate) recommendation: String,
+}
+
+#[derive(Debug, Deserialize)]
+pub(crate) struct ArgumentRaw {
+    pub(crate) thesis: String,
+    #[serde(default)]
+    pub(crate) evidence: Vec<String>,
+    #[serde(default)]
+    pub(crate) reasoning: Vec<String>,
+    #[serde(default)]
+    pub(crate) confidence: f64,
+}
+
+#[derive(Debug, Deserialize)]
+pub(crate) struct AnalystRaw {
+    #[serde(default)]
+    pub(crate) summary: String,
+    #[serde(default)]
+    pub(crate) strengths: Vec<String>,
+    #[serde(default)]
+    pub(crate) weaknesses: Vec<String>,
+    #[serde(default)]
+    pub(crate) risks: Vec<String>,
+    #[serde(default)]
+    pub(crate) opportunities: Vec<String>,
+    pub(crate) final_assessment: String,
+}
+
+/// 解析 LLM 返回文本为 [`AdversarialEval`]。
+///
+/// 容错策略（任一失败 `bail` → 由 [`AdversarialEngine::evaluate`] 降级启发式）：
+/// 1. 剥离 ```json … ``` 代码块围栏与首尾空白（部分 LLM 会无视「只输出 JSON」要求）。
+/// 2. `serde_json` 反序列化为 [`LlmEvalRaw`]；字段类型错 / 缺失必填 → bail。
+/// 3. 枚举字符串映射（[`parse_assessment_level`] / [`parse_recommendation`]）；非法值 → bail。
+/// 4. 数值 clamp：confidence ∈ [0,1]，final_score ∈ [0,10]。
+pub(crate) fn parse_llm_eval(text: &str, idea_id: &str) -> Result<AdversarialEval> {
+    let json_str = extract_json(text);
+    let raw: LlmEvalRaw = serde_json::from_str(&json_str).map_err(|e| {
+        anyhow::anyhow!("LLM 返回非合法 JSON 或字段缺失: {e}")
+    })?;
+
+    let final_assessment = parse_assessment_level(&raw.analyst.final_assessment)?;
+    let recommendation = parse_recommendation(&raw.recommendation)?;
+
+    let positive = Argument {
+        thesis: raw.positive.thesis,
+        evidence: raw.positive.evidence,
+        reasoning: raw.positive.reasoning,
+        confidence: raw.positive.confidence.clamp(0.0, 1.0),
+    };
+    let negative = Argument {
+        thesis: raw.negative.thesis,
+        evidence: raw.negative.evidence,
+        reasoning: raw.negative.reasoning,
+        confidence: raw.negative.confidence.clamp(0.0, 1.0),
+    };
+    let analyst = AnalystAnalysis {
+        summary: raw.analyst.summary,
+        strengths: raw.analyst.strengths,
+        weaknesses: raw.analyst.weaknesses,
+        risks: raw.analyst.risks,
+        opportunities: raw.analyst.opportunities,
+        final_assessment,
+    };
+
+    Ok(AdversarialEval {
+        idea_id: idea_id.to_string(),
+        positive,
+        negative,
+        analyst,
+        // final_score clamp 单点收口于此（evaluate_with_llm 不再重复 clamp，CR-40-1）
+        final_score: raw.final_score.clamp(0.0, 10.0),
+        recommendation,
+        // 由 evaluate() 按 LLM 调度路径覆盖为 EvaluatedBy::Llm
+        evaluated_by: EvaluatedBy::Llm,
+    })
+}
+
+/// 从 LLM 返回文本中提取 JSON 主体。
+///
+/// 提取优先级：
+/// 1. 代码围栏在开头（```json … ``` 或 ``` … ```）→ 快路径剥离围栏返回主体。
+/// 2. 围栏不在开头（LLM 输出「前缀文字 + ```json + {...} + ```」）→ 正则
+///    `(?s)\{.*\}` 兜底提取首个 `{` 到最后一个 `}` 的片段（增强命中率）。
+///
+/// 注意：兜底返回的是「原始文本中首个 JSON 对象字面量」，**不再** trim 后整段交给
+/// serde——由 [`parse_llm_eval`] 的 serde 步骤校验合法性，失败即 bail 降级。
+pub(crate) fn extract_json(text: &str) -> String {
+    let trimmed = text.trim();
+    // 快路径：围栏在开头（```json ... ``` 或 ``` ... ```）
+    if let Some(rest) = trimmed.strip_prefix("```") {
+        // 跳过语言标记（json/JSON 等）到首个换行
+        let after_lang = match rest.find('\n') {
+            Some(idx) => &rest[idx + 1..],
+            None => rest,
+        };
+        let body = after_lang.trim_end();
+        if let Some(body_inner) = body.strip_suffix("```") {
+            return body_inner.trim().to_string();
+        }
+        // 围栏闭合缺失(如 JSON 与 ``` 同行 / 闭合后仍有文字 / 多行 JSON 末尾混噪声):
+        // 快路径无法干净剥离 → 落到正则兜底提取首个 JSON 对象,提升命中率。
+        // (原实现在此处 return body.trim() 会把语言标记/尾随文字一起喂 serde,
+        //  必然失败降级启发式,即便正则本可救回。)
+    }
+    // 兜底：围栏不在开头或混杂前后文字 → 正则提取首个 JSON 对象（CR-40-2）。
+    // (?s) 让 . 匹配换行，贪婪 {*} 取首 { 到末 }，覆盖嵌套对象。
+    // 提取失败（无 { }）则返回 trimmed 走原文 serde 报错降级，语义不变。
+    static JSON_RE: std::sync::OnceLock<regex::Regex> = std::sync::OnceLock::new();
+    let re = JSON_RE.get_or_init(|| regex::Regex::new(r"(?s)\{.*\}").expect("合法静态正则"));
+    match re.captures(trimmed) {
+        Some(c) => c.get(0).map(|m| m.as_str().to_string()).unwrap_or_else(|| trimmed.to_string()),
+        None => trimmed.to_string(),
+    }
+}
+
+/// 枚举字面量 → [`AssessmentLevel`]。区分大小写匹配 schema 文档约定。
+pub(crate) fn parse_assessment_level(s: &str) -> Result<AssessmentLevel> {
+    match s.trim() {
+        "StrongGo" => Ok(AssessmentLevel::StrongGo),
+        "Recommended" => Ok(AssessmentLevel::Recommended),
+        "Conditional" => Ok(AssessmentLevel::Conditional),
+        "Revised" => Ok(AssessmentLevel::Revised),
+        "Defer" => Ok(AssessmentLevel::Defer),
+        other => anyhow::bail!(
+            "final_assessment 枚举值非法: {:?}（合法: StrongGo|Recommended|Conditional|Revised|Defer）",
+            other
+        ),
+    }
+}
+
+/// 枚举字面量 → [`Recommendation`]。区分大小写匹配 schema 文档约定。
+pub(crate) fn parse_recommendation(s: &str) -> Result<Recommendation> {
+    match s.trim() {
+        "ImmediateAction" => Ok(Recommendation::ImmediateAction),
+        "Soon" => Ok(Recommendation::Soon),
+        "WithResources" => Ok(Recommendation::WithResources),
+        "ResearchMore" => Ok(Recommendation::ResearchMore),
+        "Monitor" => Ok(Recommendation::Monitor),
+        other => anyhow::bail!(
+            "recommendation 枚举值非法: {:?}（合法: ImmediateAction|Soon|WithResources|ResearchMore|Monitor）",
+            other
+        ),
+    }
+}
+
+pub(crate) fn priority_label(p: &Priority) -> &'static str {
+    match p {
+        Priority::Critical => "紧急",
+        Priority::High => "高",
+        Priority::Medium => "中",
+        Priority::Low => "低",
+    }
+}
+
+pub(crate) fn assessment_desc(level: &AssessmentLevel) -> &'static str {
+    match level {
+        AssessmentLevel::StrongGo => "价值高且可行性强",
+        AssessmentLevel::Recommended => "整体值得推进",
+        AssessmentLevel::Conditional => "有条件地推进",
+        AssessmentLevel::Revised => "需调整后再评估",
+        AssessmentLevel::Defer => "建议暂缓",
+    }
+}
+
+pub(crate) fn action_hint(level: &AssessmentLevel) -> &'static str {
+    match level {
+        AssessmentLevel::StrongGo => "立即立项启动",
+        AssessmentLevel::Recommended => "尽快排期",
+        AssessmentLevel::Conditional => "配置资源后启动",
+        AssessmentLevel::Revised => "补充信息后重新评估",
+        AssessmentLevel::Defer => "持续观察时机",
+    }
+}

crates/df-ideas/src/capture.rs

@@ -1,25 +1,8 @@
-//! 想法捕获 — 快速记录与管理
+//! 想法实体与评分类型 — 供 scoring/adversarial/promotion 共享
 
 use serde::{Deserialize, Serialize};
 
-use df_core::types::{IdeaId, Priority};
-
-/// 捕获一个新想法的输入
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct CaptureInput {
-    /// 标题
-    pub title: String,
-    /// 详细描述
-    pub description: String,
-    /// 优先级
-    #[serde(default)]
-    pub priority: Priority,
-    /// 标签
-    #[serde(default)]
-    pub tags: Vec<String>,
-    /// 来源（如 "用户输入"、"AI 生成"、"会议记录"）
-    pub source: Option<String>,
-}
+use df_types::types::{IdeaId, Priority};
 
 /// 想法实体
 #[derive(Debug, Clone, Serialize, Deserialize)]
@@ -31,7 +14,7 @@ pub struct Idea {
     /// 详细描述
     pub description: String,
     /// 当前状态
-    pub status: df_core::types::IdeaStatus,
+    pub status: df_types::types::IdeaStatus,
     /// 优先级
     pub priority: Priority,
     /// 评分
@@ -60,39 +43,3 @@ pub struct IdeaScores {
     /// 综合评分 (加权平均)
     pub overall: f64,
 }
-
-/// 想法捕获器
-pub struct IdeaCapture;
-
-impl IdeaCapture {
-    /// 捕获一个新想法
-    ///
-    /// TODO: 接入存储层持久化
-    pub fn capture(input: CaptureInput) -> Idea {
-        let now = chrono::Utc::now();
-        Idea {
-            id: df_core::types::new_id(),
-            title: input.title,
-            description: input.description,
-            status: df_core::types::IdeaStatus::Draft,
-            priority: input.priority,
-            scores: None,
-            tags: input.tags,
-            source: input.source,
-            related_ids: Vec::new(),
-            created_at: now,
-            updated_at: now,
-        }
-    }
-
-    /// 快速捕获（仅标题）
-    pub fn quick_capture(title: String) -> Idea {
-        Self::capture(CaptureInput {
-            title,
-            description: String::new(),
-            priority: Priority::default(),
-            tags: Vec::new(),
-            source: None,
-        })
-    }
-}

crates/df-ideas/src/evaluator.rs

@@ -1,79 +0,0 @@
-//! 想法评估器 — 对想法进行多维度评估
-
-use anyhow::Result;
-
-use df_core::types::IdeaId;
-
-use crate::adversarial::{AdversarialEngine, AdversarialEval};
-use crate::capture::Idea;
-use crate::scoring::IdeaScores;
-
-/// 评估维度
-#[derive(Debug, Clone, Copy)]
-pub enum EvalDimension {
-    /// 可行性
-    Feasibility,
-    /// 影响力
-    Impact,
-    /// 紧急度
-    Urgency,
-}
-
-/// 评估结果
-#[derive(Debug, Clone)]
-pub struct EvalResult {
-    pub idea_id: IdeaId,
-    pub scores: IdeaScores,
-    pub recommendation: Recommendation,
-    pub comments: Vec<String>,
-}
-
-/// 评估建议
-#[derive(Debug, Clone, Copy, PartialEq, Eq)]
-pub enum Recommendation {
-    /// 强烈推荐立即执行
-    StrongApprove,
-    /// 推荐执行
-    Approve,
-    /// 需要更多信息
-    NeedsInfo,
-    /// 建议推迟
-    Defer,
-    /// 不推荐
-    Reject,
-}
-
-/// 想法评估器
-pub struct IdeaEvaluator;
-
-impl IdeaEvaluator {
-    /// 评估一个想法 - 使用对抗式评估
-    pub async fn evaluate_adversarial(idea: &Idea) -> Result<AdversarialEval> {
-        AdversarialEngine::evaluate(idea).await
-    }
-
-    /// 评估一个想法 - 保持向后兼容
-    pub fn evaluate(idea: &Idea) -> Result<EvalResult> {
-        // 使用简单评分作为后备
-        let scores = crate::scoring::ScoringEngine::compute_default(idea);
-
-        let recommendation = if scores.overall >= 8.0 {
-            Recommendation::StrongApprove
-        } else if scores.overall >= 6.0 {
-            Recommendation::Approve
-        } else if scores.overall >= 4.0 {
-            Recommendation::NeedsInfo
-        } else if scores.overall >= 2.0 {
-            Recommendation::Defer
-        } else {
-            Recommendation::Reject
-        };
-
-        Ok(EvalResult {
-            idea_id: idea.id.clone(),
-            scores,
-            recommendation,
-            comments: Vec::new(),
-        })
-    }
-}

crates/df-ideas/src/graph.rs

@@ -1,76 +0,0 @@
-//! 想法关联图 — 管理想法之间的关系
-
-use std::collections::HashMap;
-
-use df_core::types::IdeaId;
-
-/// 想法之间的关系类型
-#[derive(Debug, Clone, Copy, PartialEq, Eq)]
-pub enum RelationKind {
-    /// 相似（语义相近）
-    Similar,
-    /// 依赖（A 依赖 B）
-    DependsOn,
-    /// 衍生（A 衍生自 B）
-    DerivedFrom,
-    /// 互补（A 和 B 可以互补）
-    Complementary,
-}
-
-/// 想法关系边
-#[derive(Debug, Clone)]
-pub struct Relation {
-    pub source_id: IdeaId,
-    pub target_id: IdeaId,
-    pub kind: RelationKind,
-    pub strength: f64, // 0.0 ~ 1.0
-}
-
-/// 想法关联图
-pub struct IdeaGraph {
-    /// 邻接表（idea_id -> 相关关系列表）
-    edges: HashMap<IdeaId, Vec<Relation>>,
-}
-
-impl IdeaGraph {
-    /// 创建空图
-    pub fn new() -> Self {
-        Self {
-            edges: HashMap::new(),
-        }
-    }
-
-    /// 添加关系
-    pub fn add_relation(&mut self, source_id: IdeaId, target_id: IdeaId, kind: RelationKind, strength: f64) {
-        let relation = Relation {
-            source_id: source_id.clone(),
-            target_id: target_id.clone(),
-            kind,
-            strength,
-        };
-        self.edges.entry(source_id).or_default().push(relation.clone());
-        self.edges.entry(target_id).or_default().push(relation);
-    }
-
-    /// 获取与指定想法相关的所有关系
-    pub fn get_relations(&self, idea_id: &IdeaId) -> Vec<&Relation> {
-        self.edges.get(idea_id).map(|r| r.iter().collect()).unwrap_or_default()
-    }
-
-    /// 查找相似想法
-    pub fn find_similar(&self, idea_id: &IdeaId) -> Vec<&Relation> {
-        self.get_relations(idea_id)
-            .into_iter()
-            .filter(|r| r.kind == RelationKind::Similar)
-            .collect()
-    }
-
-    // TODO: 基于向量相似度的自动关联发现
-    // TODO: 图遍历、聚类算法
-}
-
-impl Default for IdeaGraph {
-    fn default() -> Self {
-        Self::new()
-    }
-}

crates/df-ideas/src/lib.rs

@@ -1,8 +1,8 @@
-//! df-ideas: 想法池 — 捕获、评估、评分、关联图、晋升
+//! df-ideas: 想法池 — 捕获、评估、评分、晋升
 
 pub mod adversarial;
+mod adversarial_helpers;
 pub mod capture;
-pub mod evaluator;
-pub mod graph;
 pub mod promotion;
 pub mod scoring;
+pub mod scoring_keywords;

crates/df-ideas/src/promotion.rs

@@ -1,91 +1,16 @@
-//! 想法晋升 — 将想法转为项目
+//! 想法晋升 — PromotionResult(promote_idea IPC 返回类型)。
+//! 实际晋升路径:commands/idea.rs::promote_idea → df-project::ProjectManager::create_from_idea。
+//! 历史空壳 IdeaPromoter/PromotionPolicy 已删(R-PD-14)。
 
-use anyhow::Result;
+use serde::Serialize;
 
-use df_core::types::{IdeaId, ProjectId};
+use df_types::types::{IdeaId, ProjectId};
 
-use crate::capture::Idea;
-use crate::evaluator::Recommendation;
-
-/// 晋升结果
-#[derive(Debug, Clone)]
+/// 晋升结果（promote_idea IPC 返回类型）
+#[derive(Debug, Clone, Serialize)]
 pub struct PromotionResult {
     pub idea_id: IdeaId,
     pub project_id: ProjectId,
     pub promoted: bool,
     pub reason: String,
 }
-
-/// 晋升策略
-#[derive(Debug, Clone, Copy)]
-pub enum PromotionPolicy {
-    /// 自动晋升（评分达标时自动转为项目）
-    Auto,
-    /// 手动确认（需要人工审批）
-    Manual,
-    /// 半自动（AI 评估 + 人工确认）
-    SemiAuto,
-}
-
-/// 想法晋升器
-pub struct IdeaPromoter {
-    policy: PromotionPolicy,
-}
-
-impl IdeaPromoter {
-    /// 创建晋升器
-    pub fn new(policy: PromotionPolicy) -> Self {
-        Self { policy }
-    }
-
-    /// 评估并尝试晋升想法
-    ///
-    /// TODO: 接入 df-project 创建项目
-    pub fn try_promote(&self, idea: &Idea, recommendation: &Recommendation) -> Result<PromotionResult> {
-        match self.policy {
-            PromotionPolicy::Auto => {
-                if matches!(recommendation, Recommendation::StrongApprove | Recommendation::Approve) {
-                    self.do_promote(idea)
-                } else {
-                    Ok(PromotionResult {
-                        idea_id: idea.id.clone(),
-                        project_id: String::new(),
-                        promoted: false,
-                        reason: format!("评估建议 {:?}，未达到自动晋升标准", recommendation),
-                    })
-                }
-            }
-            PromotionPolicy::Manual => {
-                Ok(PromotionResult {
-                    idea_id: idea.id.clone(),
-                    project_id: String::new(),
-                    promoted: false,
-                    reason: "手动模式，等待人工审批".to_string(),
-                })
-            }
-            PromotionPolicy::SemiAuto => {
-                // TODO: AI 评估 + 人工确认流程
-                Ok(PromotionResult {
-                    idea_id: idea.id.clone(),
-                    project_id: String::new(),
-                    promoted: false,
-                    reason: "半自动模式，等待确认".to_string(),
-                })
-            }
-        }
-    }
-
-    /// 执行晋升操作
-    fn do_promote(&self, idea: &Idea) -> Result<PromotionResult> {
-        let project_id = df_core::types::new_id();
-        // TODO: 调用 df-project 创建项目
-        tracing::info!("想法 {} 晋升为项目 {}", idea.id, project_id);
-
-        Ok(PromotionResult {
-            idea_id: idea.id.clone(),
-            project_id,
-            promoted: true,
-            reason: "评估达标，自动晋升".to_string(),
-        })
-    }
-}

crates/df-ideas/src/scoring.rs

@@ -1,10 +1,25 @@
-//! 评分引擎 — 多维度加权评分
+//! 评分引擎 — 基于想法内容的多维度启发式评分
+//!
+//! 各维度分数均为 0-10（IPC 层会 *10 缩放为 0-100 以匹配前端）。
+//! 启发式依据：优先级、描述充实度、标签、关键词信号——保证稳定且有区分度。
+//! TODO: 接入 AI 做语义级深度评分。
 
 use crate::capture::Idea;
 
 /// 想法评分详情（重新导出 capture 模块中的定义）
 pub use crate::capture::IdeaScores;
 
+use df_types::types::Priority;
+
+// ─── 启发式关键词(从 `scoring_keywords` 模块导入)───
+//
+// 关键词常量已拆至独立文件 `scoring_keywords.rs`。
+// 启发式是过渡方案,对抗式评估上线后按需升级为 JSON 配置。
+pub use crate::scoring_keywords::{
+    FEASIBILITY_POSITIVE_KEYWORDS, FEASIBILITY_NEGATIVE_KEYWORDS,
+    IMPACT_KEYWORDS, URGENCY_KEYWORDS,
+};
+
 /// 评分权重配置
 #[derive(Debug, Clone)]
 pub struct ScoringWeights {
@@ -28,17 +43,12 @@ pub struct ScoringEngine;
 
 impl ScoringEngine {
     /// 使用默认权重计算评分
-    ///
-    /// TODO: 接入 AI 进行深度评分，当前返回基于启发式的分数
     pub fn compute_default(idea: &Idea) -> IdeaScores {
-        let weights = ScoringWeights::default();
-        Self::compute(idea, &weights)
+        Self::compute(idea, &ScoringWeights::default())
     }
 
     /// 使用指定权重计算评分
     pub fn compute(idea: &Idea, weights: &ScoringWeights) -> IdeaScores {
-        // TODO: 基于想法内容、历史数据、AI 分析等多维度评分
-        // 当前使用基于启发式的占位评分
         let feasibility = Self::heuristic_feasibility(idea);
         let impact = Self::heuristic_impact(idea);
         let urgency = Self::heuristic_urgency(idea);
@@ -55,21 +65,265 @@ impl ScoringEngine {
         }
     }
 
