实现邮件发送（支持QQ和网易.126.163）PPT制作全流程（SVG路线）

README.md

@@ -86,14 +86,6 @@ git push minor master
               └─ 图结束后 (runtime.py / execute_agent)
                    └─ 检测到强制终止 → 向前端输出：
                       "检测到异常循环，工具 `xxx` 已连续调用 5 次..."
-
-
-1、打开https://erpdemo.fanpusoft.com/main.aspx#
-2、点击采购管理
-3、点击新增供应商
-4、在新增供应商页面进行以下操作：输入供应商名称：“minor”、输入供应商类别：“工程材料供应商”、输入部门：“采购部门B”、输入职务：“CEO”、输入联系人：“赵永顺”、输入生日：“2004/07/09”
-5、点击保存、点击确定
-
 ---
 
 ## 提示词工程文档
@@ -418,9 +410,36 @@ You are a visual grounding model for desktop GUI control.
 ssh -o ServerAliveInterval=60 -o ServerAliveCountMax=3 -p 60007 minor123@semi-ai.tech
 
 #### 本地端口映射 
-ssh -fN -L 8901:127.0.0.1:8901 -L 8902:127.0.0.1:8902 -L 8903:127.0.0.1:8903 minor123@semi-ai.tech -p 60007 
+ssh -fN -o ServerAliveInterval=60 -o ServerAliveCountMax=3 -L 8901:127.0.0.1:8901 -L 8902:127.0.0.1:8902 -L 8903:127.0.0.1:8903 minor123@semi-ai.tech -p 60007 
-
+ssh -fN -o ServerAliveInterval=60 -o ServerAliveCountMax=3 -L 8903:127.0.0.1:8903 minor123@semi-ai.tech -p 60007 
 # 查看状态码（200表示健康）
+curl.exe -o nul -s -w "%{http_code}\n" http://localhost:8901/health
+curl.exe -o nul -s -w "%{http_code}\n" http://localhost:8902/health
+curl.exe -o nul -s -w "%{http_code}\n" http://localhost:8903/health
+
 curl -o /dev/null -s -w "%{http_code}\n" http://localhost:8901/health
 curl -o /dev/null -s -w "%{http_code}\n" http://localhost:8902/health
-curl -o /dev/null -s -w "%{http_code}\n" http://localhost:8903/health
+curl -o /dev/null -s -w "%{http_code}\n" http://localhost:8903/health
+
+(email、sendfile)
+今天和昨天有什么邮件
+发封邮件给19553226590@163.com，内容就是我桌面的图片"C:\Users\86166\Desktop\风景\8.png"
+
+(websearch、terminal、sendfile)
+查一下济南和青岛近10年的GDP并画个图表
+
+(gui、browser、human_interaction、改成英文)
+进行以下gui任务，严格按照我的指令操作：
+1、打开https://erpdemo.fanpusoft.com/main.aspx#
+2、进行登录（账号密码调用human_interaction工具来问我）
+3、点击销售管理
+4、点击新增客户
+5、在新增客户界面输入：
+客户名称：minor；客户类别：零售商；公司地址：中国·青岛；公司简介：大狗叫叫叫；联系人姓名：叮咚鸡；
+点击性别选项：女；部门：抽象部；生日：2004-07-09；
+6、点击客户档案并连按两次空格（用来下滑到网页底部）
+7、点击批量上传
+8、在弹出的文件选择器的文件名输入框中输入"C:\Users\86166\Desktop\风景\8.png"并回车
+9、输入跟进日期：2026-07-16
+10、点击保存
+11、点击确定

dongtai.py

@@ -1,660 +0,0 @@
-import os
-import json
-import argparse
-import subprocess
-import time
-import socket
-import re
-from pathlib import Path
-from urllib.parse import urljoin, urlparse
-from typing import List, Dict, Any, Optional
-
-from selenium import webdriver
-from selenium.webdriver.edge.options import Options
-from selenium.webdriver.edge.service import Service
-from selenium.webdriver.common.by import By
-from selenium.webdriver.support.ui import WebDriverWait
-from selenium.webdriver.support import expected_conditions as EC
-from webdriver_manager.microsoft import EdgeChromiumDriverManager
-
-
-# ---------------------------- 工具函数 ----------------------------
-def get_absolute_url(base_url: str, href: str) -> Optional[str]:
-    if not href:
-        return None
-    href = href.strip()
-    if href.startswith(('javascript:', 'mailto:', 'tel:', '#')):
-        return None
-    absolute = urljoin(base_url, href)
-    parsed = urlparse(absolute)
-    if parsed.scheme in ('http', 'https', 'file'):
-        return absolute
-    return None
-
-
-def sanitize_filename(url: str) -> str:
-    """根据 URL 生成合法的文件名（不含扩展名）"""
-    parsed = urlparse(url)
-    path = parsed.path.strip('/')
-    if not path:
-        path = "index"
-    safe = re.sub(r'[\\/*?:"<>|]', '_', path)
-    if len(safe) > 100:
-        safe = safe[:100]
-    return safe
-
-
-# ---------------------------- 语义上下文推断（加强版） ----------------------------
-def infer_context_from_attrs(tag_name: str, attrs: Dict[str, str], text: str = "") -> str:
-    class_list = attrs.get("class", "").split()
-    id_ = attrs.get("id", "")
-    href = attrs.get("href", "")
-    features = " ".join(class_list) + " " + id_
-
-    # 对 <a> 标签的判断
-    if tag_name == "a":
-        if any(w in features for w in ["btn", "button", "tab", "nav-btn", "menu-item", "action-btn"]):
-            return "按钮"
-
-    # 通用特征判断
-    if "search" in features or "nav-search" in features:
-        return "搜索框"
-    if any(w in features for w in ["header", "top-bar", "masthead", "nav"]):
-        return "顶部导航"
-    if any(w in features for w in ["sidebar", "aside", "right-entry"]):
-        return "侧边栏"
-    if "footer" in features:
-        return "页脚"
-    if any(w in features for w in ["channel", "partition", "channel-icons"]):
-        return "频道/分区"
-    if any(w in features for w in ["carousel", "banner", "slider"]):
-        return "轮播/横幅"
-    if any(w in features for w in ["video-card", "feed-card", "card-item", "card"]):
-        return "视频卡片"
-    if "main" in features or "content" in features:
-        return "主要内容区"
-    if tag_name == "a":
-        if "cm.bilibili.com" in href or "ad" in features:
-            return "广告链接"
-        return "普通链接"
-    if tag_name in ("input", "textarea"):
-        return "输入控件"
-    if tag_name == "button":
-        return "按钮"
-    if tag_name == "select":
-        return "下拉选择"
-    # 对新加入的交互元素（div/li/span/img等）做一些推断
-    if tag_name in ("div", "li", "span", "img", "td", "label"):
-        if any(w in features for w in ["btn", "button", "action", "clickable", "tab", "menu-item"]):
-            return "按钮"
-        if any(w in features for w in ["card", "item", "cell", "list-item"]):
-            return "卡片/列表项"
-        if "dropdown" in features or "menu" in features:
-            return "菜单"
-        if "dialog" in features or "modal" in features:
-            return "弹窗"
-        if "icon" in features:
-            return "图标"
-        if tag_name == "img":
-            return "图片"
-        return "交互区域"
-    return "其他"
-
-
-# ---------------------------- 事件绑定与递归（增强版：模拟点击所有可交互控件） ----------------------------
-def add_events_and_recurse(controls: List[Dict[str, Any]], base_url: str,
-                           depth: int, max_depth: int, visited: set, driver):
-    """
-    增强版：对于点击后 URL 不变的控件，会检测页面中动态出现的新控件，
-    并对新控件（如下拉菜单项）进行递归导航抓取。
-    """
-    def get_control_signature(ctrl):
-        """生成控件的唯一签名"""
-        tp = ctrl["type"]
-        attrs = ctrl["attributes"]
-        text = ctrl.get("text", "")
-        cls = attrs.get("class", "")
-        id_ = attrs.get("id", "")
-        return f"{tp}|{text}|{cls}|{id_}"
-
-    original_signatures = {get_control_signature(c) for c in controls}
-
-    for ctrl in controls:
-        tp = ctrl["type"]
-        attrs = ctrl["attributes"]
-        idx = ctrl.get("index")
-        events = []
-        navigate_url = None
-        reason = ""
-        clicked_for_navigation = False
-
-        # ---------- URL 预判 ----------
-        if tp == "a":
-            href = attrs.get("href")
-            if href:
-                abs_url = get_absolute_url(base_url, href)
-                if abs_url:
-                    navigate_url = abs_url
-                    reason = "点击链接跳转"
-
-        if tp == "button" or (tp == "input" and attrs.get("type", "").lower() in ("submit", "button", "image")):
-            form_action = ctrl.get("form_action")
-            if form_action:
-                abs_action = get_absolute_url(base_url, form_action)
-                if abs_action:
-                    navigate_url = abs_action
-                    reason = "提交表单跳转"
-                else:
-                    events.append({"type": "submit", "description": "提交表单（无明确跳转）"})
-            else:
-                events.append({"type": "submit", "description": "提交表单（无 action）"})
-
-            if "alert" in attrs.get("onclick", "") or "confirm" in attrs.get("onclick", ""):
-                events.append({"type": "popup", "description": "触发弹窗"})
-
-        if tp == "input":
-            input_type = attrs.get("type", "text").lower()
-            if input_type in ("text", "password", "email", "search", "number", "tel", "url", ""):
-                events.append({"type": "input", "description": "输入文字"})
-                events.append({"type": "change", "description": "内容改变"})
-            elif input_type == "range":
-                events.append({"type": "input", "description": "滑动改变值"})
-            elif input_type in ("checkbox", "radio"):
-                events.append({"type": "change", "description": "切换状态"})
-
-        if tp == "select":
-            events.append({"type": "change", "description": "选择项改变"})
-
-        if tp == "textarea":
-            events.append({"type": "input", "description": "输入多行文字"})
-            events.append({"type": "change", "description": "内容改变"})
-
-        if tp in ("div", "li", "span", "img", "td", "label") and ctrl.get("is_interactive"):
-            onclick = attrs.get("onclick", "")
-            data_href = attrs.get("data-href", "")
-            if data_href:
-                abs_url = get_absolute_url(base_url, data_href)
-                if abs_url:
-                    navigate_url = abs_url
-                    reason = "点击交互跳转"
-            elif "location.href" in onclick or "window.open" in onclick:
-                match = re.search(r"""['"]([^'"]+)['"]""", onclick)
-                if match:
-                    abs_url = get_absolute_url(base_url, match.group(1))
-                    if abs_url:
-                        navigate_url = abs_url
-                        reason = "点击交互跳转"
-
-        # 弹窗兜底
-        if tp in ("input", "button") or (tp in ("div", "li", "span", "img") and ctrl.get("is_interactive")):
-            if ("alert" in attrs.get("onclick", "") or "confirm" in attrs.get("onclick", "")) and \
-                    not any(e["type"] == "popup" for e in events):
-                events.append({"type": "popup", "description": "触发弹窗"})
-
-        # ========== 模拟点击与动态内容探索 ==========
-        if depth < max_depth and idx is not None:
-            # 情况1：有预知 URL
-            if navigate_url and navigate_url not in visited:
-                try:
-                    target_element = driver.find_element(By.CSS_SELECTOR, f'[data-ctrl-idx="{idx}"]')
-                    pre_url = driver.current_url
-                    target_element.click()
-                    time.sleep(1)
-                    WebDriverWait(driver, 10).until(
-                        lambda d: d.execute_script("return document.readyState") == "complete"
-                    )
-
-                    handles = driver.window_handles
-                    if len(handles) > 1:
-                        original_handle = driver.current_window_handle
-                        for handle in handles:
-                            if handle != original_handle:
-                                driver.switch_to.window(handle)
-                                break
-                        new_url = driver.current_url
-                        if new_url not in visited:
-                            visited.add(new_url)
-                            target_page = process_source(new_url, depth + 1, max_depth, visited, driver)
-                            event = {"type": "navigate", "url": new_url, "description": reason,
-                                     "target_page": target_page}
-                            events.append(event)
-                        driver.close()
-                        driver.switch_to.window(original_handle)
-                    else:
-                        new_url = driver.current_url
-                        if new_url != pre_url and new_url not in visited:
-                            visited.add(new_url)
-                            target_page = process_source(new_url, depth + 1, max_depth, visited, driver)
-                            event = {"type": "navigate", "url": new_url, "description": reason,
-                                     "target_page": target_page}
-                            events.append(event)
-                            driver.back()
-                            WebDriverWait(driver, 10).until(
-                                lambda d: d.execute_script("return document.readyState") == "complete"
-                            )
-                    clicked_for_navigation = True
-                except Exception as e:
-                    events.append({"type": "navigate", "url": navigate_url, "description": reason,
-                                   "target_page": {"url": navigate_url, "error": str(e)}})
-                    clicked_for_navigation = True
-
-            # 情况2：无预知 URL，但可交互 → 尝试点击并检查是否出现下拉菜单
-            elif ctrl.get("is_interactive") and not clicked_for_navigation:
-                try:
-                    target_element = driver.find_element(By.CSS_SELECTOR, f'[data-ctrl-idx="{idx}"]')
-                    pre_url = driver.current_url
-                    target_element.click()
-                    time.sleep(0.8)
-                    WebDriverWait(driver, 10).until(
-                        lambda d: d.execute_script("return document.readyState") == "complete"
-                    )
-
-                    new_url = driver.current_url
-                    if new_url != pre_url and new_url not in visited:
-                        # 直接跳转了
-                        visited.add(new_url)
-                        target_page = process_source(new_url, depth + 1, max_depth, visited, driver)
-                        event = {"type": "navigate", "url": new_url, "description": "点击交互跳转（运行时发现）",
-                                 "target_page": target_page}
-                        events.append(event)
-                        driver.back()
-                        WebDriverWait(driver, 10).until(
-                            lambda d: d.execute_script("return document.readyState") == "complete"
-                        )
-                        clicked_for_navigation = True
-                    else:
-                        # URL 没变，检测动态出现的下拉菜单项
-                        # 使用更可靠的方法：直接查找可能是下拉项的 <li> 或 <a>，并排除原始控件
-                        sub_items = driver.execute_script("""
-                            let candidates = [];
-                            // 查找常见菜单结构：ul.submenu, div.dropdown-menu 下的 li/a
-                            let menus = document.querySelectorAll('ul, div[class*="menu"], div[class*="dropdown"]');
-                            for (let menu of menus) {
-                                let items = menu.querySelectorAll('li, a');
-                                for (let item of items) {
-                                    // 跳过隐藏元素
-                                    if (item.offsetParent === null) continue;
-                                    let text = item.innerText.trim().substring(0, 50);
-                                    if (!text) continue;
-                                    // 排除与原始控件文本相同的元素（父菜单本身可能被包含）
-                                    candidates.push({
-                                        tag: item.tagName.toLowerCase(),
-                                        text: text,
-                                        outerHTML: item.outerHTML.substring(0, 200)
-                                    });
-                                }
-                            }
-                            return candidates;
-                        """)
-
-                        # 去重，只保留之前没有的项
-                        clicked_sub_items = set()
-                        for item in sub_items:
-                            sig = f"{item['tag']}|{item['text']}"
-                            if sig not in original_signatures and sig not in clicked_sub_items:
-                                # 尝试定位并点击
-                                try:
-                                    # 用文本查找具体元素（更稳定）
-                                    elem = driver.find_element(By.XPATH, 
-                                        f"//{item['tag']}[normalize-space()='{item['text']}']")
-                                    elem.click()
-                                    time.sleep(0.8)
-                                    WebDriverWait(driver, 10).until(
-                                        lambda d: d.execute_script("return document.readyState") == "complete"
-                                    )
-                                    new_url2 = driver.current_url
-                                    if new_url2 != pre_url and new_url2 not in visited:
-                                        visited.add(new_url2)
-                                        sub_target = process_source(new_url2, depth + 1, max_depth, visited, driver)
-                                        event = {"type": "navigate", "url": new_url2, 
-                                                 "description": f"下拉菜单项: {item['text']}",
-                                                 "target_page": sub_target}
-                                        events.append(event)
-                                        driver.back()
-                                        WebDriverWait(driver, 10).until(
-                                            lambda d: d.execute_script("return document.readyState") == "complete"
-                                        )
-                                        # 回退后重新点击父菜单，确保下拉菜单仍然展开
-                                        target_element = driver.find_element(By.CSS_SELECTOR, f'[data-ctrl-idx="{idx}"]')
-                                        target_element.click()
-                                        time.sleep(0.5)
-                                    clicked_sub_items.add(sig)
-                                except Exception:
-                                    continue
-                except Exception as e:
-                    # 可以在这里打印调试信息，但不影响流程
-                    pass
-
-        if not events:
-            events.append({"type": "unknown", "description": "未识别的事件"})
-
-        ctrl["events"] = events
-
-
-# ---------------------------- 核心抓取逻辑（增强版：去重+注入索引） ----------------------------
-def build_page_tree_from_url(driver, url: str, depth: int, max_depth: int,
-                             visited: set) -> Dict[str, Any]:
-    print(f"正在抓取 (深度 {depth}/{max_depth}): {url}")
-    visited.add(url)
-
-    try:
-        driver.get(url)
-        WebDriverWait(driver, 15).until(
-            lambda d: d.execute_script("return document.readyState") == "complete"
-        )
-        driver.implicitly_wait(2)
-    except Exception as e:
-        return {"url": url, "error": str(e)}
-
-    # ---------- 提取所有交互元素（去重：只保留最外层交互元素，并注入索引） ----------
-    try:
-        raw_controls = driver.execute_script("""
-            const tags = ['a', 'input', 'button', 'select', 'textarea',
-                          'div', 'li', 'span', 'img', 'td', 'label'];
-            let allElements = [];
-            for (let tag of tags) {
-                let elems = document.querySelectorAll(tag);
-                for (let elem of elems) {
-                    if (tag === 'input' && elem.type === 'hidden') continue;
-                    if (tag === 'a' && !elem.href && !elem.onclick) continue;
-
-                    let isInteractive = false;
-                    if (['div', 'li', 'span', 'img', 'td', 'label'].includes(tag)) {
-                        if (elem.onclick) isInteractive = true;
-                        let role = elem.getAttribute('role');
-                        if (role && ['button', 'link', 'tab', 'menuitem'].includes(role)) isInteractive = true;
-                        if (elem.hasAttribute('tabindex') && elem.getAttribute('tabindex') !== '-1') isInteractive = true;
-                        if (elem.hasAttribute('data-action') || elem.hasAttribute('data-href')) isInteractive = true;
-                        let cls = elem.className || '';
-                        if (/(btn|button|clickable|action|link|tab|menu-item|card|cell)/i.test(cls)) {
-                            isInteractive = true;
-                        }
-                        if (!isInteractive) continue;
-                    }
-
-                    allElements.push({element: elem, tag: tag, isInteractive: isInteractive});
-                }
-            }
-
-            // 去重：如果某元素被另一个更外层的交互元素包含，则丢弃它
-            let filtered = [];
-            let idx = 0;
-            for (let item of allElements) {
-                let elem = item.element;
-                let isChild = false;
-                // 检查是否被之前的某个元素包含
-                for (let prev of filtered) {
-                    if (prev.element.contains(elem) && prev.element !== elem) {
-                        isChild = true;
-                        break;
-                    }
-                }
-                if (!isChild) {
-                    // 注入唯一索引
-                    elem.setAttribute('data-ctrl-idx', idx);
-                    let attrs = {};
-                    for (let attr of elem.attributes) {
-                        attrs[attr.name] = attr.value;
-                    }
-                    let formAction = null;
-                    if (item.tag === 'button' || (item.tag === 'input' && ['submit','button','image'].includes(elem.type))) {
-                        let form = elem.closest('form');
-                        if (form) formAction = form.getAttribute('action') || '';
-                    }
-                    let text = elem.innerText ? elem.innerText.trim().substring(0, 50) : '';
-                    filtered.push({
-                        element: elem, // 用于后续 contains 检查
-                        tag: item.tag,
-                        attributes: attrs,
-                        text: text,
-                        form_action: formAction,
-                        is_interactive: item.isInteractive,
-                        index: idx
-                    });
-                    idx++;
-                }
-            }
-            // 只返回需要的数据（去掉 DOM 引用）
-            return filtered.map(({tag, attributes, text, form_action, is_interactive, index}) => ({
-                tag, attributes, text, form_action, is_interactive, index
-            }));
-        """)
-    except Exception as e:
-        return {"url": url, "error": f"JavaScript提取失败: {str(e)}"}
-
-    # 转换为统一格式
-    controls = []
-    for rc in raw_controls:
-        ctrl = {
-            "type": rc["tag"],
-            "attributes": rc["attributes"],
-            "text": rc.get("text", ""),
-            "context": infer_context_from_attrs(rc["tag"], rc["attributes"], rc.get("text", "")),
-            "events": [],
-            "form_action": rc.get("form_action"),
-            "is_interactive": rc.get("is_interactive", False),
-            "index": rc.get("index")   # 保存索引，用于模拟点击
-        }
-        controls.append(ctrl)
-
-    # 填充事件和递归（将 driver 传入，实现模拟点击）
-    add_events_and_recurse(controls, url, depth, max_depth, visited, driver)
-
-    # 删除内部使用的字段
-    for ctrl in controls:
-        ctrl.pop("form_action", None)
-        if not ctrl["is_interactive"]:
-            del ctrl["is_interactive"]
-
-    return {"url": url, "controls": controls}
-
-
-def process_source(source: str, depth: int, max_depth: int,
-                   visited: set, driver) -> Dict[str, Any]:
-    if source.startswith(('http://', 'https://', 'file://')):
-        url = source
-    else:
-        abs_path = os.path.abspath(source)
-        url = Path(abs_path).as_uri()
-    return build_page_tree_from_url(driver, url, depth, max_depth, visited)
-
-
-# ---------------------------- 调试浏览器管理 ----------------------------
-def is_port_open(host, port):
-    try:
-        with socket.create_connection((host, port), timeout=1):
-            return True
-    except OSError:
-        return False
-
-
-def ensure_debug_browser():
-    debug_host = "127.0.0.1"
-    debug_port = 9222
-
-    if not is_port_open(debug_host, debug_port):
-        print("未检测到调试浏览器，正在启动 Edge 调试窗口...")
-        edge_path = r"C:\Program Files (x86)\Microsoft\Edge\Application\msedge.exe"
-        user_data_dir = r"C:\temp\edge_debug_profile"
-        try:
-            subprocess.Popen([
-                edge_path,
-                f"--remote-debugging-port={debug_port}",
-                f"--user-data-dir={user_data_dir}"
-            ], stdout=subprocess.DEVNULL, stderr=subprocess.DEVNULL)
-        except FileNotFoundError:
-            edge_path = "msedge"
-            subprocess.Popen([
-                edge_path,
-                f"--remote-debugging-port={debug_port}",
-                f"--user-data-dir={user_data_dir}"
-            ], stdout=subprocess.DEVNULL, stderr=subprocess.DEVNULL)
-        print("请在新打开的 Edge 窗口中访问目标网站并完成登录，然后回到这里按 Enter 继续...")
-        input()
-    else:
-        print("检测到已有的调试浏览器，将直接使用。")
-
-    if not is_port_open(debug_host, debug_port):
-        raise RuntimeError("无法连接到调试端口，请检查 Edge 是否正常启动。")
-
-
-# ---------------------------- 人性化报告生成 ----------------------------
-def short_text_for_control(ctrl: Dict[str, Any]) -> str:
-    tp = ctrl["type"]
-    attrs = ctrl["attributes"]
-    is_interactive = ctrl.get("is_interactive", False)
-    base = ""
-
-    if tp == "a":
-        href = attrs.get("href", "")
-        text = ctrl.get("text") or attrs.get("title") or attrs.get("aria-label") or href[:60]
-        base = f"链接 →{text} : {href}"
-    elif tp == "button":
-        text = ctrl.get("text") or attrs.get("value") or attrs.get("aria-label") or "按钮"
-        base = f"按钮: {text}"
-    elif tp == "input":
-        input_type = attrs.get("type", "text")
-        text = ctrl.get("text") or attrs.get("value") or attrs.get("placeholder") or ""
-        base = f"输入框 ({input_type})"
-        if text:
-            base += f" [{text}]"
-    elif tp == "textarea":
-        text = ctrl.get("text") or attrs.get("placeholder") or ""
-        base = "多行文本框"
-        if text:
-            base += f" [{text}]"
-    elif tp == "select":
-        text = ctrl.get("text") or ""
-        base = "下拉选择框"
-        if text:
-            base += f" [{text}]"
-    elif is_interactive:
-        text = ctrl.get("text") or ""
-        role = attrs.get("role", "")
-        tag_desc = f"{tp}控件"
-        if role == "button":
-            tag_desc = "按钮(ARIA)"
-        elif role == "link":
-            tag_desc = "链接(ARIA)"
-        elif "card" in (attrs.get("class", "") + attrs.get("id", "")):
-            tag_desc = "卡片"
-        base = f"可交互{tag_desc}"
-        if text:
-            base += f" [{text}]"
-        if attrs.get("data-href"):
-            base += f" (目标: {attrs['data-href']})"
-    else:
-        text = ctrl.get("text") or ""
-        base = f"{tp} 控件"
-        if text:
-            base += f" [{text}]"
-    return base
-
-
-def describe_page_tree(page: Dict[str, Any], prefix: str = "",
-                       max_depth: int = 1, current_depth: int = 1,
-                       is_last: bool = True) -> str:
-    url = page.get("url", "未知页面")
-    if "error" in page:
-        return f"{prefix}页面 {url} 抓取失败: {page['error']}\n"
-
-    controls = page.get("controls", [])
-    lines = []
-    connector = "└── " if is_last else "├── "
-    lines.append(f"{prefix}{connector}页面: {url}")
-
-    groups: Dict[str, List[Dict]] = {}
-    for ctrl in controls:
-        ctx = ctrl["context"]
-        groups.setdefault(ctx, []).append(ctrl)
-
-    sorted_groups = sorted(groups.items(), key=lambda x: x[0])
-    group_count = len(sorted_groups)
-
-    for idx, (context, items) in enumerate(sorted_groups):
-        is_last_group = (idx == group_count - 1)
-        group_connector = "└── " if is_last_group else "├── "
-        group_line = f"{prefix}{'    ' if is_last else '│   '}{group_connector}【{context}】({len(items)}个)"
-        lines.append(group_line)
-
-        item_prefix = prefix + ("    " if is_last else "│   ") + ("    " if is_last_group else "│   ")
-
-        for j, ctrl in enumerate(items):
-            is_last_item = (j == len(items) - 1)
-            item_connector = "└── " if is_last_item else "├── "
-            desc = short_text_for_control(ctrl)
-            lines.append(f"{item_prefix}{item_connector}{desc}")
-
-            for event in ctrl.get("events", []):
-                if "target_page" in event and current_depth < max_depth:
-                    sub_page = event["target_page"]
-                    new_prefix = item_prefix + ("    " if is_last_item else "│   ")
-                    sub_desc = describe_page_tree(
-                        sub_page,
-                        prefix=new_prefix,
-                        max_depth=max_depth,
-                        current_depth=current_depth + 1,
-                        is_last=True
-                    )
-                    lines.append(sub_desc)
-
-    return "\n".join(lines) + "\n"
-
-
-def generate_human_report(root_page: Dict[str, Any], max_depth: int) -> str:
-    header = f"🌐 页面交互控件分析报告（增强版）\n深度限制: {max_depth}\n" + "=" * 40 + "\n"
-    tree = describe_page_tree(root_page, prefix="", max_depth=max_depth,
-                              current_depth=1, is_last=True)
-    return header + tree
-
-
-# ---------------------------- 命令行入口 ----------------------------
-def main():
-    parser = argparse.ArgumentParser(description="通用网页交互控件分析工具（增强版：模拟点击、去重）")
-    parser.add_argument("source", help="起始 URL 或本地 HTML 文件路径")
-    parser.add_argument("-N", "--depth", type=int, default=1, help="最大递归深度（默认1）")
-    parser.add_argument("-o", "--output", help="输出文本文件路径，默认打印到控制台")
-    parser.add_argument("--json", action="store_true", help="同时保存机器可读的 JSON 文件（与 -o 同名 .json）")
-    args = parser.parse_args()
-
-    max_depth = max(1, args.depth)
-
-    if args.source.startswith(('http://', 'https://')):
-        start_url = args.source
-    else:
-        abs_path = os.path.abspath(args.source)
-        start_url = Path(abs_path).as_uri()
-    visited = {start_url}
-
-    ensure_debug_browser()
-
-    service = Service(EdgeChromiumDriverManager().install())
-    options = Options()
-    options.add_experimental_option("debuggerAddress", "127.0.0.1:9222")
-
-    driver = webdriver.Edge(service=service, options=options)
-    driver.implicitly_wait(5)
-
-    try:
-        tree = process_source(start_url, depth=1, max_depth=max_depth,
-                              visited=visited, driver=driver)
-    finally:
-        driver.quit()
-
-    report = generate_human_report(tree, max_depth)
-
-    if args.output:
-        with open(args.output, 'w', encoding='utf-8') as f:
-            f.write(report)
-        print(f"人性化报告已保存到 {args.output}")
-        if args.json:
-            json_path = args.output.rsplit('.', 1)[0] + '.json'
-            with open(json_path, 'w', encoding='utf-8') as jf:
-                json.dump(tree, jf, ensure_ascii=False, indent=2)
-            print(f"机器可读 JSON 已保存到 {json_path}")
-    else:
-        print(report)
-
-
-if __name__ == "__main__":
-    main()

