refactor: 活动日志摘要改用 LLM 总结替代文本截取

app/agent/middleware/activity_log.py

@@ -2,7 +2,7 @@
 活动日志中间件 - 自动记录 Agent 每次交互的操作摘要。
 
 按日期存储在 CONFIG_PATH/agent/activity/YYYY-MM-DD.md 中，
-每次 Agent 执行完毕后自动追加一条活动记录，
+每次 Agent 执行完毕后自动调用 LLM 对本轮对话生成简洁的活动摘要，
 并在每次 Agent 启动时加载近几天的活动日志注入系统提示词。
 """
 
@@ -21,7 +21,7 @@ from langchain.agents.middleware.types import (
     PrivateStateAttr,  # noqa
     ResponseT,
 )
-from langchain_core.messages import AIMessage, HumanMessage
+from langchain_core.messages import AIMessage, HumanMessage, ToolMessage
 from langgraph.runtime import Runtime
 
 from app.agent.middleware.utils import append_to_system_message
@@ -30,15 +30,23 @@ from app.log import logger
 # 活动日志保留天数
 DEFAULT_RETENTION_DAYS = 7
 
-# 单次活动记录的最大长度
-MAX_ENTRY_LENGTH = 300
-
 # 注入系统提示词时加载的天数
 PROMPT_LOAD_DAYS = 3
 
 # 每日日志文件最大大小 (256KB)
 MAX_LOG_FILE_SIZE = 256 * 1024
 
+# 提取本轮对话上下文的最大字符数（避免过长的对话消耗太多 token）
+MAX_CONTEXT_FOR_SUMMARY = 4000
+
+# LLM 总结的提示词
+SUMMARY_PROMPT = """请根据以下 AI 助手与用户的对话记录，生成一条简洁的活动摘要（中文，一句话，不超过80字）。
+摘要应包含：用户的需求是什么、助手做了什么、结果如何。
+只输出摘要内容，不要加任何前缀、标点序号或解释。
+
+对话记录：
+{conversation}"""
+
 
 class ActivityLogState(AgentState):
     """ActivityLogMiddleware 的状态模型。"""
@@ -53,22 +61,21 @@ class ActivityLogStateUpdate(TypedDict):
     activity_log_contents: dict[str, str]
 
 
-def _extract_activity_summary(messages: list) -> str | None:
-    """从本次对话的消息列表中提取活动摘要。
+def _extract_last_round(messages: list) -> list | None:
+    """从完整消息列表中提取最后一轮交互。
 
-    只关注最后一轮交互（从最后一条用户消息到结尾），
-    分析用户问题、Agent 使用的工具、最终回复，生成一行简洁的活动描述。
+    从最后一条 HumanMessage 到消息末尾即为本轮交互。
 
     参数：
         messages: Agent 执行后的完整消息列表。
 
     返回：
-        活动摘要字符串，如果没有有意义的活动则返回 None。
+        本轮交互的消息子列表，如果无有效交互则返回 None。
     """
     if not messages:
         return None
 
-    # 找到最后一条用户消息的索引，从此处开始截取本轮交互
+    # 找到最后一条用户消息的索引
     last_human_idx = None
     for i in range(len(messages) - 1, -1, -1):
         if isinstance(messages[i], HumanMessage) and messages[i].content:
@@ -78,52 +85,91 @@ def _extract_activity_summary(messages: list) -> str | None:
     if last_human_idx is None:
         return None
 
-    # 本轮交互的消息
     round_messages = messages[last_human_idx:]
 
-    # 提取用户问题
+    # 检查是否为系统心跳消息
     user_msg = round_messages[0]
     user_content = (
         user_msg.content if isinstance(user_msg.content, str) else str(user_msg.content)
     )
-
-    # 跳过系统心跳消息
     if user_content.strip().startswith("[System Heartbeat]"):
         return None
 
-    user_query = user_content.strip()[:100]
+    return round_messages
+
+
+def _format_conversation_for_summary(round_messages: list) -> str:
+    """将本轮对话消息格式化为文本，供 LLM 总结。
+
+    参数：
+        round_messages: 本轮交互的消息列表。
+
+    返回：
+        格式化后的对话文本。
+    """
+    lines = []
+    total_len = 0
 
