@axiom-lattice/examples-deep_research 1.0.16 → 1.0.18

package/src/agents/data_agent/skills/data-query/SKILL.md

@@ -0,0 +1,90 @@
+---
+name: data-query
+description: 查询数据库中的数据。适用于用户需要直接从数据库获取数据（明细或聚合）的场景。
+metadata:
+  category: sql
+---
+
+## 查询数据
+
+用户可以直接请求查询数据库中的数据。作为数据代理，你应该帮助用户查询所需的数据。
+
+## 核心原则
+
+- **用户可以直接请求数据**：用户可以直接要求查询数据库中的特定数据，无论是明细数据还是聚合数据
+- **优先使用真实数据**：优先基于数据库最新数据回答问题，不要猜测或使用假设数据
+- **明确数据需求**：如果当前数据不足以回答问题，明确说明需要的表、字段和过滤条件
+
+## 工作流程
+
+当用户需要数据库数据时：
+
+1. **理解用户需求**：
+   - 识别用户需要查询的数据类型（明细、聚合、统计等）
+   - 明确数据的时间范围、维度、筛选条件
+
+2. **协调 sql-builder-agent**：
+   - 将查询任务委托给 sql-builder-agent 子代理
+   - 使用以下工具完成检索与执行：
+     - `list_tables_sql`: 列出数据库中的所有表
+     - `info_sql`: 获取表的详细结构信息
+     - `query_checker_sql`: 验证 SQL 查询的正确性
+     - `query_sql`: 执行 SQL 查询并返回结果
+
+3. **数据验证**：
+   - 验证查询结果是否满足用户需求
+   - 检查数据完整性和质量
+   - 确认返回的数据准确回答了用户的问题
+
+4. **结果呈现**：
+   - 以清晰、业务友好的方式呈现查询结果
+   - 提供必要的上下文和解释
+   - 如果数据不足，明确说明需要哪些额外数据
+
+## 常见场景
+
+### 场景 1：用户直接请求查询数据
+
+**用户请求示例**：
+- "请查询最近一个月的订单数据"
+- "显示每个地区的销售总额"
+- "给我看看用户注册的明细数据"
+
+**处理方式**：
+1. 理解用户需要的数据类型和范围
+2. 委托 sql-builder-agent 执行查询
+3. 返回查询结果和必要的解释
+
+### 场景 2：用户需要数据来回答问题
+
+**用户请求示例**：
+- "我们的收入趋势如何？"
+- "哪个产品类别表现最好？"
+- "用户留存率是多少？"
+
+**处理方式**：
+1. 识别需要查询的数据来回答问题
+2. 委托 sql-builder-agent 执行必要的查询
+3. 基于查询结果进行分析和回答
+
+### 场景 3：数据不足的情况
+
+**处理方式**：
+1. 明确说明当前数据无法完全回答问题
+2. 详细列出需要查询的表、字段和过滤条件
+3. 解释为什么这些数据对完整回答问题至关重要
+4. 提供后续查询建议
+
+## 最佳实践
+
+- **主动查询**：不要猜测数据，主动查询数据库获取准确信息
+- **清晰沟通**：如果数据不足，明确说明需要什么数据以及如何获取
+- **数据质量**：注意数据质量，识别异常值、缺失值等问题
+- **性能考虑**：对于大型查询，考虑使用适当的限制和筛选条件
+- **文档化**：将查询和结果记录在分析文档中，便于后续参考
+
+## 与 sql-query skill 的关系
+
+- `sql-query` skill 专注于 SQL 查询的技术执行细节
+- `data-query` skill 专注于如何响应用户的数据查询请求
+- 两者配合使用，确保用户能够顺利获取所需数据

