feat(langgraph): 报告解析 agent 接入指纹识别与自动标注

- report_parse_agent 支持按指纹规则调度解析器
- report_parse API 对接报告类型注册表
- 新增 test_auto_tag 自动标注测试

cfc-langgraph/tests/test_auto_tag.py

@@ -0,0 +1,151 @@
+"""
+LangGraph 自动打标签 (auto-tag) 功能测试
+=============================================
+
+背景:
+    Java 后端在知识中心发布/更新文章时, 会调用 LangGraph 的 POST /api/v1/chat
+    端点, 传入"提取文章标签"的 prompt, 让 LLM 返回 3-5 个中文关键词标签。
+
+    Java 端构造的 prompt (见 ArticleService.autoGenerateTags()):
+        "你是一个家庭教育内容分析助手。请根据以下文章内容，提取 3 到 5 个
+         最能代表文章主题的中文关键词作为标签。
+         要求：1) 关键词为中文短语或名词，2-6 个字；2) 用英文逗号分隔；
+         3) 不要包含编号、引号或解释文字；4) 只返回标签列表本身。
+         文章内容：{plainText}"
+
+    Java 端解析逻辑 (与下方 parse_tags 保持一致):
+        - 用英文逗号 split
+        - 去掉行首的数字/点/横线/空白/顿号句号逗号
+        - 去掉行尾空白/顿号句号逗号
+        - 标签非空、长度 <= 20、最多取 5 个
+
+本测试: 复用 ASGI 内嵌调用, 验证 LangGraph 返回的标签质量与格式,
+        并验证其能被 Java 端的解析逻辑正确解析。
+"""
+
+import re
+
+import pytest
+from httpx import AsyncClient, ASGITransport
+
+from app.main import app
+
+
+# ============================================================
+# 测试数据
+# ============================================================
+
+# 真实文章内容 (来自 articles/D14*, 肠道菌群/过敏主题)
+ARTICLE_GUT = (
+    "儿童过敏反复不好，根源可能在肠道。人体约70%的免疫细胞分布在肠道，"
+    "肠道是人体最大的免疫器官。当肠道菌群处于健康平衡状态时，免疫系统能够准确区分"
+    "朋友和敌人。但当菌群失衡——有益菌减少、有害菌过度繁殖——肠道屏障功能就会受损。"
+    "科学调理四步走：第一步消除破坏因素，减少精制糖和加工食品；第二步重建菌群平衡，"
+    "增加膳食纤维摄入；第三步修复肠道屏障，补充谷氨酰胺、锌、维生素D；第四步维持健康"
+    "生活方式。每个孩子的菌群状况都是独特的，这正是菌群检测的核心价值。"
+)
+
+# 短内容
+ARTICLE_SHORT = "孩子睡眠质量差，作息不规律怎么办？规律作息对成长很重要。"
+
+# ============================================================
+# 工具函数
+# ============================================================
+
+# 与 Java 端 ArticleService.autoGenerateTags() 的解析逻辑保持一致
+TAG_CLEAN_START = re.compile(r"^[\d\.\-\s、。，]+")
+TAG_CLEAN_END = re.compile(r"[\s、。，]+$")
+
+
+def parse_tags(ai_response: str) -> list:
+    """按 Java 端解析规则解析 LLM 返回的标签列表"""
+    if not ai_response:
+        return []
+    tags = []
+    for raw in ai_response.split(","):
+        tag = TAG_CLEAN_START.sub("", raw.strip().strip())
+        tag = TAG_CLEAN_END.sub("", tag).strip()
+        if tag and len(tag) <= 20 and len(tags) < 5:
+            tags.append(tag)
+    return tags
+
+
+def build_tag_prompt(plain_text: str) -> str:
+    """构造与 Java 端完全一致的标签提取 prompt"""
+    return (
+        "你是一个家庭教育内容分析助手。请根据以下文章内容，"
+        "提取 3 到 5 个最能代表文章主题的中文关键词作为标签。"
+        "要求：1) 关键词为中文短语或名词，2-6 个字；2) 用英文逗号分隔；"
+        "3) 不要包含编号、引号或解释文字；4) 只返回标签列表本身。"
+        f"\n\n文章内容：{plain_text}"
+    )
+
+
+async def call_chat(query: str, user_id: int = 0) -> dict:
+    """调用 LangGraph /api/v1/chat 端点"""
+    transport = ASGITransport(app=app)
+    async with AsyncClient(transport=transport, base_url="http://test") as client:
+        resp = await client.post("/api/v1/chat", json={
+            "query": query,
+            "user_id": user_id,
+            "conversation_id": "",
+        })
+        assert resp.status_code == 200, f"chat 端点返回 {resp.status_code}"
+        return resp.json()
+
+
+# ============================================================
+# 测试用例
+# ============================================================
+
+@pytest.mark.asyncio
+async def test_auto_tag_endpoint_responds():
+    """发送标签 prompt, 端点应返回 200, 且含 answer 与 tasks 数组"""
+    data = await call_chat(build_tag_prompt(ARTICLE_GUT))
+    assert "answer" in data, "响应缺少 answer 字段"
+    assert isinstance(data.get("answer"), str)
+    assert isinstance(data.get("tasks"), list)
+
+
+@pytest.mark.asyncio
+async def test_auto_tag_valid_format():
+    """返回的标签应能被 Java 解析逻辑解析为 3-5 个中文标签"""
+    data = await call_chat(build_tag_prompt(ARTICLE_GUT))
+    tags = parse_tags(data.get("answer", ""))
+    assert 3 <= len(tags) <= 5, f"标签数量应为 3-5 个, 实际 {len(tags)}: {tags}"
+    for tag in tags:
+        # 2-6 个中文字
+        chinese_chars = re.findall(r"[\u4e00-\u9fff]", tag)
+        assert 2 <= len(chinese_chars) <= 6, f"标签应为 2-6 个中文字: '{tag}'"
+        # 不应包含编号/引号/英文逗号
+        assert not re.search(r"[\d\"'，。]", tag), f"标签不应包含数字/引号/标点: '{tag}'"
+
+
+@pytest.mark.asyncio
+async def test_auto_tag_content_relevance():
+    """标签应反映文章核心主题 (肠道/过敏/免疫 等)"""
+    data = await call_chat(build_tag_prompt(ARTICLE_GUT))
+    tags = parse_tags(data.get("answer", ""))
+    assert tags, "未解析出任何标签"
+    # 核心主题词中至少命中一个
+    core_keywords = ["肠胃", "过敏", "免疫", "肠道", "菌群", "营养", "健康"]
+    hit = [kw for kw in core_keywords if any(kw in t for t in tags)]
+    assert hit, f"标签未命中核心主题词, 实际标签: {tags}"
+
+
+@pytest.mark.asyncio
+async def test_auto_tag_short_content():
+    """短内容也应正常返回标签, 不崩溃"""
+    data = await call_chat(build_tag_prompt(ARTICLE_SHORT))
+    tags = parse_tags(data.get("answer", ""))
+    assert tags, "短内容也应提取出标签"
+    assert len(tags) <= 5
+
+
+@pytest.mark.asyncio
+async def test_auto_tag_empty_content():
+    """空内容应安全返回空标签, 不崩溃"""
+    data = await call_chat(build_tag_prompt(""))
+    # 空内容不应抛异常, answer 可为空字符串
+    assert "answer" in data
+    assert isinstance(data.get("answer"), str)