@hupan56/wlkj 3.4.2 → 3.4.4

package/templates/qoder/commands/wl-prd.md.bak

@@ -0,0 +1,371 @@
+---
+name: wl-prd
+description: "需求: 完整(13章,新功能) / 快速(6章,小改动) / 评审(检查质量)。默认根据描述自动判断。"
+argument-hint: "[完整|快速|评审] [需求描述]  可选: 参考:<insight报告路径>"
+auto-approve: true
+allowed-tools: [Read, Glob, Grep, Bash, Write, Edit]
+---
+
+# /wl-prd - 需求工序站
+
+User input: $ARGUMENTS
+
+> **写需求 / 评审需求，一个命令搞定。**
+> 模块契约：`.qoder/contracts/prd.md`
+
+## 🔧 工具优先级（宿主能力 × 知识层分工）
+| 步骤 | 用谁 | 原因 |
+|------|------|------|
+| 搜文件内容 | **Qoder Grep/Read** | 精确搜代码，原生更快 |
+| 取业务上下文 | **MCP context_pack** | 语义聚合8段(代码+API+字段+Wiki+PRD) |
+| 取团队记忆 | **MCP get_learnings** | 引擎积累的业务规则 |
+| 查真表结构 | **MCP query_schema** | 数据库真实列名 |
+| 生成 PRD 正文 | **Qoder AI** | 宿主 AI 比我们调 qwen-plus 更强 |
+| 写文件 | **Qoder Write** | 原生文件操作 |
+
+## 🚨 工具接口铁律（见 tool_guide · 会话已注入精简版）
+
+**单一信源** `.qoder/scripts/tool_guide.md`（SessionStart 已注入精简版：repo_root 定位 / 三套名 wlkj·kg·MCP 互通 / 中文歧义词提炼 / 优先级口诀）。需完整三套名映射表或歧义词清单时 Read 它。
+**两条红线常记**：① 三套名字都认（`search`/`semantic`/`context`），别因"未知子命令"慌张；② 禁 `find data/code` / `grep -r` 找模块——那是知识层 search 的活，手动做=思考链跑飞；只有 search 换词仍返 0 或已定位到具体文件时才 Grep/Read。
+
+## 🧠 Planning Agent（完整模式强制前置 · 非建议）
+
+> ⚠️ **完整模式必须先 Planning 再生成**（不再是"建议"）。
+> Planning 拆出 13 章计划 → 逐章生成有骨架不漏章；跳过 Planning 直接写易漏章节（真实反面：海外考勤 PRD 只写 1 章就交差）。
+
+### 强制流程（完整模式取完上下文后第一步）
+1. 取完上下文（context_pack）后，**先出 Planning**：把 13 章拆成计划（每章要点 + 引用哪条 MCP 知识命中）
+2. Planning 通过 → 逐章生成，每章参考 MCP 知识上下文
+3. 全部完成 → 调 MCP submit_return 回流平台
+
+### 降级（宿主无 Planning Agent 模式）
+手动按 13 章模板（`templates/prd-full-template.md`）逐章列要点，列完再写正文——等价于手动 Planning，**不跳过拆章这一步**。
+
+> 快速模式（6 章）不强制 Planning——章节少，直接 prd-quick agent 3 步出。
+
+## 🚦 路由（看第一个词或描述特征）
+
+### 🔴 命令优先铁律（最重要，先读）
+**只要用户打了 `/wl-prd`，就必须产出 PRD，绝不跨命令跑去别处。**
+哪怕描述含"报错/无法提交/bug/异常"这类词（如"养护计划无法提交，时间报错"——这是要为修复写需求），也走本命令出 PRD，**不准**跑去 `/wl-test`（测试）/ `/wl-code`（直接改码）/ 排查。
+- 用户要写需求 → 本命令（不管描述像 bug 还是新功能）
+- 用户要直接改代码 → 那是 `/wl-code`，但前提是用户打的是 `/wl-code`
+- 判断不准 → 问一句，不要擅自换命令
+
+| 用户说 | 模式 | 走哪个 |
+|--------|------|--------|
+| "完整""深度""正经需求" 或 描述含"新模块/新业务/新流程" | **完整** | prd-full-template（13 章）|
+| "快速""小改动""加个""改下" 或 加字段/按钮/文案/导出 | **快速** | prd-quick-template（6 章）|
+| "评审""检查""质量""合格吗" | **评审** | 7 项 checklist + EVA 评分 |
+| 判断不了 | **问一句**："是完整需求(新功能)还是小改动(加字段/按钮)？" |
+
+### 默认规则
+- 没说模式 + 描述像新功能 → 默认**完整**
+- 没说模式 + 描述像小改动 → 默认**快速**
+- 给了 PRD 文件路径 → **评审**
+
+---
+
+## 🔧 仓库根定位（完整档/快速档共用，进任何模式前先跑这一条）
+
+> QoderWork 桌面端 cwd 不在仓库根（在 `.qoderwork/workspace/xxx`），相对路径
+> `.qoder/scripts/...` **必然失败**（真实踩坑：连续 2 条命令报错浪费一轮）。
+> 进模式前**必须先定位仓库根**。Mac 只有 python3，两个都试：
+
+```bash
+R=$(python ~/.qoderwork/repo_root.py 2>/dev/null || python3 ~/.qoderwork/repo_root.py 2>/dev/null) || R=.
