docs(ai): AI Agent 突破口设计规格 — ReAct Agent + Function Calling
erp-ai 客服从简单问答升级为多策略 ReAct Agent： - Agent Orchestrator 实现 ReAct 循环（最多 5 轮 Tool Call） - 4 类 12 个 Tool 覆盖数据查询/AI 分析/知识服务/行动操作 - 多策略 System Prompt（安抚/科普/推荐/预警/引导到院） - 3 张新表（sessions/messages/tool_logs）+ 会话管理 API - 小程序 + Web 富消息渲染 + SSE 流式输出 - 4 Phase 分阶段实施，总工期 16-23 天
This commit is contained in:
iven
@@ -0,0 +1,438 @@
|
||||
# AI Agent 突破口设计规格
|
||||
|
||||
> **日期:** 2026-05-18 | **状态:** Draft | **范围:** erp-ai Agent 改造
|
||||
> **总工期:** 16-23 天 | **方案:** ReAct Agent + Function Calling
|
||||
|
||||
## 1. 背景与动机
|
||||
|
||||
### 1.1 当前状态
|
||||
|
||||
HMS 健康管理平台综合评分 6.8/10，功能完整度 87%，但 AI 能力"有弹药没上膛"：
|
||||
|
||||
- erp-ai 有 3 个 Provider（Claude/OpenAI/Ollama）+ `AiProvider` trait 抽象
|
||||
- SSE 流式分析已实现（化验解读、趋势分析、报告摘要），但 4 个 SSE 端点无 UI 入口
|
||||
- Copilot 引擎（风险评分、规则引擎、洞察服务）已实现但未集成到用户触达层
|
||||
- 知识库框架（structured_source、KDIGO 规则）已搭建
|
||||
- 成本/配额管控（usage、quota、cache）已就绪
|
||||
- v2 架构设计已规划 RAG、事件驱动管线、两级缓存
|
||||
|
||||
**AI 客服"小华"现状**：一个硬编码 system prompt + 最近 10 条历史拼成上下文的简单问答，无法识别意图、无法查询数据、无法触发分析。
|
||||
|
||||
### 1.2 核心问题
|
||||
|
||||
1. **AI 能力断裂** — 后端分析能力和前端用户触达之间没有桥接
|
||||
2. **AI 客服能力单调** — 简单问答无法胜任真实客户服务场景（情绪安抚、医疗科普、引导到院）
|
||||
3. **缺少差异化竞争力** — 当前系统是工具，不是"主动关怀引擎"
|
||||
|
||||
### 1.3 设计目标
|
||||
|
||||
- **打通现有 AI 链路** — 通过 Agent Tool 机制将 SSE 分析、Copilot 引擎、知识库串联到对话入口
|
||||
- **升级 AI 客服为多策略 Agent** — 意图识别→策略选择（安抚/科普/推荐/预警/引导）→ Tool 调用→自然回复
|
||||
- **纯自研实现** — 在 erp-ai 内用 ReAct Agent 模式，不依赖 Dify 等外部平台
|
||||
- **复用现有基础设施** — Provider 抽象、配额管控、缓存、知识库全部复用
|
||||
|
||||
---
|
||||
|
||||
## 2. 整体架构
|
||||
|
||||
### 2.1 Agent 核心循环
|
||||
|
||||
```
|
||||
┌─────────────────────────────────────────────────────┐
|
||||
│ Chat Handler │
|
||||
│ 接收用户消息 + 会话历史（DB 持久化） │
|
||||
└──────────────────────┬──────────────────────────────┘
|
||||
│
|
||||
┌──────────────────────▼──────────────────────────────┐
|
||||
│ Agent Orchestrator │
|
||||
│ 1. 组装 System Prompt（角色 + 可用 Tools 描述） │
|
||||
│ 2. 发送给 LLM，获取 Tool Call 或最终回复 │
|
||||
│ 3. 如果是 Tool Call → 执行 Tool → 结果加入上下文 │
|
||||
│ 4. 重复 2-3，直到 LLM 给出最终回复 │
|
||||
│ 5. 安全循环上限：最多 5 轮 Tool Call │
|
||||
└──────────────────────┬──────────────────────────────┘
|
||||
│
|
||||
┌──────────────────────▼──────────────────────────────┐
|
||||
│ Tool Registry │
|
||||
│ 注册所有可用 Tool，按权限/场景过滤 │
|
||||
│ ┌──────────┐ ┌───────────┐ ┌───────────────┐ │