jingtai.py

@@ -1,306 +0,0 @@
-import os
-import re
-import json
-import argparse
-from pathlib import Path
-from typing import Dict, Any, List, Optional
-from urllib.parse import urljoin, urlparse
-
-from selenium import webdriver
-from selenium.webdriver.edge.options import Options
-from selenium.webdriver.edge.service import Service
-from selenium.webdriver.support.ui import WebDriverWait
-from webdriver_manager.microsoft import EdgeChromiumDriverManager
-
-
-# -------------------- 工具函数 --------------------
-def get_absolute_url(base_url: str, href: str) -> Optional[str]:
-    if not href:
-        return None
-    href = href.strip()
-    if href.startswith(('javascript:', 'mailto:', 'tel:', '#')):
-        return None
-    absolute = urljoin(base_url, href)
-    parsed = urlparse(absolute)
-    if parsed.scheme in ('http', 'https', 'file'):
-        return absolute
-    return None
-
-
-# -------------------- 语义上下文推断 --------------------
-def infer_context_from_attrs(tag_name: str, attrs: Dict[str, str], text: str = "") -> str:
-    class_list = attrs.get("class", "").split()
-    id_ = attrs.get("id", "")
-    href = attrs.get("href", "")
-    features = " ".join(class_list) + " " + id_
-
-    if tag_name == "a":
-        if any(w in features for w in ["btn", "button", "tab", "nav-btn", "menu-item", "action-btn"]):
-            return "按钮"
-        if "cm.bilibili.com" in href or "ad" in features:
-            return "广告链接"
-        return "普通链接"
-
-    if "search" in features or "nav-search" in features:
-        return "搜索框"
-    if any(w in features for w in ["header", "top-bar", "masthead", "nav"]):
-        return "顶部导航"
-    if any(w in features for w in ["sidebar", "aside", "right-entry"]):
-        return "侧边栏"
-    if "footer" in features:
-        return "页脚"
-    if any(w in features for w in ["channel", "partition", "channel-icons"]):
-        return "频道/分区"
-    if any(w in features for w in ["carousel", "banner", "slider"]):
-        return "轮播/横幅"
-    if any(w in features for w in ["video-card", "feed-card", "card-item", "card"]):
-        return "视频卡片"
-    if "main" in features or "content" in features:
-        return "主要内容区"
-    if tag_name in ("input", "textarea"):
-        return "输入控件"
-    if tag_name == "button":
-        return "按钮"
-    if tag_name == "select":
-        return "下拉选择"
-    if tag_name in ("div", "li", "span", "img", "td", "label"):
-        if any(w in features for w in ["btn", "button", "action", "clickable", "tab", "menu-item"]):
-            return "按钮"
-        if any(w in features for w in ["card", "item", "cell", "list-item"]):
-            return "卡片/列表项"
-        if "dropdown" in features or "menu" in features:
-            return "菜单"
-        if "dialog" in features or "modal" in features:
-            return "弹窗"
-        if "icon" in features:
-            return "图标"
-        if tag_name == "img":
-            return "图片"
-        return "交互区域"
-    return "其他"
-
-
-# -------------------- 控件提取（去重 + 仅保留元素大小） --------------------
-def extract_controls(driver) -> List[Dict[str, Any]]:
-    """
-    无头模式下提取所有可交互元素（去重），
-    仅返回元素的尺寸（CSS 像素），不包含坐标。
-    """
-    raw = driver.execute_script("""
-        const tags = ['a', 'input', 'button', 'select', 'textarea',
-                      'div', 'li', 'span', 'img', 'td', 'label'];
-        let allElements = [];
-
-        // 1. 收集候选元素
-        for (let tag of tags) {
-            let elems = document.querySelectorAll(tag);
-            for (let elem of elems) {
-                if (tag === 'input' && elem.type === 'hidden') continue;
-                if (tag === 'a' && !elem.href && !elem.onclick) continue;
-
-                let isInteractive = false;
-                if (['div', 'li', 'span', 'img', 'td', 'label'].includes(tag)) {
-                    if (elem.onclick) isInteractive = true;
-                    let role = elem.getAttribute('role');
-                    if (role && ['button', 'link', 'tab', 'menuitem'].includes(role)) isInteractive = true;
-                    if (elem.hasAttribute('tabindex') && elem.getAttribute('tabindex') !== '-1') isInteractive = true;
-                    if (elem.hasAttribute('data-action') || elem.hasAttribute('data-href')) isInteractive = true;
-                    let cls = elem.className || '';
-                    if (/(btn|button|clickable|action|link|tab|menu-item|card|cell)/i.test(cls)) {
-                        isInteractive = true;
-                    }
-                    if (!isInteractive) continue;
-                }
-                allElements.push(elem);
-            }
-        }
-
-        // 2. 去重：只保留不被其他任何元素包含的最外层元素
-        let uniqueElements = [];
-        for (let elem of allElements) {
-            let isChild = false;
-            for (let other of allElements) {
-                if (other !== elem && other.contains(elem)) {
-                    isChild = true;
-                    break;
-                }
-            }
-            if (!isChild) {
-                uniqueElements.push(elem);
-            }
-        }
-
-        // 3. 获取每个元素的属性、文本和尺寸
-        return uniqueElements.map(elem => {
-            let tag = elem.tagName.toLowerCase();
-            let attrs = {};
-            for (let attr of elem.attributes) {
-                attrs[attr.name] = attr.value;
-            }
-            let formAction = null;
-            if (tag === 'button' || (tag === 'input' && ['submit','button','image'].includes(elem.type))) {
-                let form = elem.closest('form');
-                if (form) formAction = form.getAttribute('action') || '';
-            }
-            let text = elem.innerText ? elem.innerText.trim().substring(0, 50) : '';
-            let rect = elem.getBoundingClientRect();
-
-            return {
-                tag: tag,
-                attributes: attrs,
-                text: text,
-                form_action: formAction,
-                is_interactive: true,
-                size: {
-                    width: rect.width,
-                    height: rect.height
-                }
-            };
-        });
-    """)
-
-    controls = []
-    for item in raw:
-        ctrl = {
-            "type": item["tag"],
-            "attributes": item["attributes"],
-            "text": item.get("text", ""),
-            "context": infer_context_from_attrs(item["tag"], item["attributes"], item.get("text", "")),
-            "form_action": item.get("form_action"),
-            "is_interactive": item.get("is_interactive", False),
-            "size": item.get("size", {})
-        }
-        controls.append(ctrl)
-    return controls
-
-
-# -------------------- 人性化报告生成 --------------------
-def short_text_for_control(ctrl: Dict[str, Any]) -> str:
-    tp = ctrl["type"]
-    attrs = ctrl["attributes"]
-    is_interactive = ctrl.get("is_interactive", False)
-    size = ctrl.get("size", {})
-    size_str = ""
-    if size:
-        w, h = size.get("width", 0), size.get("height", 0)
-        size_str = f" [大小:{w:.0f}x{h:.0f}]"
-
-    base = ""
-    if tp == "a":
-        href = attrs.get("href", "")
-        text = ctrl.get("text") or attrs.get("title") or attrs.get("aria-label") or href[:60]
-        base = f"链接 →{text}"
-        if href:
-            base += f" : {href}"
-    elif tp == "button":
-        text = ctrl.get("text") or attrs.get("value") or attrs.get("aria-label") or "按钮"
-        base = f"按钮: {text}"
-    elif tp == "input":
-        input_type = attrs.get("type", "text")
-        text = ctrl.get("text") or attrs.get("value") or attrs.get("placeholder") or ""
-        base = f"输入框 ({input_type})"
-        if text:
-            base += f" [{text}]"
-    elif tp == "textarea":
-        text = ctrl.get("text") or attrs.get("placeholder") or ""
-        base = "多行文本框"
-        if text:
-            base += f" [{text}]"
-    elif tp == "select":
-        text = ctrl.get("text") or ""
-        base = "下拉选择框"
-        if text:
-            base += f" [{text}]"
-    elif is_interactive:
-        text = ctrl.get("text") or ""
-        role = attrs.get("role", "")
-        tag_desc = f"{tp}控件"
-        if role == "button":
-            tag_desc = "按钮(ARIA)"
-        elif role == "link":
-            tag_desc = "链接(ARIA)"
-        elif "card" in (attrs.get("class", "") + attrs.get("id", "")):
-            tag_desc = "卡片"
-        base = f"可交互{tag_desc}"
-        if text:
-            base += f" [{text}]"
-        if attrs.get("data-href"):
-            base += f" (目标: {attrs['data-href']})"
-    else:
-        text = ctrl.get("text") or ""
-        base = f"{tp} 控件"
-        if text:
-            base += f" [{text}]"
-    return base + size_str
-
-
-def generate_report(url: str, controls: List[Dict[str, Any]]) -> str:
-    lines = [f"🌐 页面交互控件分析报告（静态单页·无头模式）\n页面: {url}\n" + "=" * 50]
-    groups: Dict[str, List[Dict]] = {}
-    for ctrl in controls:
-        ctx = ctrl["context"]
-        groups.setdefault(ctx, []).append(ctrl)
-
-    sorted_groups = sorted(groups.items(), key=lambda x: x[0])
-    for context, items in sorted_groups:
-        lines.append(f"├── 【{context}】({len(items)}个)")
-        for item in items:
-            desc = short_text_for_control(item)
-            lines.append(f"│   ├── {desc}")
-    return "\n".join(lines)
-
-
-# -------------------- 主程序 --------------------
-def main():
-    parser = argparse.ArgumentParser(description="静态单页交互控件分析（Edge·无头模式·仅元素大小）")
-    parser.add_argument("source", help="起始 URL 或本地 HTML 文件路径")
-    parser.add_argument("-o", "--output", help="输出报告文件路径，默认打印到控制台")
-    parser.add_argument("--json", action="store_true", help="同时保存机器可读的 JSON 文件（与 -o 同名 .json）")
-    args = parser.parse_args()
-
-    # 构造 URL
-    if args.source.startswith(('http://', 'https://')):
-        url = args.source
-    else:
-        abs_path = os.path.abspath(args.source)
-        url = Path(abs_path).as_uri()
-
-    # 无头模式 Edge，设置窗口大小
-    options = Options()
-    options.add_argument("--headless=new")          # 新版无头模式
-    options.add_argument("--window-size=1920,1080") # 固定视口大小
-    options.add_argument("--disable-gpu")           # 禁用 GPU 加速（无头下建议）
-
-    service = Service(EdgeChromiumDriverManager().install())
-    driver = webdriver.Edge(service=service, options=options)
-
-    try:
-        driver.get(url)
-        WebDriverWait(driver, 15).until(
-            lambda d: d.execute_script("return document.readyState") == "complete"
-        )
-        controls = extract_controls(driver)
-    finally:
-        driver.quit()
-
-    report = generate_report(url, controls)
-
-    # 输出结果
-    if args.output:
-        with open(args.output, 'w', encoding='utf-8') as f:
-            f.write(report)
-        print(f"人性化报告已保存到 {args.output}")
-        if args.json:
-            json_path = args.output.rsplit('.', 1)[0] + '.json'
-            with open(json_path, 'w', encoding='utf-8') as jf:
-                json.dump({
-                    "url": url,
-                    "controls": controls
-                }, jf, ensure_ascii=False, indent=2)
-            print(f"机器可读 JSON 已保存到 {json_path}")
-    else:
-        print(report)
-
-
-if __name__ == "__main__":
-    main()

src/agent/core/agent_config.json

@@ -5,11 +5,11 @@
     "max_iterations": 200,
     "llm_model_id": "b53afakf",
     "tools": [
-      "send_file",
-      "directory_listing",
-      "terminal_execute",
       "doc_tool",
-      "web_search_class"
+      "date_query",
+      "web_search",
+      "human_interaction",
+      "todo_list"
     ],
     "enabled": true,
     "role": "main",

src/agent/core/config_manager.py

@@ -154,6 +154,9 @@ _TOOL_DEFAULT_AUTO_RULES: dict[str, list[dict]] = {
     "skill_router": [
         {"parameter": "query", "operator": "exists", "value": ""},
     ],
+    "mail_tool": [
+        {"parameter": "action", "operator": "equals", "value": "read"},
+    ],
 }
 
 
@@ -321,6 +324,8 @@ def _default_env_config() -> dict:
         "LOOP_DETECT_REPEATED_TOOL_WARN": "3",
         "LOOP_DETECT_REPEATED_TOOL_END": "5",
         "SEND_FILE_SIZE_LIMIT": "10",
+        "EMAIL_ADDRESS": "",
+        "EMAIL_AUTH_CODE": "",
     }
 
 

src/agent/core/env_config.json

@@ -1,9 +1,9 @@
 {
   "WORKING_DIR": "c:\\Users\\86166\\Desktop\\Agent_Learning_minor\\Agent",
   "WORKSPACE_DIR": "src\\agent\\workspace",
-  "TTS_BASE_URL": "127.0.0.0:8902",
+  "TTS_BASE_URL": "http://localhost:8902",
-  "ASR_BASE_URL": "127.0.0.0:8901",
+  "ASR_BASE_URL": "http://localhost:8901",
-  "RAG_BASE_URL": "127.0.0.0:8903",
+  "RAG_BASE_URL": "http://localhost:8903",
   "TAVILY_API_KEY": "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",
   "LLM_CONTEXT_WINDOW": "262144",
   "MINI_COMPRESS_RATE": "0.4",
@@ -17,7 +17,9 @@
   "LOOP_DETECT_TODOLIST_STALE_ROUNDS": "20",
   "LOOP_DETECT_REPEATED_TOOL_WARN": "3",
   "LOOP_DETECT_REPEATED_TOOL_END": "5",
-  "SEND_FILE_SIZE_LIMIT": "10",
+  "SEND_FILE_SIZE_LIMIT": "30",
+  "EMAIL_ADDRESS": "3139785954@qq.com",
+  "EMAIL_AUTH_CODE": "hfjkjqnlhjvqdeef",
   "models": [
     {
       "id": "a44b226e",

src/agent/core/llm.py

@@ -41,7 +41,7 @@ class ChatQwen(ChatOpenAI):
     """Qwen 系列模型的 LangChain 封装，扩展多模态与 TTS 能力。
 
     属性:
-        output_type: 默认输出模式 text | audio | both。
+        output_type: 默认输出模式 text | voice。
         stream_play: TTS 后是否本地播放。
         last_audio_kwargs: 最近一次 TTS 的文件路径与时长等元数据。
 
@@ -213,7 +213,7 @@ class ChatQwen(ChatOpenAI):
                     }
                 ]
             }
-            endpoint = f"{env_utils.ASR_BASE_URL.rstrip('/')}/chat/completions"
+            endpoint = f"{env_utils.ASR_BASE_URL.rstrip('/')}/v1/chat/completions"
             resp = requests.post(
                 endpoint,
                 headers={"Content-Type": "application/json"},
@@ -370,11 +370,11 @@ class ChatQwen(ChatOpenAI):
 
         输入:
             result: ChatResult 含 AIMessage。
-            output_type: audio | both。
+            output_type: voice。
             audio_output_dir: WAV 保存目录。
 
         输出:
-            可能清空 audio 模式下 content 的 ChatResult；设置 last_audio_kwargs。
+            设置 last_audio_kwargs 的 ChatResult。
 
