feat(review): agent 侧虚拟工具 inspect_region —— 按可读分辨率放大指定区域
解决三个缺口:① 放大没复用标定/瓦片数学(LLM 一次 zoom 只出一张,宽区域仍读不清);
②「看清没」由 VLM 自评(易过度自信/幻觉);③ 只能按 handle / 手算 bbox 指认,
图上看到但没 handle 的东西指认不了。
核心思路:把「放大」升级成一个语义化工具——LLM 只指认「要看哪里」,由 agent 复用
tiling.py 的标定数学算出该切几张、每张覆盖多大,用构造保证可读。
新增 dwg_review/inspect.py(agent 侧,不编 DLL):
- TOOL_SCHEMA:inspect_region(target, purpose);target 三形态 {handle} / {window} /
{label,cx,cy,span},purpose = text(8px) / line(6px)。
- InspectState:单图框内「截图标签 → 世界可见范围」登记表,支持逐级下钻
(返回的 inspect-N 可继续作为 label 指认)。
- resolve_target / _point_box:label+cx+cy → WCS。cy 是图像坐标(上→下),
世界 y 必须翻转(y = y2 - cy*H)——单测专门钉住。
- plan_tiles:复用 world_per_px + tiles_for_box + subdivide;超 INSPECT_MAX_TILES(4)
则硬失败并给出「缩小 target / 分多次请求」的指引(不静默降级);拿不到比例/像素
则退回单张并如实告知。
关键几何:CAD 的 _.ZOOM _W 是等比适配(不拉伸),故「截图上的归一化坐标」必须按
max(W/ew, H/eh) 反算真实可见范围(新增 tiling.visible_box)——直接用送进去的窗口会偏。
zoom_to_window 返回的 view 是「加过 margin 的窗口」,不是可见范围,不能混用。
证据层配套:evidence_model.make_image(..., window=) 记录每张图的可见世界范围;
capture_images 用 view_px(overall 图原始像素)+ visible_box 逐张登记。
子循环接入:_run_readonly_tool 在只读白名单校验之前拦截 inspect_region(它不在
READ_ONLY_TOOLS 里,内部只调白名单内的只读 MCP 工具);_review_tools 启用时用
inspect_region 取代三个裸视口工具;inspect_region 计入 _VIEW_TOOLS → 结束复位视口。
配置:INSPECT_ENABLED(True) / INSPECT_MAX_TILES(4)。
端到端实测(真实图纸 1 图框):取证与审查两阶段均在最大化态、结束精确还原(4 项 PASS);
LLM 的 11 次取证调用里 2 次是 inspect_region,且都显式给 window + purpose:"text"
(x[20000,115000] y[-6500,3000],即 A0 图框底部横条=标题栏所在)。
验收口径达成:报告报出标题栏乱码 ???????????????,而 get_text_content 对全图返回 0 条文字
(本图文字全在块/自定义实体内)→ 块内文字是被视觉放大读出来的。
pytest 343 passed。
This commit is contained in:
1 parent
3bc64b6c3e
commit
b757892c67
18 files changed
+1003
-45
No files matched your search
+15
-7
@@ -53,13 +53,21 @@ def build_system_prompt(checklist, *, allow_tools=True):
|
||||
|
||||
if allow_tools:
|
||||
lines += [
|
||||
"你可以调用**只读**取证工具进一步确认细节;**不要凭猜测下结论**:",
|
||||
" - **截图里的文字/标注/细节看不清时**:用 `zoom_to_window` 放大该区域"
|
||||
"(窗口坐标用图框 bbox 或实体 bbox 计算,可适当留边距),"
|
||||
"再 `get_viewport_screenshot` 复核;已知 handle 时也可直接 `zoom_to_entity` 放大该实体。",
|
||||
" - 结构化数据不足以判断时:用 `get_entity_detail` / `find_duplicate_entities` /"
|
||||
" `find_zero_length` / `get_layers` 等查证后再下结论。",
|
||||
" - 放大截图是**复核手段**:确认清楚后即写入结论,不要为看图而反复放大。",
|
||||
"你可以调用**只读**取证工具进一步确认细节;**不要凭猜测下结论**。",
|
||||
"",
|
||||
"**看不清某处时,调用 `inspect_region` 指认位置**,它会自动按可读分辨率放大并返回清晰截图。",
|
||||
"`target` 三种指认方式任选其一:",
|
||||
' - `{"handle": "3A4"}` —— 已知实体句柄;',
|
||||
' - `{"label": "tile-3", "cx": 0.4, "cy": 0.6, "span": 0.2}` —— 某张已给截图上的一个位置',
|
||||
" (`cx` 从左到右、`cy` **从上到下**,均为 0~1 归一化;`span` 为要看的范围占该截图的比例,默认 0.25);",
|
||||
' - `{"window": {"min_x": …, "min_y": …, "max_x": …, "max_y": …}}` —— 直接给世界坐标框。',
|
||||
'`purpose` 选 `"text"`(要读文字/标注,默认)或 `"line"`(只看走向/连接,覆盖更广)。',
|
||||
"返回的截图会带 `inspect-N` 标签,可继续作为 `label` 指认更细的位置(逐级下钻)。",
|
||||
"**你不需要判断截图够不够清楚**——`inspect_region` 会保证返回的图达到可读分辨率;",
|
||||
"若它提示区域过大,请缩小 `target`(或用 `span` 缩小范围)后重试。",
|
||||
"",
|
||||
"结构化数据不足以判断时:用 `get_entity_detail` / `find_duplicate_entities` /",
|
||||
"`find_zero_length` / `get_layers` 等查证后再下结论。",
|
||||
"",
|
||||
]
|
||||
|
||||
|
||||
Reference in new issue
Block a user