package/src/agents/data_agent/skills/data-query.ts

@@ -0,0 +1,89 @@
+export const dataQuery = {
+  name: "data-query",
+  description:
+    "查询数据库中的数据。适用于用户需要直接从数据库获取数据（明细或聚合）的场景。",
+  prompt: `## 查询数据
+
+用户可以直接请求查询数据库中的数据。作为数据代理，你应该帮助用户查询所需的数据。
+
+## 核心原则
+
+- **用户可以直接请求数据**：用户可以直接要求查询数据库中的特定数据，无论是明细数据还是聚合数据
+- **优先使用真实数据**：优先基于数据库最新数据回答问题，不要猜测或使用假设数据
+- **明确数据需求**：如果当前数据不足以回答问题，明确说明需要的表、字段和过滤条件
+
+## 工作流程
+
+当用户需要数据库数据时：
+
+1. **理解用户需求**：
+   - 识别用户需要查询的数据类型（明细、聚合、统计等）
+   - 明确数据的时间范围、维度、筛选条件
+
+2. **协调 sql-builder-agent**：
+   - 将查询任务委托给 sql-builder-agent 子代理
+   - 使用以下工具完成检索与执行：
+     - \`list_tables_sql\`: 列出数据库中的所有表
+     - \`info_sql\`: 获取表的详细结构信息
+     - \`query_checker_sql\`: 验证 SQL 查询的正确性
+     - \`query_sql\`: 执行 SQL 查询并返回结果
+
+3. **数据验证**：
+   - 验证查询结果是否满足用户需求
+   - 检查数据完整性和质量
+   - 确认返回的数据准确回答了用户的问题
+
+4. **结果呈现**：
+   - 以清晰、业务友好的方式呈现查询结果
+   - 提供必要的上下文和解释
+   - 如果数据不足，明确说明需要哪些额外数据
+
+## 常见场景
+
+### 场景 1：用户直接请求查询数据
+
+**用户请求示例**：
+- "请查询最近一个月的订单数据"
+- "显示每个地区的销售总额"
+- "给我看看用户注册的明细数据"
+
+**处理方式**：
+1. 理解用户需要的数据类型和范围
+2. 委托 sql-builder-agent 执行查询
+3. 返回查询结果和必要的解释
+
+### 场景 2：用户需要数据来回答问题
+
+**用户请求示例**：
+- "我们的收入趋势如何？"
+- "哪个产品类别表现最好？"
+- "用户留存率是多少？"
+
+**处理方式**：
+1. 识别需要查询的数据来回答问题
+2. 委托 sql-builder-agent 执行必要的查询
+3. 基于查询结果进行分析和回答
+
+### 场景 3：数据不足的情况
+
+**处理方式**：
+1. 明确说明当前数据无法完全回答问题
+2. 详细列出需要查询的表、字段和过滤条件
+3. 解释为什么这些数据对完整回答问题至关重要
+4. 提供后续查询建议
+
+## 最佳实践
+
+- **主动查询**：不要猜测数据，主动查询数据库获取准确信息
+- **清晰沟通**：如果数据不足，明确说明需要什么数据以及如何获取
+- **数据质量**：注意数据质量，识别异常值、缺失值等问题
+- **性能考虑**：对于大型查询，考虑使用适当的限制和筛选条件
+- **文档化**：将查询和结果记录在分析文档中，便于后续参考
+
+## 与 sql-query skill 的关系
+
+- \`sql-query\` skill 专注于 SQL 查询的技术执行细节
+- \`data-query\` skill 专注于如何响应用户的数据查询请求
+- 两者配合使用，确保用户能够顺利获取所需数据
+`,
+};

package/src/agents/data_agent/skills/{data-visualization.ts → data-visualization/SKILL.md}

@@ -1,8 +1,10 @@
-export const dataVisualization = {
-  name: "data-visualization",
-  description:
-    "为数据分析结果选择合适的图表类型并生成 ECharts 配置。适用于需要将查询结果可视化为柱状图、折线图、饼图、散点图等图表的场景。",
-  prompt: `## 图表类型选择指南
+---
+name: data-visualization
+description: 为数据分析结果选择合适的图表类型并生成 ECharts 配置。适用于需要将查询结果可视化为柱状图、折线图、饼图、散点图等图表的场景。
+metadata:
+  category: analysis
+---
+## 图表类型选择指南
 
