完善工具调用

knowledge_v2/.cache/9f510b2a8348/function_knowledge/generated_query.txt

@@ -1 +1 @@
-教资查分 官方发布
+用什么工具获取教资查分这个信息

knowledge_v2/.cache/9f510b2a8348/function_knowledge/selected_tool.txt

@@ -1 +1 @@
-wechat_search_article
+{"工具名": "新红热搜词搜索", "工具调用ID": "new_red_hot_search_words_search", "使用方法": "输入关键词\"教资查分\"，获取该词在小红书的热度值、近90天热度趋势曲线、声量概览及相关搜索结果，全面了解该信息的关注度和趋势。"}

knowledge_v2/.cache/9f510b2a8348/function_knowledge/tool_params.json

@@ -1,3 +1,3 @@
 {
-  "keyword": "教资查分 官方发布"
+  "prompt": "教资查分"
 }

knowledge_v2/function_knowledge.py

@@ -15,6 +15,7 @@ import sys
 import json
 import threading
 from loguru import logger
+import re
 
 # 设置路径以便导入工具类
 current_dir = os.path.dirname(os.path.abspath(__file__))
@@ -98,15 +99,6 @@ class FunctionKnowledge:
         # 组合问题的唯一标识
         combined_question = f"{question}||{post_info}||{persona_info}"
         
-        # 尝试从缓存读取
-        if self.use_cache:
-            cached_query = self.cache.get(combined_question, 'function_knowledge', 'generated_query.txt')
-            if cached_query:
-                logger.info(f"✓ 使用缓存的Query: {cached_query}")
-                # 记录缓存命中
-                self.execution_detail["generate_query"].update({"cached": True, "query": cached_query})
-                return cached_query
-        
         try:
             prompt_template = self._load_prompt("function_generate_query_prompt.md")
             prompt = prompt_template.format(
@@ -114,6 +106,15 @@ class FunctionKnowledge:
                 post_info=post_info,
                 persona_info=persona_info
             )
+
+            # 尝试从缓存读取
+            if self.use_cache:
+                cached_query = self.cache.get(combined_question, 'function_knowledge', 'generated_query.txt')
+                if cached_query:
+                    logger.info(f"✓ 使用缓存的Query: {cached_query}")
+                    # 记录缓存命中
+                    self.execution_detail["generate_query"].update({"cached": True, "query": cached_query})
+                    return cached_query
             
             logger.info("→ 调用Gemini生成Query...")
             query = generate_text(prompt=prompt)
@@ -148,19 +149,13 @@ class FunctionKnowledge:
         logger.info(f"[步骤2] 选择工具...")
         
         try:
-            all_tool_infos = get_all_tool_infos()
+            all_tool_infos = self._load_prompt("all_tools_infos.md")
             if not all_tool_infos:
                 logger.info("  工具库为空，无可用工具")
                 return "None"
             
-            tool_count = len(all_tool_infos.split('--- Tool:')) - 1
-            logger.info(f"  当前可用工具数: {tool_count}")
-                
             prompt_template = self._load_prompt("function_knowledge_select_tools_prompt.md")
-            prompt = prompt_template.format(
-                query=query,
-                tool_infos=all_tool_infos
-            )
+            prompt = prompt_template.replace("{all_tool_infos}", all_tool_infos).replace("query", query)
 
             # 尝试从缓存读取
             if self.use_cache:
@@ -177,7 +172,12 @@ class FunctionKnowledge:
             
             logger.info("→ 调用Gemini选择工具...")
             result = generate_text(prompt=prompt)
-            result_json = result.loads(result)
+            result = self.extract_and_validate_json(result)
+            if not result:
+                logger.error("✗ 选择工具失败: 无法提取有效JSON")
+                return "None"
+
+            result_json = json.loads(result)
 
             logger.info(f"✓ 选择结果: {result_json.get('工具名', 'None')}")
             
@@ -190,7 +190,6 @@ class FunctionKnowledge:
                 "cached": False,
                 "prompt": prompt,
                 "response": result_json,
-                "available_tools_count": tool_count
             }
             
             return result_json
@@ -198,6 +197,35 @@ class FunctionKnowledge:
             logger.error(f"✗ 选择工具失败: {e}")
             return "None"
 
+    def extract_and_validate_json(self, text: str):
+        """
+        从字符串中提取 JSON 部分，并返回标准的 JSON 字符串。
+        如果无法提取或解析失败，返回 None (或者你可以改为抛出异常)。
+        """
+        # 1. 使用正则表达式寻找最大的 JSON 块
+        # r"(\{[\s\S]*\}|\[[\s\S]*\])" 的含义：
+        # - \{[\s\S]*\} : 匹配以 { 开头，} 结尾的最长字符串（[\s\S] 包含换行符）
+        # - | : 或者
+        # - \[[\s\S]*\] : 匹配以 [ 开头，] 结尾的最长字符串（处理 JSON 数组）
+        match = re.search(r"(\{[\s\S]*\}|\[[\s\S]*\])", text)
+
+        if match:
+            json_str = match.group(0)
+            try:
+                # 2. 尝试解析提取出的字符串，验证是否为合法 JSON
+                parsed_json = json.loads(json_str)
+
+                # 3. 重新转储为标准字符串 (去除原本可能存在的缩进、多余空格等)
+                # ensure_ascii=False 保证中文不会变成 \uXXXX
+                return json.dumps(parsed_json, ensure_ascii=False)
+
+            except json.JSONDecodeError as e:
+                print(f"提取到了类似JSON的片段，但解析失败: {e}")
+                return None
+        else:
+            print("未在文本中发现 JSON 结构")
+            return None
+
     def extract_tool_params(self, combined_question: str, query: str, tool_id: str, tool_instructions: str) -> dict:
         """
         根据工具信息和查询提取调用参数
@@ -235,7 +263,7 @@ class FunctionKnowledge:
             prompt_template = self._load_prompt("function_knowledge_extract_tool_params_prompt.md")
             prompt = prompt_template.format(
                 query=query,
-                # tool_info=tool_info
+                all_tool_params=tool_params
             )
             
             # 调用LLM提取参数
@@ -366,8 +394,6 @@ class FunctionKnowledge:
                 else:
                     logger.info(f"  → 调用工具，参数: {arguments}")
                     tool_result = call_tool(tool_id, arguments)
-                    # 缓存工具调用结果
-                    self.cache.set(combined_question, 'function_knowledge', 'tool_result.json', tool_result)
 
                 logger.info(f"✓ 工具调用完成")