@ohos-cpf/3rdloop 0.0.2 → 0.0.3

package/vendor/Server/Agent/SkillSelector/llm/prompts.js

@@ -1,161 +1,161 @@
-/**
- * prompts.js — ReAct 各推理步骤的 Prompt 模板
- *
- * 设计原则：
- *   - 只存放纯文本模板与占位符替换逻辑，不含任何业务编排
- *   - 所有 LLM 调用统一要求 JSON 输出，便于程序解析
- */
-
-// ─── Reason #1：任务拆解 Prompt ──────────────────────────────────────────────
-// 输入：具体任务（task）。输出：keywords / intent / constraints / techStack / whenToUse
-const TASK_ANALYSIS_PROMPT = `你是一个任务分析助手。请分析下面的"具体事项"，拆解出用于后续 SKILL 模糊匹配的关键信息。
-
-具体事项：
-"""
-{{TASK}}
-"""
-
-【关键词提取规则】
-1. keywords 必须包含至少一个"动作类型/阶段"词（动词类），如：准出审核、验收测试、验收检查、可行性分析、代码生成、代码修复、文档生成、迁移移植、扫描检视、聚合汇总、执行检视。这类词决定匹配哪个动作型 SKILL，不可丢失。
-2. 当任务描述很长时，优先保留开头的动作意图词，不要被后续技术细节（库列表、API 名、文件路径）淹没。
-3. keywords 须兼顾"动作类词"与"领域/产出物特征词"两类，共 5-10 个，全部小写。动作类词（如"扫描、检视、生成"）与领域/产出物词（如"接口规格、接口签名、方法签名、方法级接口、导出链、覆盖率、xts、demo"）分开，不要混为一谈。
-4. intent 必须以动词开头并点明动作类型（如"准出审核""验收""汇总"），不要只描述技术目标。
-5. 必须保留任务中决定"产出物类型 / SKILL 归属"的领域短语，作为领域/产出物特征词写入 keywords，不能只保留泛化动作词或技术名词。这类词如：接口规格、接口签名、方法签名、方法级接口、导出链、覆盖率、XTS、Demo 等。它们代表任务的真实交付物，是区分高度相似 SKILL 的关键。若任务包含此类短语，务必原样写入 keywords。
-
-【whenToUse 提取规则】
-6. whenToUse 必须直接识别并提取任务描述中的"触发场景/前置条件"表述，格式与候选 SKILL 的 useWhen（"use when..."、"当...时调用"）保持一致，便于逐词/逐句语义比对。
-   - 优先从任务原文中定位触发语境词，如"当...时"、"use when"、"对...进行"、"针对..."、"输入是..."等，把其后跟随的场景/对象原样提取为一句话。
-   - 若任务没有显式触发语境词，则依据任务的输入类型归纳触发场景（是"已有产物/JSON/MD/报告"、"源码/仓库"、"待检视的代码差异"，还是其它）。
-   - 只描述"什么输入/什么场景下触发本任务"，不要在此重复技术细节、库列表或输出形式。
-   - 例：任务含"对 PR 的差异做代码检视" → whenToUse="对代码差异进行检视"
-   - 例：任务含"获取仓库源码并分析目录结构" → whenToUse="分析仓库源码目录结构"
-7. 若任务明确属于某类专属触发场景（如 PR 检视），whenToUse 必须原样体现该场景特征词（如"PR"）；不得引入任务中不存在的场景特征，避免与 SKILL 的 useWhen 误判为一致。
-
-【techStack 提取规则】
-8. techStack 提取禁止主观猜测仓库语言。当任务描述包含 gitcode/gitee 等仓库 URL 时，不得仅凭库名联想其语言（如 opencsv 联想成 Java）；若任务未明确说明语言，techStack 只填任务中明确出现的语言/技术名词，必要时留空，交由后续执行阶段通过 gitcode 仓库语言 API 确认。
-
-【示例】
-输入："对 libcurl 鸿蒙化产物进行准出审核，对照验收标准判断是否满足..."
-正确输出：{"intent":"准出审核 libcurl 鸿蒙化产物是否满足验收标准","keywords":["准出审核","验收测试","验收检查","libcurl","鸿蒙化","arkts"],"whenToUse":"对任务执行产物做准出验收审核"}
-错误输出（丢失动作词）：{"intent":"分析 libcurl 鸿蒙化结果","keywords":["libcurl","鸿蒙化","arkts","harmonyos"]}
-
-输入："XTS 测试执行失败，根据失败报告修复已生成的测试代码使其通过编译执行..."
