DevFlow/crates/df-nodes/src/ai_node.rs

//! AI 节点 — 调用 LLM 完成文本生成/分析任务
//!
//! 工作流中无人值守的 AI 步骤：从节点 config 读取 OpenAI 兼容 provider 配置与
//! prompt，自建 client 调用一次 LLM，输出文本供下游节点消费。
//!
//! 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::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
///
/// 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);

        // 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) = p.system_prompt {
            messages.push(ChatMessage::system(sys));
        }
        messages.push(ChatMessage::user(p.prompt));

        let request = CompletionRequest {
            model: p.model.clone(),
            messages,
            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={}",
            p.provider.default_model,
            p.provider.base_url
        );
        let response = provider.complete(request).await?;

        tracing::info!(
            "AiNode 完成: model={}, prompt_tokens={}, completion_tokens={}",
            response.model,
            response.usage.prompt_tokens,
            response.usage.completion_tokens
        );

        let output = serde_json::json!({
            "text": response.text,
            "model": response.model,
            "usage": {
                "prompt_tokens": response.usage.prompt_tokens,
                "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 {
        NodeSchema {
            params: serde_json::json!({
                "type": "object",
                "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）" },
                    "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）" },
                    "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" }
                },
                // 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",
                "properties": {
                    "text": { "type": "string" },
                    "model": { "type": "string" },
                    "usage": { "type": "object" }
                }
            }),
        }
    }

    fn node_type(&self) -> &str {
        "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)。
}