         系统定位:
             _generate 在模型返回后的后处理。
@@ -382,7 +382,7 @@ class ChatQwen(ChatOpenAI):
         可扩展性:
             可上传对象存储而非本地路径。
         """
-        if output_type not in ("audio", "both") or not audio_output_dir:
+        if output_type != "voice" or not audio_output_dir:
             return result
         os.makedirs(audio_output_dir, exist_ok=True)
         for idx, gen in enumerate(result.generations):
@@ -391,6 +391,9 @@ class ChatQwen(ChatOpenAI):
             msg = gen.message
             if not isinstance(msg, AIMessage):
                 continue
+            # 跳过含 tool_calls 的中间决策消息，仅对最终回复合成语音
+            if msg.tool_calls:
+                continue
             text = assistant_text(msg.content)
             if not text.strip():
                 continue
@@ -414,8 +417,6 @@ class ChatQwen(ChatOpenAI):
                     }
                 if self.stream_play:
                     self.play_audio_bytes(audio_bytes)
-                if output_type == "audio":
-                    msg.content = ""
             except Exception as e:
                 print(f"[TTS ERROR] 合成语音失败: {e}")
                 # 发生错误时也清空 last_audio_kwargs，避免污染
@@ -459,12 +460,8 @@ class ChatQwen(ChatOpenAI):
 
         result = super()._generate(messages, stop=stop, run_manager=run_manager, **kwargs)
 
-        if output_type in ("audio", "both"):
+        if output_type == "voice":
             result = self._apply_tts(result, output_type, audio_output_dir=audio_output_dir)
-            if output_type == "audio":
-                for gen in result.generations:
-                    if isinstance(gen, ChatGeneration) and isinstance(gen.message, AIMessage):
-                        gen.message.content = ""
         return result
 
     def _create_chat_result(self, response, generation_info=None) -> ChatResult:

src/agent/core/nodes.py

@@ -27,12 +27,29 @@ from agent.utils.image_utils import image_bytes_to_openai_image_url_part
 from agent.utils.tool_call_utils import normalize_tool_call
 
 
+def _has_image_content(msg: HumanMessage) -> bool:
+    """判断 HumanMessage 是否包含图片内容（截图等 data URL）。
+
+    输入:
+        msg: 待检查的 HumanMessage。
+
+    输出:
+        True 表示 content 中包含 image_url 类型的内容块。
+    """
+    content = msg.content
+    if isinstance(content, list):
+        for part in content:
+            if isinstance(part, dict) and part.get("type") == "image_url":
+                return True
+    return False
+
+
 def _filter_short_term_memory(messages: list, trajectory_rounds: int) -> list:
-    """过滤短期记忆：保留所有工具调用，工具返回结果仅保留最近 trajectory_rounds 轮。
+    """过滤短期记忆：保留所有工具调用记录和工具文字返回值，图片截图仅保留最近 trajectory_rounds 轮。
 
     输入:
         messages: 完整消息列表。
-        trajectory_rounds: 保留最近 N 轮的工具返回结果；或负数表示不过滤。
+        trajectory_rounds: 保留最近 N 轮的图片截图（合成 HumanMessage）；<=0 表示不过滤任何消息。
 
     输出:
         过滤后的消息列表。
@@ -42,9 +59,9 @@ def _filter_short_term_memory(messages: list, trajectory_rounds: int) -> list:
         场景下上下文过长。
 
     规则:
-        - 保留所有非 ToolMessage 消息（SystemMessage、HumanMessage、AIMessage）
+        - 保留所有 SystemMessage、HumanMessage（非合成图片）、AIMessage、ToolMessage
-        - ToolMessage 仅保留最近 trajectory_rounds 轮工具调用对应的返回结果
+        - 仅 process_tool_artifact 生成的合成图片 HumanMessage 按 trajectory_rounds 裁剪
-        - 每轮由一个 AIMessage（含 tool_calls）定义，其后的 ToolMessage 属于该轮
+        - 每轮由一个 AIMessage（含 tool_calls）定义
     """
     if trajectory_rounds <= 0:
         return list(messages)
@@ -59,7 +76,8 @@ def _filter_short_term_memory(messages: list, trajectory_rounds: int) -> list:
         if isinstance(msg, AIMessage) and getattr(msg, "tool_calls", None):
             rounds_seen += 1
 
-        if isinstance(msg, ToolMessage):
+        # 合成图片消息：仅保留最近 trajectory_rounds 轮
+        if isinstance(msg, HumanMessage) and msg.additional_kwargs.get("synthetic") and _has_image_content(msg):
             if rounds_seen < trajectory_rounds:
                 kept_indices.add(i)
         else:
@@ -274,9 +292,18 @@ def process_tool_artifact(state: AgentState) -> dict:
 
     artifact = last_msg.artifact
     img_bytes_list: list[bytes] = []
+    source_path = ""
 
-    if isinstance(artifact, dict) and "image_bytes" in artifact:
+    if isinstance(artifact, dict):
-        img_bytes_list.append(artifact["image_bytes"])
+        if "image_bytes" in artifact:
+            img_bytes_list.append(artifact["image_bytes"])
+        if "images" in artifact and isinstance(artifact["images"], list):
+            for item in artifact["images"]:
+                if isinstance(item, bytes):
+                    img_bytes_list.append(item)
+                elif isinstance(item, dict) and "image_bytes" in item:
+                    img_bytes_list.append(item["image_bytes"])
+        source_path = artifact.get("file_path", "") or artifact.get("source_path", "")
     elif isinstance(artifact, list):
         for item in artifact:
             if isinstance(item, dict) and "image_bytes" in item:
@@ -305,7 +332,7 @@ def process_tool_artifact(state: AgentState) -> dict:
         )
         return {"messages": [human_msg]}
 
-    content_parts.append({"type": "text", "text": "上面是工具返回的截图。"})
+    content_parts.append({"type": "text", "text": "上面是工具返回的截图。" + (f"（来源：{source_path}）" if source_path else "")})
     if failed_count > 0:
         content_parts[-1]["text"] += f"（其中 {failed_count} 张图片处理失败，请忽略）"
 

src/agent/core/runtime.py

@@ -282,7 +282,7 @@ def execute_agent(
         runtime: Agent 运行时配置。
         chat_history: Web UI 聊天历史（dict 列表）；末条须为 user。
         session_id: 会话 ID，用于历史、文件目录、manifest 同步。
-        output_type: text | audio | both，传入图 metadata。
+        output_type: text | voice，传入图 metadata。
         agent_mode: agent（默认）| team（占位提示）。
 
     输出:
@@ -317,6 +317,10 @@ def execute_agent(
     # Plan 模式使用专用系统提示词
     system_prompt = PLAN_MODE_PROMPT if agent_mode == "plan" else runtime.system_prompt
 
+    # 语音模式下追加简洁性提示
+    if output_type == "voice":
+        system_prompt = system_prompt + "\n\n【回复风格要求】\n当前处于语音输出模式，你的文字回复必须尽可能简短精炼，一句话能说清楚绝不用两句。直接给出核心信息，省略寒暄和冗余说明。"
+
     # 当 skill_enabled 开启时，在每次用户输入后先做 skill 路由：
     # 由 SkillRouter 根据当前 query 匹配相关 skill 指南，注入到系统提示词中
     if runtime.skill_enabled:
@@ -451,9 +455,7 @@ def execute_agent(
             "turn_id": turn_id,
         }
 
-        if output_type_from_config == "audio" and assistant_meta.get("audio"):
+        if output_type_from_config == "voice" and assistant_meta.get("audio"):
-            assistant_content = []
-        elif output_type_from_config == "both" and assistant_meta.get("audio"):
             assistant_content = text_content
         else:
             assistant_content = text_content if text_content else "（空回复）"

src/agent/core/tool_config.json

@@ -1,6 +1,6 @@
 [
   {
-    "name": "web_search_class",
+    "name": "web_search",
     "display_name": "WebSearch",
     "description": "一个网络搜索工具，可以根据用户的查询返回相关的搜索结果。仅当需要查询近期知识或已有知识无法解答需要联网查询时调用，其余任何情况严禁调用。",
     "permission": "direct",
@@ -8,26 +8,18 @@
     "enabled": true
   },
   {
-    "name": "date_query_class",
+    "name": "date_query",
     "display_name": "DateQuery",
     "description": "一个日期查询工具，可以返回当前的日期信息。仅当需要查询当前时间时调用，其余任何情况严禁调用。",
     "permission": "direct",
     "auto_execute_rules": [],
     "enabled": true
   },
-  {
-    "name": "screen_capture",
-    "display_name": "ScreenCapture",
-    "description": "截取当前主屏幕画面。除了返回文字描述外，也会提供原始截图给模型进行视觉分析。注意：这个工具仅用于获取当前屏幕的实时画面，其余任何情况严禁调用。",
-    "permission": "direct",
-    "auto_execute_rules": [],
-    "enabled": true
-  },
   {
     "name": "browser_control",
     "display_name": "BrowserControl",
     "description": "统一控制浏览器：打开/关闭浏览器、刷新/关闭标签页、打开指定 URL。",
-    "permission": "direct",
+    "permission": "confirm",
     "auto_execute_rules": [
       {
         "parameter": "action",
@@ -84,7 +76,7 @@
   {
     "name": "todo_list",
     "display_name": "TodoList",
-    "description": "可选的任务管理工具。当你需要拆分复杂任务为多个步骤并跟踪进度时调用。输入 steps (list[str]) 为每一步的描述，step (int) 为已完成的步骤索引(从0开始)。任务默认状态为 pending，根据 step 自动标记完成。工具返回当前 todo list 文本。仅在需要跟踪多步骤任务进度时调用，简单任务不需要调用。",
+    "description": "任务管理工具。用于将复杂任务拆分为多个步骤并跟踪执行进度。",
     "permission": "direct",
     "auto_execute_rules": [],
     "enabled": true
@@ -92,7 +84,7 @@
   {
     "name": "gui_tool",
     "display_name": "GUITool",
-    "description": "GUI automation tool. Visually locates desktop elements from a screenshot, maps coordinates to the real screen, and executes pyautogui actions. Supported actions: click, type, drag_and_drop, scroll, ho",
+    "description": "GUI 自动化工具。通过截图视觉定位桌面元素，将坐标映射到真实屏幕，并执行 pyautogui 动作。接收一个有序的动作列表，按顺序依次执行。每个动作项支持的操作：click（点击）、type（输入文本，可通过 element_description 指定目标输入框自动聚焦）、drag_and_drop（拖拽）、scroll（滚动）、hotkey（快捷键）、hold_and_press（按住组合键",
     "permission": "direct",
     "auto_execute_rules": [],
     "enabled": true
@@ -100,7 +92,7 @@
   {
     "name": "call_subagent",
     "display_name": "CallSubAgentTool",
-    "description": "调用已启用的子 Agent 执行指定任务。子 Agent 会独立运行并返回最终结果。",
+    "description": "调用一个已启用的子 Agent 执行指定任务。子 Agent 会独立运行并返回最终结果。适用于需要专业能力（如代码分析、文档处理等）进行辅助的场景。可用的子 Agent 名称取决于 agent_config.json 中已启用且 role='sub' 的配置。",
     "permission": "direct",
     "auto_execute_rules": [],
     "enabled": true
@@ -108,15 +100,7 @@
   {
     "name": "doc_tool",
     "display_name": "DocTool",
-    "description": "文档操作工具。支持纯文本(plain_text)、表格(tabular: CSV/XLSX)、Word(docx)、PDF 文档的增删改查。",
+    "description": "文档操作工具。支持纯文本(plain_text)、表格(tabular: CSV/XLSX)、Word(docx)、PowerPoint(pptx)、PDF 文档的增删改查，以及图片(image)、音频(audio)的读取。",
-    "permission": "direct",
-    "auto_execute_rules": [],
-    "enabled": true
-  },
-  {
-    "name": "gui_tool(test)",
-    "display_name": "GUIToolTest",
-    "description": "GUI 自动化工具（测试版）。通过截图视觉定位桌面元素，将坐标映射到真实屏幕，并执行 pyautogui 动作。接收一个有序的动作列表，按顺序依次执行。每个动作项支持的操作：click（点击）、type（输入文本，可通过 element_description 指定目标输入框自动聚焦）、drag_and_drop（拖拽）、scroll（滚动）、hotkey（快捷键）、hold_and_press（",
     "permission": "direct",
     "auto_execute_rules": [],
     "enabled": true
@@ -138,7 +122,7 @@
   {
     "name": "send_file",
     "display_name": "SendFileTool",
-    "description": "向用户发送文件的工具。根据文件类型自动处理：图片前端直接展示，音频前端播放+ASR转文字，压缩包和各类文件供用户下载（超过大小限制时提示发送到邮箱）。",
+    "description": "向用户发送文件的工具。根据文件类型自动处理：",
     "permission": "direct",
     "auto_execute_rules": [],
     "enabled": true
@@ -146,9 +130,23 @@
   {
     "name": "terminal_execute",
     "display_name": "TerminalExecute",
-    "description": "终端命令执行工具。在本地终端（PowerShell）中执行 shell 命令并返回执行结果。支持执行 Python 脚本、安装依赖、运行程序、文件操作等任意终端命令。",
+    "description": "终端命令执行工具。在本地终端（PowerShell）中执行 shell 命令并返回执行结果。",
     "permission": "direct",
     "auto_execute_rules": [],
     "enabled": true
+  },
+  {
+    "name": "mail_tool",
+    "display_name": "MailTool",
+    "description": "QQ email tool. Supports sending and reading email without GUI.",
+    "permission": "direct",
+    "auto_execute_rules": [
+      {
+        "parameter": "action",
+        "operator": "equals",
+        "value": "read"
+      }
+    ],
+    "enabled": true
   }
 ]

src/agent/history/multi_inputs/20260708_155304/ui_messages.json

@@ -1,4 +0,0 @@
-{
-  "version": 3,
-  "messages": []
-}

src/agent/history/multi_inputs/20260708_160449/ui_messages.json

@@ -1,4 +0,0 @@
-{
-  "version": 3,
-  "messages": []
-}

src/agent/history/tool_call_recorder.py

@@ -127,6 +127,13 @@ def _artifact_image_data_urls(artifact: Any | None) -> list[str]:
             return
         if isinstance(item.get("image_bytes"), bytes):
             image_bytes_list.append(item["image_bytes"])
+        # 支持 doc_tool 的 "images" 键（多图片列表）
+        if isinstance(item.get("images"), list):
+            for img in item["images"]:
+                if isinstance(img, bytes):
+                    image_bytes_list.append(img)
+                elif isinstance(img, dict) and isinstance(img.get("image_bytes"), bytes):
+                    image_bytes_list.append(img["image_bytes"])
         for key in ("image_url", "url", "data_url"):
             value = item.get(key)
             if isinstance(value, str) and (value.startswith("data:image/") or value.startswith("http")):
@@ -342,6 +349,16 @@ def _save_artifact_files(artifact: Any, base_name: str) -> tuple[list[str], dict
             fname = f"_artifact_{base_name}_0.png"
             files.append(fname)
             bytes_map[fname] = artifact["image_bytes"]
+        if "images" in artifact and isinstance(artifact["images"], list):
+            for i, img in enumerate(artifact["images"]):
+                if isinstance(img, bytes):
+                    fname = f"_artifact_{base_name}_{i}.png"
+                    files.append(fname)
+                    bytes_map[fname] = img
+                elif isinstance(img, dict) and "image_bytes" in img:
+                    fname = f"_artifact_{base_name}_{i}.png"
+                    files.append(fname)
+                    bytes_map[fname] = img["image_bytes"]
         if artifact.get("file_type") == "file" and "file_bytes" in artifact:
             file_name = artifact.get("file_name", "file")
             ext = _os.path.splitext(file_name)[1] or ".bin"

src/agent/memory/system_prompt.py

@@ -14,12 +14,13 @@ _BASE_PROMPT = """你是一个具备多模态理解能力的桌面操作助手
 
 
 _WS_TAIL = """\n\n【工作空间配置】
-- 工作目录 (WORKING_DIR): {working_dir}
+- 项目根目录 (PROJECT_DIR): {working_dir}
 - 工作空间 (WORKSPACE_DIR): {workspace_dir}
+- Skills 目录 (SKILLS_DIR): {skills_dir}
 - 你产生的代码、脚本、图片、文档等文件，默认保存到工作空间目录下。
 - 使用 terminal_execute 工具时，如果不指定 working_dir，默认在此工作空间执行命令。
-- 使用 doc_tool 创建/修改文件时，文件路径请使用工作空间的绝对路径。"""
+- 使用 doc_tool 创建/修改文件时，文件路径请使用工作空间的绝对路径。
-
+"""
 
 def get_main_system_prompt() -> str:
     """动态构建主系统提示词（含工作空间路径）。
@@ -32,9 +33,12 @@ def get_main_system_prompt() -> str:
     """
     try:
         from agent.utils.env_utils import WORKING_DIR, get_workspace_dir
+        from pathlib import Path
+        skills_dir = str(Path(__file__).resolve().parents[1] / "skills")
         ws_info = _WS_TAIL.format(
             working_dir=WORKING_DIR,
             workspace_dir=get_workspace_dir(),
+            skills_dir=skills_dir,
         )
     except Exception:
         ws_info = ""
@@ -143,12 +147,12 @@ PLAN_FIRST_CALL_PROMPT = """
 """.strip()
 
 REFLECTION_PROMPT = """
-【请先在你的回复中尽可能简短地输出你的反思，然后再调用工具或给出最终回复】
+【重要：如果你判断不需要调用任何工具，请直接回复用户，不要输出任何反思内容！】
-你需要先用尽可能简短的一句话在文字中思考上一步做了什么？下一步该做什么？然后进行相应的工具调用。格式如下：
+只有在需要调用工具时，才先进行简短反思（一句话即可），然后调用工具。格式如下：
-1. 先分析上一轮执行结果：上一个调用了什么工具？结果是成功还是失败？
+1. 如果不需要调用工具（任务已完成或无需工具即可回答），直接给出最终回复，不要输出反思。
-2. 如果上一轮是 GUI 操作（点击、输入等）但未命中目标或未达预期效果，请根据最新的截图重新估算目标位置，调整坐标或参数后重试。
+2. 如果需要调用工具：先用一句话思考上一步结果和下一步计划，然后调用工具。
-3. 如果上一轮操作成功，说明你根据分析结果进行下一步操作。
+3. 如果上一轮是 GUI 操作（点击、输入等）但未命中目标或未达预期效果，请根据最新的截图重新估算目标位置，调整坐标或参数后重试。
-4. 然后调用对应的工具执行下一步，或如果任务已完成则直接回复用户(注意只需要回复用户最终结果即可)。
+4. 如果上一轮操作成功，根据分析结果进行下一步操作。
 
 【gui_tool 批量调用规则 - 务必遵守】
 如果你计划在同一页面/界面执行多个连续的 GUI 操作（例如：依次点击多个按钮、填写多个表单字段、连续输入多项内容），必须将所有这些操作合并为一次 gui_tool 调用，在 actions 列表中一次性传入所有动作。严禁将同一页面的连续操作拆分多次 gui_tool 调用——这样会导致严重的延迟。仅当需要等页面跳转/加载后才能确定后续操作时，才分步调用。

src/agent/skills/ppt_maker/attachments/01-workflow-overview.md

@@ -0,0 +1,123 @@
+# 01 — 总调度：SVG 幻灯片生成工作流总览
+
+> **角色**：主调度器（Master Orchestrator）
+> **读取时机**：任何幻灯片生成任务启动时，**最先读取此文件**
+> **职责**：定义完整的 4 步串行流水线、全局执行纪律、入口路由规则
+
+---
+
+## 核心流水线
+
+```
+源内容 → Strategist 设计规划 ⛔ → Executor 逐页生成 SVG → 质检 → 交付 SVG 文件
+```
+
+4 个步骤**严格串行**，每步的输出是下一步的输入。
+
+**本 Skill 的终点是生成 SVG 文件**。SVG → PPTX 转换通过独立脚本 `10-svg-to-pptx.md` 完成，仅在用户明确要求 PPT 格式时运行。
+
+---
+
+## 全局执行纪律
+
+| # | 规则 | 说明 |
+|---|------|------|
+| 1 | **串行执行** | 步骤必须按顺序，不可跳跃 |
+| 2 | **BLOCKING = 硬停止** | 标记为 ⛔ BLOCKING 的步骤必须等待用户显式确认 |
+| 3 | **禁止跨阶段捆绑** | Strategist 确认阶段是唯一 BLOCKING 点，确认后后续步骤自动顺序执行 |
+| 4 | **入口前验证 (GATE)** | 每步进入前验证前置条件 |
+| 5 | **禁止推测执行** | 不要"提前准备"后续步骤内容 |
+| 6 | **禁止子代理生成 SVG** | SVG 必须由当前主 Agent 端到端完成 |
+| 7 | **仅支持顺序页面生成** | SVG 页面必须逐页生成，禁止批处理 |
+| 8 | **每页重读 spec_lock** | 生成每个 SVG 前必须重新读取锁定设计规范 |
+| 9 | **SVG 必须手写** | 禁止脚本批量生成 |
+| 10 | **遵循确定性路由** | 不要额外添加阻塞性路由问题 |
+
+---
+
+## 五步详解
+
+### Step 1 — 源内容处理
+
+- 有源文件或用户提供的文本内容 → 理解并整理为结构化内容大纲
+- 仅有主题、无详细材料 → 基于主题研究，整理为 Markdown 大纲
+
+**GATE**：存在可用的文本内容源
+
+### Step 2 — Strategist 策略师阶段 ⛔ BLOCKING
+
+> **进入前必须先读取 `02-strategist.md`**
+
+三阶段交互确认：
+
+| 阶段 | 确认内容 | 输出 |
+|------|----------|------|
+| Stage 1 — 方向锚定 | 画布格式、受众/场合/核心信息/交付目的、模式+视觉风格 | 方向确认 |
+| Stage 2 — 设计系统 | 页数、配色方案、图标策略、字体方案 | 设计确认 |
+| Stage 3 — 图片/内容 | 用户提供的图片清单（哪些页需要图片、图片尺寸与用途） | 图片清单 |
+
+最终输出：`design_spec.md`（人工可读）+ `spec_lock.md`（机器可读执行合约）
+
+**⛔ 必须等待用户在每个阶段确认后才进入下一阶段。**
+
+### Step 3 — Executor 执行师阶段
+
+> **进入前必须先读取 `05-executor.md` + `06-svg-standards.md` + `08-layout-patterns.md`**
+> **如有用户图片，还需读取 `07-image-embedding.md`**
+
+核心流程：
+1. 逐页生成 SVG（**每页前重读 `spec_lock.md`**）
+2. 按 `page_rhythm`（anchor / dense / breathing）控制节奏
+3. 将用户提供的图片以 Base64 嵌入对应页面
+4. 生成演讲备注
+5. 运行 SVG 质量检查
+
+**硬约束**：禁止子代理生成 SVG；必须逐页顺序；每页重读 spec_lock。
+
+### Step 4 — 质检与交付 SVG
+
+> **进入前必须先读取 `09-quality-and-export.md`**
+
+1. 逐页 SVG 质量检查（对照 `spec_lock.md` 一致性验证）
+2. 视觉自检（软规则）
+3. 使用 `doc_tool create` 将每页 SVG 写入文件：
+   - 格式：`doc_tool create <文件名>.svg content="<svg viewBox=\"0 0 1280 720\" xmlns=\"...\">...</svg>"`
+   - 每页一个独立 SVG 文件
+4. 生成演讲备注（如有需要）
+
+**doc_tool 在本 Skill 中仅用于写入 SVG 文件，不生成 PPTX。**
+
+---
+
+## SVG → PPTX 转换（可选，独立步骤）
+
+> 仅在用户**明确表示**"不要 SVG，要 PPTX 格式"或"导出为 PPT"时触发。
+> 进入前必须先读取 `10-svg-to-pptx.md`
+
+独立脚本：将已生成的 SVG 文件批量转换为原生 PPTX。
+
+---
+
+## 入口路由
+
+根据用户意图选择执行路径：
+
+| 用户意图 | 执行路径 |
+|----------|----------|
+| 从零生成幻灯片 | 完整 4 步流水线 → 交付 SVG |
+| 只有主题无材料 | Step 1 走主题研究 → 完整后续 |
+| 仅生成设计规范 | Step 1-2，止于 design_spec |
+| 从 spec 继续生成 | 跳过 Step 1-2，直接 Step 3-4 |
+| 已有 SVG 要导出 PPTX | 读取 `10-svg-to-pptx.md`，运行转换脚本 |
+
+---
+
+## 角色切换协议
+
+| 切换到 | 必须先读取 |
+|--------|-----------|
+| Strategist | `02-strategist.md` |
+| Executor | `05-executor.md` + `06-svg-standards.md` |
+| 图片嵌入参考 | `07-image-embedding.md` |
+| 质检与 SVG 交付 | `09-quality-and-export.md` |
+| SVG→PPTX 转换 | `10-svg-to-pptx.md` |