+PY=$(python --version >/dev/null 2>&1 && echo python || echo python3)
+```
+> 后续所有 `$PY "$R/.qoder/scripts/..."` 都用这两个变量。**不准自己编 `cd /d` / 裸相对路径**。
+
+---
+
+## 完整模式（13 章 PRD）
+
+**新模块/新业务/新流程用这个。** 支持衔接 insight：`参考:<报告路径>`
+
+> **宿主 sub-agent 激活**：QoderWork 支持 sub-agent 时，完整模式可 dispatch 到 **`prd-reference`** agent（`.qoder/agents/prd-reference.md`）——它承担"现状分析"（定位文件 + 总结现状怎么做/已知限制）+ 参考现有数据生成 PRD+原型，10 点质检内置。dispatch prompt 传 platform + 需求 + 开发者名。生成前先过上方 🧠 Planning 强制前置。不支持 sub-agent 则按下文手动取上下文流程。
+
+**铁律：平台必问。** 先问：
+```
+这个需求是针对哪个平台？
+1. Web 管理端 (fywl-ui)
+2. APP 移动端 (Carmg-H5)
+3. 两端都要
+请选择 (1/2/3):
+```
+
+### 取上下文（context_pack Fast Path 为主 + rag_search/context_360 兜底 — 语义召回最全，接地写 PRD）
+
+**写 PRD 前必做的知识预取：Fast Path 用 context_pack 一次取全（代码+API+字段+风格+相关PRD），替代 rag_search+context_360 两次往返；再叠 ask_corpus（业务流程）+ get_learnings（之前学到的）+ query_schema（真库表结构）。不要只靠 search_code 关键词。**
+
+```python
+from capability import resolve
+cap = resolve()
+# ⓪ req_trace 查同需求历史画像（防重复造轮子）：有 REQ-ID 时先查这个需求已有哪些 PRD/代码/表
+if <有 REQ-ID>:
+    cap.mcp.call("req_trace", {"req_id": "<REQ-ID>"})  # 返回 PRD+代码+表+测试，避免重复写已有功能
+# ⓪b find_similar_prds 找相似历史需求（防重复造轮子，跨项目）：无 REQ-ID 也能查
+#    输入需求描述 → 语义最相似的 top-K 历史需求(commit-mined)，看是否已有人做过类似功能
+#    返回 sim_label(高度相似/相关/弱相关)+借鉴的代码实体名；高度相似的先看再决定是否重写
+similar = cap.mcp.call("find_similar_prds", {"query": "<需求描述>", "top_k": 5})
+# 若两条需求高度相似，可 diff_requirements 对比它们 touched_entities 差异（共有/独有代码+Jaccard）
+# ① context_pack Fast Path（1 次往返取全上下文：代码+API+字段+风格+相关PRD）
+#    等价于 rag_search + context_360 合并，轮次减半（原 5 次 → 3 次）
+pack = cap.mcp.call("context_pack", {"query": "<业务词或需求描述>", "project_id": "<项目UUID>"})
+# ①b 召回不够（缺某类/命中为空）时单独补 rag_search 一次（语义召回兜底，fallback）
+if not pack.get("items"):
+    rag = cap.mcp.call("rag_search", {"query": "<业务词或需求描述>", "top_k": 10})
+# ①c 仍需某核心业务对象的完整关联（代码+页面+字段+API）时，补 context_360（fallback）
+if <需要某符号的全上下文>:
+    ctx = cap.mcp.call("context_360", {"symbol": "<核心业务对象>"})
+# ② 有"业务流程整体怎么运转"的疑问时，补 ask_corpus 拿 GraphRAG 答案
+flow = cap.mcp.call("ask_corpus", {"q": "<业务词>的业务流程是什么", "top_k": 3})
+# ③ get_learnings 查之前学到的业务规则/偏好（反哺：上次踩的坑这次别犯）
+learnings = cap.mcp.call("get_learnings", {"project_id": "<项目UUID>", "limit": 10})
+# ④ query_schema 查真实数据库表结构（引擎自己的 MySQL MCP，拿到的真表回流平台）
+#    推断涉及哪些表（从 pack 命中里找表名），查真结构
+schema = cap.mcp.call("query_schema", {"table": "<表名>"})  # 引擎 qoder-mysql 工具
+# 查到后把真表结构回流平台（learn 写回，平台数据库知识就有了真实数据）
+if schema and schema.get("columns"):
+    cap.mcp.call("learn", {"project_id":"<项目UUID>", "category":"rule",
+        "pattern": f"数据库表<表名>结构: {json.dumps(schema.get('columns',[]), ensure_ascii=False)[:500]}",
+        "source": "wlkj/wl-prd+mysql"})
+# PRD 里的字段表优先用 query_schema 查到的真实列（最接地），其次用 context_pack 召回的代码字段
+```
+# 写 PRD 时参考 learnings 里的规则/偏好/决策，在相关章节体现
+```
+等价 CLI（脚本兜底）：
+```bash
+# ★ 有 REQ-ID 用 ctx-cache：PRD→spec→code 链路同 REQ 复用上下文（T1.3，省 2 次往返）
+$PY "$R/.qoder/scripts/orchestration/wlkj.py" ctx-cache <REQ-ID> <业务词> --platform <web|app>
+# 无 REQ-ID / 首次取：普通 context
+$PY "$R/.qoder/scripts/orchestration/wlkj.py" context <业务词> --platform <web|app>
