feat: 持久化诊断历史并修复 Agent 命令执行

backend/ai_agent.py

@@ -1,5 +1,6 @@
 """AI Agent 分析模块 - 调用 OpenAI 兼容接口分析诊断结果 (支持流式输出)"""
 import json
+import re
 import uuid
 import httpx
 from backend.config import AI_API_BASE, AI_API_KEY, AI_MODEL
@@ -22,7 +23,12 @@ _HEADERS = {
 }
 
 
-AGENT_SYSTEM_PROMPT = """你是 Kubernetes 自主诊断 Agent。你可以根据诊断报告决定执行 kubectl 命令获取更多证据，并在证据充分后给出结论。
+AGENT_SYSTEM_PROMPT = """你是 Kubernetes 自主诊断 Agent。你的首要职责是主动调用 kubectl 获取现场证据，而不是只给用户一段脚本或操作建议。
+
+行为要求：
+1. 如果证据不足，必须返回 command 动作并逐条调查；至少检查与故障资源直接相关的状态、describe、events 或 logs。
+2. 禁止在 final 中仅提供“请执行以下命令”的脚本。只有在已经依据真实命令输出形成结论时才能返回 final。
+3. 每次只提出一条 kubectl 命令，服务端会执行并把真实输出返回给你，然后你继续下一轮判断。
 
 安全规则：
 1. 只允许提出单条 kubectl 命令，不得使用 shell、管道、重定向或命令连接符。
@@ -40,10 +46,25 @@ _PENDING_APPROVALS: dict[str, dict] = {}
 
 
 def _parse_agent_action(content: str) -> dict:
-    try:
-        action = json.loads(content.strip())
-    except json.JSONDecodeError as exc:
-        raise ValueError("AI 未返回合法 JSON 动作") from exc
+    text = content.strip()
+    candidates = [text]
+    fenced = re.search(r"```(?:json)?\s*(\{.*?\})\s*```", text, re.DOTALL | re.IGNORECASE)
+    if fenced:
+        candidates.insert(0, fenced.group(1))
+    first_brace = text.find("{")
+    last_brace = text.rfind("}")
+    if first_brace >= 0 and last_brace > first_brace:
+        candidates.append(text[first_brace:last_brace + 1])
+
+    action = None
+    for candidate in candidates:
+        try:
+            action = json.loads(candidate)
+            break
+        except json.JSONDecodeError:
+            continue
+    if action is None:
+        raise ValueError("AI 未返回合法 JSON 动作")
     if not isinstance(action, dict) or action.get("action") not in {"command", "final"}:
         raise ValueError("AI 返回了不支持的动作")
     if action["action"] == "command" and not action.get("command"):
@@ -91,6 +112,20 @@ async def run_diagnostic_agent(
         {"role": "user", "content": user_content},
     ]
 
+    if execution_mode == "ai":
+        initial_command = "kubectl get nodes -o wide"
+        yield {
+            "type": "command", "step": 0, "command": initial_command,
+            "reason": "建立集群节点状态基线，确保 AI 执行模式实际采集现场证据",
+            "mode": "read",
+        }
+        initial_result = await execute_kubectl(initial_command)
+        yield {"type": "result", **initial_result}
+        messages.append({
+            "role": "user",
+            "content": "AI 执行模式已自动采集第一份现场证据：\n" + json.dumps(initial_result, ensure_ascii=False),
+        })
+
     for step in range(1, max_steps + 1):
         yield {"type": "thinking", "step": step, "message": f"AI 正在规划第 {step} 轮诊断"}
         try:
@@ -134,6 +169,7 @@ async def run_diagnostic_agent(
                 "command": command,
                 "reason": reason,
                 "created_by": AI_MODEL,
+                "run_id": "",
             }
             yield {
                 "type": "approval_required", "approval_id": approval_id,