src/agent/skills/ppt_maker/attachments/02-strategist.md

@@ -0,0 +1,177 @@
+# 02 — Strategist（策略师）：设计规划与三阶段确认
+
+> **角色**：策略师 — 内容分析、设计规划、用户确认
+> **读取时机**：Step 4 进入策略阶段前
+> **产出**：`design_spec.md` + `spec_lock.md`
+
+---
+
+## 核心使命
+
+接收源内容 → 分析 → 规划 → 三阶段交互确认 → 输出设计规范与内容大纲。
+
+---
+
+## 三阶段确认流程
+
+### Stage 1 — 方向锚定
+
+#### a) 画布格式
+
+| ID | 格式 | viewBox | 宽高比 | 适用场景 |
+|----|------|---------|--------|----------|
+| `ppt169` | PPT 16:9 | `0 0 1280 720` | 16:9 | **默认**，演示/会议 |
+| `ppt43` | PPT 4:3 | `0 0 1024 768` | 4:3 | 传统投影 |
+| `story` | 竖屏 Story | `0 0 1080 1920` | 9:16 | 抖音/TikTok |
+| `banner` | 横幅 | `0 0 1920 1080` | 16:9 | 公众号头图 |
+
+#### b) 关键信息
+
+向用户确认：
+- **受众**：高管 / 技术团队 / 客户 / 学生 / 公众
+- **场合**：正式汇报 / 路演 / 培训 / 发布会 / 内部会议
+- **核心信息**：一句话总结 PPT 要传递的核心观点
+- **交付目的**：`text`（阅读型，正文20px）/ `balanced`（商务型，默认24px）/ `presentation`（演讲型32px）
+- **内容发散度**：`focused`（1个主题） / `moderate`（2-3个子主题） / `broad`（多主题概览）
+
+#### c) 模式（Mode）
+
+> **详细定义见 `03-modes-and-styles.md`**
+
+5 种沟通模式：
+- `pyramid` — 结论先行，MECE 论证（决策/分析/策略）
+- `narrative` — 故事弧线：情境→张力→解决（路演/案例/品牌）
+- `instructional` — 概念分解，逐步递进（培训/教程）
+- `showcase` — 视觉主导，情感节奏（发布会/品牌揭示）
+- `briefing` — 中立完整可扫描（状态更新/参考/目录）
+
+#### d) 视觉风格（Visual Style）
+
+> **详细定义见 `03-modes-and-styles.md`**
+
+17 种视觉风格供选择，分类为：
+
+| 类目 | 风格 |
+|------|------|
+| 企业/产品 | `swiss-minimal` `soft-rounded` `glassmorphism` `dark-tech` `blueprint` |
+| 编辑/出版 | `editorial` `photo-editorial` `data-journalism` `brutalist` |
+| 表现力/印刷 | `memphis` `zine` `vintage-poster` `paper-cut` |
+| 手绘/画笔 | `sketch-notes` `ink-notes` `chalkboard` `ink-wash` |
+| 特殊 | `pixel-art` |
+
+---
+
+### Stage 2 — 设计系统
+
+#### e) 页数
+
+根据内容量 + 交付目的给出建议页数范围，由用户确认。
+- 阅读型 / 商务型参考每页信息密度
+- 不超过 2 页连续的 dense 类型
+
+#### f) 配色方案
+
+> **详细规范见 `04-design-system.md`**
+
+提供 **3 个候选方案**，每个包含：
+- 背景色 / 主色 / 辅色 / 强调色 / 文字色 / 弱化色
+- 适用场景一句话
+- 候选方案必须差异化（如：科技蓝 vs 温暖橙 vs 沉静墨绿）
+
+**60-30-10 原则**：主色占视觉面积 60%，辅色 30%，强调色 10%。
+
+#### g) 图标策略
+
+三选一：Emoji / AI 生成 / 内置图标库
+推荐策略：内容页用图标库 + 装饰页按需 AI 生成
+
+#### h) 字体方案
+
+字体配对示例：
+
+| 场景 | 标题字体 | 正文字体 |
+|------|---------|---------|
+| 中文商务 | 微软雅黑 Bold | 微软雅黑 |
+| 中文正式 | 思源黑体 Bold | 宋体 |
+| 英文现代 | Calibri Bold | Calibri |
+| 中英混排 | 微软雅黑 Bold | Arial |
+
+**字号层级（基于 1280x720）**：
+- Title: 42-48px | Subtitle: 24-28px | Body: 16-18px | Annotation: 12-14px
+- 整份 PPT 中同一角色字号锁定不变
+
+---
+
+### Stage 3 — 图片/内容确认
+
+#### h) 图片使用（用户提供）
+
+图片全部由用户提供。在此阶段需要确认：
+
+- **哪些页面需要图片**：逐页确认（封面、内容页等）
+- **每张图片的用途**：背景 / 插图 / 图表 / Logo / 头像
+- **图片尺寸建议**：根据页面布局给出推荐尺寸（如封面背景 1280×720、卡片配图 540×300 等）
+- **图片格式**：jpg / png / webp（推荐 png 以保证透明通道可用）
+
+#### 无图片时的处理
+
+若用户无需图片，则全部采用纯文字排版 + 装饰图形（色块、线条、图标）。
+
+---
+
+## 输出规范
+
+### design_spec.md（人工可读）
+
+必须包含 11 个章节：
+1. 项目信息
+2. 画布格式
+3. 关键信息（受众/场合/核心信息/交付目的）
+4. 页数与页码分配
+5. 模式与视觉风格
+6. 配色方案（HEX 色板）
+7. 字体方案
+8. 图标策略
+9. 图片资源清单
+10. 内容大纲（每页：页面类型 + 标题 + 核心消息 + 关键要点）
+11. 技术约束
+
+### spec_lock.md（机器可读）
+
+精简的 YAML 格式锁定数据，Contains only machine-consumable values：
+
+```yaml
+canvas: ppt169
+palette:
+  bg: '#FAFBFC'
+  primary: '#1A73E8'
+  accent: '#EA4335'
+  text: '#1F2937'
+  muted: '#6B7280'
+typography:
+  title_size: 42
+  subtitle_size: 24
+  body_size: 16
+  annotation_size: 12
+  font_family: 'Microsoft YaHei, sans-serif'
+mode: pyramid
+visual_style: swiss-minimal
+page_rhythm:
+  - { page: 1, rhythm: anchor }
+  - { page: 2, rhythm: dense }
+  ...
+pages:
+  - { index: 1, title: '封面', core_message: '...', rhythm: anchor }
+  - { index: 2, title: '背景', core_message: '...', rhythm: dense }
+  ...
+```
+
+---
+
+## 确认 UI 规则
+
+1. **每阶段一次呈现**：将该阶段所有待确认项打包为一个结构化选项清单
+2. **必须提供候选**：配色 ≥ 3 个候选、字体 ≥ 3 个候选
+3. **默认推荐**：每个选项标注推荐值（`(Recommended)`），基于受众和场合智能推荐
+4. **允许用户覆盖**：每个选项都可以被用户自定义值覆盖
+5. **禁止跳过**：每个项都必须显式确认或接受默认值

src/agent/skills/ppt_maker/attachments/03-modes-and-styles.md

@@ -0,0 +1,141 @@
+# 03 — 模式与视觉风格索引
+
+> **角色**：设计参考速查 — 提供 5 种沟通模式 + 17 种视觉风格的快速决策表
+> **读取时机**：Strategist 阶段需要锁定 mode / visual_style 时
+> **关系**：mode = 如何论证（叙事骨架）；visual_style = 长什么样（视觉外观）。二者相互独立，同时锁定。
+
+---
+
+## 一、沟通模式（Mode）
+
+模式定义 PPT 的**叙事 + 说服骨架**——论点如何被组织和推进。
+
+### 1. `pyramid` — 金字塔模式
+
+**结论先行论证**。先给答案，再用互斥且穷尽 (MECE) 的证据支撑。
+
+| 特征 | 说明 |
+|------|------|
+| 开场 | SCQA 结构（情境→冲突→问题→答案） |
+| 标题风格 | 断言式（每页标题即核心结论） |
+| 数据规则 | 数据永不孤立，每个图表必须带比较维度 |
+| 页面结构 | 严格逻辑层级，逐层展开 |
+| 适用 | 决策支持、分析报告、策略、董事会/高管汇报 |
+
+### 2. `narrative` — 叙事模式
+
+**故事弧线说服**。情境→冲突→解决，用悬念、转折和人性化框架让观点在逻辑之前先触动情感。
+
+| 特征 | 说明 |
+|------|------|
+| 弧线结构 | 至少一个转折；标题读起来像推进弧线的节拍 |
+| 情感策略 | 人性化框架、案例聚焦、代入感 |
+| 视觉配合 | 图胜于表，情绪图像优先于数据图表 |
+| 适用 | 路演、案例研究、品牌叙事、融资 |
+
+### 3. `instructional` — 教学模式
+
+**教学引导式阐述**。将概念分解为有序、可消化的部分，逐步建立理解。
+
+| 特征 | 说明 |
+|------|------|
+| 组织逻辑 | 每页一个概念、先展示后讲述 |
+| 路标系统 | 设置进度路标（如 "第3/7步"） |
+| 语言风格 | 解释性、引导性，避免专业黑话 |
+| 重复强化 | 关键概念跨页重复强调 |
+| 适用 | 培训、教程、知识分享 |
+
+### 4. `showcase` — 展示模式
+
+**视觉主导冲击**。让图像、比例和节奏承载信息——最小化文案、最大化存在感。
+
+| 特征 | 说明 |
+|------|------|
+| 视觉策略 | 每页一个主导视觉元素 |
+| 情绪结构 | 按情感节奏推进（预告→揭示→高潮→回味） |
+| 文案策略 | 极少文字，每页不超过 30 字 |
+| 转场节奏 | 快节奏，每页停留不超过 30 秒 |
+| 适用 | 发布会、品牌揭示、活动/推广 |
+
+### 5. `briefing` — 简报模式
+
+**中立信息传递**。平实、完整地列出事实，按可扫描和查找的方式组织——无论点、无故事、无课程。
+
+| 特征 | 说明 |
+|------|------|
+| 标题风格 | 主题标签而非断言 |
+| core_message | 描述覆盖范围而非主张 |
+| 组织原则 | 按主题/时间/部门分类，便于按需查阅 |
+| 适用 | 状态更新、参考资料、目录、会议材料 |
+
+### 模式自动选择参考
+
+| 场景信号 | 推荐模式 |
+|----------|----------|
+| 需要决策 > 数据分析 > 数据含对比 | `pyramid` |
+| 有故事/案例 > 需情感共鸣 > 品牌/融资 | `narrative` |
+| 教学目标 > 步骤清晰 > 知识传递 | `instructional` |
+| 视觉 > 文字 > 冲击力优先 | `showcase` |
+| 信息罗列 > 无论点 > 后续查阅 | `briefing` |
+
+---
+
+## 二、视觉风格（Visual Style）
+
+视觉风格定义 PPT 的**美学外观**——形状语言、装饰密度、留白节奏、字体个性、纹理/层级。整份 PPT 只锁定一种风格。
+
+### 风格速查表
+
+#### 企业 / 产品类
+
+| 风格 | 关键词 | 适合场景 | 插画倾向 |
+|------|--------|----------|----------|
+| `swiss-minimal` | 瑞士网格、极简、大量留白、零装饰 | 科技、咨询、金融 | sparse |
+| `soft-rounded` | 圆角卡片 `rx:12-16`、柔和阴影、友好 | SaaS、产品、培训 | supportive |
+| `glassmorphism` | 毛玻璃、半透明层叠、渐变光流、暗底 | 科技/设计感发布 | sparse |
+| `dark-tech` | 暗色画布、发光强调、几何精密 | AI/科技产品发布 | sparse |
+| `blueprint` | 工程绘图纸、等轴测、数据标注语言 | 架构讲解、技术简报 | supportive |
+
+#### 编辑 / 出版类
+
+| 风格 | 关键词 | 适合场景 | 插画倾向 |
+|------|--------|----------|----------|
+| `editorial` | 杂志层级、栏位、衬线/无衬线交替 | 行业报告、白皮书 | supportive |
+| `photo-editorial` | 大图主导、满版摄影 | 品牌画册、摄影集 | sparse |
+| `data-journalism` | 多媒体信息图、行内微图表 | 数据报告、新闻 | sparse |
+| `brutalist` | 小字号满版、粗框线、原始结构 | 独立出版物 | supportive |
+
+#### 表现力 / 印刷类
+
+| 风格 | 关键词 | 适合场景 | 插画倾向 |
+|------|--------|----------|----------|
+| `memphis` | 碰撞色块、几何碎屑、粗黑描边、80s | 创意/音乐/潮流 | core |
+| `zine` | Riso印刷、颜色层错位、网点纹理 | 独立杂志/艺术 | core |
+| `vintage-poster` | 中世纪印刷、平涂色块、网点/纸纹 | 文化活动/复古 | core |
+| `paper-cut` | 剪纸层次、剪刀裁剪形状、层叠投影 | 传统文化/手工艺 | core |
+
+#### 手绘 / 画笔类
+
+| 风格 | 关键词 | 适合场景 | 插画倾向 |
+|------|--------|----------|----------|
+| `sketch-notes` | 暖纸底、黑色墨线涂鸦、柔和色块 | 培训/笔记/复盘 | core |
+| `ink-notes` | 白板墨水极简、黑白为主、少量语义色 | 白板/头脑风暴 | supportive |
+| `chalkboard` | 深色石板、粉笔线条、粉彩点缀 | 教学/怀旧 | core |
+| `ink-wash` | 宣纸底、文人留白、单色印章、水墨 | 文化/艺术/中式 | supportive |
+
+#### 特殊
+
+| 风格 | 关键词 | 适合场景 | 插画倾向 |
+|------|--------|----------|----------|
+| `pixel-art` | 8-bit 复古、严格像素网格、有限调色板 | 游戏/怀旧/趣味 | core |
+
+### 风格自动选择参考
+
+| 场景信号 | 推荐风格 |
+|----------|----------|
+| 科技 > 数据 > 分析 | `swiss-minimal` 或 `dark-tech` |
+| 产品 > 用户 > 易用性 | `soft-rounded` |
+| 文化 > 艺术 > 手工 | `zine` 或 `memphis` 或 `ink-wash` |
+| 教育 > 培训 > 亲和力 | `sketch-notes` |
+| 建筑 > 工程 > 精确 | `blueprint` 或 `editorial` |
+| 金融 > 正式 > 信任 | `swiss-minimal` 或 `editorial` |

src/agent/skills/ppt_maker/attachments/04-design-system.md

@@ -0,0 +1,131 @@
+# 04 — 设计系统：配色 / 字体 / 画布 / 图标规范
+
+> **角色**：设计参考手册 — 规范所有视觉参数的取值空间与决策依据
+> **读取时机**：Strategist 阶段 Stage 2 定调设计时，Executor 阶段生成 SVG 前
+
+---
+
+## 一、配色方案
+
+### 60-30-10 规则
+
+| 角色 | 占比 | 用途 |
+|------|------|------|
+| 主色 (Primary) | 60% | 背景大面积区域、卡片填充 |
+| 辅色 (Secondary) | 30% | 标题栏、装饰元素、图标底色 |
+| 强调色 (Accent) | 10% | 关键数据、CTA、高亮文本 |
+
+### 色板结构
+
+每套配色需提供 6 个色值：
+
+| 色值 | 角色 | 说明 |
+|------|------|------|
+| `bg` | 背景色 | 页面底色，浅色方案建议 #FFFFFF ~ #F5F7FA |
+| `primary` | 主色 | 标题栏、主按钮、强调区域 |
+| `secondary` | 辅色 | 次要区域、图表副系列 |
+| `accent` | 强调色 | 高亮标记、关键数字、CTA |
+| `text` | 正文色 | 深色背景用浅色文字，浅色背景用深色文字 |
+| `muted` | 弱化色 | 副文本、脚注、辅助线 |
+
+### 行业色参考（仅作启发，非硬性绑定）
+
+| 行业 | 倾向色调 |
+|------|----------|
+| 科技/AI | 蓝 #1A73E8、深蓝 #0D47A1、青 #00BCD4 |
+| 金融/商务 | 深蓝 #1B3A5C、金 #C8A951、深灰 |
+| 医疗/健康 | 绿 #2E7D32、蓝绿 #009688、白 |
+| 教育/培训 | 橙 #F57C00、蓝 #1976D2、黄 |
+| 环保/能源 | 绿 #4CAF50、大地色 |
+| 政府/政务 | 红 #C62828、深蓝、金 |
+
+### 候选方案要求
+
+提供 ≥ 3 个候选方案，必须差异化：
+- 至少跨越 2 个不同色相（如：冷蓝 vs 暖橙 vs 中性灰绿）
+- 每个候选附带一句话适用场景描述
+
+### 中性色层级
+
+| 层级 | 日间模式 | 用途 |
+|------|----------|------|
+| 背景 | `#FFFFFF` ~ `#FAFBFC` | 页面背景 |
+| 表面 | `#F3F4F6` ~ `#E5E7EB` | 卡片、面板 |
+| 分割线 | `#D1D5DB` | 分隔线 |
+| 禁用文本 | `#9CA3AF` | 占位符 |
+| 弱化文本 | `#6B7280` | 副文本 |
+| 正文 | `#1F2937` | 正文 |
+| 加粗 | `#111827` | 标题 |
+
+---
+
+## 二、字体方案
+
+### 系统预装字体（无需嵌入）
+
+| 分类 | 中文字体 | 英文字体 |
+|------|----------|----------|
+| 黑体/无衬线 | 微软雅黑、黑体 | Arial、Calibri、Segoe UI |
+| 宋体/衬线 | 宋体、仿宋 | Times New Roman、Georgia |
+| 等宽 | 微软雅黑 | Consolas、Courier New |
+
+### 推荐字体配对
+
+| 场景 | 标题 | 正文 | 数据/代码 |
+|------|------|------|-----------|
+| 中文商务 | 微软雅黑 Bold | 微软雅黑 | Consolas |
+| 中文正式 | 黑体 | 宋体 | — |
+| 英文现代 | Calibri Bold | Calibri | Consolas |
+| 中英混排 | 微软雅黑 Bold | Arial/Calibri | Consolas |
+| 科技/极简 | Segoe UI Bold | Segoe UI | Consolas |
+
+### 字号层级（16:9 / 1280x720 基准）
+
+| 角色 | 字号 | 说明 |
+|------|------|------|
+| **Hero Title** | 56-64px | 封面专用超大标题 |
+| **Title** | 42-48px | 封面/章节标题 |
+| **Section Title** | 32-36px | 内容页标题 |
+| **Subtitle** | 24-28px | 副标题 |
+| **Body** | 16-18px | 正文 |
+| **Caption** | 14px | 图表标注 |
+| **Annotation** | 12px | 脚注/来源 |
+
+**硬规则**：整份 PPT 中同一角色的字号锁定不变。
+
+---
+
+## 三、画布格式
+
+| ID | viewBox | 宽高比 | 用途 |
+|----|---------|--------|------|
+| `ppt169` | `0 0 1280 720` | 16:9 | **默认** — 演示/会议 |
+| `ppt43` | `0 0 1024 768` | 4:3 | 传统投影 |
+
+**硬规则**：viewBox 是唯一尺寸来源，SVG 上不写 `width`/`height` 属性。
+
+---
+
+## 四、图标策略
+
+### 三选一
+
+| 选项 | 优点 | 缺点 | 建议 |
+|------|------|------|------|
+| **Emoji** | 零成本、跨平台一致 | 风格局限、无法自定义 | 小项目/快速原型 |
+| **AI 生成** | 完全定制 | 质量不稳定、需反复调整 | 核心装饰元素 |
+| **内置图标库** | 质量稳定、SVG 原生 | 选择有限 | 内容页常规图标 |
+
+**推荐组合**：内容页用内置图标库，关键装饰页按需 AI 生成。
+
+---
+
+## 五、页面节奏（Page Rhythm）
+
+| 标签 | 策略 | 单页信息量 |
+|------|------|-----------|
+| `anchor` | 封面/章节/目录/结尾 — 高冲击力、标题主导、大量留白 | ≤ 30 字 |
+| `dense` | 数据/分析页 — 卡片网格、图表、KPI、多栏 | ≤ 80 字 |
+| `breathing` | 过渡/强调页 — 单句金句、关键结论，不堆砌内容 | ≤ 20 字 |
+
+**原则**：不要连续两页 dense，用 breathing 做节奏换气。