+# PRD/spec 改动后失效该 REQ 缓存重来：
+$PY "$R/.qoder/scripts/orchestration/wlkj.py" ctx-cache <REQ-ID> --clear
+```
+- 第 4 段 = 历史 PRD（防重复）
+- 第 5 段 = 相关 API
+- 第 8 段 = 数据库表结构+真实字段
+- 涉及枚举字段时额外调 `cap.mcp.call("query_distinct")`
+
+### 🎯 接地铁律（写 PRD 必须遵守）
+
+**用 rag_search 召回的知识写 PRD，每条功能/字段都要有 rag_search 命中的来源，不编造。**
+- PRD 里写的每个字段名 → 必须在 rag_search/context_360 结果里能找到（或来自 query_schema 真实表结构）
+- PRD 里写的每个 API → 必须在召回结果里有对应端点
+- 召回不到的字段/API → 标注"新增（待评估）"，不要假装已存在
+- 业务流程描述 → 优先采纳 ask_corpus 的 GraphRAG 回答（有全局视角），再用 rag_search 的事实补充
+
+### 产出
+- PRD: `workspace/members/{dev}/drafts/REQ-{YYYY}-{NNN}-{标题}.md`（13 章）
+- 原型（**可选**，见下「原型要不要画」）: `workspace/members/{dev}/drafts/prototype-{feature}.html`
+- 第一行必须带 `@contract` 头（platform/req-id/mode/acceptance/prototype）
+
+### 原型要不要画？（融入批量确认）
+
+**默认建议**（用户可一键改）：
+- 纯规则/接口/定时/参数/计算类 → **不画**（如"出交车点检固定为总部全局规则"）
+- 含页面/菜单/表单/弹窗/详情/向导/看板/大屏 → **画**
+- 加字段/按钮/文案/导出 → **不画**
+- 混合（页面+规则）→ 只画页面那部分
+
+**两端都画时**：默认只画主端一份，用户明确要求才画 2 份。
+
+**不画时**：PRD 第 11 章写 `无（{原因}，经用户确认豁免）` + `@contract` 头标 `prototype: none`；
+eval 自动跳过 A2（满分从 100 降到 70，照样 PASS）；`/wl-design` `/wl-code` 据此跳过原型环节。
+
+### 质量门禁
+```bash
+$PY "$R/.qoder/scripts/orchestration/wlkj.py" eval <prd.md> [原型.html]
+```
+≥ 80% 才 PASS。完整模板见 `.qoder/templates/prd-full-template.md`。
+
+### 业务保真打分（接真命令产物 · BF1/BF2）
+
+> EVA 结构分(章齐)≠业务保真。PRD 出来后打业务保真分：产物是不是真 ICS 业务（真表/真写法）。
+```python
+from capability import resolve
+cap = resolve()
+# BF1 schema保真(提的表是真 ICS 业务表) + BF2 内容保真(LLM-judge vs 真 PRD, 是不是 ICS 写法非通用文)
+r = cap.mcp.call("bf_score", {"kind": "prd", "content": "<PRD 正文>", "feature": "<业务主题如 保险>"})
+# → BF1_schema.score(目标≥0.85) + BF2_content.score(目标≥4/5)
+```
+- BF1 低 → PRD 提了编造/非 ICS 表 → 补真表（query_schema/db_tables）。
+- BF2 低 → 内容是通用产品文非 ICS 写法 → 参考 rag_search(kind=prd) 真 PRD 范本重写。
+- 原型保真（BF3 组件/BF4 颜色）：`cap.mcp.call("bf_score", {"kind":"proto","content":"<原型 HTML>"})` → 用真 fywl-ui 设计系统核。
+
+---
+
+## 快速模式（6 章 Mini-PRD）
+
+**加字段/加按钮/改文案/加导出等零星需求专用。** 极速，不走 EVA。
+
+> **宿主 sub-agent 激活**：QoderWork 支持 sub-agent 时，dispatch 到 **`prd-quick`** agent（`.qoder/agents/prd-quick.md`）——3 步极速（取上下文→生成 PRD+原型→一句话确认），≤5 轮工具调用，跳过 EVA。dispatch prompt 传 platform + 需求 + 开发者名。不支持则按下文手动流程。
+
+**平台必问**（同上）。
+
+### 取上下文（RAG 语义预取，禁止串行 search）
+
+**优先 rag_search（语义召回最全）+ prefetch，不要只靠逐个 search_code 关键词。**
+
+```python
+from capability import resolve
+cap = resolve()
+# ① rag_search 一次语义召回：代码/字段/API/Wiki 全拿到（按相关度排序）
+rag = cap.mcp.call("rag_search", {"query": "<需求描述>", "top_k": 8})
+```
+等价 CLI：
+```bash
+$PY "$R/.qoder/scripts/orchestration/wlkj.py" prefetch "<需求描述>" --platform <p>
+```
+prefetch/rag_search 一次返回代码/字段/API/Wiki/历史 PRD。**之后不要逐个 search/find/grep 查词**（会变 6+ 次串行往返，轮次爆炸根因）。不够才补调一次。
+
+**接地铁律（同完整模式）**：6 章里写的每个字段/API 必须在 rag_search 召回结果里有来源，召不到的标"新增（待评估）"，不编造。
+
+### 产出
+- Mini-PRD: `workspace/members/{dev}/drafts/REQ-{YYYY}-{NNN}-{标题}.md`（6 章）
+- **6 章缺一不可（铁律）**：功能入口 / 需求背景 / 需求说明 / 影响范围 / 验收标准 / 不在本次范围
+  > 🚫 **禁止只写 1-2 章就交差**（真实反面教材：海外考勤 PRD 只写了"功能入口"一段就停，6 章缺 5 章 → 残废品）。
+  > 即使是 bug 修复，也要写全 6 章（需求背景=bug 现象、需求说明=修复方案、验收标准=修复后行为）。