-    /// 启发式可行性评分
-    fn heuristic_feasibility(_idea: &Idea) -> f64 {
-        // TODO: 基于描述复杂度、资源需求等评估
-        5.0
+    /// 启发式可行性评分（描述充实度 + 技术/资源信号词）
+    fn heuristic_feasibility(idea: &Idea) -> f64 {
+        let mut score = 5.0_f64;
+        let desc = idea.description.trim();
+        if !desc.is_empty() {
+            score += 1.5;
+        }
+        let len = desc.chars().count();
+        if (50..=500).contains(&len) {
+            score += 1.0;
+        } else if len > 500 {
+            // 过长描述通常意味着实现复杂度上升
+            score -= 0.5;
+        }
+        // 可行性正向信号
+        let pos = count_any(desc, FEASIBILITY_POSITIVE_KEYWORDS);
+        score += (pos as f64) * 0.5;
+        // 复杂度负向信号
+        let neg = count_any(desc, FEASIBILITY_NEGATIVE_KEYWORDS);
+        score -= (neg as f64) * 0.6;
+        score.clamp(0.0, 10.0)
     }
 
-    /// 启发式影响力评分
-    fn heuristic_impact(_idea: &Idea) -> f64 {
-        // TODO: 基于业务价值、用户影响等评估
-        5.0
+    /// 启发式影响力评分（优先级 + 价值信号词 + 标签广度）
+    fn heuristic_impact(idea: &Idea) -> f64 {
+        let mut score = match idea.priority {
+            Priority::Critical => 8.0,
+            Priority::High => 6.5,
+            Priority::Medium => 5.0,
+            Priority::Low => 3.5,
+        };
+        if !idea.tags.is_empty() {
+            score += 0.5;
+            // 标签越多影响面越广，上限 +1.0
+            score += (idea.tags.len().min(4) as f64) * 0.25;
+        }
+        let desc = idea.description.trim();
+        let value_hits = count_any(desc, IMPACT_KEYWORDS);
+        score += (value_hits as f64) * 0.5;
+        if desc.chars().count() > 100 {
+            score += 0.5;
+        }
+        score.clamp(0.0, 10.0)
     }
 
-    /// 启发式紧急度评分
-    fn heuristic_urgency(_idea: &Idea) -> f64 {
-        // TODO: 基于优先级、时间窗口等评估
-        5.0
+    /// 启发式紧急度评分（优先级 + 时效信号词）
+    fn heuristic_urgency(idea: &Idea) -> f64 {
+        let mut score = match idea.priority {
+            Priority::Critical => 9.0,
+            Priority::High => 7.0,
+            Priority::Medium => 5.0,
+            Priority::Low => 3.0,
+        };
+        let desc = idea.description.trim();
+        let time_hits = count_any(desc, URGENCY_KEYWORDS);
+        score += (time_hits as f64) * 0.5;
+        score.clamp(0.0, 10.0)
+    }
+}
+
+/// 统计 text 中命中任一关键词的数量（小写匹配，兼顾中英文）
+/// 局限:纯子串匹配,不识别"不复用""无用户增长"等否定前缀,接 LLM 后由语义层修正
+/// 单字否定前缀:关键词紧邻这些字时该命中不计(「不复用」不计入「复用」正向命中)。
+///
+/// 注意「别」单字歧义大(别具/别的/特别 均非否定),故不进单字清单——
+/// 祈使否定「别」改用两字清单兜底(别去/别再/别要/别用 等,见 NEGATION_PREFIXES_2)。
+const NEGATION_PREFIXES_1: &[char] = &['不', '无', '非', '未', '没', '勿'];
+/// 两字否定前缀:紧邻关键词的前两字符为这些时该命中不计(「没有复用」「并非简单」「别去复用」)。
+const NEGATION_PREFIXES_2: &[&str] = &[
+    "没有", "并非", "毫无", "不用", "不是",
+    // 「别X」祈使否定:双字形式可精确匹配,规避「别具/别的/特别」等单字误伤
+    "别去", "别再", "别要", "别用", "别做", "别给",
+];
+
+/// 关键词在 text 的 `end` 字节位置前是否处于否定上下文(紧邻否定词)。
+///
+/// `end` 是关键词起始字节位置(由 `str::find` 返回,必在 char 边界)。取 `text[..end]`
+/// 末尾 1-2 个 char 判否定:单字否定(不/无/非/...)或两字否定(没有/并非/...)。
+///
+/// 仅取末尾 ≤2 个 char(rev().take(2) 流式),省去每次命中的 `Vec<char>` 分配。
+fn is_negated_before(text: &str, end: usize) -> bool {
+    if end == 0 {
+        return false;
+    }
+    let before = &text[..end];
+    // 末尾最多 2 char,按 [次末, 末] 顺序收集(n=1 时仅末位)
+    let tail: Vec<char> = before.chars().rev().take(2).collect();
+    if tail.is_empty() {
+        return false;
+    }
+    // 单字否定:末位 char(tail[0]) 命中
+    if NEGATION_PREFIXES_1.contains(&tail[0]) {
+        return true;
+    }
+    // 两字否定:需凑齐 2 char,顺序为 [末, 次末] 反转回原序 [次末, 末]
+    if tail.len() == 2 {
+        let last2: String = [tail[1], tail[0]].iter().collect();
+        if NEGATION_PREFIXES_2.contains(&last2.as_str()) {
+            return true;
+        }
+    }
+    false
+}
+
+/// 统计 text 中命中任一关键词的数量(小写匹配,兼顾中英文)。
+///
+/// 否定前缀处理:关键词紧邻否定词(不复用/无增长/非紧急...)时该命中不计,
+/// 避免「不复用」反向计入「复用」正向分。双重否定(「不是不复用」)属罕见边缘,
+/// 不处理(接 LLM 后语义层兜底)。
+fn count_any(text: &str, keywords: &[&str]) -> usize {
+    let lower = text.to_lowercase();
+    keywords
+        .iter()
+        .filter(|kw| {
+            // 至少一个非否定上下文的出现即计为命中(同一词多次出现,一次有效即可)
+            let mut idx = 0usize;
+            while let Some(rel) = lower[idx..].find(*kw) {
+                let abs = idx + rel;
+                if !is_negated_before(&lower, abs) {
+                    return true;
+                }
+                idx = abs + kw.len();
+            }
+            false
+        })
+        .count()
+}
+
+#[cfg(test)]
+mod tests {
+    use super::*;
+    use crate::capture::Idea;
+    use df_types::types::{IdeaStatus, Priority};
+
+    /// 辅助工厂：构造测试用 Idea（时间/ID 用默认值，不影响评分）
+    fn make_idea(title: &str, desc: &str, priority: Priority, tags: Vec<&str>) -> Idea {
+        Idea {
+            id: "test-id".to_string(),
+            title: title.to_string(),
+            description: desc.to_string(),
+            status: IdeaStatus::Draft,
+            priority,
+            scores: None,
+            tags: tags.into_iter().map(String::from).collect(),
+            source: None,
+            related_ids: Vec::new(),
+            created_at: chrono::Utc::now(),
+            updated_at: chrono::Utc::now(),
+        }
+    }
+
+    #[test]
+    fn s1_empty_idea_baseline() {
+        let idea = make_idea("测试想法", "", Priority::Medium, vec![]);
+        let s = ScoringEngine::compute_default(&idea);
+        println!("\n[s1] 空想法 (Medium / 无描述 / 无标签)");
+        println!("  可行性={:.2}  影响力={:.2}  紧急度={:.2}  综合={:.2}", s.feasibility, s.impact, s.urgency, s.overall);
+        assert!((s.overall - 5.0).abs() < 0.01, "空想法 overall 应为 5.0, 实际 {:.2}", s.overall);
+    }
+
+    #[test]
+    fn s2_high_priority_value_desc() {
+        let desc = "面向用户的核心功能，带来显著增长，大幅提升效率。集成成熟方案，复用已有组件，快速交付价值。".repeat(3);
+        let idea = make_idea("增长引擎", &desc, Priority::Critical, vec!["增长", "核心"]);
+        let s = ScoringEngine::compute_default(&idea);
+        println!("\n[s2] 高优先级 + 价值描述 (Critical / ~120字 / 含价值词)");
+        println!("  可行性={:.2}  影响力={:.2}  紧急度={:.2}  综合={:.2}", s.feasibility, s.impact, s.urgency, s.overall);
+        assert!(s.impact >= 7.0, "impact 应≥7.0, 实际 {:.2}", s.impact);
+        assert!(s.urgency >= 8.0, "urgency 应≥8.0, 实际 {:.2}", s.urgency);
+    }
+
+    #[test]
+    fn s3_low_priority_short_desc() {
+        let idea = make_idea("小优化", "一句话", Priority::Low, vec![]);
+        let s = ScoringEngine::compute_default(&idea);
+        println!("\n[s3] 低优先级 + 短描述 (Low / 3字)");
+        println!("  可行性={:.2}  影响力={:.2}  紧急度={:.2}  综合={:.2}", s.feasibility, s.impact, s.urgency, s.overall);
+        assert!((s.overall - 4.6).abs() < 0.01, "overall 应为 4.6, 实际 {:.2}", s.overall);
+    }
+
+    #[test]
+    fn s4_feasibility_positive_signals() {
+        let idea = make_idea("复用方案", "复用已有组件，简单集成现成脚手架", Priority::Medium, vec![]);
+        let s = ScoringEngine::compute_default(&idea);
+        println!("\n[s4] 可行性正向信号 (含 复用/已有/简单/集成/现成/脚手架)");
+        println!("  可行性={:.2}  (预期 9.5)", s.feasibility);
+        assert!((s.feasibility - 9.5).abs() < 0.01, "正向信号 feasibility 应为 9.5, 实际 {:.2}", s.feasibility);
+    }
+
+    #[test]
+    fn s5_feasibility_negative_signals() {
+        let idea = make_idea("大重构", "大规模重构迁移，分布式重写从零开始", Priority::Medium, vec![]);
+        let s = ScoringEngine::compute_default(&idea);
+        println!("\n[s5] 可行性负向信号 (含 大规模/重构/迁移/分布式/重写/从零)");
+        println!("  可行性={:.2}  (预期 ≤5.0)", s.feasibility);
+        assert!(s.feasibility <= 5.0, "负向信号 feasibility 应≤5.0, 实际 {:.2}", s.feasibility);
+    }
+
+    #[test]
+    fn s6_custom_weights() {
+        let idea = make_idea("高可行低影响", "复用已有简单集成现成", Priority::Low, vec![]);
+        let custom = ScoringWeights { feasibility: 0.7, impact: 0.2, urgency: 0.1 };
+        let s_custom = ScoringEngine::compute(&idea, &custom);
+        let s_default = ScoringEngine::compute_default(&idea);
+        let manual = s_custom.feasibility * 0.7 + s_custom.impact * 0.2 + s_custom.urgency * 0.1;
+        println!("\n[s6] 自定义权重 (feas:0.7 / impact:0.2 / urg:0.1)");
+        println!("  自定义综合={:.2}  默认综合={:.2}  手算加权={:.2}", s_custom.overall, s_default.overall, manual);
+        assert!((s_custom.overall - manual).abs() < 0.01, "overall 应等于手算加权");
+        assert!(s_custom.overall > s_default.overall, "高 feas 配高权重应让综合更高");
+    }
+
+    #[test]
+    fn s7_clamp_upper_bound() {
+        let desc = "复用已有简单集成现成成熟基于脚手架模板支持".repeat(20);
+        let idea = make_idea("满分想法", &desc, Priority::Critical, vec!["a", "b", "c", "d"]);
+        let s = ScoringEngine::compute_default(&idea);
+        println!("\n[s7] clamp 上限 (堆正向词 + 超长描述 + Critical)");
+        println!("  可行性={:.2}  影响力={:.2}  紧急度={:.2}  综合={:.2}", s.feasibility, s.impact, s.urgency, s.overall);
+        assert!(s.feasibility <= 10.0 && s.impact <= 10.0 && s.urgency <= 10.0, "所有维度应≤10");
+    }
+
+    #[test]
+    fn s8_clamp_lower_bound() {
+        let desc = "重构迁移大规模分布式重写从零全新架构高并发底层".repeat(20);
+        let idea = make_idea("灾难想法", &desc, Priority::Low, vec![]);
+        let s = ScoringEngine::compute_default(&idea);
+        println!("\n[s8] clamp 下限 (堆负向词 + Low)");
+        println!("  可行性={:.2}  影响力={:.2}  紧急度={:.2}  综合={:.2}", s.feasibility, s.impact, s.urgency, s.overall);
+        assert!(s.feasibility >= 0.0 && s.impact >= 0.0 && s.urgency >= 0.0, "所有维度应≥0");
+    }
+
+    #[test]
+    fn s9_single_char_negation_suppresses_hit() {
+        // 「不复用已有组件」:复用 被「不」否定不计,已有 命中 → feasibility 低于「复用已有组件」(复用+已有 双命中)
+        let neg = make_idea("不复用", "不复用已有组件", Priority::Medium, vec![]);
+        let pos = make_idea("复用", "复用已有组件", Priority::Medium, vec![]);
+        let s_neg = ScoringEngine::compute_default(&neg);
+        let s_pos = ScoringEngine::compute_default(&pos);
+        println!("\n[s9] 单字否定前缀抑制命中");
+        println!("  不复用已有组件 feasibility={:.2}  复用已有组件 feasibility={:.2}", s_neg.feasibility, s_pos.feasibility);
+        assert!(
+            s_neg.feasibility < s_pos.feasibility,
+            "单字否定应抑制正向命中致 feasibility 更低: neg={} pos={}",
+            s_neg.feasibility, s_pos.feasibility
+        );
+    }
+
+    #[test]
+    fn s10_two_char_negation_suppresses_hit() {
+        // 「没有复用」:两字否定 没有 抑制 复用 命中;「确实复用」无否定 复用 命中
+        let neg = make_idea("t", "没有复用", Priority::Medium, vec![]);
+        let pos = make_idea("t", "确实复用", Priority::Medium, vec![]);
+        let s_neg = ScoringEngine::compute_default(&neg);
+        let s_pos = ScoringEngine::compute_default(&pos);
+        println!("\n[s10] 两字否定前缀抑制命中");
+        println!("  没有复用 feasibility={:.2}  确实复用 feasibility={:.2}", s_neg.feasibility, s_pos.feasibility);
+        assert!(
+            s_neg.feasibility < s_pos.feasibility,
+            "两字否定「没有」应抑制命中: neg={} pos={}", s_neg.feasibility, s_pos.feasibility
+        );
     }
 }

crates/df-ideas/src/scoring_keywords.rs

@@ -0,0 +1,24 @@
+//! 评分引擎关键词 — 从 `scoring.rs` 拆出的独立常量文件。
+//!
+//! 启发式评分是过渡方案（对抗式评估上线后按需升级为 JSON 配置），
+//! 此处仅做最小改动：将硬编码关键词集中于此，保持 `scoring.rs` 逻辑清晰。
+
+/// 可行性正向信号词(描述充实度外的技术/资源信号),命中每个 +0.5
+pub const FEASIBILITY_POSITIVE_KEYWORDS: &[&str] = &[
+    "复用", "已有", "简单", "集成", "支持", "成熟", "基于", "现成", "脚手架", "模板",
+];
+
+/// 可行性负向信号词(复杂度上升信号),命中每个 -0.6
+pub const FEASIBILITY_NEGATIVE_KEYWORDS: &[&str] = &[
+    "重构", "迁移", "大规模", "分布式", "重写", "从零", "全新架构", "高并发", "底层",
+];
+
+/// 影响力价值信号词(用户/增长/收入...),命中每个 +0.5
+pub const IMPACT_KEYWORDS: &[&str] = &[
+    "用户", "增长", "收入", "效率", "体验", "核心", "关键", "痛点", "竞品", "留存",
+];
+
+/// 紧急度时效信号词(立即/马上/紧急...),命中每个 +0.5
+pub const URGENCY_KEYWORDS: &[&str] = &[
+    "立即", "马上", "紧急", "尽快", "本周", "上线", "deadline", "截止", "先行", "阻塞",
+];

crates/df-mcp/Cargo.toml

@@ -0,0 +1,23 @@
+[package]
+name = "df-mcp"
+version = "0.1.0"
+edition = "2021"
+description = "DevFlow MCP Server — 对外暴露数据层工具(JSON-RPC 2.0 over stdio)"
+
+[dependencies]
+df-storage = { path = "../df-storage" }
+df-types = { path = "../df-types" }
+# df-nodes: advance_task 复用推进链唯一 status 写入路径(advance_task_atomic,
+# 含 is_valid_state+can_transition+同态拒绝三层校验),避免 MCP 直调底层
+# advance_status_atomic 绕过状态机(防止外部客户端非法跳态 todo→done)。
+df-nodes = { path = "../df-nodes" }
+serde.workspace = true
+serde_json.workspace = true
+tokio.workspace = true
+anyhow.workspace = true
+tracing.workspace = true
+uuid.workspace = true
+futures = "0.3"
+
+[dev-dependencies]
+tokio = { workspace = true, features = ["full", "test-util"] }

crates/df-mcp/src/lib.rs

@@ -0,0 +1,19 @@
+//! df-mcp: DevFlow MCP Server — 对外暴露数据层工具
+//!
+//! 形态:独立 stdio JSON-RPC 2.0 server。手写最小化协议层(不引外部 MCP SDK),
+//! 复用 df-storage Repo 做实际数据读写,不重复 CRUD 实现。
+//!
+//! 安全降级(对抗评估反方核心):
+//! - High 风险(delete/purge/run_workflow)默认拒绝,返友好提示
+//! - Medium 风险(create/update/bind)默认允许 + 日志(tracing::warn)
+//! - `--read-only` 仅暴露 list/get 工具
+//! - 不暴露文件系统工具(防绕过应用内路径校验)
+//! - 仅 stdio / 本地,不暴露网络;无认证(依赖本地隔离)
+//!
+//! 入口: [`run_server`] — 由 Tauri CLI 子命令 `devflow mcp-server` 调用。
+
+pub mod protocol;
+pub mod server;
+pub mod tools;
+
+pub use server::run_server;

crates/df-mcp/src/protocol.rs

@@ -0,0 +1,201 @@
+//! JSON-RPC 2.0 over stdio 协议层
+//!
+//! 职责:
+//! - 按行读 stdin,解析 JSON-RPC Request/Notification
+//! - 构造 Response / Error 对象并序列化为单行 JSON 写 stdout
+//! - MCP 三类方法路由(initialize / tools/list / tools/call)由上层 dispatch
+//!
+//! 不解析 batch 请求(MCP 客户端实测逐条发,单条足够)。
+//! 错误码遵循 JSON-RPC 2.0 + MCP 自定义段(-32xxx 协议层 / 0xffff 工具层)。
+
+use serde::{Deserialize, Serialize};
+use serde_json::Value;
+
+// ============================================================
+// JSON-RPC 2.0 错误码
+// ============================================================
+
+/// 协议层错误(JSON-RPC 2.0 预留段 -32000..-32099)
+pub const PARSE_ERROR: i32 = -32700;
+pub const INVALID_REQUEST: i32 = -32600;
+pub const METHOD_NOT_FOUND: i32 = -32601;
+pub const INVALID_PARAMS: i32 = -32602;
+pub const INTERNAL_ERROR: i32 = -32603;
+
+// ============================================================
+// 请求 / 响应数据结构
+// ============================================================
+
+/// JSON-RPC 2.0 请求(请求与通知共用,Notification 时 id=None)
+#[derive(Debug, Clone, Deserialize)]
+pub struct Request {
+    pub jsonrpc: Option<String>,
+    pub id: Option<Value>,
+    pub method: String,
+    #[serde(default)]
+    pub params: Value,
+}
+
+/// JSON-RPC 2.0 错误对象
+#[derive(Debug, Clone, Serialize)]
+pub struct ErrorObject {
+    pub code: i32,
+    pub message: String,
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub data: Option<Value>,
+}
+
+/// JSON-RPC 2.0 响应
+#[derive(Debug, Clone, Serialize)]
+pub struct Response {
+    pub jsonrpc: &'static str,
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub id: Option<Value>,
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub result: Option<Value>,
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub error: Option<ErrorObject>,
+}
+
+impl Response {
+    /// 成功响应
+    pub fn ok(id: Option<Value>, result: Value) -> Self {
+        Self {
+            jsonrpc: "2.0",
+            id,
+            result: Some(result),
+            error: None,
+        }
+    }
+
+    /// 错误响应
+    pub fn err(id: Option<Value>, code: i32, message: impl Into<String>, data: Option<Value>) -> Self {
+        Self {
+            jsonrpc: "2.0",
+            id,
+            result: None,
+            error: Some(ErrorObject {
+                code,
+                message: message.into(),
+                data,
+            }),
+        }
+    }
+}
+
+// ============================================================
+// MCP 方法路由 — 暴露给上层 dispatch 的 enum
+// ============================================================
+
+/// MCP 协议层方法(已剥离 JSON-RPC 包装)。未知方法返回 `Unknown`,由 dispatch 回 METHOD_NOT_FOUND。
+#[derive(Debug, Clone)]
+pub enum McpMethod {
+    /// initialize 握手:返 server info + capabilities
+    Initialize { params: Value },
+    /// initialized 通知:客户端确认握手完成,无需响应
+    Initialized,
+    /// tools/list:列出所有工具(MCP Tool schema)
+    ToolsList,
+    /// tools/call:调用某工具
+    ToolsCall { name: String, arguments: Value },
+    /// ping 心跳(MCP 2025 规范),回空 result
+    Ping,
+    /// 未识别的方法(回 METHOD_NOT_FOUND)
+    Unknown(String),
+}
+
+impl McpMethod {
+    /// 从 Request 路由出 MCP 语义方法。
+    pub fn from_request(req: &Request) -> Self {
+        match req.method.as_str() {
+            "initialize" => McpMethod::Initialize { params: req.params.clone() },
+            "notifications/initialized" => McpMethod::Initialized,
+            "tools/list" => McpMethod::ToolsList,
+            "tools/call" => {
+                let name = req
+                    .params
+                    .get("name")
+                    .and_then(|v| v.as_str())
+                    .unwrap_or("")
+                    .to_owned();
+                let arguments = req.params.get("arguments").cloned().unwrap_or(Value::Null);
+                McpMethod::ToolsCall { name, arguments }
+            }
+            "ping" => McpMethod::Ping,
+            other => McpMethod::Unknown(other.to_owned()),
+        }
+    }
+}
+
+// ============================================================
+// MCP 协议数据结构(initialize 握手 / Tool schema / CallToolResult)
+// ============================================================
+
+/// MCP initialize 握手响应结构(server info + capabilities)
+#[derive(Debug, Clone, Serialize)]
+pub struct InitializeResult {
+    #[serde(rename = "protocolVersion")]
+    pub protocol_version: &'static str,
+    pub capabilities: Capabilities,
+    #[serde(rename = "serverInfo")]
+    pub server_info: ServerInfo,
+}
+
+#[derive(Debug, Clone, Serialize)]
+pub struct Capabilities {
+    pub tools: ToolsCapability,
+}
+
+#[derive(Debug, Clone, Serialize)]
+pub struct ToolsCapability {
+    #[serde(rename = "listChanged")]
+    pub list_changed: bool,
+}
+
+#[derive(Debug, Clone, Serialize)]
+pub struct ServerInfo {
+    pub name: &'static str,
+    pub version: &'static str,
+}
+
+/// MCP Tool 描述符(tools/list 返回数组元素)
+#[derive(Debug, Clone, Serialize)]
+pub struct Tool {
+    pub name: &'static str,
+    pub description: &'static str,
+    #[serde(rename = "inputSchema")]
+    pub input_schema: Value,
+}
+
+/// MCP tools/call 成功响应(CallToolResult)
+#[derive(Debug, Clone, Serialize)]
+pub struct CallToolResult {
+    pub content: Vec<ContentBlock>,
+    #[serde(rename = "isError", skip_serializing_if = "Option::is_none")]
+    pub is_error: Option<bool>,
+}
+
+/// MCP 内容块(本 server 仅用 text)
+#[derive(Debug, Clone, Serialize)]
+#[serde(tag = "type", rename_all = "camelCase")]
+pub enum ContentBlock {
+    Text { text: String },
+}
+
+impl CallToolResult {
+    /// 文本成功响应
+    pub fn text(text: impl Into<String>) -> Self {
+        Self {
+            content: vec![ContentBlock::Text { text: text.into() }],
+            is_error: None,
+        }
+    }
+
+    /// 文本错误响应(is_error=true 让客户端区分「工具业务错」与「协议错」)
+    pub fn error(text: impl Into<String>) -> Self {
+        Self {
+            content: vec![ContentBlock::Text { text: text.into() }],
+            is_error: Some(true),
+        }
+    }
+}

