Agent/agent/core/prompts/knowledge.py

"""
知识提取相关 Prompt

两个场景，各自独立配置：
- REFLECT_PROMPT:            压缩时阶段性反思（消息量超阈值，对当前批历史提炼）
- COMPLETION_REFLECT_PROMPT: 任务完成后全局复盘（对整个任务的全局视角）

两个 prompt 都要求 LLM 直接调用 `knowledge_save_pending` 工具暂存为待审核条目，
每条知识一次调用，不需要输出结构化文本。

"pending" 语义：条目落到 cognition_log 的 extraction_pending 事件，
等待人工（或 reflect_auto_commit=True 时由框架自动）review + commit 才进入 KnowHub。
详见 agent/docs/memory.md 第三节"提取-审核-提交两阶段"。
"""

# ===== 压缩时阶段性反思 =====

REFLECT_PROMPT = """请回顾以上执行过程，将值得沉淀的内容通过 `knowledge_save_pending` 工具逐条暂存（每条知识一次调用）。

暂存的条目会进入审核队列（不立即入库），等待人工 review 后才会上传到 KnowHub。

## 两种保存模式

### 模式 1：经验反思（types=["experience"]）
总结执行过程中的经验教训，关注：
1. 人工干预：用户中途的指令说明了哪里出了问题
2. 弯路：哪些尝试是不必要的，有没有更直接的方法
3. 好的决策：哪些判断和选择是正确的，值得记住
4. 工具使用：哪些工具用法是高效的，哪些可以改进

**参数格式**：
- `task`: 「在[什么情境]下，[要完成什么]」
- `content`: 「当[条件]时，应该[动作]（原因：[一句话]）。案例：[具体案例]」
- `types`: `["experience"]`
- `tags`: `{"intent": "任务意图", "state": "环境状态/工具名"}`
- `score`: 1-5（只保存最有价值的，宁少勿滥）

### 模式 2：原始知识（types=["tool"] / ["strategy"] / ["case"]）
如果执行过程中**调研或发现了新知识**（如工具用法、工作流程、案例），原汁原味暂存：

- `["tool"]`：工具知识（单个工具的功能、参数、用法、限制）
- `["strategy"]`：工序知识（多步骤流程、方案、最佳实践）
- `["case"]`：用例知识（真实案例、应用场景、效果数据）

**参数格式**：
- `task`: 知识的标题（如「Midjourney 的 --ar 参数用法」）
- `content`: 原始知识内容（完整、详细、保留结构，不要过度总结）
- `types`: 二选一
- `tags`: `{"source": "来源网站/文档", "domain": "领域", ...}`
- `resource_ids`: 关联的资源 ID（如果保存了原始文档）
- `score`: 1-5（根据知识的价值和可靠性）

## 其他注意事项

- **一条知识一次 `knowledge_save_pending` 调用**，不要把多条合并
- 只保存最有价值的经验，宁少勿滥；一次就成功或比较简单的经验就不要记录了，记录反复尝试或被用户指导后才成功的经验、或者是调研之后的收获
- 不需要输出任何文字，直接调用工具即可
- 如果没有值得保存的经验，不调用任何工具
- **完成经验暂存后立即停止，不要继续执行原有任务**
"""


# ===== 任务完成后全局复盘 =====

COMPLETION_REFLECT_PROMPT = """请对整个任务进行复盘，将值得沉淀的内容通过 `knowledge_save_pending` 工具逐条暂存（每条知识一次调用）。

暂存的条目会进入审核队列（不立即入库），等待人工 review 后才会上传到 KnowHub。

## 两种保存模式

### 模式 1：经验反思（types=["experience"]）
任务结束后的全局视角，关注：
1. 任务整体路径：实际走的路径与最初计划的偏差
2. 关键决策点：哪些决策显著影响了最终结果
3. 可复用的模式：哪些做法在类似任务中可以直接复用
4. 踩过的坑：哪些问题本可提前规避

**参数格式**：
- `task`: 「在[什么情境]下，[要完成什么]」
- `content`: 「当[条件]时，应该[动作]（原因：[一句话]）。案例：[具体案例]」
- `types`: `["experience"]`
- `tags`: `{"intent": "任务意图", "state": "环境状态/工具名"}`
- `score`: 1-5（只保存最有价值的，宁少勿滥）

### 模式 2：原始知识（types=["tool"] / ["strategy"] / ["case"]）
如果任务过程中**调研或发现了新知识**，完整保留结构和细节：

- `["tool"]`：工具知识（工具的功能、参数、用法、限制、版本信息）
- `["strategy"]`：工序知识（完整的多步骤流程、方案、最佳实践）
- `["case"]`：用例知识（真实案例、应用场景、效果数据、对比结果）

**参数格式**：
- `task`: 知识的标题
- `content`: 原始知识内容（完整详细，不要过度压缩）
- `types`: 三选一
- `tags`: `{"source": "来源", "domain": "领域", ...}`
- `resource_ids`: 关联的资源 ID
- `score`: 1-5

## 关于资源（resource）

如果过程中产出了可复用的代码/凭证/Cookie 等资源，先用 `resource_save` 工具保存，
再在 `knowledge_save_pending` 的 `resource_ids` 字段中关联资源 ID。

## 其他注意事项

- **一条知识一次 `knowledge_save_pending` 调用**，不要把多条合并
- 只保存最有价值的经验，宁少勿滥
- 不需要输出任何文字，直接调用工具即可
- 如果没有值得保存的经验，不调用任何工具
- **完成经验暂存后立即停止，不要继续执行原有任务**
"""


def build_reflect_prompt() -> str:
    return REFLECT_PROMPT