fix(observability): 增强模型文本提取，支持多种方式并输出调试信息

## 改动内容

### 增强 extractTextContent() 方法

支持 6 种提取方式，依次尝试：

```java
// 方法 1: 反射获取 text 字段
Field textField = message.getClass().getDeclaredField("text");

// 方法 2: 反射获取 content 字段
Field contentField = message.getClass().getDeclaredField("content");

// 方法 3: 调用 getText() 方法
Method getTextMethod = message.getClass().getMethod("getText");

// 方法 4: 调用 getContent() 方法
Method getContentMethod = message.getClass().getMethod("getContent");

// 方法 5: 打印类结构信息（帮助调试）
log.warn("字段列表: ...");
log.warn("方法列表: ...");

// 方法 6: toString() 兜底
return message.toString();
```

---

## 调试信息输出

### 当提取失败时

```
[WARN] 无法提取 AssistantMessage 文本内容，打印类信息:
[WARN] 类名: org.springframework.ai.chat.messages.AssistantMessage
[WARN] 字段列表:
[WARN]   - text: String
[WARN]   - toolCalls: List
[WARN]   - metadata: Map
[WARN] 方法列表:
[WARN]   - getText(): String
[WARN]   - getToolCalls(): List
[WARN]   - getMetadata(): Map
```

**用途**：
- 帮助快速定位正确的字段/方法名
- 不同 Spring AI 版本可能有不同实现
- 一次调试，永久修复

---

### 当提取成功时

```
[DEBUG] 通过 text 字段提取成功
[INFO] *** [Agent 思考] 模型返回文本: 我需要查询知识库...
```

---

## 适配不同 Spring AI 版本

| 版本 | 字段/方法 | 提取方式 |
|------|----------|---------|
| **Spring AI 0.x** | `text` 字段 | 方法 1 ✅ |
| **Spring AI 1.x** | `content` 字段 | 方法 2 ✅ |
| **阿里云版本** | `getText()` 方法 | 方法 3 ✅ |
| **自定义实现** | `getContent()` 方法 | 方法 4 ✅ |
| **未知版本** | 打印类信息 | 方法 5 → 手动适配 |

---

## 错误处理

### 提取失败但不中断

```java
catch (Exception e) {
    log.error("提取 AssistantMessage 文本内容时出错", e);
    return null;
}

// 调用处
String textContent = extractTextContent(lastAssistant);
if (textContent != null && !textContent.isEmpty()) {
    log.info("*** [Agent 思考] 模型返回文本: {}", textContent);
} else {
    // 跳过，不打印
}
```

**不会中断流程**：
- 提取失败 → 返回 null
- null 检查 → 跳过日志输出
- 继续执行后续逻辑

---

## 使用场景

### 场景 1：首次运行，不确定字段名

```bash
# 启动应用
mvn spring-boot:run

# 发起请求
curl -X POST http://localhost:9900/api/chat \
  -d '{"id":"test","question":"测试"}'

# 查看日志
tail -f logs/application.log | grep "模型返回文本\|字段列表\|方法列表"
```

**如果看到**：
```
[WARN] 无法提取 AssistantMessage 文本内容，打印类信息:
[WARN] 方法列表:
[WARN]   - getTextContent(): String  ← 找到了！
```

**修复**：在 `extractTextContent()` 中添加方法 7：
```java
// 方法 7: 尝试 getTextContent()
Method method = message.getClass().getMethod("getTextContent");
Object value = method.invoke(message);
```

---

### 场景 2：提取成功

```
[DEBUG] 通过 text 字段提取成功
[INFO] *** [Agent 思考] 模型返回文本: 我需要查询知识库来了解支付失败的具体原因
```

正常使用，无需调整。

---

## 性能考虑

### 反射开销

- 反射调用比直接调用慢 ~10-100 倍
- 但只在日志输出时使用，不在热路径
- Agent 调用频率低（秒级），性能影响可忽略

### 优化建议（可选）

缓存反射结果：

```java
private static Field cachedTextField = null;

private String extractTextContent(AssistantMessage message) {
    if (cachedTextField == null) {
        cachedTextField = message.getClass().getDeclaredField("text");
        cachedTextField.setAccessible(true);
    }
    return (String) cachedTextField.get(message);
}
```

**当前未实现**，因为：
- 日志场景无性能瓶颈
- 简单实现更易维护
- 如需优化再添加

---

## 提交历史

```
当前 fix(observability): 增强模型文本提取，支持多种方式并输出调试信息
934d8ee feat(observability): 在 Hook 中输出模型返回的文本内容
7c8758d refactor(observability): 简化 ChatService 日志，避免与 Hook 重复
```

.docs/2026-06-24-ai-ops-prompt-config-and-lookup-tool.md

@@ -0,0 +1,233 @@
+# AI Ops Prompt 配置化 & LookupKnowledgeTool 集成
+
+**日期**: 2026-06-24  
+**类型**: 功能增强 + 架构优化  
+**影响范围**: AI Ops 服务
+
+---
+
+## 一、变更背景
+
+### 1.1 问题
+
+- **硬编码 Prompt**：Planner、Executor、Supervisor 的系统提示词硬编码在 `AiOpsService.java` 中，难以维护和版本控制
+- **缺少知识库精确检索**：现有 `InternalDocsTools` 只支持 L1 语义检索（200-500ms），对于错误码、配置项等精确关键词查询效率较低
+
+### 1.2 解决方案
+
+1. **Prompt 配置化**：将所有 Agent 的 Prompt 抽取到 `prompts/ai-ops-prompts.yml` 配置文件
+2. **集成 L0+L1 混合检索**：引入 `LookupKnowledgeTool`，支持精确关键词匹配（< 10ms）+ 语义检索补充
+
+---
+
+## 二、架构变更
+
+### 2.1 Prompt 配置化架构
+
+```
+AiOpsService
+    ↓ 注入
+AiOpsPromptProperties (配置类)
+    ↓ @PostConstruct 加载
+ClassPathResource 读取 Markdown 文件
+    ↓ 读取
+prompts/
+├── planner-prompt.md
+├── executor-prompt.md
+└── supervisor-prompt.md
+```
+
+**优点**：
+- 易于维护：Prompt 修改不需要重新编译
+- 格式友好：Markdown 格式支持代码块、表格，无 YAML 转义问题
+- 版本控制：配置文件独立管理
+- 易于扩展：后续可按环境区分（dev/prod）
+
+### 2.2 工具层增强
+
+```
+原有工具：
+- queryInternalDocs (纯 L1 语义检索，200-500ms)
+
+新增工具：
+- lookup_knowledge (L0 精确匹配 + L1 补充，< 10ms 高置信度)
+```
+
+**使用策略**：
+- 精确关键词（错误码、配置项）→ `lookup_knowledge`，未找到时降级到 `queryInternalDocs`
+- 模糊概念、故障流程 → 直接使用 `queryInternalDocs`
+
+---
+
+## 三、核心改动
+
+### 3.1 新增文件
+
+#### `AiOpsPromptProperties.java`
+```java
+@Configuration
+public class AiOpsPromptProperties {
+    private String planner;
+    private String executor;
+    private String supervisor;
+
+    @PostConstruct
+    public void loadPrompts() {
+        planner = loadPromptFromFile("prompts/planner-prompt.md");
+        executor = loadPromptFromFile("prompts/executor-prompt.md");
+        supervisor = loadPromptFromFile("prompts/supervisor-prompt.md");
+    }
+    
+    private String loadPromptFromFile(String path) throws IOException {
+        ClassPathResource resource = new ClassPathResource(path);
+        return new String(resource.getInputStream().readAllBytes(), StandardCharsets.UTF_8);
+    }
+}
+```
+
+#### `prompts/*.md`
+三个独立的 Markdown 文件，包含 Agent 的完整系统提示词：
+- `planner-prompt.md` - Planner Agent 系统提示词
+- `executor-prompt.md` - Executor Agent 系统提示词（含工具选择指南）
+- `supervisor-prompt.md` - Supervisor Agent 系统提示词
+
+### 3.2 修改文件
+
+#### `AiOpsService.java`
+
+**注入新组件**：
+```java
+@Autowired
+private LookupKnowledgeTool lookupKnowledgeTool;
+
+@Autowired
+private AiOpsPromptProperties promptProperties;
+```
+
+**使用配置化 Prompt**：
+```java
+// 原来
+.systemPrompt(buildPlannerPrompt())
+
+// 改为
+.systemPrompt(promptProperties.getPlanner())
+```
+
+**添加工具到工具数组**：
+```java
+return new Object[]{
+    dateTimeTools, 
+    internalDocsTools, 
+    queryMetricsTools, 
+    lookupKnowledgeTool  // 新增
+};
+```
+
+**删除方法**：
+- `buildPlannerPrompt()`
+- `buildExecutorPrompt()`
+- `buildSupervisorSystemPrompt()`
+
+---
+
+## 四、Executor Prompt 变更详情
+
+### 4.1 新增工具选择指南
+
+```yaml
+- 根据查询内容选择合适的工具：
+  * 精确关键词（错误码、配置项名称）→ 优先使用 lookup_knowledge，未找到时降级到 queryInternalDocs
+  * 模糊概念、故障流程 → 直接使用 queryInternalDocs
+  * 告警数据 → queryPrometheusAlerts
+  * 日志数据 → queryLogs
+```
+
+### 4.2 降级策略
+
+关键改进：明确了 `lookup_knowledge` 未找到时的降级策略。
+
+**流程**：
+```
+1. Planner: "查询 ERR_TIMEOUT 定义"
+2. Executor: 调用 lookup_knowledge("ERR_TIMEOUT")
+3a. 如果 found=true, confidence=high → 使用 primary.content
+3b. 如果 found=false → 自动降级到 queryInternalDocs("ERR_TIMEOUT 超时错误")
+4. 返回 feedback 给 Planner
+```
+
+---
+
+## 五、兼容性说明
+
+### 5.1 向后兼容
+
+✅ **完全兼容**：
+- 现有工具调用逻辑不变
+- 3-Agent 协同模式不变
+- Planner/Executor/Supervisor 的职责边界不变
+
+### 5.2 新增依赖
+
+- `LookupKnowledgeTool` 依赖 `KnowledgeIndexService` 和 `VectorSearchService`
+- 需要 `knowledge_base/` 目录存在（已在 `application.yml` 中配置）
+
+---
+
+## 六、验证清单
+
+### 6.1 编译验证
+
+```bash
+mvn clean compile -DskipTests
+```
+
+✅ **结果**: BUILD SUCCESS
+
+### 6.2 运行时验证（待完成）
+
+- [ ] 启动应用，验证 Prompt 配置加载成功
+- [ ] 触发 AI Ops 流程，验证 `lookup_knowledge` 工具可调用
+- [ ] 测试精确关键词查询（如 "ERR_TIMEOUT"）
+- [ ] 测试降级策略（查询不存在的关键词）
+
+---
+
+## 七、后续工作
+
+### 7.1 知识库内容准备
+
+当前 `knowledge_base/` 目录需要补充文档：
+- 错误码定义（支付网关、订单系统等）
+- 配置最佳实践（Redis、HikariCP、Flyway 等）
+- 故障排查流程
+
+**文档格式示例**：
+```markdown
+---
+title: 支付网关错误码定义
+keywords: [ERR_TIMEOUT, 超时, 支付网关]
+summary: 记录了支付网关所有核心错误码的含义及排查方向
+category: api
+---
+
+# 支付网关错误码定义
+
+## ERR_TIMEOUT
+...
+```
+
+### 7.2 Prompt 优化
+
+基于实际运行反馈，持续优化 `prompts/ai-ops-prompts.yml` 中的提示词。
+
+### 7.3 可观测性增强
+
+- 监控 `lookup_knowledge` 的调用频率和命中率
+- 记录降级场景（L0 未找到 → L1 补充）
+
+---
+
+## 八、参考文档
+
+- [知识库检索架构说明](../mvp/architecture/knowledge-retrieval-architecture.md)
+- [AI Ops 核心设计 Essence 报告](../docs/learning/01-AI-Ops-核心设计-Essence报告.md)

