v0.12.11: Plan Mode 格式标准化 + 图片附件感知 + 弹窗UI优化

feat: Plan Mode 强制输出格式模板（任务分析/执行计划/预期结果） feat: 支持无需工具步骤，纯分析推理任务不再强制工具调用 feat: 反幻觉铁律新增3条（已上传附件不查找、read_file不能看图、Plan不规划查找步骤） fix: 上传图片后消息文本明确提示AI图片已随消息提供 fix: Plan Mode确认弹窗UI优化（步骤卡片样式/宽度/滚动） style: extractPlanSteps 双策略解析，兼容多种模型输出格式
2026-06-24 11:40:18 +08:00
parent d7275b08e8
commit c7aa5df81c
9 changed files with 143 additions and 52 deletions
@@ -14,7 +14,7 @@
 </p>

 <p align="center">
-  <img src="https://img.shields.io/badge/version-v0.12.10-E8734A?style=flat-square" alt="version">
+  <img src="https://img.shields.io/badge/version-v0.12.11-E8734A?style=flat-square" alt="version">
  <img src="https://img.shields.io/badge/electron-33+-47848F?style=flat-square&logo=electron" alt="electron">
  <img src="https://img.shields.io/badge/typescript-5.7+-3178C6?style=flat-square&logo=typescript" alt="typescript">
  <img src="https://img.shields.io/badge/license-MIT-green?style=flat-square" alt="license">
@@ -256,7 +256,7 @@ npm start
 ELECTRON_MIRROR=https://npmmirror.com/mirrors/electron/ npm run dist
 ```

-产出：`release/Metona Ollama Setup v0.12.10.exe`
+产出：`release/Metona Ollama Setup v0.12.11.exe`

 ## 🛠️ 常用命令

@@ -507,7 +507,7 @@ npm start
 ELECTRON_MIRROR=https://npmmirror.com/mirrors/electron/ npm run dist
 ```

-Output: `release/Metona Ollama Setup v0.12.10.exe`
+Output: `release/Metona Ollama Setup v0.12.11.exe`