crates/df-mcp/src/server.rs

@@ -0,0 +1,343 @@
+//! MCP server 主循环 — stdio JSON-RPC 2.0
+//!
+//! 协议流程:
+//! 1. 客户端发 initialize → 回 serverInfo + capabilities.tools
+//! 2. 客户端发 notifications/initialized(通知,不回)
+//! 3. 客户端发 tools/list → 回工具清单(read-only 模式过滤)
+//! 4. 客户端发 tools/call → dispatch 到 handler
+//!
+//! 高风险(High)工具:tools/list 不暴露(从清单剔除),tools/call 即便绕过也由 handler 兜底拒绝。
+//! read-only:tools/list 仅留 Low,tools/call Medium/High 一律拒绝。
+
+use std::path::Path;
+use std::sync::Arc;
+
+use df_storage::db::Database;
+use serde_json::{json, Value};
+use tokio::io::{AsyncBufReadExt, AsyncWriteExt, BufReader};
+
+use crate::protocol::{
+    CallToolResult, Capabilities, InitializeResult, McpMethod, Request, Response, ServerInfo,
+    ToolsCapability,
+};
+use crate::tools::{self, Ctx, RiskLevel};
+
+/// 协议版本(MCP 2025-06-18)
+const PROTOCOL_VERSION: &str = "2025-06-18";
+const SERVER_NAME: &str = "devflow-mcp";
+const SERVER_VERSION: &str = env!("CARGO_PKG_VERSION");
+
+/// 启动 MCP server。
+///
+/// - `db_path`:SQLite 数据库文件路径(应用同库,开 WAL 模式)
+/// - `read_only`:true 则仅暴露 list/get 工具
+///
+/// 复用 [`Database::open`](df_storage::Database::open)(已含 `PRAGMA journal_mode=WAL`),
+/// 故 SQLite WAL 状态:随 df-storage 一起已启用,无需额外处理。
+pub async fn run_server(db_path: &Path, read_only: bool) -> anyhow::Result<()> {
+    let db = Arc::new(Database::open(db_path).await?);
+    let ctx = Ctx::new(db);
+
+    let stdin = tokio::io::stdin();
+    let stdout = tokio::io::stdout();
+    main_loop(stdin, stdout, &ctx, read_only).await
+}
+
+/// 可单测的主循环(参数化 stdin/stdout)。
+///
+/// 协议正确性:每行一个 JSON-RPC 消息,Response 单行写回(末尾 \n)。
+/// Notification(id=None)不回响应。
+pub async fn main_loop<R, W>(
+    stdin: R,
+    stdout: W,
+    ctx: &Ctx,
+    read_only: bool,
+) -> anyhow::Result<()>
+where
+    R: tokio::io::AsyncRead + Unpin,
+    W: tokio::io::AsyncWrite + Unpin,
+{
+    let mut reader = BufReader::new(stdin);
+    let mut writer = stdout;
+    let mut line = String::new();
+
+    loop {
+        line.clear();
+        let n = reader.read_line(&mut line).await?;
+        if n == 0 {
+            // EOF(stdin 关闭),优雅退出
+            break;
+        }
+        let trimmed = line.trim();
+        if trimmed.is_empty() {
+            continue;
+        }
+
+        // 解析 JSON-RPC 请求
+        let req: Request = match serde_json::from_str(trimmed) {
+            Ok(r) => r,
+            Err(e) => {
+                // 解析失败:无 id 时无法回响应,只能 log;有 id(尽力猜)回 PARSE_ERROR
+                tracing::warn!(target: "df_mcp", line = %trimmed, err = %e, "解析 JSON-RPC 行失败");
+                let resp = Response::err(None, crate::protocol::PARSE_ERROR, "Parse error", None);
+                write_response(&mut writer, &resp).await?;
+                continue;
+            }
+        };
+
+        let is_notification = req.id.is_none();
+        let method = McpMethod::from_request(&req);
+
+        // Notification 不回响应(除解析错外)
+        if is_notification {
+            match method {
+                McpMethod::Initialized => {
+                    tracing::debug!(target: "df_mcp", "客户端 initialized 通知已收");
+                }
+                _ => {
+                    tracing::debug!(target: "df_mcp", m = ?method, "忽略未识别通知");
+                }
+            }
+            continue;
+        }
+
+        let resp = dispatch(ctx, read_only, req.id.clone(), method).await;
+        write_response(&mut writer, &resp).await?;
+    }
+
+    Ok(())
+}
+
+/// 方法分发 → 构造 Response。
+///
+/// `id`:JSON-RPC 请求 id(回响应时原样回填;通知由 main_loop 已过滤)。
+async fn dispatch(ctx: &Ctx, read_only: bool, id: Option<Value>, method: McpMethod) -> Response {
+    match method {
+        McpMethod::Initialize { .. } => {
+            let result = InitializeResult {
+                protocol_version: PROTOCOL_VERSION,
+                capabilities: Capabilities {
+                    tools: ToolsCapability { list_changed: false },
+                },
+                server_info: ServerInfo {
+                    name: SERVER_NAME,
+                    version: SERVER_VERSION,
+                },
+            };
+            Response::ok(
+                id,
+                serde_json::to_value(result).unwrap_or(Value::Null),
+            )
+        }
+        McpMethod::Initialized => {
+            // 通知分支(由 main_loop 已过滤);到这里说明带 id 的 initialized,回空 result
+            Response::ok(id, Value::Object(Default::default()))
+        }
+        McpMethod::ToolsList => {
+            let tools: Vec<_> = tools::all_tools()
+                .into_iter()
+                .filter(|t| visible(read_only, t.risk))
+                .map(|t| serde_json::to_value(&t.tool).unwrap_or(Value::Null))
+                .collect();
+            Response::ok(id, json!({ "tools": tools }))
+        }
+        McpMethod::Ping => Response::ok(id, Value::Object(Default::default())),
+        McpMethod::ToolsCall { name, arguments } => {
+            // 查工具
+            let Some(spec) = tools::find(&name) else {
+                return Response::ok(
+                    id,
+                    serde_json::to_value(CallToolResult::error(format!("未知工具: {name}")))
+                        .unwrap_or(Value::Null),
+                );
+            };
+            // read-only 模式:Medium/High 全拒
+            if read_only && spec.risk != RiskLevel::Low {
+                let r = CallToolResult::error(format!(
+                    "只读模式拒绝执行 {name}(风险等级 {:?})",
+                    spec.risk
+                ));
+                return Response::ok(id, serde_json::to_value(r).unwrap_or(Value::Null));
+            }
+            // 非 read-only:High 兜底拒绝(handler 内也会拒,双保险)
+            if spec.risk == RiskLevel::High {
+                let r = CallToolResult::error(format!(
+                    "High 风险操作 {name} 默认拒绝,请在 DevFlow 应用内执行。"
+                ));
+                return Response::ok(id, serde_json::to_value(r).unwrap_or(Value::Null));
+            }
+            // Low / Medium:执行
+            let result = (spec.handler)(ctx, arguments).await;
+            Response::ok(id, serde_json::to_value(result).unwrap_or(Value::Null))
+        }
+        McpMethod::Unknown(m) => Response::err(
+            id,
+            crate::protocol::METHOD_NOT_FOUND,
+            format!("Method not found: {m}"),
+            None,
+        ),
+    }
+}
+
+/// 工具可见性:read-only 仅 Low,否则 Low + Medium(High 永不可见)
+fn visible(read_only: bool, risk: RiskLevel) -> bool {
+    if read_only {
+        risk == RiskLevel::Low
+    } else {
+        risk != RiskLevel::High
+    }
+}
+
+/// 单行写 Response(末尾 \n,MCP 客户端按行 framing)
+async fn write_response<W: tokio::io::AsyncWrite + Unpin>(
+    writer: &mut W,
+    resp: &Response,
+) -> anyhow::Result<()> {
+    let mut buf = serde_json::to_string(resp)?;
+    buf.push('\n');
+    writer.write_all(buf.as_bytes()).await?;
+    writer.flush().await?;
+    Ok(())
+}
+
+// ============================================================
+// 单测:协议 framing / initialize / tools/list / tools/call / High 拒绝 / read-only 过滤
+// ============================================================
+//
+// 测试驱动 dispatch()(协议层逻辑核心),不跑真实 stdio(真实 stdio 需集成测试)。
+// main_loop 的 framing(write_response 单行 +\n、notification 不回)由 dispatch 的输入输出间接覆盖。
+
+#[cfg(test)]
+mod tests {
+    use super::*;
+    use crate::tools::RiskLevel;
+
+    /// 构造内存 DB + Ctx
+    async fn test_ctx() -> Ctx {
+        let db = Arc::new(Database::open_in_memory().await.unwrap());
+        Ctx::new(db)
+    }
+
+    /// 直接驱动 dispatch:喂一行 → 收一行(逐行,notification 跳过)
+    async fn run_io_lines(lines: &[&str], read_only: bool) -> Vec<String> {
+        let ctx = test_ctx().await;
+        let mut out = Vec::new();
+        for line in lines {
+            let req: Request = serde_json::from_str(line).unwrap();
+            let is_notif = req.id.is_none();
+            let method = McpMethod::from_request(&req);
+            if is_notif {
+                continue;
+            }
+            let resp = dispatch(&ctx, read_only, req.id.clone(), method).await;
+            out.push(serde_json::to_string(&resp).unwrap());
+        }
+        out
+    }
+
+    #[tokio::test]
+    async fn initialize_returns_server_info_and_capabilities() {
+        let input = r#"{"jsonrpc":"2.0","id":1,"method":"initialize","params":{}}"#;
+        let out = run_io_lines(&[input], false).await;
+        assert_eq!(out.len(), 1);
+        let v: Value = serde_json::from_str(&out[0]).unwrap();
+        assert_eq!(v["jsonrpc"], "2.0");
+        assert_eq!(v["id"], 1);
+        assert_eq!(v["result"]["protocolVersion"], PROTOCOL_VERSION);
+        assert_eq!(v["result"]["serverInfo"]["name"], SERVER_NAME);
+        // capabilities.tools 存在
+        assert!(v["result"]["capabilities"]["tools"].is_object());
+    }
+
+    #[tokio::test]
+    async fn tools_list_excludes_high_risk_by_default() {
+        let input = r#"{"jsonrpc":"2.0","id":2,"method":"tools/list","params":{}}"#;
+        let out = run_io_lines(&[input], false).await;
+        let v: Value = serde_json::from_str(&out[0]).unwrap();
+        let tools = v["result"]["tools"].as_array().unwrap();
+        let names: Vec<&str> = tools.iter().map(|t| t["name"].as_str().unwrap()).collect();
+        // 默认(非 read-only):Low + Medium 可见,High 不可见
+        assert!(names.contains(&"list_projects"));
+        assert!(names.contains(&"create_project")); // Medium
+        assert!(!names.contains(&"delete_project")); // High
+        assert!(!names.contains(&"run_workflow")); // High
+        // MCP Tool schema:name + inputSchema
+        let first = &tools[0];
+        assert!(first["name"].is_string());
+        assert!(first["inputSchema"]["type"] == "object");
+    }
+
+    #[tokio::test]
+    async fn tools_list_read_only_keeps_only_low() {
+        let input = r#"{"jsonrpc":"2.0","id":3,"method":"tools/list","params":{}}"#;
+        let out = run_io_lines(&[input], true).await;
+        let v: Value = serde_json::from_str(&out[0]).unwrap();
+        let tools = v["result"]["tools"].as_array().unwrap();
+        let names: Vec<&str> = tools.iter().map(|t| t["name"].as_str().unwrap()).collect();
+        assert!(names.contains(&"list_projects"));
+        assert!(!names.contains(&"create_project")); // Medium 被过滤
+        assert!(!names.contains(&"delete_project")); // High
+    }
+
+    #[tokio::test]
+    async fn tools_call_unknown_method_returns_method_not_found() {
+        let input = r#"{"jsonrpc":"2.0","id":4,"method":"bogus/method","params":{}}"#;
+        let out = run_io_lines(&[input], false).await;
+        let v: Value = serde_json::from_str(&out[0]).unwrap();
+        assert_eq!(v["error"]["code"], crate::protocol::METHOD_NOT_FOUND);
+    }
+
+    #[tokio::test]
+    async fn tools_call_high_risk_is_rejected() {
+        let input =
+            r#"{"jsonrpc":"2.0","id":5,"method":"tools/call","params":{"name":"delete_project","arguments":{"id":"x"}}}"#;
+        let out = run_io_lines(&[input], false).await;
+        let v: Value = serde_json::from_str(&out[0]).unwrap();
+        let content = v["result"]["content"].as_array().unwrap();
+        assert_eq!(content[0]["type"], "text");
+        let text = content[0]["text"].as_str().unwrap();
+        assert!(text.contains("拒绝") || text.contains("High"));
+        assert_eq!(v["result"]["isError"], true);
+    }
+
+    #[tokio::test]
+    async fn tools_call_read_only_rejects_medium() {
+        let input =
+            r#"{"jsonrpc":"2.0","id":6,"method":"tools/call","params":{"name":"create_project","arguments":{"name":"t","description":"d"}}}"#;
+        let out = run_io_lines(&[input], true).await;
+        let v: Value = serde_json::from_str(&out[0]).unwrap();
+        let text = v["result"]["content"][0]["text"].as_str().unwrap();
+        assert!(text.contains("只读模式拒绝"));
+    }
+
+    #[tokio::test]
+    async fn tools_call_create_then_list_project_roundtrip() {
+        let create =
+            r#"{"jsonrpc":"2.0","id":7,"method":"tools/call","params":{"name":"create_project","arguments":{"name":"McpProj","description":"via mcp"}}}"#;
+        let list =
+            r#"{"jsonrpc":"2.0","id":8,"method":"tools/call","params":{"name":"list_projects","arguments":{}}}"#;
+        let out = run_io_lines(&[create, list], false).await;
+        let created: Value = serde_json::from_str(&out[0]).unwrap();
+        let id = created["result"]["content"][0]["text"]
+            .as_str()
+            .unwrap();
+        let created_v: Value = serde_json::from_str(id).unwrap();
+        assert!(created_v["id"].is_string());
+
+        let listed: Value = serde_json::from_str(&out[1]).unwrap();
+        let list_text = listed["result"]["content"][0]["text"].as_str().unwrap();
+        let list_v: Value = serde_json::from_str(list_text).unwrap();
+        assert_eq!(list_v["count"], 1);
+        assert_eq!(list_v["projects"][0]["name"], "McpProj");
+    }
+
+    #[tokio::test]
+    async fn visible_predicate() {
+        assert!(visible(false, RiskLevel::Low));
+        assert!(visible(false, RiskLevel::Medium));
+        assert!(!visible(false, RiskLevel::High));
+        assert!(visible(true, RiskLevel::Low));
+        assert!(!visible(true, RiskLevel::Medium));
+        assert!(!visible(true, RiskLevel::High));
+    }
+}