.docs/2026-06-24-prompt-to-markdown.md

@@ -0,0 +1,100 @@
+# Prompt 配置化改进总结
+
+**日期**: 2026-06-24  
+**改进**: 从 YAML 配置改为 Markdown 文件
+
+---
+
+## 改进原因
+
+YAML 格式存在以下问题：
+1. **多行字符串缩进敏感**：容易出现格式错误
+2. **转义字符复杂**：代码块、表格需要转义处理
+3. **可读性差**：长文本在 YAML 中难以阅读和维护
+
+Markdown 格式优势：
+- ✅ 原生支持代码块、表格、列表
+- ✅ 无需转义，所见即所得
+- ✅ 版本控制 diff 更清晰
+- ✅ 编辑器语法高亮支持好
+
+---
+
+## 最终方案
+
+### 文件结构
+```
+src/main/resources/prompts/
+├── planner-prompt.md       # Planner Agent 系统提示词
+├── executor-prompt.md      # Executor Agent 系统提示词
+└── supervisor-prompt.md    # Supervisor Agent 系统提示词
+```
+
+### 加载方式
+```java
+@Configuration
+public class AiOpsPromptProperties {
+    
+    @PostConstruct
+    public void loadPrompts() {
+        planner = loadPromptFromFile("prompts/planner-prompt.md");
+        executor = loadPromptFromFile("prompts/executor-prompt.md");
+        supervisor = loadPromptFromFile("prompts/supervisor-prompt.md");
+    }
+    
+    private String loadPromptFromFile(String path) throws IOException {
+        ClassPathResource resource = new ClassPathResource(path);
+        return new String(resource.getInputStream().readAllBytes(), StandardCharsets.UTF_8);
+    }
+}
+```
+
+### 使用方式
+```java
+@Autowired
+private AiOpsPromptProperties promptProperties;
+
+// 直接使用
+.systemPrompt(promptProperties.getPlanner())
+```
+
+---
+
+## 编译验证
+
+```bash
+mvn clean compile -DskipTests
+```
+
+✅ **结果**: BUILD SUCCESS
+
+---
+
+## 完整改动清单
+
+| 文件 | 改动 |
+|------|------|
+| `AiOpsService.java` | 注入 `LookupKnowledgeTool` + `AiOpsPromptProperties` |
+| `AiOpsPromptProperties.java` | 从 Markdown 文件加载 Prompt（使用 `@PostConstruct`）|
+| `prompts/planner-prompt.md` | 新增：Planner 系统提示词 |
+| `prompts/executor-prompt.md` | 新增：Executor 系统提示词（含工具选择指南）|
+| `prompts/supervisor-prompt.md` | 新增：Supervisor 系统提示词 |
+| ~~`YamlPropertySourceFactory.java`~~ | 已删除（不再需要）|
+| ~~`prompts/ai-ops-prompts.yml`~~ | 已删除（改用 Markdown）|
+
+---
+
+## Executor Prompt 关键改进
+
+新增工具选择指南：
+```markdown
+- 根据查询内容选择合适的工具：
+  * 精确关键词（错误码、配置项名称）→ 优先使用 lookup_knowledge，未找到时降级到 queryInternalDocs
+  * 模糊概念、故障流程 → 直接使用 queryInternalDocs
+  * 告警数据 → queryPrometheusAlerts
+  * 日志数据 → queryLogs
+```
+
+降级策略：
+- `lookup_knowledge` 未找到 → 自动降级到 `queryInternalDocs`
+- 确保查询不会因为知识库缺少内容而失败

.docs/2026-06-25-knowledge-base-init-api.md

@@ -0,0 +1,469 @@
+# 知识库初始化 API 使用文档
+
+## 概述
+
+提供了知识库批量初始化接口，用于将 `knowledge_base` 目录下的所有 Markdown 文档导入到数据库和向量索引（L0 + L1）。
+
+**功能特点**：
+1. ✅ **批量扫描**：递归扫描 knowledge_base 目录下所有 .md 文件
+2. ✅ **自动去重**：基于文件路径检查，避免重复导入
+3. ✅ **数据入库**：保存文档元数据到 MySQL
+4. ✅ **L0 索引**：自动加入内存精确匹配索引
+5. ✅ **L1 索引**：文档分块并上传到 Milvus 向量数据库
+
+---
+
+## API 接口
+
+### 1. 初始化知识库
+
+**端点**：
+```
+POST /api/knowledge/init?force=false
+```
+
+**参数**：
+- `force`（可选）：是否强制重新导入，跳过去重检查
+  - `false`（默认）：跳过已存在的文档
+  - `true`：强制重新导入所有文档
+
+**请求示例**：
+```bash
+# 首次导入（去重模式）
+curl -X POST http://localhost:9900/api/knowledge/init
+
+# 强制重新导入
+curl -X POST http://localhost:9900/api/knowledge/init?force=true
+```
+
+**响应示例**：
+```json
+{
+  "success": true,
+  "message": "知识库初始化完成",
+  "scanned": 6,
+  "skipped": 0,
+  "inserted": 6,
+  "failed": 0,
+  "details": {
+    "api/payment-errors.md": "导入成功（L0+L1）",
+    "domain/spring-ai-tool-best-practices.md": "导入成功（L0+L1）",
+    "infrastructure/flyway-best-practices.md": "导入成功（L0+L1）",
+    "infrastructure/mysql-connection-pool.md": "导入成功（L0+L1）",
+    "infrastructure/redis-config.md": "导入成功（L0+L1）",
+    "troubleshooting/fault-diagnosis-process.md": "导入成功（L0+L1）"
+  }
+}
+```
+
+**字段说明**：
+- `scanned`：扫描到的文件总数
+- `skipped`：跳过的文件数量（已存在）
+- `inserted`：成功导入的文件数量
+- `failed`：失败的文件数量
+- `details`：每个文件的处理结果详情
+
+---
+
+### 2. 查询知识库统计
+
+**端点**：
+```
+GET /api/knowledge/stats
+```
+
+**请求示例**：
+```bash
+curl http://localhost:9900/api/knowledge/stats
+```
+
+**响应示例**：
+```json
+{
+  "success": true,
+  "totalDocuments": 6,
+  "totalVectors": 48,
+  "categories": {
+    "api": 1,
+    "domain": 1,
+    "infrastructure": 3,
+    "troubleshooting": 1
+  }
+}
+```
+
+**字段说明**：
+- `totalDocuments`：数据库中的文档总数
+- `totalVectors`：Milvus 中的向量总数（chunk 数量）
+- `categories`：按分类统计的文档数量
+
+---
+
+## 使用场景
+
+### 场景 1：项目启动时初始化
+
+```bash
+# 1. 启动应用
+mvn spring-boot:run
+
+# 2. 等待应用启动完成（约 10 秒）
+
+# 3. 调用初始化接口
+curl -X POST http://localhost:9900/api/knowledge/init
+
+# 4. 查看结果
+# 日志输出：知识库初始化完成: 扫描=6, 跳过=0, 新增=6, 失败=0
+```
+
+---
+
+### 场景 2：添加新文档后重新初始化
+
+```bash
+# 1. 添加新文档到 knowledge_base 目录
+echo "---
+title: 新文档
+keywords: [测试, test]
+summary: 这是一个测试文档
+category: test
+---
+
+# 新文档内容
+" > knowledge_base/test/new-doc.md
+
+# 2. 调用初始化接口（去重模式）
+curl -X POST http://localhost:9900/api/knowledge/init
+
+# 3. 查看结果
+# 只会导入新文档，跳过已存在的 6 个文档
+# 响应: scanned=7, skipped=6, inserted=1, failed=0
+```
+
+---
+
+### 场景 3：强制重新导入所有文档
+
+```bash
+# 适用场景：
+# - 数据库被清空，需要重新导入
+# - 文档内容有更新，需要刷新
+# - 索引损坏，需要重建
+
+curl -X POST http://localhost:9900/api/knowledge/init?force=true
+
+# 响应: scanned=6, skipped=0, inserted=6, failed=0
+```
+
+---
+
+## 去重机制
+
+### 去重依据
+- **文件路径**：相对于 `knowledge_base` 目录的相对路径
+- 示例：`api/payment-errors.md`
+
+### 去重逻辑
+```
+if (!force && existingFilePaths.contains(relativePath)) {
+    跳过该文档
+} else {
+    导入该文档
+}
+```
+
+### 注意事项
+1. **文件移动会被视为新文档**：
+   ```bash
+   # 移动前：api/payment-errors.md
+   # 移动后：errors/payment-errors.md
+   # 结果：会被当作两个不同的文档
+   ```
+
+2. **文件重命名会被视为新文档**：
+   ```bash
+   # 重命名前：payment-errors.md
+   # 重命名后：payment-error-codes.md
+   # 结果：会被当作两个不同的文档
+   ```
+
+3. **内容更新不触发重新导入**（非 force 模式）：
+   ```bash
+   # 修改文件内容后调用 init（非 force）
+   # 结果：跳过该文档，数据库中仍是旧内容
+   # 解决：使用 force=true 强制重新导入
+   ```
+
+---
+
+## 数据存储
+
+### 完整的数据流
+
+```
+knowledge_base/*.md
+    ↓ 1. 扫描
+KnowledgeBaseInitService
+    ↓ 2. 解析 frontmatter
+Frontmatter (title, keywords, summary)
+    ↓ 3. 保存到数据库
+MySQL (api_document)
+    ↓ 4. 提取正文 & 分块
+DocumentChunkService
+    ↓ 5. 生成向量
+VectorEmbeddingService
+    ↓ 6. 索引到 Milvus
+Milvus (L1 向量索引)
+    ↓ 7. 加入内存索引
+KnowledgeIndexService (L0)
+```
+
+---
+
+### 数据库表结构（api_document）
+
+| 字段 | 类型 | 说明 | 示例 |
+|------|------|------|------|
+| `id` | BIGINT | 主键 | 1 |
+| `doc_id` | VARCHAR(64) | 文档唯一标识 | uuid |
+| `file_name` | VARCHAR(256) | 文件名 | payment-errors.md |
+| `file_path` | VARCHAR(512) | 相对路径 | api/payment-errors.md |
+| `api_name` | VARCHAR(128) | 文档标题 | 支付网关错误码定义 |
+| `status` | VARCHAR(16) | 状态 | INDEXED / FAILED |
+| `chunk_count` | INT | 分块数量 | 8 |
+| `error_message` | TEXT | 错误信息 | null |
+| `metadata` | TEXT | Frontmatter JSON | {"title":"...","keywords":[...]} |
+| `file_size` | BIGINT | 文件大小（字节） | 2048 |
+| `indexed_at` | DATETIME | 索引时间 | 2026-06-25 10:00:00 |
+
+### metadata JSON 结构
+
+```json
+{
+  "title": "支付网关错误码定义",
+  "summary": "记录了支付网关所有核心错误码的含义及排查方向",
+  "category": "api",
+  "keywords": ["ERR_TIMEOUT","超时","支付网关"]
+}
+```
+
+---
+
+### Milvus 向量索引
+
+每个文档会被分块（chunk）并生成向量，存储到 Milvus 集合中：
+
+**Collection**: `knowledge_base_collection`
+
+**字段**：
+- `doc_id`：文档 ID
+- `chunk_id`：分块 ID
+- `chunk_text`：分块文本内容
+- `embedding`：768 维向量
+- `category`：文档分类
+- `file_path`：文件路径
+
+**分块策略**：
+- Chunk Size：根据 `DocumentChunkConfig` 配置（默认 500 token）
+- Overlap：重叠区域（默认 50 token）
+
+---
+
+## L0 内存索引
+
+导入过程会自动将文档加入 `KnowledgeIndexService` 的内存索引：
+
+```java
+KnowledgeEntry entry = KnowledgeEntry.builder()
+    .filePath(relativePath)
+    .title(title)
+    .keywords(keywords)
+    .summary(summary)
+    .category(category)
+    .build();
+knowledgeIndexService.addToIndex(entry);
+```
+
+**验证 L0 索引**：
+```bash
+# 应用启动后查看日志
+grep "知识库索引加载完成" logs/application.log
+
+# 输出示例：
+# [INFO] 知识库索引加载完成，共 6 个文档
+```
+
+---
+
+## 错误处理
+
+### 常见错误
+
+#### 1. 目录不存在
+```json
+{
+  "success": false,
+  "message": "初始化失败: 知识库目录不存在: knowledge_base"
+}
+```
+
+**解决**：
+```bash
+mkdir -p knowledge_base/api
+mkdir -p knowledge_base/infrastructure
+mkdir -p knowledge_base/domain
+mkdir -p knowledge_base/troubleshooting
+```
+
+---
+
+#### 2. 文档格式无效
+```json
+{
+  "success": true,
+  "scanned": 6,
+  "inserted": 5,
+  "failed": 1,
+  "details": {
+    "test/invalid.md": "格式无效: frontmatter 解析失败"
+  }
+}
+```
+
+**原因**：
+- 缺少 frontmatter
+- YAML 格式错误
+- 缺少必填字段（title, keywords, summary）
+
+**解决**：
+```markdown
+---
+title: 文档标题
+keywords: [关键词1, 关键词2]
+summary: 文档摘要
+category: api
+---
+
+# 正文内容
+```
+
+---
+
+### 问题 4: Milvus 连接失败
+
+**症状**：
+```json
+{
+  "success": true,
+  "scanned": 6,
+  "inserted": 0,
+  "failed": 6,
+  "details": {
+    "api/payment-errors.md": "Milvus 索引失败: Connection refused"
+  }
+}
+```
+
+**原因**：
+- Milvus 服务未启动
+- 网络连接问题
+- 配置错误
+
+**解决**：
+```bash
+# 检查 Milvus 是否运行
+docker ps | grep milvus
+
+# 检查配置
+grep milvus application.yml
+
+# 启动 Milvus
+docker-compose up -d milvus-standalone
+```
+
+---
+
+### 问题 5: 文档分块失败
+
+**症状**：
+```json
+{
+  "details": {
+    "test/large-doc.md": "Milvus 索引失败: Document too large"
+  }
+}
+```
+
+**原因**：
+- 文档内容过大
+- 分块配置不当
+
+**解决**：
+- 检查 `DocumentChunkConfig` 配置
+- 调整 chunk size 和 overlap
+
+---
+
+#### 3. 文档缺少标题
+```json
+{
+  "details": {
+    "test/no-title.md": "缺少标题"
+  }
+}
+```
+
+**解决**：在 frontmatter 中添加 `title` 字段。
+
+---
+
+## 最佳实践
+
+### ✅ 推荐做法
+
+1. **首次启动后立即初始化**：
+   ```bash
+   mvn spring-boot:run
+   sleep 15  # 等待启动完成
+   curl -X POST http://localhost:9900/api/knowledge/init
+   ```
+
+2. **新增文档后增量导入**：
+   ```bash
+   # 不使用 force，只导入新文档
+   curl -X POST http://localhost:9900/api/knowledge/init
+   ```
+
+3. **定期检查统计信息**：
+   ```bash
+   curl http://localhost:9900/api/knowledge/stats
+   ```
+
+4. **更新文档内容后强制刷新**：
+   ```bash
+   curl -X POST http://localhost:9900/api/knowledge/init?force=true
+   ```
+
+---
+
+### ❌ 避免做法
+
+1. **不检查响应就认为成功**：
+   - 始终检查 `failed` 字段
+   - 查看 `details` 了解具体失败原因
+
+2. **频繁使用 force=true**：
+   - 会重复插入数据（违反唯一约束）
+   - 建议先清理数据库，再使用 force
+
+3. **不检查文档格式就导入**：
+   - 先手动验证 frontmatter 格式
+   - 确保必填字段完整
+
+---
+
+## 相关文档
+
+- **知识库使用指南**：`mvp/architecture/knowledge-retrieval-usage.md`
+- **知识库架构**：`mvp/architecture/knowledge-retrieval-architecture.md`
+- **Executor Prompt**：`src/main/resources/prompts/executor-prompt.md`