-正确输出：{"intent":"修复已生成的 XTS 测试代码使其通过编译执行","keywords":["代码修复","修复","测试","xts","test.ets","编译","执行"],"whenToUse":"修复已有测试代码产物使其通过编译执行"}
-错误输出（误判为生成）：{"intent":"生成 XTS 测试代码","keywords":["代码生成","测试","xts","test.ets"]}
-
-输入："克隆 FastBle 源仓库，解析所有 ArkTS/TypeScript 源文件提取对外公开的方法级接口（导出类名、方法名、参数列表、返回值类型、访问修饰符），输出方法级接口规格文档（api-spec.md）"
-正确输出：{"intent":"扫描源码提取方法级接口规格并输出文档","keywords":["接口规格","接口签名","方法签名","方法级接口","扫描","文档生成","arkts","typescript","fastble"],"whenToUse":"从源码提取方法级接口规格时"}
-错误输出（丢失领域词）：{"intent":"扫描源码并输出文档","keywords":["扫描检视","文档生成","arkts","typescript","fastble"]}
-
-请严格输出如下 JSON（不要输出任何额外文字、不要用 markdown 代码围栏）：
-{
-  "intent": "以动词开头，一句话概括任务目标，须点明动作类型",
-  "keywords": ["5-10个关键词，小写，须同时包含动作类词（至少1个）与领域/产出物特征词"],
-  "constraints": ["任务约束或前置条件，如语言、平台、输出形式等"],
-  "techStack": ["涉及的技术栈或语言，如 C++、ArkTS、Flutter、React Native 等；仅填任务中明确出现的语言，禁止凭仓库 URL 指向的库名猜测语言，仓库语言由执行阶段调用 gitcode API 确认"],
-  "whenToUse": "直接提取任务中的触发场景/前置条件表述（如\"对代码差异进行检视\"），格式对齐 SKILL 的 useWhen"
-}`;
-
-// ─── Reason #2：SKILL 排序 Prompt ─────────────────────────────────────────────
-// 输入：具体任务 + 任务拆解 + top5 候选 SKILL。输出：ranked 排序列表 + bestId
-// 采用规则化评分：4 个维度（意图40/技术栈30/约束20/关键词10）+ 硬否决规则
-// 解决"语言不匹配仍给高分"的不稳定问题
-const SKILL_RANKING_PROMPT = `你是一个严格的 SKILL 评分专家。下面给出一个具体事项、它的任务拆解，以及若干候选 SKILL。请按下方评分规则对每个候选打分并排序。
-
-【具体事项】
-{{TASK}}
-
-【任务拆解】
-{{ANALYSIS}}
-
-【候选 SKILL 列表】
-{{CANDIDATES}}
-
-【任务触发场景（whenToUse）】
-{{WHEN_TO_USE}}
-
-═══════════════════════════════════════════
-评分规则（总分 100，分 4 个维度）
-═══════════════════════════════════════════
-
-维度一｜意图契合度（满分 40）
-  - 40 分：SKILL 的核心动作与任务动作完全一致（如任务"汇总报告"，SKILL 正是"聚合多份报告"）
-  - 25-35 分：动作相关但不完全一致（如同为分析类，但偏编译验证而非可行性）
-  - 10-20 分：仅输出物相似但动作不同（如任务"汇总检视结果"，SKILL 是"执行检视"——都产出报告，但动作不同）
-  - 0-5 分：SKILL 功能与任务意图无关
-
-维度二｜技术栈匹配（满分 30）
-  - 30 分：SKILL 的 language 与任务 techStack 完全一致（如任务 C++、SKILL C/C++）
-  - 15-25 分：技术栈同属一大类但不完全一致（如 C 与 C++、ArkTS 与 TS）
-  - 0-5 分：技术栈不匹配（如任务要 Go、SKILL 是 C/C++；任务要 Java、SKILL 是 Flutter）
-
-维度三｜约束满足度（满分 20）
-  - 20 分：输出形式、前置条件等约束全部满足
-  - 10-15 分：部分约束满足
-  - 0-5 分：约束基本不满足
-
-维度四｜关键词命中（满分 10）
-  - 10 分：任务关键词大量命中 name/description
-  - 5 分：部分命中
-  - 0 分：几乎不命中
-
-═══════════════════════════════════════════
-硬性否决规则（必须严格执行，不得通融）
-═══════════════════════════════════════════
-1. useWhen 触发场景冲突 → 【总分上限 10】
-   判定方式：对比"任务 whenToUse"与候选 SKILL 的 "useWhen"（该技能何时该调用）是否语义一致
-   - 若候选 SKILL 声明了 useWhen，且任务的 whenToUse 与该 useWhen 描述的触发场景冲突，则判死
-   - 关键判据：任务的输入/触发场景与 SKILL 的前置输入类型不同
-   （例A：任务 whenToUse="分析仓库源码目录结构"，SKILL useWhen="对 Pull Request 的代码差异进行检视" → 任务无 PR 意图但 SKILL 仅用于 PR → 冲突，总分不得 > 10）
-   （例B：任务 whenToUse="对代码差异进行检视"，SKILL useWhen 含 PR → 一致，不触发本规则）
-   - 若候选 SKILL 的 useWhen 为空（未声明），则不触发本规则，按其它规则评分
-2. 技术栈/语言不匹配 → 维度二计 0-5 分，且【总分上限 50】
-   （例：任务要 Go 开源库迁移，SKILL 的 language 是 C/C++ → 总分不得 > 50）
-   - **判定依据仅以任务拆解的 techStack（ANALYSIS 中的 techStack 字段）为准**。只有当 techStack 明确给出了某语言，且与该 SKILL 的 language 明确冲突时，才触发本硬否决。
-   - **techStack 为空 / 未明确语言时，禁止凭任务原文中的库名或常识推断语言**（如见到 "opencsv" 就臆断为 Java）。此时视为语言未指明，不触发语言硬否决，按其它维度正常评分。
-   - 不得把 SKILL 的 language 反向当作任务语言来推断匹配与否。
-3. SKILL 功能阶段与任务意图不同 → 维度一上限 15 分