 根据数据特征和业务问题选择最合适的图表类型：
 
@@ -31,7 +33,7 @@ export const dataVisualization = {
 
 生成完整的 ECharts 配置，必须包含：
 
-\`\`\`json
+\`\`\`chart
 {
   "table": [...],  // 原始数据表格
   "echarts": {
@@ -72,6 +74,4 @@ export const dataVisualization = {
 
 ## 输出格式
 
-提供完整的 chart JSON 配置，可直接用于渲染。
-`,
-};
+提供完整的 chart JSON 配置，可直接用于渲染。

package/src/agents/data_agent/skills/{infographic-creator.ts → infographic-creator/SKILL.md}

@@ -1,10 +1,9 @@
-export const infographicCreator = {
-    name: "infographic-creator",
-    description:
-        "创建信息图表，将数据可视化为易于理解的图表。适用于需要将数据可视化为易于理解的图表的场景。",
-    prompt: `
-  
-  信息图（Infographic）将数据、信息与知识转化为可感知的视觉语言。它结合视觉设计与数据可视化，用直观符号压缩复杂信息，帮助受众快速理解并记住要点。
+---
+name: infographic-creator
+description: 创建信息图表，将数据可视化为易于理解的图表。适用于需要将数据可视化为易于理解的图表的场景。
+---
+
+信息图（Infographic）将数据、信息与知识转化为可感知的视觉语言。它结合视觉设计与数据可视化，用直观符号压缩复杂信息，帮助受众快速理解并记住要点。
 
 Infographic = Information Structure + Visual Expression
 
@@ -35,7 +34,7 @@ theme
   palette #3b82f6 #8b5cf6 #f97316
 \`\`\`
 语法规范
-第一行必须是 infographic <template-name>，模板从下方列表中选择（见“可用模板”部分）。
+第一行必须是 infographic <template-name>，模板从下方列表中选择（见"可用模板"部分）。
 
 使用 data / theme 块，块内用两个空格缩进。
 
@@ -314,7 +313,7 @@ data
 
 若用户提供清晰的内容描述，应将其拆解为清晰、简洁的结构。
 
-否则需要向用户澄清（如：“请提供清晰简洁的内容描述。”、“你希望使用哪个模板？”）
+否则需要向用户澄清（如："请提供清晰简洁的内容描述。"、"你希望使用哪个模板？"）
 
 提取关键信息结构（title、desc、items 等）。
 明确所需数据字段（title、desc、items、label、value、icon 等）。
@@ -336,9 +335,3 @@ theme
 1. 必须尊重用户输入的语言。例如用户输入中文，则语法中的文本也必须是中文。
 2. 必须使用 Markdown 代码块格式，语言标识为 infographic，而不是 HTML、JS 或其他代码格式。
 3. 代码块内只包含 AntV Infographic DSL 语法，不要包含任何解释性文字。
-
-
-
-
-  `,
-};