mvp/discuss/Executor_Prompt.md

@@ -0,0 +1,79 @@
+# 执行者 System Prompt
+
+## 角色定位
+
+你是诊断流程的**执行者**。你的任务非常明确：严格遵循规划者下发的任务清单，按步骤调用工具完成任务，并输出最终结果。
+
+---
+
+## 核心行为准则
+
+### 1. 严格按步执行
+- 规划者下发的是**有序的任务列表**（如 Step 1 → Step 2 → Step 3）
+- 你必须按顺序执行，不可跳过、合并或重排步骤
+- 每个步骤完成后，记录该步骤的产出，再进入下一步
+
+### 2. 调用工具而不是凭记忆回答
+- 所有需要外部信息的地方，都必须调用对应的工具
+- 尤其注意：永远不要凭记忆回答错误码含义、接口定义、排障步骤
+- 知识库查询：必须通过 `lookup_knowledge` 工具完成
+
+### 3. 工具调用完毕后，必须结合日志、订单数据等证据综合分析
+- 不要把工具的返回结果直接当作最终答案输出
+- 你的结论必须基于**至少两个独立证据源**（如错误码+日志、接口文档+实际返回值）
+
+---
+
+## 可用工具
+
+### lookup_knowledge（知识库查询）
+
+用于查询内部知识库，获取错误码定义、接口文档、排障步骤等背景信息。
+
+| 参数 | 说明 |
+|------|------|
+| `query_text` | 查询关键词。可以是错误码（ERR_TIMEOUT）、服务名（payment-gateway）、模糊问题（支付为什么失败） |
+
+**内部机制**：
+工具内部自动执行「先精确匹配（L0），未命中则语义检索（L1）」的两阶段检索逻辑，你无需关心哪一层。返回结果中包含 `match_type` 字段标记来源类型。
+
+**返回字段**：
+- `primary`：主要信息（L0 命中文档内容 或 L1 返回的 Top-1 片段）
+- `primary.match_type`：`exact_l0`（精确匹配）或 `semantic_l1`（语义搜索）
+- `primary.source`：信息来源的文件路径
+
+**使用规则**：
+- 当你查到了错误码、接口名、服务名时：**必须**调用此工具
+- 当需要查排障步骤、业务流程、最佳实践时：**必须**调用此工具
+- 对当前结果没有十足把握时：**建议**调用此工具验证
+
+---
+
+## 任务执行规范
+
+### 1. 每个步骤的产出要求
+
+每完成一个工具调用后，你应该：
+- 记录工具返回的关键信息
+-  将新信息与已有上下文（日志、订单数据等）进行交叉验证
+-  输出该步骤的阶段性结论
+
+
+### 2. 最终输出的报告格式
+
+```yaml
+## 诊断结论
+
+**问题根因**：XXX
+
+**证据链**：
+1. 订单状态返回错误码 ERR_TIMEOUT
+2. 知识库 lookup_knowledge("ERR_TIMEOUT") 返回：支付网关响应超时（>5秒）
+3. 日志确认：14:32:15 请求耗时 5.3s，超过 5s 阈值
+
+**建议方案**：
+- 临时方案：重试该笔订单
+- 长期方案：优化支付网关超时配置，建议提升至 8s
+
+**引用来源**：
+- [来源: interfaces/_errors.md]

src/main/java/com/superbiz/agent/agent/tool/InternalDocsTools.java

@@ -15,7 +15,12 @@ import java.util.List;
 /**
  * 内部文档查询工具
  * 使用 RAG (Retrieval-Augmented Generation) 从内部知识库检索相关文档
+ *
+ * @deprecated 请使用 {@link com.superbiz.agent.tool.LookupKnowledgeTool} 替代。
+ *             lookup_knowledge 支持 L0 精确匹配 + L1 语义检索，性能更优且功能更全面。
+ *             计划在下一个版本中移除此工具。
  */
+@Deprecated
 @Component
 public class InternalDocsTools {
     
@@ -45,7 +50,9 @@ public class InternalDocsTools {
      *
      * @param query 搜索查询，描述您要查找的信息
      * @return JSON 格式的搜索结果，包含相关文档内容、相似度分数和元数据
+     * @deprecated 请使用 {@link com.superbiz.agent.tool.LookupKnowledgeTool#lookupKnowledge(String)} 替代
      */
+    @Deprecated
     @Tool(description = "Use this tool to search internal documentation and knowledge base for relevant information. " +
             "It performs RAG (Retrieval-Augmented Generation) to find similar documents and extract processing steps. " +
             "This is useful when you need to understand internal procedures, best practices, or step-by-step guides " +

src/main/java/com/superbiz/agent/config/AiOpsPromptProperties.java

@@ -0,0 +1,56 @@
+package com.superbiz.agent.config;
+
+import lombok.extern.slf4j.Slf4j;
+import org.springframework.context.annotation.Configuration;
+import org.springframework.core.io.ClassPathResource;
+
+import jakarta.annotation.PostConstruct;
+import java.io.IOException;
+import java.nio.charset.StandardCharsets;
+
+/**
+ * AI Ops Agent Prompt 配置
+ * 从独立的 Markdown 文件加载 Prompt 模板
+ */
+@Slf4j
+@Configuration
+public class AiOpsPromptProperties {
+
+    private String planner;
+    private String executor;
+    private String supervisor;
+
+    @PostConstruct
+    public void loadPrompts() {
+        try {
+            planner = loadPromptFromFile("prompts/planner-prompt.md");
+            executor = loadPromptFromFile("prompts/executor-prompt.md");
+            supervisor = loadPromptFromFile("prompts/supervisor-prompt.md");
+
+            log.info("AI Ops Prompts 加载成功");
+            log.debug("Planner Prompt 长度: {} 字符", planner.length());
+            log.debug("Executor Prompt 长度: {} 字符", executor.length());
+            log.debug("Supervisor Prompt 长度: {} 字符", supervisor.length());
+        } catch (IOException e) {
+            log.error("加载 Prompt 文件失败", e);
+            throw new RuntimeException("Failed to load AI Ops prompts", e);
+        }
+    }
+
+    private String loadPromptFromFile(String path) throws IOException {
+        ClassPathResource resource = new ClassPathResource(path);
+        return new String(resource.getInputStream().readAllBytes(), StandardCharsets.UTF_8);
+    }
+
+    public String getPlanner() {
+        return planner;
+    }
+
+    public String getExecutor() {
+        return executor;
+    }
+
+    public String getSupervisor() {
+        return supervisor;
+    }
+}

src/main/java/com/superbiz/agent/controller/KnowledgeBaseController.java

@@ -0,0 +1,94 @@
+package com.superbiz.agent.controller;
+
+import com.superbiz.agent.service.KnowledgeBaseInitService;
+import lombok.Data;
+import org.slf4j.Logger;
+import org.slf4j.LoggerFactory;
+import org.springframework.beans.factory.annotation.Autowired;
+import org.springframework.http.ResponseEntity;
+import org.springframework.web.bind.annotation.*;
+
+import java.util.HashMap;
+import java.util.Map;
+
+/**
+ * 知识库管理控制器
+ * 提供知识库初始化、查询等接口
+ */
+@RestController
+@RequestMapping("/api/knowledge")
+public class KnowledgeBaseController {
+
+    private static final Logger logger = LoggerFactory.getLogger(KnowledgeBaseController.class);
+
+    @Autowired
+    private KnowledgeBaseInitService initService;
+
+    /**
+     * 初始化知识库
+     * 扫描 knowledge_base 目录下的所有文档，去重后批量导入到数据库和 Milvus
+     *
+     * @param force 是否强制重新导入（跳过去重检查）
+     * @return 初始化结果
+     */
+    @PostMapping("/init")
+    public ResponseEntity<?> initKnowledgeBase(@RequestParam(defaultValue = "false") boolean force) {
+        logger.info("收到知识库初始化请求, force={}", force);
+
+        try {
+            KnowledgeBaseInitService.InitResult result = initService.initializeKnowledgeBase(force);
+
+            Map<String, Object> response = new HashMap<>();
+            response.put("success", true);
+            response.put("message", "知识库初始化完成");
+            response.put("scanned", result.getScanned());
+            response.put("skipped", result.getSkipped());
+            response.put("inserted", result.getInserted());
+            response.put("failed", result.getFailed());
+            response.put("details", result.getDetails());
+
+            logger.info("知识库初始化成功: 扫描={}, 跳过={}, 新增={}, 失败={}",
+                    result.getScanned(), result.getSkipped(), result.getInserted(), result.getFailed());
+
+            return ResponseEntity.ok(response);
+
+        } catch (Exception e) {
+            logger.error("知识库初始化失败", e);
+
+            Map<String, Object> response = new HashMap<>();
+            response.put("success", false);
+            response.put("message", "初始化失败: " + e.getMessage());
+
+            return ResponseEntity.internalServerError().body(response);
+        }
+    }
+
+    /**
+     * 查询知识库统计信息
+     *
+     * @return 统计信息
+     */
+    @GetMapping("/stats")
+    public ResponseEntity<?> getStats() {
+        try {
+            KnowledgeBaseInitService.Stats stats = initService.getStats();
+
+            Map<String, Object> response = new HashMap<>();
+            response.put("success", true);
+            response.put("totalDocuments", stats.getTotalDocuments());
+            response.put("totalVectors", stats.getTotalVectors());
+            response.put("categories", stats.getCategoryCount());
+
+            return ResponseEntity.ok(response);
+
+        } catch (Exception e) {
+            logger.error("查询统计信息失败", e);
+
+            Map<String, Object> response = new HashMap<>();
+            response.put("success", false);
+            response.put("message", "查询失败: " + e.getMessage());
+
+            return ResponseEntity.internalServerError().body(response);
+        }
+    }
+}

src/main/java/com/superbiz/agent/domain/entity/ApiDocument.java

@@ -38,7 +38,7 @@ public class ApiDocument {
     // 文档分类
     @Enumerated(EnumType.STRING)
     @Column(name = "fault_category", length = 32, columnDefinition = "VARCHAR(32)")
-    private FaultCategory faultCategory = FaultCategory.EXTERNAL_API;
+    private FaultCategory faultCategory = FaultCategory.GENERAL;
 