|
||||
│ │ 健康数据 │ │ AI 分析 │ │ 知识库 │ │
|
||||
│ │ 查询工具 │ │ 触发工具 │ │ 检索工具 │ │
|
||||
│ ├──────────┤ ├───────────┤ ├───────────────┤ │
|
||||
│ │ 预约工具 │ │ 服务推荐 │ │ 风险预警 │ │
|
||||
│ │ │ │ 工具 │ │ 工具 │ │
|
||||
│ └──────────┘ └───────────┘ └───────────────┘ │
|
||||
└─────────────────────────────────────────────────────┘
|
||||
```
|
||||
|
||||
### 2.2 关键设计决策
|
||||
|
||||
| 决策 | 选择 | 原因 |
|
||||
|------|------|------|
|
||||
| Agent 状态管理 | Orchestrator 无状态，会话由 Handler 管理 | 简化 Orchestrator 职责，便于测试 |
|
||||
| Tool 执行模型 | 同步阻塞，单轮内多个 Tool Call 并行 | LLM 返回多个 call 时并行执行，减少延迟 |
|
||||
| Provider 复用 | 不改 `AiProvider` trait，在调用层传入 function definitions | 最小改动，兼容现有 3 个 Provider |
|
||||
| 安全循环上限 | 单次对话最多 5 轮 Tool Call | 防止无限循环，控制成本 |
|
||||
| 分析调用模式 | Agent 内走非流式同步调用 | Agent 需要拿到完整结果再决策 |
|
||||
|
||||
---
|
||||
|
||||
## 3. Tool 系统
|
||||
|
||||
### 3.1 AgentTool Trait
|
||||
|
||||
```rust
|
||||
#[async_trait]
|
||||
pub trait AgentTool: Send + Sync {
|
||||
fn name(&self) -> &str;
|
||||
fn description(&self) -> &str;
|
||||
fn parameters_schema(&self) -> serde_json::Value; // JSON Schema
|
||||
async fn execute(&self, ctx: &ToolContext, params: serde_json::Value) -> ToolResult;
|
||||
}
|
||||
|
||||
pub struct ToolContext {
|
||||
pub tenant_id: Uuid,
|
||||
pub user_id: Uuid,
|
||||
pub patient_id: Option<Uuid>,
|
||||
pub db: DatabaseConnection,
|
||||
}
|
||||
|
||||
pub struct ToolResult {
|
||||
pub output: String,
|
||||
pub display_hint: Option<DisplayHint>,
|
||||
}
|
||||
```
|
||||
|
||||
### 3.2 Tool 清单
|
||||
|
||||
#### 第一类：数据查询（只读，从 erp-health 取数据）
|
||||
|
||||
| Tool 名称 | 功能 | 对接现有能力 |
|
||||
|-----------|------|-------------|
|
||||
| `query_patient_vitals` | 查询患者最近体征数据（血压/血糖/心率等） | `health_indicator` entity |
|
||||
| `query_lab_reports` | 查询患者最近化验报告及指标 | `health_lab_report` + `lab_report_item` |
|
||||
| `query_patient_profile` | 查询患者基本信息、病史、过敏史 | `patient` entity |
|
||||
| `query_appointments` | 查询患者预约记录 | `appointment` entity |
|
||||
| `query_medication` | 查询患者当前用药情况 | `medication` entity |
|
||||
|
||||
#### 第二类：AI 分析触发（调用 erp-ai 现有能力）
|
||||
|
||||
| Tool 名称 | 功能 | 对接现有能力 |
|
||||
|-----------|------|-------------|
|
||||
| `analyze_lab_report` | 分析指定化验报告，返回异常指标解读 | `analysis_service`（非流式调用） |
|
||||
| `analyze_health_trends` | 分析体征趋势变化，识别异常模式 | `trend_analysis` |
|
||||