crates/df-mcp/src/tools.rs

@@ -0,0 +1,720 @@
+//! 工具暴露层 — 从 df-storage Repo 复用 CRUD,转 MCP Tool schema
+//!
+//! 不重复实现数据层逻辑,只做:① 工具元数据(name/description/inputSchema)声明;
+//! ② 工具调用 → df-storage Repo 方法 → 序列化为 MCP CallToolResult。
+//!
+//! 安全降级:
+//! - [`RiskLevel::High`]:默认拒绝,返「请在 DevFlow 应用内执行」
+//! - [`RiskLevel::Medium`]:默认允许 + tracing::warn 审计日志
+//! - [`RiskLevel::Low`]:默认允许,只读无副作用
+//! - `--read-only`:dispatch 阶段过滤,仅 Low 工具可见
+//!
+//! handler 形态:`fn(&Ctx, Value) -> BoxFuture<CallToolResult>`(函数指针 + async 块),
+//! 避免闭包捕获带来的 Box<dyn> 开销与生命周期问题。
+
+use std::sync::Arc;
+
+use df_storage::crud::{IdeaRepo, ProjectRepo, TaskRepo};
+use df_storage::db::Database;
+use df_storage::models::{IdeaRecord, ProjectRecord, TaskRecord};
+use df_types::types::new_id;
+use futures::future::BoxFuture;
+use serde_json::{json, Value};
+
+use crate::protocol::{CallToolResult, Tool};
+
+// ============================================================
+// 风险等级
+// ============================================================
+
+#[derive(Debug, Clone, Copy, PartialEq, Eq)]
+pub enum RiskLevel {
+    /// 只读无副作用:list/get
+    Low,
+    /// 有副作用但可逆:create/update/bind/restore/advance
+    Medium,
+    /// 不可逆或高破坏:delete/purge/run_workflow → 默认拒绝
+    High,
+}
+
+// ============================================================
+// 工具元数据 + 上下文
+// ============================================================
+
+/// 工具元数据 + 风险等级 + handler 函数指针。
+pub struct ToolSpec {
+    pub tool: Tool,
+    pub risk: RiskLevel,
+    pub handler: HandlerFn,
+}
+
+/// handler 函数指针类型:接收上下文引用 + 参数,返回 boxed future。
+pub type HandlerFn = fn(&Ctx, Value) -> BoxFuture<'static, CallToolResult>;
+
+/// 工具执行上下文 — 持有所有 Repo 句柄。每个 handler 内部重新构造 Repo(零开销,Repo 仅持 Arc)。
+///
+/// 不预存 Repo 是因为 Repo::new 借用 &Database,生命周期管理麻烦;Arc<Database> clone 廉价。
+pub struct Ctx {
+    pub db: Arc<Database>,
+}
+
+impl Ctx {
+    pub fn new(db: Arc<Database>) -> Self {
+        Self { db }
+    }
+}
+
+// ============================================================
+// inputSchema 构造助手
+// ============================================================
+
+fn object_schema(properties: Value, required: &[&str]) -> Value {
+    json!({
+        "type": "object",
+        "properties": properties,
+        "required": required,
+        "additionalProperties": false
+    })
+}
+
+fn str_field(desc: &str) -> Value {
+    json!({ "type": "string", "description": desc })
+}
+
+fn opt_str_field(desc: &str) -> Value {
+    json!({ "type": "string", "description": desc })
+}
+
+fn int_field(desc: &str) -> Value {
+    json!({ "type": "integer", "description": desc })
+}
+
+// ============================================================
+// 工具清单
+// ============================================================
+
+/// 返回全部已注册工具(只读模式由 dispatch 过滤 High/Medium)。
+pub fn all_tools() -> Vec<&'static ToolSpec> {
+    use RiskLevel::*;
+    vec![
+        // ─── 项目 ───
+        spec("list_projects", "列出所有未删除项目", object_schema(json!({}), &[]), Low, list_projects),
+        spec("get_project", "按 ID 获取项目", object_schema(json!({"id": str_field("项目 ID")}), &["id"]), Low, get_project),
+        spec("create_project", "创建项目(Medium 风险,默认允许+审计日志)", object_schema(json!({"name": str_field("项目名"), "description": str_field("描述"), "status": opt_str_field("状态(默认 active)")}), &["name", "description"]), Medium, create_project),
+        spec("update_project", "更新项目(整体替换 description/status/path/stack)", object_schema(json!({"id": str_field("项目 ID"), "name": str_field("项目名"), "description": str_field("描述"), "status": opt_str_field("状态")}), &["id", "name", "description"]), Medium, update_project),
+        spec("delete_project", "软删项目(进回收站,可恢复)——High 风险,默认拒绝,请在 DevFlow 应用内执行", object_schema(json!({"id": str_field("项目 ID")}), &["id"]), High, delete_project),
+        spec("bind_directory", "为项目绑定本地代码目录(会做路径冲突检测,Medium 风险+审计日志)", object_schema(json!({"id": str_field("项目 ID"), "path": str_field("本地目录绝对路径")}), &["id", "path"]), Medium, bind_directory),
+        // ─── 任务 ───
+        spec("list_tasks", "列出所有未删除任务(可按 project_id/status 过滤)", object_schema(json!({"project_id": opt_str_field("按项目过滤(可空)"), "status": opt_str_field("按状态过滤(todo/in_progress/in_review/testing/blocked/done/cancelled,可空)")}), &[]), Low, list_tasks),
+        spec("create_task", "创建任务(Medium 风险,默认允许+审计日志)", object_schema(json!({"project_id": str_field("项目 ID"), "title": str_field("标题"), "description": str_field("描述"), "priority": int_field("优先级(可空,默认 0)")}), &["project_id", "title", "description"]), Medium, create_task),
+        spec("update_task", "更新任务(整体替换)", object_schema(json!({"id": str_field("任务 ID"), "project_id": str_field("项目 ID"), "title": str_field("标题"), "description": str_field("描述")}), &["id", "project_id", "title", "description"]), Medium, update_task),
+        spec("advance_task", "推进任务状态(传目标 status,内部读当前态+状态机校验,Medium 风险+审计日志)", object_schema(json!({"id": str_field("任务 ID"), "to": str_field("目标 status(todo/in_progress/in_review/testing/blocked/done/cancelled)")}), &["id", "to"]), Medium, advance_task),
+        spec("delete_task", "软删任务(进回收站)——High 风险,默认拒绝,请在 DevFlow 应用内执行", object_schema(json!({"id": str_field("任务 ID")}), &["id"]), High, delete_task),
+        // ─── 灵感 ───
+        spec("list_ideas", "列出所有想法/灵感", object_schema(json!({}), &[]), Low, list_ideas),
+        spec("create_idea", "创建想法(Medium 风险,默认允许+审计日志)", object_schema(json!({"title": str_field("标题"), "description": str_field("描述"), "priority": int_field("优先级(可空,默认 0)")}), &["title", "description"]), Medium, create_idea),
+        spec("update_idea", "更新想法(整体替换)", object_schema(json!({"id": str_field("想法 ID"), "title": str_field("标题"), "description": str_field("描述")}), &["id", "title", "description"]), Medium, update_idea),
+        spec("delete_idea", "软删想法——High 风险,默认拒绝,请在 DevFlow 应用内执行", object_schema(json!({"id": str_field("想法 ID")}), &["id"]), High, delete_idea),
+        spec("evaluate_idea", "对想法做启发式评估(只读,基于 description/title 计算 feasibility/impact/urgency/overall)", object_schema(json!({"id": str_field("想法 ID")}), &["id"]), Low, evaluate_idea),
+        // ─── 工作流(High) ───
+        spec("run_workflow", "触发工作流——High 风险,默认拒绝,请在 DevFlow 应用内执行", object_schema(json!({"project_id": str_field("项目 ID"), "task_id": opt_str_field("任务 ID(可空)")}), &["project_id"]), High, run_workflow),
+        // ─── 回收站 ───
+        spec("list_trash", "列出回收站(deleted_at IS NOT NULL 的项目与任务)", object_schema(json!({}), &[]), Low, list_trash),
+        spec("restore_project", "从回收站恢复项目(Medium 风险+审计日志)", object_schema(json!({"id": str_field("项目 ID")}), &["id"]), Medium, restore_project),
+    ]
+}
+
+/// 工具元数据构造助手 — Box::leak 静态化(进程生命周期,启动一次性构造)。
+#[allow(clippy::too_many_arguments)]
+fn spec(
+    name: &'static str,
+    description: &'static str,
+    input_schema: Value,
+    risk: RiskLevel,
+    handler: HandlerFn,
+) -> &'static ToolSpec {
+    Box::leak(Box::new(ToolSpec {
+        tool: Tool {
+            name,
+            description,
+            input_schema,
+        },
+        risk,
+        handler,
+    }))
+}
+
+// ============================================================
+// 工具查找
+// ============================================================
+
+/// 按 name 查找工具(线性扫描,工具数 19,O(n) 足够)。
+pub fn find(name: &str) -> Option<&'static ToolSpec> {
+    all_tools().into_iter().find(|t| t.tool.name == name)
+}
+
+// ============================================================
+// handler 公共助手
+// ============================================================
+
+fn now_millis() -> String {
+    df_types::now_millis().to_string()
+}
+
+fn json_ok(v: Value) -> CallToolResult {
+    CallToolResult::text(serde_json::to_string_pretty(&v).unwrap_or_else(|_| "{}".into()))
+}
+
+fn err_str(e: impl std::fmt::Display) -> CallToolResult {
+    CallToolResult::error(format!("内部错误: {e}"))
+}
+
+fn medium_audit(name: &str, args_summary: &str) {
+    tracing::warn!(target: "df_mcp_audit", tool = name, args = %args_summary, "MCP Medium 风险工具被外部调用");
+}
+
+/// 取必填字符串参数
+fn arg_str(args: &Value, key: &str) -> Result<String, CallToolResult> {
+    args.get(key)
+        .and_then(|v| v.as_str())
+        .map(|s| s.to_owned())
+        .ok_or_else(|| CallToolResult::error(format!("缺少必填参数: {key}")))
+}
+
+/// 取可选字符串参数(默认值)
+fn arg_str_or(args: &Value, key: &str, default: &str) -> String {
+    args.get(key)
+        .and_then(|v| v.as_str())
+        .unwrap_or(default)
+        .to_owned()
+}
+
+/// 取可选整数参数(默认值)
+fn arg_int_or(args: &Value, key: &str, default: i32) -> i32 {
+    args.get(key)
+        .and_then(|v| v.as_i64())
+        .map(|i| i as i32)
+        .unwrap_or(default)
+}
+
+// ============================================================
+// handler 实现 — 项目
+// ============================================================
+
+fn list_projects(ctx: &Ctx, _args: Value) -> BoxFuture<'static, CallToolResult> {
+    let db = ctx.db.clone();
+    Box::pin(async move {
+        let repo = ProjectRepo::new(&db);
+        match repo.list_active().await {
+            Ok(list) => json_ok(json!({ "projects": list, "count": list.len() })),
+            Err(e) => err_str(e),
+        }
+    })
+}
+
+fn get_project(ctx: &Ctx, args: Value) -> BoxFuture<'static, CallToolResult> {
+    let db = ctx.db.clone();
+    let id = match arg_str(&args, "id") {
+        Ok(v) => v,
+        Err(r) => return Box::pin(std::future::ready(r)),
+    };
+    Box::pin(async move {
+        let repo = ProjectRepo::new(&db);
+        match repo.get_by_id(&id).await {
+            Ok(Some(p)) => json_ok(json!(p)),
+            Ok(None) => CallToolResult::error(format!("项目不存在: {id}")),
+            Err(e) => err_str(e),
+        }
+    })
+}
+
+fn create_project(ctx: &Ctx, args: Value) -> BoxFuture<'static, CallToolResult> {
+    let db = ctx.db.clone();
+    let name = match arg_str(&args, "name") {
+        Ok(v) => v,
+        Err(r) => return Box::pin(std::future::ready(r)),
+    };
+    let description = arg_str_or(&args, "description", "");
+    let status = arg_str_or(&args, "status", "active");
+    medium_audit("create_project", &name);
+    Box::pin(async move {
+        let now = now_millis();
+        let rec = ProjectRecord {
+            id: new_id(),
+            name,
+            description,
+            status,
+            idea_id: None,
+            path: None,
+            stack: None,
+            created_at: now.clone(),
+            updated_at: now,
+        };
+        let repo = ProjectRepo::new(&db);
+        match repo.insert(rec).await {
+            Ok(id) => {
+                let created = repo.get_by_id(&id).await.ok().flatten();
+                json_ok(json!({ "id": id, "project": created }))
+            }
+            Err(e) => err_str(e),
+        }
+    })
+}
+
+fn update_project(ctx: &Ctx, args: Value) -> BoxFuture<'static, CallToolResult> {
+    let db = ctx.db.clone();
+    let id = match arg_str(&args, "id") {
+        Ok(v) => v,
+        Err(r) => return Box::pin(std::future::ready(r)),
+    };
+    let name = arg_str_or(&args, "name", "");
+    let description = arg_str_or(&args, "description", "");
+    let status = arg_str_or(&args, "status", "active");
+    medium_audit("update_project", &id);
+    Box::pin(async move {
+        let repo = ProjectRepo::new(&db);
+        // 先读现有保留 path/stack/idea_id
+        let existing = match repo.get_by_id(&id).await {
+            Ok(Some(p)) => p,
+            Ok(None) => return CallToolResult::error(format!("项目不存在: {id}")),
+            Err(e) => return err_str(e),
+        };
+        let now = now_millis();
+        let rec = ProjectRecord {
+            id: id.clone(),
+            name,
+            description,
+            status,
+            idea_id: existing.idea_id,
+            path: existing.path,
+            stack: existing.stack,
+            created_at: existing.created_at,
+            updated_at: now,
+        };
+        match repo.update_full(&rec).await {
+            Ok(true) => {
+                let updated = repo.get_by_id(&id).await.ok().flatten();
+                json_ok(json!({ "id": id, "project": updated }))
+            }
+            Ok(false) => CallToolResult::error(format!("项目不存在: {id}")),
+            Err(e) => err_str(e),
+        }
+    })
+}
+
+fn delete_project(_ctx: &Ctx, _args: Value) -> BoxFuture<'static, CallToolResult> {
+    // High 风险:默认拒绝(dispatch 兜底 + 此处二次防御,防 dispatch 漏判)
+    Box::pin(std::future::ready(CallToolResult::error(
+        "High 风险操作(delete_project)默认拒绝,请在 DevFlow 应用内执行。",
+    )))
+}
+
+fn bind_directory(ctx: &Ctx, args: Value) -> BoxFuture<'static, CallToolResult> {
+    let db = ctx.db.clone();
+    let id = match arg_str(&args, "id") {
+        Ok(v) => v,
+        Err(r) => return Box::pin(std::future::ready(r)),
+    };
+    let path = match arg_str(&args, "path") {
+        Ok(v) => v,
+        Err(r) => return Box::pin(std::future::ready(r)),
+    };
+    medium_audit("bind_directory", &format!("{id} <- {path}"));
+    Box::pin(async move {
+        let repo = ProjectRepo::new(&db);
+        let norm = normalize_path(&path);
+        // 路径冲突检测
+        if let Some(conflict) = repo.find_path_conflict(&norm, Some(&id)).await.ok().flatten() {
+            return CallToolResult::error(format!(
+                "路径已被项目「{}」({})绑定,请先解绑",
+                conflict.name, conflict.id
+            ));
+        }
+        // 仅更新 path 字段(用 update_field,保留其它)
+        if !repo.update_field(&id, "path", &path).await.unwrap_or(false) {
+            return CallToolResult::error(format!("项目不存在: {id}"));
+        }
+        let updated = repo.get_by_id(&id).await.ok().flatten();
+        json_ok(json!({ "id": id, "project": updated }))
+    })
+}
+
+// ============================================================
+// handler 实现 — 任务
+// ============================================================
+
+fn list_tasks(ctx: &Ctx, args: Value) -> BoxFuture<'static, CallToolResult> {
+    let db = ctx.db.clone();
+    let project_id_filter = args.get("project_id").and_then(|v| v.as_str()).map(|s| s.to_owned());
+    let status_filter = args.get("status").and_then(|v| v.as_str()).map(|s| s.to_owned());
+    Box::pin(async move {
+        let repo = TaskRepo::new(&db);
+        match repo.list_active().await {
+            Ok(mut list) => {
+                if let Some(pid) = &project_id_filter {
+                    list.retain(|t| t.project_id == *pid);
+                }
+                if let Some(st) = &status_filter {
+                    list.retain(|t| t.status == *st);
+                }
+                json_ok(json!({ "tasks": list, "count": list.len() }))
+            }
+            Err(e) => err_str(e),
+        }
+    })
+}
+
+fn create_task(ctx: &Ctx, args: Value) -> BoxFuture<'static, CallToolResult> {
+    let db = ctx.db.clone();
+    let project_id = match arg_str(&args, "project_id") {
+        Ok(v) => v,
+        Err(r) => return Box::pin(std::future::ready(r)),
+    };
+    let title = match arg_str(&args, "title") {
+        Ok(v) => v,
+        Err(r) => return Box::pin(std::future::ready(r)),
+    };
+    let description = arg_str_or(&args, "description", "");
+    let priority = arg_int_or(&args, "priority", 0);
+    medium_audit("create_task", &format!("{project_id}/{title}"));
+    Box::pin(async move {
+        let now = now_millis();
+        let rec = TaskRecord {
+            id: new_id(),
+            project_id,
+            title,
+            description,
+            status: "todo".to_owned(),
+            priority,
+            branch_name: None,
+            assignee: None,
+            workflow_def_id: None,
+            base_branch: None,
+            review_rounds: 0,
+            output_json: None,
+            idea_id: None,
+            queue: "todo".to_string(),
+            parent_id: None,
+            content_json: None,
+            created_at: now.clone(),
+            updated_at: now,
+        };
+        let repo = TaskRepo::new(&db);
+        match repo.insert(rec).await {
+            Ok(id) => {
+                let created = repo.get_by_id(&id).await.ok().flatten();
+                json_ok(json!({ "id": id, "task": created }))
+            }
+            Err(e) => err_str(e),
+        }
+    })
+}
+
+fn update_task(ctx: &Ctx, args: Value) -> BoxFuture<'static, CallToolResult> {
+    let db = ctx.db.clone();
+    let id = match arg_str(&args, "id") {
+        Ok(v) => v,
+        Err(r) => return Box::pin(std::future::ready(r)),
+    };
+    let project_id = match arg_str(&args, "project_id") {
+        Ok(v) => v,
+        Err(r) => return Box::pin(std::future::ready(r)),
+    };
+    let title = match arg_str(&args, "title") {
+        Ok(v) => v,
+        Err(r) => return Box::pin(std::future::ready(r)),
+    };
+    let description = arg_str_or(&args, "description", "");
+    medium_audit("update_task", &id);
+    Box::pin(async move {
+        let repo = TaskRepo::new(&db);
+        let existing = match repo.get_by_id(&id).await {
+            Ok(Some(t)) => t,
+            Ok(None) => return CallToolResult::error(format!("任务不存在: {id}")),
+            Err(e) => return err_str(e),
+        };
+        let now = now_millis();
+        let rec = TaskRecord {
+            id: id.clone(),
+            project_id,
+            title,
+            description,
+            // 不允许经 MCP 改状态(状态机收口,须走 advance_task)
+            status: existing.status,
+            priority: existing.priority,
+            branch_name: existing.branch_name,
+            assignee: existing.assignee,
+            workflow_def_id: existing.workflow_def_id,
+            base_branch: existing.base_branch,
+            review_rounds: existing.review_rounds,
+            output_json: existing.output_json,
+            idea_id: existing.idea_id,
+            queue: existing.queue,
+            parent_id: existing.parent_id,
+            content_json: existing.content_json,
+            created_at: existing.created_at,
+            updated_at: now,
+        };
+        match repo.update_full(&rec).await {
+            Ok(true) => {
+                let updated = repo.get_by_id(&id).await.ok().flatten();
+                json_ok(json!({ "id": id, "task": updated }))
+            }
+            Ok(false) => CallToolResult::error(format!("任务不存在: {id}")),
+            Err(e) => err_str(e),
+        }
+    })
+}
+
+fn advance_task(ctx: &Ctx, args: Value) -> BoxFuture<'static, CallToolResult> {
+    let db = ctx.db.clone();
+    let id = match arg_str(&args, "id") {
+        Ok(v) => v,
+        Err(r) => return Box::pin(std::future::ready(r)),
+    };
+    // 不再接收 from:推进链内部读当前态 + 三层校验(is_valid_state / can_transition /
+    // 同态拒绝),避免外部客户端直调 advance_status_atomic 绕过状态机非法跳态(todo→done)。
+    let to = match arg_str(&args, "to") {
+        Ok(v) => v,
+        Err(r) => return Box::pin(std::future::ready(r)),
+    };
+    medium_audit("advance_task", &format!("{id} -> {to}"));
+    Box::pin(async move {
+        let repo = TaskRepo::new(&db);
+        // 复用推进链唯一 status 写入路径(与 IPC advance_task 同源):
+        //   - is_valid_state + can_transition + 同态拒绝三层校验
+        //   - CAS 防 TOCTOU
+        //   - is_regression 自动判定 bump review_rounds(取代旧内联 bump 副本)
+        //   - 错误类型(NotFound/Validation/InvalidState)由 thiserror Display 串化
+        match df_nodes::task_advance_node::advance_task_atomic(&repo, &id, &to).await {
+            Ok(updated) => json_ok(json!({ "id": id, "task": updated })),
+            Err(e) => err_str(e),
+        }
+    })
+}
+
+fn delete_task(_ctx: &Ctx, _args: Value) -> BoxFuture<'static, CallToolResult> {
+    Box::pin(std::future::ready(CallToolResult::error(
+        "High 风险操作(delete_task)默认拒绝,请在 DevFlow 应用内执行。",
+    )))
+}
+
+// ============================================================
+// handler 实现 — 灵感
+// ============================================================
+
+fn list_ideas(ctx: &Ctx, _args: Value) -> BoxFuture<'static, CallToolResult> {
+    let db = ctx.db.clone();
+    Box::pin(async move {
+        let repo = IdeaRepo::new(&db);
+        match repo.list_all().await {
+            Ok(list) => json_ok(json!({ "ideas": list, "count": list.len() })),
+            Err(e) => err_str(e),
+        }
+    })
+}
+
+fn create_idea(ctx: &Ctx, args: Value) -> BoxFuture<'static, CallToolResult> {
+    let db = ctx.db.clone();
+    let title = match arg_str(&args, "title") {
+        Ok(v) => v,
+        Err(r) => return Box::pin(std::future::ready(r)),
+    };
+    let description = arg_str_or(&args, "description", "");
+    let priority = arg_int_or(&args, "priority", 0);
+    medium_audit("create_idea", &title);
+    Box::pin(async move {
+        let now = now_millis();
+        let rec = IdeaRecord {
+            id: new_id(),
+            title,
+            description,
+            status: "draft".to_owned(),
+            priority,
+            score: None,
+            tags: None,
+            source: Some("mcp".to_owned()),
+            promoted_to: None,
+            ai_analysis: None,
+            scores: None,
+            related_ids: None,
+            created_at: now.clone(),
+            updated_at: now,
+        };
+        let repo = IdeaRepo::new(&db);
+        match repo.insert(rec).await {
+            Ok(id) => {
+                let created = repo.get_by_id(&id).await.ok().flatten();
+                json_ok(json!({ "id": id, "idea": created }))
+            }
+            Err(e) => err_str(e),
+        }
+    })
+}
+
+fn update_idea(ctx: &Ctx, args: Value) -> BoxFuture<'static, CallToolResult> {
+    let db = ctx.db.clone();
+    let id = match arg_str(&args, "id") {
+        Ok(v) => v,
+        Err(r) => return Box::pin(std::future::ready(r)),
+    };
+    let title = arg_str_or(&args, "title", "");
+    let description = arg_str_or(&args, "description", "");
+    medium_audit("update_idea", &id);
+    Box::pin(async move {
+        let repo = IdeaRepo::new(&db);
+        let existing = match repo.get_by_id(&id).await {
+            Ok(Some(i)) => i,
+            Ok(None) => return CallToolResult::error(format!("想法不存在: {id}")),
+            Err(e) => return err_str(e),
+        };
+        let now = now_millis();
+        let rec = IdeaRecord {
+            id: id.clone(),
+            title,
+            description,
+            status: existing.status,
+            priority: existing.priority,
+            score: existing.score,
+            tags: existing.tags,
+            source: existing.source,
+            promoted_to: existing.promoted_to,
+            ai_analysis: existing.ai_analysis,
+            scores: existing.scores,
+            related_ids: existing.related_ids.clone(),
+            created_at: existing.created_at,
+            updated_at: now,
+        };
+        match repo.update_full(&rec).await {
+            Ok(true) => {
+                let updated = repo.get_by_id(&id).await.ok().flatten();
+                json_ok(json!({ "id": id, "idea": updated }))
+            }
+            Ok(false) => CallToolResult::error(format!("想法不存在: {id}")),
+            Err(e) => err_str(e),
+        }
+    })
+}
+
+fn delete_idea(_ctx: &Ctx, _args: Value) -> BoxFuture<'static, CallToolResult> {
+    Box::pin(std::future::ready(CallToolResult::error(
+        "High 风险操作(delete_idea)默认拒绝,请在 DevFlow 应用内执行。",
+    )))
+}
+
+fn evaluate_idea(ctx: &Ctx, args: Value) -> BoxFuture<'static, CallToolResult> {
+    let db = ctx.db.clone();
+    let id = match arg_str(&args, "id") {
+        Ok(v) => v,
+        Err(r) => return Box::pin(std::future::ready(r)),
+    };
+    Box::pin(async move {
+        let repo = IdeaRepo::new(&db);
+        let idea = match repo.get_by_id(&id).await {
+            Ok(Some(i)) => i,
+            Ok(None) => return CallToolResult::error(format!("想法不存在: {id}")),
+            Err(e) => return err_str(e),
+        };
+        // 启发式评分(本地确定性,不调 LLM)
+        let scores = heuristic_scores(&idea.title, &idea.description);
+        let now = now_millis();
+        // 写回 scores 字段(整体更新)
+        let mut rec = idea.clone();
+        rec.scores = Some(serde_json::to_string(&scores).unwrap_or_default());
+        rec.updated_at = now;
+        if let Err(e) = repo.update_full(&rec).await {
+            return err_str(e);
+        }
+        json_ok(json!({ "id": id, "idea": rec, "scores": scores }))
+    })
+}
+
+/// 启发式评分:基于标题长度/描述详细度/关键词,产出 feasibility/impact/urgency/overall 0-10 分。
+/// 确定性纯函数,与 df-ideas 评估器对齐维度但不依赖 df-ai。
+fn heuristic_scores(title: &str, description: &str) -> Value {
+    let desc_len = description.chars().count();
+    let title_len = title.chars().count();
+    // feasibility:描述越详细越可行(评估前已有思考)
+    let feasibility = ((desc_len as f64 / 200.0).min(1.0) * 6.0 + 3.0).min(9.0);
+    // impact:含「核心/关键/重要」等关键词加权
+    let impact_keywords = ["核心", "关键", "重要", "紧急", "blocker", "critical", "core"];
+    let kw_hits = impact_keywords.iter().filter(|k| title.contains(*k) || description.contains(*k)).count();
+    let impact = (5.0 + kw_hits as f64 * 1.5).min(9.0);
+    // urgency:priority 字段不在此,用关键词近似
+    let urgency_kw = ["紧急", "urgent", "asap", "立即", "马上"];
+    let urgency_hits = urgency_kw.iter().filter(|k| title.contains(*k) || description.contains(*k)).count();
+    let urgency = (4.0 + urgency_hits as f64 * 2.0).min(9.0);
+    // overall:加权平均(feasibility/impact/urgency = 0.4/0.4/0.2)
+    let overall = feasibility * 0.4 + impact * 0.4 + urgency * 0.2;
+    let _ = title_len; // 标题长度暂不入分(避免短标题被低估)
+    json!({
+        "feasibility": (feasibility * 10.0).round() / 10.0,
+        "impact": (impact * 10.0).round() / 10.0,
+        "urgency": (urgency * 10.0).round() / 10.0,
+        "overall": (overall * 10.0).round() / 10.0
+    })
+}
+
+// ============================================================
+// handler 实现 — 工作流(High,拒绝)
+// ============================================================
+
+fn run_workflow(_ctx: &Ctx, _args: Value) -> BoxFuture<'static, CallToolResult> {
+    Box::pin(std::future::ready(CallToolResult::error(
+        "High 风险操作(run_workflow)默认拒绝。工作流涉及代码生成/审查/分支操作,请在 DevFlow 应用内执行。",
+    )))
+}
+
+// ============================================================
+// handler 实现 — 回收站
+// ============================================================
+
+fn list_trash(ctx: &Ctx, _args: Value) -> BoxFuture<'static, CallToolResult> {
+    let db = ctx.db.clone();
+    Box::pin(async move {
+        let projects = match ProjectRepo::new(&db).list_deleted().await {
+            Ok(v) => v,
+            Err(e) => return err_str(e),
+        };
+        let tasks = match TaskRepo::new(&db).list_deleted().await {
+            Ok(v) => v,
+            Err(e) => return err_str(e),
+        };
+        json_ok(json!({
+            "projects": projects,
+            "tasks": tasks,
+            "project_count": projects.len(),
+            "task_count": tasks.len()
+        }))
+    })
+}
+
+fn restore_project(ctx: &Ctx, args: Value) -> BoxFuture<'static, CallToolResult> {
+    let db = ctx.db.clone();
+    let id = match arg_str(&args, "id") {
+        Ok(v) => v,
+        Err(r) => return Box::pin(std::future::ready(r)),
+    };
+    medium_audit("restore_project", &id);
+    Box::pin(async move {
+        match ProjectRepo::new(&db).restore(&id).await {
+            Ok(true) => json_ok(json!({ "id": id, "restored": true })),
+            Ok(false) => CallToolResult::error(format!("恢复失败(项目不在回收站): {id}")),
+            Err(e) => err_str(e),
+        }
+    })
+}
+
+// ============================================================
+// 路径规范化(镜像 df_project::scan::normalize_path,本 crate 不依赖 df-project)
+// ============================================================
+
+fn normalize_path(p: &str) -> String {
+    match std::path::Path::new(p).canonicalize() {
+        Ok(abs) => abs.to_string_lossy().replace('\\', "/").to_lowercase(),
+        Err(_) => p
+            .trim_end_matches(['\\', '/'])
+            .replace('\\', "/")
+            .to_lowercase(),
+    }
+}