 ## 🛠️ Common Commands

@@ -1,12 +1,12 @@
 {
  "name": "metona-ollama-desktop",
-  "version": "0.12.10",
+  "version": "0.12.11",
  "lockfileVersion": 3,
  "requires": true,
  "packages": {
    "": {
      "name": "metona-ollama-desktop",
-      "version": "0.12.10",
+      "version": "0.12.11",
      "license": "MIT",
      "dependencies": {
        "ffmpeg-static": "^5.2.0",
@@ -1,6 +1,6 @@
 {
  "name": "metona-ollama-desktop",
-  "version": "0.12.10",
+  "version": "0.12.11",
  "description": "Metona Ollama - TypeScript + Electron 桌面 AI 聊天客户端",
  "main": "dist/main/main.js",
  "author": "thzxx",
@@ -101,7 +101,7 @@ export function createMenu(): void {
            dialog.showMessageBox(mainWindow!, {
              type: 'info',
              title: '关于 Metona Ollama',
-              message: 'Metona Ollama Desktop v0.12.10',
+              message: 'Metona Ollama Desktop v0.12.11',
              detail: 'TypeScript + Electron Ollama AI 聊天客户端\n\nhttps://gitee.com/thzxx/metona-ollama',
              icon: getIconPath()
            });
@@ -582,14 +582,11 @@ async function handleRetry(): Promise<void> {
        onPlanReady: async (plan: string, steps: string[]) => {
          try {
            const { showHtmlConfirm } = await import('./prompt-modal.js');
-            const stepsHtml = steps.length > 0
-              ? '<br><br><strong>📋 执行步骤：</strong><br>' + steps.map((s: string, i: number) => `&nbsp;&nbsp;${i + 1}. ${s}`).join('<br>')
-              : '';
-            const html = `<div>${safeMarkdown(plan.slice(0, 1500))}${plan.length > 1500 ? '<br>…' : ''}${stepsHtml}</div>`;
-            return showHtmlConfirm(html, '📋 Plan Mode — 确认执行计划', true);
+            const html = buildPlanConfirmHtml(plan, steps);
+            return showHtmlConfirm(html, '📋 执行计划确认', true);
          } catch (err) {
            logWarn('Plan Mode: 弹窗加载失败，自动批准', (err as Error).message);
-            return true; // 加载失败时自动批准，不阻断执行
+            return true;
          }
        },
        onDone: async (finalContent, toolRecords, loopStats) => {
@@ -870,6 +867,43 @@ function stripComments(content: string, language: string): string {
 	 * - 小文件直接嵌入，大文件按预算截断
 	 * - 代码文件自动剥离注释
 	 */
+
+/** 构建 Plan Mode 确认弹窗 HTML */
+function buildPlanConfirmHtml(plan: string, steps: string[]): string {
+  const renderedPlan = safeMarkdown(plan.slice(0, 2000));
+  const truncated = plan.length > 2000;
+
+  const stepsHtml = steps.length > 0
+    ? `<div style="margin-top:16px;padding-top:14px;border-top:1px solid var(--border-subtle);">
+        <div style="font-size:12px;font-weight:700;color:var(--text-secondary);margin-bottom:10px;text-transform:uppercase;letter-spacing:0.5px;">
+          📌 执行步骤（共 ${steps.length} 步）
+        </div>
+        <div style="display:flex;flex-direction:column;gap:6px;">
+          ${steps.map((s, i) => `
+            <div style="display:flex;align-items:flex-start;gap:10px;padding:8px 12px;background:var(--bg-layer);border-radius:var(--radius-control);border-left:3px solid var(--accent);">
+              <span style="flex-shrink:0;width:24px;height:24px;display:flex;align-items:center;justify-content:center;background:var(--accent-subtle);border-radius:50%;font-size:13px;font-weight:700;color:var(--accent);">${i + 1}</span>
+              <span style="font-size:13px;line-height:1.6;color:var(--text-primary);padding-top:2px;">${escapeHtml(s)}</span>
+            </div>
+          `).join('')}
+        </div>
+      </div>`
+    : '';
+
+  return `
+    <div style="font-size:13px;line-height:1.7;">
+      <div style="margin-bottom:12px;padding:10px 14px;background:var(--accent-subtle);border-radius:var(--radius-control);border:1px solid rgba(232,115,74,0.12);">
+        <span style="font-size:13px;font-weight:600;color:var(--accent);">🤖 AI 执行计划</span>
+        <span style="font-size:11px;color:var(--text-tertiary);margin-left:8px;">批准后 AI 将按步骤依次执行，每完成一步自动标记进度</span>
+      </div>
+      <div style="padding:4px 0;color:var(--text-primary);">
+        ${renderedPlan}
+        ${truncated ? '<div style="margin-top:8px;font-size:11px;color:var(--text-tertiary);">…（计划内容已截断）</div>' : ''}
+      </div>
+      ${stepsHtml}
+    </div>
+  `;
+}
+
 function buildFileContentParts(fileContents: Array<{ language: string; content: string }>): string[] {
  const numCtx = state.get<number>(KEYS.NUM_CTX, 24576);
  const fileBudget = Math.floor(numCtx * FILE_TOKEN_BUDGET_RATIO);
@@ -1056,9 +1090,9 @@ async function sendMessageWithAgentLoop(text: string, currentSession: ChatSessio
      logInfo('📄 文件内容已注入', `${fileParts.length} 段, 共 ${fileContents.reduce((s, f) => s + f.content.length, 0)} 字符`);
    }
    if (pendingImages.length === 1) {
-      apiParts.push(`[图片: ${pendingImages[0].name}]`);
+      apiParts.push(`[已上传图片: ${pendingImages[0].name} — 此图片已随消息提供，你可以直接分析，无需去磁盘查找]`);
    } else if (pendingImages.length > 1) {
-      apiParts.push(`[${pendingImages.length} 张图片: ${pendingImages.map(img => img.name).join(', ')}]`);
+      apiParts.push(`[已上传 ${pendingImages.length} 张图片: ${pendingImages.map(img => img.name).join(', ')} — 这些图片已随消息提供，你可以直接分析，无需去磁盘查找]`);
    }
    let allVids: Array<{ name: string; count: number; dur: number; frames: Array<{ timestampSeconds: number; name: string; base64: string }> }> = [];
    if (hasVideos) {
@@ -1272,11 +1306,8 @@ async function sendMessageWithAgentLoop(text: string, currentSession: ChatSessio
      onPlanReady: async (plan: string, steps: string[]) => {
        try {
          const { showHtmlConfirm } = await import('./prompt-modal.js');
-          const stepsHtml = steps.length > 0
-            ? '<br><br><strong>📋 执行步骤：</strong><br>' + steps.map((s, i) => `&nbsp;&nbsp;${i + 1}. ${s}`).join('<br>')
-            : '';
-          const html = `<div>${safeMarkdown(plan.slice(0, 1500))}${plan.length > 1500 ? '<br>…' : ''}${stepsHtml}</div>`;
-          const approved = await showHtmlConfirm(html, '📋 Plan Mode — 确认执行计划', true);
+          const html = buildPlanConfirmHtml(plan, steps);
+          const approved = await showHtmlConfirm(html, '📋 执行计划确认', true);
          if (approved) {
            logInfo('Plan Mode: 用户批准计划');
          }
@@ -25,11 +25,13 @@ function ensureModal(): void {
      <div class="modal-header">
        <h3 id="promptTitle">输入</h3>
      </div>
-      <div class="modal-body" id="promptBody"></div>
-      <div class="modal-actions" style="padding:12px 20px 16px;">
-        <div style="flex:1;"></div>
-        <button class="btn btn-outline" id="promptCancel">取消</button>
-        <button class="btn btn-primary" id="promptOk">确定</button>
+      <div class="modal-body" id="promptBody" style="max-height:60vh;overflow-y:auto;"></div>
+      <div class="modal-actions" style="padding:12px 20px 16px;border-top:1px solid var(--border-subtle);flex-shrink:0;">
+
+
+
+        <button class="btn btn-outline" id="promptCancel" style="padding:8px 20px;font-size:13px;">取消</button>
+        <button class="btn btn-primary" id="promptOk" style="padding:8px 20px;font-size:13px;">确定</button>
      </div>
    </div>
  `;
@@ -131,12 +133,16 @@ export function showHtmlConfirm(html: string, title = '确认', wide = false): P
  return new Promise((resolve) => {
    resolveFn = (val) => resolve(val !== null);
    titleEl!.textContent = title;
-    bodyEl!.innerHTML = `<div style="color:var(--text-secondary);font-size:13px;line-height:1.6;">${html}</div>`;
+    bodyEl!.innerHTML = html;
    inputEl = null;
    overlayEl!.style.display = '';
    // 宽屏模式：Plan Mode 确认框需要更大空间
    const modalEl = overlayEl!.querySelector('.modal') as HTMLElement;
-    if (modalEl) modalEl.style.maxWidth = wide ? '700px' : '';
+    if (modalEl) {
+      modalEl.style.maxWidth = wide ? '640px' : '420px';
+      modalEl.style.maxHeight = wide ? '85vh' : '';
+    }
+    okBtn!.textContent = wide ? '✅ 批准执行' : '确定';
    okBtn!.focus();
  });
 }
@@ -28,7 +28,7 @@
        <div class="header-left">
            <span class="logo">🦙</span>
            <span class="app-title">Metona Ollama</span>
-            <span class="app-version">v0.12.10</span>
+            <span class="app-version">v0.12.11</span>
            <button class="icon-btn help-btn" id="btnHelp" title="使用帮助">
                <svg viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2">
                    <circle cx="12" cy="12" r="10"/><path d="M9.09 9a3 3 0 0 1 5.83 1c0 2-3 3-3 3"/>
@@ -79,7 +79,8 @@ memory_search（查找相关记忆）
 ## 重要约束