package/src/agents/data_agent/skills/inventory-doctor/SKILL.md

@@ -0,0 +1,61 @@
+---
+name: inventory-doctor
+description: 针对 WMS 拣货缺货场景的库存异常诊断 SOP，涵盖触发、信息收集、决策分支（自动修复/物理复核）与终态汇报。
+---
+
+## 场景
+
+- 商品 A 系统显示 5 件，拣货员现场为 0（缺货）。
+- 智能体以 Think-Act-Observe 循环完成诊断与处置。
+
+## 核心流程（TAO）
+
+### 1) Trigger（感知与锁定）
+- 事件：拣货员上报 Pick Shortage。
+- 动作：锁定相关 SKU + 库位，冻结并发变更。
+
+### 2) Data Retrieval & Triage（信息收集与分诊）
+- 查路向：拉取未完结的上架/移库/波次任务，判断是否在途或延迟。
+- 查历史：检索近 24 小时库位操作日志，关注未确认的移库、撤销、盘点。
+- 形成初步假设：数据延迟 / 中间态卡死 / 实物错位。
+
+### 3) Reasoning & Execution（决策执行）
+- 分支 A 自动修复：接口中间态→触发 retry_sync 或状态刷新。
+- 分支 B 需物理验证：生成盘点任务，派发就近理货员检查可能错放库位。
+- 所有动作记录审计日志，保持可追溯。
+
+### 4) Reporting（终态汇报）
+- 输出诊断结论、采取的动作、残留风险与建议（培训/流程改进）。
+
+## 推荐工具契约（可 Mock）
+
+> 工具可返回随机/固定示例数据即可，无需真实后端。
+
+- `get_wms_movement_tasks(skuId, locationId)` → { tasks: [...], pending: boolean }
+- `get_location_logs(locationId, lookbackHours)` → [{ ts, action, operator, status }]
+- `retry_sync(taskId)` → { fixed: boolean, message }
+- `dispatch_cycle_count({ skuId, locations, priority })` → { taskId, assignee, eta }
+- `notify_picker(message)` → { delivered: boolean }
+- `write_case_report(markdown)` → { saved: true, path }
+
+## 交付物模板
+
+```markdown
+### 诊断概览
+- 异常：Pick Shortage / SKU: xxx / 库位: xxx
+- 初步结论：数据中间态 / 物理错放 / 待验证
+
+### 关键发现
+- 路向检查：...
+- 日志发现：...
+- 其他迹象：...
+
+### 处置动作
+- 自动修复：已调用 retry_sync(taskId=...) / 结果 ...
+- 物理验证：已派发盘点任务 {taskId, 库位 B/C, ETA}
+- 通知：已告知拣货员重试/等待/改捡
+
+### 后续建议
+- 培训/流程：...
+- 监控/预警：...
+```

package/src/agents/data_agent/skills/{notebook-report.ts → notebook-report/SKILL.md}

@@ -1,11 +1,12 @@
-export const notebookReport = {
-  name: "notebook-report",
-  description:
-    "生成笔记本风格的数据分析报告，包含执行摘要、分析步骤（SQL、可视化、洞察）和结论。适用于需要将多步骤分析整合为完整、可复现的分析报告的场景。",
-  prompt: `
-  如何可视化数据，请通过data-visualization技能了解。
+---
+name: notebook-report
+description: 生成笔记本风格的数据分析报告，包含执行摘要、分析步骤（SQL、可视化、洞察）和结论。适用于需要将多步骤分析整合为完整、可复现的分析报告的场景。
+metadata:
+  category: analysis
+---
+如何可视化数据，请通过data-visualization技能了解。
   
-  ## 报告结构
+## 报告结构
 
 ### 报告标题部分
 
@@ -71,12 +72,10 @@ export const notebookReport = {
 ## 数据来源
 
 报告应基于：
-- \`/question.md\`：原始业务问题
-- \`/topic_*.md\`：各子主题的分析结果
+- `/question.md`：原始业务问题
+- `/topic_*.md`：各子主题的分析结果
 - 步骤 3 的综合摘要
 
 ## 输出格式
 
-生成完整的 Markdown 格式报告，包含所有分析步骤、图表配置和洞察。
-`,
-};
+生成完整的 Markdown 格式报告，包含所有分析步骤、图表配置和洞察。

package/src/agents/data_agent/skills/{sql-query.ts → sql-query/SKILL.md}

@@ -1,8 +1,10 @@
-export const sqlQuery = {
-  name: "sql-query",
-  description:
-    "生成和执行 SQL 查询以检索业务数据。适用于需要从数据库获取数据、探索表结构、验证查询正确性的场景。委托给 sql-builder-agent 执行。",
-  prompt: `## 委托给 sql-builder-agent
+---
+name: sql-query
+description: 生成和执行 SQL 查询以检索业务数据。适用于需要从数据库获取数据、探索表结构、验证查询正确性的场景。委托给 sql-builder-agent 执行。
+metadata:
+  category: sql
+---
+## 委托给 sql-builder-agent
 