-   （例：任务要"可行性分析"，SKILL 是"执行移植动作"）
-4. 严禁仅因"意图看起来契合"就给高分；当任务 techStack 明确指明语言且与 SKILL 语言冲突时，语言不匹配是硬伤，必须压低总分
-5. 动作类型不一致 → 维度一（意图）上限 15 分，且【总分上限 45】
-   判定方式：对比任务的"核心动作动词"与 SKILL 的"核心动作动词"
-   - 任务动作是"汇总/聚合/合并/整理已有结果/文件" → SKILL 动作也必须是"汇总/聚合"类
-   - 任务动作是"汇总已有结果"，SKILL 动作是"执行检视/扫描/分析源码" → 动作类型不一致，触发本规则
-   - 关键判据：任务的输入是已有产物（JSON/MD/报告文件），SKILL 的输入是源码/仓库 → 输入类型不同即动作类型不同
-   （例：任务"汇总 compliance-review.json 和 logic-review.json 生成总报告"，SKILL 是"对源码进行编码质量检视" → 总分不得 > 45）
-
-请严格输出如下 JSON（不要输出任何额外文字、不要用 markdown 代码围栏）：
-{
-  "bestId": "最佳 SKILL 的 id（即候选列表中的 dirName；若全部低分也填分数最高的）",
-  "ranked": [
-    {
-      "id": "SKILL 的 dirName",
-      "score": 0,
-      "dimensions": { "intent": 0, "techStack": 0, "constraint": 0, "keyword": 0 },
-      "reason": "一句话说明各维度得分依据，须点明是否触发硬否决"
-    }
-  ]
-}
-
-要求：
-- ranked 数组按 score 从高到低排序，且必须包含全部候选 SKILL
-- score 必须等于 dimensions 各项之和
-- dimensions 四个 key 必须齐全（intent/techStack/constraint/keyword）
-- 若候选 SKILL 声明了 useWhen 且与任务 whenToUse 触发场景冲突，务必先触发硬否决规则 1
-- 若候选 SKILL 的 language 与任务 techStack 不匹配，务必触发硬否决规则 2；但若任务 techStack 为空/未明确，不得凭库名推断语言，不触发规则 2
-- 若任务输入是已有产物（JSON/MD/报告）而 SKILL 输入是源码/仓库，务必触发硬否决规则 5`;
-
-/**
- * 简单模板替换：把 {{KEY}} 替换为 params[KEY]
- * @param {string} template
- * @param {Record<string, string>} params
- * @returns {string}
- */
-export function renderTemplate(template, params) {
-  return template.replace(/\{\{(\w+)\}\}/g, (_, key) =>
-    Object.prototype.hasOwnProperty.call(params, key) ? String(params[key]) : ''
-  );
-}
-
-export { TASK_ANALYSIS_PROMPT, SKILL_RANKING_PROMPT };
-export default { TASK_ANALYSIS_PROMPT, SKILL_RANKING_PROMPT, renderTemplate };
+/**
+ * prompts.js — ReAct 各推理步骤的 Prompt 模板
+ *
+ * 设计原则：
+ *   - 只存放纯文本模板与占位符替换逻辑，不含任何业务编排
+ *   - 所有 LLM 调用统一要求 JSON 输出，便于程序解析
+ */
+
+// ─── Reason #1：任务拆解 Prompt ──────────────────────────────────────────────
+// 输入：具体任务（task）。输出：keywords / intent / constraints / techStack / whenToUse
+const TASK_ANALYSIS_PROMPT = `你是一个任务分析助手。请分析下面的"具体事项"，拆解出用于后续 SKILL 模糊匹配的关键信息。
+
+具体事项：
+"""
+{{TASK}}
+"""
+
+【关键词提取规则】
+1. keywords 必须包含至少一个"动作类型/阶段"词（动词类），如：准出审核、验收测试、验收检查、可行性分析、代码生成、代码修复、文档生成、迁移移植、扫描检视、聚合汇总、执行检视。这类词决定匹配哪个动作型 SKILL，不可丢失。
+2. 当任务描述很长时，优先保留开头的动作意图词，不要被后续技术细节（库列表、API 名、文件路径）淹没。
+3. keywords 须兼顾"动作类词"与"领域/产出物特征词"两类，共 5-10 个，全部小写。动作类词（如"扫描、检视、生成"）与领域/产出物词（如"接口规格、接口签名、方法签名、方法级接口、导出链、覆盖率、xts、demo"）分开，不要混为一谈。
+4. intent 必须以动词开头并点明动作类型（如"准出审核""验收""汇总"），不要只描述技术目标。
+5. 必须保留任务中决定"产出物类型 / SKILL 归属"的领域短语，作为领域/产出物特征词写入 keywords，不能只保留泛化动作词或技术名词。这类词如：接口规格、接口签名、方法签名、方法级接口、导出链、覆盖率、XTS、Demo 等。它们代表任务的真实交付物，是区分高度相似 SKILL 的关键。若任务包含此类短语，务必原样写入 keywords。
+
+【whenToUse 提取规则】
+6. whenToUse 必须直接识别并提取任务描述中的"触发场景/前置条件"表述，格式与候选 SKILL 的 useWhen（"use when..."、"当...时调用"）保持一致，便于逐词/逐句语义比对。
+   - 优先从任务原文中定位触发语境词，如"当...时"、"use when"、"对...进行"、"针对..."、"输入是..."等，把其后跟随的场景/对象原样提取为一句话。
+   - 若任务没有显式触发语境词，则依据任务的输入类型归纳触发场景（是"已有产物/JSON/MD/报告"、"源码/仓库"、"待检视的代码差异"，还是其它）。
+   - 只描述"什么输入/什么场景下触发本任务"，不要在此重复技术细节、库列表或输出形式。
+   - 例：任务含"对 PR 的差异做代码检视" → whenToUse="对代码差异进行检视"
+   - 例：任务含"获取仓库源码并分析目录结构" → whenToUse="分析仓库源码目录结构"