 - **严禁编造 URL**：所有 URL 必须来自搜索结果、用户提供或从已有文件中获取。
- **上传文件已在对话中**：用户上传的文件内容已在当前消息中，无需再用 read_file 读取。
+- **上传文件和图片已在对话中**：用户上传的文件内容已在当前消息文本中，图片已作为消息附件在 images 数组中提供。**严禁用 read_file / search_files 去磁盘查找用户已上传的图片或文件**——你直接就能"看到"它们。如果消息中包含 `[N 张图片: xxx]` 描述，说明这些图片已经上传了，直接分析即可。
+- **read_file 二进制模式不能用于"看"图片**：read_file mode=binary 返回的是 base64 文本字符串，视觉模型无法将其作为图像处理。如果你需要分析图片内容，必须由用户通过上传功能提供。不要试图用 read_file 去"读取"图片文件。
 - **永远不要只输出"我将执行xxx"然后结束**。说出计划后立即执行。
 - **搜索结果的 snippet 不可信**：它只是摘要，可能不完整或过时，必须 web_fetch 获取完整内容后确认。
 - **文件操作前先读**：修改文件前先用 read_file 确认当前内容，不要在不知道文件内容的情况下直接 edit_file。
@@ -537,10 +537,34 @@ async function handleInit(
  if (ctx.mode === 'plan') {
    systemPromptParts.push(`[Plan Mode 执行规则]
 你当前处于 Plan Mode（先规划后执行）。重要规则：
-1. 第一轮回复必须是执行计划，不要直接调用工具。列出步骤、涉及工具和预期结果后，等待用户批准。
-2. 计划批准后，系统会自动追踪工具执行进度——你每完成一个步骤对应的工具调用，系统会自动标记该步骤为完成。
-3. 你也可以手动调用 plan_track(action='mark_done', step_index=N) 来更新进度。
-4. 所有步骤完成后直接给出最终回答。不需要手动调用 plan_track 来标记全部完成——系统会自动检测。`);
+
+**输出格式（必须严格遵守）**：
+你的第一轮回复必须是一个清晰的执行计划，使用以下格式。不要输出其他无关内容。
+
+## 任务分析
+[1-2 句话概述任务，展示你的理解]
+
+## 执行计划
+1. **步骤名称** — 工具: tool_name — 简要描述这一步做什么，完成后预期结果是什么
+2. **步骤名称** — 无需工具 — 如果这一步只需推理/分析/总结，标注"无需工具"并描述分析要点
+...（根据任务复杂度，通常 2-6 步）
+
+## 预期结果
+[完成所有步骤后的最终产出]
+
+**关键规则**：
+- 需要调用工具的步骤：必须写"工具: xxx"（如 工具: web_search、工具: write_file）
+- 纯分析/推理/总结的步骤：写"无需工具"，描述你要分析和思考的要点
+- 禁止模糊描述如"分析需求"——即使是分析步骤，也要写清楚分析什么、关注什么
+- 如果用户已上传图片或文件，第一步必须是分析附件（写"无需工具"即可，图片你直接能看到）
+- 如果整个任务完全不需要工具（如纯翻译、润色、总结对话），可以全部步骤都是"无需工具"
+- 输出计划后等待用户批准，**不要**在输出计划的同时调用工具
+
+**计划批准后**：
+- 需要工具的步骤：调用对应工具完成任务
+- 无需工具的步骤：直接基于已有信息给出分析结论
+- 系统会自动追踪工具执行进度
+- 所有步骤完成后直接给出最终回答。`);