crates/df-nodes/Cargo.toml

@@ -4,10 +4,11 @@ version = "0.1.0"
 edition = "2021"
 
 [dependencies]
-df-core = { path = "../df-core" }
+df-types = { path = "../df-types" }
 df-execute = { path = "../df-execute" }
 df-workflow = { path = "../df-workflow" }
 df-ai = { path = "../df-ai" }
+df-storage = { path = "../df-storage" }
 serde = { workspace = true }
 serde_json = { workspace = true }
 tokio = { workspace = true }

crates/df-nodes/src/ai_node.rs

@@ -5,114 +5,72 @@
 //!
 //! 与 AI Chat（侧边栏交互对话）的区别：AI Node 由 DAG Executor 自动驱动，
 //! 适合嵌入自动化链路（如 想法 → AI分析 → 脚本落地 → 人工审批）。
+//!
+//! 拆分边界(纯结构,逻辑等价):
+//!   - provider 解析/参数构造/自审 JSON 解析等纯逻辑 → `ai_node_helpers`
+//!   - AiSelfReviewNode(自审闭环独立节点) → `ai_self_review_node`
+//!   - 本文件:仅 AiNode 的 struct + impl + tests。
+
+use std::sync::Arc;
 
 use async_trait::async_trait;
-use df_ai::anthropic_compat::AnthropicCompatProvider;
-use df_ai::openai_compat::OpenAICompatProvider;
 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};
 
+// AiNode::execute 用的纯函数(resolve_and_parse / provider_from_params);
+// 其余 helpers(parse_review_json/gate_should_block/REVIEW_SYSTEM_PROMPT/ResolvedProvider/
+// truncate_for_summary)由 ai_self_review_node 与 tests 引入,不在此处 glob。
+use crate::ai_node_helpers::{provider_from_params, resolve_and_parse};
+
 /// 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 {
     async fn execute(&self, ctx: NodeContext) -> NodeResult {
         tracing::info!("AiNode 执行: node_id={}", ctx.node_id);
 
-        // ── provider 配置（必填）──
-        let base_url = ctx
-            .config
-            .get("base_url")
-            .and_then(|v| v.as_str())
-            .ok_or_else(|| anyhow::anyhow!("AiNode 缺少必填参数: base_url"))?
-            .to_string();
-
-        let api_key = ctx
-            .config
-            .get("api_key")
-            .and_then(|v| v.as_str())
-            .ok_or_else(|| anyhow::anyhow!("AiNode 缺少必填参数: api_key"))?
-            .to_string();
-
-        // ── prompt（必填）：优先取上游节点 "prompt" 输出，回退 config.prompt ──
-        let prompt = ctx
-            .inputs
-            .get("prompt")
-            .and_then(|o| o.data.as_str())
-            .map(|s| s.to_string())
-            .or_else(|| {
-                ctx.config
-                    .get("prompt")
-                    .and_then(|v| v.as_str())
-                    .map(|s| s.to_string())
-            })
-            .ok_or_else(|| anyhow::anyhow!("AiNode 缺少必填参数: prompt（config 或上游输入均无）"))?;
-
-        // ── 可选参数 ──
-        let model = ctx
-            .config
-            .get("model")
-            .and_then(|v| v.as_str())
-            .unwrap_or("")
-            .to_string();
-        let temperature = ctx
-            .config
-            .get("temperature")
-            .and_then(|v| v.as_f64())
-            .map(|f| f as f32);
-        let max_tokens = ctx
-            .config
-            .get("max_tokens")
-            .and_then(|v| v.as_u64())
-            .map(|n| n as u32);
-        let system_prompt = ctx
-            .config
-            .get("system_prompt")
-            .and_then(|v| v.as_str())
-            .map(|s| s.to_string());
-
-        // 协议类型：默认 openai_compat，可设 anthropic（GLM 订阅端点 / Claude 官方）
-        let protocol = ctx
-            .config
-            .get("protocol")
-            .and_then(|v| v.as_str())
-            .unwrap_or("openai_compat")
-            .to_string();
-
-        // default_model：留空时给一个占位，避免 provider 构造 panic
-        let default_model = if model.is_empty() {
-            "gpt-4o-mini".to_string()
-        } else {
-            model.clone()
-        };
-
-        let provider: Box<dyn LlmProvider> = match protocol.as_str() {
-            "anthropic" => Box::new(AnthropicCompatProvider::new(&base_url, &api_key, &default_model)),
-            _ => Box::new(OpenAICompatProvider::new(&base_url, &api_key, &default_model)),
-        };
+        // FR-S1 注入链：provider 经 df_storage::secret 在 AiNode 内存解析，api_key 不进 config。
+        let p = resolve_and_parse(&self.db, &ctx.config, &ctx.inputs).await?;
+        let provider: Box<dyn LlmProvider> = provider_from_params(&p);
 
         // ── 构建消息 ──
         let mut messages = Vec::with_capacity(2);
-        if let Some(sys) = system_prompt {
+        if let Some(sys) = p.system_prompt {
             messages.push(ChatMessage::system(sys));
         }
-        messages.push(ChatMessage::user(prompt));
+        messages.push(ChatMessage::user(p.prompt));
 
         let request = CompletionRequest {
-            model: model.clone(),
+            model: p.model.clone(),
             messages,
-            temperature,
-            max_tokens,
+            temperature: p.temperature,
+            max_tokens: p.max_tokens,
             stream: false,
             tools: None,
             tool_choice: None,
+            reasoning_content: None,
         };
 
         tracing::info!(
             "AiNode 调用 LLM: model={}, base_url={}",
-            default_model,
-            base_url
+            p.provider.default_model,
+            p.provider.base_url
         );
         let response = provider.complete(request).await?;
 
@@ -123,7 +81,7 @@ 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": {
@@ -131,7 +89,25 @@ 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/mod.rs update_field 宏(impl_repo!)),
+        // 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 {
@@ -141,14 +117,15 @@ impl Node for AiNode {
                 "properties": {
                     "prompt": { "type": "string", "description": "用户提示词（若无则取上游 prompt 输出）" },
                     "system_prompt": { "type": "string", "description": "系统提示词（可选）" },
-                    "protocol": { "type": "string", "description": "协议类型：openai_compat（默认）或 anthropic（GLM订阅/Claude官方）" },
-                    "base_url": { "type": "string", "description": "API 地址，OpenAI 兼容如 https://api.deepseek.com；Anthropic 如 https://open.bigmodel.cn/api/anthropic" },
-                    "api_key": { "type": "string", "description": "API 密钥" },
-                    "model": { "type": "string", "description": "模型名（可选，留空用默认）" },
+                    "provider_id": { "type": "string", "description": "AI Provider ID（FR-S1：密钥经 df_storage::secret 解析，不进 config；留空走默认 provider）" },
+                    "model": { "type": "string", "description": "模型名（可选，留空用 record.default_model）" },
                     "temperature": { "type": "number", "description": "温度 0.0~2.0（可选）" },
-                    "max_tokens": { "type": "integer", "description": "最大生成 token（可选，anthropic 协议无值时默认 4096）" }
+                    "max_tokens": { "type": "integer", "description": "最大生成 token（可选，anthropic 协议无值时默认 4096）" },
+                    "base_url": { "type": "string", "description": "（已废弃过渡）明文 API 地址，改用 provider_id" },
+                    "api_key": { "type": "string", "description": "（已废弃过渡）明文 API 密钥，改用 provider_id；FR-S1 下经 secret 解析" }
                 },
-                "required": ["prompt", "base_url", "api_key"]
+                // SW-260618-15: prompt/provider_id 均"留空走兜底"(prompt 取上游、provider_id 走默认 provider),与 required 矛盾。改 required=[] 对齐 execute 运行时,防前端按 schema 误拒合法配置。
+                "required": []
             }),
             output: serde_json::json!({
                 "type": "object",
@@ -165,3 +142,282 @@ impl Node for AiNode {
         "ai"
     }
 }
+
+#[cfg(test)]
+mod tests {
+    use super::*;
+    use crate::ai_node_helpers::{parse_params, resolve_provider, ResolvedProvider};
+    use df_storage::crud::AiProviderRepo;
+    use df_storage::db::Database;
+    use df_storage::models::AiProviderRecord;
+    use serde_json::json;
+    use std::collections::HashMap;
+
+    /// 测试用 ResolvedProvider 桩：固定 protocol/base_url/api_key/default_model。
+    fn provider_stub() -> ResolvedProvider {
+        ResolvedProvider {
+            protocol: "openai_compat".to_string(),
+            base_url: "https://api.example.com".to_string(),
+            api_key: "sk-test".to_string(),
+            default_model: "gpt-4o-mini".to_string(),
+            model_pool: Vec::new(),
+        }
+    }
+
+    /// 造带基础 prompt 的 config（provider 经 resolve_provider 解析，parse_params 只看 prompt），
+    /// overrides 覆盖或追加。
+    fn config_with(overrides: serde_json::Value) -> serde_json::Value {
+        let mut base = json!({
+            "prompt": "config-prompt"
+        });
+        if let (serde_json::Value::Object(b), serde_json::Value::Object(o)) = (&mut base, overrides) {
+            for (k, v) in o {
+                b.insert(k, v);
+            }
+        }
+        base
+    }
+
+    fn empty_inputs() -> HashMap<String, NodeOutput> {
+        HashMap::new()
+    }
+
+    #[test]
+    fn missing_prompt_errors() {
+        let config = json!({});
+        let err = parse_params(&config, &empty_inputs(), provider_stub())
+            .unwrap_err()
+            .to_string();
+        assert!(err.contains("prompt"), "缺 prompt 应报错, 实际: {}", err);
+    }
+
+    #[test]
+    fn prompt_from_config_when_no_upstream() {
+        let p =
+            parse_params(&config_with(json!({})), &empty_inputs(), provider_stub()).unwrap();
+        assert_eq!(p.prompt, "config-prompt");
+    }
+
+    #[test]
+    fn prompt_prefers_upstream_input_over_config() {
+        let mut inputs = empty_inputs();
+        inputs.insert(
+            "prompt".to_string(),
+            NodeOutput::from_value(json!("upstream-prompt")),
+        );
+        let p =
+            parse_params(&config_with(json!({})), &inputs, provider_stub()).unwrap();
+        assert_eq!(p.prompt, "upstream-prompt", "上游输入应优先于 config.prompt");
+    }
+
+    #[test]
+    fn optional_fields_parsed_when_present() {
+        let p = parse_params(
+            &config_with(json!({
+                "model": "glm-4",
+                "temperature": 0.3,
+                "max_tokens": 1024,
+                "system_prompt": "你是助手"
+            })),
+            &empty_inputs(),
+            provider_stub(),
+        )
+        .unwrap();
+        assert_eq!(p.model, "glm-4");
+        assert_eq!(p.provider.protocol, "openai_compat");
+        assert_eq!(p.temperature, Some(0.3));
+        assert_eq!(p.max_tokens, Some(1024));
+        assert_eq!(p.system_prompt.as_deref(), Some("你是助手"));
+    }
+
+    // ============================================================
+    // resolve_provider 双路径测试(FR-S1 注入链核心)
+    // ============================================================
+
+    /// 内存 DB 插 provider(可选 is_default)，返回 (db, provider_id)。
+    async fn setup_provider_db(
+        provider_id: &str,
+        is_default: bool,
+        api_key: &str,
+    ) -> (Database, String) {
+        let db = Database::open_in_memory().await.expect("open_in_memory");
+        let repo = AiProviderRepo::new(&db);
+        repo.insert(AiProviderRecord {
+            id: provider_id.to_string(),
+            name: "测试 Provider".to_string(),
+            provider_type: "openai_compat".to_string(),
+            api_key: api_key.to_string(),
+            base_url: "https://api.example.com".to_string(),
+            default_model: "glm-4-flash".to_string(),
+            models: None,
+            model_configs: Vec::new(),
+            is_default,
+            config: None,
+            created_at: "0".to_string(),
+            updated_at: "0".to_string(),
+            enabled: true,
+            weight: 50,
+        })
+        .await
+        .expect("insert provider");
+        (db, provider_id.to_string())
+    }
+
+    /// 路径 1：provider_id 优先 → resolve_provider 走下沉解析(DB api_key 非空→直接返回)。
+    #[tokio::test]
+    async fn resolve_provider_by_id_prefers_db_key() {
+        let (db, pid) = setup_provider_db("prov-1", true, "sk-from-db").await;
+        let config = json!({ "provider_id": pid });
+        let resolved = resolve_provider(&Arc::new(db), &config).await.unwrap();
+        assert_eq!(resolved.api_key, "sk-from-db", "DB api_key 非空应直接返回");
+        assert_eq!(resolved.base_url, "https://api.example.com");
+        assert_eq!(resolved.protocol, "openai_compat");
+        assert_eq!(
+            resolved.default_model, "glm-4-flash",
+            "无 config.model 时用 record.default_model"
+        );
+    }
+
+    /// 路径 1：config.model 覆盖 record.default_model。
+    #[tokio::test]
+    async fn resolve_provider_config_model_overrides_record() {
+        let (db, pid) = setup_provider_db("prov-1m", true, "sk-db").await;
+        let config = json!({ "provider_id": pid, "model": "glm-4" });
+        let resolved = resolve_provider(&Arc::new(db), &config).await.unwrap();
+        assert_eq!(resolved.default_model, "glm-4");
+    }
+
+    /// 路径 1：provider_id 不存在 → 友好错误。
+    #[tokio::test]
+    async fn resolve_provider_unknown_id_errors() {
+        let (db, _pid) = setup_provider_db("prov-2", true, "sk-db").await;
+        let config = json!({ "provider_id": "non-existent" });
+        let err = resolve_provider(&Arc::new(db), &config)
+            .await
+            .unwrap_err()
+            .to_string();
+        assert!(err.contains("不存在"), "未知 provider_id 应报错, 实际: {}", err);
+    }
+
+    /// 路径 1：provider_id 指向但密钥空(DB 空 + keyring 无)→ ensure_resolved_key 报错。
+    #[tokio::test]
+    async fn resolve_provider_empty_key_errors() {
+        // api_key 空：DB 无 → keyring 读不到 → 空 → ensure 报错
+        let (db, pid) = setup_provider_db("prov-empty", true, "").await;
+        let config = json!({ "provider_id": pid });
+        let err = resolve_provider(&Arc::new(db), &config)
+            .await
+            .unwrap_err()
+            .to_string();
+        assert!(
+            err.contains("密钥") || err.contains("未读取到"),
+            "空密钥应报错, 实际: {}",
+            err
+        );
+    }
+
+    /// 路径 2：老明文路径兼容(base_url+api_key 显式注入)→ 返回明文 + 不报错。
+    #[tokio::test]
+    async fn resolve_provider_legacy_plain_path_compat() {
+        // 无 provider 且无 provider_id → 老明文路径兜底
+        let db = Database::open_in_memory().await.expect("open_in_memory");
+        let config = json!({
+            "base_url": "https://legacy.example.com",
+            "api_key": "sk-legacy"
+        });
+        let resolved = resolve_provider(&Arc::new(db), &config).await.unwrap();
+        assert_eq!(resolved.api_key, "sk-legacy");
+        assert_eq!(resolved.base_url, "https://legacy.example.com");
+        assert_eq!(resolved.default_model, "gpt-4o-mini", "无 model 时占位兜底");
+    }
+
+    /// 路径 2：老明文路径空 key → ensure_resolved_key 报错。
+    #[tokio::test]
+    async fn resolve_provider_legacy_empty_key_errors() {
+        let db = Database::open_in_memory().await.expect("open_in_memory");
+        let config = json!({ "base_url": "https://x", "api_key": "" });
+        let err = resolve_provider(&Arc::new(db), &config)
+            .await
+            .unwrap_err()
+            .to_string();
+        assert!(err.contains("密钥"), "老路径空 key 应报错, 实际: {}", err);
+    }
+
+    /// 路径 3：空兜底 → 无 provider_id 无明文 → 取 is_default=true 首条。
+    #[tokio::test]
+    async fn resolve_provider_fallback_default_provider() {
+        let (db, _pid) = setup_provider_db("prov-default", true, "sk-default").await;
+        let config = json!({}); // 无 provider_id 无明文
+        let resolved = resolve_provider(&Arc::new(db), &config).await.unwrap();
+        assert_eq!(resolved.api_key, "sk-default", "兜底应取 is_default 首条");
+    }
+
+    /// 路径 3：无任何 provider → 友好错误「未配置 AI Provider」。
+    #[tokio::test]
+    async fn resolve_provider_no_providers_errors() {
+        let db = Database::open_in_memory().await.expect("open_in_memory");
+        let config = json!({});
+        let err = resolve_provider(&Arc::new(db), &config)
+            .await
+            .unwrap_err()
+            .to_string();
+        assert!(
+            err.contains("未配置") || err.contains("Provider"),
+            "无 provider 应友好报错, 实际: {}",
+            err
+        );
+    }
+
+    /// 路径 3：兜底无 is_default 时取首条(对齐 idea.rs build_default_provider)。
+    #[tokio::test]
+    async fn resolve_provider_fallback_first_when_no_default() {
+        let (db, _pid) = setup_provider_db("prov-first", false, "sk-first").await;
+        let config = json!({});
+        let resolved = resolve_provider(&Arc::new(db), &config).await.unwrap();
+        assert_eq!(resolved.api_key, "sk-first", "无 is_default 时取首条");
+    }
+
+    /// 真调 GLM 验证 provider 调用层（parse_params 已由上方单测覆盖，此处补 complete 端到端）
+    ///
+    /// `#[ignore]`：需真实 GLM 配置（env var），默认不跑。
+    /// 跑法：`GLM_BASE_URL=... GLM_API_KEY=... GLM_MODEL=glm-4-flash \
+    ///       cargo test -p df-nodes --lib glm_live_complete -- --ignored --nocapture`
+    /// env var 缺失 → 跳过（非失败）。
+    #[ignore = "需真实 GLM 配置(env var)"]
+    #[tokio::test]
+    async fn glm_live_complete() {
+        let base_url = std::env::var("GLM_BASE_URL").ok().filter(|s| !s.is_empty());
+        let api_key = std::env::var("GLM_API_KEY").ok().filter(|s| !s.is_empty());
+        let (base_url, api_key) = match (base_url, api_key) {
+            (Some(b), Some(k)) => (b, k),
+            _ => {
+                eprintln!("跳过: 未设 GLM_BASE_URL / GLM_API_KEY env var");
+                return;
+            }
+        };
+        let model = std::env::var("GLM_MODEL").unwrap_or_else(|_| "glm-4-flash".to_string());
+
+        let provider: Box<dyn LlmProvider> =
+            df_ai::build_provider("openai_compat", &base_url, &api_key, &model);
+        let request = CompletionRequest {
+            model: model.clone(),
+            messages: vec![ChatMessage::user("只回复两个字:通过")],
+            temperature: Some(0.0),
+            max_tokens: Some(16),
+            stream: false,
+            tools: None,
+            tool_choice: None,
+            reasoning_content: None,
+        };
+        let response = provider.complete(request).await.expect("GLM 调用失败");
+        assert!(!response.text.is_empty(), "GLM 返回空文本");
+        println!(
+            "GLM 响应: model={}, text={}, usage={:?}",
+            response.model, response.text, response.usage
+        );
+    }
+
+    // 自审闭环相关单测(parse_review_json / truncate_for_summary / gate_should_block /
+    // build_review_prompt / update_field_writes_output_json)已随 AiSelfReviewNode 迁移至
+    // ai_self_review_node.rs(与被测代码同位,纯搬运)。
+}