+7. 若任务明确属于某类专属触发场景（如 PR 检视），whenToUse 必须原样体现该场景特征词（如"PR"）；不得引入任务中不存在的场景特征，避免与 SKILL 的 useWhen 误判为一致。
+
+【techStack 提取规则】
+8. techStack 提取禁止主观猜测仓库语言。当任务描述包含 gitcode/gitee 等仓库 URL 时，不得仅凭库名联想其语言（如 opencsv 联想成 Java）；若任务未明确说明语言，techStack 只填任务中明确出现的语言/技术名词，必要时留空，交由后续执行阶段通过 gitcode 仓库语言 API 确认。
+
+【示例】
+输入："对 libcurl 鸿蒙化产物进行准出审核，对照验收标准判断是否满足..."
+正确输出：{"intent":"准出审核 libcurl 鸿蒙化产物是否满足验收标准","keywords":["准出审核","验收测试","验收检查","libcurl","鸿蒙化","arkts"],"whenToUse":"对任务执行产物做准出验收审核"}
+错误输出（丢失动作词）：{"intent":"分析 libcurl 鸿蒙化结果","keywords":["libcurl","鸿蒙化","arkts","harmonyos"]}
+
+输入："XTS 测试执行失败，根据失败报告修复已生成的测试代码使其通过编译执行..."
+正确输出：{"intent":"修复已生成的 XTS 测试代码使其通过编译执行","keywords":["代码修复","修复","测试","xts","test.ets","编译","执行"],"whenToUse":"修复已有测试代码产物使其通过编译执行"}
+错误输出（误判为生成）：{"intent":"生成 XTS 测试代码","keywords":["代码生成","测试","xts","test.ets"]}
+
+输入："克隆 FastBle 源仓库，解析所有 ArkTS/TypeScript 源文件提取对外公开的方法级接口（导出类名、方法名、参数列表、返回值类型、访问修饰符），输出方法级接口规格文档（api-spec.md）"
+正确输出：{"intent":"扫描源码提取方法级接口规格并输出文档","keywords":["接口规格","接口签名","方法签名","方法级接口","扫描","文档生成","arkts","typescript","fastble"],"whenToUse":"从源码提取方法级接口规格时"}
+错误输出（丢失领域词）：{"intent":"扫描源码并输出文档","keywords":["扫描检视","文档生成","arkts","typescript","fastble"]}
+
+请严格输出如下 JSON（不要输出任何额外文字、不要用 markdown 代码围栏）：
+{
+  "intent": "以动词开头，一句话概括任务目标，须点明动作类型",
+  "keywords": ["5-10个关键词，小写，须同时包含动作类词（至少1个）与领域/产出物特征词"],
+  "constraints": ["任务约束或前置条件，如语言、平台、输出形式等"],
+  "techStack": ["涉及的技术栈或语言，如 C++、ArkTS、Flutter、React Native 等；仅填任务中明确出现的语言，禁止凭仓库 URL 指向的库名猜测语言，仓库语言由执行阶段调用 gitcode API 确认"],
+  "whenToUse": "直接提取任务中的触发场景/前置条件表述（如\"对代码差异进行检视\"），格式对齐 SKILL 的 useWhen"
+}`;
+
+// ─── Reason #2：SKILL 排序 Prompt ─────────────────────────────────────────────
+// 输入：具体任务 + 任务拆解 + top5 候选 SKILL。输出：ranked 排序列表 + bestId
+// 采用规则化评分：4 个维度（意图40/技术栈30/约束20/关键词10）+ 硬否决规则
+// 解决"语言不匹配仍给高分"的不稳定问题
+const SKILL_RANKING_PROMPT = `你是一个严格的 SKILL 评分专家。下面给出一个具体事项、它的任务拆解，以及若干候选 SKILL。请按下方评分规则对每个候选打分并排序。
+
+【具体事项】
+{{TASK}}
+
+【任务拆解】
+{{ANALYSIS}}
+
+【候选 SKILL 列表】
+{{CANDIDATES}}
+
+【任务触发场景（whenToUse）】
+{{WHEN_TO_USE}}
+
+═══════════════════════════════════════════
+评分规则（总分 100，分 4 个维度）
+═══════════════════════════════════════════
+
+维度一｜意图契合度（满分 40）
+  - 40 分：SKILL 的核心动作与任务动作完全一致（如任务"汇总报告"，SKILL 正是"聚合多份报告"）
+  - 25-35 分：动作相关但不完全一致（如同为分析类，但偏编译验证而非可行性）
+  - 10-20 分：仅输出物相似但动作不同（如任务"汇总检视结果"，SKILL 是"执行检视"——都产出报告，但动作不同）
+  - 0-5 分：SKILL 功能与任务意图无关
+
+维度二｜技术栈匹配（满分 30）
+  - 30 分：SKILL 的 language 与任务 techStack 完全一致（如任务 C++、SKILL C/C++）
+  - 15-25 分：技术栈同属一大类但不完全一致（如 C 与 C++、ArkTS 与 TS）
+  - 0-5 分：技术栈不匹配（如任务要 Go、SKILL 是 C/C++；任务要 Java、SKILL 是 Flutter）
+
+维度三｜约束满足度（满分 20）
+  - 20 分：输出形式、前置条件等约束全部满足
+  - 10-15 分：部分约束满足
+  - 0-5 分：约束基本不满足
+
+维度四｜关键词命中（满分 10）
+  - 10 分：任务关键词大量命中 name/description
+  - 5 分：部分命中
+  - 0 分：几乎不命中
+
+═══════════════════════════════════════════
+硬性否决规则（必须严格执行，不得通融）
+═══════════════════════════════════════════
+1. useWhen 触发场景冲突 → 【总分上限 10】
+   判定方式：对比"任务 whenToUse"与候选 SKILL 的 "useWhen"（该技能何时该调用）是否语义一致
+   - 若候选 SKILL 声明了 useWhen，且任务的 whenToUse 与该 useWhen 描述的触发场景冲突，则判死
+   - 关键判据：任务的输入/触发场景与 SKILL 的前置输入类型不同