src/agent/skills/ppt_maker/attachments/05-executor.md

@@ -0,0 +1,176 @@
+# 05 — Executor（执行师）：SVG 页面生成规范
+
+> **角色**：执行师 — 将 design_spec + spec_lock 转化为逐页 SVG
+> **读取时机**：Step 3 (Executor) 进入执行阶段前
+> **前置依赖**：`06-svg-standards.md`（SVG 技术约束）、`08-layout-patterns.md`（布局模式）、`07-image-embedding.md`（图片嵌入，有图片时）
+
+---
+
+## 核心使命
+
+读取 `spec_lock.md` → 逐页手写 SVG → 质量检查 → 生成演讲备注
+
+---
+
+## 生成前强制步骤
+
+### 1. 批量预读
+
+在生成第一页前，一次性加载：
+- `spec_lock.md` — 设计合约
+- `design_spec.md` — 设计叙事（了解完整上下文）
+- 如果使用模板：全部模板 SVG 文件
+
+### 2. 每页生成前
+
+**每页生成前必须重新读取 `spec_lock.md`**。禁止在锁之外取值（颜色、图标、字体、字号、图片路径）。
+
+---
+
+## 每页布局节奏
+
+从 `spec_lock.md` 获取 `page_rhythm` 字段：
+
+| rhythm | 策略 | 每页文字量 |
+|--------|------|-----------|
+| `anchor` | 封面/章节页 — 标题主导、高冲击力、大量留白 | ≤ 30 字 |
+| `dense` | 内容页 — 卡片网格、图表、KPI、多栏 | ≤ 80 字 |
+| `breathing` | 过渡页 — 单句金句、关键结论 | ≤ 20 字 |
+
+**强制规则**：不连续两页 dense。
+
+---
+
+## 封面设计 `anchor`
+
+- **Cover impact**：一句抓人的主标题 + 一句补充副标题
+- **视觉层次**：主标题 >> 副标题 >> 作者/日期
+- **常用布局**：
+  - 大标题居中偏上 + 底部装饰色块/图形
+  - 左对齐大标题 + 右侧装饰图像
+  - 全幅背景 + 居中标题
+
+```xml
+<svg viewBox="0 0 1280 720" xmlns="http://www.w3.org/2000/svg">
+  <rect width="1280" height="720" fill="#FAFBFC"/>
+  <rect x="0" y="580" width="1280" height="140" fill="#1A73E8"/>
+  <text x="80" y="280" font-size="48" font-family="Microsoft YaHei" font-weight="bold" fill="#1F2937">
+    主标题最多两行
+  </text>
+  <text x="80" y="340" font-size="24" font-family="Microsoft YaHei" fill="#6B7280">
+    副标题补充说明
+  </text>
+  <text x="80" y="650" font-size="16" font-family="Microsoft YaHei" fill="#FFFFFF">
+    作者 / 日期
+  </text>
+</svg>
+```
+
+---
+
+## 内容页 `dense`
+
+- **一行一个核心消息**：每页提炼一个 <15 字的标题
+- **内容组织**：优先用卡片网格（2×2 或 3×2），其次用编号列表
+- **文字量控制**：每页正文不超过 80 字
+- **文本高亮**：关键数值、对比结论、核心名词用加粗或强调色
+
+### 双卡片模板
+
+```xml
+<svg viewBox="0 0 1280 720" xmlns="http://www.w3.org/2000/svg">
+  <rect width="1280" height="720" fill="#FAFBFC"/>
+  <text x="80" y="80" font-size="32" font-family="Microsoft YaHei" font-weight="bold" fill="#1F2937">
+    页面主标题
+  </text>
+  <rect x="80" y="140" width="540" height="400" rx="12" fill="#FFFFFF" filter="url(#cardShadow)"/>
+  <text x="120" y="200" font-size="20" font-family="Microsoft YaHei" font-weight="bold" fill="#1A73E8">
+    卡片一标题
+  </text>
+  <text x="120" y="240" font-size="16" font-family="Microsoft YaHei" fill="#1F2937">
+    卡片一要点
+  </text>
+  <rect x="660" y="140" width="540" height="400" rx="12" fill="#FFFFFF" filter="url(#cardShadow)"/>
+  <text x="700" y="200" font-size="20" font-family="Microsoft YaHei" font-weight="bold" fill="#1A73E8">
+    卡片二标题
+  </text>
+  <text x="700" y="240" font-size="16" font-family="Microsoft YaHei" fill="#1F2937">
+    卡片二要点
+  </text>
+  <defs>
+    <filter id="cardShadow">
+      <feDropShadow dx="0" dy="2" stdDeviation="3" flood-opacity="0.08"/>
+    </filter>
+  </defs>
+</svg>
+```
+
+---
+
+## 过渡页 `breathing`
+
+- 单句金句或关键结论
+- 极少元素，大量留白
+- 可配一个装饰图形或图标
+
+---
+
+## 结构规范
+
+### 语义分组（强制）
+
+每页 3-8 个顶层 `<g id="...">` 分组：
+
+```xml
+<g id="background">...</g>
+<g id="title">...</g>
+<g id="content">...</g>
+<g id="footer">...</g>
+<g id="decor">...</g>
+```
+
+### 文本规范
+
+- **一行一个 `<text>`**：同行不同样式用 `<tspan>` 内联
+- 禁止多个 `<text>` 并排模拟一行
+
+```xml
+<text x="80" y="200" font-size="16" font-family="Microsoft YaHei" fill="#1F2937">
+  正常文字 <tspan font-weight="bold" fill="#1A73E8">加粗高亮</tspan> 继续正常
+</text>
+```
+
+---
+
+## 图片处理
+
+> **详细规范见 `07-image-embedding.md`**
+
+图片全部由用户提供。嵌入方式：将用户图片转为 Base64 直接写在 SVG 中：
+
+```xml
+<image href="data:image/png;base64,iVBORw0KGgo..." x="0" y="0" width="1280" height="720" preserveAspectRatio="xMidYMid slice"/>
+```
+
+**关键规则**：
+- 背景图叠加半透明遮罩（`fill="#000000" opacity="0.25-0.45"`），保证文字可读
+- 图片上的文字用 `#FFFFFF`
+- 根据图片宽高比选择左右分割或上下分割布局
+
+---
+
+## 演讲备注生成
+
+为每页生成 200-500 字的中文演讲备注。格式要求：
+- 口语化、可在演讲时自然朗读
+- 关键数字可读性（"三百五十万"而非"350万"）
+- 每页独立成段，不跨页引用
+
+---
+
+## 禁止事项
+
+- 禁止子代理生成 SVG
+- 禁止脚本批量生成
+- 禁止在 spec_lock 之外取值
+- 禁止跳过任何一页

src/agent/skills/ppt_maker/attachments/06-svg-standards.md

@@ -0,0 +1,151 @@
+# 06 — SVG 技术约束与 PPT 兼容性
+
+> **角色**：技术规范手册 — 定义所有 SVG 编写时必须遵守的硬约束
+> **读取时机**：Executor 阶段写 SVG 前查阅
+
+---
+
+## 一、画布
+
+| 格式 | viewBox | 用途 |
+|------|---------|------|
+| `ppt169` | `0 0 1280 720` | 16:9 演示（默认） |
+| `ppt43` | `0 0 1024 768` | 4:3 传统 |
+
+**硬规则**：viewBox 是唯一尺寸来源，不要写 `width`/`height` 属性。
+
+---
+
+## 二、禁止特性黑名单
+
+### 禁止使用
+
+| 类别 | 禁止项 | 替代方案 |
+|------|--------|----------|
+| **字符** | HTML 命名实体 (` ` `—` `©`) | 原始 Unicode（` ` `—` `©`） |
+| **元素** | `<foreignObject>` | 用 `<text>` + `<tspan>` |
+| **元素** | `<style>` 标签 / 外部 CSS / `class` | 内联属性 `fill="..."` `font-size="..."` |
+| **元素** | `<mask>` | 用 `clipPath` 或叠加矩形 |
+| **元素** | `<script>` `<animate>` | 禁止 |
+| **元素** | `<symbol>` + `<use>` | 复制实际元素 |
+| **CSS** | `rgba()` 函数 | `fill-opacity` / `stroke-opacity` |
+| **CSS** | `<g opacity="...">` | 设到每个子元素上 |
+| **字体** | `@font-face` 自定义字体 | 只用系统预装字体 |
+| **字体** | `textPath` | 禁止 |
+
+### 图像裁剪（有条件允许）
+
+仅当 `<clipPath>` 作用于 `<image>` 时允许使用：
+
+```xml
+<defs>
+  <clipPath id="crop">
+    <rect x="0" y="0" width="400" height="300" rx="8"/>
+  </clipPath>
+</defs>
+<image href="img.png" x="0" y="0" width="400" height="300" clip-path="url(#crop)"/>
+```
+
+---
+
+## 三、PPT 兼容性替代方案
+
+| SVG 原始写法 | PPT 兼容写法 |
+|-------------|-------------|
+| `fill="rgba(26,115,232,0.15)"` | `fill="#1A73E8" fill-opacity="0.15"` |
+| `<g opacity="0.5">` | 为每个子元素单独设 `opacity` |
+| `<image opacity="0.3">` | 用半透明叠加矩形替代 |
+
+---
+
+## 四、阴影规范（克制即设计）
+
+### 三档阴影
+
+| 档位 | `stdDeviation` | 场景 |
+|------|---------------|------|
+| Floor | 无阴影 | 默认，元素嵌在页面中 |
+| Resting | 2-3 | 卡片、面板轻微浮起 |
+| Raised | 4-6 | 核心结论、CTA 强突出 |
+
+### 使用模式
+
+```xml
+<defs>
+  <filter id="shadow">
+    <feDropShadow dx="0" dy="2" stdDeviation="3" flood-opacity="0.1"/>
+  </filter>
+</defs>
+<rect x="..." y="..." width="..." height="..." rx="12" fill="#FFFFFF" filter="url(#shadow)"/>
+```
+
+### 阴影原则
+
+- 每页单一光源方向（统一 `dx`/`dy` 方向）
+- 最多两层高度差（如 Resting 卡片 + Raised CTA）
+- 装饰性色块、扁平化页面不使用阴影
+
+---
+
+## 五、渐变
+
+支持 `<linearGradient>` 和 `<radialGradient>`：
+
+```xml
+<defs>
+  <linearGradient id="g1" x1="0" y1="0" x2="1" y2="1">
+    <stop offset="0%" stop-color="#1A73E8"/>
+    <stop offset="100%" stop-color="#4285F4"/>
+  </linearGradient>
+</defs>
+<rect x="..." y="..." width="..." height="..." fill="url(#g1)"/>
+```
+
+---
+
+## 六、描边与文本效果
+
+### 虚线
+
+```xml
+<line x1="80" y1="400" x2="1200" y2="400" stroke="#D1D5DB" stroke-width="1" stroke-dasharray="4,4"/>
+```
+
+### 文本装饰
+
+- `text-decoration="underline"` — 下划线
+- `text-decoration="line-through"` — 删除线
+
+---
+
+## 七、元素映射（SVG → PPTX）
+
+Agent 生成的 SVG 会经过引擎转为 PowerPoint 原生形状：
+
+| SVG | PPTX |
+|-----|------|
+| `<rect rx="8">` | 圆角矩形 |
+| `<circle>` / `<ellipse>` | 椭圆 |
+| `<text>` + `<tspan>` | 文本框 |
+| `<image href="data:...">` | 内嵌图片 |
+| `<line>` | 线条 |
+| `<path>` / `<polygon>` | 降级为矩形（避免使用复杂路径） |
+| `<linearGradient>` | 渐变填充 |
+| `filter="url(#shadow)"` | PPT 阴影效果 |
+
+---
+
+## 八、文本内联规则
+
+**一个逻辑行 = 一个 `<text>` 元素**。不同样式用 `<tspan>` 实现：
+
+```xml
+<!-- 正确 -->
+<text x="80" y="200" font-size="16" font-family="Microsoft YaHei" fill="#1F2937">
+  <tspan font-weight="bold">Q1 营收</tspan>同比增长 <tspan fill="#EA4335" font-weight="bold">23.5%</tspan>
+</text>
+
+<!-- 错误 -->
+<text x="80" y="200">Q1 营收</text>
+<text x="180" y="200">同比增长</text>
+```

src/agent/skills/ppt_maker/attachments/07-image-embedding.md

@@ -0,0 +1,131 @@
+# 07 — 图片嵌入规范
+
+> **角色**：图片嵌入参考 — 用户图片的 Base64 嵌入、宽高比适配、图文布局比例
+> **读取时机**：Executor 阶段需要将用户提供的图片嵌入 SVG 时
+
+---
+
+## 一、图片来源
+
+所有图片**由用户提供**。不存在 AI 生成、网络搜索、图片切片等自动获取步骤。
+
+Strategist 阶段与用户确认：
+- 哪些页面需要图片
+- 每张图片的用途（背景 / 插图 / Logo 等）
+- 推荐尺寸（如封面背景 1280×720、卡片配图 540×300）
+
+---
+
+## 二、SVG 图片嵌入方式
+
+### 方式：Base64 内嵌（推荐）
+
+直接将用户提供的图片转为 Base64 嵌入 SVG：
+
+```xml
+<image href="data:image/png;base64,iVBORw0KGgo..." x="0" y="0" width="1280" height="720"/>
+```
+
+### MIME 类型对照
+
+| 格式 | MIME |
+|------|------|
+| PNG | `data:image/png;base64,...` |
+| JPEG | `data:image/jpeg;base64,...` |
+| WebP | `data:image/webp;base64,...` |
+
+---
+
+## 三、preserveAspectRatio 控制
+
+| 值 | 效果 | 适用场景 |
+|----|------|----------|
+| `xMidYMid meet` | 完整显示，等比例适配，可能留黑边 | Logo、图标 |
+| `xMidYMid slice` | 裁剪填充，无黑边 | 封面背景、全幅图 |
+| `none` | 拉伸填满 | 避免使用 |
+
+### 示例
+
+```xml
+<!-- 封面背景：裁剪填充 -->
+<image href="data:image/png;base64,..." x="0" y="0" width="1280" height="720" preserveAspectRatio="xMidYMid slice"/>
+
+<!-- 卡片内配图：完整显示 -->
+<image href="data:image/png;base64,..." x="80" y="160" width="540" height="300" preserveAspectRatio="xMidYMid meet"/>
+```
+
+---
+
+## 四、图片与文字布局比例
+
+根据图片原始宽高比动态分配空间：
+
+| 图片比例 | 推荐布局 | 说明 |
+|----------|----------|------|
+| > 2:1（超宽） | 上下分割 | 图片占 35-45% 高度 |
+| 1.5:1 ~ 2:1（宽图） | 上下分割 | 图片占 50% 高度 |
+| 1:1 ~ 1.5:1（标准） | 左右分割 | 图片占 45-55% 宽度 |
+| < 1:1（竖图） | 左右分割 | 图片占 30-40% 宽度 |
+
+**禁止**：拉伸变形、固定死比例、压缩文字区域。
+
+---
+
+## 五、常用图文组合
+
+### 模式 1：全幅背景图
+
+```xml
+<image href="data:image/png;base64,..." x="0" y="0" width="1280" height="720" preserveAspectRatio="xMidYMid slice"/>
+<!-- 暗色遮罩保证文字可读 -->
+<rect x="0" y="0" width="1280" height="720" fill="#000000" opacity="0.35"/>
+<text x="80" y="360" font-size="48" fill="#FFFFFF" font-weight="bold">标题</text>
+```
+
+### 模式 2：左侧 1/3 图 + 右侧文字
+
+```xml
+<image href="data:image/png;base64,..." x="0" y="0" width="427" height="720" preserveAspectRatio="xMidYMid slice"/>
+<!-- 右侧 853px 为文字区域 -->
+```
+
+### 模式 3：上方 40% 图 + 下方文字
+
+```xml
+<image href="data:image/png;base64,..." x="0" y="0" width="1280" height="400" preserveAspectRatio="xMidYMid slice"/>
+<!-- 下方 320px 为文字区域 -->
+```
+
+### 模式 4：圆形裁剪头像
+
+```xml
+<defs>
+  <clipPath id="avatarClip">
+    <circle cx="300" cy="300" r="120"/>
+  </clipPath>
+</defs>
+<image href="data:image/png;base64,..." x="180" y="180" width="240" height="240" clip-path="url(#avatarClip)"/>
+```
+
+### 模式 5：渐变遮罩叠加
+
+```xml
+<image href="data:image/png;base64,..." x="0" y="0" width="1280" height="720" preserveAspectRatio="xMidYMid slice"/>
+<defs>
+  <linearGradient id="fadeLeft">
+    <stop offset="0%" stop-color="#1A73E8" stop-opacity="0.85"/>
+    <stop offset="100%" stop-color="#1A73E8" stop-opacity="0"/>
+  </linearGradient>
+</defs>
+<rect x="0" y="200" width="640" height="520" fill="url(#fadeLeft)"/>
+<!-- 渐变区域上放置文字 -->
+```
+
+---
+
+## 六、图片与配色协调
+
+- 背景图建议叠加半透明遮罩（`opacity="0.25-0.45"`），保证文字对比度
+- 遮罩色使用 spec_lock 中的 primary 色
+- 图片上的文字颜色以 `#FFFFFF` 为主
+- 避免在复杂图片区域放置正文

src/agent/skills/ppt_maker/attachments/08-layout-patterns.md

@@ -0,0 +1,243 @@
+# 08 — 页面布局模式与图文组合
+
+> **角色**：布局参考手册 — 提供节奏控制、卡片网格、图文组合的标准模板
+> **读取时机**：Executor 阶段规划每页布局时
+
+---
+
+## 一、页面节奏（Page Rhythm）
+
+从 `spec_lock.md` 获取每页的 `rhythm` 标签。
+
+| rhythm | 策略 | 文字量 | 典型用途 |
+|--------|------|--------|----------|
+| `anchor` | 高冲击力、标题主导、大量留白 | ≤ 30 字 | 封面 / 章节页 / 结尾 |
+| `dense` | 卡片网格、图表、KPI、多栏 | ≤ 80 字 | 数据 / 分析 / 内容页 |
+| `breathing` | 单句金句、关键结论、极少元素 | ≤ 20 字 | 过渡 / 强调页 |
+
+**原则**：不连续两页 dense，用 breathing 做节奏换气。
+
+---
+
+## 二、anchor 页面布局模板
+
+### 封面 — 大标题居中偏上 + 底部色块
+
+```
++-------------------------------+
+|                               |
+|        [主标题 48px]           |
+|      [副标题 24px muted]       |
+|                               |
+|                               |
+|  ▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓  |  ← 底部 140px 主色条
+|  作者 / 日期                   |
++-------------------------------+
+```
+
+### 封面 — 左对齐大标题 + 右侧图形
+
+```
++-------------------------------+
+|                               |
+|  [主标题 48px]    +-------+   |
+|  [副标题 24px]    | 装饰   |   |
+|                   | 图形   |   |
+|                   +-------+   |
+|                               |
+|  作者 / 日期                   |
++-------------------------------+
+```
+
+### 章节过渡页
+
+```
++-------------------------------+
+|  [编号 64px muted]            |
+|                               |
+|  [章节标题 42px bold]          |
+|  [副标题 24px]                |
+|                               |
+|  ───────────────────── 装饰线  |
++-------------------------------+
+```
+
+---
+
+## 三、dense 页面布局模板
+
+### 2×2 卡片网格
+
+```
++-------------------------------+
+| [页面标题 32px]                |
+|                               |
+| +-----------+  +-----------+  |
+| | 卡片 1    |  | 卡片 2    |  |
+| | 标题      |  | 标题      |  |
+| | - 要点1   |  | - 要点1   |  |
+| | - 要点2   |  | - 要点2   |  |
+| +-----------+  +-----------+  |
+| +-----------+  +-----------+  |
+| | 卡片 3    |  | 卡片 4    |  |
+| +-----------+  +-----------+  |
++-------------------------------+
+```
+
+卡片尺寸：540 × 240，间距 40px，`rx="12"`。
+
+### 3×2 卡片网格
+
+卡片尺寸：360 × 220，间距 30px。
+
+### 左文右图
+
+```
++-------------------------------+
+| [页面标题 32px]                |
+|                               |
+|  [要点 1]     +-----------+   |
+|  [要点 2]     |           |   |
+|  [要点 3]     |   图片    |   |
+|  [要点 4]     |  560×420  |   |
+|               +-----------+   |
++-------------------------------+
+```
+
+### 上图下文
+
+```
++-------------------------------+
+| +---------------------------+ |
+| |        图片 1160×280      | |
+| +---------------------------+ |
+| [页面标题 32px]               |
+| [要点 1] [要点 2] [要点 3]     |
++-------------------------------+
+```
+
+### KPI 仪表盘
+
+```
++-------------------------------+
+| [页面标题 32px]                |
+|                               |
+| +------+ +------+ +------+   |
+| | 23%  | | 156  | | 8.5  |   |
+| | 增长  | | 项目  | | 评分  |   |
+| +------+ +------+ +------+   |
+|                               |
+| +---------------------------+ |
+| |     图表区域 1160×340     | |
+| +---------------------------+ |
++-------------------------------+
+```
+
+KPI 卡片尺寸：360 × 100，间距 40px。
+
+---
+
+## 四、breathing 页面布局模板
+
+### 居中金句
+
+```
++-------------------------------+
+|                               |
+|                               |
+|     "核心金句或关键结论"       |
+|                               |
+|           — 来源               |
+|                               |
+|                               |
++-------------------------------+
+```
+
+### 大字 + 图标
+
+```
++-------------------------------+
+|                               |
+|           [图标]              |
+|                               |
+|        [大字标题]              |
+|                               |
++-------------------------------+
+```
+
+---
+
+## 五、卡片设计规范
+
+### 标准卡片
+
+```xml
+<rect x="80" y="140" width="540" height="240" rx="12" fill="#FFFFFF" filter="url(#cardShadow)"/>
+```
+
+### 卡片内边距
+
+| 区域 | 内边距 |
+|------|--------|
+| 左右边距 | 40px |
+| 标题到顶部 | 40px 或更少 |
+| 标题到内容 | 24px |
+| 行间距 | 8-12px |
+
+### 阴影参考
+
+```xml
+<filter id="cardShadow">
+  <feDropShadow dx="0" dy="2" stdDeviation="3" flood-opacity="0.08"/>
+</filter>
+```
+
+---
+
+## 六、常用图文组合模式
+
+### 模式 1：全幅背景图
+
+```xml
+<image href="bg.jpg" x="0" y="0" width="1280" height="720"/>
+<rect x="0" y="0" width="1280" height="720" fill="#000000" opacity="0.3"/>
+<text x="80" y="360" font-size="48" fill="#FFFFFF" font-weight="bold">标题</text>
+```
+
+### 模式 2：左侧 1/3 图
+
+```xml
+<image href="img.jpg" x="0" y="0" width="427" height="720"/>
+<!-- 右侧 853px 为文字区 -->
+```
+
+### 模式 3：上图 40% + 下文
+
+```xml
+<image href="img.jpg" x="0" y="0" width="1280" height="400"/>
+<!-- 下方 320px 为文字区 -->
+```
+
+### 模式 4：圆形裁剪头像
+
+```xml
+<defs>
+  <clipPath id="circle">
+    <circle cx="400" cy="300" r="150"/>
+  </clipPath>
+</defs>
+<image href="avatar.jpg" x="250" y="150" width="300" height="300" clip-path="url(#circle)"/>
+```
+
+### 图像叠加渐变遮罩
+
+```xml
+<image href="bg.jpg" x="0" y="0" width="1280" height="720"/>
+<defs>
+  <linearGradient id="fade">
+    <stop offset="0%" stop-color="#1A73E8" stop-opacity="0.9"/>
+    <stop offset="100%" stop-color="#1A73E8" stop-opacity="0"/>
+  </linearGradient>
+</defs>
+<rect x="0" y="300" width="600" height="420" fill="url(#fade)"/>
+```