    // 将用户原始任务描述固化到系统提示词中（不会被压缩或清理）
    const taskDesc = userContent?.slice(0, 200) || '';
@@ -589,6 +613,9 @@ Shell: ${osInfo.shell}
 3. **搜索必须实际执行**：说"搜索结果显示"、"根据搜索结果"之前，必须先调用 web_search。搜索结果的 snippet 不可信，必须用 web_fetch 获取完整内容后才能引用。
 4. **信息不足时如实报告**：如果工具调用失败或返回了意外的结果，必须如实报告，不能编造替代信息。
 5. **完成标志**：当所有必需的工具调用已经实际执行完毕，且获得了足够的信息后，才能给出最终回答。最终回答中不要编造"文件已生成"等声明——除非你真的调用了对应工具。
+6. **用户上传的图片和文件已在当前消息中**：如果用户消息中包含图片附件标记（如 [已上传 N 张图片: ...]）或文件标记（如 [文件: xxx]），说明这些资源已随消息作为附件提供，你可以直接"看到"和分析它们。**严禁再用 read_file / search_files 等工具去磁盘上查找这些已上传的图片和文件**——它们不在磁盘上，就在当前消息里。不要浪费轮次去做无意义的文件搜索。
+7. **read_file 不能看图片**：read_file 返回的是文本或 base64 编码字符串，视觉模型无法处理。如果你需要分析图片内容，只有用户通过上传功能提供的图片才是可见的。不要尝试用 read_file mode=binary 去"读取"图片文件。
+8. **禁止在 Plan 模式下为已上传的附件规划文件查找步骤**：如果用户消息中已经有图片或文件附件，执行计划的第一步应该是直接分析这些附件，而不是"搜索工作空间中的图片文件"或"查找相关文件"。