+   （例A：任务 whenToUse="分析仓库源码目录结构"，SKILL useWhen="对 Pull Request 的代码差异进行检视" → 任务无 PR 意图但 SKILL 仅用于 PR → 冲突，总分不得 > 10）
+   （例B：任务 whenToUse="对代码差异进行检视"，SKILL useWhen 含 PR → 一致，不触发本规则）
+   - 若候选 SKILL 的 useWhen 为空（未声明），则不触发本规则，按其它规则评分
+2. 技术栈/语言不匹配 → 维度二计 0-5 分，且【总分上限 50】
+   （例：任务要 Go 开源库迁移，SKILL 的 language 是 C/C++ → 总分不得 > 50）
+   - **判定依据仅以任务拆解的 techStack（ANALYSIS 中的 techStack 字段）为准**。只有当 techStack 明确给出了某语言，且与该 SKILL 的 language 明确冲突时，才触发本硬否决。
+   - **techStack 为空 / 未明确语言时，禁止凭任务原文中的库名或常识推断语言**（如见到 "opencsv" 就臆断为 Java）。此时视为语言未指明，不触发语言硬否决，按其它维度正常评分。
+   - 不得把 SKILL 的 language 反向当作任务语言来推断匹配与否。
+3. SKILL 功能阶段与任务意图不同 → 维度一上限 15 分
+   （例：任务要"可行性分析"，SKILL 是"执行移植动作"）
+4. 严禁仅因"意图看起来契合"就给高分；当任务 techStack 明确指明语言且与 SKILL 语言冲突时，语言不匹配是硬伤，必须压低总分
+5. 动作类型不一致 → 维度一（意图）上限 15 分，且【总分上限 45】
+   判定方式：对比任务的"核心动作动词"与 SKILL 的"核心动作动词"
+   - 任务动作是"汇总/聚合/合并/整理已有结果/文件" → SKILL 动作也必须是"汇总/聚合"类
+   - 任务动作是"汇总已有结果"，SKILL 动作是"执行检视/扫描/分析源码" → 动作类型不一致，触发本规则
+   - 关键判据：任务的输入是已有产物（JSON/MD/报告文件），SKILL 的输入是源码/仓库 → 输入类型不同即动作类型不同
+   （例：任务"汇总 compliance-review.json 和 logic-review.json 生成总报告"，SKILL 是"对源码进行编码质量检视" → 总分不得 > 45）
+
+请严格输出如下 JSON（不要输出任何额外文字、不要用 markdown 代码围栏）：
+{
+  "bestId": "最佳 SKILL 的 id（即候选列表中的 dirName；若全部低分也填分数最高的）",
+  "ranked": [
+    {
+      "id": "SKILL 的 dirName",
+      "score": 0,
+      "dimensions": { "intent": 0, "techStack": 0, "constraint": 0, "keyword": 0 },
+      "reason": "一句话说明各维度得分依据，须点明是否触发硬否决"
+    }
+  ]
+}
+
+要求：
+- ranked 数组按 score 从高到低排序，且必须包含全部候选 SKILL
+- score 必须等于 dimensions 各项之和
+- dimensions 四个 key 必须齐全（intent/techStack/constraint/keyword）
+- 若候选 SKILL 声明了 useWhen 且与任务 whenToUse 触发场景冲突，务必先触发硬否决规则 1
+- 若候选 SKILL 的 language 与任务 techStack 不匹配，务必触发硬否决规则 2；但若任务 techStack 为空/未明确，不得凭库名推断语言，不触发规则 2
+- 若任务输入是已有产物（JSON/MD/报告）而 SKILL 输入是源码/仓库，务必触发硬否决规则 5`;
+
+/**
+ * 简单模板替换：把 {{KEY}} 替换为 params[KEY]
+ * @param {string} template
+ * @param {Record<string, string>} params
+ * @returns {string}
+ */
+export function renderTemplate(template, params) {
+  return template.replace(/\{\{(\w+)\}\}/g, (_, key) =>
+    Object.prototype.hasOwnProperty.call(params, key) ? String(params[key]) : ''
+  );
+}
+
+export { TASK_ANALYSIS_PROMPT, SKILL_RANKING_PROMPT };
+export default { TASK_ANALYSIS_PROMPT, SKILL_RANKING_PROMPT, renderTemplate };

package/vendor/Server/Agent/SkillSelector/llm/reactSteps.js

@@ -1,144 +1,144 @@
-/**
- * reactSteps.js — ReAct 两个推理步骤的封装
- *
- * 职责：
- *   - Reason #1 analyzeTask：调用 LLM 拆解任务，产出 TaskAnalysis（喂给模糊匹配）
- *   - Reason #2 rankSkills ：调用 LLM 对 top5 候选 SKILL 评分排序，产出 RankResult
- *
- * 设计原则：
- *   - 高内聚：两个推理步骤的 prompt 构建 + JSON 解析集中于此
- *   - 低耦合：只依赖 llmClient + prompts，不依赖 Agent 编排
- *   - 纯函数式：每个步骤都是 (llm, input) -> output，无副作用
- */
-
-import { TASK_ANALYSIS_PROMPT, SKILL_RANKING_PROMPT, renderTemplate } from './prompts.js';
-
-/**
- * Reason #1：任务拆解
- * @param {object} llm - LLMClient 实例（需提供 chatJSON）
- * @param {string} task - 具体事项
- * @returns {Promise<object>} TaskAnalysis: { intent, keywords[], constraints[], techStack[], whenToUse }
- */
-export async function analyzeTask(llm, task) {
-  if (!task) throw new Error('analyzeTask: task 不能为空');