src/agent/skills/ppt_maker/attachments/09-quality-and-export.md

@@ -0,0 +1,87 @@
+# 09 — 质量检查与 SVG 交付
+
+> **角色**：QA 与交付 — SVG 质量验证、视觉自检、doc_tool 写入 SVG 文件
+> **读取时机**：Step 4 质检与交付阶段
+> **注意**：本 Skill 只交付 SVG。PPTX 转换见 `10-svg-to-pptx.md`（仅在用户明确要求 PPT 格式时触发）
+
+---
+
+## 一、SVG 质量检查清单
+
+### 自动化检查（每页生成后必须验证）
+
+| # | 检查项 | 标准 |
+|---|--------|------|
+| 1 | viewBox | 必须为 `0 0 1280 720`（或 4:3 的 `0 0 1024 768`） |
+| 2 | width/height | **不得存在** `width`/`height` 属性 |
+| 3 | HTML 实体 | 无 ` ` `—` `©` 等（用原始 Unicode） |
+| 4 | 禁止元素 | 无 `<foreignObject>` `<style>` `<mask>` `<animate>` `<script>` `<symbol>+<use>` |
+| 5 | rgba() | 无 `rgba()`（用 `fill-opacity`/`stroke-opacity` 替代） |
+| 6 | 组透明度 | 无 `<g opacity="...">`（设到每个子元素） |
+| 7 | 语义分组 | 3-8 个 `<g id="...">` 顶层分组 |
+| 8 | 文本内联 | 一个逻辑行一个 `<text>`，多样式用 `<tspan>` |
+| 9 | 颜色引用 | 所有颜色值来自 `spec_lock.md` 的 palette |
+| 10 | 字体 | 只用系统预装字体（微软雅黑/Arial/Calibri 等） |
+| 11 | 字号 | 对应角色字号与 spec_lock 一致 |
+| 12 | 图片引用 | 外部引用路径正确，或 Base64 有效 |
+| 13 | 画布元素 | 所有元素在 viewBox 范围内 |
+
+### 每页 spec_lock 一致性检查
+
+- 配色：`fill`/`stroke` 色值必须来自 `spec_lock.palette`
+- 字体：`font-family` 必须在 `spec_lock.typography.font_family` 范围内
+- 字号：角色字号锁定（title 42-48 / body 16-18 / annotation 12-14）
+- 布局：`rhythm` 类型与页面实际匹配
+- 图片路径：与 `spec_lock` 中图片资源清单一致
+
+---
+
+## 二、视觉自检（软规则）
+
+> 仅当视觉问题 "明显不佳" 时修复，不过度调整。
+
+| # | 检查项 | 标准 |
+|---|--------|------|
+| S1 | 垂直节奏 | 各区块间距均匀，不拥挤也不过松 |
+| S2 | 视觉重心 | 页面视觉重心不偏移 |
+| S3 | 对齐 | 同类元素对齐一致 |
+| S4 | 网格 | 多卡片网格均匀分布 |
+| S5 | 强调色 | 强调色不超过页面面积 10% |
+| S6 | 图文关系 | 图片与文字不冲突、不重叠 |
+| S7 | breathing 页 | 不堆砌内容、不添加非必要元素 |
+
+---
+
+## 三、SVG 文件交付
+
+使用 `doc_tool create` 将每页 SVG 写入独立文件：
+
+```
+doc_tool create page_01.svg content="<svg viewBox=\"0 0 1280 720\" xmlns=\"http://www.w3.org/2000/svg\">...</svg>"
+doc_tool create page_02.svg content="<svg viewBox=\"0 0 1280 720\" xmlns=\"http://www.w3.org/2000/svg\">...</svg>"
+```
+
+每页一个独立 `.svg` 文件，文件名包含页码便于排序。
+
+**doc_tool 在本 Skill 中仅用于写入 SVG 文件，不生成 PPTX。**
+
+---
+
+## 四、SVG → PPTX 转换（可选）
+
+> **仅当用户明确要求 PPT 格式时**，才读取 `10-svg-to-pptx.md` 并运行转换脚本。
+
+转换脚本将已生成的 SVG 文件批量转为原生 PowerPoint 元素（圆角矩形、文本框、椭圆等可编辑形状），而非扁平图片。
+
+---
+
+## 五、常见错误排查
+
+| 错误 | 原因 | 修复 |
+|------|------|------|
+| SVG 转 PPTX 空白 | viewBox 缺失或错误 | 检查 `viewBox="0 0 1280 720"` |
+| 文字位置错乱 | 同一样式用了多个 `<text>` | 合并为一个 `<text>` + `<tspan>` |
+| 透明度不生效 | 用了 `rgba()` | 改为 `fill-opacity` |
+| 图片不显示 | 外部路径错误 | 检查相对路径或改用 Base64 |
+| 字体不一致 | 未设 font-family | 每个 `<text>` 显式指定 `font-family` |
+| 阴影丢失 | filter id 未引用或 defs 位置错误 | 确保 `<defs>` 在 `<filter>` 使用前定义 |

src/agent/skills/ppt_maker/attachments/10-svg-to-pptx.md

@@ -0,0 +1,56 @@
+# 10 — SVG 转 PPTX 转换脚本
+
+> **角色**：格式转换 — 将已生成的 SVG 幻灯片批量转换为原生 PPTX
+> **读取时机**：仅当用户**明确表示**"不要 SVG，要 PPTX 格式"或"导出为 PPT"时
+> **前置条件**：SVG 文件已通过 Step 4 生成完毕
+
+---
+
+## 触发规则
+
+**仅在以下情况触发**：
+- 用户说："导出为 PPT" / "给我 PPTX" / "不要 SVG 格式"
+- 用户说："转成 PowerPoint"
+
+**默认不执行**：普通流程下只交付 SVG 文件，不运行此步骤。
+
+---
+
+## 转换流程
+
+### 1. 确认 SVG 文件位置
+
+找到 Step 4 生成的所有 `.svg` 文件。
+
+### 2. 运行转换
+
+使用 `doc_tool create` 将所有 SVG 页面拼接为一个 PPTX：
+
+```
+doc_tool create <输出文件.pptx> content="<slide>1</slide><svg viewBox=\"0 0 1280 720\" xmlns=\"http://www.w3.org/2000/svg\">...</svg><slide>2</slide><svg>...</svg>"
+```
+
+**格式要求**：
+- 每页格式：`<slide>页码</slide>` + `<svg viewBox="0 0 1280 720" xmlns="http://www.w3.org/2000/svg">...</svg>`
+- 所有 `<slide> + <svg>` 对被拼接到一个 `content` 字符串中
+- SVG 内元素会被引擎转为 PowerPoint 原生形状（圆角矩形、文本框、椭圆等可编辑形状）
+
+### 3. 元素映射（SVG → PPTX）
+
+| SVG | PPTX |
+|-----|------|
+| `<rect rx="8">` | 圆角矩形 |
+| `<circle>` / `<ellipse>` | 椭圆 |
+| `<text>` + `<tspan>` | 文本框 |
+| `<image href="data:...">` | 内嵌图片 |
+| `<line>` | 线条 |
+| `<linearGradient>` | 渐变填充 |
+| `filter="url(#shadow)"` | PPT 阴影效果 |
+
+---
+
+## 注意事项
+
+- 转换后 PPTX 中的形状可逐个编辑，不是扁平图片
+- `<path>` / `<polygon>` 可能降级为矩形，避免使用复杂路径
+- 动画、旁白等高级特性不在本 Skill 范围内

src/agent/skills/ppt_maker/skill.json

@@ -0,0 +1,8 @@
+{
+  "name": "ppt_maker",
+  "description": "PPT 制作 Skill — 通过多角色协作将用户意图转化为高质量 SVG 页面并导出 PPTX。触发词: 做PPT、生成PPT、写幻灯片、PPTX、presentation、演示文稿。详细工作流与各角色职责见 attachment/ 目录下的子 Skill 文件。",
+  "version": "2.0.0",
+  "author": "minor",
+  "tags": ["ppt", "svg", "演示文稿", "幻灯片", "生产力"],
+  "enable": true
+}

src/agent/skills/ppt_maker/skill.md

@@ -0,0 +1,41 @@
+# PPT Maker Skill（表层索引）
+
+本 skill 采用 **分级分工** 架构。此文件仅为入口索引，所有详细指令、角色定义、工作流规范均拆分至 `attachments/` 目录下的独立 md 文件。
+
+---
+
+## attachment 子 Skill 清单
+
+| 文件 | 角色/职责 | 何时读取 |
+|------|-----------|----------|
+| `01-workflow-overview.md` | **总调度**：4 步串行流水线、全局执行纪律、入口路由规则 | 任务启动时（最先读） |
+| `02-strategist.md` | **策略师**：内容分析→三阶段确认(方向→设计→图片)→输出 design_spec | Step 2 进入策略阶段前 |
+| `03-modes-and-styles.md` | **模式+风格索引**：5 种沟通模式 + 17 种视觉风格的速查表 | 策略师阶段需要锁定 mode/style 时 |
+| `04-design-system.md` | **设计系统**：配色方案、字体层级、画布格式、图标策略 | 策略师阶段定调设计时 |
+| `05-executor.md` | **执行师**：逐页 SVG 生成规范、spec_lock 约束、模板遵循、备注生成 | Step 3 进入执行阶段前 |
+| `06-svg-standards.md` | **SVG 技术约束**：禁止特性黑名单、PPT 兼容性替代方案、阴影/渐变/描边规则 | 执行师写 SVG 前查阅 |
+| `07-image-embedding.md` | **图片嵌入**：用户图片的 Base64 嵌入规范、preserveAspectRatio、图文布局比例 | 有用户图片需要嵌入 SVG 时 |
+| `08-layout-patterns.md` | **布局模式**：页面节奏(anchor/dense/breathing)、图文组合布局、卡片网格规范 | 执行师规划每页布局时 |
+| `09-quality-and-export.md` | **质检与交付**：SVG 质量检查、视觉自检、doc_tool 写入 SVG 文件 | Step 4 |
+| `10-svg-to-pptx.md` | **SVG→PPTX 转换**：将已生成的 SVG 批量转为原生 PPTX（可选独立步骤） | 仅用户明确要 PPT 格式时 |
+
+---
+
+## 架构说明
+
+``` 
+skill.json + skill.md          ← 表层：元数据 + 附件索引
+  └── attachments/
+        ├── 01-workflow-overview.md   ← 总调度（最先读取）
+        ├── 02-strategist.md          ← 策略师角色
+        ├── 03-modes-and-styles.md    ← 模式/风格速查
+        ├── 04-design-system.md       ← 设计系统规范
+        ├── 05-executor.md            ← 执行师角色
+        ├── 06-svg-standards.md       ← SVG 技术约束
+        ├── 07-image-embedding.md     ← 图片嵌入
+        ├── 08-layout-patterns.md     ← 布局模式
+        ├── 09-quality-and-export.md  ← 质检与 SVG 交付
+        └── 10-svg-to-pptx.md         ← SVG→PPTX 转换（可选）
+```
+
+Agent 按需读取对应文件。脚本文件 `10-svg-to-pptx.md` 仅在用户明确要求 PPT 格式时读取。

src/agent/tools/__init__.py

@@ -12,6 +12,7 @@ from .doc import DocTool
 from .skill_router import SkillRouter
 from .send_file import SendFileTool
 from .terminal_execute import TerminalExecute
+from .email import MailTool
 
 _all_tools = [
     WebSearch(),
@@ -28,6 +29,7 @@ _all_tools = [
     SkillRouter(),
     SendFileTool(),
     TerminalExecute(),
+    MailTool(),
 ]
 
 # 注册所有可用工具名称（供前端配置面板展示），从 _all_tools 实例推导

src/agent/tools/date_query.py

@@ -8,7 +8,7 @@ class DateQuery(BaseTool):
 
     # 定义工具的输入参数结构，这里没有输入参数，所以是一个空的模型
     args_schema : type[BaseModel] = create_model("NoneInput")
-    name : str = "date_query_class"
+    name : str = "date_query"
     description : str = "一个日期查询工具，可以返回当前的日期信息。仅当需要查询当前时间时调用，其余任何情况严禁调用。"    
 
     def _run(self) -> str:

src/agent/tools/doc.py

@@ -1,8 +1,9 @@
-"""文档操作工具：对 plain_text / tabular / docx / pdf 文件进行增删改查。
+"""文档操作工具：对 plain_text / tabular / docx / pptx / pdf 文件进行增删改查。
 
 plain_text:  行级粒度（与代码 agent 一致）
 tabular:     单元格级粒度（CSV / XLSX）
 docx:        段落级粒度（文本段落）；表格操作粒度到单元格
+pptx:        只读 + 删除（按幻灯片提取文本+内嵌图片+表格）
 pdf:         只读 + 删除
 """
 
@@ -13,7 +14,7 @@ import json
 import os
 import pathlib
 import re
-from typing import Any, Literal, Optional
+from typing import Literal, Optional
 
 from langchain.tools import BaseTool
 from pydantic import BaseModel, Field
@@ -371,6 +372,71 @@ def _update_docx(file_path: str, paragraph_index: int | None, new_paragraph_text
     return "[ERROR] docx update 操作缺少必要参数"
 
 
+# ---------- pptx ----------
+def _read_pptx(file_path: str, max_chars: int | None = None, from_end: bool = False,
+               max_images: int | None = None) -> tuple[str, list[bytes]]:
+    text, images = Documents_process.process_pptx(file_path)
+    if max_images is not None and max_images >= 0 and len(images) > max_images:
+        images = images[:max_images] if not from_end else images[-max_images:]
+    img_note = f"\n(含 {len(images)} 张内嵌图片)" if images else ""
+    result = f"=== {file_path} ===\n{text}{img_note}"
+    result = _apply_text_truncation(result, max_chars, from_end)
+    return result, images
+
+
+def _create_pptx(file_path: str, content: str) -> str:
+    """用 SVG 代码创建 PPTX 文件。
+
+    content 格式与 _read_pptx 返回一致：
+        多个 <slide>N</slide> 块，每块包含一个 <svg>...</svg>。
+    """
+    import re
+    import tempfile
+    from pathlib import Path
+
+    # 提取每个 slide 的 SVG
+    pattern = r'<slide>(\d+)</slide>\s*\n(.*?)(?=<slide>\d+</slide>|$)'
+    matches = re.findall(pattern, content, re.DOTALL)
+
+    if not matches:
+        return "[ERROR] PPTX create: content 中未找到 <slide>N</slide> 格式的 SVG 内容。" \
+               " 请确保 content 包含完整的 SVG 幻灯片代码（与 doc_tool read pptx 输出格式一致）。"
+
+    # 写入临时 SVG 文件
+    svg_files: list[Path] = []
+    tmpdir = tempfile.mkdtemp()
+    for idx, svg_code in matches:
+        # 清理 SVG 代码：去掉可能的前后空白
+        svg_code = svg_code.strip()
+        if not svg_code.startswith("<svg"):
+            # 尝试提取 <svg>...</svg>
+            svg_match = re.search(r'(<svg\b.*?</svg>)', svg_code, re.DOTALL | re.IGNORECASE)
+            if svg_match:
+                svg_code = svg_match.group(1)
+            else:
+                continue
+        svg_path = Path(tmpdir) / f"slide_{int(idx):02d}.svg"
+        svg_path.write_text(svg_code, encoding="utf-8")
+        svg_files.append(svg_path)
+
+    if not svg_files:
+        return "[ERROR] PPTX create: 未找到有效的 SVG 内容"
+
+    try:
+        from agent.utils.ppt_utils import create_pptx_from_svgs
+        output_path = Path(file_path)
+        success = create_pptx_from_svgs(svg_files, output_path)
+    except Exception as e:
+        return f"[ERROR] PPTX create 失败: {e}"
+    finally:
+        import shutil
+        shutil.rmtree(tmpdir, ignore_errors=True)
+
+    if success:
+        return f"[OK] 已创建 PPTX 文件: {file_path}\n共 {len(svg_files)} 页幻灯片"
+    return "[ERROR] PPTX create 失败"
+
+
 # ---------- pdf ----------
 def _read_pdf(file_path: str, max_chars: int | None = None, from_end: bool = False,
               max_images: int | None = None) -> tuple[str, list[bytes]]:
@@ -437,6 +503,8 @@ def _dispatch_read(doc_type: str, file_path: str, **kwargs) -> tuple[str, list[b
         return _read_tabular(file_path, kwargs.get("sheet_name"), max_chars=max_chars, from_end=from_end), []
     elif doc_type == "docx":
         return _read_docx(file_path, max_chars=max_chars, from_end=from_end, max_images=max_images)
+    elif doc_type == "pptx":
+        return _read_pptx(file_path, max_chars=max_chars, from_end=from_end, max_images=max_images)
     elif doc_type == "pdf":
         return _read_pdf(file_path, max_chars=max_chars, from_end=from_end, max_images=max_images)
     elif doc_type == "image":
@@ -453,7 +521,9 @@ def _dispatch_create(doc_type: str, file_path: str, content: str) -> str:
         return _create_tabular(file_path, content)
     elif doc_type == "docx":
         return _create_docx(file_path, content)
-    return f"[ERROR] create 不支持文档类型: {doc_type} (仅支持 plain_text、tabular、docx)"
+    elif doc_type == "pptx":
+        return _create_pptx(file_path, content)
+    return f"[ERROR] create 不支持文档类型: {doc_type} (仅支持 plain_text、tabular、docx、pptx)"
 
 
 def _dispatch_update(doc_type: str, file_path: str, **kwargs) -> str:
@@ -492,16 +562,17 @@ class DocTool(BaseTool):
     args_schema: type[BaseModel] = DocToolInput
     name: str = "doc_tool"
     description: str = (
-        "文档操作工具。支持纯文本(plain_text)、表格(tabular: CSV/XLSX)、Word(docx)、PDF 文档的增删改查，"
+        "文档操作工具。支持纯文本(plain_text)、表格(tabular: CSV/XLSX)、Word(docx)、PowerPoint(pptx)、PDF 文档的增删改查，"
         "以及图片(image)、音频(audio)的读取。\n\n"
         "【支持的操作】\n"
         "- read: 读取文档内容并带行号返回。支持所有类型。\n"
-        "  * 内容控制: max_chars(最大字符数)、from_end(True从末尾截取)、max_images(docx/pdf 最大图片数)。\n"
+        "  * 内容控制: max_chars(最大字符数)、from_end(True从末尾截取)、max_images(docx/pdf/pptx 最大图片数)。\n"
         "  * plain_text grep: grep_pattern 为正则表达式，仅返回匹配的行(含原始行号)。\n"
-        "- create: 创建新文档。仅支持 plain_text、tabular、docx。\n"
+        "- create: 创建新文档。仅支持 plain_text、tabular、docx、pptx。\n"
         "  * plain_text/docx: content 为要写入的文本。\n"
         "  * tabular(.csv): content 为 CSV 格式文本。\n"
         "  * tabular(.xlsx): content 为 JSON 二维数组字符串，如 '[['A','B'],['1','2']]'。\n"
+        "  * pptx: content 为 SVG 幻灯片代码（与 read pptx 输出格式一致，含 <slide>N</slide> 和 <svg> 标签）。\n"
         "- update: 修改文档。仅支持 plain_text、tabular、docx。\n"
         "  * plain_text 行级操作: line_number + new_line_text 替换行；\n"
         "    line_number 单独使用删除行；\n"
@@ -513,8 +584,9 @@ class DocTool(BaseTool):
         "  * docx 表格操作: table_index + docx_table_row + docx_table_col + docx_table_cell_value。\n"
         "- delete: 删除文档。支持所有类型。\n\n"
         "【文档类型识别】\n"
-        "  plain_text: .txt .json .md .cpp .c .py .m .java 等\n"
+        "  plain_text: .txt .json .md .cpp .c .py .m .java .html .svg 等\n"
         "  docx: .docx\n"
+        "  pptx: .pptx（read 返回 SVG 代码；create 用 SVG 代码生成；delete 删除）\n"
         "  pdf: .pdf\n"
         "  tabular: .csv .xlsx\n"
         "  image: .png .jpg .jpeg .bmp .gif .webp（仅 read，图片返回到 artifact）\n"
@@ -541,6 +613,7 @@ class DocTool(BaseTool):
                     import base64
                     from agent.utils.image_utils import image_bytes_to_openai_image_url_part
                     artifact["images"] = images
+                    artifact["file_path"] = file_path
                     # 为前端展示生成 data URL 列表
                     artifact["image_urls"] = [
                         f"data:image/png;base64,{base64.b64encode(img).decode('ascii')}"