| `get_health_insights` | 获取患者当前风险洞察和 AI 建议 | `copilot_engine` + `insight_service` |
|
||||
|
||||
#### 第三类：知识与服务（对话策略支撑）
|
||||
|
||||
| Tool 名称 | 功能 | 对接现有能力 |
|
||||
|-----------|------|-------------|
|
||||
| `search_medical_knowledge` | 检索医疗知识库（疾病科普、指标解释） | `knowledge_structured_source` |
|
||||
| `recommend_services` | 根据症状/需求推荐科室或服务 | 新增，基于规则 + 知识库 |
|
||||
| `check_alert_rules` | 检查是否触发告警阈值 | `local_rules_engine` + `ai_risk_threshold` |
|
||||
|
||||
#### 第四类：行动（写入操作，需更高权限）
|
||||
|
||||
| Tool 名称 | 功能 | 对接现有能力 |
|
||||
|-----------|------|-------------|
|
||||
| `create_appointment` | 帮用户预约挂号 | `appointment_service` |
|
||||
| `transfer_to_human` | 转接人工客服/值班医生 | 新增，WebSocket 通知 |
|
||||
|
||||
### 3.3 权限与安全
|
||||
|
||||
- **数据查询 Tool**：自动注入 `tenant_id` + `patient_id` 过滤，LLM 无法绕过多租户隔离
|
||||
- **分析触发 Tool**：走现有配额管控（`QuotaService`）
|
||||
- **行动 Tool**：需额外权限标记，System Prompt 约束 LLM 只在用户明确请求时调用
|
||||
- **数据脱敏**：所有 Tool 返回数据在 Tool 层做 PII 脱敏，不传给 LLM
|
||||
- **审计日志**：每次 Tool Call 记录到 `ai_tool_call_logs` 表
|
||||
|
||||
---
|
||||
|
||||
## 4. 多策略对话流
|
||||
|
||||
### 4.1 策略引导机制
|
||||
|
||||
Agent 通过 System Prompt 定义 5 种策略方向，LLM 根据用户表达的内容和情绪自主选择和切换：
|
||||
|
||||
1. **【情绪安抚】** 用户焦虑/恐惧/沮丧时 → 先共情，用通俗语言解释，分享积极案例
|
||||
2. **【医疗科普】** 用户询问指标/疾病知识时 → 调用 `search_medical_knowledge` 获取准确信息
|
||||
3. **【服务推荐】** 用户有就医需求时 → 调用 `recommend_services` 推荐科室，主动提议预约
|
||||
4. **【风险预警】** 症状或数据异常时 → 调用分析 Tool 评估风险，明确告知风险等级
|
||||
5. **【引导到院】** 明确就诊意向或高风险时 → 帮助预约，提供科室信息，必要时转接人工
|
||||
|
||||
策略之间不互斥，一轮对话中可自然切换。
|
||||
|
||||
### 4.2 System Prompt 结构
|
||||
|
||||
```
|
||||
你是 HMS 健康管理平台的 AI 健康顾问"小华"。
|
||||
|
||||
## 核心策略
|
||||
根据用户表达的内容和情绪，自然地采用以下策略方向：
|
||||
|
||||
1. 【情绪安抚】当用户表达焦虑、恐惧、沮丧时：
|
||||
- 先共情认可感受，不急于给建议
|
||||
- 用通俗语言解释，避免医学术语
|
||||
- 分享积极案例，降低恐惧感
|
||||
|
||||
2. 【医疗科普】当用户询问指标含义、疾病知识时：
|
||||
- 调用 search_medical_knowledge 获取准确信息
|
||||
- 用比喻和类比让老年患者也能理解
|
||||
- 强调"具体请以医生诊断为准"
|
||||
|
||||
3. 【服务推荐】当用户表达就医需求或身体不适时：
|
||||
- 调用 recommend_services 推荐合适科室
|
||||
- 调用 check_appointments 查看可用时段
|
||||
- 主动提出帮用户预约
|
||||
|
||||
4. 【风险预警】当用户描述的症状或数据异常时：
|
||||
- 调用 analyze_health_trends 或 get_health_insights 评估风险
|
||||
- 明确告知风险等级和需要注意的事项
|
||||
- 高风险时建议尽快就医
|
||||
|
||||
5. 【引导到院】当用户有明确就诊意向或高风险预警时：
|
||||
- 调用 create_appointment 帮助预约
|
||||
- 提供科室位置、出诊医生信息
|
||||
- 必要时调用 transfer_to_human 转接值班医生
|
||||
|
||||
## 策略不是互斥的，你可以在一轮对话中自然切换。
|
||||
