# ISS-011 Chat 诊断 StateGraph 编排改造 **状态**：待实现 **严重程度**：高 **发现时间**：2026-07-16 **来源**：OnCall / Agent 编排模拟面试、当前 Chat 复杂诊断调用链复核 **预计实施周期**：2–3 个工作日 --- ## 1. 背景 当前复杂 Chat 诊断在 `ChatService.executeChatComplex(...)` 中采用两层编排： ```text SequentialAgent -> Planner -> Executor -> Verifier ChatService 外层循环 -> 解析 Verifier PASS / LOW_CONFID / REJECT -> 决定 Composer、补证据或安全降级 ``` 这种实现已经具备 Planner、Executor、Gatekeeper、Verifier、Composer 的职责拆分，但流程控制分散在： - `SequentialAgent` 固定顺序。 - `VerifierInputHook` 内的 Gatekeeper。 - `ChatService` 外层最多两轮循环。 - Composer 和固定降级逻辑。 随着 no-evidence、工具能力阻断、Executor 非法输出、Gatekeeper REJECT、Verifier LOW_CONFID 等状态增加，当前高层 Flow 抽象已经无法清晰表达阶段短路和定向重试。 --- ## 2. 当前问题 ### 2.1 Executor 语义失败后仍可能继续 Pipeline 如果 Executor 抛出异常，当前外层 `catch` 可以终止 Run；但如果 Executor 正常返回一段错误文本、非法结构或工具阻断结果，`SequentialAgent` 仍会继续调用 Verifier。 这会造成： - Verifier 消费无效输入。 - 增加无意义模型调用和 Token。 - Trace 中难以区分执行失败与证据不足。 - 最终降级发生得过晚。 ### 2.2 不能按失败阶段精确重试 当前 LOW_CONFID 重试会重新运行： ```text Planner -> Executor -> Verifier ``` 但真实需求可能是： | 失败位置 | 期望恢复位置 | |---|---| | Planner 输出非法 | 重试 Planner | | Executor 输出结构非法 | 保留计划，只重试 Executor | | Gatekeeper 引用验真失败 | 直接进入固定安全降级 | | Verifier LOW_CONFID | 将 missing evidence 返回 Planner 进行有限补证据 | | 工具权限或能力阻断 | 不重试，直接降级 | 当前 `SequentialAgent + 外层 round` 无法自然表达这些回边。 ### 2.3 Gatekeeper 藏在 Verifier Hook 中 当前链路是： ```text Executor -> VerifierInputHook -> ExecutorGatekeeperService -> Verifier ``` Hook 适合加工和拦截 Verifier 输入，但不适合根据 Gatekeeper 结果跳回 Executor。Gatekeeper 作为诊断质量门禁，应该成为显式编排节点。 ### 2.4 编排逻辑已经形成隐式状态机 `ChatService` 当前同时负责： - 构建 Agent。 - 执行 SequentialAgent。 - 控制 LOW_CONFID 轮次。 - 构造 retry context。 - 调用 Composer。 - 固定模板降级。 - 持久化 Run、self_evaluation 和汇总指标。 继续增加 `if/else` 会进一步扩大 `ChatService` 职责，降低流程可读性和可测试性。 --- ## 3. 改造目标 使用 Spring AI Alibaba `StateGraph` 接管跨 Agent 的状态转换，现有 ReactAgent、Prompt、工具、证据协议和持久化能力继续复用。 目标职责： ```text StateGraph -> 控制顺序、条件边、重试、终止和降级 ReactAgent -> 完成 Planner、Executor、Verifier、Composer 节点内部语义任务 Java Node -> 完成 Gatekeeper、重试判断、固定降级等确定性任务 ``` 本次不使用 SupervisorAgent 替代固定诊断 Pipeline。SupervisorAgent 留给未来多个专科 SubAgent 之间的动态路由。 --- ## 4. 