     @Column(name = "fault_source", length = 128)
     private String faultSource;

src/main/java/com/superbiz/agent/domain/enums/FaultCategory.java

@@ -1,17 +1,14 @@
 package com.superbiz.agent.domain.enums;
 
 /**
- * 故障类别枚举
+ * 文档分类枚举
  */
 public enum FaultCategory {
-    EXTERNAL_API("外部接口调用失败"),
-    INTERNAL_ERROR("系统内部错误"),
-    DATABASE("数据库问题"),
-    CACHE("缓存问题"),
-    NETWORK("网络问题"),
-    THREAD("线程问题"),
-    MEMORY("内存问题"),
-    CONFIG("配置问题");
+    API("API 接口文档"),
+    INFRASTRUCTURE("基础设施文档"),
+    DOMAIN("领域业务文档"),
+    TROUBLESHOOTING("故障排查文档"),
+    GENERAL("通用文档");
 
     private final String description;
 
@@ -22,4 +19,26 @@ public enum FaultCategory {
     public String getDescription() {
         return description;
     }
+
+    /**
+     * 从字符串映射到枚举
+     */
+    public static FaultCategory fromString(String category) {
+        if (category == null || category.isEmpty()) {
+            return GENERAL;
+        }
+
+        switch (category.toLowerCase()) {
+            case "api":
+                return API;
+            case "infrastructure":
+                return INFRASTRUCTURE;
+            case "domain":
+                return DOMAIN;
+            case "troubleshooting":
+                return TROUBLESHOOTING;
+            default:
+                return GENERAL;
+        }
+    }
 }

src/main/java/com/superbiz/agent/hook/AgentLoggingHook.java

@@ -0,0 +1,208 @@
+package com.superbiz.agent.hook;
+
+import com.alibaba.cloud.ai.graph.agent.hook.messages.MessagesModelHook;
+import com.alibaba.cloud.ai.graph.agent.hook.messages.AgentCommand;
+import com.alibaba.cloud.ai.graph.agent.hook.HookPosition;
+import com.alibaba.cloud.ai.graph.agent.hook.HookPositions;
+import com.alibaba.cloud.ai.graph.RunnableConfig;
+import lombok.extern.slf4j.Slf4j;
+import org.springframework.ai.chat.messages.Message;
+import org.springframework.ai.chat.messages.AssistantMessage;
+import org.springframework.ai.chat.messages.UserMessage;
+import org.springframework.ai.chat.messages.ToolResponseMessage;
+
+import java.util.List;
+
+/**
+ * Agent 日志 Hook
+ * 用于记录 Agent 的思考过程、消息流转
+ */
+@Slf4j
+@HookPositions({HookPosition.BEFORE_MODEL, HookPosition.AFTER_MODEL})
+public class AgentLoggingHook extends MessagesModelHook {
+
+    private int modelCallCount = 0;
+
+    @Override
+    public String getName() {
+        return "agent_logging_hook";
+    }
+
+    @Override
+    public AgentCommand beforeModel(List<Message> previousMessages, RunnableConfig config) {
+        modelCallCount++;
+        log.info("========================================");
+        log.info("*** [Agent 思考] 第 {} 轮思考开始", modelCallCount);
+        log.info("*** [Agent 思考] 当前消息数量: {}", previousMessages.size());
+
+        // 打印最后几条消息
+        int lastN = Math.min(3, previousMessages.size());
+        if (lastN > 0) {
+            log.info("*** [Agent 思考] 最近 {} 条消息:", lastN);
+            List<Message> recentMessages = previousMessages.subList(previousMessages.size() - lastN, previousMessages.size());
+
+            for (int i = 0; i < recentMessages.size(); i++) {
+                Message msg = recentMessages.get(i);
+                String role = getMessageRole(msg);
+
+                log.info("  [{}] 角色: {}, 类型: {}", i + 1, role, msg.getClass().getSimpleName());
+                // Message 接口可能没有直接的 getContent() 方法，跳过内容打印
+                // 具体内容会在工具调用日志中体现
+            }
+        }
+
+        log.info("*** [Agent 思考] 准备调用模型...");
+        log.info("========================================");
+
+        // 不修改消息，直接返回
+        return new AgentCommand(previousMessages);
+    }
+
+    @Override
+    public AgentCommand afterModel(List<Message> previousMessages, RunnableConfig config) {
+        log.info("========================================");
+        log.info("*** [Agent 思考] 第 {} 轮思考完成", modelCallCount);
+
+        // 查找最后一条 AssistantMessage（模型的回复）
+        AssistantMessage lastAssistant = null;
+        for (int i = previousMessages.size() - 1; i >= 0; i--) {
+            if (previousMessages.get(i) instanceof AssistantMessage) {
+                lastAssistant = (AssistantMessage) previousMessages.get(i);
+                break;
+            }
+        }
+
+        if (lastAssistant != null) {
+            // 打印模型返回的文本内容
+            String textContent = extractTextContent(lastAssistant);
+            if (textContent != null && !textContent.isEmpty()) {
+                log.info("*** [Agent 思考] 模型返回文本: {}",
+                    textContent.length() > 500
+                        ? textContent.substring(0, 500) + "... (已截断，总长度: " + textContent.length() + ")"
+                        : textContent);
+            }
+
+            // 检查是否有工具调用
+            if (lastAssistant.getToolCalls() != null && !lastAssistant.getToolCalls().isEmpty()) {
+                log.info("*** [Agent 思考] 模型决定调用 {} 个工具:",
+                    lastAssistant.getToolCalls().size());
+                lastAssistant.getToolCalls().forEach(toolCall -> {
+                    log.info("  - 工具: {}, 参数: {}",
+                        toolCall.name(),
+                        toolCall.arguments());
+                });
+                log.info("*** [Agent 思考] 等待工具执行结果...");
+            } else {
+                log.info("*** [Agent 思考] 模型决定不调用工具");
+                log.info("*** [Agent 思考] 这是最终答案，准备返回给用户");
+            }
+        }
+
+        log.info("========================================");
+
+        // 不修改消息，直接返回
+        return new AgentCommand(previousMessages);
+    }
+
+    /**
+     * 提取 AssistantMessage 的文本内容
+     */
+    private String extractTextContent(AssistantMessage message) {
+        try {
+            // 方法 1: 尝试通过反射获取 text 字段
+            try {
+                java.lang.reflect.Field textField = message.getClass().getDeclaredField("text");
+                textField.setAccessible(true);
+                Object value = textField.get(message);
+                if (value != null) {
+                    String text = value.toString();
+                    log.debug("通过 text 字段提取成功");
+                    return text;
+                }
+            } catch (NoSuchFieldException e) {
+                // text 字段不存在，尝试下一种方法
+            }
+
+            // 方法 2: 尝试 content 字段
+            try {
+                java.lang.reflect.Field contentField = message.getClass().getDeclaredField("content");
+                contentField.setAccessible(true);
+                Object value = contentField.get(message);
+                if (value != null) {
+                    String text = value.toString();
+                    log.debug("通过 content 字段提取成功");
+                    return text;
+                }
+            } catch (NoSuchFieldException e) {
+                // content 字段不存在，尝试下一种方法
+            }
+
+            // 方法 3: 尝试调用 getText() 方法
+            try {
+                java.lang.reflect.Method getTextMethod = message.getClass().getMethod("getText");
+                Object value = getTextMethod.invoke(message);
+                if (value != null) {
+                    String text = value.toString();
+                    log.debug("通过 getText() 方法提取成功");
+                    return text;
+                }
+            } catch (NoSuchMethodException e) {
+                // getText() 方法不存在，尝试下一种方法
+            }
+
+            // 方法 4: 尝试调用 getContent() 方法
+            try {
+                java.lang.reflect.Method getContentMethod = message.getClass().getMethod("getContent");
+                Object value = getContentMethod.invoke(message);
+                if (value != null) {
+                    String text = value.toString();
+                    log.debug("通过 getContent() 方法提取成功");
+                    return text;
+                }
+            } catch (NoSuchMethodException e) {
+                // getContent() 方法不存在
+            }
+
+            // 方法 5: 打印所有字段和方法，帮助调试
+            log.warn("无法提取 AssistantMessage 文本内容，打印类信息:");
+            log.warn("类名: {}", message.getClass().getName());
+            log.warn("字段列表:");
+            for (java.lang.reflect.Field field : message.getClass().getDeclaredFields()) {
+                log.warn("  - {}: {}", field.getName(), field.getType().getSimpleName());
+            }
+            log.warn("方法列表:");
+            for (java.lang.reflect.Method method : message.getClass().getMethods()) {
+                if (method.getName().startsWith("get") && method.getParameterCount() == 0) {
+                    log.warn("  - {}(): {}", method.getName(), method.getReturnType().getSimpleName());
+                }
+            }
+
+            // 方法 6: 最后尝试 toString()
+            String toString = message.toString();
+            if (toString != null && !toString.startsWith("AssistantMessage@")) {
+                log.debug("通过 toString() 提取");
+                return toString;
+            }
+
+            return null;
+        } catch (Exception e) {
+            log.error("提取 AssistantMessage 文本内容时出错", e);
+            return null;
+        }
+    }
+
+    /**
+     * 获取消息角色
+     */
+    private String getMessageRole(Message message) {
+        if (message instanceof UserMessage) {
+            return "User（用户）";
+        } else if (message instanceof AssistantMessage) {
+            return "Assistant（模型）";
+        } else if (message instanceof ToolResponseMessage) {
+            return "Tool（工具返回）";
+        } else {
+            return message.getClass().getSimpleName();
+        }
+    }
+}

src/main/java/com/superbiz/agent/service/AiOpsService.java

@@ -15,6 +15,8 @@ import org.springframework.ai.chat.messages.AssistantMessage;
 import org.springframework.ai.tool.ToolCallback;
 import org.springframework.beans.factory.annotation.Autowired;
 import org.springframework.stereotype.Service;
+import com.superbiz.agent.config.AiOpsPromptProperties;
+import com.superbiz.agent.tool.LookupKnowledgeTool;
 
 import java.util.List;
 import java.util.Optional;
@@ -40,6 +42,12 @@ public class AiOpsService {
     @Autowired(required = false)  // Mock 模式下才注册
     private QueryLogsTools queryLogsTools;
 
+    @Autowired
+    private LookupKnowledgeTool lookupKnowledgeTool;
+
+    @Autowired
+    private AiOpsPromptProperties promptProperties;
+
     /**
      * 执行 AI Ops 告警分析流程
      *
@@ -60,7 +68,7 @@ public class AiOpsService {
                 .name("ai_ops_supervisor")
                 .description("负责调度 Planner 与 Executor 的多 Agent 控制器")
                 .model(chatModel)
-                .systemPrompt(buildSupervisorSystemPrompt())
+                .systemPrompt(promptProperties.getSupervisor())
                 .subAgents(List.of(plannerAgent, executorAgent))
                 .build();
 