crates/df-nodes/src/ai_node_helpers.rs

@@ -0,0 +1,298 @@
+//! AI 节点辅助函数/类型 — provider 解析、参数构造、自审 JSON 解析等纯逻辑
+//!
+//! 从 ai_node.rs 抽离的纯函数/类型(execute 与解析解耦,便于单测覆盖)。
+//! AiNode / AiSelfReviewNode 的 struct + impl 仍保留在 ai_node.rs(impl 块约束)。
+//!
+//! SW-09 已抽 resolve_and_parse / provider_from_params helper(本文件随之搬迁)。
+
+use std::collections::HashMap;
+use std::sync::Arc;
+
+use df_ai::df_ai_core::model::{Modality, ModelConfig};
+use df_ai::provider::LlmProvider;
+// F-01 阶段5: AiNode 路由 — 节点 config.model_id 优先;否则按 TaskRequirements 路由
+// (默认 Standard + needs_tool_use=true)。池空/无匹配兜底 record.default_model。
+use df_ai::router::{select_model_id, TaskRequirements};
+use df_storage::crud::AiProviderRepo;
+use df_storage::db::Database;
+use df_storage::models::AiProviderRecord;
+use df_storage::secret::{ensure_resolved_key, resolve_provider_secret};
+use df_workflow::node::{NodeOutput};
+
+/// 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）
+///
+/// provider 配置（base_url/api_key/protocol/default_model）经 `resolve_provider` 从 DB
+/// ai_providers 表查 record + 经 df_storage::secret 解析密钥得到，**不进 config（FR-S1）**。
+/// api_key 仅存于本结构体内存（AiNode 进程内存），不落 NodeContext.config / NodeOutput.data。
+#[derive(Debug)]
+pub(crate) struct AiNodeParams {
+    /// 解析后的 provider 构造要素（含明文 api_key，仅 AiNode 内存可见）
+    pub provider: ResolvedProvider,
+    pub prompt: String,
+    pub system_prompt: Option<String>,
+    pub model: String,
+    pub temperature: Option<f32>,
+    pub max_tokens: Option<u32>,
+}
+
+/// 经 `resolve_provider` 从 ai_providers 表 + df_storage::secret 解析后的 provider 构造要素。
+///
+/// api_key 字段：明文，FR-S1 下全程不出 AiNode 进程内存（不进 config/output/schema）。
+#[derive(Debug, Clone)]
+pub(crate) struct ResolvedProvider {
+    /// 协议类型：openai_compat（默认）/ anthropic（GLM 订阅 / Claude 官方）— 从 record.provider_type 映射
+    pub protocol: String,
+    pub base_url: String,
+    /// 明文 api_key，经 `resolve_provider_secret`(DB 优先→keyring) 解析；仅 AiNode 内存可见
+    pub api_key: String,
+    /// model 为空时的占位（record.default_model 或 "gpt-4o-mini"），避免 provider 构造 panic
+    pub default_model: String,
+    /// F-01 阶段5: 候选模型池(来自 record.model_configs)。parse_params 路由用:
+    /// config.model 留空时经 select_model_id 选最优;池空兜底 default_model。
+    pub model_pool: Vec<ModelConfig>,
+}
+
+/// 经 ai_providers 表 + df_storage::secret 解析 provider 构造要素（FR-S1 注入链核心）。
+///
+/// 三路径（优先级从高到低）：
+/// 1. **provider_id 优先**：config["provider_id"] 存在 → `AiProviderRepo::get_by_id` 查 record →
+///    `resolve_provider_secret`(DB 优先→keyring) → `ensure_resolved_key` 空键早失败。
+/// 2. **老路径兼容（过渡）**：config 显式含 `base_url` + `api_key` 明文（老调用方）→ 走原路径
+///    + `tracing::warn!`(明文 api_key 经 config 注入已废弃)。兼容期保留，后续移除。
+/// 3. **空兜底**：无 provider_id 也无明文 → 取 `is_default=true` 首条 provider（对齐
+///    src-tauri commands/idea.rs build_default_provider 模式），走同 resolve+ensure 链。
+///    无任何 provider → 友好错误「未配置 AI Provider」。
+///
+/// model：config["model"] 非空用之，否则 record.default_model，再否则 "gpt-4o-mini" 占位。
+/// SW-260618-09: provider 三件套 DRY —— resolve_provider + parse_params 合并
+/// (AiNode/AiSelfReviewNode execute 逐字重复)。
+pub(crate) async fn resolve_and_parse(
+    db: &Arc<Database>,
+    config: &serde_json::Value,
+    inputs: &HashMap<String, NodeOutput>,
+) -> anyhow::Result<AiNodeParams> {
+    let provider_cfg = resolve_provider(db, config).await?;
+    parse_params(config, inputs, provider_cfg)
+}
+
+/// SW-260618-09: build_provider 5 行封装 DRY(AiNode/AiSelfReviewNode execute 逐字重复)。
+pub(crate) fn provider_from_params(p: &AiNodeParams) -> Box<dyn LlmProvider> {
+    df_ai::build_provider(
+        &p.provider.protocol,
+        &p.provider.base_url,
+        &p.provider.api_key,
+        &p.provider.default_model,
+    )
+}
+
+pub(crate) async fn resolve_provider(
+    db: &Arc<Database>,
+    config: &serde_json::Value,
+) -> anyhow::Result<ResolvedProvider> {
+    let repo = AiProviderRepo::new(db);
+    let config_model = config
+        .get("model")
+        .and_then(|v| v.as_str())
+        .unwrap_or("")
+        .to_string();
+
+    // ── 路径 1：provider_id 优先 ──
+    if let Some(pid) = config.get("provider_id").and_then(|v| v.as_str()) {
+        if !pid.is_empty() {
+            let record = repo
+                .get_by_id(pid)
+                .await
+                .map_err(|e| anyhow::anyhow!("AiNode 查 provider 失败: {}", e))?
+                .ok_or_else(|| anyhow::anyhow!("AiNode provider_id={} 不存在", pid))?;
+            return resolve_from_record(&record, &config_model);
+        }
+    }
+
+    // ── 路径 2：老明文路径兼容（过渡，warn） ──
+    // base_url / api_key 各解析一次(复用于 has 判定与取值,避免 DRY 重复解析同字段)。
+    let plain_base = config.get("base_url").and_then(|v| v.as_str());
+    let plain_key = config.get("api_key").and_then(|v| v.as_str());
+    if let (Some(base_url_str), Some(api_key_str)) = (plain_base, plain_key) {
+        tracing::warn!(
+            "AiNode 明文 api_key/base_url 经 config 注入已废弃, 改用 provider_id (FR-S1). \
+             老路径将在后续版本移除"
+        );
+        let base_url = base_url_str.to_string();
+        let api_key = api_key_str.to_string();
+        ensure_resolved_key("(明文注入)", &api_key)
+            .map_err(anyhow::Error::msg)?;
+        let protocol = config
+            .get("protocol")
+            .and_then(|v| v.as_str())
+            .unwrap_or("openai_compat")
+            .to_string();
+        let default_model = if config_model.is_empty() {
+            "gpt-4o-mini".to_string()
+        } else {
+            config_model.clone()
+        };
+        return Ok(ResolvedProvider {
+            protocol,
+            base_url,
+            api_key,
+            default_model,
+            // 老明文路径无 record,候选池空(无路由能力,兜底 default_model)。
+            model_pool: Vec::new(),
+        });
+    }
+
+    // ── 路径 3：兜底 is_default=true 首条 provider ──
+    let providers = repo
+        .list_all()
+        .await
+        .map_err(|e| anyhow::anyhow!("AiNode 列 provider 失败: {}", e))?;
+    let picked = providers
+        .iter()
+        .find(|p| p.is_default)
+        .cloned()
+        .or_else(|| providers.into_iter().next())
+        .ok_or_else(|| anyhow::anyhow!("未配置 AI Provider，请在设置中添加并保存密钥"))?;
+    resolve_from_record(&picked, &config_model)
+}
+
+/// 从 record 解析 provider 构造要素：resolve_provider_secret(DB 优先→keyring) + ensure 空键早失败。
+/// protocol 从 record.provider_type 映射；default_model 取 config_model > record.default_model > 占位。
+pub(crate) fn resolve_from_record(
+    record: &AiProviderRecord,
+    config_model: &str,
+) -> anyhow::Result<ResolvedProvider> {
+    let api_key = resolve_provider_secret(record);
+    ensure_resolved_key(&record.name, &api_key).map_err(anyhow::Error::msg)?;
+    let default_model = if !config_model.is_empty() {
+        config_model.to_string()
+    } else if !record.default_model.is_empty() {
+        record.default_model.clone()
+    } else {
+        "gpt-4o-mini".to_string()
+    };
+    Ok(ResolvedProvider {
+        protocol: record.provider_type.clone(),
+        base_url: record.base_url.clone(),
+        api_key,
+        default_model,
+        model_pool: record.model_configs.clone(),
+    })
+}
+
+/// 从节点 config + 上游输入解析 AI 节点 prompt 与可选参数（provider 经 `resolve_provider` 异步解析）。
+///
+/// prompt 取值优先级：上游 `inputs["prompt"]` > `config.prompt`，两者皆无则报错。
+pub(crate) fn parse_params(
+    config: &serde_json::Value,
+    inputs: &HashMap<String, NodeOutput>,
+    provider: ResolvedProvider,
+) -> anyhow::Result<AiNodeParams> {
+    // ── prompt（必填）：优先取上游节点 "prompt" 输出，回退 config.prompt ──
+    let prompt = inputs
+        .get("prompt")
+        .and_then(|o| o.data.as_str())
+        .map(|s| s.to_string())
+        .or_else(|| {
+            config
+                .get("prompt")
+                .and_then(|v| v.as_str())
+                .map(|s| s.to_string())
+        })
+        .ok_or_else(|| anyhow::anyhow!("AiNode 缺少必填参数: prompt（config 或上游输入均无）"))?;
+
+    // ── 可选参数 ──
+    // model 解析优先级(F-01 阶段5):config.model 显式指定 > 路由选优(provider.model_pool 非空时)
+    //   > 空(CompletionRequest.model 留空由 provider impl 回填 default_model,行为不变)。
+    //   注:provider.model_pool 在 provider move 进 AiNodeParams 前先借引用路由,选中的 model_id
+    //   填入 CompletionRequest.model;provider.default_model 仍是 build_provider 兜底用。
+    let config_model = config
+        .get("model")
+        .and_then(|v| v.as_str())
+        .unwrap_or("")
+        .to_string();
+    let model = if !config_model.is_empty() {
+        config_model
+    } else {
+        // F-01 阶段5: AiNode 默认路由 — needs_tool_use=true(工作流无人值守 AI 步骤
+        // 常含工具调用,如检索/生成;无需工具的节点应在 config 显式指定 model)。
+        // select_model_id None(池空/无匹配)→ 空串(由 provider impl 回填 default_model)。
+        let node_req = TaskRequirements {
+            modalities: vec![Modality::Text],
+            needs_tool_use: true,
+            estimated_context: 0,
+        };
+        select_model_id(&node_req, &provider.model_pool).unwrap_or_default()
+    };
+    let temperature = config
+        .get("temperature")
+        .and_then(|v| v.as_f64())
+        .map(|f| f as f32);
+    let max_tokens = config
+        .get("max_tokens")
+        .and_then(|v| v.as_u64())
+        .map(|n| n as u32);
+    let system_prompt = config
+        .get("system_prompt")
+        .and_then(|v| v.as_str())
+        .map(|s| s.to_string());
+
+    Ok(AiNodeParams {
+        provider,
+        prompt,
+        system_prompt,
+        model,
+        temperature,
+        max_tokens,
+    })
+}
+
+/// 自审四维度 system prompt:严格审查员角色 + 只输出 JSON 强约束。
+pub(crate) 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)。
+pub(crate) 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)。
+pub(crate) 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}…")
+}
+
+/// 阶段3 自审闸门决策(纯函数,便于单测覆盖各 verdict/gate 组合)。
+///
+/// 仅当 `gate==true` 且 `verdict=="fail"` 时阻断。verdict="unknown"(LLM 输出不可靠)
+/// 与 "pass" 均不阻断 —— unknown 保持人定权(阶段2 保守语义不变)。
+pub(crate) fn gate_should_block(gate: bool, verdict: &str) -> bool {
+    gate && verdict == "fail"
+}

crates/df-nodes/src/ai_self_review_node.rs

@@ -0,0 +1,450 @@
+//! AI 自审节点(决策 a 步骤③)— AiSelfReviewNode
+//!
+//! 从 ai_node.rs 拆出的独立节点(纯结构搬运,逻辑等价)。复用 AiNode 的 provider
+//! 调用链(resolve_and_parse + provider_from_params),差异在 prompt 模板/JSON 解析/
+//! verdict 闸门。provider 解析与自审 JSON 解析等纯逻辑见 `ai_node_helpers`。
+//!
+//! 节点类型注册 key:`ai_self_review`(state.rs build_registry)。
+//! 模板对齐:task_workflow_templates.rs testing 模板 `ai_self_review` 节点 + gate:true。
+
+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};
+
+// 抽离的纯函数/类型(与 AiNode 共用)。
+use crate::ai_node_helpers::{
+    gate_should_block, parse_review_json, provider_from_params, resolve_and_parse,
+    REVIEW_SYSTEM_PROMPT,
+};
+
+// AiSelfReviewNode 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)。
+
+/// 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);
+
+        // FR-S1 注入链：provider 经 df_storage::secret 在 AiNode 内存解析，api_key 不进 config。
+        let p = resolve_and_parse(&self.db, &ctx.config, &ctx.inputs).await?;
+
+        // ── 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> = provider_from_params(&p);
+
+        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,
+            reasoning_content: None,
+        };
+
+        tracing::info!(
+            "AiSelfReviewNode 调用 LLM: model={}, base_url={}",
+            p.provider.default_model,
+            p.provider.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_types::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)。
+        let output = 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,
+        }));
+
+        // ── 阶段3: 自审闸门(F-260616-07 决策 a 步骤③) ──
+        // config["gate"]==true 时,AiSelfReviewNode 从「自审辅助」升级为「DAG 节点闸门」:
+        //   verdict="fail"   → 返回 Err → executor first_err 中止后续层(下游 human_review 不跑)
+        //                       → 工作流 failed → ②-4 回调退回 in_review(对齐工作流失败语义)
+        //   verdict="unknown" → 保持 Ok(LLM 输出不可靠时不阻断,人定权)
+        //   verdict="pass"    → Ok 放行下游
+        //
+        // 落库在前(已 update_field output_json),故闸门 fail 时 task.output_json.review
+        // 已含结论,前端/二次工作流可读自审详情(不丢失审查痕迹)。
+        //
+        // 设计选型(三方案对比,见 commit/设计文档):
+        //   A) AiNode 内部门控(本方案):1 处 return Err,复用 executor first_err + ②-4 回调,
+        //      零 executor 核心改动,零依赖暂缓的条件引擎(T-260614-11)。最简。
+        //   B) DAG edges 条件 + ConditionEngine 求值:依赖 T-260614-11(暂缓),executor 当前
+        //      完全不评估 edge.condition(topological_layers 无条件收录所有边),须先做条件
+        //      引擎 Phase1+2 才能用 → 拆波。
+        //   C) executor 闸门检查钩子(节点 execute 后 executor 读 output.verdict):改 DagExecutor
+        //      核心循环,牵动所有节点,风险/范围不符「最简不破坏」。
+        // 选 A:语义最贴近「自审结果作为闸门」(自审节点自行决定放行/阻断),且 gate 可按节点
+        // config 开关(默认 false = 阶段2 行为不变,模板/前端零强制改动,向后兼容)。
+        let gate_enabled = ctx
+            .config
+            .get("gate")
+            .and_then(|v| v.as_bool())
+            .unwrap_or(false);
+        if gate_should_block(gate_enabled, &verdict) {
+            tracing::info!(
+                node_id = %ctx.node_id,
+                task_id,
+                "AiSelfReviewNode 闸门触发: verdict=fail, 阻断下游(工作流将 failed)"
+            );
+            return Err(anyhow::anyhow!(
+                "AI 自审闸门未通过(verdict=fail): {}",
+                if summary.is_empty() { "自审结论 fail" } else { &summary }
+            ));
+        }
+
+        Ok(output)
+    }
+
+    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)" },
+                    "provider_id": { "type": "string", "description": "AI Provider ID(FR-S1:密钥经 secret 解析不进 config;留空走默认 provider)" },
+                    "model": { "type": "string", "description": "模型名(可选,留空用 record.default_model)" },
+                    "max_tokens": { "type": "integer" },
+                    "gate": { "type": "boolean", "description": "阶段3 闸门开关:false(默认)=自审辅助,verdict 仅透传展示;true=自审结果作 DAG 闸门,verdict=fail 返回 Err 阻断下游(工作流 failed → ②-4 退回),verdict=unknown/pass 放行" }
+                },
+                "required": ["task_id", "provider_id"]
+            }),
+            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::*;
+    use crate::ai_node_helpers::{gate_should_block, parse_review_json, truncate_for_summary};
+    use df_storage::crud::{ProjectRepo, TaskRepo};
+    use df_storage::db::Database;
+    use df_storage::models::{ProjectRecord, TaskRecord};
+    use serde_json::json;
+
+    // ============================================================
+    // 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) {
+        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),
+                idea_id: None,
+                queue: "todo".to_string(),
+                parent_id: None,
+                content_json: None,
+                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");
+    }
+
+    // ============================================================
+    // 阶段3 自审闸门(gate_should_block)单测
+    // ============================================================
+    //
+    // gate 决策矩阵:
+    //   gate=false(默认,阶段2 行为) → 任何 verdict 都放行(辅助模式)
+    //   gate=true + verdict=pass     → 放行
+    //   gate=true + verdict=unknown  → 放行(LLM 不可靠时不阻断,人定权)
+    //   gate=true + verdict=fail     → 阻断(返回 Err,工作流 failed)
+
+    #[test]
+    fn gate_disabled_never_blocks_any_verdict() {
+        // gate 默认 false(阶段2 兼容):无论 verdict 如何都不阻断,自审仅辅助展示
+        assert!(!gate_should_block(false, "fail"), "gate 关闭时 fail 也不阻断");
+        assert!(!gate_should_block(false, "pass"), "gate 关闭时 pass 放行");
+        assert!(!gate_should_block(false, "unknown"), "gate 关闭时 unknown 放行");
+    }
+
+    #[test]
+    fn gate_enabled_blocks_only_on_fail() {
+        // gate 开启:仅 fail 阻断
+        assert!(gate_should_block(true, "fail"), "gate 开 + fail 应阻断");
+        assert!(!gate_should_block(true, "pass"), "gate 开 + pass 放行");
+        assert!(
+            !gate_should_block(true, "unknown"),
+            "gate 开 + unknown 放行(LLM 不可靠时保人定权)"
+        );
+    }
+
+    #[test]
+    fn gate_unknown_verdict_does_not_block() {
+        // 防御:verdict 非标准值(如解析异常)不应触发阻断(对齐 unknown 保守不阻断语义)
+        assert!(
+            !gate_should_block(true, "weird"),
+            "非标准 verdict 不应阻断(对齐 unknown 保守)"
+        );
+        assert!(!gate_should_block(true, ""), "空 verdict 不应阻断");
+    }
+}