-
-  const prompt = renderTemplate(TASK_ANALYSIS_PROMPT, { TASK: task });
-  const result = await llm.chatJSON(prompt);
-
-  // 归整数组字段，避免 LLM 漏字段或返回非数组
-  return {
-    intent: typeof result.intent === 'string' ? result.intent : '',
-    keywords: _toArray(result.keywords),
-    constraints: _toArray(result.constraints),
-    techStack: _toArray(result.techStack),
-    whenToUse: typeof result.whenToUse === 'string' ? result.whenToUse : '',
-  };
-}
-
-/**
- * Reason #2：SKILL 排序
- * @param {object} llm - LLMClient 实例
- * @param {string} task - 具体事项
- * @param {object} analysis - analyzeTask 产出的 TaskAnalysis
- * @param {Array} candidates - 模糊匹配召回的候选 [{ skill, score }] 或 SkillMeta[]
- * @returns {Promise<object>} RankResult: { bestId, ranked: [{ id, score, reason }] }
- */
-export async function rankSkills(llm, task, analysis, candidates) {
-  if (!candidates || candidates.length === 0) {
-    throw new Error('rankSkills: 候选 SKILL 列表为空');
-  }
-
-  // 统一候选项结构为 { skill: SkillMeta, score }
-  const normalized = candidates.map((c, i) => {
-    const skill = c.skill || c;
-    return {
-      skill,
-      score: typeof c.score === 'number' ? c.score : 0,
-      index: i,
-    };
-  });
-
-  // 把候选项渲染成 LLM 可读的简表（不传整个 SKILL.md，避免 token 爆炸）
-  const candidatesText = normalized
-    .map(({ skill, index }) => {
-      const fields = [
-        `id: ${skill.dirName}`,
-        `name: ${skill.name || ''}`,
-        `description: ${skill.description || ''}`,
-        `useWhen: ${skill.useWhen || '(无)'}`,
-        `category: ${skill.category || ''}`,
-        `language: ${skill.language || ''}`,
-      ].filter(Boolean);
-      return `[#${index}] ${fields.join(' | ')}`;
-    })
-    .join('\n');
-
-  const analysisText = JSON.stringify(analysis, null, 2);
-  const prompt = renderTemplate(SKILL_RANKING_PROMPT, {
-    TASK: task,
-    ANALYSIS: analysisText,
-    WHEN_TO_USE: analysis?.whenToUse || '（未拆解出触发场景）',
-    CANDIDATES: candidatesText,
-  });
-
-  const result = await llm.chatJSON(prompt);
-
-  // 归整 ranked（对象数组，不能用 _toArray —— 那是给字符串数组用的）
-  // 对 LLM 可能用到的字段名做容错：ranked / results / list / rankings
-  const rawRanked = result.ranked || result.results || result.list || result.rankings;
-  const ranked = Array.isArray(rawRanked)
-    ? rawRanked
-        .filter((r) => r && typeof r === 'object')
-        .map((r) => {
-          // 解析 dimensions 分项分（容错：缺失或字段不全时为空对象）
-          const rawDims = (r.dimensions && typeof r.dimensions === 'object') ? r.dimensions : {};
-          const dimensions = {
-            intent: _numOr0(rawDims.intent),
-            techStack: _numOr0(rawDims.techStack),
-            constraint: _numOr0(rawDims.constraint),
-            keyword: _numOr0(rawDims.keyword),
-          };
-
-          // score 容错：缺失时用 dimensions 之和回填，保证总有分
-          let score = typeof r.score === 'number' ? r.score
-            : (dimensions.intent + dimensions.techStack + dimensions.constraint + dimensions.keyword);
-          if (typeof score !== 'number') score = 0;
-
-          return {
