diff --git a/doc/test-plan/ai-test.md b/doc/test-plan/ai-test.md index 9782b69a..d8f3200e 100644 --- a/doc/test-plan/ai-test.md +++ b/doc/test-plan/ai-test.md @@ -5,18 +5,19 @@ | caseId | 状态 | 评分（0-100） | 模型 | 时间 | run 路径 | 简短依据 | | --------------------------------------------------- | ---- | ------------: | -------------------------------- | -------------------- | ------------------------------------------------------------------------------------------------ | ------------------------------------------------------------------------------------------------------ | | human-risk-report-draft-live | 完成 | 97 | qwen3.8-flash | 2026-08-31 18:42 CST | tests/logs/ai/human/live/human-risk-report-draft-live/20260831-183231-689 | 读取模板/上周周报/工作文档后 cp 模板建新周报并用 docx 写入，applyId 落盘，原文件未改（Oracle 已按结果口径放宽）。 | -| human-context-compaction-natural-trigger-live | 完成 | 97 | deepseek-v4-flash | 2026-08-13 19:56 CST | tests/logs/ai/human/live/human-context-compaction-natural-trigger-live/20260813-195642-816 | 真实长任务自然触发多轮压缩（usage_plus_delta），摘要结构与关键事实保留，压缩后连续推进并完成周报交付。 | +| human-context-compaction-natural-trigger-live | 失败 | - | qwen3.8-flash | 2026-09-01 10:52 CST | tests/logs/ai/human/live/human-context-compaction-natural-trigger-live/20260901-105227-656 | 151 步、21 次压缩、周报 docx 已落盘，但收尾阶段模型反复犯错（terminal 建 Excel 被拒、ENOENT 猜路径）耗尽 400 步递归上限。需继续调大上限或收尾判定。 | | human-excel-read-weekly-review-live | 完成 | 91 | deepseek-v4-flash | 2026-08-30 13:46 CST | tests/logs/ai/human/live/human-excel-read-weekly-review-live/20260830-134623-663 | Oracle 通过；四表结构/公式/退货异常/口径不对等讲清；6×excel_read。过程仍 6×terminal 验算略多。缓存 83.6%。 | | human-excel-edit-weekly-review-live | 完成 | 95 | deepseek-v4-flash | 2026-08-30 13:46 CST | tests/logs/ai/human/live/human-excel-edit-weekly-review-live/20260830-134623-663 | 先读后写：4×set_range，无多余 set_style；66s 交付，1 条记录。缓存 86.0%。 | | human-excel-create-monthly-budget-live | 完成 | 92 | deepseek-v4-flash | 2026-08-30 13:46 CST | tests/logs/ai/human/live/human-excel-create-monthly-budget-live/20260830-134623-662 | Oracle 通过；9×excel_edit（2 表 + 2 set_range + 5 set_style），87s。较 qwen 300 步失败大幅改善。缓存 89.3%。 | | human-kb-guided-docx-comparison-draft-live | 完成 | 90 | qwen3.8-flash | 2026-09-01 09:56 CST | tests/logs/ai/human/live/human-kb-guided-docx-comparison-draft-live/20260901-095608-055 | KB 缩圈后双目标 docx 成功回写并 apply（2 个带 applyId 的 docx artifact），来源课件未改；已修复 isPathInsideRoot 对 macOS symlink 前缀（/var vs /private/var）的误判。 | -| human-ppt-create-executive-deck-live | 完成 | 58 | deepseek-v4-flash | 2026-08-29 11:28 CST | tests/logs/ai/human/live/human-ppt-create-executive-deck-live/20260829-112844-003 | 文案完整但 KPI 等页字号(磅)相对 bounds 过高导致叠字；视觉不可用，分数下调。 | +| human-ppt-create-executive-deck-live | 完成 | 75 | qwen3.8-flash | 2026-09-01 10:52 CST | tests/logs/ai/human/live/human-ppt-create-executive-deck-live/20260901-105227-657 | 28×ppt_edit 完成 deck 并 ppt created 落盘；过程 8 次失败（update_plan 参数错、元素超 960×540、找不到 slide）但自恢复完成。超时已放宽到 30min。 | | human-ppt-edit-management-review-live | 完成 | 93 | qwen3.8-flash | 2026-08-30 12:36 CST | tests/logs/ai/human/live/human-ppt-edit-management-review-live/20260830-123643-456 | 中文《品牌策略提案》插执行摘要、王晨→李然、2002→2015；议程/愿景未动，页数+1。缓存 81.2%。 | | human-ppt-read-management-risk-review-live | 完成 | 90 | qwen3.8-flash | 2026-08-30 12:39 CST | tests/logs/ai/human/live/human-ppt-read-management-risk-review-live/20260830-123903-652 | 中文提案只读，Oracle 通过；KPI 85% 等待 raw logs 复核。缓存 74.1%（首轮占比高）。 | | human-terminal-data-reconciliation-live | 完成 | 96 | deepseek-v4-flash | 2026-08-13 20:20 CST | tests/logs/ai/human/live/human-terminal-data-reconciliation-live/20260813-202008-775 | 终端对账，交付财务异常 CSV 金额/记录精确，输入文件未改（type 已按用户语句中文说明填写）。 | | human-runtime-script-system-python-live | 完成 | 95 | deepseek-v4-flash | 2026-08-14 16:03 CST | tests/logs/ai/human/live/human-runtime-script-system-python-live/20260814-160300-706 | 本机 Python 在临时脚本目录运行临时脚本，得到确定性结果并核对。 | | human-runtime-download-python-live | 完成 | 92 | deepseek-v4-flash | 2026-08-14 16:03 CST | tests/logs/ai/human/live/human-runtime-download-python-live/20260814-160340-415 | Python 不可用时自主下载便携运行时并运行临时脚本，得到正确结果。 | | human-session-resume-with-new-selection-live | 完成 | 93 | deepseek-v4-flash | 2026-08-13 20:11 CST | tests/logs/ai/human/live/human-session-resume-with-new-selection-live/20260813-201154-716 | 新选中文件后会话记忆与任务主线延续，完整完成任务。 | +| human-cross-session-continuation-live | 完成 | 90 | qwen3.8-flash | 2026-09-01 10:52 CST | tests/logs/ai/human/live/human-cross-session-continuation-live/20260901-105227-658 | run1+run2 双主题对比交付（深度学习过拟合 → 图形学反走样），text_file 落盘；2 次失败（terminal_not_found、stale nodeId）自恢复。超时放宽到 30min。 | | human-docx-positioned-structural-edit-fallback-live | 完成 | 95 | deepseek-v4-flash | 2026-08-13 20:13 CST | tests/logs/ai/human/live/human-docx-positioned-structural-edit-fallback-live/20260813-201354-419 | 复杂定位区域写入被保护并返回明确诊断，其余区域编辑安全完成。 | | human-legacy-doc-reading-live | 完成 | 94 | deepseek-v4-flash | 2026-08-13 19:56 CST | tests/logs/ai/human/live/human-legacy-doc-reading-live/20260813-195642-815 | 通过 docx 读取工具成功读取旧版 .doc 并准确回答五级风险与区别率，源文件未改。 | | human-text-file-write-checkout-cutover-live | 完成 | 96 | deepseek-v4-flash | 2026-08-13 20:17 CST | tests/logs/ai/human/live/human-text-file-write-checkout-cutover-live/20260813-201727-173 | 两处端点和超时精确更新，重试与 telemetry 不变，写后核对完整。 | @@ -27,7 +28,7 @@ | human-legacy-doc-edit-skip-live | 完成 | 88 | deepseek-v4-flash | 2026-08-21 23:11 CST | tests/logs/ai/human/live/human-legacy-doc-edit-skip-live/20260821-231108-129 | .doc 写入失败后停止重试，源文件不变，任务完成。 | | human-docx-visual-reading-live | 完成 | 92 | deepseek-v4-flash / qwen3.6-plus | 2026-08-21 23:04 CST | tests/logs/ai/human/live/human-docx-visual-reading-live/20260821-230430-243 | 真实读取 DOCX 图片并准确回答，源文件未改。 | | human-pdf-visual-reading-live | 完成 | 92 | deepseek-v4-flash / qwen3.6-plus | 2026-08-21 23:07 CST | tests/logs/ai/human/live/human-pdf-visual-reading-live/20260821-230727-871 | PDF 页级视觉读取与识图，正确回答图形差异，源 PDF 未改。 | -| human-docx-dangling-image-edit-live | 完成 | 93 | deepseek-v4-flash / qwen3.6-plus | 2026-08-21 23:04 CST | tests/logs/ai/human/live/human-docx-dangling-image-edit-live/20260821-230430-129 | 读图、评估需求并写回至少 12 条工时，Oracle 通过。 | +| human-docx-dangling-image-edit-live | 完成 | 88 | qwen3.8-flash | 2026-09-01 11:00 CST | tests/logs/ai/human/live/human-docx-dangling-image-edit-live/20260901-110049-636 | 16×docx_content_edit + 6 table_edit + 5 format，docx updated 落盘；2 次失败（r 结构插入、stale nodeId）自恢复。超时放宽到 30min。 | ## 1. 总体目标 diff --git a/src/main/services/ai/human/tools/docx/toolSpecs.ts b/src/main/services/ai/human/tools/docx/toolSpecs.ts index 8ac7c048..010e7954 100644 --- a/src/main/services/ai/human/tools/docx/toolSpecs.ts +++ b/src/main/services/ai/human/tools/docx/toolSpecs.ts @@ -53,11 +53,7 @@ export const DOCX_READ_OUTLINE_TOOL_SPEC = { renderSuccess: renderDocxOutlineModelResult }, activityActionType: 'docx_read_outline' -} satisfies DocxToolSpec< - z.infer, - 'docx_read_outline', - 'docx-read' -> +} satisfies DocxToolSpec, 'docx_read_outline', 'docx-read'> export const DOCX_SEARCH_TOOL_SPEC = { name: 'docx_search', @@ -89,11 +85,7 @@ export const DOCX_READ_NODES_TOOL_SPEC = { renderSuccess: renderDocxReadNodesModelResult }, activityActionType: 'docx_read_nodes' -} satisfies DocxToolSpec< - z.infer, - 'docx_read_nodes', - 'docx-read' -> +} satisfies DocxToolSpec, 'docx_read_nodes', 'docx-read'> const defineMutationSpec = < TName extends RuntimeToolName,