# Agent Core 模块需求分析

## 1. 模块定位

`agent_core` 的定位更新为：

> 资料包审核 Agent 编排引擎

它不再只服务固定报表页面，而是直接服务：

1. 对话任务编排
2. 资料包上下文绑定
3. RAG 法规与业务依据检索
4. 节点式结构化输出
5. 飞书通知触发载荷生成

## 2. 核心目标

1. 在会话上下文中执行目录汇总、完整性检查、字段抽取、一致性核查和风险预警。
2. 使用规则优先、RAG 取证、LLM 辅助解释的工作模式。
3. 输出适合对话节点展示的结构化结果。
4. 在任务完成或异常时生成飞书通知载荷。

## 3. 输入上下文要求

Agent Core 执行时必须显式接收：

1. `conversation_id`
2. `batch_id`
3. `product_name`
4. `document_scope`
5. `task_template`
6. `knowledge_scope`

## 4. 编排能力拆分

### 4.1 对话入口编排

根据用户指令和模板，决定当前执行：

1. 目录汇总
2. 完整性检查
3. 字段抽取
4. 一致性核查
5. 风险结论

### 4.2 RAG 检索能力

RAG 负责：

1. 命中法规依据
2. 命中业务依据
3. 为对话解释提供证据

### 4.3 节点结果输出

每一步结果要输出为可对话展示的节点，而不是单纯 JSON。

### 4.4 通知上下文生成

在任务完成或异常时，生成：

1. 通知原因
2. 责任角色
3. 飞书目标账号
4. 摘要内容
5. Web 详情链接

## 5. 飞书相关需求

Agent Core 需要消费角色信息中的飞书字段：

1. `owner_role`
2. `owner_name`
3. `department`
4. `chapter_scope`
5. `risk_scope`
6. `feishu_user_id`
7. `feishu_open_id`
8. `feishu_name`
9. `notify_enabled`

V1 固定通知策略：

1. 执行完成后 `@` 处理人
2. 执行异常后 `@` 处理人

## 6. 结构化输出要求

除原有报告外，还应新增对话友好型输出对象：

1. `conversation_node_result`
2. `rag_evidence_item`
3. `owner_notification_payload`

## 7. 与知识库的关系

知识库不只是配置后台，而是 Agent Core 的运行底座，至少包括：

1. 法规资料切片
2. 业务资料切片
3. 字段 Schema
4. 模板映射
5. 责任人映射
6. 飞书通知配置

## 8. 验收标准

1. Agent Core 能在会话上下文中完成完整审核链路。
2. 能输出对话节点结果和 RAG 依据。
3. 能生成执行完成/异常两类飞书通知上下文。
4. 能基于责任人飞书字段构建 `@` 处理人载荷。