-            id: typeof r.id === 'string'
-              ? r.id
-              : (typeof r.id === 'number' ? String(r.id)
-                : (typeof r.dirName === 'string' ? r.dirName : '')),
-            score,
-            dimensions,
-            reason: typeof r.reason === 'string' ? r.reason : '',
-          };
-        })
-        .filter((r) => r.id)
-    : [];
-
-  // bestId 也做字段名容错：bestId / best / best_id / id
-  const bestId = result.bestId || result.best || result.best_id || result.id
-    || (ranked[0] && ranked[0].id);
-  return { bestId, ranked };
-}
-
-// ─── 内部工具 ──────────────────────────────────────────────────────────────
-/** 把字符串/数组规整为字符串数组（仅用于 keywords/constraints/techStack） */
-function _toArray(v) {
-  if (Array.isArray(v)) return v.map((x) => String(x));
-  if (v == null) return [];
-  return [String(v)];
-}
-
-/** 把可能缺失/非数的值规整为 number（缺失或非数返回 0） */
-function _numOr0(v) {
-  if (typeof v === 'number') return Number.isFinite(v) ? v : 0;
-  if (typeof v === 'string') {
-    const n = Number(v);
-    return Number.isFinite(n) ? n : 0;
-  }
-  return 0;
-}
-
-export default { analyzeTask, rankSkills };
+/**
+ * reactSteps.js — ReAct 两个推理步骤的封装
+ *
+ * 职责：
+ *   - Reason #1 analyzeTask：调用 LLM 拆解任务，产出 TaskAnalysis（喂给模糊匹配）
+ *   - Reason #2 rankSkills ：调用 LLM 对 top5 候选 SKILL 评分排序，产出 RankResult
+ *
+ * 设计原则：
+ *   - 高内聚：两个推理步骤的 prompt 构建 + JSON 解析集中于此
+ *   - 低耦合：只依赖 llmClient + prompts，不依赖 Agent 编排
+ *   - 纯函数式：每个步骤都是 (llm, input) -> output，无副作用
+ */
+
+import { TASK_ANALYSIS_PROMPT, SKILL_RANKING_PROMPT, renderTemplate } from './prompts.js';
+
+/**
+ * Reason #1：任务拆解
+ * @param {object} llm - LLMClient 实例（需提供 chatJSON）
+ * @param {string} task - 具体事项
+ * @returns {Promise<object>} TaskAnalysis: { intent, keywords[], constraints[], techStack[], whenToUse }
+ */
+export async function analyzeTask(llm, task) {
+  if (!task) throw new Error('analyzeTask: task 不能为空');
+
+  const prompt = renderTemplate(TASK_ANALYSIS_PROMPT, { TASK: task });
+  const result = await llm.chatJSON(prompt);
+
+  // 归整数组字段，避免 LLM 漏字段或返回非数组
+  return {
+    intent: typeof result.intent === 'string' ? result.intent : '',
+    keywords: _toArray(result.keywords),
+    constraints: _toArray(result.constraints),
+    techStack: _toArray(result.techStack),
+    whenToUse: typeof result.whenToUse === 'string' ? result.whenToUse : '',
+  };
+}
+
+/**
+ * Reason #2：SKILL 排序
+ * @param {object} llm - LLMClient 实例
+ * @param {string} task - 具体事项
+ * @param {object} analysis - analyzeTask 产出的 TaskAnalysis
+ * @param {Array} candidates - 模糊匹配召回的候选 [{ skill, score }] 或 SkillMeta[]
+ * @returns {Promise<object>} RankResult: { bestId, ranked: [{ id, score, reason }] }
+ */
+export async function rankSkills(llm, task, analysis, candidates) {
+  if (!candidates || candidates.length === 0) {
+    throw new Error('rankSkills: 候选 SKILL 列表为空');
+  }
+
+  // 统一候选项结构为 { skill: SkillMeta, score }
+  const normalized = candidates.map((c, i) => {
+    const skill = c.skill || c;
+    return {
+      skill,