crates/df-nodes/src/docker_node.rs

@@ -1,41 +0,0 @@
-//! Docker 节点 — 在容器中执行任务
-
-use async_trait::async_trait;
-use df_workflow::node::{Node, NodeContext, NodeOutput, NodeResult, NodeSchema};
-
-/// Docker 节点
-pub struct DockerNode;
-
-#[async_trait]
-impl Node for DockerNode {
-    async fn execute(&self, _ctx: NodeContext) -> NodeResult {
-        // TODO: 接入 df-execute 的 Docker 执行器
-        tracing::info!("DockerNode 执行: 在容器中运行");
-        Ok(NodeOutput::empty())
-    }
-
-    fn schema(&self) -> NodeSchema {
-        NodeSchema {
-            params: serde_json::json!({
-                "type": "object",
-                "properties": {
-                    "image": { "type": "string" },
-                    "command": { "type": "string" },
-                    "env": { "type": "object" }
-                },
-                "required": ["image"]
-            }),
-            output: serde_json::json!({
-                "type": "object",
-                "properties": {
-                    "stdout": { "type": "string" },
-                    "exit_code": { "type": "integer" }
-                }
-            }),
-        }
-    }
-
-    fn node_type(&self) -> &str {
-        "docker"
-    }
-}

crates/df-nodes/src/git_node.rs

@@ -1,41 +0,0 @@
-//! Git 节点 — 执行 Git 操作（克隆、提交、推送、合并等）
-
-use async_trait::async_trait;
-use df_workflow::node::{Node, NodeContext, NodeOutput, NodeResult, NodeSchema};
-
-/// Git 节点
-pub struct GitNode;
-
-#[async_trait]
-impl Node for GitNode {
-    async fn execute(&self, _ctx: NodeContext) -> NodeResult {
-        // TODO: 接入 df-execute 的 Git 操作
-        tracing::info!("GitNode 执行: Git 操作");
-        Ok(NodeOutput::empty())
-    }
-
-    fn schema(&self) -> NodeSchema {
-        NodeSchema {
-            params: serde_json::json!({
-                "type": "object",
-                "properties": {
-                    "action": { "type": "string", "enum": ["clone", "commit", "push", "merge", "checkout"] },
-                    "repo": { "type": "string" },
-                    "branch": { "type": "string" }
-                },
-                "required": ["action"]
-            }),
-            output: serde_json::json!({
-                "type": "object",
-                "properties": {
-                    "success": { "type": "boolean" },
-                    "message": { "type": "string" }
-                }
-            }),
-        }
-    }
-
-    fn node_type(&self) -> &str {
-        "git"
-    }
-}

crates/df-nodes/src/http_node.rs

@@ -1,43 +0,0 @@
-//! HTTP 节点 — 发起 HTTP 请求
-
-use async_trait::async_trait;
-use df_workflow::node::{Node, NodeContext, NodeOutput, NodeResult, NodeSchema};
-
-/// HTTP 节点
-pub struct HttpNode;
-
-#[async_trait]
-impl Node for HttpNode {
-    async fn execute(&self, _ctx: NodeContext) -> NodeResult {
-        // TODO: 实现HTTP请求逻辑
-        tracing::info!("HttpNode 执行: 发送 HTTP 请求");
-        Ok(NodeOutput::empty())
-    }
-
-    fn schema(&self) -> NodeSchema {
-        NodeSchema {
-            params: serde_json::json!({
-                "type": "object",
-                "properties": {
-                    "method": { "type": "string", "enum": ["GET", "POST", "PUT", "DELETE"] },
-                    "url": { "type": "string" },
-                    "headers": { "type": "object" },
-                    "body": {}
-                },
-                "required": ["method", "url"]
-            }),
-            output: serde_json::json!({
-                "type": "object",
-                "properties": {
-                    "status": { "type": "integer" },
-                    "body": {},
-                    "headers": { "type": "object" }
-                }
-            }),
-        }
-    }
-
-    fn node_type(&self) -> &str {
-        "http"
-    }
-}

crates/df-nodes/src/human_node.rs

@@ -1,10 +1,17 @@
 //! 人工审批节点 — 阻塞工作流，等待人工确认或输入
+//!
+//! 拒绝语义化关键字判定等纯逻辑见 `human_node_helpers`(本文件只保留
+//! HumanNode 的 struct + impl,impl 块约束)。
 
 use async_trait::async_trait;
 use std::time::Duration;
-use tokio::time;
+use tokio::sync::broadcast;
 use df_workflow::node::{Node, NodeContext, NodeOutput, NodeResult, NodeSchema};
-use df_core::events::WorkflowEvent;
+use df_types::events::{SelectType, WorkflowEvent};
+
+// 抽离的纯函数/常量(glob 引入,tests `use super::*` 间接可见)
+#[allow(unused_imports)]
+use crate::human_node_helpers::{contains_reject, is_reject_decision};
 
 /// 人工审批节点（阻塞节点）
 pub struct HumanNode;
@@ -21,44 +28,131 @@ impl Node for HumanNode {
             .and_then(|v| v.as_str())
             .unwrap_or("");
 
-        let options = config.get("options")
+        let options: Vec<String> = config.get("options")
             .and_then(|v| v.as_array())
             .map(|arr| arr.iter()
                 .filter_map(|v| v.as_str())
-                .collect::<Vec<_>>())
-            .unwrap_or_else(|| vec!["同意", "拒绝"]);
+                .map(String::from)
+                .collect())
+            .unwrap_or_else(|| vec!["同意".into(), "拒绝".into()]);
 
-        // 发送人工审批请求到事件总线
-        let _ = ctx.event_bus.send(WorkflowEvent::HumanApprovalRequest {
-            execution_id: ctx.execution_id.clone(),
-            node_id: ctx.node_id.clone(),
-            title: title.to_string(),
-            description: description.to_string(),
-            options: options.iter().map(|s| s.to_string()).collect(),
-        });
+        let timeout_secs = config.get("timeout_secs")
+            .and_then(|v| v.as_u64())
+            .unwrap_or(3600);
 
-        // 等待用户响应（最多等待 1 小时）
-        let timeout = Duration::from_secs(3600);
-        let start_time = std::time::Instant::now();
+        // F-260615-01: 解析 select_type(缺省 Single,向后兼容)。非 "multiple" 一律按 Single 处理。
+        let select_type = match config.get("select_type").and_then(|v| v.as_str()) {
+            Some("multiple") => SelectType::Multiple,
+            _ => SelectType::Single,
+        };
+
+        // 1. 先订阅，再发请求 —— broadcast 不回放历史消息，
+        //    若 subscribe 晚于 send，Response 会在 receiver 建位前发出而丢失，节点死等到超时。
+        let mut rx = ctx.event_bus.subscribe();
+
+        // 2. 发送人工审批请求到事件总线
+        // send 是 async fn(broadcast 同步发但 async 包装),必须 await 否则 Future 不 poll、Request 不进 channel(B-03b-R6)
+        let _ = ctx.event_bus
+            .send(WorkflowEvent::HumanApprovalRequest {
+                execution_id: ctx.execution_id.clone(),
+                node_id: ctx.node_id.clone(),
+                title: title.to_string(),
+                description: description.to_string(),
+                options: options.clone(),
+                select_type,
+            })
+            .await;
+
+        // 3. select! 循环：Response / 超时 / 取消
+        let deadline = tokio::time::Instant::now() + Duration::from_secs(timeout_secs);
+        let mut cancel_tick = tokio::time::interval(Duration::from_millis(500));
+        cancel_tick.tick().await; // 丢弃首个立即触发的 tick
 
         loop {
-            // 检查是否超时
-            if start_time.elapsed() > timeout {
-                return Err(anyhow::anyhow!("人工审批超时"));
+            tokio::select! {
+                recv = rx.recv() => match recv {
+                    Ok(WorkflowEvent::HumanApprovalResponse {
+                        execution_id, node_id, decision, decisions, comment,
+                    }) if execution_id == ctx.execution_id && node_id == ctx.node_id => {
+                        // F-260615-01: 归一化决策集合(优先用 decisions 数组,空则回退兼容 decision 单值)
+                        //   select_type=Single → 决策数必须 =1
+                        //   select_type=Multiple → 决策数必须 ≥1
+                        //   options 空 → 允许自由文本(仅受数量约束);
+                        //   options 非空 → 每项必须 ∈ options
+                        // 兼容旧调用方:decisions 空但 decision 非空时,按 [decision] 单值处理。
+                        let mut picked: Vec<String> = decisions;
+                        if picked.is_empty() && !decision.is_empty() {
+                            picked.push(decision.clone());
+                        }
+                        let count_ok = match select_type {
+                            SelectType::Single => picked.len() == 1,
+                            SelectType::Multiple => !picked.is_empty(),
+                        };
+                        let each_valid = picked.iter().all(|d| !d.is_empty())
+                            && (options.is_empty() || picked.iter().all(|d| options.contains(d)));
+                        if count_ok && each_valid {
+                            // F-260616-06 阶段2: 拒绝语义化。
+                            //   审批拒绝此前与同意一样返 Ok —— 语义反转(审批被拒却报"成功"),
+                            //   下游无法据 failed 触发退回/重做。
+                            //   现:decision 命中拒绝关键字(见 REJECT_KEYWORDS)→ 返 Err
+                            //   "人工审批被拒绝(用户选择: <decision>)",executor Err 分支 set_failed
+                            //   → 工作流 failed 状态 → 阶段2 推进链可据 failed 触发退回。
+                            // 行为变更:审批拒绝从 Ok → Err,标注(同步通知主代理)。
+                            if contains_reject(&picked) {
+                                let primary = picked.first().cloned().unwrap_or_default();
+                                let comment_str = comment.unwrap_or_default();
+                                return Err(anyhow::anyhow!(
+                                    "人工审批被拒绝(用户选择: {}){}",
+                                    primary,
+                                    if comment_str.is_empty() {
+                                        String::new()
+                                    } else {
+                                        format!("；意见: {}", comment_str)
+                                    }
+                                ));
+                            }
+                            // 输出统一含 decisions 数组;保留 decision 取首项(向后兼容下游消费者)
+                            let primary = picked.first().cloned().unwrap_or_default();
+                            return Ok(NodeOutput::from_value(serde_json::json!({
+                                "decision": primary,
+                                "decisions": picked,
+                                "comment": comment.unwrap_or_default(),
+                            })));
+                        }
+                        tracing::warn!(
+                            node_id = %ctx.node_id,
+                            execution_id = %ctx.execution_id,
+                            select_type = ?select_type,
+                            decision = %decision,
+                            decisions = ?picked,
+                            options = ?options,
+                            "审批决策非法，忽略并继续等待下一条合法 Response(由超时兜底)"
+                        );
+                        continue;
+                    }
+                    Ok(_) => continue, // 其他节点/类型的事件，忽略
+                    Err(broadcast::error::RecvError::Lagged(n)) => {
+                        tracing::warn!(
+                            "HumanNode {} 漏收 {} 条事件（可能错过自身响应，继续等待）",
+                            ctx.node_id, n
+                        );
+                        // 容量 256 + 审批低频，漏自身 Response 概率极低；
+                        // 丢弃则可能误判超时，故 continue。
+                        continue;
+                    }
+                    Err(broadcast::error::RecvError::Closed) => {
+                        return Err(anyhow::anyhow!("事件总线关闭，审批无法完成"));
+                    }
+                },
+                _ = tokio::time::sleep_until(deadline) => {
+                    return Err(anyhow::anyhow!("人工审批超时({}s)", timeout_secs));
+                }
+                _ = cancel_tick.tick() => {
+                    if ctx.node_status.is_cancelled(&ctx.node_id) {
+                        return Err(anyhow::anyhow!("人工审批被取消"));
+                    }
+                }
             }
-
-            // 检查节点是否被取消
-            if ctx.node_status.is_cancelled(&ctx.node_id) {
-                return Err(anyhow::anyhow!("人工审批被取消"));
-            }
-
-            // TODO: 检查审批响应（需要前端实现）
-            // 目前直接返回同意
-            let output = serde_json::json!({
-                "decision": "同意",
-                "comment": "",
-            });
-            return Ok(NodeOutput::from_value(output));
         }
     }
 