+  > 不涉及的章节写"不涉及"或一句话说明，**标题必须保留，不许整章省略**。Stop hook 会检测缺章并阻断。
+- 模板见 `.qoder/templates/prd-quick-template.md`
+
+---
+
+## 评审模式（7 项 checklist + EVA）
+
+**检查 PRD 完整性与质量。**
+
+### 流程
+1. 不给文件 → 列出最近的 PRD 让用户选
+2. 7 项 checklist 评审（★ 宿主支持 Agent 并行时，派 7 个 subagent 各审一项并发跑，合并 ✓/✗；不支持则串行逐项）：
+   - 验收标准是否可测
+   - 字段是否引用了真实数据库字段
+   - 影响范围是否评估
+   - 非功能性需求是否覆盖
+   - 接口/异常是否与现有系统自洽
+   - 是否有重复造轮子（查 req_trace / search_prd）
+   - 原型与 PRD 是否一致
+3. 跑 EVA 评分：`$PY "$R/.qoder/scripts/orchestration/wlkj.py" eval <prd.md>`（wlkj.py eval 内部映射 validation/metrics/eval_prd.py）
+4. 输出：总分 + 7 项 ✓/✗ + 改进建议
+
+---
+
+## 埋点
+
+PRD 生成/评审后自动记录到 learning（eval_prd.py 已内置）。
+
+**评审模式额外**：给出 PASS/FAIL 结论后立即记一条 `review_done`（可用性指标 F2 评审级数据唯一来源，不埋则该级永远为 0）：
+```bash
+$PY "$R/.qoder/scripts/orchestration/wlkj.py" learn record review_done "{\"prd\": \"<被评审PRD名>\", \"verdict\": \"PASS|FAIL\"}"
+```
+埋点失败不阻塞，但能埋一定要埋。
+
+---
+
+## 📤 发禅道（PRD 写完后的衔接，完整/快速档都问）
+
+PRD 产出后，**主动问一句**（不要默默结束）：
+```
+PRD 已写好: <路径>
+要发到禅道吗？(发禅道 = 建禅道需求 + 可选关联计划/版本)
+```
+
+### 用户说"发" → 交互式逐项确认（不要一次性全问，按需）
+
+用禅道 MCP 现查现选（QoderWork: `qw_mcp_call`）：
+
+**① 选产品（必选）**
+- `list_products()` → 列出现有产品 → 让用户选 product_id
+- 禅道需求必须挂产品，没产品发不了
+
+**② 关联计划？（可选，问一句）**
+```
+要关联到计划(迭代)吗？(可跳过)
+```
+- 用户要 → `list_plans(product_id=<上一步选的>)` → 选 plan_id
+- 跳过 → 不传 plan
+
+**③ 挂版本？（可选，问一句）**
+```
+要纳入某个版本(build)吗？(可跳过)
+```
+- 用户要 → `list_builds(project_id=N)` → 选 build_id（⚠️ builds 按项目维度查最常见，禅道无"全量版本"端点）
+- 跳过 → 不传 build
+
+**④ 执行发布**
+```bash
+$PY "$R/.qoder/scripts/orchestration/wlkj.py" req <REQ-ID> 发布 \
+    --product=<①> [--plan=<②>] [--build=<③>] --confirm
+```
+- 默认先 dry-run 预览，用户确认后再 `--confirm` 真发
+- 真发后禅道建好需求，PRD 末尾自动回写 `<!-- zentao: story=ID -->` 留痕
+
+> **禅道 story ID 回流平台**：建完禅道需求后，把 story ID 通过平台 MCP learn 工具写回：
+> ```python
+> cap.mcp.call("learn", {"project_id":"<项目UUID>","category":"decision",
+>     "pattern": f"PRD<{标题}> 已发禅道: story=#{story_id} product={product_id}",
+>     "source": "wlkj/wl-prd+zentao"})
+> ```
+> 这样平台知道这个 PRD 对应禅道哪个需求（跨系统关联）。
+
+> 用户说"不发" → 不勉强，PRD 留本地，后续可随时 `/wl-req <REQ-ID> 发布`。
+> 直连禅道 HTTP（脚本内部），AI 只触发一次，几乎不耗 token。
+
+---
+
+## 🔄 回流平台（PRD 写完即执行，别漏）
+
+**铁律：PRD 落地后必须回流平台**（否则平台 AI回流 Tab 永远空，知识层↔引擎断裂）。
+回流走平台 MCP 写工具（`create_prd` / `submit_return`），失败不影响主流程。
+
+PRD 写完后跑这一条（用前面定的 `$PY` / `$R` 变量）：
+```bash
+$PY "$R/.qoder/scripts/orchestration/wlkj.py" return prd <PRD文件路径> "<PRD标题>" --platform <web|app>
+```
+- 内部优先调 `cap.mcp.call("create_prd", {title, content_md})` 写 PRD 表 + 首版本；
+- 失败再 `submit_return` 写 returns 待审核；最后 HTTP 兜底（读 mcp_config.json 的 return_endpoint）。
+- 全程 try/except，回流失败 PRD 仍在本地，主流程不阻塞。
+
+> 等价的 MCP 直调写法（脚本不可用时的兜底）：
+> `cap.mcp.call("create_prd", {"title": "<标题>", "content_md": "<完整PRD正文>", "status": "planning"})`
+> 或 `cap.mcp.call("submit_return", {"title":"...", "return_type":"prd", "source":"/wl-prd", "content_preview":"...", "content_full":"..."})`
+
+回流成功后输出一行：`✅ [回流] via=create_prd/submit_return <message>`。
+
+## 🧠 学习沉淀（PRD 写完即执行，反哺下次）
+
+**铁律：写 PRD 过程中学到的业务规则/决策/用户偏好，必须调 `learn` 写回平台**（平台 learning_patterns 积累，下次引擎受益——越用越聪明）。
+
+写完 PRD 后，把学到的关键认知调 learn 写回：
