---
name: add_nodes_to_paths
description: 将节点添加到指定路径，生成候选路径。Agent 负责智能决策，工具负责机械操作
---

## 将节点添加到路径

你可以通过 `add_nodes_to_paths` 工具将选中的节点添加到路径中。

### 你的职责（智能决策）
1. 调用数据查询工具获取候选节点：
   - `search_class_by_point`: 从点泛化到分类
   - `search_point_by_class`: 从分类细化到点
   - `search_relation_class_by_class`: 从分类关联到其他分类
   - `search_pattern`: 探索模式（返回网状结构）
2. 分析查询结果，选择要添加的节点
3. 对于 pattern 返回的网状结构，自主判断用多少、用哪些
4. 决定每条路径的扩展方式

### 工具职责（机械操作）
1. 将节点添加到路径中
2. 记录 Evidence 日志
3. 检查路径连续性和避免循环
4. 生成候选路径

### 输入参数
- `derivation_id`: 推导任务 ID
- `path_extensions`: 路径扩展列表，每个包含：
  - `path_id`: 路径索引
  - `new_nodes`: 要添加的节点列表，每个节点包含：
    - `名称`: 节点名称
    - `类型`: 节点类型（可选）
    - `维度`: 节点维度（可选）
    - `分类`: "point" 或 "class"
  - `step_type`: 游走方法（generalize/specialize/relate/pattern）
  - `link_type`: 推导关系类型（hierarchy_generalize/hierarchy_specialize/class_relation/pattern）
  - `evidence`: Evidence 信息
    - `tool`: 使用的工具名称
    - `query`: 查询参数
    - `evidence_type`: hierarchy/relation/pattern
  - `reasoning`: 推理依据

示例：
```json
{
  "derivation_id": "uuid",
  "path_extensions": [
    {
      "path_id": 0,
      "new_nodes": [
        {
          "名称": "灵感点_实质>人设",
          "类型": "灵感点",
          "维度": "实质",
          "分类": "class"
        }
      ],
      "step_type": "generalize",
      "link_type": "hierarchy_generalize",
      "evidence": {
        "tool": "search_class_by_point",
        "query": {"point_value": "懒人妻子"},
        "evidence_type": "hierarchy"
      },
      "reasoning": "从具体人设泛化到分类，寻找更广泛的人设类别"
    }
  ]
}
```

### 返回结果
返回扩展后的候选路径信息：
```json
{
  "candidate_count": 10,
  "candidate_paths": [...]
}
```

### 使用场景
- 每轮为所有活跃路径添加新节点
- 不同路径可以添加不同的节点
- 同一路径可以添加多个候选节点（产生多条候选路径）

### 工作流程示例

**轮次 1：从点泛化到分类**

1. 调用 `get_current_state` 查看当前路径
   - 路径 0: 懒人妻子（点）
   - 路径 1: 创意展示（点）

2. 为路径 0 调用 `search_class_by_point`
   ```python
   search_class_by_point([{
     "point_value": "懒人妻子",
     "point_type": "灵感点",
     "dimension": "实质"
   }])
   # 返回: ["灵感点_实质>人设", "灵感点_实质>角色"]
   ```

3. 选择要添加的节点，调用 `add_nodes_to_paths`
   ```json
   {
     "path_id": 0,
     "new_nodes": [
       {"名称": "灵感点_实质>人设", "分类": "class"}
     ],
     "step_type": "generalize",
     "link_type": "hierarchy_generalize",
     "evidence": {
       "tool": "search_class_by_point",
       "query": {"point_value": "懒人妻子"},
       "evidence_type": "hierarchy"
     },
     "reasoning": "从具体人设泛化到分类"
   }
   ```

**轮次 2：探索 pattern**

1. 为路径 0 调用 `search_pattern`
   ```python
   search_pattern(["灵感点_实质>人设"], top_k=5)
   # 返回网状结构:
   {
     "灵感点_实质>人设": [
       ["关键点_形式>展示", "关键点_意图>情感"],
       ["关键点_形式>叙事", "关键点_意图>共鸣"],
       ...
     ]
   }
   ```

2. 分析网状结构，选择最有价值的模式
   - 选择第 1 个模式组的前 2 个元素
   - 选择第 2 个模式组的第 1 个元素

3. 调用 `add_nodes_to_paths` 添加选中的节点

### 注意事项
- 每条路径每轮可以添加多个候选节点（产生多条候选路径）
- 工具会自动避免路径循环（重复节点）
- 工具会自动记录 Evidence 审计日志
- 调用后需要调用 `evaluate_and_prune` 进行剪枝
- 对于 pattern 返回的网状结构，你需要智能判断用多少、用哪些