src/agent/tools/email.py

@@ -0,0 +1,665 @@
+from __future__ import annotations
+
+import asyncio
+import base64
+import email
+import imaplib
+import json as _json
+import mimetypes
+import os
+import re
+import smtplib
+import socket
+import time
+from dataclasses import dataclass
+from datetime import datetime, timedelta, time as dt_time
+from email.header import decode_header, make_header
+from email.message import EmailMessage, Message
+from email.utils import formataddr, parsedate_to_datetime
+from pathlib import Path
+from typing import Literal, Optional
+
+from langchain.tools import BaseTool
+from pydantic import BaseModel, Field, field_validator, model_validator
+
+from agent.core.config_manager import load_env_config
+from agent.history.tool_call_recorder import (
+    get_current_session,
+    get_current_turn,
+    session_tool_dir,
+)
+
+DEFAULT_READ_MAX_COUNT = 5
+SEND_TIMEOUT = 30
+
+
+# ---------- 邮箱提供商配置 ----------
+@dataclass(frozen=True)
+class _ProviderConfig:
+    """邮箱提供商的 SMTP / IMAP 连接参数。"""
+    name: str                # 显示名称，如 "QQ邮箱"
+    smtp_host: str
+    smtp_port: int           # SSL 端口
+    imap_host: str
+    imap_port: int           # SSL 端口
+
+
+_PROVIDERS: dict[str, _ProviderConfig] = {
+    "qq.com":     _ProviderConfig("QQ邮箱",       "smtp.qq.com",  465, "imap.qq.com",  993),
+    "163.com":    _ProviderConfig("网易163邮箱",  "smtp.163.com", 465, "imap.163.com", 993),
+    "126.com":    _ProviderConfig("网易126邮箱",  "smtp.126.com", 465, "imap.126.com", 993),
+    "yeah.net":   _ProviderConfig("网易Yeah邮箱", "smtp.yeah.net", 465, "imap.yeah.net", 993),
+}
+
+
+def _detect_provider(email_address: str) -> _ProviderConfig:
+    """根据邮箱地址自动检测提供商。
+
+    输入:
+        email_address: 如 "user@qq.com"、"user@163.com"。
+
+    输出:
+        _ProviderConfig 实例。
+
+    异常:
+        ValueError: 不支持的邮箱域名。
+    """
+    email_address = (email_address or "").strip().lower()
+    if "@" not in email_address:
+        raise ValueError(
+            f"无法识别的邮箱地址格式: '{email_address}'，"
+            f"请使用完整的邮箱地址（如 user@qq.com）。"
+        )
+    domain = email_address.split("@")[-1]
+    provider = _PROVIDERS.get(domain)
+    if provider is not None:
+        return provider
+    supported = ", ".join(_PROVIDERS.keys())
+    raise ValueError(
+        f"不支持的邮箱域名: @{domain}。"
+        f"当前支持: {supported}。"
+        f"请在环境配置中设置对应域名的邮箱地址。"
+    )
+
+
+def _decode_mime_header(value: str | None) -> str:
+    if not value:
+        return ""
+    try:
+        return str(make_header(decode_header(value)))
+    except Exception:
+        return value
+
+
+def _sanitize_filename(name: str) -> str:
+    cleaned = re.sub(r'[<>:"/\\|?*\x00-\x1f]', "_", name or "").strip()
+    return cleaned or "attachment.bin"
+
+
+def _parse_time_value(value: str | None, field_name: str) -> datetime | None:
+    if not value:
+        return None
+    normalized = value.strip()
+    if not normalized:
+        return None
+    normalized = normalized.replace("/", "-")
+    try:
+        return datetime.fromisoformat(normalized)
+    except ValueError:
+        pass
+    for fmt in ("%Y-%m-%d", "%Y-%m-%d %H:%M:%S", "%Y-%m-%d %H:%M"):
+        try:
+            return datetime.strptime(normalized, fmt)
+        except ValueError:
+            continue
+    raise ValueError(f"{field_name} format is invalid. Use YYYY-MM-DD or YYYY-MM-DD HH:MM[:SS]")
+
+
+def _is_date_only(value: str | None) -> bool:
+    if not value:
+        return False
+    normalized = value.strip().replace("/", "-")
+    return bool(re.fullmatch(r"\d{4}-\d{1,2}-\d{1,2}", normalized))
+
+
+def _resolve_read_window(
+    start_time: str | None,
+    end_time: str | None,
+) -> tuple[datetime | None, datetime | None, str]:
+    start_dt = _parse_time_value(start_time, "start_time")
+    end_dt = _parse_time_value(end_time, "end_time")
+    mode = "explicit_range"
+    if start_dt and not end_dt and _is_date_only(start_time):
+        end_dt = start_dt + timedelta(days=1)
+        mode = "single_day_from_start_time"
+    elif start_dt and end_dt and _is_date_only(start_time) and _is_date_only(end_time) and start_dt == end_dt:
+        # 同一天（如 start="2026-07-08", end="2026-07-08"）：视为查询该整天
+        end_dt = start_dt + timedelta(days=1)
+        mode = "single_day_explicit"
+    elif not start_dt and not end_dt:
+        mode = "default_window"
+    if start_dt and end_dt and end_dt <= start_dt:
+        raise ValueError("end_time must be later than start_time.")
+    return start_dt, end_dt, mode
+
+
+def _get_mail_config_value(name: str, default: str = "") -> str:
+    env_value = os.getenv(name)
+    if env_value is not None and str(env_value).strip():
+        return str(env_value).strip()
+    try:
+        config = load_env_config()
+        value = config.get(name)
+        if value is not None and str(value).strip():
+            return str(value).strip()
+    except Exception:
+        pass
+    return default
+
+
+def _ensure_mail_config() -> tuple[str, str, _ProviderConfig, Path]:
+    address = _get_mail_config_value("EMAIL_ADDRESS")
+    auth_code = _get_mail_config_value("EMAIL_AUTH_CODE")
+    if not address:
+        raise ValueError("EMAIL_ADDRESS 未配置，请在设置 → 环境变量中填写邮箱地址。")
+    if not auth_code:
+        raise ValueError("EMAIL_AUTH_CODE 未配置，请在设置 → 环境变量中填写邮箱授权码。")
+    provider = _detect_provider(address)
+    session_id = (get_current_session() or "").strip()
+    turn_id = (get_current_turn() or "").strip()
+    if session_id and turn_id:
+        save_dir = session_tool_dir(session_id) / turn_id
+    else:
+        save_dir = Path(__file__).resolve().parents[1] / "history" / "tool_calling" / "mail_fallback"
+    save_dir.mkdir(parents=True, exist_ok=True)
+    return address, auth_code, provider, save_dir
+
+
+def _format_mail_date(msg: Message) -> str:
+    raw_date = msg.get("Date")
+    if not raw_date:
+        return ""
+    try:
+        dt = parsedate_to_datetime(raw_date)
+        return dt.strftime("%Y-%m-%d %H:%M:%S")
+    except Exception:
+        return raw_date
+
+
+def _mail_datetime(msg: Message) -> datetime | None:
+    raw_date = msg.get("Date")
+    if not raw_date:
+        return None
+    try:
+        dt = parsedate_to_datetime(raw_date)
+        if dt.tzinfo is not None:
+            return dt.astimezone().replace(tzinfo=None)
+        return dt
+    except Exception:
+        return None
+
+
+def _extract_body_and_attachments(
+    msg: Message,
+    save_dir: Path,
+) -> tuple[str, list[bytes], list[str]]:
+    text_parts: list[str] = []
+    image_bytes_list: list[bytes] = []
+    saved_attachment_paths: list[str] = []
+
+    for part in msg.walk():
+        if part.is_multipart():
+            continue
+
+        content_type = part.get_content_type()
+        disposition = (part.get_content_disposition() or "").lower()
+        filename = _decode_mime_header(part.get_filename())
+        payload = part.get_payload(decode=True) or b""
+
+        if disposition in {"attachment", "inline"} and filename:
+            safe_name = _sanitize_filename(filename)
+            target = save_dir / safe_name
+            stem = target.stem
+            suffix = target.suffix
+            counter = 1
+            while target.exists():
+                target = save_dir / f"{stem}_{counter}{suffix}"
+                counter += 1
+            target.write_bytes(payload)
+            saved_attachment_paths.append(str(target))
+            if content_type.startswith("image/"):
+                image_bytes_list.append(payload)
+            continue
+
+        if content_type == "text/plain":
+            charset = part.get_content_charset() or "utf-8"
+            try:
+                text_parts.append(payload.decode(charset, errors="replace").strip())
+            except Exception:
+                text_parts.append(payload.decode("utf-8", errors="replace").strip())
+        elif content_type == "text/html" and not text_parts:
+            charset = part.get_content_charset() or "utf-8"
+            try:
+                html = payload.decode(charset, errors="replace")
+            except Exception:
+                html = payload.decode("utf-8", errors="replace")
+            html_text = re.sub(r"<[^>]+>", " ", html)
+            html_text = re.sub(r"\s+", " ", html_text).strip()
+            if html_text:
+                text_parts.append(html_text)
+
+    text = "\n".join(part for part in text_parts if part).strip()
+    return text, image_bytes_list, saved_attachment_paths
+
+
+def _build_read_summary(
+    msg: Message,
+    body_text: str,
+    attachment_paths: list[str],
+) -> str:
+    subject = _decode_mime_header(msg.get("Subject"))
+    sender = _decode_mime_header(msg.get("From"))
+    recipient = _decode_mime_header(msg.get("To"))
+    date_text = _format_mail_date(msg)
+    lines = [
+        f"Subject: {subject or '(no subject)'}",
+        f"From: {sender or '(unknown)'}",
+        f"To: {recipient or '(unknown)'}",
+        f"Date: {date_text or '(unknown)'}",
+    ]
+    if body_text:
+        lines.append("Body:")
+        lines.append(body_text)
+    if attachment_paths:
+        lines.append("Attachments:")
+        lines.extend(f"- {path}" for path in attachment_paths)
+    return "\n".join(lines)
+
+
+def _format_debug_block(lines: list[str]) -> str:
+    return "Read Debug:\n" + "\n".join(f"- {line}" for line in lines)
+
+
+def _send_mail(
+    sender_address: str,
+    auth_code: str,
+    provider: _ProviderConfig,
+    recipient: str,
+    subject: str,
+    content: str,
+    attachments: list[str] | None = None,
+) -> str:
+    """通过提供商 SMTP 发送邮件，支持附件。
+
+    输入:
+        sender_address: 发件人邮箱。
+        auth_code: 邮箱授权码（非登录密码）。
+        provider: 提供商配置。
+        recipient: 收件人。
+        subject: 主题。
+        content: 正文。
+        attachments: 可选附件文件路径列表。
+
+    输出:
+        成功信息字符串。
+
+    异常:
+        ConnectionError: 网络连接失败（含 DNS 解析失败、超时等）。
+        smtplib.SMTPAuthenticationError: 授权码错误。
+        smtplib.SMTPException: 其他 SMTP 错误。
+    """
+    msg = EmailMessage()
+    msg["From"] = formataddr(("Agent", sender_address))
+    msg["To"] = recipient
+    msg["Subject"] = subject
+    msg.set_content(content)
+
+    # 添加附件
+    attached_files: list[str] = []
+    for file_path in (attachments or []):
+        path = Path(file_path)
+        if not path.is_file():
+            return f"[ERROR] 附件不存在: {file_path}"
+        ctype, _encoding = mimetypes.guess_type(str(path))
+        if ctype is None:
+            ctype = "application/octet-stream"
+        main_type, sub_type = ctype.split("/", 1)
+        with open(path, "rb") as f:
+            file_data = f.read()
+        msg.add_attachment(file_data, maintype=main_type, subtype=sub_type, filename=path.name)
+        attached_files.append(path.name)
+
+    try:
+        with smtplib.SMTP_SSL(provider.smtp_host, provider.smtp_port, timeout=SEND_TIMEOUT) as server:
+            server.login(sender_address, auth_code)
+            server.send_message(msg)
+    except smtplib.SMTPAuthenticationError:
+        raise smtplib.SMTPAuthenticationError(
+            -1,
+            f"[SMTP认证失败] {provider.name}（{sender_address}）授权码错误，"
+            f"请在设置 → 环境变量中检查 EMAIL_AUTH_CODE。"
+        )
+    except (socket.gaierror, socket.timeout, ConnectionRefusedError, OSError) as e:
+        raise ConnectionError(
+            f"[网络连接失败] 无法连接到 {provider.name} SMTP 服务器 "
+            f"（{provider.smtp_host}:{provider.smtp_port}）。\n"
+            f"原始错误: {e}\n"
+            f"请检查: 1) 网络是否正常 2) VPN/代理设置 3) 防火墙是否阻止连接。"
+        ) from e
+
+    result = f"[OK] 邮件发送成功（{provider.name}）\nTo: {recipient}\nSubject: {subject}"
+    if attached_files:
+        result += f"\n附件({len(attached_files)}): " + ", ".join(attached_files)
+    return result
+
+
+def _search_read_targets(
+    mail: imaplib.IMAP4_SSL,
+    contact: str | None,
+    start_dt: datetime | None,
+    end_dt: datetime | None,
+) -> tuple[list[bytes], str, bool]:
+    """搜索匹配的邮件 ID 列表。
+
+    返回:
+        (ids, search_query, has_time_filter): ids 列表、IMAP 查询字符串、是否指定了时间范围。
+        当指定了时间范围时，不再限制 UNSEEN，以覆盖已读邮件。
+    """
+    criteria: list[str] = []
+    has_time_filter = start_dt is not None or end_dt is not None
+    if contact:
+        criteria.extend(['FROM', f'"{contact}"'])
+    elif not has_time_filter:
+        # 仅在未指定时间范围时才限制 UNSEEN；指定了时间范围的查询应覆盖全部邮件（含已读）
+        criteria.append("UNSEEN")
+    if start_dt is not None:
+        criteria.extend(["SINCE", start_dt.strftime("%d-%b-%Y")])
+    if end_dt is not None:
+        # IMAP BEFORE 是日期粒度的（不含当天 00:00），
+        # 若 end_dt 带时间分量（非 00:00:00）则需 +1 天以覆盖 end 当天
+        before_date = end_dt.date()
+        if end_dt.time() != dt_time(0, 0, 0):
+            before_date += timedelta(days=1)
+        criteria.extend(["BEFORE", before_date.strftime("%d-%b-%Y")])
+    search_query = " ".join(criteria) if criteria else "ALL"
+    if criteria:
+        status, data = mail.search(None, *criteria)
+    else:
+        status, data = mail.search(None, "ALL")
+    if status != "OK":
+        raise RuntimeError(f"IMAP search failed: {status}")
+    ids = data[0].split() if data and data[0] else []
+    return ids, search_query, has_time_filter
+
+
+def _parse_internaldate(fetch_data: list[tuple[bytes, bytes]] | list[bytes | tuple]) -> datetime | None:
+    """从 IMAP fetch 响应中提取 INTERNALDATE 并解析为 datetime。
+
+    INTERNALDATE 格式示例: "08-Jul-2026 10:30:00 +0800"
+    """
+    try:
+        # 将响应数据拼接为字符串，提取 INTERNALDATE 值
+        raw = b""
+        for item in fetch_data:
+            if isinstance(item, tuple):
+                raw += b" ".join(item)
+            elif isinstance(item, bytes):
+                raw += item
+        text = raw.decode("utf-8", errors="replace")
+        match = re.search(r'INTERNALDATE\s+"([^"]+)"', text)
+        if not match:
+            return None
+        date_str = match.group(1)
+        # IMAP INTERNALDATE 格式: "DD-Mon-YYYY HH:MM:SS +ZZZZ"
+        return datetime.strptime(date_str, "%d-%b-%Y %H:%M:%S %z")
+    except Exception:
+        return None
+
+
+def _read_mail(
+    address: str,
+    auth_code: str,
+    provider: _ProviderConfig,
+    save_dir: Path,
+    contact: str | None,
+    start_time: str | None,
+    end_time: str | None,
+    max_count: int,
+) -> tuple[str, dict]:
+    stage = "prepare read filters"
+    started_at = time.perf_counter()
+    debug_lines: list[str] = []
+    try:
+        start_dt, end_dt, window_mode = _resolve_read_window(start_time, end_time)
+        if not contact and start_dt is None and end_dt is None:
+            start_dt = datetime.now() - timedelta(days=30)
+            window_mode = "default_last_30_days_unread"
+        debug_lines.append(f"window_mode={window_mode}")
+        debug_lines.append(f"contact_filter={contact or '(none)'}")
+        debug_lines.append(f"start_time={start_dt.strftime('%Y-%m-%d %H:%M:%S') if start_dt else '(none)'}")
+        debug_lines.append(f"end_time={end_dt.strftime('%Y-%m-%d %H:%M:%S') if end_dt else '(none)'}")
+        debug_lines.append(f"max_count={max_count}")
+
+        with imaplib.IMAP4_SSL(provider.imap_host, provider.imap_port) as mail:
+            stage = "login IMAP"
+            mail.login(address, auth_code)
+            debug_lines.append("imap_login=ok")
+            stage = "open inbox"
+            select_status, _ = mail.select("INBOX")
+            if select_status != "OK":
+                raise RuntimeError("Failed to open INBOX.")
+            debug_lines.append("open_inbox=ok")
+
+            stage = "search messages"
+            ids, search_query, has_time_filter = _search_read_targets(mail, contact, start_dt, end_dt)
+            debug_lines.append(f"imap_query={search_query}")
+            debug_lines.append(f"matched_count={len(ids)}")
+            if not ids:
+                debug_lines.append(f"elapsed_seconds={time.perf_counter() - started_at:.2f}")
+                return "[OK] No matching emails found.\n\n" + _format_debug_block(debug_lines), {}
+
+            # 当有时间范围时 IMAP 搜索可能不生效，需在 Python 侧兜底过滤
+            # 从最新往旧遍历，直到找够 max_count 条或遍历完所有 ID
+            summaries: list[str] = []
+            image_bytes_list: list[bytes] = []
+            fetched_count = 0
+            skipped_count = 0
+            date_fallback_count = 0
+            scanned_count = 0
+
+            # 从最新到最旧遍历
+            max_scan = max(max_count * 10, 200)
+            for mail_id in reversed(ids):
+                if fetched_count >= max_count:
+                    break
+                if scanned_count >= max_scan:
+                    break
+                scanned_count += 1
+                stage = f"fetch message {scanned_count}"
+                status, data = mail.fetch(mail_id, "(RFC822 INTERNALDATE)")
+                if status != "OK" or not data or not data[0]:
+                    skipped_count += 1
+                    continue
+                raw_bytes = data[0][1]
+                msg = email.message_from_bytes(raw_bytes)
+                mail_dt = _mail_datetime(msg)
+                # Date header 无法解析时，用 IMAP INTERNALDATE 兜底
+                if mail_dt is None:
+                    internal_dt = _parse_internaldate(data)
+                    if internal_dt is not None:
+                        mail_dt = internal_dt.astimezone().replace(tzinfo=None) if internal_dt.tzinfo else internal_dt
+                        date_fallback_count += 1
+                # 时间窗口过滤
+                if has_time_filter and mail_dt is None:
+                    skipped_count += 1
+                    continue
+                if start_dt and mail_dt and mail_dt < start_dt:
+                    skipped_count += 1
+                    continue
+                if end_dt and mail_dt and mail_dt >= end_dt:
+                    skipped_count += 1
+                    continue
+                stage = f"parse message {scanned_count}"
+                body_text, image_bytes, attachment_paths = _extract_body_and_attachments(msg, save_dir)
+                image_bytes_list.extend(image_bytes)
+                summaries.append(_build_read_summary(msg, body_text, attachment_paths))
+                fetched_count += 1
+
+            debug_lines.append(f"scanned_count={scanned_count}")
+            debug_lines.append(f"fetched_count={fetched_count}")
+            debug_lines.append(f"skipped_count={skipped_count}")
+            if date_fallback_count:
+                debug_lines.append(f"date_fallback_count={date_fallback_count}")
+            debug_lines.append(f"saved_image_count={len(image_bytes_list)}")
+            debug_lines.append(f"elapsed_seconds={time.perf_counter() - started_at:.2f}")
+
+            if not summaries:
+                return (
+                    "[OK] Matching emails were searched, but no messages remained after filtering.\n\n"
+                    + _format_debug_block(debug_lines),
+                    {},
+                )
+
+            artifact: dict = {}
+            if image_bytes_list:
+                artifact["images"] = image_bytes_list
+                artifact["image_urls"] = [
+                    f"data:{mimetypes.guess_type('x.png')[0] or 'image/png'};base64,{base64.b64encode(img).decode('ascii')}"
+                    for img in image_bytes_list
+                ]
+            return _format_debug_block(debug_lines) + "\n\n" + ("\n" + ("-" * 60) + "\n\n").join(summaries), artifact
+    except Exception as exc:
+        debug_lines.append(f"failed_stage={stage}")
+        debug_lines.append(f"elapsed_seconds={time.perf_counter() - started_at:.2f}")
+        raise RuntimeError(f"read failed at stage '{stage}': {exc}\n\n{_format_debug_block(debug_lines)}") from exc
+
+
+class MailToolInput(BaseModel):
+    action: Literal["send", "read"] = Field(..., description="Required action: send or read.")
+    contact: Optional[str] = Field(
+        default=None,
+        description="Recipient email address for send, or sender filter for read.",
+    )
+    start_time: Optional[str] = Field(
+        default=None,
+        description="Optional read start time. Format: YYYY-MM-DD or YYYY-MM-DD HH:MM[:SS]. If only a date is given and end_time is empty, it means that single day.",
+    )
+    end_time: Optional[str] = Field(
+        default=None,
+        description="Optional read end time. Format: YYYY-MM-DD or YYYY-MM-DD HH:MM[:SS].",
+    )
+    max_count: int = Field(
+        default=DEFAULT_READ_MAX_COUNT,
+        description=f"Maximum number of newest matched emails to read. Default is {DEFAULT_READ_MAX_COUNT}.",
+    )
+    subject: Optional[str] = Field(
+        default=None,
+        description="Required subject when action=send.",
+    )
+    content: Optional[str] = Field(
+        default=None,
+        description="Required body content when action=send.",
+    )
+    attachments: Optional[list[str]] = Field(
+        default=None,
+        description="Optional list of local file paths to attach when action=send.",
+    )
+
+    @field_validator("attachments", mode="before")
+    @classmethod
+    def _coerce_attachments(cls, v: object) -> list[str] | None:
+        """LLM 可能将 attachments 传为 JSON 字符串，在此处转为列表。"""
+        if v is None:
+            return None
+        if isinstance(v, list):
+            return v
+        if isinstance(v, str):
+            stripped = v.strip()
+            if stripped.startswith("["):
+                try:
+                    parsed = _json.loads(stripped)
+                    if isinstance(parsed, list):
+                        return parsed
+                except (_json.JSONDecodeError, TypeError):
+                    pass
+            # 单文件路径字符串 → 转为单元素列表
+            return [stripped]
+        return [str(v)]
+
+    @model_validator(mode="after")
+    def _validate_inputs(self) -> "MailToolInput":
+        if self.action == "send":
+            if not self.contact:
+                raise ValueError("contact is required when action=send.")
+            if not self.subject:
+                raise ValueError("subject is required when action=send.")
+            if not self.content:
+                raise ValueError("content is required when action=send.")
+        if self.action == "read":
+            if self.max_count <= 0:
+                raise ValueError("max_count must be greater than 0 when action=read.")
+        return self
+
+
+class MailTool(BaseTool):
+    args_schema: type[BaseModel] = MailToolInput
+    name: str = "mail_tool"
+    description: str = (
+        "Email tool supporting QQ Mail (qq.com) and Netease Mail (163.com / 126.com / yeah.net).\n"
+        "Automatically detects the email provider from EMAIL_ADDRESS in env config.\n"
+        "- action='send': requires contact(recipient email), subject, content. Optionally attachments (local file paths).\n"
+        "- action='read': optional contact(sender filter), optional start_time/end_time, and optional max_count.\n"
+        "- If read only provides start_time as a date like 2026-07-08, it reads that full day.\n"
+        f"- If read does not specify contact or time range, it defaults to unread emails from the last 30 days, limited to the newest {DEFAULT_READ_MAX_COUNT} messages.\n"
+        "- Images are returned as artifact. Attachments are saved locally and their paths are added to the text result."
+    )
+    response_format: Literal["content", "content_and_artifact"] = "content_and_artifact"
+
+    def _run(
+        self,
+        action: str,
+        contact: str | None = None,
+        start_time: str | None = None,
+        end_time: str | None = None,
+        max_count: int = DEFAULT_READ_MAX_COUNT,
+        subject: str | None = None,
+        content: str | None = None,
+        attachments: list[str] | None = None,
+    ) -> tuple[str, dict]:
+        stage = "initialize"
+        try:
+            stage = "load mail config"
+            address, auth_code, provider, save_dir = _ensure_mail_config()
+            normalized_action = (action or "").strip().lower()
+            if normalized_action == "send":
+                stage = "send email"
+                result = _send_mail(
+                    sender_address=address,
+                    auth_code=auth_code,
+                    provider=provider,
+                    recipient=(contact or "").strip(),
+                    subject=(subject or "").strip(),
+                    content=content or "",
+                    attachments=attachments,
+                )
+                return result, {}
+
+            if normalized_action == "read":
+                stage = "read email"
+                return _read_mail(
+                    address=address,
+                    auth_code=auth_code,
+                    provider=provider,
+                    save_dir=save_dir,
+                    contact=(contact or "").strip() or None,
+                    start_time=start_time,
+                    end_time=end_time,
+                    max_count=max_count,
+                )
+
+            return f"[ERROR] Unsupported action: {action}", {}
+        except Exception as exc:
+            return f"[ERROR] mail_tool failed at stage '{stage}': {exc}", {}
+
+    async def _arun(self, **kwargs) -> tuple[str, dict]:
+        return await asyncio.to_thread(self._run, **kwargs)

src/agent/tools/rag.py

@@ -2,6 +2,7 @@
 from __future__ import annotations
 
 import asyncio
+import json
 import re
 import hashlib
 import os
@@ -523,32 +524,58 @@ class RAGTool(BaseTool):
             return "清除操作必须提供 filter 条件。", {}
 
         coll = get_global_collection()
-        where = None
+
+        # 处理 filter：若为 JSON 字符串化的列表，尝试解析
         if isinstance(filter, str):
-            where = {"source": {"$contains": filter}}
+            try:
-        elif isinstance(filter, list) and len(filter) > 0:
+                parsed = json.loads(filter)
-            where = {"source": {"$contains": filter[0]}}
+                if isinstance(parsed, list):
+                    filter = parsed
+            except (json.JSONDecodeError, ValueError):
+                pass
 