+```python
+cap.mcp.call("learn", {
+    "project_id": "<项目UUID>",
+    "category": "rule",          # rule=业务规则 / preference=用户偏好 / decision=决策 / pitfall=踩坑
+    "pattern": "<学到的内容，如：车辆保养需关联驾驶员和车辆，按里程+时间双触发>",
+    "source": "wlkj/wl-prd",
+})
+```
+- 每次至少写 1 条（最关键的业务规则或决策）。
+- 多条可多次调用。
+- 全程 try/except，失败不阻塞主流程。
+
+输出：`✅ [学习] 沉淀 N 条认知到平台`。
+
+## 📊 工作流轨迹回写（若本次是被平台触发的）
+
+如果本次 /wl-prd 是平台 trigger 派来的（有 triggerId），执行完后回填轨迹：
+```python
+# 通过 PATCH /api/projects/{pid}/trigger/workflow/{triggerId} 回填
+# body: {status: "success", output_summary: "生成了<标题>PRD", knowledge_used: [...], mcp_tools_called: [...], duration_sec: N}
+```
+- knowledge_used：rag_search/search 命中的关键实体 id 列表
+- mcp_tools_called：本次调过的 MCP 工具名（rag_search/context_360/create_prd/learn 等）
+- 让平台"引擎活动看板"能看到本次执行全貌（取了什么知识→产出什么→学了什么）
+- try/except 不阻塞。
+
+## 下一步
+- PRD 定稿 → `/wl-task create <标题>` 落成任务（带 REQ-ID 衔接）+ 发禅道
+- 开工前 → `/wl-spec` 生成开发 Spec → 确认后 `/wl-code` 实现
+- 完整链：prd → task → spec → code → test → commit → task finish（双通飞轮）

package/templates/qoder/commands/wl-search.md

@@ -1,223 +1,44 @@
----
-name: wl-search
-description: "查代码/业务/API/字段/PRD + 知识图谱(影响分析/覆盖矩阵/功能画像/业务流程/多跳遍历)的唯一入口。"
-argument-hint: "[keyword] or --api [path] or subcommand. 全系15个能力见下表"
-auto-approve: true
-allowed-tools: [Read, Bash]
----
-
-# /wl-search - 搜索代码 & 知识图谱 & RAG 语义检索
-
-User input: $ARGUMENTS
-
-## 执行方式（宿主无关，自动路由）
-
-```python
-from capability import resolve
-cap = resolve()
-result = cap.mcp.call("rag_search", {"query": "车辆保养", "top_k": 8})
-```
-
-自动路由：有 MCP 走 MCP（直连平台知识层，快），无 MCP 走 wlkj.py（CLI 降级）。零宿主感知。
-
-## 🚨 接口铁律（见 tool_guide · 会话已注入精简版）
-
-**单一信源** `.qoder/scripts/tool_guide.md`（SessionStart 已注入精简版：repo_root 定位 / 三套名 wlkj·kg·MCP 互通 / 中文歧义词提炼 / 优先级口诀）。需完整三套名映射表或歧义词清单时 Read 它。
-**两条红线常记**：① 三套名字都认（`search`/`semantic`/`context`/`impact`），别因"未知子命令"慌；② 禁 `find`/`grep -r`/`findstr /s` 全盘扫 `data/code`——那是 search 的活，手动做=思考链跑飞。
-
-
-## ⚡ 第一步：确定性路由（按顺序匹配第一个命中信号，零猜测）
-
-**差模型也走得对：逐条检查 `$ARGUMENTS`，第一个命中的信号决定检索通道——不要"判断问题类型"，按表查。**
-
-| # | 信号（`$ARGUMENTS` 含这些词） | 走这个通道（直达，先调一次） |
-|---|---|---|
-| 1 | "影响谁" / "改 XX 影响" / "波及" | `get_impact`（影响分析） |
-| 2 | "表结构" / "字段" / "枚举" / "真实数据" / "查库" | DB 通道：**先 `list_envs` 问环境**（见下「数据库查询」） |
-| 3 | "哪些没测" / "覆盖" / "盲区" / "测试矩阵" | `coverage_matrix` |
-| 4 | "业务流程" / "整体怎么运转" / "是干嘛的" | `ask_corpus`（GraphRAG 问答），再叠 `rag_search` 补事实 |
-| 5 | "盘点" / "有哪些代码" / "一次取全" | `context_pack`（8 段一次拿全） |
-| 6 | 精确符号（camelCase / 下划线 / 路径，如 `handleExport`、`/asset`） | `search_code`（精确关键词） |
-| 7 | **（以上都没命中）默认** | **`rag_search`（语义召回最全，top_k=8）** |
-
-> **铁律**：理解/盘点类问题默认 `rag_search`（语义召回最全，能找到没共享词的相关代码，如"车辆保养"→"维修记录"）；只在精确找符号时用 `search_code`；Glob 找不到文件用 `search_code` 兜底，**不准 find/findstr/dir /s 全盘扫**。
-
-### 三路检索详解（RAG 升级核心）
-
-**① rag_search — 语义召回（默认首选，召回最全）**
-```python
-# 语义检索：query 是自然语言/业务词，不必和代码里的词一样
-# 能找到"车辆保养"相关的"维修记录"，即使两者没共享词
-cap.mcp.call("rag_search", {"query": "车辆保养流程", "top_k": 8})
-```
-- 返回：相关代码片段 / 字段 / API，按语义相关度排序
-- 适用：写 PRD/改代码前找相关实现、盘点某业务有哪些代码、关键词搜索召回不全时
-- `top_k` 默认 8，要更全调到 12-15
-
-**② ask_corpus — GraphRAG 全局问答（答业务流程类问题）**