@@ -72,6 +166,11 @@ impl Node for HumanNode {
                     "options": {
                         "type": "array",
                         "items": { "type": "string" }
+                    },
+                    "select_type": {
+                        "type": "string",
+                        "enum": ["single", "multiple"],
+                        "default": "single"
                     }
                 },
                 "required": ["title"]
@@ -80,6 +179,7 @@ impl Node for HumanNode {
                 "type": "object",
                 "properties": {
                     "decision": { "type": "string" },
+                    "decisions": { "type": "array", "items": { "type": "string" } },
                     "comment": { "type": "string" }
                 }
             }),
@@ -94,3 +194,638 @@ impl Node for HumanNode {
         "human"
     }
 }
+
+#[cfg(test)]
+mod tests {
+    use super::*;
+    use df_types::types::NodeStatus;
+    use df_workflow::dag::Dag;
+    use df_workflow::eventbus::EventBus;
+    use df_workflow::executor::DagExecutor;
+    use df_workflow::state::StateMachine;
+    use serde_json::json;
+    use std::collections::HashMap;
+    use std::time::Duration;
+
+    /// 构造 NodeContext：自定义 execution_id / node_id / config，共享同一 EventBus。
+    fn make_ctx(
+        event_bus: &EventBus,
+        execution_id: &str,
+        node_id: &str,
+        config: serde_json::Value,
+    ) -> NodeContext {
+        NodeContext {
+            node_id: node_id.to_string(),
+            inputs: HashMap::new(),
+            config,
+            execution_id: execution_id.to_string(),
+            event_bus: event_bus.clone(),
+            node_status: StateMachine::new(),
+        }
+    }
+
+    /// 发一条审批响应到事件总线（模拟前端 approve_human_approval IPC 走完后的链路）。
+    /// F-260615-01: 单选调用方仅填 decision;多选调用方填 decisions。
+    async fn send_response(
+        event_bus: &EventBus,
+        execution_id: &str,
+        node_id: &str,
+        decision: &str,
+        comment: Option<&str>,
+    ) {
+        event_bus
+            .send(WorkflowEvent::HumanApprovalResponse {
+                execution_id: execution_id.to_string(),
+                node_id: node_id.to_string(),
+                decision: decision.to_string(),
+                decisions: vec![],
+                comment: comment.map(String::from),
+            })
+            .await;
+    }
+
+    /// F-260615-01: 多选响应发送助手(填 decisions 数组,decision 留空)
+    async fn send_response_multi(
+        event_bus: &EventBus,
+        execution_id: &str,
+        node_id: &str,
+        decisions: &[&str],
+        comment: Option<&str>,
+    ) {
+        event_bus
+            .send(WorkflowEvent::HumanApprovalResponse {
+                execution_id: execution_id.to_string(),
+                node_id: node_id.to_string(),
+                decision: String::new(),
+                decisions: decisions.iter().map(|s| s.to_string()).collect(),
+                comment: comment.map(String::from),
+            })
+            .await;
+    }
+
+    #[tokio::test]
+    async fn normal_approval_returns_decision() {
+        // 正常审批：发匹配(exec_id+node_id) Response → 返回该 decision
+        let bus = EventBus::new();
+        let ctx = make_ctx(&bus, "exec-1", "node-h", json!({}));
+        let bus_clone = bus.clone();
+
+        let handle = tokio::spawn(async move {
+            HumanNode.execute(ctx).await
+        });
+
+        // 给 execute 一点时间 subscribe + send Request
+        tokio::time::sleep(Duration::from_millis(50)).await;
+        send_response(&bus_clone, "exec-1", "node-h", "同意", Some("好的")).await;
+
+        let out = handle.await.unwrap().unwrap();
+        assert_eq!(out.data["decision"], json!("同意"));
+        assert_eq!(out.data["comment"], json!("好的"));
+    }
+
+    #[tokio::test]
+    async fn request_is_emitted_to_bus() {
+        // B-03b-R8: 验证 HumanNode 真发出 HumanApprovalRequest 到事件总线
+        // (R6 修复前 execute 内 event_bus.send().await 缺 await → Request 未进 channel，此测会超时失败)
+        let bus = EventBus::new();
+        let mut rx = bus.subscribe(); // subscribe 先于 execute send(broadcast 不回放)
+        let ctx = make_ctx(&bus, "exec-1", "node-h", json!({ "timeout_secs": 1 }));
+        let bus_clone = bus.clone();
+        let handle = tokio::spawn(async move { HumanNode.execute(ctx).await });
+
+        // execute send Request 后 rx 应收到
+        let received = tokio::time::timeout(Duration::from_millis(500), rx.recv()).await;
+        assert!(
+            received.is_ok(),
+            "应收到 HumanApprovalRequest(R6 Request 真发出)，实际超时"
+        );
+        match received.unwrap().unwrap() {
+            WorkflowEvent::HumanApprovalRequest {
+                execution_id,
+                node_id,
+                title,
+                ..
+            } => {
+                assert_eq!(execution_id, "exec-1");
+                assert_eq!(node_id, "node-h");
+                assert_eq!(title, "请确认");
+            }
+            other => panic!("期望 HumanApprovalRequest，收到 {:?}", other),
+        }
+        // 发 Response 让 execute 正常返回(防 task 泄漏)
+        send_response(&bus_clone, "exec-1", "node-h", "同意", None).await;
+        let _ = handle.await;
+    }
+
+    #[tokio::test]
+    async fn mismatched_execution_id_filtered_then_timeout() {
+        // execution_id 不匹配：Response 被过滤，短超时验证 → Err 超时
+        let bus = EventBus::new();
+        let ctx = make_ctx(&bus, "exec-1", "node-h", json!({ "timeout_secs": 1 }));
+        let bus_clone = bus.clone();
+
+        let handle = tokio::spawn(async move {
+            HumanNode.execute(ctx).await
+        });
+
+        tokio::time::sleep(Duration::from_millis(50)).await;
+        // 错配的 execution_id
+        send_response(&bus_clone, "exec-OTHER", "node-h", "同意", None).await;
+
+        let err = handle.await.unwrap().unwrap_err().to_string();
+        assert!(err.contains("超时"), "不匹配 exec_id 应被过滤后超时, 实际: {}", err);
+    }
+
+    #[tokio::test]
+    async fn mismatched_node_id_filtered_then_timeout() {
+        // node_id 不匹配：Response 被过滤，短超时验证 → Err 超时
+        let bus = EventBus::new();
+        let ctx = make_ctx(&bus, "exec-1", "node-h", json!({ "timeout_secs": 1 }));
+        let bus_clone = bus.clone();
+
+        let handle = tokio::spawn(async move {
+            HumanNode.execute(ctx).await
+        });
+
+        tokio::time::sleep(Duration::from_millis(50)).await;
+        // 错配的 node_id
+        send_response(&bus_clone, "exec-1", "node-OTHER", "同意", None).await;
+
+        let err = handle.await.unwrap().unwrap_err().to_string();
+        assert!(err.contains("超时"), "不匹配 node_id 应被过滤后超时, 实际: {}", err);
+    }
+
+    #[tokio::test]
+    async fn timeout_when_no_response() {
+        // 无 Response → sleep_until(deadline) 触发超时
+        let bus = EventBus::new();
+        let ctx = make_ctx(&bus, "exec-1", "node-h", json!({ "timeout_secs": 1 }));
+
+        let err = HumanNode.execute(ctx).await.unwrap_err().to_string();
+        assert!(err.contains("超时"), "应报超时, 实际: {}", err);
+        assert!(err.contains("1s"), "超时消息应带秒数, 实际: {}", err);
+    }
+
+    #[tokio::test]
+    async fn invalid_decision_ignored_then_timeout() {
+        // R-P1-6: options 非空且 decision ∉ options → 不立即 Err(一次手误不应杀死节点)，
+        // warn 记录 + continue 续等下一条合法 Response；此处仅发一条非法的，短超时验证 → Err 超时。
+        let bus = EventBus::new();
+        let ctx = make_ctx(
+            &bus,
+            "exec-1",
+            "node-h",
+            json!({ "options": ["同意", "拒绝"], "timeout_secs": 1 }),
+        );
+        let bus_clone = bus.clone();
+
+        let handle = tokio::spawn(async move {
+            HumanNode.execute(ctx).await
+        });
+
+        tokio::time::sleep(Duration::from_millis(50)).await;
+        send_response(&bus_clone, "exec-1", "node-h", "随便", None).await;
+
+        let err = handle.await.unwrap().unwrap_err().to_string();
+        assert!(err.contains("超时"), "非法 decision 应被忽略后超时, 实际: {}", err);
+    }
+
+    #[tokio::test]
+    async fn empty_options_allows_free_text() {
+        // options 空 → 允许任意自由文本 decision（不校验）
+        let bus = EventBus::new();
+        let ctx = make_ctx(&bus, "exec-1", "node-h", json!({ "options": [] }));
+        let bus_clone = bus.clone();
+
+        let handle = tokio::spawn(async move {
+            HumanNode.execute(ctx).await
+        });
+
+        tokio::time::sleep(Duration::from_millis(50)).await;
+        send_response(&bus_clone, "exec-1", "node-h", "改成先做B方案", None).await;
+
+        let out = handle.await.unwrap().unwrap();
+        assert_eq!(
+            out.data["decision"],
+            json!("改成先做B方案"),
+            "options 空应允许自由文本 decision"
+        );
+    }
+
+    #[tokio::test]
+    async fn empty_decision_ignored_then_timeout_even_with_empty_options() {
+        // R-P1-6: 空 decision 始终非法，但同样不立即 Err——warn + continue 续等，短超时验证 → Err 超时。
+        let bus = EventBus::new();
+        let ctx = make_ctx(&bus, "exec-1", "node-h", json!({ "options": [], "timeout_secs": 1 }));
+        let bus_clone = bus.clone();
+
+        let handle = tokio::spawn(async move {
+            HumanNode.execute(ctx).await
+        });
+
+        tokio::time::sleep(Duration::from_millis(50)).await;
+        send_response(&bus_clone, "exec-1", "node-h", "", None).await;
+
+        let err = handle.await.unwrap().unwrap_err().to_string();
+        assert!(err.contains("超时"), "空 decision 应被忽略后超时, 实际: {}", err);
+    }
+
+    // Closed 分支覆盖：execute 持有的 ctx 含 EventBus clone（即一个 sender），
+    // 在 execute 运行期间通道无法 Closed（至少该 sender 存活）。
+    // 该分支仅在所有 sender drop 后可达，需独立集成测试，此处不强造。
+
+    // ===== B-03b-R8: executor 级端到端集成测试 =====
+    // 上述单测均为 HumanNode.execute 直接调用级，不覆盖 executor 驱动含 human 的 DAG。
+    // 端到端覆盖 NodeStarted/Completed 事件流转、共享 state_machine、Request 经 executor 驱动真发出、
+    // outputs 收集，是 R6(send 缺 await)/R7(契约失配)的存活土壤。
+
+    /// 简单测试节点：sleep 指定毫秒后返回空输出（仿 executor.rs SleepNode，作 human 的前驱）
+    struct SleepNode {
+        sleep_ms: u64,
+    }
+
+    #[async_trait]
+    impl Node for SleepNode {
+        async fn execute(&self, _ctx: NodeContext) -> NodeResult {
+            tokio::time::sleep(Duration::from_millis(self.sleep_ms)).await;
+            Ok(NodeOutput::empty())
+        }
+
+        fn schema(&self) -> NodeSchema {
+            NodeSchema {
+                params: serde_json::Value::Null,
+                output: serde_json::Value::Null,
+            }
+        }
+
+        fn node_type(&self) -> &str {
+            "sleep"
+        }
+    }
+
+    /// B-03b-R8: executor 驱动 a(SleepNode) → b(HumanNode) 两层 DAG 端到端。
+    /// a 完成 → b 阻塞等审批 → 外部发 Response(模拟 approve_human_approval IPC) → b Ok → 工作流完成。
+    /// 验证：Request 经 executor 驱动真发出(R6)、outputs 收集两层、共享 state_machine 两节点皆 Completed。
+    #[tokio::test]
+    async fn end_to_end_human_approval_completes_workflow() {
+        let bus = EventBus::new();
+        let mut rx = bus.subscribe(); // subscribe 先于 executor send（broadcast 不回放）
+        let exec_id = "exec-e2e-1";
+
+        let mut dag = Dag::new();
+        dag.add_node("a".to_string(), Box::new(SleepNode { sleep_ms: 10 }));
+        dag.add_node("b".to_string(), Box::new(HumanNode));
+        dag.add_edge("a".to_string(), "b".to_string());
+
+        let mut executor = DagExecutor::new(bus.clone(), exec_id.to_string());
+        let sm = executor.state_machine(); // 共享状态机（spawn 后仍可读）
+
+        let run_handle = tokio::spawn(async move {
+            executor
+                .run(
+                    &dag,
+                    json!({ "title": "确认发布", "options": ["同意", "拒绝"], "timeout_secs": 5 }),
+                )
+                .await
+        });
+
+        // 等 a 层完成、b 层 human subscribe + send Request。
+        // executor 先发 NodeStarted(a)/NodeStarted(b)，再发 human 的 Request —— 过滤跳过非 Request 事件
+        let request = tokio::time::timeout(Duration::from_millis(1000), async {
+            loop {
+                if let Ok(ev @ WorkflowEvent::HumanApprovalRequest { .. }) = rx.recv().await {
+                    return ev;
+                }
+                // NodeStarted/NodeCompleted 等其他事件，继续等
+            }
+        })
+        .await;
+        assert!(
+            request.is_ok(),
+            "应收到 b 的 HumanApprovalRequest(R6 端到端)，实际超时"
+        );
+        match request.unwrap() {
+            WorkflowEvent::HumanApprovalRequest { node_id, title, options, .. } => {
+                assert_eq!(node_id, "b");
+                assert_eq!(title, "确认发布");
+                assert_eq!(options, vec!["同意".to_string(), "拒绝".to_string()]);
+            }
+            other => panic!("期望 HumanApprovalRequest，收到 {:?}", other),
+        }
+
+        // 外部 IPC 模拟：审批通过
+        send_response(&bus, exec_id, "b", "同意", Some("可以发布")).await;
+
+        let outputs = run_handle.await.unwrap().unwrap();
+        assert!(outputs.contains_key("a"), "outputs 应含前驱节点 a");
+        assert_eq!(outputs["b"].data["decision"], json!("同意"));
+        assert_eq!(outputs["b"].data["decisions"], json!(["同意"]));
+        assert_eq!(outputs["b"].data["comment"], json!("可以发布"));
+        assert_eq!(sm.get(&"a".to_string()), NodeStatus::Completed);
+        assert_eq!(sm.get(&"b".to_string()), NodeStatus::Completed);
+    }
+
+    /// B-03b-R8: executor 驱动 human DAG，外部 set_cancelled(模拟 cancel_workflow_node IPC)
+    /// → human cancel_tick 命中 is_cancelled → Err → executor 跳过 set_failed(Cancelled 已终态，R1)
+    /// → run 返回取消 Err + 状态保持 Cancelled。覆盖取消在真实 HumanNode 上的端到端(R2)。
+    #[tokio::test]
+    async fn end_to_end_human_approval_cancelled() {
+        let bus = EventBus::new();
+        let mut rx = bus.subscribe(); // subscribe 先于 executor send
+        let exec_id = "exec-e2e-cancel";
+
+        let mut dag = Dag::new();
+        dag.add_node("h".to_string(), Box::new(HumanNode));
+
+        let mut executor = DagExecutor::new(bus.clone(), exec_id.to_string());
+        let sm = executor.state_machine();
+
+        let run_handle = tokio::spawn(async move {
+            executor.run(&dag, json!({ "timeout_secs": 5 })).await
+        });
+
+        // 等 human 发出 Request（确认已 subscribe + send + 进入 select! 轮询）
+        let saw_request = tokio::time::timeout(Duration::from_millis(1000), async {
+            while !matches!(rx.recv().await, Ok(WorkflowEvent::HumanApprovalRequest { .. })) {}
+        })
+        .await
+        .is_ok();
+        assert!(saw_request, "human 应先发出 HumanApprovalRequest");
+
+        // 外部 IPC 模拟：取消节点（写共享 state_machine，human cancel_tick 会读到）
+        sm.set_cancelled("h".to_string());
+
+        let result = run_handle.await.unwrap();
+        assert!(result.is_err(), "取消应致 run 返回 Err");
+        let err = result.unwrap_err().to_string();
+        // executor 把节点 Err 包成 "节点 h 执行失败"(context)，原 "人工审批被取消" 在 source chain
+        assert!(
+            err.contains("取消") || err.contains("执行失败"),
+            "应返回取消相关错误，实际: {}",
+            err
+        );
+        // 状态保持 Cancelled（未被 set_failed 覆盖为 Failed）—— R1 修法端到端验证
+        assert_eq!(sm.get(&"h".to_string()), NodeStatus::Cancelled);
+    }
+
+    // ===== F-260615-01: 多选审批覆盖 =====
+
+    /// F-260615-01: select_type=multiple + 多 decisions(均∈options) → 返回 decisions 数组
+    #[tokio::test]
+    async fn multiple_select_returns_decisions_array() {
+        let bus = EventBus::new();
+        let ctx = make_ctx(
+            &bus,
+            "exec-multi",
+            "node-h",
+            json!({
+                "options": ["A", "B", "C"],
+                "select_type": "multiple"
+            }),
+        );
+        let bus_clone = bus.clone();
+
+        let handle = tokio::spawn(async move { HumanNode.execute(ctx).await });
+
+        tokio::time::sleep(Duration::from_millis(50)).await;
+        send_response_multi(&bus_clone, "exec-multi", "node-h", &["A", "C"], Some("多选")).await;
+
+        let out = handle.await.unwrap().unwrap();
+        assert_eq!(out.data["decision"], json!("A"), "decision 取首项");
+        assert_eq!(out.data["decisions"], json!(["A", "C"]));
+        assert_eq!(out.data["comment"], json!("多选"));
+    }
+
+    /// F-260615-01: select_type=single 缺省 + decisions 多个 → 校验失败(count!=1)忽略后超时
+    #[tokio::test]
+    async fn single_select_rejects_multiple_decisions_then_timeout() {
+        let bus = EventBus::new();
+        let ctx = make_ctx(
+            &bus,
+            "exec-single-multi",
+            "node-h",
+            json!({ "options": ["A", "B"], "timeout_secs": 1 }), // 缺省 single
+        );
+        let bus_clone = bus.clone();
+
+        let handle = tokio::spawn(async move { HumanNode.execute(ctx).await });
+
+        tokio::time::sleep(Duration::from_millis(50)).await;
+        // single 模式却发多个 → 非法
+        send_response_multi(&bus_clone, "exec-single-multi", "node-h", &["A", "B"], None).await;
+
+        let err = handle.await.unwrap().unwrap_err().to_string();
+        assert!(err.contains("超时"), "single 下多 decisions 应被忽略后超时, 实际: {}", err);
+    }
+
+    /// F-260615-01: select_type=multiple 但 decisions 含 ∉ options 的项 → 非法忽略后超时
+    #[tokio::test]
+    async fn multiple_select_invalid_option_ignored_then_timeout() {
+        let bus = EventBus::new();
+        let ctx = make_ctx(
+            &bus,
+            "exec-multi-bad",
+            "node-h",
+            json!({
+                "options": ["A", "B"],
+                "select_type": "multiple",
+                "timeout_secs": 1
+            }),
+        );
+        let bus_clone = bus.clone();
+
+        let handle = tokio::spawn(async move { HumanNode.execute(ctx).await });
+
+        tokio::time::sleep(Duration::from_millis(50)).await;
+        // 一项合法一项不合法 → 整批非法
+        send_response_multi(&bus_clone, "exec-multi-bad", "node-h", &["A", "X"], None).await;
+
+        let err = handle.await.unwrap().unwrap_err().to_string();
+        assert!(err.contains("超时"), "含非法 option 应被忽略后超时, 实际: {}", err);
+    }
+
+    /// F-260615-01: 兼容旧调用方 —— 不填 select_type(缺省 single) + 只填 decision 单值,应正常通过
+    /// (即所有未改造的现有 Request 均按 single 解析,零改动)
+    #[tokio::test]
+    async fn default_single_with_legacy_decision_single_value() {
+        let bus = EventBus::new();
+        // 注意:不传 select_type,验证缺省=Single
+        let ctx = make_ctx(&bus, "exec-leg", "node-h", json!({ "options": ["同意", "拒绝"] }));
+        let bus_clone = bus.clone();
+
+        let handle = tokio::spawn(async move { HumanNode.execute(ctx).await });
+
+        tokio::time::sleep(Duration::from_millis(50)).await;
+        // 旧链路只填 decision,decisions 为空 → HumanNode 兼容回退
+        send_response(&bus_clone, "exec-leg", "node-h", "同意", None).await;
+
+        let out = handle.await.unwrap().unwrap();
+        assert_eq!(out.data["decision"], json!("同意"));
+        assert_eq!(out.data["decisions"], json!(["同意"]), "兼容回退后 decisions 应含单值");
+    }
+
+    // ===== F-260616-06 阶段2: 审批拒绝语义化(行为变更: 拒绝从 Ok → Err) =====
+
+    /// F-260616-06: 默认 options `["同意","拒绝"]` 下选「拒绝」→ Err（不再 Ok）。
+    /// 阶段2 推进链依赖工作流 failed 触发退回，故拒绝必须让节点返 Err → executor set_failed。
+    #[tokio::test]
+    async fn reject_decision_returns_error() {
+        let bus = EventBus::new();
+        let ctx = make_ctx(
+            &bus,
+            "exec-reject",
+            "node-h",
+            json!({ "options": ["同意", "拒绝"] }),
+        );
+        let bus_clone = bus.clone();
+
+        let handle = tokio::spawn(async move { HumanNode.execute(ctx).await });
+
+        tokio::time::sleep(Duration::from_millis(50)).await;
+        send_response(&bus_clone, "exec-reject", "node-h", "拒绝", Some("方案不行")).await;
+
+        let err = handle.await.unwrap().unwrap_err().to_string();
+        assert!(
+            err.contains("拒绝") && err.contains("人工审批"),
+            "拒绝 decision 应返 Err「人工审批被拒绝...」, 实际: {}",
+            err
+        );
+        assert!(
+            err.contains("方案不行"),
+            "拒绝 Err 应携带 comment, 实际: {}",
+            err
+        );
+    }
+
+    /// F-260616-06: 同一 options 下选「同意」→ Ok（通过路径不回归）。
+    #[tokio::test]
+    async fn approve_decision_still_ok() {
+        let bus = EventBus::new();
+        let ctx = make_ctx(
+            &bus,
+            "exec-approve",
+            "node-h",
+            json!({ "options": ["同意", "拒绝"] }),
+        );
+        let bus_clone = bus.clone();
+
+        let handle = tokio::spawn(async move { HumanNode.execute(ctx).await });
+
+        tokio::time::sleep(Duration::from_millis(50)).await;
+        send_response(&bus_clone, "exec-approve", "node-h", "同意", None).await;
+
+        let out = handle.await.unwrap().unwrap();
+        assert_eq!(out.data["decision"], json!("同意"));
+    }
+
+    /// F-260616-06: 英文 reject 关键字同样识别为拒绝 → Err（归一化大小写/空白）。
+    /// 多关键字覆盖走 reject_keyword_detection_normalized 纯单元测试,此处仅验证端到端一条。
+    #[tokio::test]
+    async fn english_reject_keyword_returns_error() {
+        let bus = EventBus::new();
+        let ctx = make_ctx(
+            &bus,
+            "exec-en",
+            "node-h",
+            json!({ "options": ["approve", "reject"], "timeout_secs": 5 }),
+        );
+        let bus_clone = bus.clone();
+
+        let handle = tokio::spawn(async move { HumanNode.execute(ctx).await });
+
+        tokio::time::sleep(Duration::from_millis(50)).await;
+        send_response(&bus_clone, "exec-en", "node-h", "reject", None).await;
+
+        let err = handle.await.unwrap().unwrap_err().to_string();
+        assert!(
+            err.contains("拒绝"),
+            "英文 reject 关键字应返 Err, 实际: {}",
+            err
+        );
+    }
+
+    /// F-260616-06: 多选场景,picked 含一项拒绝 → 整单拒绝 → Err
+    /// （选了「驳回」即驳回,即便同时选了「同意」）。
+    #[tokio::test]
+    async fn multiple_select_with_one_reject_returns_error() {
+        let bus = EventBus::new();
+        let ctx = make_ctx(
+            &bus,
+            "exec-multi-reject",
+            "node-h",
+            json!({
+                "options": ["同意", "驳回", "备注"],
+                "select_type": "multiple"
+            }),
+        );
+        let bus_clone = bus.clone();
+
+        let handle = tokio::spawn(async move { HumanNode.execute(ctx).await });
+
+        tokio::time::sleep(Duration::from_millis(50)).await;
+        send_response_multi(
+            &bus_clone,
+            "exec-multi-reject",
+            "node-h",
+            &["同意", "驳回"],
+            Some("驳回其中一项"),
+        )
+        .await;
+
+        let err = handle.await.unwrap().unwrap_err().to_string();
+        assert!(err.contains("拒绝"), "多选含拒绝项应返 Err, 实际: {}", err);
+    }
+
+    /// F-260616-06: options 空的自由文本场景 —— 明确拒绝词("拒绝")仍返 Err,
+    /// 其余自由文本(非拒绝词)仍按通过处理(向后兼容,不阻断自由反馈)。
+    #[tokio::test]
+    async fn empty_options_free_text_reject_keyword_still_errors() {
+        let bus = EventBus::new();
+        let ctx = make_ctx(&bus, "exec-free-reject", "node-h", json!({ "options": [] }));
+        let bus_clone = bus.clone();
+
+        let handle = tokio::spawn(async move { HumanNode.execute(ctx).await });
+
+        tokio::time::sleep(Duration::from_millis(50)).await;
+        send_response(&bus_clone, "exec-free-reject", "node-h", "拒绝", None).await;
+
+        let err = handle.await.unwrap().unwrap_err().to_string();
+        assert!(err.contains("拒绝"), "自由文本明确为拒绝词仍应 Err, 实际: {}", err);
+    }
+
+    /// F-260616-06: options 空的自由文本场景 —— 非拒绝词自由文本仍返 Ok（不误伤自由反馈）。
+    /// （empty_options_allows_free_text 已覆盖 "改成先做B方案" → Ok,此处补一条非拒绝中文短句。）
+    #[tokio::test]
+    async fn empty_options_non_reject_free_text_still_ok() {
+        let bus = EventBus::new();
+        let ctx = make_ctx(&bus, "exec-free-ok", "node-h", json!({ "options": [] }));
+        let bus_clone = bus.clone();
+
+        let handle = tokio::spawn(async move { HumanNode.execute(ctx).await });
+
+        tokio::time::sleep(Duration::from_millis(50)).await;
+        send_response(&bus_clone, "exec-free-ok", "node-h", "再讨论一下", None).await;
+
+        let out = handle.await.unwrap().unwrap();
+        assert_eq!(out.data["decision"], json!("再讨论一下"));
+    }
+
+    /// F-260616-06 单元: 关键字判定函数归一化(去空白+小写)与边界。
+    #[test]
+    fn reject_keyword_detection_normalized() {
+        assert!(is_reject_decision("拒绝"));
+        assert!(is_reject_decision(" 拒绝 "));
+        assert!(is_reject_decision("Reject"));
+        assert!(is_reject_decision("  decline  "));
+        assert!(is_reject_decision("驳回"));
+        assert!(is_reject_decision("退回"));
+        assert!(!is_reject_decision("同意"));
+        assert!(!is_reject_decision("approve"));
+        assert!(!is_reject_decision("再讨论"));
+        assert!(!is_reject_decision(""));
+        // 不是关键字开头,是整词匹配 —— "拒绝啦" 不应误判
+        assert!(!is_reject_decision("拒绝啦"));
+        assert!(contains_reject(&["同意".into()]) == false);
+        assert!(contains_reject(&["同意".into(), "拒绝".into()]) == true);
+    }
+}

crates/df-nodes/src/human_node_helpers.rs

@@ -0,0 +1,32 @@
+//! 人工审批节点辅助函数/类型 — 拒绝语义化关键字判定等纯逻辑
+//!
+//! 从 human_node.rs 抽离的纯函数/常量(execute 与关键字判定解耦,便于单测覆盖)。
+//! HumanNode 的 struct + impl 仍保留在 human_node.rs(impl 块约束)。
+//!
+//! B-260615-05 / CR-260618-15: 拒绝语义化保留(executor set_failed → 推进链退回)。
+
+/// F-260616-06 阶段2: 拒绝语义化关键字。
+/// decision 归一化(去空白 + 小写)后命中此集合 → 审批拒绝 → 节点返 Err(触发工作流 failed)。
+///
+/// 识别范围（避免误伤）：
+/// - 仅当节点 options 非空且该 decision ∈ options 时拒绝 —— 前端从受控选项中选择，语义可信；
+/// - options 空(自由文本)时同样按关键字判定 —— 仅当文本明确为拒绝词才拒绝，
+///   其余自由文本一律视为通过(向后兼容，不阻断自由反馈)。
+///
+/// 关键字集合与前端/IPC 的 options 命名约定对齐：「拒绝/驳回/退回」中文 +
+/// 「reject/decline/deny/no/block」英文，覆盖默认 options `["同意","拒绝"]`。
+pub(super) const REJECT_KEYWORDS: &[&str] = &[
+    "拒绝", "驳回", "退回", "否决",
+    "reject", "decline", "declined", "deny", "denied", "no", "block",
+];
+
+/// 判定单个 decision 是否为拒绝选项（归一化后命中 REJECT_KEYWORDS）。
+pub(super) fn is_reject_decision(d: &str) -> bool {
+    let normalized = d.trim().to_lowercase();
+    REJECT_KEYWORDS.iter().any(|k| normalized == *k)
+}
+
+/// 判定 picked 集合是否含拒绝选项：任一项命中即视为整单拒绝（多选场景「选了驳回」即驳回）。
+pub(super) fn contains_reject(picked: &[String]) -> bool {
+    picked.iter().any(|d| is_reject_decision(d))
+}

crates/df-nodes/src/lib.rs

@@ -1,10 +1,11 @@
-//! df-nodes: 内置节点集合 — AI、脚本、Docker、Git、人工审批、HTTP、子流程、通知
+//! df-nodes: 内置节点集合 — AI、脚本、人工审批
 
 pub mod ai_node;
-pub mod docker_node;
-pub mod git_node;
-pub mod http_node;
+pub mod ai_self_review_node;
+mod ai_node_helpers;
 pub mod human_node;
-pub mod notify_node;
+mod human_node_helpers;
 pub mod script_node;
-pub mod subflow_node;
+pub mod task_advance_node;
+pub mod task_state_machine;
+pub mod task_workflow_templates;

crates/df-nodes/src/notify_node.rs

@@ -1,41 +0,0 @@
-//! 通知节点 — 发送通知（邮件、飞书、钉钉等）
-
-use async_trait::async_trait;
-use df_workflow::node::{Node, NodeContext, NodeOutput, NodeResult, NodeSchema};
-
-/// 通知节点
-pub struct NotifyNode;
-
-#[async_trait]
-impl Node for NotifyNode {
-    async fn execute(&self, _ctx: NodeContext) -> NodeResult {
-        // TODO: 实现通知发送逻辑
-        tracing::info!("NotifyNode 执行: 发送通知");
-        Ok(NodeOutput::empty())
-    }
-
-    fn schema(&self) -> NodeSchema {
-        NodeSchema {
-            params: serde_json::json!({
-                "type": "object",
-                "properties": {
-                    "channel": { "type": "string", "enum": ["email", "feishu", "dingtalk", "webhook"] },
-                    "to": { "type": "string" },
-                    "title": { "type": "string" },
-                    "body": { "type": "string" }
-                },
-                "required": ["channel", "to", "body"]
-            }),
-            output: serde_json::json!({
-                "type": "object",
-                "properties": {
-                    "success": { "type": "boolean" }
-                }
-            }),
-        }
-    }
-
-    fn node_type(&self) -> &str {
-        "notify"
-    }
-}