Merge branch '108' of https://github.com/HBAI-Ltd/Toonflow-app into 108

# Conflicts:
#	src/types/database.d.ts

src/agents/productionAgent/index.ts

@@ -98,14 +98,19 @@ function createSubAgent(parentCtx: AgentContext) {
       tools: { ...extraTools, ...useTools({ resTool, msg: subMsg }) },
     });
 
-    for await (const chunk of textStream) {
-      text.append(chunk);
-      fullResponse += chunk;
+    try {
+      for await (const chunk of textStream) {
+        text.append(chunk);
+        fullResponse += chunk;
+      }
+      text.complete();
+      subMsg.complete();
+    } catch (err: any) {
+      text.complete();
+      subMsg.stop();
+      throw err;
     }
 
-    text.complete();
-    subMsg.complete();
-
     if (fullResponse.trim()) {
       await memory.add(memoryKey, fullResponse, {
         name,
@@ -130,7 +135,7 @@ function createSubAgent(parentCtx: AgentContext) {
       const addPrompt =
         "\n" +
         [
-          "你可以使用如下XML格式写入工作区：\n```",
+          "你必须使用如下XML格式写入工作区：\n```",
           "拍摄计划：<scriptPlan>内容</scriptPlan>",
           "分镜表：<storyboardTable>内容</storyboardTable>",
           "```",
@@ -163,7 +168,7 @@ function createSubAgent(parentCtx: AgentContext) {
       const systemPrompt = await fs.promises.readFile(skill, "utf-8");
       return runAgent({
         prompt,
-        system: systemPrompt + "你可以使用如下XML格式写入工作区：\n<storySkeleton>故事骨架内容</storySkeleton>",
+        system: systemPrompt + "你必须使用如下XML格式写入工作区：\n<storySkeleton>故事骨架内容</storySkeleton>",
         name: "监制",
         memoryKey: "assistant:supervision",
       });

src/agents/scriptAgent/index.ts

@@ -108,14 +108,19 @@ function createSubAgent(parentCtx: AgentContext) {
       tools: { ...extraTools, ...useTools({ resTool, msg: subMsg }) },
     });
 
-    for await (const chunk of textStream) {
-      text.append(chunk);
-      fullResponse += chunk;
+    try {
+      for await (const chunk of textStream) {
+        text.append(chunk);
+        fullResponse += chunk;
+      }
+      text.complete();
+      subMsg.complete();
+    } catch (err: any) {
+      text.complete();
+      subMsg.stop();
+      throw err;
     }
 
-    text.complete();
-    subMsg.complete();
-
     if (fullResponse.trim()) {
       await memory.add(memoryKey, fullResponse, {
         name,
@@ -139,7 +144,7 @@ function createSubAgent(parentCtx: AgentContext) {
       const systemPrompt = await fs.promises.readFile(skill, "utf-8");
       return runAgent({
         prompt,
-        system: systemPrompt + "\n你可以使用如下XML格式写入工作区：\n<storySkeleton>故事骨架内容</storySkeleton>",
+        system: systemPrompt + "\n你必须使用如下XML格式写入工作区：\n<storySkeleton>故事骨架内容</storySkeleton>",
         name: "编剧",
         memoryKey: "assistant:execution:storySkeleton",
       });
@@ -154,7 +159,7 @@ function createSubAgent(parentCtx: AgentContext) {
       const systemPrompt = await fs.promises.readFile(skill, "utf-8");
       return runAgent({
         prompt,
-        system: systemPrompt + "\n你可以使用如下XML格式写入工作区：\n<adaptationStrategy>改编策略内容</adaptationStrategy>",
+        system: systemPrompt + "\n你必须使用如下XML格式写入工作区：\n<adaptationStrategy>改编策略内容</adaptationStrategy>",
         name: "编剧",
         memoryKey: "assistant:execution:adaptationStrategy",
       });
@@ -171,7 +176,7 @@ function createSubAgent(parentCtx: AgentContext) {
         prompt,
         system:
           systemPrompt +
-          `\n你可以使用如下XML格式写入工作区：\nXML不得添加任何额外标签<script><item name="剧本名称">剧本内容</item><item name="剧本名称">剧本内容</item><item name="剧本名称">剧本内容</item></script>`,
+          `\n你必须使用如下XML格式写入工作区：\nXML不得添加任何额外标签<script><item name="剧本名称">剧本内容</item><item name="剧本名称">剧本内容</item><item name="剧本名称">剧本内容</item></script>`,
         name: "编剧",
         memoryKey: "assistant:execution:script",
       });

src/lib/initDB.ts

@@ -263,96 +263,95 @@ export default async (knex: Knex, forceInit: boolean = false): Promise<void> =>
           {
             name: "剧本资产提取",
             type: "scriptAssetExtraction",
-            data: `
-            ---
-            name: universal_agent
-            description: 专注于从剧本内容中提取所使用的资产（角色、场景、道具）并生成结构化资产列表的助手。
-            ---
-            
-            # Script Assets Extract
-            
-            你是一个专业的剧本内容分析助手，专注于从剧本文本中识别和提取所有涉及的资产（角色、场景、道具），并为每项资产生成可供下游制作流程使用的结构化描述和提示词。
-            
-            ## 何时使用
-            
-            用户提供剧本内容，你需要逐段阅读并提取其中涉及的所有资产（人物角色、场景地点、道具物件），输出为结构化的资产列表。产出的资产描述将用于后续 AI 图片生成和制作流程。
-            
-            ## 与系统的对应关系
-            
-            - 资产类型：
-              - \`role\` — 角色（对应 \`o_assets.type = "role"\`）
-              - \`scene\` — 场景（对应 \`o_assets.type = "scene"\`）
-              - \`tool\` — 道具（对应 \`o_assets.type = "tool"\`）
-            - 下游用途：资产提示词生成 → AI 资产图生成 → 分镜制作
-            
-            ## 输出要求
-            
-            **必须通过调用 \`resultTool\` 工具返回结果**，禁止以纯文本、Markdown 表格或 JSON 代码块等形式直接输出资产列表。
-            \`resultTool\` 的 schema 会对字段类型和枚举值做强校验，调用时请严格按照下方字段定义填写，确保数据结构正确、字段完整、类型匹配。
-            
-            每个资产对象包含以下字段：
-            
-            | 字段 | 类型 | 必填 | 说明 |
-            | ---- | ---- | ---- | ---- |
-            | \`name\` | string | 是 | 资产名称，使用剧本中的原始称呼,不做其他多余描述 |
-            | \`desc\` | string | 是 | 资产描述，30-80 字的视觉化描述 |
-            | \`prompt\` | string | 是 | 生成提示词，英文，用于 AI 图片生成 |
-            | \`type\` | enum | 是 | 资产类型：\`role\` / \`scene\` / \`tool\`  |
-            
-            ## 提取规则
-            
-            ### 角色（role）
-            
-            - 提取剧本中出现的所有有名字的角色
-            - \`desc\`：包含外貌特征、服饰风格、体态气质等视觉要素
-            - \`prompt\`：英文提示词，描述角色的外观特征，适用于 AI 角色图生成
-            - 同一角色有多个称呼时，取最常用的作为 \`name\`
-            - 无名龙套（如"路人甲"、"士兵"）可跳过，除非其造型对剧情有重要视觉意义
-            
-            ### 场景（scene）
-            
-            - 提取剧本中出现的所有场景/地点
-            - \`desc\`：包含空间结构、光照氛围、关键陈设、色调基调等视觉要素
-            - \`prompt\`：英文提示词，描述场景的整体视觉风格，适用于 AI 场景图生成
-            - 同一场景的不同状态（如白天/夜晚）不重复提取，在 \`desc\` 中注明即可
-            
-            ### 道具（tool）
-            
-            - 提取剧本中出现的重要道具/物品
-            - \`desc\`：包含外观形状、颜色材质、尺寸参考、特殊效果等视觉要素
-            - \`prompt\`：英文提示词，描述道具的外观细节，适用于 AI 道具图生成
-            - 仅提取有独立视觉意义或剧情功能的道具，通用物品可跳过
-            
-            
-            ## 提示词（prompt）生成规范
-            
-            - 采用逗号分隔的关键词/短语格式
-            - 优先描述**视觉特征**，避免抽象概念
-            - 包含风格关键词（如 anime style, manga style 等，根据项目风格决定）
-            - 角色 prompt 示例：\`a young man, sharp eyebrows, black hair, pale skin, wearing a gray Taoist robe, slender build, cold expression\`
-            - 场景 prompt 示例：\`dark cave interior, glowing crystals on walls, misty atmosphere, dim blue lighting, stone altar in center\`
-            - 道具 prompt 示例：\`ancient jade pendant, oval shape, translucent green, carved dragon pattern, glowing faintly\`
-            
-            ## 提取流程
-            
-            1. 通读剧本全文，识别所有出现的角色、场景、道具
-            2. 对每个资产生成结构化的 \`name\`、\`desc\`、\`prompt\`、\`type\`
-            3. 去重：同一资产不重复提取
-            4. **必须通过调用 \`resultTool\` 工具输出完整资产列表**，不要分多次调用，一次性将所有资产放入 \`assetsList\` 数组中提交
-            
-            ## 提取原则
-            
-            1. **忠于剧本**：所有提取基于剧本中的实际内容，不臆造未出现的资产
-            2. **视觉优先**：描述和提示词聚焦视觉特征，便于 AI 图片生成
-            3. **精简实用**：只提取对制作有实际意义的资产，避免过度提取
-            4. **分类准确**：严格按照 role/scene/tool 分类，不混淆
-            5. **提示词质量**：英文提示词应具体、可执行，能直接用于 AI 图片生成
-            
-            ## 注意事项
-            
-            - 资产列表中**不要包含剧本内容本身**，仅提取所使用到的资产
-            - 角色的随身物品如果有独立剧情功能，应单独作为道具提取
-            - 场景中的固定陈设不需要单独提取为道具，除非该物件有独立剧情作用
+            data: `---
+name: universal_agent
+description: 专注于从剧本内容中提取所使用的资产（角色、场景、道具）并生成结构化资产列表的助手。
+---
+
+# Script Assets Extract
+
+你是一个专业的剧本内容分析助手，专注于从剧本文本中识别和提取所有涉及的资产（角色、场景、道具），并为每项资产生成可供下游制作流程使用的结构化描述和提示词。
+
+## 何时使用
+
+用户提供剧本内容，你需要逐段阅读并提取其中涉及的所有资产（人物角色、场景地点、道具物件），输出为结构化的资产列表。产出的资产描述将用于后续 AI 图片生成和制作流程。
+
+## 与系统的对应关系
+
+- 资产类型：
+  - \`role\` — 角色（对应 \`o_assets.type = "role"\`）
+  - \`scene\` — 场景（对应 \`o_assets.type = "scene"\`）
+  - \`tool\` — 道具（对应 \`o_assets.type = "tool"\`）
+- 下游用途：资产提示词生成 → AI 资产图生成 → 分镜制作
+
+## 输出要求
+
+**必须通过调用 \`resultTool\` 工具返回结果**，禁止以纯文本、Markdown 表格或 JSON 代码块等形式直接输出资产列表。
+\`resultTool\` 的 schema 会对字段类型和枚举值做强校验，调用时请严格按照下方字段定义填写，确保数据结构正确、字段完整、类型匹配。
+
+每个资产对象包含以下字段：
+
+| 字段 | 类型 | 必填 | 说明 |
+| ---- | ---- | ---- | ---- |
+| \`name\` | string | 是 | 资产名称，使用剧本中的原始称呼,不做其他多余描述 |
+| \`desc\` | string | 是 | 资产描述，30-80 字的视觉化描述 |
+| \`prompt\` | string | 是 | 生成提示词，英文，用于 AI 图片生成 |
+| \`type\` | enum | 是 | 资产类型：\`role\` / \`scene\` / \`tool\`  |
+
+## 提取规则
+
+### 角色（role）
+
+- 提取剧本中出现的所有有名字的角色
+- \`desc\`：包含外貌特征、服饰风格、体态气质等视觉要素
+- \`prompt\`：英文提示词，描述角色的外观特征，适用于 AI 角色图生成
+- 同一角色有多个称呼时，取最常用的作为 \`name\`
+- 无名龙套（如"路人甲"、"士兵"）可跳过，除非其造型对剧情有重要视觉意义
+
+### 场景（scene）
+
+- 提取剧本中出现的所有场景/地点
+- \`desc\`：包含空间结构、光照氛围、关键陈设、色调基调等视觉要素
+- \`prompt\`：英文提示词，描述场景的整体视觉风格，适用于 AI 场景图生成
+- 同一场景的不同状态（如白天/夜晚）不重复提取，在 \`desc\` 中注明即可
+
+### 道具（tool）
+
+- 提取剧本中出现的重要道具/物品
+- \`desc\`：包含外观形状、颜色材质、尺寸参考、特殊效果等视觉要素
+- \`prompt\`：英文提示词，描述道具的外观细节，适用于 AI 道具图生成
+- 仅提取有独立视觉意义或剧情功能的道具，通用物品可跳过
+
+
+## 提示词（prompt）生成规范
+
+- 采用逗号分隔的关键词/短语格式
+- 优先描述**视觉特征**，避免抽象概念
+- 包含风格关键词（如 anime style, manga style 等，根据项目风格决定）
+- 角色 prompt 示例：\`a young man, sharp eyebrows, black hair, pale skin, wearing a gray Taoist robe, slender build, cold expression\`
+- 场景 prompt 示例：\`dark cave interior, glowing crystals on walls, misty atmosphere, dim blue lighting, stone altar in center\`
+- 道具 prompt 示例：\`ancient jade pendant, oval shape, translucent green, carved dragon pattern, glowing faintly\`
+
+## 提取流程
+
+1. 通读剧本全文，识别所有出现的角色、场景、道具
+2. 对每个资产生成结构化的 \`name\`、\`desc\`、\`prompt\`、\`type\`
+3. 去重：同一资产不重复提取
+4. **必须通过调用 \`resultTool\` 工具输出完整资产列表**，不要分多次调用，一次性将所有资产放入 \`assetsList\` 数组中提交
+
+## 提取原则
+
+1. **忠于剧本**：所有提取基于剧本中的实际内容，不臆造未出现的资产
+2. **视觉优先**：描述和提示词聚焦视觉特征，便于 AI 图片生成
+3. **精简实用**：只提取对制作有实际意义的资产，避免过度提取
+4. **分类准确**：严格按照 role/scene/tool 分类，不混淆
+5. **提示词质量**：英文提示词应具体、可执行，能直接用于 AI 图片生成
+
+## 注意事项
+
+- 资产列表中**不要包含剧本内容本身**，仅提取所使用到的资产
+- 角色的随身物品如果有独立剧情功能，应单独作为道具提取
+- 场景中的固定陈设不需要单独提取为道具，除非该物件有独立剧情作用
             `,
           },
         ]);
@@ -527,6 +526,7 @@ export default async (knex: Knex, forceInit: boolean = false): Promise<void> =>
         table.text("state");
         table.integer("scriptId");
         table.integer("storyboardId");
+        table.integer("projectId");
         table.primary(["id"]);
         table.unique(["id"]);
       },

src/routes/assets/getMaterialData.ts

@@ -1,32 +1,54 @@
 import express from "express";
 import u from "@/utils";
+import { z } from "zod";
 import { success } from "@/lib/responseFormat";
+import { validateFields } from "@/middleware/middleware";
 const router = express.Router();
 
 // 获取生成图片
-export default router.post("/", async (req, res) => {
-  const list = await u.db("o_assets").leftJoin("o_image", "o_assets.id", "=", "o_image.assetsId").where("o_assets.type", "clip").select("*");
-  const data = await Promise.all(
-    list.map(async (item) => ({
-      ...item,
-      filePath: item.filePath ? await u.oss.getFileUrl(item.filePath) : "",
-    })),
-  );
-  // 查询o_videoConfig表，拿到已选中的videoId
-  const configRows = await u.db("o_videoConfig").select("videoId");
-  const selectedIds = new Set(configRows.map((row) => row.videoId));
+export default router.post(
+  "/",
+  validateFields({
+    projectId: z.number(),
+  }),
+  async (req, res) => {
+    const { projectId } = req.body;
+    const list = await u
+      .db("o_assets")
+      .leftJoin("o_image", "o_assets.id", "=", "o_image.assetsId")
+      .where("o_assets.type", "clip")
+      .andWhere("projectId", projectId)
+      .select("*");
+    const data = await Promise.all(
+      list.map(async (item) => ({
+        ...item,
+        filePath: item.filePath ? await u.oss.getFileUrl(item.filePath) : "",
+      })),
+    );
+    //拿到本地片尾视频并插入到data中
+    const ending = await u.oss.getFileUrl("/ending/1d7a2dfdd0c057823797fdf97677a7a0.mp4");
+    data.push({
+      id: 0,
+      name: "片尾",
+      filePath: ending,
+      type: "clip",
+    });
+    // 查询o_videoConfig表，拿到已选中的videoId
+    const configRows = await u.db("o_videoConfig").select("videoId");
+    const selectedIds = new Set(configRows.map((row) => row.videoId));
 
-  // 查询o_video表
-  const videoRows = await u.db("o_video").where("state", "生成成功").select("*");
+    // 查询o_video表
+    const videoRows = await u.db("o_video").where("state", "生成成功").andWhere("projectId", projectId).select("*");
+    // 处理并返回结果
+    const video = await Promise.all(
+      videoRows.map(async (row) => ({
+        id: row.id,
+        filePath: row.filePath ? await u.oss.getFileUrl(row.filePath) : "",
+        selected: selectedIds.has(row.id),
+        storyboard: row.storyboardId,
+      })),
+    );
 
-  // 处理并返回结果
-  const video = await Promise.all(
-    videoRows.map(async (row) => ({
-      id: row.id,
-      filePath: row.filePath ? await u.oss.getFileUrl(row.filePath) : "",
-      selected: selectedIds.has(row.id),
-      storyboard: row.storyboardId,
-    })),
-  );
-  res.status(200).send(success({ data, video }));
-});
+    res.status(200).send(success({ data, video }));
+  },
+);

src/routes/assetsGenerate/batchGenerateImageAssets.ts

@@ -110,16 +110,20 @@ export default router.post("/", validateFields(requestSchema), async (req, res)
 
       try {
         const aiImage = u.Ai.Image(model);
-        await aiImage.run({
-          prompt: userPrompt,
-          imageBase64: item.base64 ? [item.base64] : [],
-          size: resolution,
-          aspectRatio: "16:9",
-          taskClass: cfg.taskClass,
-          describe,
-          projectId,
-          relatedObjects: JSON.stringify(relatedObjects),
-        });
+        await aiImage.run(
+          {
+            prompt: userPrompt,
+            imageBase64: item.base64 ? [item.base64] : [],
+            size: resolution,
+            aspectRatio: "16:9",
+          },
+          {
+            taskClass: cfg.taskClass,
+            describe,
+            projectId,
+            relatedObjects: JSON.stringify(relatedObjects),
+          },
+        );
         aiImage.save(imagePath);
 
         const imageData = await u.db("o_image").where("id", imageId).select("*").first();

src/routes/assetsGenerate/generateAssets.ts

@@ -98,16 +98,20 @@ export default router.post("/", validateFields(requestSchema), async (req, res)
   try {
     // 4. 调用 AI 生成图片
     const aiImage = u.Ai.Image(model);
-    await aiImage.run({
-      prompt: userPrompt,
-      imageBase64: base64 ? [base64] : [],
-      size: resolution,
-      aspectRatio: "16:9",
-      taskClass: cfg.taskClass,
-      describe,
-      projectId,
-      relatedObjects: JSON.stringify(relatedObjects),
-    });
+    await aiImage.run(
+      {
+        prompt: userPrompt,
+        imageBase64: base64 ? [base64] : [],
+        size: resolution,
+        aspectRatio: "16:9",
+      },
+      {
+        taskClass: cfg.taskClass,
+        describe,
+        projectId,
+        relatedObjects: JSON.stringify(relatedObjects),
+      },
+    );
     aiImage.save(imagePath);
 
     // 5. 更新记录 & 返回结果

src/routes/production/workbench/generateVideo.ts

@@ -39,6 +39,7 @@ export default router.post(
       state: "生成中",
       scriptId,
       storyboardId,
+      projectId,
     };
     const [videoId] = await u.db("o_video").insert(videoData);
     //查询分镜是否已有配置
@@ -105,19 +106,23 @@ export default router.post(
         console.log("%c Line:110 🍑 prompt", "background:#b03734", prompt);
 
         const aiVideo = u.Ai.Video(model);
-        await aiVideo.run({
-          projectId,
-          prompt,
-          imageBase64: base64.filter((item) => item !== null) as string[],
-          mode,
-          duration,
-          aspectRatio: (ratio?.videoRatio as `${number}:${number}`) || "16:9",
-          resolution,
-          audio,
-          taskClass: "视频生成",
-          describe: "根据提示词生成视频",
-          relatedObjects: JSON.stringify(relatedObjects),
-        });
+        await aiVideo.run(
+          {
+            prompt,
+            imageBase64: base64.filter((item) => item !== null) as string[],
+            mode,
+            duration,
+            aspectRatio: (ratio?.videoRatio as `${number}:${number}`) || "16:9",
+            resolution,
+            audio,
+          },
+          {
+            projectId,
+            taskClass: "视频生成",
+            describe: "根据提示词生成视频",
+            relatedObjects: JSON.stringify(relatedObjects),
+          },
+        );
         await aiVideo.save(videoPath);
         await u.db("o_video").where("id", videoId).update({ state: "生成成功" });
         // await u.db("o_videoConfig").where("storyboardId", storyboardId).update({ videoId, updateTime: Date.now() });

src/routes/test/test.ts

@@ -2,25 +2,35 @@ import express from "express";
 const router = express.Router();
 import u from "@/utils";
 import fs from "fs";
-import { useSkill } from "@/utils/agent/skillsTools";
+import Memory from "@/utils/agent/memory";
+
+
+function buildMemPrompt(mem: Awaited<ReturnType<Memory["get"]>>): string {
+  let memoryContext = "";
+  if (mem.rag.length) {
+    memoryContext += `[相关记忆]\n${mem.rag.map((r) => r.content).join("\n")}`;
+  }
+  if (mem.summaries.length) {
+    if (memoryContext) memoryContext += "\n\n";
+    memoryContext += `[历史摘要]\n${mem.summaries.map((s, i) => `${i + 1}. ${s.content}`).join("\n")}`;
+  }
+  if (mem.shortTerm.length) {
+    if (memoryContext) memoryContext += "\n\n";
+    memoryContext += `[近期对话]\n${mem.shortTerm.map((m) => `${m.role}: ${m.content}`).join("\n")}`;
+  }
+  return `## Memory\n以下是你对用户的记忆，可作为参考但不要主动提及：\n${memoryContext}`;
+}
 
 export default router.get("/", async (req, res) => {
-  const skill = await useSkill(
-    {
-      mainSkill: "production_agent_execution",
-      workspace: ["production_agent_skills/execution"],
-      attachedSkills: ["art_prompts/chinese_sweet_romance/driector_skills"],
-    },
-  );
 
-  const test = await u.Ai.Text("scriptAgent").invoke({
-    system: skill.prompt,
-    messages: [
-      { role: "user", content: "渐进式激活skill，技能->资源1->资源2...一直渐进到最深处，并输出你的阅读路线，同级目录你只用读取一个无需全部读取" },
-    ],
-    tools: skill.tools,
-  });
+  const isolationKey = "test";
+  const input = "你好"
 
-  console.log("%c Line:21 🌽 text", "background:#ea7e5c", test.text);
-  res.send(test.text);
+    const memory = new Memory("productionAgent", isolationKey);
+  await memory.add("user", input);
+
+
+  const mem = buildMemPrompt(await memory.get(input));
+
+  res.send(mem);
 });

src/socket/routes/productionAgent.ts

@@ -36,12 +36,22 @@ export default (nsp: Namespace) => {
 
     console.log("[productionAgent] 已连接:", socket.id);
 
-    const resTool = new ResTool(socket, {
+    let resTool = new ResTool(socket, {
       projectId: socket.handshake.auth.projectId,
       scriptId: socket.handshake.auth.scriptId,
     });
     let abortController: AbortController | null = null;
 
+    socket.on("updateContext", (data: { isolationKey: string; projectId: number; scriptId: number }, callback) => {
+      isolationKey = data.isolationKey;
+      resTool = new ResTool(socket, {
+        projectId: data.projectId,
+        scriptId: data.scriptId,
+      });
+      console.log("[productionAgent] 上下文已更新:", isolationKey);
+      callback?.({ success: true });
+    });
+
     socket.on("chat", async (data: { content: string }) => {
       const { content } = data;
       abortController?.abort();
@@ -84,6 +94,7 @@ export default (nsp: Namespace) => {
         text = currentMsg.text();
       };
 
+      let aborted = false;
       try {
         for await (const chunk of textStream) {
           await syncCurrentMessage();
@@ -91,11 +102,21 @@ export default (nsp: Namespace) => {
           currentContent += chunk;
         }
       } catch (err: any) {
-        if (err.name !== "AbortError") throw err;
+        if (err.name === "AbortError" || currentController.signal.aborted) {
+          aborted = true;
+        } else {
+          throw err;
+        }
       } finally {
         await syncCurrentMessage();
-        text.complete();
-        currentMsg.complete();
+        if (aborted) {
+          text.append("[已停止]");
+          text.complete();
+          currentMsg.stop();
+        } else {
+          text.complete();
+          currentMsg.complete();
+        }
         await persistCurrentMessage();
         if (abortController === currentController) {
           abortController = null;

src/socket/routes/scriptAgent.ts

@@ -83,6 +83,7 @@ export default (nsp: Namespace) => {
         text = currentMsg.text();
       };
 
+      let aborted = false;
       try {
         for await (const chunk of textStream) {
           await syncCurrentMessage();
@@ -90,11 +91,20 @@ export default (nsp: Namespace) => {
           currentContent += chunk;
         }
       } catch (err: any) {
-        if (err.name !== "AbortError") throw err;
+        if (err.name === "AbortError" || currentController.signal.aborted) {
+          aborted = true;
+        } else {
+          throw err;
+        }
       } finally {
         await syncCurrentMessage();
-        text.complete();
-        currentMsg.complete();
+        if (aborted) {
+          text.complete();
+          currentMsg.stop();
+        } else {
+          text.complete();
+          currentMsg.complete();
+        }
         await persistCurrentMessage();
         if (abortController === currentController) {
           abortController = null;

src/types/database.d.ts

@@ -1,13 +1,6 @@
-// @db-hash f7bc2fdb80756d5536929eb47155578b
+// @db-hash 93b2462070c45c2b449e9a18c4e88763
 //该文件由脚本自动生成，请勿手动修改
 
-export interface _o_script_old_20260327 {
-  'content'?: string | null;
-  'createTime'?: number | null;
-  'id'?: number;
-  'name'?: string | null;
-  'projectId'?: number | null;
-}
 export interface memories {
   'content': string;
   'createTime': number;
@@ -28,7 +21,7 @@ export interface o_agentDeploy {
   'model'?: string | null;
   'modelName'?: string | null;
   'name'?: string | null;
-  'vendorId'?: number | null;
+  'vendorId'?: string | null;
 }
 export interface o_agentWorkData {
   'createTime'?: number | null;
@@ -54,6 +47,7 @@ export interface o_assets {
   'name'?: string | null;
   'projectId'?: number | null;
   'prompt'?: string | null;
+  'promptState'?: string | null;
   'remark'?: string | null;
   'scriptId'?: number | null;
   'startTime'?: number | null;
@@ -173,7 +167,7 @@ export interface o_storyboard {
   'filePath'?: string | null;
   'frameMode'?: string | null;
   'id'?: number;
-  'index'?: string | null;
+  'index'?: number | null;
   'lines'?: string | null;
   'mode'?: string | null;
   'model'?: string | null;
@@ -238,7 +232,6 @@ export interface o_videoConfig {
 }
 
 export interface DB {
-  "_o_script_old_20260327": _o_script_old_20260327;
   "memories": memories;
   "o_agentDeploy": o_agentDeploy;
   "o_agentWorkData": o_agentWorkData;

src/utils/ai.ts

@@ -25,23 +25,10 @@ async function getVendorTemplateFn(fnName: FnName, modelName: `${string}:${strin
   const selectedModel = modelList.find((i: any) => i.modelName == name);
   if (!selectedModel) throw new Error(`未找到模型 ${name} id=${id}`);
   const jsCode = transform(vendorConfigData.code!, { transforms: ["typescript"] }).code;
-  const running = u.vm(jsCode);
-  Object.assign(running.vendor.inputValues, JSON.parse(vendorConfigData.inputValues ?? "{}"));
-  running.vendor.models = modelList;
-  const fn = running[fnName];
+  const fn = u.vm(jsCode)[fnName];
   if (!fn) throw new Error(`未找到供应商配置中的函数 ${fnName} id=${id}`);
-  if (fnName == "textRequest") {
-    const model = fn(selectedModel);
-    if (!model) throw new Error(`供应商 textRequest 返回无效模型 id=${id}`);
-    return model;
-  }
-  return async <T>(input: T) => {
-    const result = await fn(input, selectedModel);
-    if (result === undefined || result === null) {
-      throw new Error(`供应商函数 ${fnName} 未返回有效结果 id=${id}`);
-    }
-    return result;
-  };
+  if (fnName == "textRequest") return fn(selectedModel);
+  else return <T>(input: T) => fn(input, selectedModel);
 }
 
 async function withTaskRecord<T>(
@@ -113,6 +100,9 @@ interface ImageConfig {
   imageBase64: string[]; //输入的图片提示词
   size: "1K" | "2K" | "4K"; // 图片尺寸
   aspectRatio: `${number}:${number}`; // 长宽比
+}
+
+interface TaskRecord {
   taskClass: string; // 任务分类
   describe: string; // 任务描述
   relatedObjects: string; // 相关对象信息，便于后续分析和追踪
@@ -125,8 +115,8 @@ class AiImage {
   constructor(key: `${string}:${string}`) {
     this.key = key;
   }
-  async run(input: ImageConfig) {
-    return withTaskRecord(this.key, input.taskClass, input.describe, input.relatedObjects, input.projectId, async (modelName) => {
+  async run(input: ImageConfig, taskRecord: TaskRecord) {
+    return withTaskRecord(this.key, taskRecord.taskClass, taskRecord.describe, taskRecord.relatedObjects, taskRecord.projectId, async (modelName) => {
       const fn = await getVendorTemplateFn("imageRequest", modelName);
       this.result = await fn(input);
       if (this.result.startsWith("http")) this.result = await urlToBase64(this.result);
@@ -139,7 +129,6 @@ class AiImage {
   }
 }
 interface VideoConfig {
-  projectId: number; // 项目ID
   prompt: string; //视频提示词
   imageBase64: string[]; //输入的图片提示词
   aspectRatio: `${number}:${number}`; // 长宽比
@@ -147,9 +136,6 @@ interface VideoConfig {
   duration: number; // 视频时长，单位秒
   resolution: string; // 视频分辨率
   audio: boolean; // 是否需要配音
-  taskClass: string; // 任务分类
-  describe: string; // 任务描述
-  relatedObjects: string; // 相关对象信息，便于后续分析和追踪
 }
 
 class AiVideo {
@@ -158,8 +144,8 @@ class AiVideo {
   constructor(key: `${string}:${string}`) {
     this.key = key;
   }
-  async run(input: VideoConfig) {
-    return withTaskRecord(this.key, input.taskClass, input.describe, input.relatedObjects, input.projectId, async (modelName) => {
+  async run(input: VideoConfig, taskRecord: TaskRecord) {
+    return withTaskRecord(this.key, taskRecord.taskClass, taskRecord.describe, taskRecord.relatedObjects, taskRecord.projectId, async (modelName) => {
       const fn = await getVendorTemplateFn("videoRequest", modelName);
       this.result = await fn(input);
       if (this.result.startsWith("http")) this.result = await urlToBase64(this.result);
@@ -177,8 +163,8 @@ class AiAudio {
   constructor(key: `${string}:${string}`) {
     this.key = key;
   }
-  async run(input: VideoConfig) {
-    return withTaskRecord(this.key, input.taskClass, input.describe, input.relatedObjects, input.projectId, async (modelName) => {
+  async run(input: VideoConfig, taskRecord: TaskRecord) {
+    return withTaskRecord(this.key, taskRecord.taskClass, taskRecord.describe, taskRecord.relatedObjects, taskRecord.projectId, async (modelName) => {
       const fn = await getVendorTemplateFn("ttsRequest", modelName);
       this.result = await fn(input);
       if (this.result.startsWith("http")) this.result = await urlToBase64(this.result);