-        if not where:
+        # 统一为列表
-            return "无法构建有效的过滤条件。", {}
+        if isinstance(filter, str):
+            filter_terms = [filter]
+        elif isinstance(filter, list):
+            filter_terms = [f for f in filter if f]
+        else:
+            return "无效的过滤条件。", {}
 
+        if not filter_terms:
+            return "清除操作必须提供 filter 条件。", {}
+
+        # 获取所有文档，在 Python 侧做子串匹配（避免 ChromaDB $contains 对中文的兼容问题）
         try:
-            res = coll.get(where=where)
+            all_data = coll.get()
-            if res["ids"]:
-                # 清理关联的图片文件
-                for meta in res.get("metadatas", []):
-                    img_path = meta.get("image_path", "")
-                    if img_path and os.path.isfile(img_path):
-                        try:
-                            os.remove(img_path)
-                        except Exception:
-                            pass
-                coll.delete(ids=res["ids"])
-                return f"已从全局知识库中删除 {len(res['ids'])} 条记录。", {}
-            else:
-                return "未找到匹配的记录。", {}
         except Exception as e:
-            return f"清除时出错: {e}", {}
+            return f"获取知识库数据失败: {e}", {}
+
+        if not all_data or not all_data["ids"]:
+            return "知识库中暂无数据。", {}
+
+        ids_to_delete = []
+        for i, meta in enumerate(all_data.get("metadatas", [])):
+            source = meta.get("source", "")
+            # 任一 filter_terms 是 source 的子串即匹配
+            if any(term in source for term in filter_terms):
+                ids_to_delete.append(all_data["ids"][i])
+
+        if not ids_to_delete:
+            return f"未找到匹配 '{filter_terms[0] if len(filter_terms) == 1 else str(filter_terms)}' 的记录。", {}
+
+        # 清理关联的图片文件
+        for i, meta in enumerate(all_data.get("metadatas", [])):
+            if all_data["ids"][i] in ids_to_delete:
+                img_path = meta.get("image_path", "")
+                if img_path and os.path.isfile(img_path):
+                    try:
+                        os.remove(img_path)
+                    except Exception:
+                        pass
+
+        coll.delete(ids=ids_to_delete)
+        return f"已从全局知识库中删除 {len(ids_to_delete)} 条记录。", {}
 
     # ---------- 列出所有来源 ----------
     def _handle_list_sources(self) -> Tuple[str, dict]:

src/agent/tools/web_search.py

@@ -10,7 +10,7 @@ from pydantic import BaseModel, Field, create_model
 class WebSearch(BaseTool):
         
     args_schema : type[BaseModel] = create_model("Input_type", query=(str, Field(description="搜索查询内容")))
-    name : str = "web_search_class"
+    name : str = "web_search"
     description : str = "一个网络搜索工具，可以根据用户的查询返回相关的搜索结果。仅当需要查询近期知识或已有知识无法解答需要联网查询时调用，其余任何情况严禁调用。"
 
     def _get_search_wrapper(self):

src/agent/utils/agent_utils.py

@@ -41,8 +41,10 @@ AUDIO_FILE_EXTENSIONS = frozenset({".wav", ".mp3", ".flac", ".ogg", ".m4a", ".aa
 # 扩展名到内部类型标签的映射
 DOC_EXT_MAP = {
     ".txt": "plain_text", ".json": "plain_text", ".md": "plain_text",".cpp": "plain_text",
-    ".c": "plain_text", ".py": "plain_text", ".m": "plain_text", ".java": "plain_text",
+    ".c": "plain_text", ".py": "plain_text", ".m": "plain_text", ".java": "plain_text",".html": "plain_text",
+    ".svg": "plain_text",
     ".docx": "docx",
+    ".pptx": "pptx",
     ".pdf": "pdf",
     ".csv": "tabular",
     ".xlsx": "tabular",
@@ -649,6 +651,39 @@ class Documents_process:
 
         return "\n".join(text_parts), image_bytes_list
 
+    @staticmethod
+    def process_pptx(file_path: str) -> tuple[str, list]:
+        """将 PPTX 每一页转为 SVG 代码 + 提取内嵌图片。
+
+        使用本地 ppt_utils.py 引擎，将每个幻灯片转换为自包含的 SVG，
+        同时收集所有内嵌图片字节。
+
+        输入: file_path .pptx 路径。
+        输出: (按 <slide>N</slide> 分隔的 SVG 代码文本, 图片字节列表)。
+        """
+        from pathlib import Path
+        from agent.utils.ppt_utils import convert_pptx_to_svg
+
+        pptx_path = Path(file_path)
+        result = convert_pptx_to_svg(pptx_path)
+
+        # 收集所有图片字节
+        image_bytes_list: list[bytes] = []
+        for art in result.slides:
+            for blob in art.media_files.values():
+                image_bytes_list.append(blob)
+
+        # 组装 SVG 文本
+        slide_parts = []
+        for art in result.slides:
+            slide_parts.append(f"<slide>{art.index}</slide>\n{art.svg.strip()}")
+
+        text = "\n\n".join(slide_parts)
+        if not text:
+            text = "(无法解析 PPTX 内容)"
+
+        return text, image_bytes_list
+
     @staticmethod
     def process_tabular(file_path: str) -> tuple[str, list]:
         """将 CSV / xlsx 转为 <table> 标记的表格文本。
@@ -730,6 +765,8 @@ class Documents_process:
             return Documents_process.process_plain_text(file_path)
         elif file_type == "docx":
             return Documents_process.process_docx(file_path)
+        elif file_type == "pptx":
+            return Documents_process.process_pptx(file_path)
         elif file_type == "pdf":
             return Documents_process.process_pdf(file_path)
         elif file_type == "image":

src/agent/utils/database_utils.py

@@ -1,302 +0,0 @@
-"""PostgreSQL 元数据查询与只读 SQL 执行（供 Agent 工具层使用）。
-
-系统定位:
-    为数据库相关 Tool 提供安全封装的 schema  introspection 与 SELECT 查询，
-    结果统一 JSON 序列化便于模型消费。
-
-安全策略:
-    execute_query / validate_query 仅允许 SELECT 与 WITH 语句。
-
-可扩展性:
-    - 可配置 fetch 行数上限、连接池参数
-    - 注释掉的 rename_table / update_table_comment 可按需启用并加权限控制
-"""
-from sqlalchemy import create_engine, inspect, text
-import json
-from typing import Optional, List
-from uuid import UUID
-from datetime import datetime
-
-class JSONEncoder(json.JSONEncoder):
-    """扩展 json.JSONEncoder，支持 UUID、datetime 及带 __dict__ 的对象。
-
-    系统定位: PostgreSQL_Manager 各方法 dumps 时的默认编码器。
-
-    可扩展性: 可增加 Decimal、date、Enum 等类型分支。
-    """
-
-    def default(self, obj):
-        """将 UUID、datetime 及带 __dict__ 的对象转为 JSON 可编码值。"""
-        if isinstance(obj, UUID):
-            return str(obj)
-        elif isinstance(obj, datetime):
-            return obj.isoformat()
-        elif hasattr(obj, '__dict__'):
-            return str(obj)
-        return super().default(obj)
-
-def make_json_serializable(obj):
-    """递归将嵌套结构转为 JSON 可序列化形式。
-
-    输入:
-        obj: dict | list | UUID | datetime | 任意对象。
-
-    输出:
-        仅含 JSON 兼容类型的树结构。
-
-    系统定位:
-        get_table_schema / get_table_comments 返回前清洗 SQLAlchemy 反射结果。
-
-    可扩展性:
-        与 JSONEncoder.default 保持类型处理一致。
-    """
-    if isinstance(obj, dict):
-        return {k: make_json_serializable(v) for k, v in obj.items()}
-    elif isinstance(obj, (list, tuple)):
-        return [make_json_serializable(item) for item in obj]
-    elif isinstance(obj, UUID):
-        return str(obj)
-    elif isinstance(obj, datetime):
-        return obj.isoformat()
-    elif hasattr(obj, '__dict__'):
-        return str(obj)
-    else:
-        return obj
-
-class PostgreSQL_Manager:
-    """PostgreSQL 连接池管理与只读元数据/查询 API。
-
-    系统定位:
-        Agent 数据库工具的后端实现类。
-
-    可扩展性:
-        可注入 engine、增加读写分离、审计日志。
-    """
-
-    def __init__(self, connection_params):
-        """创建 SQLAlchemy 引擎与连接池。
-
-        输入:
-            connection_params: SQLAlchemy URL，如
-                postgresql+psycopg2://user:pass@host:5432/dbname
-
-        输出:
-            无（设置 self.engine）。
-
-        系统定位:
-            工具初始化时构造单例或按请求构造。
-
-        可扩展性:
-            pool_size、pool_recycle 可改为构造参数或环境变量。
-        """
-        self.engine = create_engine(connection_params, pool_size=5, pool_recycle=7200)
-    
-    def get_table_names(self) -> list[str]:
-        """列出当前库中所有表名。
-
-        输入: 无（使用 self.engine）。
-
-        输出:
-            表名字符串列表；异常时返回空列表并打印错误。
-
-        系统定位:
-            Agent 探索库结构的第一步。
-
-        可扩展性:
-            可过滤 schema、排除系统表。
-        """
-        try:
-            # 使用SQLAlchemy的inspect功能获取数据库表名
-            inspector = inspect(self.engine)
-            return inspector.get_table_names()
-        except Exception as e:
-            print(f"Error occurred while fetching table names: {e}")
-            return []
-        
-    def get_table_comments(self, table_name: str = None) -> str:
-        """获取表 COMMENT 元数据并返回 JSON 字符串。
-
-        输入:
-            table_name: 指定表名；None 表示全部表。
-
-        输出:
-            JSON 字符串；错误时含 error 字段。
-
-        系统定位:
-            供 LLM 理解业务表含义。
-
-        可扩展性:
-            可合并列级 comment。
-        """
-        try:
-            inspector = inspect(self.engine)
-            if table_name is None:  # 返回所有表的注释
-                table_names = inspector.get_table_names()
-                comments_dict = {table: inspector.get_table_comment(table).get('text', '') for table in table_names}
-                serializable_dict = make_json_serializable(comments_dict)
-                return json.dumps(serializable_dict, ensure_ascii=False, indent=2, cls=JSONEncoder)
-            else:
-                comment = inspector.get_table_comment(table_name).get('text', '')
-                result = {"table_name": table_name, "comment": comment}
-                serializable_result = make_json_serializable(result)
-                return json.dumps(serializable_result, ensure_ascii=False, indent=2, cls=JSONEncoder)
-        except Exception as e:
-            error_msg = {"error": f"Error occurred while fetching table comments: {str(e)}"}
-            return json.dumps(error_msg, ensure_ascii=False, indent=2)
-        
-    def get_table_schema(self, table_names: Optional[List[str]] = None) -> str:
-        """反射表结构（列、主键、外键、索引）并返回 JSON。
-
-        输入:
-            table_names: 表名列表；None 表示所有表。
-
-        输出:
-            JSON 字符串，每表含 columns/primary_keys/foreign_keys/indexes。
-
-        系统定位:
-            Text-to-SQL 或数据分析前的 schema 上下文。
-
-        可扩展性:
-            可增加视图、物化视图、枚举类型信息。
-        """
-        try:
-            inspector = inspect(self.engine)
-            table_schema = {}
-            names_to_query = table_names if table_names else inspector.get_table_names()
-            for table_name in names_to_query:
-                columns = inspector.get_columns(table_name)
-                pk_constraints = inspector.get_pk_constraint(table_name)
-                primary_keys = pk_constraints['constrained_columns'] if pk_constraints else []
-                foreign_keys = inspector.get_foreign_keys(table_name)
-                indexes = inspector.get_indexes(table_name)
-                table_schema[table_name] = {
-                    'columns': columns,
-                    'primary_keys': primary_keys,
-                    'foreign_keys': foreign_keys,
-                    'indexes': indexes
-                }
-            # 转换为JSON序列化格式
-            serializable_schema = make_json_serializable(table_schema)
-            return json.dumps(serializable_schema, ensure_ascii=False, indent=2, cls=JSONEncoder)
-        except Exception as e:
-            error_msg = {"error": f"Error occurred while fetching table schema: {str(e)}"}
-            return json.dumps(error_msg, ensure_ascii=False, indent=2)
-    
-    def execute_query(self, query: str) -> str:
-        """执行只读 SQL 并返回最多 100 行结果的 JSON。
-
-        输入:
-            query: 必须以 select 或 with 开头（大小写不敏感）。
-
-        输出:
-            JSON 结果数组或 error/message 对象。
-
-        系统定位:
-            Agent 安全查询数据；禁止 DML/DDL。
-
-        可扩展性:
-            fetch 行数、超时、只读事务隔离级别可配置。
-        """
-        # 安全检查，防止执行危险的SQL语句，仅允许select和with查询语句
-        if not query.strip().lower().startswith(('select', 'with')):
-            error_msg = {"error": "Only SELECT and WITH queries are allowed."}
-            return json.dumps(error_msg, ensure_ascii=False, indent=2)
-
-        try:
-            with self.engine.connect() as conn:
-                result = conn.execute(text(query))
-                # 获取列名
-                columns = result.keys()
-                # 获取数据（限制返回数据量防止内存溢出）
-                rows = result.fetchmany(100)  # 只获取前100行数据
-                if not rows:
-                    return json.dumps({"message": "Query executed successfully, no rows returned."}, ensure_ascii=False, indent=2)
-                else:
-                    result_data = []
-                    for row in rows:
-                        row_dict = dict(zip(columns, row))
-                        result_data.append(row_dict)
-                    # 转换为JSON序列化格式
-                    serializable_data = make_json_serializable(result_data)
-                    return json.dumps(serializable_data, ensure_ascii=False, indent=2, cls=JSONEncoder)
-        except Exception as e:
-            error_msg = {"error": f"Error occurred while executing query: {str(e)}"}
-            return json.dumps(error_msg, ensure_ascii=False, indent=2)
-    
-    def validate_query(self, query: str) -> str:
-        """用 EXPLAIN（PostgreSQL）或试执行验证 SQL 合法性。
-
-        输入:
-            query: 只读 SQL 字符串。
-
-        输出:
-            JSON：成功含 message；失败含 error。
-
-        系统定位:
-            执行前的预检，减少无效查询。
-
-        可扩展性:
-            非 PG 方言可切换验证策略。
-        """
-        if not query or not query.strip():
-            error_msg = {"error": f"Error occurred while validating query: Query is must not be empty."}
-            return json.dumps(error_msg, ensure_ascii=False, indent=2)
-
-        # 简单的安全检查，防止执行危险的SQL语句，仅允许select和with查询语句
-        if not query.strip().lower().startswith(('select', 'with')):
-            error_msg = {"error": f"Error occurred while validating query: Only SELECT and WITH queries are allowed."}
-            return json.dumps(error_msg, ensure_ascii=False, indent=2)
-
-        try:
-            with self.engine.connect() as conn:
-                if self.engine.dialect.name == 'postgresql':
-                    # 使用EXPLAIN分析查询计划来验证查询的合法性
-                    explain_query = f"EXPLAIN {query}"
-                else:
-                    # 对于其他数据库，可以直接执行查询但不获取结果来验证合法性
-                    explain_query = query
-                conn.execute(text(explain_query))
-                return json.dumps({"message": "Query is valid."}, ensure_ascii=False, indent=2)
-        except Exception as e:
-            error_msg = {"error": f"Error occurred while validating query: {str(e)}"}
-            return json.dumps(error_msg, ensure_ascii=False, indent=2)
-if __name__ == "__main__":
-    DB_CONFIG = {
-        "host": "localhost",
-        "port": 5432,
-        "database": "agent_controller",
-        "user": "postgres",
-        "password": "12345678"
-    }
-    connection_params = f"postgresql+psycopg2://{DB_CONFIG['user']}:{DB_CONFIG['password']}@{DB_CONFIG['host']}:{DB_CONFIG['port']}/{DB_CONFIG['database']}?client_encoding=utf8"
-    db_manager = PostgreSQL_Manager(connection_params)
-    
-    # 获取并打印所有表名和注释（JSON格式）
-    print("All table comments (JSON):")
-    all_comments_json = db_manager.get_table_comments()
-    print(all_comments_json)
-    
-    # 示例：获取特定表的注释（JSON格式）
-    # table_names = db_manager.get_table_names()
-    # if table_names:
-    #     print(f"\nSpecific table comment for '{table_names[0]}' (JSON):")
-    #     specific_comment_json = db_manager.get_table_comments(table_names[0])
-    #     print(specific_comment_json)
-
-    # table_name = "result_artifacts"
-    # new_comment = "用于存放任务运行结果的表"
-    # db_manager.update_table_comment(table_name, new_comment)
-
-    # table_name = "agent_state_history"
-    # new_comment = "用于存放agent状态历史的表"
-    # db_manager.update_table_comment(table_name, new_comment)
-
-    # table_name = "agents"
-    # new_comment = "用于存放agent的注册表"
-    # db_manager.update_table_comment(table_name, new_comment)
-
-    # table_name = "tasks"
-    # new_comment = "用于存放任务的仓库表"
-    # db_manager.update_table_comment(table_name, new_comment)        
-
-        

src/web/app.js

@@ -167,11 +167,10 @@
 
   function isAudioOnlyAssistantMessage(msg) {
     if (!msg || msg.role !== "assistant") return false;
-    const outputType = msg.meta && typeof msg.meta.output_type === "string" ? msg.meta.output_type : "";
     const text = getTextFromContent(msg.content);
     const mediaParts = getMediaParts(msg.content);
     const hasOnlyAudioMedia = mediaParts.length > 0 && mediaParts.every((part) => part.type === "audio" && part.url);
-    return (outputType === "audio" || !text) && hasOnlyAudioMedia && !text;
+    return hasOnlyAudioMedia && !text;
   }
 
   function clamp(n, min, max) {

src/web/index.html

@@ -118,9 +118,8 @@
                 </label>
                 <label class="output-mode-label" for="outputModeSelect">输出模式</label>
                 <select id="outputModeSelect" class="output-mode-select" aria-label="Agent 输出模式">
-                  <option value="text">纯文字</option>
+                  <option value="text">文字模式</option>
-                  <option value="audio">纯语音</option>
+                  <option value="voice">语音模式</option>
-                  <option value="both">both</option>
                 </select>
                 <label class="output-mode-label" for="agentModeSelect">Agent 模式</label>
                 <select id="agentModeSelect" class="output-mode-select" aria-label="Agent 工作模式">

src/web/server.py

@@ -389,6 +389,12 @@ def api_delete_session(session_id: str = Form(...)) -> dict[str, Any]:
     """
     if not session_id:
         raise HTTPException(status_code=400, detail="缺少 session_id")
+    # 先设置 abort 标志，通知正在执行的 Agent 停止
+    try:
+        from agent.core.runtime import set_abort_flag
+        set_abort_flag(session_id)
+    except Exception:
+        pass
     ui.delete_session(session_id)
     # delete_session 已清理 tool_calling 目录，此处仅需清理 todo_store
     try:
@@ -499,7 +505,7 @@ def _chat_complete_core(session_id: str, output_type: str = "text", agent_mode:
 
     输入:
         session_id: 会话 ID。
-        output_type: text | audio | both。
+        output_type: text | voice。
         agent_mode: agent | plan | team。
 
     输出:
@@ -573,7 +579,7 @@ def api_chat_complete(
 
     输入:
         session_id: 表单字段，会话 ID。
-        output_type: text | audio | both。
+        output_type: text | voice。
         agent_mode: agent | plan | team。
 
     输出:

src/web/ui_session.py

@@ -564,9 +564,9 @@ def _assistant_manifest_entry_to_content(entry: dict) -> str | list:
         if not under or not os.path.isfile(audio_abs_path):
             audio_abs_path = None
     parts: list[dict] = []
-    if output_type in ("text", "both") and text:
+    if output_type in ("text", "voice") and text:
         parts.append({"type": "text", "text": text})
-    if output_type in ("audio", "both") and audio_abs_path:
+    if output_type == "voice" and audio_abs_path:
         parts.append({
             "type": "audio",
             "audio_path": audio_abs_path,