+      score: typeof c.score === 'number' ? c.score : 0,
+      index: i,
+    };
+  });
+
+  // 把候选项渲染成 LLM 可读的简表（不传整个 SKILL.md，避免 token 爆炸）
+  const candidatesText = normalized
+    .map(({ skill, index }) => {
+      const fields = [
+        `id: ${skill.dirName}`,
+        `name: ${skill.name || ''}`,
+        `description: ${skill.description || ''}`,
+        `useWhen: ${skill.useWhen || '(无)'}`,
+        `category: ${skill.category || ''}`,
+        `language: ${skill.language || ''}`,
+      ].filter(Boolean);
+      return `[#${index}] ${fields.join(' | ')}`;
+    })
+    .join('\n');
+
+  const analysisText = JSON.stringify(analysis, null, 2);
+  const prompt = renderTemplate(SKILL_RANKING_PROMPT, {
+    TASK: task,
+    ANALYSIS: analysisText,
+    WHEN_TO_USE: analysis?.whenToUse || '（未拆解出触发场景）',
+    CANDIDATES: candidatesText,
+  });
+
+  const result = await llm.chatJSON(prompt);
+
+  // 归整 ranked（对象数组，不能用 _toArray —— 那是给字符串数组用的）
+  // 对 LLM 可能用到的字段名做容错：ranked / results / list / rankings
+  const rawRanked = result.ranked || result.results || result.list || result.rankings;
+  const ranked = Array.isArray(rawRanked)
+    ? rawRanked
+        .filter((r) => r && typeof r === 'object')
+        .map((r) => {
+          // 解析 dimensions 分项分（容错：缺失或字段不全时为空对象）
+          const rawDims = (r.dimensions && typeof r.dimensions === 'object') ? r.dimensions : {};
+          const dimensions = {
+            intent: _numOr0(rawDims.intent),
+            techStack: _numOr0(rawDims.techStack),
+            constraint: _numOr0(rawDims.constraint),
+            keyword: _numOr0(rawDims.keyword),
+          };
+
+          // score 容错：缺失时用 dimensions 之和回填，保证总有分
+          let score = typeof r.score === 'number' ? r.score
+            : (dimensions.intent + dimensions.techStack + dimensions.constraint + dimensions.keyword);
+          if (typeof score !== 'number') score = 0;
+
+          return {
+            id: typeof r.id === 'string'
+              ? r.id
+              : (typeof r.id === 'number' ? String(r.id)
+                : (typeof r.dirName === 'string' ? r.dirName : '')),
+            score,
+            dimensions,
+            reason: typeof r.reason === 'string' ? r.reason : '',
+          };
+        })
+        .filter((r) => r.id)
+    : [];
+
+  // bestId 也做字段名容错：bestId / best / best_id / id
+  const bestId = result.bestId || result.best || result.best_id || result.id
+    || (ranked[0] && ranked[0].id);
+  return { bestId, ranked };
+}
+
+// ─── 内部工具 ──────────────────────────────────────────────────────────────
+/** 把字符串/数组规整为字符串数组（仅用于 keywords/constraints/techStack） */
+function _toArray(v) {
+  if (Array.isArray(v)) return v.map((x) => String(x));
+  if (v == null) return [];
+  return [String(v)];
+}
+
+/** 把可能缺失/非数的值规整为 number（缺失或非数返回 0） */
+function _numOr0(v) {
+  if (typeof v === 'number') return Number.isFinite(v) ? v : 0;
+  if (typeof v === 'string') {
+    const n = Number(v);
+    return Number.isFinite(n) ? n : 0;
+  }
+  return 0;
+}
+
+export default { analyzeTask, rankSkills };