 所有 SQL 相关操作都委托给 sql-builder-agent 子代理执行。
 
@@ -13,7 +15,7 @@ export const sqlQuery = {
 - "请显示表 [X] 的模式，包括列、数据类型和关系"
 
 **检查现有文档**：
-- 先读取 \`/db_schema.md\`（如存在）
+- 先读取 `/db_schema.md`（如存在）
 - 仅在需要时请求新的模式探索
 
 ## 查询生成与执行
@@ -53,6 +55,4 @@ sql-builder-agent 会返回：
 
 ## 文档化
 
-将使用的 SQL 查询和结果保存到分析文档中，便于后续参考和复现。
-`,
-};
+将使用的 SQL 查询和结果保存到分析文档中，便于后续参考和复现。

package/src/agents/data_agent/skills/test/SKILL.md

@@ -0,0 +1,9 @@
+---
+name: test
+description: test1112222434441111
+metadata:
+  a: a
+  b: b
+  category: TTTT
+---
+testsetetetete

package/src/agents/index.ts

@@ -1,3 +1,4 @@
 //import "./todo";
 import "./research";
 import "./data_agent";
+import "./inventory_doctor";

package/src/agents/inventory_doctor/index.ts

@@ -0,0 +1,53 @@
+import {
+  registerAgentLattices,
+  AgentType,
+  AgentConfig,
+} from "@axiom-lattice/core";
+import z from "zod";
+import "./tools";
+
+const inventoryDoctorPrompt = `You are the Inventory Doctor Agent handling WMS pick-shortage incidents.
+
+## Mission
+- Scenario: System shows stock=5 for SKU A, picker finds 0 at location.
+- Follow Think-Act-Observe loops to diagnose and either auto-fix or dispatch physical verification.
+
+
+## Workflow
+1) Trigger: on Pick Shortage, freeze concurrent changes for the SKU/location.
+2) Data Retrieval & Triage:
+   - Check in-flight tasks (putaway/move/wave) for middle states or delays.
+   - Pull last 24h location logs; highlight unconfirmed moves or cancellations.
+   - Form hypotheses: data delay, stuck middleware, physical misplacement.
+3) Reasoning & Execution:
+   - Branch A Auto-fix: if middle-state, call retry_sync then notify picker to retry.
+   - Branch B Physical verify: push a cycle-count task to nearby operator; include candidate locations (B/C) for misplaced stock.
+   - Record every action in the report body for auditability.
+4) Reporting: return a concise Markdown case report with diagnosis, actions taken, residual risk, and training/monitoring suggestions.
+
+## Output format
+Use Markdown sections: 诊断概览 / 关键发现 / 处置动作 / 后续建议. Keep facts first, then recommendations.`;
+
+const inventoryDoctorAgent: AgentConfig = {
+  key: "inventory_doctor_agent",
+  name: "Inventory Doctor Agent",
+  description:
+    "Diagnoses pick-shortage inventory anomalies in WMS, auto-fixes data middle states, or dispatches cycle counts for physical verification, and returns an audit-friendly report.",
+  type: AgentType.DEEP_AGENT,
+  prompt: inventoryDoctorPrompt,
+  tools: [
+    "get_wms_movement_tasks",
+    "get_location_logs",
+    "retry_sync",
+    "dispatch_cycle_count",
+    "notify_picker",
+    "write_case_report",
+  ],
+  schema: z.object({
+    skuId: z.string().optional(),
+    locationId: z.string().optional(),
+    incidentId: z.string().optional(),
+  }),
+};
+
+registerAgentLattices([inventoryDoctorAgent]);