autosnippet 3.3.6 → 3.3.7

package/dist/lib/external/ai/providers/MockProvider.js

@@ -1,47 +1,323 @@
 /**
- * MockProvider - 测试用 AI 提供商
- * 返回固定/随机数据，不发网络请求
+ * MockProvider — Smart Mock AI 提供商
+ *
+ * 不发网络请求，但根据 prompt 内容智能匹配场景，返回符合格式的仿真响应。
+ * 用于让用户在没有 API Key 的情况下体验 AutoSnippet 完整工作流。
+ *
+ * 智能匹配场景:
+ *   1. probe / ping → "pong"
+ *   2. 重复度检测 (DUPLICATE/SIMILAR/UNIQUE) → "UNIQUE"
+ *   3. 对话压缩总结 → 从消息中提取关键词
+ *   4. 代码上下文化 (<chunk>) → 从代码提取函数/类名
+ *   5. 候选润色 (JSON 9字段) → 原样回传输入字段
+ *   6. 维度摘要 (dimensionDigest) → 模板化 JSON
+ *   7. 风格检查建议 → 空数组
+ *   8. Agent 路由分类 → functionCall classify_intent
+ *   9. 通用 fallback → 语义化占位文本
+ *
+ * 模拟延迟: 50-200ms 随机延迟，营造 "AI 思考" 体验
  */
-import { AiProvider } from '../AiProvider.js';
+import { AiProvider, } from '../AiProvider.js';
+// ── 工具函数 ──────────────────────────────────────────────
+/** 模拟延迟 (50-200ms) */
+function mockDelay() {
+    const ms = 50 + Math.floor(Math.random() * 150);
+    return new Promise((resolve) => setTimeout(resolve, ms));
+}
+/** 模拟 token 用量 */
+function mockUsage(prompt, response) {
+    return {
+        inputTokens: Math.ceil(prompt.length / 4),
+        outputTokens: Math.ceil(response.length / 4),
+        totalTokens: Math.ceil(prompt.length / 4) + Math.ceil(response.length / 4),
+    };
+}
+/** 从代码片段中提取函数/类/结构名称 */
+function extractCodeSymbols(code) {
+    const symbols = [];
+    // Swift/TS class/struct/protocol/enum
+    for (const m of code.matchAll(/(?:class|struct|protocol|enum|interface|type)\s+(\w+)/g)) {
+        symbols.push(m[1]);
+    }
+    // func/function
+    for (const m of code.matchAll(/(?:func|function)\s+(\w+)/g)) {
+        symbols.push(m[1]);
+    }
+    // property patterns
+    for (const m of code.matchAll(/(?:let|var|const)\s+(\w+)/g)) {
+        if (m[1].length > 3) {
+            symbols.push(m[1]);
+        }
+    }
+    return [...new Set(symbols)].slice(0, 8);
+}
+/** 从 prompt 中尝试提取 JSON 输入（用于润色回传） */
+function extractJsonFromPrompt(prompt) {
+    try {
+        const match = prompt.match(/\{[\s\S]*?"description"[\s\S]*?\}/);
+        if (match) {
+            return JSON.parse(match[0]);
+        }
+    }
+    catch {
+        /* parse failed */
+    }
+    return null;
+}
+// ── MockProvider ─────────────────────────────────────────
 export class MockProvider extends AiProvider {
     callLog;
     responses;
     constructor(config = {}) {
         super(config);
         this.name = 'mock';
-        this.model = 'mock-model';
+        this.model = 'mock-smart';
         this.responses = config.responses || {};
         this.callLog = [];
     }
+    // ── 核心: chat() 智能路由 ──────────────────────────────
     async chat(prompt, context = {}) {
-        this.callLog.push({ method: 'chat', prompt, context });
+        this.callLog.push({ method: 'chat', prompt: prompt.slice(0, 200), context });
+        await mockDelay();
+        // 0. 用户注入的固定响应（单元测试用）
         if (this.responses.chat) {
             return this.responses.chat;
         }
-        return `Mock response for: ${prompt.slice(0, 80)}`;
+        const p = prompt.toLowerCase();
+        // 1. Probe / ping
+        if (p === 'ping' || p.includes('ping')) {
+            return 'pong';
+        }