@@ -113,7 +121,7 @@ public class AiOpsService {
                 .name("planner_agent")
                 .description("负责拆解告警、规划与再规划步骤")
                 .model(chatModel)
-                .systemPrompt(buildPlannerPrompt())
+                .systemPrompt(promptProperties.getPlanner())
                 .methodTools(buildMethodToolsArray())
                 .tools(toolCallbacks)
                 .outputKey("planner_plan")
@@ -128,7 +136,7 @@ public class AiOpsService {
                 .name("executor_agent")
                 .description("负责执行 Planner 的首个步骤并及时反馈")
                 .model(chatModel)
-                .systemPrompt(buildExecutorPrompt())
+                .systemPrompt(promptProperties.getExecutor())
                 .methodTools(buildMethodToolsArray())
                 .tools(toolCallbacks)
                 .outputKey("executor_feedback")
@@ -138,152 +146,15 @@ public class AiOpsService {
     /**
      * 动态构建方法工具数组
      * 根据 cls.mock-enabled 决定是否包含 QueryLogsTools
+     * 工具顺序：知识库查询优先，日志查询次之，弃用工具最后
      */
     private Object[] buildMethodToolsArray() {
         if (queryLogsTools != null) {
             // Mock 模式：包含 QueryLogsTools
-            return new Object[]{dateTimeTools, internalDocsTools, queryMetricsTools, queryLogsTools};
+            return new Object[]{dateTimeTools, lookupKnowledgeTool, queryMetricsTools, queryLogsTools};
         } else {
             // 真实模式：不包含 QueryLogsTools（由 MCP 提供日志查询功能）
-            return new Object[]{dateTimeTools, internalDocsTools, queryMetricsTools};
+            return new Object[]{dateTimeTools, lookupKnowledgeTool, queryMetricsTools};
         }
     }
-
-    /**
-     * 构建 Planner Agent 系统提示词
-     */
-    private String buildPlannerPrompt() {
-        return """
-                你是 Planner Agent，同时承担 Replanner 角色，负责：
-                1. 读取当前输入任务 {input} 以及 Executor 的最近反馈 {executor_feedback}。
-                2. 分析 Prometheus 告警、日志、内部文档等信息，制定可执行的下一步步骤。
-                3. 在执行阶段，输出 JSON，包含 decision (PLAN|EXECUTE|FINISH)、step 描述、预期要调用的工具、以及必要的上下文。
-                4. 调用任何腾讯云日志/主题相关工具时，region 参数必须使用连字符格式（如 ap-guangzhou），若不确定请省略以使用默认值。
-                5. 严格禁止编造数据，只能引用工具返回的真实内容；如果连续 3 次调用同一工具仍失败或返回空结果，需停止该方向并在最终报告的结论部分说明"无法完成"的原因。
-                
-                ## 最终报告输出要求（CRITICAL）
-                
-                当 decision=FINISH 时，你必须：
-                1. **不要输出 JSON 格式**
-                2. **直接输出完整的 Markdown 格式报告文本**
-                3. **报告必须严格遵循以下模板**：
-                
-                ```
-                # 告警分析报告
-                
-                ---
-                
-                ## 📋 活跃告警清单
-                
-                | 告警名称 | 级别 | 目标服务 | 首次触发时间 | 最新触发时间 | 状态 |
-                |---------|------|----------|-------------|-------------|------|
-                | [告警1名称] | [级别] | [服务名] | [时间] | [时间] | 活跃 |
-                | [告警2名称] | [级别] | [服务名] | [时间] | [时间] | 活跃 |
-                
-                ---
-                
-                ## 🔍 告警根因分析1 - [告警名称]
-                
-                ### 告警详情
-                - **告警级别**: [级别]
-                - **受影响服务**: [服务名]
-                - **持续时间**: [X分钟]
-                
-                ### 症状描述
-                [根据监控指标描述症状]
-                
-                ### 日志证据
-                [引用查询到的关键日志]
-                
-                ### 根因结论
-                [基于证据得出的根本原因]
-                
-                ---
-                
-                ## 🛠️ 处理方案执行1 - [告警名称]
-                
-                ### 已执行的排查步骤
-                1. [步骤1]
-                2. [步骤2]
-                
-                ### 处理建议
-                [给出具体的处理建议]
-                
-                ### 预期效果
-                [说明预期的效果]
-                
-                ---
-                
-                ## 🔍 告警根因分析2 - [告警名称]
-                [如果有第2个告警，重复上述格式]
-                
-                ---
-                
-                ## 📊 结论
-                
-                ### 整体评估
-                [总结所有告警的整体情况]
-                
-                ### 关键发现
-                - [发现1]
-                - [发现2]
-                
-                ### 后续建议
-                1. [建议1]
-                2. [建议2]
-                
-                ### 风险评估
-                [评估当前风险等级和影响范围]
-                ```
-                
-                **重要提醒**：
-                - 最终输出必须是纯 Markdown 文本，不要包含 JSON 结构
-                - 不要使用 "finalReport": "..." 这样的格式
-                - 直接从 "# 告警分析报告" 开始输出
-                - 所有内容必须基于工具查询的真实数据，严禁编造
-                - 如果某个步骤失败，在结论中如实说明，不要跳过
-                
-                """;
-    }
-
-    /**
-     * 构建 Executor Agent 系统提示词
-     */
-    private String buildExecutorPrompt() {
-        return """
-                你是 Executor Agent，负责读取 Planner 最新输出 {planner_plan}，只执行其中的第一步。
-                - 确认步骤所需的工具与参数，尤其是 region 参数要使用连字符格式（ap-guangzhou）；若 Planner 未给出则使用默认区域。
-                - 调用相应的工具并收集结果，如工具返回错误或空数据，需要将失败原因、请求参数一并记录，并停止进一步调用该工具（同一工具失败达到 3 次时应直接返回 FAILED）。
-                - 将日志、指标、文档等证据整理成结构化摘要，标注对应的告警名称或资源，方便 Planner 填充"告警根因分析 / 处理方案执行"章节。
-                - 以 JSON 形式返回执行状态、证据以及给 Planner 的建议，写入 executor_feedback，严禁编造未实际查询到的内容。
-
-
-                输出示例：
-                {
-                  "status": "SUCCESS",
-                  "summary": "近1小时未见 error 日志，仅有 info",
-                  "evidence": "...",
-                  "nextHint": "建议转向高占用进程"
-                }
-                """;
-    }
-
-    /**
-     * 构建 Supervisor Agent 系统提示词
-     */
-    private String buildSupervisorSystemPrompt() {
-        return """
-                你是 AI Ops Supervisor，负责调度 planner_agent 与 executor_agent：
-                1. 当需要拆解任务或重新制定策略时，调用 planner_agent。
-                2. 当 planner_agent 输出 decision=EXECUTE 时，调用 executor_agent 执行第一步。
-                3. 根据 executor_agent 的反馈，评估是否需要再次调用 planner_agent，直到 decision=FINISH。
-                4. FINISH 后，确保向最终用户输出完整的《告警分析报告》，格式必须严格为：
-                   告警分析报告\n---\n# 告警处理详情\n## 活跃告警清单\n## 告警根因分析N\n## 处理方案执行N\n## 结论。
-                5. 若步骤涉及腾讯云日志/主题工具，请确保使用连字符区域 ID（ap-guangzhou 等），或省略 region 以采用默认值。
-                6. 如果发现 Planner/Executor 在同一方向连续 3 次调用工具仍失败或没有数据，必须终止流程，直接输出"任务无法完成"的报告，明确告知失败原因，严禁凭空编造结果。
-
-                只允许在 planner_agent、executor_agent 与 FINISH 之间做出选择。
-
-                """;
-    }
 }

src/main/java/com/superbiz/agent/service/ChatService.java

@@ -6,6 +6,9 @@ import com.superbiz.agent.agent.tool.DateTimeTools;
 import com.superbiz.agent.agent.tool.InternalDocsTools;
 import com.superbiz.agent.agent.tool.QueryLogsTools;
 import com.superbiz.agent.agent.tool.QueryMetricsTools;
+import com.superbiz.agent.tool.LookupKnowledgeTool;
+import com.superbiz.agent.hook.AgentLoggingHook;
+
 import org.slf4j.Logger;
 import org.slf4j.LoggerFactory;
 import org.springframework.ai.chat.model.ChatModel;
@@ -44,6 +47,9 @@ public class ChatService {
     @Autowired
     private ChatModel chatModel;
 
+    @Autowired
+    private LookupKnowledgeTool lookupKnowledgeTool;
+
     /**
      * 获取注入的 ChatModel
      */
@@ -62,7 +68,7 @@ public class ChatService {
         // 基础系统提示
         systemPromptBuilder.append("你是一个专业的智能助手，可以获取当前时间、查询天气信息、搜索内部文档知识库，以及查询 Prometheus 告警信息。\n");
         systemPromptBuilder.append("当用户询问时间相关问题时，**必须每次都调用 getCurrentDateTime 工具**，因为时间会不断变化。即使历史消息中有时间信息，也不要直接复用，必须重新查询最新时间。\n");
-        systemPromptBuilder.append("当用户需要查询公司内部文档、流程、最佳实践或技术指南时，使用 queryInternalDocs 工具。\n");
+        systemPromptBuilder.append("当用户需要查询公司内部文档、流程、最佳实践或技术指南时，使用 lookupKnowledgeTool 工具。\n");
         systemPromptBuilder.append("当用户需要查询 Prometheus 告警、监控指标或系统告警状态时，使用 queryPrometheusAlerts 工具。\n");
         systemPromptBuilder.append("当用户需要查询腾讯云日志时，请调用腾讯云mcp服务查询,默认查询地域ap-guangzhou,查询时间范围为近一个月。\n\n");
 
@@ -126,10 +132,10 @@ public class ChatService {
     public Object[] buildMethodToolsArray() {
         if (queryLogsTools != null) {
             // Mock 模式：包含 QueryLogsTools
-            return new Object[]{dateTimeTools, internalDocsTools, queryMetricsTools, queryLogsTools};
+            return new Object[]{dateTimeTools, lookupKnowledgeTool};
         } else {
             // 真实模式：不包含 QueryLogsTools（由 MCP 提供日志查询功能）
-            return new Object[]{dateTimeTools, internalDocsTools, queryMetricsTools};
+            return new Object[]{dateTimeTools, lookupKnowledgeTool, queryMetricsTools};
         }
     }
 
@@ -171,6 +177,7 @@ public class ChatService {
                 .systemPrompt(systemPrompt)
                 .methodTools(buildMethodToolsArray())
                 .tools(getToolCallbacks())
+                .hooks(new AgentLoggingHook())  // 添加日志 Hook
                 .build();
     }
 
@@ -181,10 +188,19 @@ public class ChatService {
      * @return AI 回复
      */
     public String executeChat(ReactAgent agent, String question) throws GraphRunnerException {
-        logger.info("执行 ReactAgent.call() - 自动处理工具调用");
+        logger.info("========================================");
+        logger.info("📝 用户问题: {}", question);
+
+        long startTime = System.currentTimeMillis();
         var response = agent.call(question);
+        long duration = System.currentTimeMillis() - startTime;
+
         String answer = response.getText();
-        logger.info("ReactAgent 对话完成，答案长度: {}", answer.length());
+
+        logger.info("⏱️  总耗时: {} ms", duration);
+        logger.info("📏 输出长度: {} 字符", answer.length());
+        logger.info("========================================");
+
         return answer;
     }
 }

src/main/java/com/superbiz/agent/service/DocumentManagementService.java

@@ -287,12 +287,12 @@ public class DocumentManagementService {
      */
     private FaultCategory parseFaultCategory(String category) {
         if (category == null || category.isBlank()) {
-            return FaultCategory.EXTERNAL_API;
+            return FaultCategory.GENERAL;
         }
         try {
             return FaultCategory.valueOf(category.toUpperCase());
         } catch (IllegalArgumentException e) {
-            return FaultCategory.EXTERNAL_API;
+            return FaultCategory.GENERAL;
         }
     }
 