 违反以上任何一条都是不可接受的错误。请逐条对照检查你的每一次回复。`);

@@ -656,7 +683,7 @@ Shell: ${osInfo.shell}
  if (ctx.mode === 'plan' && ctx.loopCount === 0) {
    ctx.messages.push({
      role: 'user' as const,
-      content: `[Plan Mode] 请先分析任务，列出执行计划（包括需要的工具、步骤和预期结果），然后等待我的确认。不要直接执行工具调用。`,
+      content: `[Plan Mode] 请按照 Plan Mode 执行规则中指定的格式输出执行计划。不要直接执行工具调用，先输出计划等待用户批准。`,
      ephemeral: true,
    });
  }
@@ -674,23 +701,49 @@ function truncateByTokenBudget(text: string, maxTokens: number): string {
  return text.slice(0, cutAt) + '\n\n... (已截断以控制 Token 预算)';
 }

-/** 从 Plan Mode 输出中提取步骤列表 */
+/** 从 Plan Mode 输出中提取步骤列表（兼容多种模型格式） */
 function extractPlanSteps(content: string): string[] {
  const steps: string[] = [];
+
+  // 策略1: 精确匹配 "## 执行计划" 区块中的编号行
+  const planSection = content.match(/##\s*执行计划\s*\n([\s\S]*?)(?=\n##|\n---|\n\*\*关键|$)/);
+  if (planSection) {
+    const lines = planSection[1].split('\n');
+    for (const line of lines) {
+      // 匹配: 1. **步骤名** — 工具: xxx — 描述
+      const match = line.match(/^\d+[\.\)、]\s*(?:\*\*)?(.+?)(?:\*\*)?(?:\s*[—\-]\s*)/);
+      if (match) {
+        const step = match[0].trim();
+        if (step.length >= 5 && step.length <= 200) {
+          steps.push(step);
+          continue;
+        }
+      }
+      // 回退: 匹配任何编号行
+      const looseMatch = line.match(/^\d+[\.\)、]\s+(.+)/);
+      if (looseMatch) {
+        const step = looseMatch[1].trim();
+        if (step.length >= 5 && step.length <= 200) {
+          steps.push(step);
+        }
+      }
+    }
+  }
+
+  // 策略2: 回退 — 全局匹配编号行（松动匹配，接受"无需工具"的步骤）
+  if (steps.length === 0) {
    const stepRegex = /(?:^|\n)\s*(?:\d+[\.\)、]\s*|[-*]\s+)(.+)/g;
-  // 过滤项：阶段标题、HTML 标记、纯格式描述
    const filterPatterns = [/^\*\*.*阶段.*\*\*/, /\*\*第[一二三]|\*\*Phase/, /^```/, /^<\/?/, /^Stage/i];
-  // 动作动词：步骤必须包含至少一个表示"要做什么"的词
-  const ACTION_VERBS = /搜索|查找|检索|抓取|fetch|写入|write|创建|生成|运行|执行|打开|浏览|读取|下载|提交|推送|编译|压缩|解压|截图|提取|设计|构建|编码|HTML|CSS|组织|整理|归类|搜集|汇总/;
    let match;
    while ((match = stepRegex.exec(content)) !== null) {
      const step = match[1].trim();
      if (step.length < 5 || step.length > 200) continue;
      if (filterPatterns.some(p => p.test(step))) continue;
-    if (!ACTION_VERBS.test(step)) continue; // 纯描述无动词，跳过
      steps.push(step);
    }
-  return steps.length > 0 ? steps.slice(0, 6) : ['执行任务计划（详见上方描述）'];
+  }
+
+  return steps.length > 0 ? steps.slice(0, 8) : ['执行任务计划（详见上方描述）'];
 }

 /**