目标流程 ```mermaid flowchart TD Start["START"] --> Planner["Planner"] Planner -- "成功" --> Executor["Executor"] Planner -- "失败" --> Fallback["Fallback"] Executor -- "结构有效" --> Gatekeeper["Gatekeeper"] Executor -- "失败或阻断" --> Fallback Gatekeeper -- "PASS" --> Verifier["Verifier"] Gatekeeper -- "LOW_CONFID 且存在已验真 binding" --> VerifiedInput["Build Verified Verifier Input"] Gatekeeper -- "LOW_CONFID 且零条已验真 binding" --> Fallback Gatekeeper -- "REJECT" --> Fallback VerifiedInput --> Verifier Verifier -- "PASS" --> Composer["Composer"] Verifier -- "REJECT" --> Composer Verifier -- "LOW_CONFID 且有预算" --> EvidenceRetry["Prepare Evidence Retry"] Verifier -- "LOW_CONFID 且无预算" --> Composer Verifier -- "执行失败" --> Fallback EvidenceRetry --> Planner Composer --> End["END"] Fallback --> End ``` ### 4.1 本期只保留 Verifier LOW_CONFID 补证据 Gatekeeper REJECT 本期不重试，直接进入 Fallback。 Verifier LOW_CONFID 保留当前有限补证据能力： ```text 目标：补充缺失证据 返回：Planner 默认上限：1 次 ``` 只有同时满足以下条件时才允许补证据： - Verifier 提供了可执行的 missing evidence。 - LOW_CONFID 不是由 Gatekeeper verdict ceiling 导致。 - 所需工具存在且当前 Agent 有权限。 - 仍有 Run 级预算。 - 本 Run 尚未执行过补证据轮次。 Prepare Evidence Retry Node 由代码实现，负责把已确认事实、证据缺口、已调用工具、已执行 Query、当前 Skill 和剩余预算整理为受限 retry context，然后返回 Planner。 Planner 第二轮使用 `EVIDENCE_GAP_ONLY` 模式，只生成增量补证据计划，不允许重新开始完整诊断、扩大服务范围或重复已经成功执行的查询。 --- ## 5. Gatekeeper REJECT 策略 **决策状态**：已确认，2026-07-16。 本期不增加 EvidenceRepairNode，也不让 Gatekeeper REJECT 返回 Executor 重试。任何 Gatekeeper REJECT 都直接进入固定安全降级。 原因： - 第一版先验证显式 Graph 编排和阶段短路，不同时引入新的模型节点。 - 证据引用错误不一定可以安全修复，自动重新绑定可能制造第二次幻觉。 - 当前最重要的是保证不可信 Executor 输出不能进入 Verifier，而不是提高 REJECT 的自动恢复率。 - 直接 Fallback 的状态语义简单，便于先建立稳定的路由和测试基线。 处理流程： ```text Executor -> Gatekeeper -> PASS / LOW_CONFID：进入 Verifier -> REJECT：直接 Fallback ``` Fallback 最终表达只保留： 最终表达只保留： - 已确认且能够独立验证的事实。 - 无法验证的证据引用问题。 - 当前诊断限制。 - 建议人工检查的下一步。 --- ### 5.1 Executor INVALID_OUTPUT 策略 **决策状态**：已确认，2026-07-16。 `INVALID_OUTPUT` 定义为 Executor Agent 调用已经返回，但无法解析为最小 `executor_evidence_v2` 结构。它对应当前解析状态中的 `missing` 或 `malformed`，包括： - 输出为空。 - 输出不是 JSON。 - JSON 被截断或语法非法。 - JSON 根节点不是对象。 - `claims` 不是数组。 以下情况不属于 `INVALID_OUTPUT`： - 合法的空 claims 和 missing info。 - 合法 no-evidence。 - 结构可解析但 evidence binding 错误，此类进入 Gatekeeper。 - 引用真实但证据无法支持 claim，此类进入 Verifier。 本期处理方式： ```text Executor INVALID_OUTPUT -> 不重试 Executor -> 不调用 Gatekeeper -> 不调用 Verifier -> 不调用模型 Composer -> 固定安全 Fallback ``` 原因： - 当前没有可信结构化结果可供后续门禁消费。 - 重试有工具权限的 Executor 可能重复调用工具并产生第二套证据。 - 本期优先建立清晰、可验证的控制流，不同时引入格式修复模式。 Trace 至少记录： - `executor_status = INVALID_OUTPUT`。 - missing / malformed 及解析错误摘要。 - 当前 Run 已发生的工具调用数量和成功情况。 - 跳转 Fallback 的原因。 - Gatekeeper、Verifier 未执行的原因。 Executor 原始输出只允许保留在受控审计中，不得直接作为用户答案。 --- ### 5.2 Gatekeeper LOW_CONFID 策略 **决策状态**：已确认，2026-07-16。 Gatekeeper LOW_CONFID 表示 Executor 输出存在非致命结构或引用缺口，但不代表所有 evidence binding 都不可信。本期按已验真 binding 数量处理： ```text Gatekeeper LOW_CONFID -> 至少一条 checked binding 为 pass -> 代码过滤失败 binding -> 构造 verified executor output -> Verifier -> 最终 verdict 最高为 LOW_CONFID -> 零条 checked binding 为 pass -> 固定 Fallback ``` Verifier Input Builder 必须： - 只保留 Gatekeeper `checked_bindings.status=pass` 对应的 evidence binding。 - 删除失败 binding。 - 没有有效 binding 的 claim 不得作为确认性 claim 进入 Verifier。 - 不向 Verifier 传递 Executor 未经验真的自由文本作为事实来源。 - 将 `verifier_verdict_ceiling` 设置为 `LOW_CONFID`。 即使模型 Verifier 返回 PASS，编排层也必须将有效 verdict 限制为 LOW_CONFID。 LOW_CONFID 进入 Verifier 的目标是保留部分真实证据，而不是让 Verifier 修复 Gatekeeper 失败。 --- ## 6. Graph State 最小契约 Graph State 保存跨节点需要的结构化状态，不复制完整工具原文和模型思考过程。 | 状态 | 作用 | 策略 | |---|---|---| | `diagnosis_context` | 当前 Query、history、sessionId/runId 等统一上下文 | Replace | | `planner_plan` | Planner 结构化计划 | Replace | | `planner_status` | Planner 执行状态 | Replace | | `planner_mode` | NORMAL / EVIDENCE_GAP_ONLY | Replace | | `executor_output` | `executor_evidence_v2` | Replace | | `executor_status` | COMPLETED / INVALID_OUTPUT / TOOL_BLOCKED / FAILED | Replace | | `gatekeeper_result` | 当前轮验真结果 | Replace | | `gatekeeper_status` | PASS / LOW_CONFID / REJECT | Replace | | `verified_executor_output` | 只保留 Gatekeeper 通过 binding 的 Verifier 输入 | Replace | | `verified_binding_count` | 当前可供 Verifier 使用的 binding 数量 | Replace | | `verifier_verdict_ceiling` | PASS 或 LOW_CONFID | Replace | | `verifier_output` | Verifier 结构化结果 | Replace | | `verdict` | PASS / LOW_CONFID / REJECT / FAILED | Replace | | `evidence_retry_count` | 补证据轮次 | Replace | | `retry_context` | missing evidence 和补查约束 | Replace | | `final_answer` | 最终用户表达 | Replace | | `failure_reason` | 当前确定性失败原因 | Replace | 说明： - `agent_step` 和 `tool_invocation` 继续作为完整 Trace 数据源。 - Graph State 只保存控制流程所需的最新状态。 - `no_evidence` 属于合法 Executor 输出，不等于 `FAILED`，仍然进入 Gatekeeper 和 Verifier。 --- ## 7. 