+        // 2. 重复度检测 — "请回答: DUPLICATE / SIMILAR / UNIQUE"
+        if (p.includes('duplicate') && p.includes('similar') && p.includes('unique')) {
+            return 'UNIQUE';
+        }
+        // 3. 对话压缩总结 — "请用 2-3 句话总结"
+        if (p.includes('总结以下对话') || p.includes('summarize the following')) {
+            const lines = prompt
+                .split('\n')
+                .filter((l) => l.startsWith('[user]') || l.startsWith('[assistant]'));
+            const topics = lines
+                .slice(0, 3)
+                .map((l) => l.slice(0, 60))
+                .join('；');
+            return `[Mock 摘要] 对话涉及: ${topics || '项目开发相关讨论'}。用户和助手讨论了代码实现和架构设计。`;
+        }
+        // 4. 代码上下文化 — <chunk>...</chunk>
+        if (p.includes('<chunk>')) {
+            const chunkMatch = prompt.match(/<chunk>([\s\S]*?)<\/chunk>/);
+            if (chunkMatch) {
+                const symbols = extractCodeSymbols(chunkMatch[1]);
+                if (symbols.length > 0) {
+                    return `This chunk defines ${symbols.slice(0, 3).join(', ')} which handles ${symbols.length > 3 ? symbols.slice(3, 5).join(' and ') : 'core logic'} in the module.`;
+                }
+                return 'This chunk contains utility code for the module.';
+            }
+        }
+        // 5. 候选润色 — "知识库条目润色助手" + JSON 输出
+        if (p.includes('知识库条目润色') || p.includes('润色助手')) {
+            const existing = extractJsonFromPrompt(prompt);
+            if (existing) {
+                return JSON.stringify(existing);
+            }
+            return JSON.stringify({
+                description: '[Mock] 保持原内容不变',
+                pattern: '',
+                markdown: '',
+                rationale: '',
+                tags: [],
+                confidence: 0.8,
+                aiInsight: null,
+                agentNotes: null,
+                relations: {},
+            });
+        }
+        // 6. 维度摘要 — "dimensionDigest"
+        if (p.includes('dimensiondigest') || p.includes('dimension digest')) {
+            const dimMatch = prompt.match(/维度[：:]\s*["']?(\w[\w-]+)/i) ||
+                prompt.match(/dimension[：:]\s*["']?(\w[\w-]+)/i);
+            const dimId = dimMatch?.[1] || 'unknown';
+            const countMatch = prompt.match(/提交了\s*(\d+)\s*个候选/);
+            const count = countMatch ? parseInt(countMatch[1], 10) : 3;
+            return `\`\`\`json
+${JSON.stringify({
+                dimensionDigest: {
+                    summary: `[Mock] ${dimId} 维度分析完成，基于项目代码结构生成了 ${count} 个候选知识。`,
+                    candidateCount: count,
+                    keyFindings: ['项目采用模块化架构设计', '发现多个核心设计模式', '代码风格整体一致'],
+                    crossRefs: {},
+                    gaps: ['部分模块缺少充分的文档注释'],
+                    remainingTasks: [],
+                },
+            }, null, 2)}
+\`\`\``;
+        }
+        // 7. 风格检查建议 — "violation" + "suggestion"
+        if (p.includes('violation') && p.includes('suggestion')) {
+            return '[]';
+        }
+        // 8. 分析报告 — "Markdown 格式" + "代码分析报告"
+        if (p.includes('代码分析报告') || p.includes('分析报告')) {
+            const symbols = extractCodeSymbols(prompt);
+            return `## Mock 代码分析报告