-```python
-# GraphRAG 社区摘要问答：直接给"答案"，不是堆代码片段
-# 能答"资产管理的业务流程是什么""这个功能整体怎么运转"
-cap.mcp.call("ask_corpus", {"q": "车辆保养的整体业务流程是什么", "top_k": 3})
-```
-- 返回：基于知识图谱社区摘要的自然语言回答
-- 适用：问"整体流程/业务怎么运转/这个功能是干嘛的"等全局问题
-- ⚠️ 引擎工具名是 `ask_corpus`，平台侧映射到 `graphrag_ask`（mcp_config.json 已配）
-
-**③ search_code — 精确关键词（找特定符号/字符串）**
-```python
-# 精确关键词：找特定函数名/类名/字符串字面量
-cap.mcp.call("search_code", {"keyword": "handleExport", "platform": "web"})
-```
-- 返回：精确命中的代码位置
-- 适用：已知符号名要定位、rag_search 召回了但要精确找某行
-
-### 输出整合（三路并用时）
-
-理解一个功能时，建议 **rag_search + ask_corpus 并用**：
-1. `rag_search` 拿到相关代码/字段/API（事实依据）
-2. `ask_corpus` 拿到业务流程的自然语言回答（全局视角）
-3. 整合：先讲业务流程（来自 ask_corpus），再列相关代码/字段（来自 rag_search）
-4. 精确符号定位才补 `search_code`
-
-### 盘点模式（多 agent 并行召回 · 宿主能力）
-
-"盘点某业务有哪些代码/字段/API/Wiki/PRD"这类要全量扫的，宿主支持 Agent 并行时**派多个 subagent 各召回一类并发跑**，再合并成一张盘点表：
-- agent①：`rag_search` 召回代码片段 + `search_code` 精确符号
-- agent②：`search_api` 召回相关端点
-- agent③：`search_wiki` 召回模块文档
-- agent④：`search_prd` / `search_prd_semantic` 召回历史 PRD
-- 合并：去重 + 按制品分组，输出"代码 N 处 / API M 个 / Wiki K 篇 / PRD J 份"
-
-不支持 Agent 并行 → 按上方三路检索串行跑（rag_search 一次召回最全，已够多数盘点）。
-
-## 知识图谱能力（20+，统一 cap.mcp.call 调用）
-
-| 用户要查什么 | 调用方式 |
-|-------------|---------|
-| **语义找相关代码/字段（首选，召回最全）** | `cap.mcp.call("rag_search", {"query": "车辆保养", "top_k": 8})` |
-| **GraphRAG 全局业务流程问答** | `cap.mcp.call("ask_corpus", {"q": "保养流程是什么", "top_k": 3})` |
-| 代码在哪 / 精确搜关键词 | `cap.mcp.call("search_code", {"keyword": "考勤", "platform": "web"})` |
-| API 端点 | `cap.mcp.call("search_api", {"keyword": "salary"})` |
-| 已有 PRD（防重复造轮子） | `cap.mcp.call("search_prd", {"keyword": "保险"})` |
-| 改某接口影响哪些页面 | `cap.mcp.call("get_impact", {"endpoint": "/asset"})` |
-| **改动风险评估（7项多证据，score+level）** | `cap.mcp.call("risk_assessment", {"project_id":"<UUID>", "entity":"<符号>"})` |
-| **路径置信度（证据路径置信+路径链）** | `cap.mcp.call("get_confidence", {"project_id":"<UUID>", "entity":"<符号>"})` |
-| **文件/符号变更史（代码→需求，被哪些需求改过）** | `cap.mcp.call("code_history", {"project_id":"<UUID>", "file_path":"<文件名>"})` |
-| **需求代码变更切片（需求→代码，XQ/WT号查改过哪些函数）** | `cap.mcp.call("code_changes", {"project_id":"<UUID>", "req_key":"XQ1248"})` |
-| **禅道story反查平台spec（看需求已有开发规格）** | `cap.mcp.call("find_specs_by_zentao", {"project_id":"<UUID>", "zentao_id":"<story号>"})` |
-| 某函数/端点的完整关联 | `cap.mcp.call("context_360", {"symbol": "handleExport"})` |
-| 一次取全(代码+页面+字段+API) | `cap.mcp.call("context_pack", {"keyword": "车辆", "role": "pm"})` |
-| 哪些功能有/没测试 | `cap.mcp.call("coverage_matrix", {})` |
-| 功能完整画像 | `cap.mcp.call("feature_overview", {"feature": "资产管理"})` |
-| 业务流程链（几步） | `cap.mcp.call("get_workflow", {"module": "assets"})` |
-| 多跳遍历（关联实体） | `cap.mcp.call("multi_hop", {"symbol": "资产管理", "depth": 3})` |
-| **业务链路追踪（概念→PRD+代码+表+测试）** | `cap.mcp.call("business_trace", {"query": "保险理赔", "depth": 3})` |
-| **需求全貌（REQ-ID→PRD+代码+表+测试）** | `cap.mcp.call("req_trace", {"req_id": "REQ-2026-042"})` |
-| **字段全链路（表单→接口→Java字段→DB列）** | `cap.mcp.call("trace_dataflow", {"field": "vehicleNo"})` |
-| **概念多源画像（PRD+代码+表+原型）** | `cap.mcp.call("anchor_view", {"concept": "保险单"})` |