与当前代码的关系 ### 7.1 继续复用 - Planner、Executor、Verifier、Composer Prompt。 - Skill Registry、Planner Skill metadata 和 Executor `read_skill`。 - `ExecutorGatekeeperService` 现有规则。 - `ToolTraceSummaryService`。 - Executor、Verifier、Composer 结构化解析逻辑。 - `diagnosis_run`、`agent_step`、`tool_invocation` 和 `self_evaluation`。 - Token、耗时和工具调用数回填。 - 当前 API 请求和响应协议。 ### 7.2 需要调整 - `ChatService.executeChatComplex(...)` 不再创建 `SequentialAgent`。 - Gatekeeper 从 `VerifierInputHook` 的隐式执行迁为显式 Graph Node。 - LOW_CONFID 外层 `for round` 迁入 Graph 条件边。 - Composer 与固定 Fallback 成为独立节点。 - ChatService 只负责 Run 生命周期和调用 Graph，不继续承载细粒度状态机。 ### 7.3 ReactAgent 接入策略 第一阶段使用适配 Node 显式调用当前 ReactAgent，不直接全面使用 `ReactAgent.asNode(...)`。 原因： - 当前 Agent 根据 history 和 retry context 动态构造 Prompt。 - 当前使用自定义 outputKey 和解析逻辑。 - Hook、ThreadLocal 和父子 Graph `messages` 需要先验证。 Graph State 和 Agent 输入契约稳定后，再评估直接使用 `asNode(false, false)`。 ### 7.4 已确认：父子状态使用输入白名单隔离 **决策状态**：已确认，2026-07-16。 外层 Graph 维护完整工作流状态，但每个 ReactAgent 不直接接收 `parentState.data()`。每个 Adapter Node 必须完成一次显式状态投影： ```text 父 Graph Shared State -> Adapter Node 选择允许字段 -> Agent 专用 Input DTO -> ReactAgent 私有执行上下文 -> Parser 提取标准输出 -> 只更新父 Graph 指定状态 ``` 各节点输入边界： | 节点 | 允许读取 | 不允许直接读取 | |---|---|---| | Planner | query、history、retry context、Skill metadata | Executor、Gatekeeper、Verifier 的历史输出 | | Executor | query、planner plan、selected skill、executor retry context | Verifier 结论、其他轮次未筛选 messages | | Gatekeeper | executor structured output、当前 run 的 tool invocation | Planner 思考、其他 run 工具记录 | | Verifier | query、executor structured output、gatekeeper result、verified tool trace | Planner 计划、Executor 思考、未经 Gatekeeper 验真的自由文本 | | Composer | allowed claims、missing info、recommended actions | 原始工具结果、Executor 原始答案和未允许 claims | 实现约束： - 第一阶段不使用 `asNode(true, true)`。 - `asNode(false, false)` 也不作为严格隔离手段，因为它主要减少 `messages` 传播，不能替代字段白名单。 - 每个 Adapter Node 使用专用 Input DTO，不复用一个包含所有字段的通用 AgentInput。 - ReactAgent 只向父 Graph 返回结构化 Node Output，不回传内部完整 `messages` 和推理过程。 - 子 Agent 的执行标识按 `runId + agentName + attempt` 隔离，避免不同 Agent 和重试轮次复用内部状态。 - 数据隔离由代码保证，Prompt 约束只作为补充。 ### 7.5 已确认：编排审计使用独立 `orchestration_trace` **决策状态**：已确认，2026-07-16。 Graph 路由记录不写入 `self_evaluation`。本期在 `diagnosis_run` 新增 nullable JSON 字段 `orchestration_trace`，用于保存当前 run 的紧凑编排摘要。 