+
+### 核心发现
+
+1. **模块结构**: 项目采用分层架构，${symbols.length > 0 ? `核心类型包括 ${symbols.slice(0, 3).join('、')}` : '各模块职责清晰'}
+2. **设计模式**: 广泛使用协议/接口抽象和依赖注入
+3. **代码质量**: 类型安全处理规范，错误处理完善
+
+### 文件分析
+
+分析的文件展现了良好的代码组织，模块间通过明确的接口通信。
+
+> ⚠️ 此报告由 Mock AI 生成，仅包含模板化分析结果。`;
+        }
+        // 9. 通用 fallback — 语义化占位
+        const symbols = extractCodeSymbols(prompt);
+        const topic = symbols.length > 0
+            ? `关于 ${symbols.slice(0, 3).join('、')} 的分析`
+            : `对 ${prompt.slice(0, 40).replace(/\n/g, ' ')} 的回复`;
+        return `[Mock AI] ${topic}。此响应由 Mock 模式生成，非真实 AI 分析结果。`;
+    }
+    // ── chatWithTools() — 智能函数调用模拟 ─────────────────
+    async chatWithTools(prompt, opts = {}) {
+        this.callLog.push({
+            method: 'chatWithTools',
+            prompt: prompt.slice(0, 200),
+            toolChoice: opts.toolChoice,
+        });
+        await mockDelay();
+        const schemas = (opts.toolSchemas || []);
+        const schemaNames = schemas.map((s) => s.name);
+        // toolChoice='none' → 纯文本回复（维度摘要、最终总结等）
+        if (opts.toolChoice === 'none') {
+            const text = await this.chat(prompt, {
+                systemPrompt: opts.systemPrompt,
+                temperature: opts.temperature,
+                maxTokens: opts.maxTokens,
+            });
+            return { text, functionCalls: null, usage: mockUsage(prompt, text) };
+        }
+        // Agent 路由分类 — classify_intent tool
+        if (schemaNames.includes('classify_intent')) {
+            const response = JSON.stringify({ type: 'general', confidence: 0.9 });
+            return {
+                text: null,
+                functionCalls: [
+                    {
+                        id: `mock-fc-${Date.now()}`,
+                        name: 'classify_intent',
+                        args: { type: 'general', confidence: 0.9 },
+                    },
+                ],
+                usage: mockUsage(prompt, response),
+            };
+        }
+        // 有 tool schemas → 返回文本（让 AgentRuntime 的文本解析处理）
+        // Mock 不模拟复杂的多步工具调用链 — bootstrap 走 lightweight pipeline
+        if (schemas.length > 0) {
+            const text = `[Mock] 我已完成对项目代码的分析。基于代码结构，发现了几个关键的设计模式和架构约定。
+
+以下是主要发现：
+1. 项目采用模块化分层架构
+2. 核心模块使用依赖注入模式
+3. 错误处理遵循统一的类型安全约定
+
+> 此分析由 Mock AI 生成，结果基于模板。切换到真实 AI Provider 可获得深度项目分析。`;
+            return { text, functionCalls: null, usage: mockUsage(prompt, text) };
+        }
+        // 无 tools → 纯文本
+        const text = await this.chat(prompt, {
+            systemPrompt: opts.systemPrompt,
+            temperature: opts.temperature,
+            maxTokens: opts.maxTokens,
+        });
+        return { text, functionCalls: null, usage: mockUsage(prompt, text) };
     }
+    // ── chatWithStructuredOutput() — 结构化 JSON 模拟 ──────
+    async chatWithStructuredOutput(prompt, opts = {}) {
+        this.callLog.push({ method: 'chatWithStructuredOutput', prompt: prompt.slice(0, 200) });
+        await mockDelay();
+        const p = prompt.toLowerCase();
+        // 候选润色 → 尝试回传 prompt 中的 JSON
+        if (p.includes('润色') || p.includes('refine')) {
+            const existing = extractJsonFromPrompt(prompt);
+            if (existing) {