-| **5制品全证据链（PRD+代码+表+测试+原型+强度+缺失提示）** | `cap.mcp.call("evidence_chain", {"concept": "保险单"})` |
-| **PRD 正文语义搜（搜正文，不只标题）** | `cap.mcp.call("search_prd_semantic", {"query": "异常筛选"})` |
-| Repo Wiki 模块文档 | `cap.mcp.call("search_wiki", {"keyword": "考勤"})` |
-| 原型预填（真实数据） | `cap.mcp.call("fill_prototype", {"keyword": "车辆", "platform": "web"})` |
-| 设计系统规范 | `cap.mcp.call("get_design_system", {"platform": "web"})` |
-
-## 🎨 富展示（看板 HTML · 复用 cap.present）
-
-get_impact / coverage_matrix / feature_overview 的结果可一键转富展示看板 HTML（QoderWork 嵌入对话 / CLI 落盘 journal）：
-```bash
-# 影响传播树（分层 upstream/downstream 可折叠）
-$PY "$R/.qoder/scripts/validation/metrics/present_board.py" impact --entity <符号> --project-id <UUID>
-# 测试覆盖热力图（功能×测试 有/无）
-$PY "$R/.qoder/scripts/validation/metrics/present_board.py" coverage --project-id <UUID>
-# 功能画像卡（端点+按钮+用例+页面+PRD）
-$PY "$R/.qoder/scripts/validation/metrics/present_board.py" feature --feature <功能名> --project-id <UUID>
-```
-- **QoderWork 桌面端**（cap.present.available）：HTML 嵌入对话流，富展示取代纯文本表格
-- **CLI/IDE**：落盘 `workspace/members/{dev}/journal/{name}-{ts}.html`，输出路径供打开
-- 不用 cap.present 也能跑——上面的能力表是纯文本调用，富展示只是增强可视化（T244 接入点）
-
-## 快速判断该用哪个
-
-- **"这个功能怎么实现 / 相关代码有哪些"** → 先 `rag_search`（语义最全），不够再 `search_code`
-- **"这个功能的业务流程是什么 / 整体怎么运转"** → `ask_corpus`（GraphRAG 问答）
-- **"这个功能已经有了吗"** → `prd` 查需求 + `feature` 看画像
-- **"改这个会影响谁"** → `impact`
-- **"哪些功能缺测试"** → `coverage`
-- **"盘点流程有几步"** → `workflow` 或 `ask_corpus`
-- **"XX 谁调用了/调用链"** → `context360` 或 `hop`
-- **写 PRD 前一次取全** → `rag_search` + `context_pack --role pm`
-- **出原型前** → `design_system` + `fill_prototype`
-
-## 字段/页面风格/组件
-
-这些不是 MCP 工具，走 CLI 降级：
-
-```
-cap.mcp.call("search_code", {"keyword": "--field <字段名>"})     # 字段搜索
-cap.mcp.call("search_code", {"keyword": "--style table"})        # 风格搜索
-cap.mcp.call("search_code", {"keyword": "--list"})               # Top50 关键词
-cap.mcp.call("search_code", {"keyword": "--modules"})            # 项目模块概览
-cap.mcp.call("search_code", {"keyword": "--components"})         # 组件使用统计
-```
-
-## 数据库查询（真实库表结构/数据/枚举）— ⚠️ 强制先问环境
-
-当用户意图涉及**数据库 / 表结构 / 字段 / 枚举取值 / 真实数据**，走 `cap.mcp.call("list_envs")` 等，**不走知识图谱**。
-
-可用工具（全部带可选 `env` 参数）：
-- `cap.mcp.call("list_envs", {})` — 列出所有可用环境（**第一步必须先调这个**）
-- `cap.mcp.call("query_schema", {"table": "t_xxx", "env": "test"})` — 表结构
-- `cap.mcp.call("query_data", {"table": "t_xxx", "env": "test"})` — 数据
-- `cap.mcp.call("query_distinct", {"table": "t_xxx", "column": "status", "env": "test"})` — 枚举值
-
-### 🔒 安全红线：查库前必须先问环境（不可跳过）
-
-**标准流程：**
-1. **先调 `cap.mcp.call("list_envs", {})`** 拿到所有环境标签，列给用户选
-2. **用户明确选定后**，后续工具调用都带上 `env=<用户选的标签>`
-3. 生产环境 🔴 真实数据，仅供核对字段含义/格式，**禁止作为业务结论外传**
-
-## 没给参数时
-
-如果用户没给关键词/子命令，先问意图，或跑 `cap.mcp.call("search_code", {"keyword": "--list"})` 列出热门关键词让用户选。
-
-## DO NOT grep the entire codebase
-
-🚫 **绝对禁止**用 `findstr /s`、`grep -r`、`os.walk`、`subprocess` 全盘递归扫 data/code。
-
-**中文文案/报错溯源**（用户查的是中文短语），**唯一合法方式**：
-> 先定位仓库根 `R`（Mac 只有 python3, 两个都试）:
-> `R=$(python ~/.qoderwork/repo_root.py 2>/dev/null || python3 ~/.qoderwork/repo_root.py 2>/dev/null) || R=.