职责边界： ```text self_evaluation -> 结果质量、证据可信度以及 Gatekeeper / Verifier 等评估结果 orchestration_trace -> 节点跳转、条件边原因、重试、降级和终止摘要 agent_step -> 真实模型 Agent 调用 tool_invocation -> 真实工具调用 ``` 最小结构： ```json { "version": "stategraph-v1", "transitions": [ { "from": "gatekeeper", "to": "fallback", "reason_code": "gatekeeper_reject", "attempt": 1 } ], "final_node": "fallback", "termination_reason": "gatekeeper_reject", "degraded": true, "evidence_retry_count": 0 } ``` 约束： - 只写入 `diagnosis_run`，不写入会话级 `diagnosis_session`，因为 Graph 执行边界是 `runId`。 - 使用稳定的 `reason_code`，不保存完整 Prompt、模型思考、工具原文或 Graph State 快照。 - `transitions` 受 Graph 最大循环次数约束，不作为无限增长的事件日志。 - Trace API 将其作为与 `self_evaluation` 平级的可选字段返回；历史 run 可以为 `null`。 - 第一版不新增 orchestration 明细表，后续只有在需要跨 run 检索单次节点事件时再单独评估。 --- ## 8. 分阶段实施计划 ## 阶段 0：设计冻结 **预计时间**：1–2 小时 **目标**：完成讨论，不修改运行时实现。 任务： - 确认 Graph State 最小契约。 - 确认所有条件边和最大重试次数。 - 确认 Fallback 用户表达。 - 确认旧 Sequential 测试的替换范围。 完成标准： - 本 issue 中所有“待讨论决策”已有明确结论。 - 不存在未定义的循环和终止路径。 ## 阶段 1：Graph 骨架和路由测试 **预计时间**：2–3 小时 **目标**：使用 Fake Node 验证 Graph API 和所有路径，不接真实模型。 任务： - 创建诊断 Graph State 和状态常量。 - 创建 Graph 拓扑。 - 创建 Fake Planner、Executor、Gatekeeper、Verifier、Composer。 - 为所有条件边编写路由测试。 完成标准： - Executor FAILED 后不调用 Gatekeeper、Verifier。 - Executor INVALID_OUTPUT 直接进入固定 Fallback，不触发任何模型重试。 - 任意 Gatekeeper REJECT 直接进入 Fallback，不调用 Verifier。 - LOW_CONFID 只允许一次 Planner 补证据。 - Graph 不存在无限循环。 ## 阶段 2：接入真实节点 **预计时间**：3–4 小时 **目标**：将现有 Agent 和代码服务接入 Graph。 任务： - 创建 Planner、Executor、Verifier、Composer Node Adapter。 - 创建显式 Gatekeeper Node。 - 创建 Verifier Input Builder Node，过滤未通过的 binding。 - 创建 Evidence Retry Prepare Node。 - 创建固定 Fallback Node。 - 保持现有 Prompt、工具和证据协议不变。 完成标准： - Agent Hook 和 ToolCallback 正常工作。 - Gatekeeper 只执行一次，不再由 Verifier Hook 重复触发。 - no-evidence 继续进入 Gatekeeper 和 Verifier。 - Gatekeeper LOW_CONFID 只向 Verifier 提供已验真 binding，并限制 verdict 上限。 - Verifier LOW_CONFID 只有存在可执行缺口时才返回 Planner。 - 第二轮 Planner 只生成 `EVIDENCE_GAP_ONLY` 增量计划。 ## 阶段 3：替换 ChatService 编排 **预计时间**：2–3 小时 **目标**：复杂 Chat 诊断正式调用 StateGraph。 任务： - 将 `executeChatComplex(...)` 改为构造初始 Graph State 并执行 CompiledGraph。 - 使用 `runId` 作为 Graph `threadId`，`sessionId` 作为 metadata。 - 增加数据库迁移，为 `diagnosis_run` 添加 nullable JSON 字段 `orchestration_trace`。 - 将 Graph 的节点跳转、reason code、重试和终止摘要持久化到当前 run。 - 保留 Run 创建、状态更新、耗时、Token、工具数和 Eval 调用。 - 将 Graph 最终状态映射为现有 `ChatResult`。 完成标准： - `/api/chat` 请求和响应协议不变。 - `diagnosis_run.agent_flow` 仍为 `CHAT`。 - Trace 明细继续归属于当前 runId。 - Trace API 将 `orchestration_trace` 作为与 `self_evaluation` 平级的可选字段返回。 - Executor 失败路径不产生 Verifier Agent step。 ## 阶段 4：创建新测试体系 **预计时间**：3–4 小时 **目标**：以 Graph 路径和外部行为为中心创建测试，不迁移旧固定顺序断言。 新测试： - `DiagnosisGraphWorkflowTest`：纯路由测试。 - `DiagnosisGraphNodeContractTest`：节点输入输出契约。 - `ChatServiceGraphIntegrationTest`：ChatService、Run、Trace、自评估集成。 必须覆盖： - PASS 正常路径。 - Planner 失败。 - Executor FAILED / TOOL_BLOCKED / INVALID_OUTPUT。 - 合法 no-evidence。 - Gatekeeper REJECT 直接降级。 - Gatekeeper LOW_CONFID 且存在已验真 binding。 - Gatekeeper LOW_CONFID 且不存在已验真 binding。 - Verifier LOW_CONFID 补证据。 - Gatekeeper ceiling 导致的 LOW_CONFID 不触发补证据。 - LOW_CONFID 缺少可执行 missing evidence 时不触发补证据。 - 第二次 LOW_CONFID 不再补证据。 - Verifier REJECT 安全表达。 - Composer 失败固定降级。 - 同 session 多 run 隔离。 旧测试处理： - `ChatServiceSequentialAgentTest` 不作为迁移约束，可以由新测试整体替换。 - `VerifierInputHookTest` 根据 Gatekeeper 迁移结果删除或改写。 - `ExecutorGatekeeperServiceTest`、Controller、Trace 和 Eval 契约测试继续保留。 ## 阶段 5：回归、清理和文档 **预计时间**：1–2 小时 **目标**：完成行为确认并删除旧编排结构。 任务： - 运行新的单元和集成测试。 - 运行相关 diagnosis eval baseline。 - 对比关键 Trace 路径。 - 删除 `SequentialAgent` 复杂诊断编排和旧外层 round 状态机。 - 删除不再需要的 Gatekeeper Hook 隐式执行逻辑。 - 更新架构文档和 issue 状态。 完成标准： - 新测试全部通过。 - 关键 Eval 没有非预期退化。 - ChatService 不再维护隐式诊断状态机。 - 不存在新旧两套长期并行的重复实现。 --- ## 9. 测试策略 本改造允许忽略并替换与 SequentialAgent 强绑定的历史测试，但不允许丢失已经建立的安全边界。 测试分层： ```text Graph 路由测试 -> 不调用模型，验证条件边和循环上限 Node 契约测试 -> 验证 Agent / Java Node 的状态映射 Chat 集成测试 -> 验证外部协议、Run、Trace、orchestration_trace 和 self_evaluation Eval baseline -> 验证最终证据表达没有退化 ``` 不再把“所有 Agent 固定按顺序调用”作为正确性标准。正确性标准改为： > 根据当前节点状态进入预期路径，并且所有安全门禁和外部协议保持成立。 --- ## 10. 行为与协议影响 ### 外部协议 保持不变： - `/api/chat` 请求和响应结构。 - `sessionId/runId` 语义。 - `executor_evidence_v2`。 - Verifier 和 Composer 输出契约。 ### Trace API 加法式变化 - Trace 聚合响应新增与 `self_evaluation` 平级的可选字段 `orchestration_trace`。 - 现有字段语义不变，历史 run 或未经过 StateGraph 的 run 返回 `null`。 - 这是有意的内部审计持久化和 Trace 查询协议扩展，不影响 `/api/chat` 消费方。 ### 明确的内部行为变化 - Executor 失败后不再调用 Verifier。 - Executor INVALID_OUTPUT 不重试，直接进入固定 Fallback。 - Agent 调用顺序不再固定。 - Gatekeeper REJECT 直接安全降级，不进行自动修复和重试。 - Gatekeeper LOW_CONFID 只在存在已验真 binding 时进入 Verifier，且 verdict 最高为 LOW_CONFID。 - LOW_CONFID 根据 missing evidence 返回 Planner，而不是无差别完整重跑。 - 第二轮 Planner 使用增量补证据模式，不重新执行完整 Playbook。 - Agent step 数量、Token 和耗时可能减少。 - Trace 需要能解释条件边选择和终止原因。 这些是有意的编排行为变化，不是对外协议变化。 --- ## 11. 验收标准 ### 编排 - [ ] Executor FAILED / TOOL_BLOCKED 后不会执行 Gatekeeper 和 Verifier。 - [ ] Executor INVALID_OUTPUT 不重试，不执行 Gatekeeper、Verifier 和模型 Composer。 - [ ] Executor 合法 no-evidence 会继续执行 Gatekeeper 和 Verifier。 - [ ] Gatekeeper REJECT 直接进入 Fallback，不执行 Verifier。 - [ ] Gatekeeper LOW_CONFID 且零条已验真 binding 时直接进入 Fallback。 - [ ] Gatekeeper LOW_CONFID 且存在已验真 binding 时，Verifier 只接收通过校验的 binding。 - [ ] Gatekeeper LOW_CONFID 路径的最终 verdict 不得升级为 PASS。 - [ ] Verifier LOW_CONFID 最多触发一次 Planner 补证据。 - [ ] LOW_CONFID 补证据循环受次数和 Run 总预算限制。 - [ ] Gatekeeper verdict ceiling 导致的 LOW_CONFID 不触发补证据。 - [ ] 不存在可执行 missing evidence 时不触发补证据。 - [ ] 第二轮 Planner 只输出增量计划，不扩大诊断范围或重复成功查询。 - [ ] Composer 失败使用固定模板结束。 ### 证据和安全 - [ ] Gatekeeper 规则语义不放宽。 - [ ] Verifier 只消费已验真证据。 - [ ] no-evidence 不得表达为已排除或问题不存在。 - [ ] REJECT 降级不泄漏 Executor 原始答案和未验证根因。 ### 数据与审计 - [ ] Graph 使用 runId 作为 threadId。 - [ ] Agent step、tool invocation 和 self_evaluation 仍绑定正确 runId。 - [ ] `orchestration_trace` 只写入当前 diagnosis run，不污染其他 run 或 session 级数据。 - [ ] `orchestration_trace` 不包含 Prompt、模型思考、工具原文和 Graph State 快照。 - [ ] Trace 能展示实际节点路径、重试原因和终止原因。 - [ ] 历史 run 的 `orchestration_trace=null` 时 Trace API 仍能正常返回。 - [ ] Run 最终状态、答案、耗时、Token 和工具调用数正确回填。 ### 工程质量 - [ ] 新 Graph 测试覆盖所有分支。 - [ ] `ChatServiceSequentialAgentTest` 已由新测试替换。 - [ ] 不保留长期重复的 Sequential 和 Graph 两套实现。 - [ ] 数据库 schema 仅新增 `diagnosis_run.orchestration_trace` nullable JSON 字段。 - [ ] `/api/chat` 和证据协议不变；Trace API 仅新增可选的 `orchestration_trace` 字段。 --- ## 12. 风险与缓解 ### ReactAgent 父子 Graph 状态污染 风险：直接使用 `asNode(...)` 可能导致 `messages`、outputKey 或 checkpoint 传播不符合预期。 缓解：第一阶段使用适配 Node 显式调用 Agent；完成契约测试后再考虑直接子图节点。 ### Gatekeeper 重复执行 风险：显式 Gatekeeper Node 与现有 `VerifierInputHook` 同时执行。 缓解：迁移时明确 Gatekeeper 只有一个入口；Verifier Hook 只负责构造输入或被替换。 ### LOW_CONFID 循环失控 风险：Verifier LOW_CONFID 持续返回 Planner，形成重复规划和工具调用。 缓解：保留当前最多一次补证据约束，并设置 Run 级总预算与 Graph recursion limit。 ### Trace 与 Graph Checkpoint 语义混淆 风险：把当前数据库 Trace 当作 Graph 恢复检查点，或把 `MemorySaver` 当成持久化。 