+                return existing;
+            }
+            return {
+                description: '[Mock] 保持原内容',
+                pattern: '',
+                markdown: '',
+                rationale: '',
+                tags: [],
+                confidence: 0.8,
+                aiInsight: null,
+                agentNotes: null,
+                relations: {},
+            };
+        }
+        // 风格检查 → 空数组
+        if (opts.openChar === '[' || p.includes('violation')) {
+            return [];
+        }
+        // 通用 → 尝试从 prompt 中提取已有 JSON，否则返回空对象
+        const existing = extractJsonFromPrompt(prompt);
+        return existing || {};
+    }
+    // ── summarize() — 代码摘要 ─────────────────────────────
     async summarize(code) {
         this.callLog.push({ method: 'summarize', code: code?.slice(0, 80) });
+        await mockDelay();
         if (this.responses.summarize) {
             return this.responses.summarize;
         }
+        const symbols = extractCodeSymbols(code || '');
+        const lang = code?.includes('func ')
+            ? 'swift'
+            : code?.includes('function ')
+                ? 'typescript'
+                : code?.includes('def ')
+                    ? 'python'
+                    : 'unknown';
         return {
-            title: 'Mock Summary',
-            description: `Summary of ${code?.length || 0} chars`,
-            language: 'unknown',
-            patterns: [],
-            keyAPIs: [],
+            title: symbols.length > 0 ? `${symbols[0]} 模块` : 'Mock Summary',
+            description: symbols.length > 0
+                ? `定义了 ${symbols.slice(0, 3).join('、')} 等 ${symbols.length} 个核心类型`
+                : `Summary of ${code?.length || 0} chars`,
+            language: lang,
+            patterns: symbols.slice(0, 3).map((s) => `${s} pattern`),
+            keyAPIs: symbols.slice(0, 4),
         };
     }
+    // ── embed() — 确定性伪向量 ─────────────────────────────
     async embed(text) {
         this.callLog.push({ method: 'embed', text: Array.isArray(text) ? text.length : 1 });
+        // 使用基于内容的确定性哈希生成向量（相似文本产生相似向量）
         const dim = 768;
-        const makeVector = () => Array.from({ length: dim }, () => Math.random() * 2 - 1);
+        const makeVector = (input) => {
+            let hash = 0;
+            for (let i = 0; i < input.length; i++) {
+                hash = ((hash << 5) - hash + input.charCodeAt(i)) | 0;
+            }
+            return Array.from({ length: dim }, (_, i) => {
+                // 基于 hash + 位置的伪随机，范围 [-1, 1]
+                const x = Math.sin(hash * 0.001 + i * 0.7127) * 43758.5453;
+                return (x - Math.floor(x)) * 2 - 1;
+            });
+        };
         if (Array.isArray(text)) {
-            return text.map(() => makeVector());
+            return text.map((t) => makeVector(t));
         }
-        return makeVector();
+        return makeVector(text);
+    }
+    // ── probe() — 连接检测 ────────────────────────────────
+    async probe() {
+        this.callLog.push({ method: 'probe' });
+        return true;
     }
+    // ── 辅助方法 ──────────────────────────────────────────
     /** 获取调用日志（测试断言用） */
     getCalls() {
         return this.callLog;