## 永远不要：推荐具体药物、给出明确诊断、替代医生建议。
|
||||
```
|
||||
|
||||
### 4.3 对话流示例
|
||||
|
||||
**场景：老年患者说"最近头有点晕"**
|
||||
|
||||
```
|
||||
[用户] 最近头有点晕，不知道怎么回事
|
||||
|
||||
[Agent 思考] 用户描述头晕症状，可能是高血压或其他问题。
|
||||
应该：1) 查看最近体征数据 2) 安抚情绪
|
||||
|
||||
[Agent 调用] query_patient_vitals → 获取最近血压数据
|
||||
[Tool 返回] 最近7天平均血压 155/95，较上月升高 10mmHg
|
||||
|
||||
[Agent 思考] 血压偏高且趋势上升，存在风险。
|
||||
应该：1) 分析趋势 2) 安抚 + 预警
|
||||
|
||||
[Agent 调用] analyze_health_trends → 分析血压趋势
|
||||
[Tool 返回] 血压持续升高趋势，建议关注，风险等级：中等
|
||||
|
||||
[Agent 回复] 张爷爷，我看了您最近的血压记录，确实比之前高了一些。
|
||||
头晕可能和血压升高有关。不过您先别担心，这个趋势我们
|
||||
可以通过调整生活方式来改善。我建议您先来看看医生，
|
||||
要不要我帮您预约个心内科的号？
|
||||
```
|
||||
|
||||
### 4.4 会话记忆
|
||||
|
||||
- **短期记忆**：当前会话完整对话历史，DB 持久化 `ai_chat_messages` 表
|
||||
- **长期记忆**：用户画像摘要（偏好、常见问题、健康关注点），每次新会话加载
|
||||
- **上下文窗口管理**：历史消息按重要性截断，保留最近 10 轮 + 关键上下文摘要
|
||||
|
||||
---
|
||||
|
||||
## 5. 系统集成
|
||||
|
||||
### 5.1 后端集成点
|
||||
|
||||
```
|
||||
现有能力 Agent 集成方式
|
||||
───────── ──────────────
|
||||
analysis_service (SSE) → Tool: analyze_lab_report / analyze_health_trends
|
||||
非 SSE 模式调用，直接拿结果返回给 Agent
|
||||
copilot_engine (风险评分) → Tool: get_health_insights
|
||||
调用 scoring + rules，返回结构化风险信息
|
||||
knowledge (structured) → Tool: search_medical_knowledge
|
||||
查询 KDIGO 规则、科室指南、科普文章
|
||||
local_rules_engine → Tool: check_alert_rules
|
||||
评估当前数据是否触发告警
|
||||
quota_service → Agent Orchestrator 内部调用
|
||||
每轮 Tool Call 前检查配额
|
||||
usage_service → Agent Orchestrator 内部调用
|
||||
记录每轮 token 消耗
|
||||
cache_service → 分析类 Tool 内部复用
|
||||
相同参数的重复分析走缓存
|
||||
```
|
||||
|
||||
### 5.2 数据模型新增
|
||||
|
||||
#### ai_chat_sessions — AI 会话表
|
||||
|
||||
```sql
|
||||
CREATE TABLE ai_chat_sessions (
|
||||
id UUID PRIMARY KEY,
|
||||
tenant_id UUID NOT NULL,
|
||||
user_id UUID NOT NULL,
|
||||
patient_id UUID,
|
||||
title VARCHAR(255),
|
||||
status VARCHAR(20) NOT NULL DEFAULT 'active', -- active / closed
|
||||
metadata JSONB,
|
||||
created_at TIMESTAMPTZ NOT NULL DEFAULT NOW(),
|
||||
updated_at TIMESTAMPTZ NOT NULL DEFAULT NOW(),
|
||||
created_by UUID,
|
||||
updated_by UUID,
|
||||
deleted_at TIMESTAMPTZ,
|
||||
version INTEGER NOT NULL DEFAULT 1
|
||||
);
|
||||
```
|
||||
|
||||
#### ai_chat_messages — AI 聊天消息表
|
||||
|
||||
```sql
|
||||
CREATE TABLE ai_chat_messages (
|
||||
id UUID PRIMARY KEY,
|
||||
tenant_id UUID NOT NULL,
|
||||