src/main/java/com/superbiz/agent/service/KnowledgeBaseInitService.java

@@ -0,0 +1,347 @@
+package com.superbiz.agent.service;
+
+import com.superbiz.agent.domain.entity.ApiDocument;
+import com.superbiz.agent.domain.enums.FaultCategory;
+import com.superbiz.agent.repository.ApiDocumentRepository;
+import com.superbiz.agent.dto.KnowledgeEntry;
+import com.superbiz.agent.dto.Frontmatter;
+import com.superbiz.agent.dto.DocumentChunk;
+import lombok.Data;
+import org.slf4j.Logger;
+import org.slf4j.LoggerFactory;
+import org.springframework.beans.factory.annotation.Autowired;
+import org.springframework.beans.factory.annotation.Value;
+import org.springframework.stereotype.Service;
+import org.springframework.transaction.annotation.Transactional;
+
+import java.io.IOException;
+import java.nio.file.*;
+import java.nio.file.attribute.BasicFileAttributes;
+import java.time.LocalDateTime;
+import java.util.*;
+import java.util.stream.Collectors;
+import java.util.stream.Collectors;
+
+/**
+ * 知识库初始化服务
+ * 负责批量导入 knowledge_base 目录下的文档到数据库和 Milvus
+ */
+@Service
+public class KnowledgeBaseInitService {
+
+    private static final Logger logger = LoggerFactory.getLogger(KnowledgeBaseInitService.class);
+
+    @Value("${knowledge.base-path:knowledge_base}")
+    private String knowledgeBasePath;
+
+    @Autowired
+    private ApiDocumentRepository apiDocumentRepository;
+
+    @Autowired
+    private FrontmatterParser frontmatterParser;
+
+    @Autowired
+    private DocumentChunkService documentChunkService;
+
+    @Autowired
+    private VectorIndexService vectorIndexService;
+
+    @Autowired
+    private VectorEmbeddingService vectorEmbeddingService;
+
+    @Autowired
+    private KnowledgeIndexService knowledgeIndexService;
+
+    /**
+     * 初始化知识库
+     *
+     * @param force 是否强制重新导入（跳过去重检查）
+     * @return 初始化结果
+     */
+    @Transactional(rollbackFor = Exception.class)
+    public InitResult initializeKnowledgeBase(boolean force) {
+        logger.info("开始初始化知识库: basePath={}, force={}", knowledgeBasePath, force);
+
+        InitResult result = new InitResult();
+        Path baseDir = Paths.get(knowledgeBasePath);
+
+        if (!Files.exists(baseDir)) {
+            logger.error("知识库目录不存在: {}", knowledgeBasePath);
+            throw new RuntimeException("知识库目录不存在: " + knowledgeBasePath);
+        }
+
+        // 1. 扫描所有 Markdown 文件
+        List<Path> markdownFiles = scanMarkdownFiles(baseDir);
+        result.setScanned(markdownFiles.size());
+        logger.info("扫描到 {} 个 Markdown 文件", markdownFiles.size());
+
+        // 2. 如果非强制模式，获取已存在的文档（用于去重）
+        Set<String> existingFilePaths = new HashSet<>();
+        if (!force) {
+            existingFilePaths = apiDocumentRepository.findAll().stream()
+                    .map(ApiDocument::getFilePath)
+                    .collect(Collectors.toSet());
+            logger.info("已存在  个文档记录", existingFilePaths.size());
+        }
+
+        // 3. 逐个处理文档
+        for (Path file : markdownFiles) {
+            String relativePath = baseDir.relativize(file).toString().replace("\\", "/");
+
+            try {
+                // 去重检查
+                if (!force && existingFilePaths.contains(relativePath)) {
+                    logger.debug("跳过已存在的文档: {}", relativePath);
+                    result.incrementSkipped();
+                    result.addDetail(relativePath, "已存在，跳过");
+                    continue;
+                }
+
+                // 解析文档
+                String content = Files.readString(file);
+                Frontmatter frontmatter = frontmatterParser.parse(content);
+
+                if (frontmatter == null) {
+                    logger.warn("文档格式无效: {}, frontmatter 解析失败", relativePath);
+                    result.incrementFailed();
+                    result.addDetail(relativePath, "格式无效: frontmatter 解析失败");
+                    continue;
+                }
+
+                // 提取字段
+                String title = frontmatter.getTitle();
+                String summary = frontmatter.getSummary();
+                String category = frontmatter.getCategory() != null ? frontmatter.getCategory() : "general";
+                List<String> keywords = frontmatter.getKeywords();
+
+                if (title == null || title.isBlank()) {
+                    logger.warn("文档缺少标题: {}", relativePath);
+                    result.incrementFailed();
+                    result.addDetail(relativePath, "缺少标题");
+                    continue;
+                }
+
+                // 保存到数据库
+                ApiDocument document = saveToDatabase(relativePath, title, summary, category, content, keywords);
+
+                // 提取文档正文（去除 frontmatter）
+                String body = extractBody(content);
+
+                // 文档分块
+                List<DocumentChunk> chunks = documentChunkService.chunkDocument(body, relativePath);
+                logger.debug("文档分块完成: {} -> {} 个 chunk", relativePath, chunks.size());
+
+                // 上传到 Milvus
+                try {
+                    vectorIndexService.indexDocumentChunks(document.getDocId(), chunks, category);
+
+                    document.setStatus("INDEXED");
+                    document.setChunkCount(chunks.size());
+                    document.setIndexedAt(LocalDateTime.now());
+                    apiDocumentRepository.save(document);
+
+                    logger.info("文档已索引到 Milvus: {} (docId={}, chunks={})",
+                            title, document.getDocId(), chunks.size());
+                } catch (Exception e) {
+                    logger.error("上传到 Milvus 失败: {}", relativePath, e);
+
+                    document.setStatus("FAILED");
+                    document.setErrorMessage(e.getMessage());
+                    apiDocumentRepository.save(document);
+
+                    result.incrementFailed();
+                    result.addDetail(relativePath, "Milvus 索引失败: " + e.getMessage());
+                    continue;  // 跳过该文档，继续处理下一个
+                }
+
+                // 添加到 L0 内存索引
+                KnowledgeEntry entry = KnowledgeEntry.builder()
+                        .filePath(relativePath)
+                        .title(title)
+                        .keywords(keywords)
+                        .summary(summary)
+                        .category(category)
+                        .build();
+                knowledgeIndexService.addToIndex(entry);
+
+                result.incrementInserted();
+                result.addDetail(relativePath, "导入成功（L0+L1）");
+                logger.info("文档导入成功: {} -> {} (L0+L1 索引已更新)", relativePath, title);
+
+            } catch (Exception e) {
+                logger.error("处理文档失败: {}", relativePath, e);
+                result.incrementFailed();
+                result.addDetail(relativePath, "处理失败: " + e.getMessage());
+            }
+        }
+
+        logger.info("知识库初始化完成: 扫描={}, 跳过={}, 新增={}, 失败={}",
+                result.getScanned(), result.getSkipped(), result.getInserted(), result.getFailed());
+
+        return result;
+    }
+
+    /**
+     * 获取知识库统计信息
+     */
+    public Stats getStats() {
+        Stats stats = new Stats();
+
+        // 数据库中的文档数量
+        long totalDocuments = apiDocumentRepository.count();
+        stats.setTotalDocuments(totalDocuments);
+
+        // L0 索引中的文档数量
+        int indexSize = knowledgeIndexService.getIndexSize();
+        logger.debug("L0 索引大小: {}", indexSize);
+
+        // 按分类统计（从 fault_category 字段读取）
+        Map<String, Long> categoryCount = apiDocumentRepository.findAll().stream()
+                .collect(Collectors.groupingBy(
+                        doc -> doc.getFaultCategory() != null ? doc.getFaultCategory().name() : "GENERAL",
+                        Collectors.counting()
+                ));
+        stats.setCategoryCount(categoryCount);
+
+        // Milvus 中的向量数量（需要实现）
+        // TODO: 查询 Milvus collection 的实体数量
+        stats.setTotalVectors(0L);
+
+        return stats;
+    }
+
+    /**
+     * 扫描目录下所有 Markdown 文件
+     */
+    private List<Path> scanMarkdownFiles(Path baseDir) {
+        List<Path> files = new ArrayList<>();
+
+        try {
+            Files.walkFileTree(baseDir, new SimpleFileVisitor<Path>() {
+                @Override
+                public FileVisitResult visitFile(Path file, BasicFileAttributes attrs) {
+                    if (file.toString().endsWith(".md")) {
+                        files.add(file);
+                    }
+                    return FileVisitResult.CONTINUE;
+                }
+
+                @Override
+                public FileVisitResult visitFileFailed(Path file, IOException exc) {
+                    logger.warn("访问文件失败: {}", file, exc);
+                    return FileVisitResult.CONTINUE;
+                }
+            });
+        } catch (IOException e) {
+            logger.error("扫描目录失败: {}", baseDir, e);
+            throw new RuntimeException("扫描目录失败", e);
+        }
+
+        return files;
+    }
+
+    /**
+     * 保存文档到数据库
+     */
+    private ApiDocument saveToDatabase(String filePath, String title, String summary,
+                                       String category, String content, List<String> keywords) {
+        ApiDocument document = new ApiDocument();
+        document.setDocId(UUID.randomUUID().toString());
+        document.setFileName(Paths.get(filePath).getFileName().toString());
+        document.setFilePath(filePath);
+        document.setApiName(title);  // 使用 title 作为 apiName
+        document.setStatus("PENDING");  // 初始状态为 PENDING，索引成功后更新为 INDEXED
+
+        // 映射 category 到 FaultCategory 枚举
+        FaultCategory faultCategory = FaultCategory.fromString(category);
+        document.setFaultCategory(faultCategory);
+
+        // 将 frontmatter 信息保存到 metadata（JSON 格式）
+        String metadataJson = String.format(
+                "{\"title\":\"%s\",\"summary\":\"%s\",\"category\":\"%s\",\"keywords\":%s}",
+                escapeJson(title),
+                escapeJson(summary),
+                escapeJson(category),
+                "[\"" + String.join("\",\"", keywords.stream().map(this::escapeJson).toArray(String[]::new)) + "\"]"
+        );
+        document.setMetadata(metadataJson);
+
+        document.setFileSize((long) content.length());
+
+        return apiDocumentRepository.save(document);
+    }
+
+    /**
+     * JSON 转义
+     */
+    private String escapeJson(String str) {
+        if (str == null) {
+            return "";
+        }
+        return str.replace("\\", "\\\\")
+                  .replace("\"", "\\\"")
+                  .replace("\n", "\\n")
+                  .replace("\r", "\\r");
+    }
+
+    /**
+     * 提取文档正文（去除 frontmatter）
+     */
+    private String extractBody(String content) {
+        if (!content.trim().startsWith("---")) {
+            return content;
+        }
+
+        int firstEnd = content.indexOf("---", 3);
+        if (firstEnd == -1) {
+            return content;
+        }
+
+        int secondEnd = content.indexOf("---", firstEnd + 3);
+        if (secondEnd == -1) {
+            return content.substring(firstEnd + 3).trim();
+        }
+
+        return content.substring(secondEnd + 3).trim();
+    }
+
+    // ==================== 数据模型 ====================
+
+    /**
+     * 初始化结果
+     */
+    @Data
+    public static class InitResult {
+        private int scanned;          // 扫描到的文件数量
+        private int skipped;          // 跳过的文件数量（已存在）
+        private int inserted;         // 成功导入的文件数量
+        private int failed;           // 失败的文件数量
+        private Map<String, String> details = new LinkedHashMap<>();  // 详细信息
+
+        public void incrementSkipped() {
+            this.skipped++;
+        }
+
+        public void incrementInserted() {
+            this.inserted++;
+        }
+
+        public void incrementFailed() {
+            this.failed++;
+        }
+
+        public void addDetail(String filePath, String message) {
+            this.details.put(filePath, message);
+        }
+    }
+
+    /**
+     * 统计信息
+     */
+    @Data
+    public static class Stats {
+        private long totalDocuments;              // 数据库中的文档总数
+        private long totalVectors;                // Milvus 中的向量总数
+        private Map<String, Long> categoryCount;  // 按分类统计
+    }
+}

src/main/java/com/superbiz/agent/service/KnowledgeIndexService.java

@@ -1,5 +1,7 @@
 package com.superbiz.agent.service;
 
+import com.superbiz.agent.domain.entity.ApiDocument;
+import com.superbiz.agent.repository.ApiDocumentRepository;
 import com.superbiz.agent.dto.Frontmatter;
 import com.superbiz.agent.dto.KnowledgeEntry;
 import lombok.extern.slf4j.Slf4j;
@@ -12,6 +14,8 @@ import java.io.IOException;
 import java.nio.file.Files;
 import java.nio.file.Path;
 import java.nio.file.Paths;
+import java.util.Arrays;
+import java.util.Collections;
 import java.util.List;
 import java.util.concurrent.CopyOnWriteArrayList;
 import java.util.stream.Collectors;
@@ -25,11 +29,11 @@ import java.util.stream.Stream;
 @Service
 public class KnowledgeIndexService {
 
-    @Value("${knowledge.base-path}")
+    @Value("${knowledge.base-path:knowledge_base}")
     private String knowledgeBasePath;
 
     @Autowired
-    private FrontmatterParser frontmatterParser;
+    private ApiDocumentRepository apiDocumentRepository;
 
     /**
      * 内存索引（线程安全）
@@ -37,88 +41,108 @@ public class KnowledgeIndexService {
     private final List<KnowledgeEntry> knowledgeIndex = new CopyOnWriteArrayList<>();
 