缓解：本期 Graph 只负责控制流程，不声明跨重启恢复；HITL 和持久 Checkpointer 单独立项。 --- ## 13. Out of scope 本 issue 暂不包含： - AIOps 迁移到公共 Graph。 - Chat 和 AIOps 入口统一。 - SupervisorAgent 和专科 SubAgent。 - 人工中断、审批和恢复。 - 持久化 Checkpointer。 - 并行工具或并行 Agent。 - EvidenceRepairNode 和 Gatekeeper REJECT 自动修复。 - Gatekeeper REJECT 返回 Executor 的重试回边。 - 修改 Prompt 业务语义。 - 修改 `executor_evidence_v2`、Verifier、Composer 协议。 - 除 `diagnosis_run.orchestration_trace` 外的其他数据库表或字段。 这些能力应在本 issue 完成后根据实际收益单独讨论。 --- ## 14. 已冻结决策 以下决策均已确认，不再作为开放问题： - 第一阶段保留现有 ReactAgent，通过 Adapter Node 调用。 - 父 Graph State 不直接传给 ReactAgent，使用每个 Agent 独立的 Input DTO 做白名单投影。 - 第一阶段不直接依赖 `ReactAgent.asNode(...)` 实现父子编排。 - Gatekeeper REJECT 本期不重试，直接进入 Fallback。 - 本期不增加 EvidenceRepairNode。 - Executor INVALID_OUTPUT 本期不重试，直接进入固定 Fallback。 - Gatekeeper LOW_CONFID 有已验真 binding 时进入 Verifier，零条时直接 Fallback。 - Gatekeeper LOW_CONFID 路径的最终 verdict 上限为 LOW_CONFID。 - Verifier LOW_CONFID 的补证据路径返回 Planner，并使用 `EVIDENCE_GAP_ONLY` 增量规划模式。 - Gatekeeper ceiling、无可执行缺口、无预算或已经补查时不触发 LOW_CONFID 重试。 - Graph 路由摘要写入独立的 `diagnosis_run.orchestration_trace`，不耦合进 `self_evaluation`。 - 不保留 Sequential / StateGraph 双链路配置开关；在专用 Git 分支完成实现和验收后，直接以 StateGraph 替换旧复杂诊断编排。 - 实现期间允许代码处于分支内的阶段性状态，但合并前必须删除旧 Sequential 编排和不再使用的迁移代码，不形成长期双轨维护。 --- ## 15. 相关文件 - `src/main/java/com/superbiz/agent/service/ChatService.java` - `src/main/java/com/superbiz/agent/service/ExecutorGatekeeperService.java` - `src/main/java/com/superbiz/agent/hook/VerifierInputHook.java` - `src/main/java/com/superbiz/agent/service/ToolTraceSummaryService.java` - `src/main/java/com/superbiz/agent/hook/AgentLoggingHook.java` - `src/test/java/com/superbiz/agent/service/ChatServiceSequentialAgentTest.java` - `src/test/java/com/superbiz/agent/service/ExecutorGatekeeperServiceTest.java` - `src/test/java/com/superbiz/agent/hook/VerifierInputHookTest.java` - `mvp/architecture/agent-orchestration.md` - `mvp/architecture/harness-quality-gates.md` - `knowledge_20260716_Spring_AI_Alibaba_Graph_诊断编排改造/` ## 16. 参考文档 - https://java2ai.com/docs/frameworks/graph-core/core/core-library - https://java2ai.com/docs/frameworks/graph-core/quick-start - 当前依赖：`spring-ai-alibaba-graph-core:1.1.2.0` - 当前依赖：`spring-ai-alibaba-agent-framework:1.1.2.0`