session_id UUID NOT NULL REFERENCES ai_chat_sessions(id),
|
||||
role VARCHAR(20) NOT NULL, -- user / assistant / tool
|
||||
content TEXT,
|
||||
tool_calls JSONB, -- assistant 消息中的 tool call 列表
|
||||
tool_call_id VARCHAR(100), -- tool 消息的关联 ID
|
||||
token_count INTEGER,
|
||||
created_at TIMESTAMPTZ NOT NULL DEFAULT NOW(),
|
||||
updated_at TIMESTAMPTZ NOT NULL DEFAULT NOW(),
|
||||
created_by UUID,
|
||||
updated_by UUID,
|
||||
deleted_at TIMESTAMPTZ,
|
||||
version INTEGER NOT NULL DEFAULT 1
|
||||
);
|
||||
```
|
||||
|
||||
#### ai_tool_call_logs — AI 工具调用日志
|
||||
|
||||
```sql
|
||||
CREATE TABLE ai_tool_call_logs (
|
||||
id UUID PRIMARY KEY,
|
||||
tenant_id UUID NOT NULL,
|
||||
session_id UUID NOT NULL,
|
||||
message_id UUID NOT NULL,
|
||||
tool_name VARCHAR(100) NOT NULL,
|
||||
parameters JSONB,
|
||||
result_summary TEXT,
|
||||
execution_ms INTEGER,
|
||||
success BOOLEAN NOT NULL,
|
||||
created_at TIMESTAMPTZ NOT NULL DEFAULT NOW()
|
||||
);
|
||||
```
|
||||
|
||||
### 5.3 API 设计
|
||||
|
||||
```
|
||||
POST /api/v1/ai/chat/sessions — 创建会话
|
||||
GET /api/v1/ai/chat/sessions — 会话列表
|
||||
GET /api/v1/ai/chat/sessions/{id} — 会话详情
|
||||
DELETE /api/v1/ai/chat/sessions/{id} — 关闭会话（软删除）
|
||||
POST /api/v1/ai/chat/sessions/{id}/messages — 发送消息（触发 Agent）
|
||||
GET /api/v1/ai/chat/sessions/{id}/messages — 消息历史
|
||||
```
|
||||
|
||||
发送消息端点支持 SSE 流式输出（Agent 最终回复）和 JSON 响应两种模式。
|
||||
|
||||
---
|
||||
|
||||
## 6. 前端演进
|
||||
|
||||
### 6.1 消息类型扩展
|
||||
|
||||
- **文本消息** — 正常对话内容
|
||||
- **数据卡片** — "这是您最近的血压趋势" + 小图表
|
||||
- **操作确认** — "帮您预约了周三上午心内科，确认吗？" + 确认/取消按钮
|
||||
- **转接通知** — "正在为您转接值班医生..."
|
||||
|
||||
### 6.2 会话管理
|
||||
|
||||
- 会话列表页（历史对话）
|
||||
- 新建会话 / 继续会话
|
||||
- 历史从本地 Storage 迁移到 DB 持久化
|
||||
|
||||
### 6.3 小程序 + Web 同步
|
||||
|
||||
两套前端复用相同的 API 模块，UI 各自适配平台规范。
|
||||
|
||||
---
|
||||
|
||||
## 7. 分阶段实施计划
|
||||
|
||||
### Phase 0：基础设施（3-4 天）
|
||||
|
||||
> 目标：Agent 核心循环跑通，能用一个 Tool 完成完整对话
|
||||
|
||||
| 任务 | 工作量 |
|
||||
|------|--------|
|
||||
| `AgentTool` trait + `ToolRegistry` + `ToolContext` | 0.5 天 |
|
||||
| `AgentOrchestrator` ReAct 循环（含 Function Calling 消息格式） | 1 天 |
|
||||
| 数据库迁移：`ai_chat_sessions` + `ai_chat_messages` + `ai_tool_call_logs` | 0.5 天 |
|
||||
| 实现 1 个 Tool：`query_patient_vitals`（验证端到端链路） | 0.5 天 |
|
||||
| 改造 `chat_handler`：接入 Orchestrator，替换原有简单逻辑 | 0.5 天 |
|
||||