-PY=$(python --version >/dev/null 2>&1 && echo python || echo python3)`
-```bash
-# grep-text 走 CLI 降级（不是 MCP 工具）
-$PY "$R/.qoder/scripts/orchestration/wlkj.py" kg grep-text 车辆不存在 --ext java --limit 20
-```
-
-## How to Use Results
-
-1. 三路检索并用时：先讲业务流程（ask_corpus），再列相关代码/字段（rag_search），精确符号补 search_code
-2. Pick the most relevant files (2-3 max)
-3. Read ONLY those files directly
-4. Answer the user's question — 提炼后回答，别贴原始输出
-
-## Examples
-
-- `/wl-search 车辆保养` → 先 `rag_search({"query":"车辆保养","top_k":8})`（语义最全），有流程问题再 `ask_corpus({"q":"车辆保养流程"})`
-- `/wl-search 车辆保养的业务流程是什么` → `cap.mcp.call("ask_corpus", {"q": "车辆保养的业务流程是什么", "top_k": 3})`
-- `/wl-search handleExport 在哪` → `cap.mcp.call("search_code", {"keyword": "handleExport"})`（精确符号）
-- `/wl-search --api salary` → `cap.mcp.call("search_api", {"keyword": "salary"})`
-- `/wl-search 改 /asset 影响谁` → `cap.mcp.call("get_impact", {"endpoint": "/asset"})`
-- `/wl-search 哪些功能没测试` → `cap.mcp.call("coverage_matrix", {})`
-- `/wl-search t_quality_case 表结构` → 先 `list_envs()` 问环境 → `query_schema`
-- `/wl-search 资产管理功能画像` → `cap.mcp.call("feature_overview", {"feature": "资产管理"})`
-- `/wl-search 车辆不存在报错从哪来` → `wlkj.py kg grep-text 车辆不存在 --ext java`
+---
+name: wl-search
+description: "查代码/业务/API/字段/PRD + 知识图谱。MCP工具优先，禁跑本地脚本。"
+argument-hint: "[搜索词或问题]"
+auto-approve: true
+allowed-tools: [Read, Glob, Grep, Bash, Write, Edit]
+---
 
+# /wl-search - 搜索/知识问答
 
-## 🚨 接地铁律（防幻觉/保真）
+User input: $ARGUMENTS
 
-1. **溯源**：引用代码符号/表名/接口用真实原名（如 `CostApplyController`、`base_asset`），非中文描述
-2. **禁编**：不编造未在召回里出现的类名/表名/字段；召回不足标"待确认"，诚实优于编造
-3. **接地**：涉及数据表时先调 MCP `schema_link` 取真表；未召回禁编 t_xxx 表名
-4. **完整**：产物详尽展开，不一行带过
+## 🚨 铁律：MCP工具优先，禁止跑本地脚本
+
+**绝不跑 wlkj.py kg grep-text/context 等本地脚本（本地kg空）。直接用MCP工具：**
+
+| 意图 | 工具 | 示例参数 |
+|---|---|---|
+| 查代码在哪 | search_code | {keyword: "考勤", platform: "web"} |
+| 全上下文 | context_pack | {keyword: "车辆保养", platform: "app"} |
+| 业务流程 | rag_search | {query: "保险流程"} |
+| 改XX影响谁 | get_impact | {endpoint: "/asset"} |
+| 功能画像 | feature_profile | {feature: "资产管理"} |
+| 字段在哪用 | search_field | {field: "plateNo"} |
+| 设计规范 | get_design_system | {platform: "web"} |
+
+> QoderWork工具名: mcp__qoder-knowledge-graph__<工具名>
+
+## 意图路由（按用户问题特征）
+
+- "XX在哪/XX代码" → search_code
+- "XX怎么运转/XX流程" → context_pack + semantic_search
+- "改XX影响谁" → get_impact
+- "XX字段/XX表结构" → search_field
+- 模糊/概念问题 → semantic_search
+
+**一次调1-2个工具就够，不要串行调5个。**
+
+## 🚨 接地铁律
+
+1. **溯源**：引用符号用真实原名，非中文描述
+2. **禁编**：不编造未召回的类名/表名；召回不足标"待确认"
+3. **接地**：涉及表结构时先调search_field
+4. **完整**：答案详尽展开