-    # 收集本轮交互中使用的工具（仅限本轮）
-    tool_names = set()
     for msg in round_messages:
-        if isinstance(msg, AIMessage) and hasattr(msg, "tool_calls") and msg.tool_calls:
-            for tc in msg.tool_calls:
-                if isinstance(tc, dict) and "name" in tc:
-                    tool_names.add(tc["name"])
-
-    # 提取本轮最后一条 AI 回复的摘要
-    ai_reply = None
-    for msg in reversed(round_messages):
-        if (
-            isinstance(msg, AIMessage)
-            and msg.content
-            and not (hasattr(msg, "tool_calls") and msg.tool_calls)
-        ):
+        if isinstance(msg, HumanMessage):
             content = msg.content if isinstance(msg.content, str) else str(msg.content)
-            ai_reply = content.strip()[:120]
+            line = f"用户: {content}"
+        elif isinstance(msg, AIMessage):
+            if hasattr(msg, "tool_calls") and msg.tool_calls:
+                tool_names = [
+                    tc["name"]
+                    for tc in msg.tool_calls
+                    if isinstance(tc, dict) and "name" in tc
+                ]
+                line = f"助手调用工具: {', '.join(tool_names)}"
+            elif msg.content:
+                content = (
+                    msg.content if isinstance(msg.content, str) else str(msg.content)
+                )
+                line = f"助手: {content}"
+            else:
+                continue
+        elif isinstance(msg, ToolMessage):
+            content = msg.content if isinstance(msg.content, str) else str(msg.content)
+            # 工具返回可能很长，截断
+            if len(content) > 200:
+                content = content[:200] + "..."
+            line = f"工具返回: {content}"
+        else:
+            continue
+
+        # 控制总长度
+        if total_len + len(line) > MAX_CONTEXT_FOR_SUMMARY:
+            lines.append("...(后续对话省略)")
             break
+        lines.append(line)
+        total_len += len(line)
 
-    # 组装摘要
-    parts = [f"用户: {user_query}"]
-    if tool_names:
-        parts.append(f"工具: {', '.join(sorted(tool_names))}")
-    if ai_reply:
-        parts.append(f"结果: {ai_reply}")
+    return "\n".join(lines)
 
-    summary = " | ".join(parts)
-    if len(summary) > MAX_ENTRY_LENGTH:
-        summary = summary[: MAX_ENTRY_LENGTH - 3] + "..."
-    return summary
+
+async def _summarize_with_llm(conversation_text: str) -> str | None:
+    """调用 LLM 对对话文本生成活动摘要。
+
+    参数：
+        conversation_text: 格式化后的对话文本。
+
+    返回：
+        LLM 生成的摘要字符串，失败时返回 None。
+    """
+    try:
+        from app.helper.llm import LLMHelper
+
+        llm = LLMHelper.get_llm(streaming=False)
+        prompt = SUMMARY_PROMPT.format(conversation=conversation_text)
+        response = await llm.ainvoke(prompt)
+        summary = response.content.strip()
+        # 清理模型可能输出的前缀（如 "摘要：" "总结："）
+        summary = re.sub(r"^(摘要|总结|活动记录)[：:]\s*", "", summary)
+        return summary if summary else None
+    except Exception as e:
+        logger.debug("LLM summarization failed: %s", e)
+        return None
 
 
 ACTIVITY_LOG_SYSTEM_PROMPT = """<activity_log>
@@ -331,14 +377,24 @@ class ActivityLogMiddleware(AgentMiddleware[ActivityLogState, ContextT, Response
     async def aafter_agent(
         self, state: ActivityLogState, runtime: Runtime
     ) -> dict[str, Any] | None:
-        """Agent 执行完毕后，从对话中提取摘要并追加到当日活动日志。"""
+        """Agent 执行完毕后，调用 LLM 对本轮对话生成摘要并追加到当日活动日志。"""
         try:
             messages = state.get("messages", [])
             if not messages:
                 return None
 
-            # 提取活动摘要
-            summary = _extract_activity_summary(messages)
+            # 提取本轮交互
+            round_messages = _extract_last_round(messages)
+            if not round_messages:
+                return None
+
+            # 格式化对话文本
+            conversation_text = _format_conversation_for_summary(round_messages)
+            if not conversation_text:
+                return None
+
+            # 调用 LLM 生成摘要
+            summary = await _summarize_with_llm(conversation_text)
             if summary:
                 await self._append_activity(summary)
         except Exception as e: