feat(review): agent 侧虚拟工具 inspect_region —— 按可读分辨率放大指定区域 #16
No Assignees
Notifications
Due Date
No due date set.
Dependencies
No dependencies set.
Reference: gjm/cad-agent#16
Reference in new issue
Block a user
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）：
{label,cx,cy,span}，purpose = text(8px) / line(6px)。
（返回的 inspect-N 可继续作为 label 指认）。
世界 y 必须翻转（y = y2 - cy*H）——单测专门钉住。
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。
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。