增强上传图片视觉分析并输出真实Agent分析流程

lib/ai/auto-agent-graph.ts

@@ -92,15 +92,19 @@ async function generateAgentConversation(
       : "用户本轮没有上传图片。";
 
     const systemPrompt = `你是一个真实执行中的 AI 生图/修图 Agent。
-请根据用户需求和分析结果，给出“正在执行前”的简短汇报。
+请根据用户需求和本轮输入图片，给出“执行前”的分析汇报。
 
 要求：
-1) 不要说“我无法看到图片”；按系统提供的信息做合理分析。
+1) 不要说“我看不到图片”或“无法访问图片”，必须基于给定图片做真实分析。
-2) 必须看起来是本轮真实分析结果，避免空泛套话。
+2) 语气自然、专业，不要模板腔，不要空话。
 3) 不暴露内部实现、模型路由、算法细节。
-4) 输出 4-7 行 Markdown，语气专业自然。
+4) 输出 Markdown，控制在 8-14 行。
-5) 如果是图像任务，包含以下小节标题：需求理解、分析结论、执行计划、交付说明。
+5) 有图片时，必须包含以下小节标题且按顺序输出：
-6) 每一行尽量具体，不要重复。`;
+   - 需求理解
+   - 图片分析
+   - 执行计划
+   - 输出设置
+6) “图片分析”要结合每张参考图差异，给出风格/构图/材质/光影等具体观察。`;
 
     const prompt = [
       `【用户原始需求】${state.text || "（无文本）"}`,
@@ -108,18 +112,43 @@ async function generateAgentConversation(
       `【图片信息】${imageInfo}`,
       state.context ? `【画布上下文】${compactText(state.context, 300)}` : "",
       history ? `【最近对话】\n${history}` : "",
-      "请输出本轮执行前汇报：",
+      state.hasImage
+        ? "请先做本轮图片分析，再输出执行前汇报。"
+        : "请输出本轮执行前汇报。",
     ]
       .filter(Boolean)
       .join("\n\n");
 
-    const { text } = await generateText({
+    const imageInputs = state.imageUrls
+      .filter((url) => /^https?:\/\//i.test(url))
+      .slice(0, 4)
+      .map((url) => ({ type: "image" as const, image: url }));
+
+    const requestPayload = state.hasImage && imageInputs.length > 0
+      ? {
+          model,
+          system: systemPrompt,
+          messages: [
+            {
+              role: "user" as const,
+              content: [
+                { type: "text" as const, text: prompt },
+                ...imageInputs,
+              ],
+            },
+          ],
+          temperature: 0.35,
+          maxTokens: 520,
+        }
+      : {
           model,
           system: systemPrompt,
           prompt,
           temperature: 0.35,
           maxTokens: 420,
-    } as any);
+        };
+
+    const { text } = await generateText(requestPayload as any);
 
     const cleaned = text.trim();
     if (cleaned.length < 10) {

lib/ai/smart-analyzer.ts

@@ -167,7 +167,7 @@ export async function analyzeIntent(params: {
 
   // 尝试使用 Qwen3 VL 进行深度分析（传入历史对话）
   try {
-    const llmResult = await analyzWithLLM(text, hasImage, historyMessages, context);
+    const llmResult = await analyzWithLLM(text, hasImage, imageUrls, historyMessages, context);
     if (llmResult) {
       console.log("[Smart Analyzer] LLM analysis result:", llmResult);
       return llmResult;
@@ -201,6 +201,7 @@ function quickKeywordMatch(text: string, hasImage: boolean): AnalysisResult {
 async function analyzWithLLM(
   text: string, 
   hasImage: boolean,
+  imageUrls?: string[],
   historyMessages?: HistoryMessage[],
   context?: string
 ): Promise<AnalysisResult | null> {
@@ -254,14 +255,37 @@ ${historyText}
 
   console.log("[Smart Analyzer] Calling Qwen3 VL for analysis with", historyMessages?.length || 0, "history messages");
 
-  // 调用模型分析
+  const visionImages = (imageUrls || [])
-  const { text: responseText } = await generateText({
+    .filter((url) => /^https?:\/\//i.test(url))
+    .slice(0, 4)
+    .map((url) => ({ type: "image" as const, image: url }));
+
+  // 调用模型分析（有图时携带图片，确保真实视觉分析）
+  const requestPayload = hasImage && visionImages.length > 0
+    ? {
+        model,
+        system: ANALYZER_SYSTEM_PROMPT,
+        messages: [
+          {
+            role: "user" as const,
+            content: [
+              { type: "text" as const, text: userMessage },
+              ...visionImages,
+            ],
+          },
+        ],
+        temperature: 0.1,
+        maxTokens: 360,
+      }
+    : {
         model,
         system: ANALYZER_SYSTEM_PROMPT,
         prompt: userMessage,
         temperature: 0.1,
         maxTokens: 300,
-  } as any);
+      };
+
+  const { text: responseText } = await generateText(requestPayload as any);
 
   // 解析JSON响应
   const jsonMatch = responseText.match(/\{[\s\S]*\}/);