     /**
-     * 启动时扫描知识库目录，构建索引
+     * 启动时从数据库加载索引
      */
     @PostConstruct
     public void loadIndex() {
-        log.info("开始扫描知识库目录: {}", knowledgeBasePath);
+        log.info("开始从数据库加载知识库索引");
 
         try {
-            Path basePath = Paths.get(knowledgeBasePath);
+            // 从数据库读取所有已索引的文档
+            List<ApiDocument> documents = apiDocumentRepository.findAll();
 
-            // 目录不存在时自动创建
-            if (!Files.exists(basePath)) {
-                Files.createDirectories(basePath);
-                log.info("知识库目录已创建: {}", basePath.toAbsolutePath());
+            int loaded = 0;
+            for (ApiDocument doc : documents) {
+                try {
+                    // 从 metadata JSON 中提取信息
+                    KnowledgeEntry entry = parseDocumentToEntry(doc);
+                    if (entry != null) {
+                        knowledgeIndex.add(entry);
+                        loaded++;
+                    }
+                } catch (Exception e) {
+                    log.warn("解析文档失败: docId={}, error={}", doc.getDocId(), e.getMessage());
+                }
             }
 
-            // 递归扫描 .md 文件
-            try (Stream<Path> paths = Files.walk(basePath)) {
-                paths.filter(p -> p.toString().endsWith(".md"))
-                        .forEach(this::indexFile);
-            }
+            log.info("知识库索引加载完成，共 {} 个文档", loaded);
 
-            log.info("知识库索引加载完成，共 {} 个文档", knowledgeIndex.size());
-
-        } catch (IOException e) {
+        } catch (Exception e) {
             log.error("知识库索引加载失败", e);
         }
     }
 
     /**
-     * 索引单个文件
-     *
-     * @param filePath 文件路径
+     * 将 ApiDocument 转换为 KnowledgeEntry
      */
-    private void indexFile(Path filePath) {
+    private KnowledgeEntry parseDocumentToEntry(ApiDocument doc) {
+        if (doc.getMetadata() == null || doc.getMetadata().isEmpty()) {
+            return null;
+        }
+
         try {
-            // 读取文件内容
-            String content = Files.readString(filePath);
+            // 简单的 JSON 解析
+            String metadata = doc.getMetadata();
 
-            // 解析 frontmatter
-            Frontmatter frontmatter = frontmatterParser.parse(content);
-            if (frontmatter == null) {
-                log.debug("跳过文件（无有效 frontmatter）: {}", filePath);
-                return;
-            }
+            String title = extractJsonValue(metadata, "title");
+            String summary = extractJsonValue(metadata, "summary");
+            String category = extractJsonValue(metadata, "category");
+            List<String> keywords = extractJsonArray(metadata, "keywords");
 
-            // 提取 category（从路径中获取）
-            String category = extractCategoryFromPath(filePath.toString());
-
-            // 构建索引条目
-            KnowledgeEntry entry = KnowledgeEntry.builder()
-                    .filePath(filePath.toString())
-                    .title(frontmatter.getTitle())
-                    .keywords(frontmatter.getKeywords())
-                    .summary(frontmatter.getSummary())
+            return KnowledgeEntry.builder()
+                    .filePath(doc.getFilePath())
+                    .title(title != null ? title : doc.getApiName())
+                    .keywords(keywords)
+                    .summary(summary)
                     .category(category)
-                    .sections(frontmatter.getSections())
                     .build();
 
-            knowledgeIndex.add(entry);
-            log.debug("文档已加入索引: title={}, filePath={}", entry.getTitle(), filePath);
-
-        } catch (IOException e) {
-            log.warn("读取文件失败: {}", filePath, e);
+        } catch (Exception e) {
+            log.warn("解析 metadata 失败: {}", doc.getDocId(), e);
+            return null;
         }
     }
 
     /**
-     * 从文件路径中提取 category
-     * 例如：knowledge_base/api/test.md -> api
+     * 从 JSON 字符串中提取值
      */
-    private String extractCategoryFromPath(String filePath) {
-        String normalized = filePath.replace("\\", "/");
-        String[] parts = normalized.split("/");
-
-        // 查找 knowledge_base 后的第一个目录
-        for (int i = 0; i < parts.length - 1; i++) {
-            if (parts[i].equals("knowledge_base") && i + 1 < parts.length) {
-                return parts[i + 1];
-            }
+    private String extractJsonValue(String json, String key) {
+        String pattern = "\"" + key + "\":\"";
+        int startIndex = json.indexOf(pattern);
+        if (startIndex == -1) {
+            return null;
         }
 
-        return "default";
+        startIndex += pattern.length();
+        int endIndex = json.indexOf("\"", startIndex);
+        if (endIndex == -1) {
+            return null;
+        }
+
+        return json.substring(startIndex, endIndex);
+    }
+
+    /**
+     * 从 JSON 字符串中提取数组
+     */
+    private List<String> extractJsonArray(String json, String key) {
+        String pattern = "\"" + key + "\":[";
+        int startIndex = json.indexOf(pattern);
+        if (startIndex == -1) {
+            return Collections.emptyList();
+        }
+
+        startIndex += pattern.length();
+        int endIndex = json.indexOf("]", startIndex);
+        if (endIndex == -1) {
+            return Collections.emptyList();
+        }
+
+        String arrayContent = json.substring(startIndex, endIndex);
+        return Arrays.stream(arrayContent.split(","))
+                .map(s -> s.trim().replaceAll("^\"|\"$", ""))
+                .filter(s -> !s.isEmpty())
+                .collect(Collectors.toList());
     }
 
     /**
@@ -174,13 +198,15 @@ public class KnowledgeIndexService {
     /**
      * 读取文档内容
      *
-     * @param filePath 文件路径
+     * @param filePath 文件相对路径（如 api/payment-errors.md）
      * @param maxChars 最大字符数
      * @return 文档内容（前 maxChars 字符），失败返回 null
      */
     public String readDocument(String filePath, int maxChars) {
         try {
-            String content = Files.readString(Paths.get(filePath));
+            // 拼接完整路径：knowledge_base + 相对路径
+            Path fullPath = Paths.get(knowledgeBasePath, filePath);
+            String content = Files.readString(fullPath);
 
             if (content.length() > maxChars) {
                 return content.substring(0, maxChars) + "...";
@@ -189,7 +215,7 @@ public class KnowledgeIndexService {
             return content;
 
         } catch (IOException e) {
-            log.error("读取文档失败: {}", filePath, e);
+            log.error("读取文档失败: {}/{}", knowledgeBasePath, filePath, e);
             return null;
         }
     }

src/main/java/com/superbiz/agent/tool/LookupKnowledgeTool.java

@@ -30,37 +30,62 @@ public class LookupKnowledgeTool {
      * @param query 查询关键词
      * @return 查询结果
      */
-    @Tool(description = "查询知识库文档。优先精确匹配关键词，未命中或多个匹配时自动补充语义相关片段。" +
-            "参数 query: 查询关键词，例如 'ERR_TIMEOUT'、'支付网关超时'")
+    @Tool(description = "查询内部知识库文档，获取错误码定义、接口文档、排障步骤、配置说明等背景信息。" +
+            "采用两阶段检索：L0 精确匹配关键词（< 10ms），L1 语义检索补充（200-500ms）。" +
+            "IMPORTANT: 遇到错误码、接口名、配置项、排障问题时，优先使用此工具。" +
+            "支持的查询场景：" +
+            "1) 错误码定义 - 查询错误码的含义和处理方法，例如 'ERR_TIMEOUT'、'ERR_CONNECTION_REFUSED'；" +
+            "2) 接口文档 - 查询 API 接口定义、参数说明、返回格式，例如 'payment-gateway'、'/api/v1/orders'；" +
+            "3) 排障步骤 - 查询故障诊断流程、最佳实践，例如 '支付超时排查'、'数据库连接池配置'；" +
+            "4) 配置说明 - 查询系统配置、中间件参数，例如 'HikariCP'、'Redis 集群配置'。" +
+            "参数 query: 查询关键词或描述")
     public LookupResult lookupKnowledge(String query) {
         // 生成请求ID用于追踪
         String requestId = java.util.UUID.randomUUID().toString().substring(0, 8);
         long startTime = System.currentTimeMillis();
 
-        log.info("[{}] 收到知识库查询请求: query={}", requestId, query);
+        log.info("========================================");
+        log.info(">>> [工具调用] lookup_knowledge");
+        log.info(">>> 参数: query = \"{}\"", query);
+        log.info(">>> RequestId: {}", requestId);
+        log.info("----------------------------------------");
 
         // Step 1: L0 精确匹配
         long l0Start = System.currentTimeMillis();
         List<KnowledgeEntry> l0Matches = knowledgeIndexService.exactMatch(query);
         long l0Time = System.currentTimeMillis() - l0Start;
-        log.info("[{}] L0精确匹配完成: matches={}, time={}ms", requestId, l0Matches.size(), l0Time);
+        log.info("[L0 精确匹配] 完成: matches={}, time={}ms", l0Matches.size(), l0Time);
+        if (!l0Matches.isEmpty()) {
+            log.info("[L0 精确匹配] 找到文档:");
+            for (int i = 0; i < Math.min(3, l0Matches.size()); i++) {
+                KnowledgeEntry entry = l0Matches.get(i);
+                log.info("  - [{}] 标题: {}, 路径: {}", i+1, entry.getTitle(), entry.getFilePath());
+            }
+        }
 
         // Step 2: 判断是否高置信度（唯一匹配）
         boolean highConfidence = (l0Matches.size() == 1);
-        log.debug("[{}] 置信度判断: highConfidence={}, reason={}",
-            requestId, highConfidence, highConfidence ? "唯一匹配" : "多个或零个匹配");
+        log.info("[置信度判断] highConfidence={}, reason={}",
+            highConfidence, highConfidence ? "唯一匹配" : "多个或零个匹配");
 
         // Step 3: L1 条件调用
         List<VectorSearchService.SearchResult> l1Results = null;
         if (!highConfidence) {
-            log.info("[{}] L0非唯一匹配，触发L1语义检索", requestId);
+            log.info("[L1 语义检索] L0非唯一匹配，触发L1语义检索...");
             long l1Start = System.currentTimeMillis();
             l1Results = vectorSearchService.searchSimilarDocuments(query, 3, null);
             long l1Time = System.currentTimeMillis() - l1Start;
-            log.info("[{}] L1语义检索完成: matches={}, time={}ms",
-                requestId, l1Results != null ? l1Results.size() : 0, l1Time);
+            log.info("[L1 语义检索] 完成: matches={}, time={}ms",
+                l1Results != null ? l1Results.size() : 0, l1Time);
+            if (l1Results != null && !l1Results.isEmpty()) {
+                log.info("[L1 语义检索] 找到文档:");
+                for (int i = 0; i < Math.min(3, l1Results.size()); i++) {
+                    VectorSearchService.SearchResult result = l1Results.get(i);
+                    log.info("  - [{}] 文档ID: {}, 相似度得分: {}", i+1, result.getId(), result.getScore());
+                }
+            }
         } else {
-            log.debug("[{}] L0唯一匹配，跳过L1检索", requestId);
+            log.info("[L1 语义检索] L0唯一匹配，跳过L1检索");
         }
 