package/dist/lib/external/ai/providers/OpenAiProvider.js

@@ -42,6 +42,14 @@ export class OpenAiProvider extends AiProvider {
                 max_tokens: maxTokens,
             };
             const data = await this._post(`${this.baseUrl}/chat/completions`, body);
+            // 提取 token 用量
+            if (data?.usage) {
+                this._emitTokenUsage({
+                    inputTokens: data.usage.prompt_tokens || 0,
+                    outputTokens: data.usage.completion_tokens || 0,
+                    totalTokens: data.usage.total_tokens || 0,
+                });
+            }
             return data?.choices?.[0]?.message?.content || '';
         });
     }
@@ -197,6 +205,14 @@ export class OpenAiProvider extends AiProvider {
                 response_format: { type: 'json_object' },
             };
             const data = await this._post(`${this.baseUrl}/chat/completions`, body);
+            // 提取 token 用量
+            if (data?.usage) {
+                this._emitTokenUsage({
+                    inputTokens: data.usage.prompt_tokens || 0,
+                    outputTokens: data.usage.completion_tokens || 0,
+                    totalTokens: data.usage.total_tokens || 0,
+                });
+            }
             const text = data?.choices?.[0]?.message?.content || '';
             if (!text) {
                 return null;

package/dist/lib/external/lark/LarkTransport.d.ts

@@ -21,6 +21,10 @@ import type { AgentRuntime } from '#agent/AgentRuntime.js';
 interface AgentFactory {
     createLark(opts: RuntimeOverrides): AgentRuntime;
     createRemoteExec(opts: RuntimeOverrides): AgentRuntime;
+    getAiProviderInfo(): {
+        name: string;
+        model?: string;
+    };
 }
 interface RuntimeOverrides {
     lang?: string;
@@ -34,7 +38,7 @@ interface ProgressEvent {
 interface LarkTransportConfig {
     agentFactory: AgentFactory;
     replyFn: (messageId: string, text: string) => Promise<void>;
-    sendFn: (text: string) => Promise<void | boolean>;
+    sendFn: (text: string) => Promise<undefined | boolean>;
     sendImageFn?: (caption: string) => Promise<{
         success: boolean;
         message: string;

package/dist/lib/external/lark/LarkTransport.js

@@ -276,6 +276,10 @@ export class LarkTransport {
     }
     /** 远程命令执行 — 使用 remote-exec preset（含 SafetyPolicy 命令白名单） */
     async #handleRemoteExec(command, messageId, chatId, senderId, senderName) {
+        if (this.#agentFactory.getAiProviderInfo().name === 'mock') {
+            await this.#reply(messageId, '⚠️ AI 服务未配置，当前为 Mock 模式。请先配置 API Key。');
+            return;
+        }
         await this.#reply(messageId, `⚡ 正在执行: \`${command.slice(0, 60)}\`...`);
         try {
             const history = this.#getHistory(chatId);
@@ -316,6 +320,10 @@ export class LarkTransport {
     }
     /** Bot Agent 知识任务 — 服务端 AgentRuntime 直接处理 */
     async #handleBotAgent(text, messageId, chatId, senderId, senderName) {
+        if (this.#agentFactory.getAiProviderInfo().name === 'mock') {
+            await this.#reply(messageId, '⚠️ AI 服务未配置，当前为 Mock 模式。请先配置 API Key。');
+            return;
+        }
         // 进度提示
         await this.#reply(messageId, '🤔 正在思考...');
         try {
@@ -453,8 +461,8 @@ export class LarkTransport {
         const history = this.#conversationHistory.get(chatId);
         history.push({ role, content });
         // 限制内存历史长度
-        if (history.length > _a.MAX_HISTORY * 2) {
-            history.splice(0, history.length - _a.MAX_HISTORY * 2);
+        if (history?.length > _a.MAX_HISTORY * 2) {
+            history?.splice(0, history?.length - _a.MAX_HISTORY * 2);
         }
     }
     // ═══════════════════════════════════════════════════

package/dist/lib/external/mcp/handlers/bootstrap/pipeline/mock-pipeline.d.ts

@@ -0,0 +1,20 @@
+/**
+ * mock-pipeline.ts — Mock AI Bootstrap 轻量管线
+ *
+ * 当 AI Provider 为 mock 时，利用 Phase 1-4 已收集的真实数据
+ * (AST、依赖图、文件列表、Panorama) 为每个维度生成模板化候选知识。
+ *
+ * 不调用 AI，但走完完整的 submit → dimension_complete 流程，
+ * 使 Dashboard 能正常展示知识库、健康雷达等 UI。
+ *
+ * @module pipeline/mock-pipeline
+ */
+import type { DimensionDef } from '#types/project-snapshot.js';
+import type { PipelineFillView } from '#types/snapshot-views.js';
+/**
+ * fillDimensionsMock — Mock AI 轻量管线
+ *
+ * 利用 Phase 1-4 的真实数据（AST、文件列表、Panorama）自动生成候选知识，
+ * 不调用任何 AI API，但走完 submit → dimension_complete 的完整流程。
+ */
+export declare function fillDimensionsMock(view: PipelineFillView, dimensions: DimensionDef[]): Promise<void>;