Agent/examples/create/skills/add_nodes_to_paths.md

---

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：

{
  "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：

{
  "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

   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"]
   

   1. 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

   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"],
      ...
    ]
   }
   

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

   3. 选择第 2 个模式组的第 1 个元素

   4. 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