| 单元测试 + 集成测试 | 0.5 天 |
|
||||
|
||||
**交付标准**：Postman 调用 `/ai/chat`，Agent 能查到患者体征数据并自然回复。
|
||||
|
||||
### Phase 1：Tool 扩展 + 策略 Prompt（5-7 天）
|
||||
|
||||
> 目标：覆盖全部核心 Tool，多策略对话流生效
|
||||
|
||||
| 任务 | 工作量 |
|
||||
|------|--------|
|
||||
| 数据查询类 Tool（`query_lab_reports`、`query_patient_profile`、`query_appointments`、`query_medication`） | 1.5 天 |
|
||||
| AI 分析类 Tool（`analyze_lab_report`、`analyze_health_trends`、`get_health_insights`） | 2 天 |
|
||||
| 知识类 Tool（`search_medical_knowledge`、`recommend_services`、`check_alert_rules`） | 1.5 天 |
|
||||
| 多策略 System Prompt 设计 + 调优 | 1 天 |
|
||||
| 每轮 Tool Call 配额检查 + token 计量 | 0.5 天 |
|
||||
| 测试覆盖 | 1 天 |
|
||||
|
||||
**交付标准**：模拟 5 种典型场景（安抚/科普/推荐/预警/引导到院），Agent 均能自主选择正确策略和 Tool。
|
||||
|
||||
### Phase 2：前端升级 + 流式输出（5-7 天）
|
||||
|
||||
> 目标：小程序 + Web 都有完整 AI 客服体验
|
||||
|
||||
| 任务 | 工作量 |
|
||||
|------|--------|
|
||||
| 后端：会话 CRUD API（创建/列表/历史消息） | 1 天 |
|
||||
| 后端：Agent 最终回复走 SSE 流式输出 | 1 天 |
|
||||
| 小程序：会话列表页 + 消息历史页 + 富消息渲染 | 2 天 |
|
||||
| Web：同上，复用 API 模块 | 1.5 天 |
|
||||
| 数据卡片渲染（体征趋势小图表） | 1 天 |
|
||||
| 前端迁移：本地 Storage → DB 持久化 | 0.5 天 |
|
||||
|
||||
**交付标准**：小程序打开 AI 客服，能自然对话，能看到数据卡片，能看到流式输出。
|
||||
|
||||
### Phase 3：行动类 Tool + 人机协作（3-5 天）
|
||||
|
||||
> 目标：AI 客服能帮用户预约、转接人工
|
||||
|
||||
| 任务 | 工作量 |
|
||||
|------|--------|
|
||||
| `create_appointment` Tool（带二次确认机制） | 1 天 |
|
||||
| `transfer_to_human` Tool + WebSocket 通知值班医护 | 2 天 |
|
||||
| 操作确认 UI（预约确认卡片、转接状态提示） | 1 天 |
|
||||
| 安全边界加固（行动类 Tool 权限标记、审计日志） | 0.5 天 |
|
||||
| 端到端测试 | 0.5 天 |
|
||||
|
||||
**交付标准**：用户对 AI 说"帮我预约个号"，AI 查时段→推荐→确认→创建预约，全流程跑通。
|
||||
|
||||
### 总工期
|
||||
|
||||
```
|
||||
Phase 0 ████████ (3-4天)
|
||||
Phase 1 ████████████████ (5-7天)
|
||||
Phase 2 ████████████████ (5-7天)
|
||||
Phase 3 ██████████ (3-5天)
|
||||
────────────────────────
|
||||
合计 16-23 天
|
||||
```
|
||||
|
||||
每个 Phase 结束后都有可演示的交付物。
|
||||
|
||||
---
|
||||
|
||||
## 8. 风险与缓解
|
||||
|
||||
| 风险 | 概率 | 影响 | 缓解措施 |
|
||||
|------|------|------|----------|
|
||||
| Function Calling 格式跨 Provider 不统一 | 中 | 高 | Phase 0 就在 3 个 Provider 上验证 |
|
||||
| LLM 幻觉（编造数据/错误诊断） | 高 | 严重 | System Prompt 强约束 + Tool 返回数据做事实校验 + 免责声明 |
|
||||
| Token 成本超预期 | 中 | 中 | 每轮配额检查 + 缓存复用 + 5 轮上限 |
|
||||
| Tool 执行超时 | 低 | 中 | 单个 Tool 超时 10s，总轮次超时 60s |
|
||||
| PII 泄露给 LLM | 低 | 严重 | Tool 层脱敏，敏感字段不传给 Provider |
|
||||
Reference in New Issue
Block a user