         // Step 4: 组装结果
@@ -68,13 +93,22 @@ public class LookupKnowledgeTool {
 
         // 记录完整结果
         long totalTime = System.currentTimeMillis() - startTime;
-        log.info("[{}] 查询完成: found={}, hasL0={}, hasL1={}, confidence={}, totalTime={}ms",
-            requestId,
+        log.info("----------------------------------------");
+        log.info("<<< [工具返回] lookup_knowledge");
+        log.info("<<< 结果: found={}, matchType={}, confidence={}",
             result.isFound(),
-            result.getPrimary() != null,
-            result.getSupplement() != null,
-            result.getPrimary() != null ? result.getPrimary().getConfidence() : "N/A",
-            totalTime);
+            result.getPrimary() != null ? result.getPrimary().getMatchType() : "N/A",
+            result.getPrimary() != null ? result.getPrimary().getConfidence() : "N/A");
+        log.info("<<< 总耗时: {}ms (L0={}ms, L1={}ms)",
+            totalTime, l0Time, l1Results != null ? (totalTime - l0Time) : 0);
+        if (result.isFound() && result.getPrimary() != null) {
+            String content = result.getPrimary().getContent();
+            log.info("<<< 返回内容长度: {} 字符", content != null ? content.length() : 0);
+            if (content != null && content.length() > 200) {
+                log.info("<<< 内容预览: {}", content.substring(0, 200) + "...");
+            }
+        }
+        log.info("========================================");
 
         return result;
     }

src/main/resources/prompts/executor-prompt.md

@@ -0,0 +1,76 @@
+# 执行者 System Prompt
+
+## 角色定位
+
+你是诊断流程的**执行者**。你的任务非常明确：严格遵循规划者下发的任务清单，按步骤调用工具完成任务，并输出最终结果。
+
+---
+
+## 核心行为准则
+
+### 1. 严格按步执行
+- 规划者下发的是**有序的任务列表**（如 Step 1 → Step 2 → Step 3）
+- 你必须按顺序执行，不可跳过、合并或重排步骤
+- 每个步骤完成后，记录该步骤的产出，再进入下一步
+
+### 2. 调用工具而不是凭记忆回答
+- 所有需要外部信息的地方，都必须调用对应的工具
+- 尤其注意：永远不要凭记忆回答错误码含义、接口定义、排障步骤
+- 知识库查询：必须通过 `lookup_knowledge` 工具完成
+
+### 3. 工具调用完毕后，必须结合日志、订单数据等证据综合分析
+- 不要把工具的返回结果直接当作最终答案输出
+- 你的结论必须基于**至少两个独立证据源**（如错误码+日志、接口文档+实际返回值）
+
+---
+
+## 可用工具
+
+### lookup_knowledge（知识库查询）
+
+用于查询内部知识库，获取错误码定义、接口文档、排障步骤等背景信息。
+
+| 参数 | 说明 |
+|------|------|
+| `query` | 查询关键词或描述。例如：`ERR_TIMEOUT`、`payment-gateway`、`支付为什么失败` |
+
+**内部机制**：
+工具内部自动执行「先精确匹配（L0），未命中则语义检索（L1）」的两阶段检索逻辑，你无需关心哪一层。
+
+**返回结果**：包含 `found`（是否找到）、`primary.content`（文档内容）、`primary.match_type`（来源标记：`exact_L0` 或 `semantic_L1`）等字段。
+
+**使用规则**：
+- 当你查到了错误码、接口名、服务名时：**必须**调用此工具
+- 当需要查排障步骤、业务流程、最佳实践时：**必须**调用此工具
+- 对当前结果没有十足把握时：**建议**调用此工具验证
+
+---
+
+## 任务执行规范
+
+### 1. 每个步骤的产出要求
+
+每完成一个工具调用后，你应该：
+- 记录工具返回的关键信息
+- 将新信息与已有上下文（日志、订单数据等）进行交叉验证
+- 输出该步骤的阶段性结论
+
+### 2. 最终输出的报告格式
+
+```yaml
+## 诊断结论
+
+**问题根因**：XXX
+
+**证据链**：
+1. 订单状态返回错误码 ERR_TIMEOUT
+2. 知识库 lookup_knowledge("ERR_TIMEOUT") 返回：支付网关响应超时（>5秒）
+3. 日志确认：14:32:15 请求耗时 5.3s，超过 5s 阈值
+
+**建议方案**：
+- 临时方案：重试该笔订单
+- 长期方案：优化支付网关超时配置，建议提升至 8s
+
+**引用来源**：
+- [来源: interfaces/_errors.md]
+```

src/main/resources/prompts/planner-prompt.md

@@ -0,0 +1,88 @@
+你是 Planner Agent，同时承担 Replanner 角色，负责：
+1. 读取当前输入任务 {input} 以及 Executor 的最近反馈 {executor_feedback}。
+2. 分析 Prometheus 告警、日志、内部文档等信息，制定可执行的下一步步骤。
+3. 在执行阶段，输出 JSON，包含 decision (PLAN|EXECUTE|FINISH)、step 描述、预期要调用的工具、以及必要的上下文。
+4. 调用任何腾讯云日志/主题相关工具时，region 参数必须使用连字符格式（如 ap-guangzhou），若不确定请省略以使用默认值。
+5. 严格禁止编造数据，只能引用工具返回的真实内容；如果连续 3 次调用同一工具仍失败或返回空结果，需停止该方向并在最终报告的结论部分说明"无法完成"的原因。
+
+## 最终报告输出要求（CRITICAL）
+
+当 decision=FINISH 时，你必须：
+1. **不要输出 JSON 格式**
+2. **直接输出完整的 Markdown 格式报告文本**
+3. **报告必须严格遵循以下模板**：
+
+```
+# 告警分析报告
+
+---
+
+## 📋 活跃告警清单
+
+| 告警名称 | 级别 | 目标服务 | 首次触发时间 | 最新触发时间 | 状态 |
+|---------|------|----------|-------------|-------------|------|
+| [告警1名称] | [级别] | [服务名] | [时间] | [时间] | 活跃 |
+| [告警2名称] | [级别] | [服务名] | [时间] | [时间] | 活跃 |
+
+---
+
+## 🔍 告警根因分析1 - [告警名称]
+
+### 告警详情
+- **告警级别**: [级别]
+- **受影响服务**: [服务名]
+- **持续时间**: [X分钟]
+
+### 症状描述
+[根据监控指标描述症状]
+
+### 日志证据
+[引用查询到的关键日志]
+
+### 根因结论
+[基于证据得出的根本原因]
+
+---
+
+## 🛠️ 处理方案执行1 - [告警名称]
+
+### 已执行的排查步骤
+1. [步骤1]
+2. [步骤2]
+
+### 处理建议
+[给出具体的处理建议]
+
+### 预期效果
+[说明预期的效果]
+
+---
+
+## 🔍 告警根因分析2 - [告警名称]
+[如果有第2个告警，重复上述格式]
+
+---
+
+## 📊 结论
+
+### 整体评估
+[总结所有告警的整体情况]
+
+### 关键发现
+- [发现1]
+- [发现2]
+
+### 后续建议
+1. [建议1]
+2. [建议2]
+
+### 风险评估
+[评估当前风险等级和影响范围]
+```
+
+**重要提醒**：
+- 最终输出必须是纯 Markdown 文本，不要包含 JSON 结构
+- 不要使用 "finalReport": "..." 这样的格式
+- 直接从 "# 告警分析报告" 开始输出
+- 所有内容必须基于工具查询的真实数据，严禁编造
+- 如果某个步骤失败，在结论中如实说明，不要跳过

src/main/resources/prompts/supervisor-prompt.md

@@ -0,0 +1,10 @@
+你是 AI Ops Supervisor，负责调度 planner_agent 与 executor_agent：
+1. 当需要拆解任务或重新制定策略时，调用 planner_agent。
+2. 当 planner_agent 输出 decision=EXECUTE 时，调用 executor_agent 执行第一步。
+3. 根据 executor_agent 的反馈，评估是否需要再次调用 planner_agent，直到 decision=FINISH。
+4. FINISH 后，确保向最终用户输出完整的《告警分析报告》，格式必须严格为：
+   告警分析报告\n---\n# 告警处理详情\n## 活跃告警清单\n## 告警根因分析N\n## 处理方案执行N\n## 结论。
+5. 若步骤涉及腾讯云日志/主题工具，请确保使用连字符区域 ID（ap-guangzhou 等），或省略 region 以采用默认值。
+6. 如果发现 Planner/Executor 在同一方向连续 3 次调用工具仍失败或没有数据，必须终止流程，直接输出"任务无法完成"的报告，明确告知失败原因，严禁凭空编造结果。
+
+只允许在 planner_agent、executor_agent 与 FINISH 之间做出选择。

src/test/java/com/superbiz/agent/repository/ApiDocumentRepositoryTest.java

@@ -40,7 +40,7 @@ class ApiDocumentRepositoryTest {
             .filePath("/uploads/api-spec.md")
             .fileHash("abc123hash")
             .fileSize(1024L)
-            .faultCategory(FaultCategory.EXTERNAL_API)
+            .faultCategory(FaultCategory.API)
             .faultSource("广东")
             .apiName("查询接口")
             .status("PENDING")
@@ -167,7 +167,7 @@ class ApiDocumentRepositoryTest {
             .docId(UUID.randomUUID().toString())
             .fileName("guangdong-api.md")
             .faultSource("广东")
-            .faultCategory(FaultCategory.EXTERNAL_API)
+            .faultCategory(FaultCategory.API)
             .build();
 
         repository.save(doc);

src/test/java/com/superbiz/agent/repository/CaseLibraryRepositoryTest.java

@@ -39,7 +39,7 @@ class CaseLibraryRepositoryTest {
             .title("接口超时案例")
             .rootCause("网络延迟导致接口超时")
             .solution("增加超时时间和重试机制")
-            .faultCategory(FaultCategory.EXTERNAL_API)
+            .faultCategory(FaultCategory.API)
             .errorCode("40003")
             .sourceType(SourceType.AUTO)
             .build();
@@ -63,7 +63,7 @@ class CaseLibraryRepositoryTest {
             .title("数据库死锁案例")
             .rootCause("并发更新导致死锁")
             .solution("优化事务粒度")
-            .faultCategory(FaultCategory.DATABASE)
+            .faultCategory(FaultCategory.API)
             .build();
 
         repository.save(caseLib);
@@ -81,7 +81,7 @@ class CaseLibraryRepositoryTest {
             .title("案例1")
             .rootCause("原因1")
             .solution("方案1")
-            .faultCategory(FaultCategory.EXTERNAL_API)
+            .faultCategory(FaultCategory.API)
             .errorCode("40003")
             .build();
 
@@ -90,7 +90,7 @@ class CaseLibraryRepositoryTest {
             .title("案例2")
             .rootCause("原因2")
             .solution("方案2")
-            .faultCategory(FaultCategory.EXTERNAL_API)
+            .faultCategory(FaultCategory.API)
             .errorCode("40003")
             .build();
 
@@ -98,7 +98,7 @@ class CaseLibraryRepositoryTest {
         repository.save(case2);
 
         List<CaseLibrary> results = repository.findByFaultCategoryAndErrorCode(
-            FaultCategory.EXTERNAL_API, "40003");
+            FaultCategory.API, "40003");
 
         assertFalse(results.isEmpty());
         assertTrue(results.size() >= 2);

src/test/java/com/superbiz/agent/repository/DiagnosisRecordRepositoryTest.java

@@ -38,7 +38,7 @@ class DiagnosisRecordRepositoryTest {
             .sessionId("session-001")
             .businessId("order-12345")
             .traceId("trace-abc123")
-            .faultCategory(FaultCategory.EXTERNAL_API)
+            .faultCategory(FaultCategory.API)
             .faultSource("广东")
             .faultTarget("http://api.example.com/query")
             .errorCode("40003")
@@ -67,7 +67,7 @@ class DiagnosisRecordRepositoryTest {
         DiagnosisRecord record = DiagnosisRecord.builder()
             .diagnosisId(diagnosisId)
             .businessId("order-test-001")
-            .faultCategory(FaultCategory.DATABASE)
+            .faultCategory(FaultCategory.API)
             .status(DiagnosisStatus.PENDING)
             .build();
 
@@ -84,14 +84,14 @@ class DiagnosisRecordRepositoryTest {
         // 创建测试数据
         DiagnosisRecord record1 = DiagnosisRecord.builder()
             .diagnosisId(UUID.randomUUID().toString())
-            .faultCategory(FaultCategory.EXTERNAL_API)
+            .faultCategory(FaultCategory.API)
             .errorCode("40003")
             .status(DiagnosisStatus.SUCCESS)
             .build();
 
         DiagnosisRecord record2 = DiagnosisRecord.builder()
             .diagnosisId(UUID.randomUUID().toString())
-            .faultCategory(FaultCategory.EXTERNAL_API)
+            .faultCategory(FaultCategory.API)
             .errorCode("40003")
             .status(DiagnosisStatus.FAILED)
             .build();
@@ -101,7 +101,7 @@ class DiagnosisRecordRepositoryTest {
 
         // 查询
         List<DiagnosisRecord> results = repository.findByFaultCategoryAndErrorCode(
-            FaultCategory.EXTERNAL_API, "40003");
+            FaultCategory.API, "40003");
 
         assertFalse(results.isEmpty());
         assertTrue(results.size() >= 2);
@@ -113,7 +113,7 @@ class DiagnosisRecordRepositoryTest {
         DiagnosisRecord record = DiagnosisRecord.builder()
             .diagnosisId(UUID.randomUUID().toString())
             .status(DiagnosisStatus.RUNNING)
-            .faultCategory(FaultCategory.CACHE)
+            .faultCategory(FaultCategory.API)
             .build();
 
         repository.save(record);