life-echo/api/app/agents/memoir/fidelity_check_agent.py

"""
FidelityCheckAgent：比较「用户口述」与叙事 JSON 输出，判定是否存在明显编造或越界。
续写合并（append）时传入 `existing_canonical_markdown`，将已有故事正文一并视为允许来源。
失败时由流水线回退（见 story_pipeline_sync）：续写为「已有 + 口述」，新建为口述原文。
"""

from __future__ import annotations

import json
import re
from typing import Any

from app.core.config import settings
from app.core.langchain_llm import invoke_json_object
from app.core.logging import get_logger
from app.features.memoir.memoir_images.json_payload import extract_json_payload

logger = get_logger(__name__)

# 生成稿中出现的四位年份，若口述中未出现同串，仅打日志（不误杀）
_YEAR_4_RE = re.compile(r"(?<!\d)(19|20)\d{2}(?!\d)")


def _log_suspicious_years_not_in_oral(oral_text: str, narrative_json: str) -> None:
    oral = oral_text or ""
    gen = narrative_json or ""
    for m in _YEAR_4_RE.finditer(gen):
        y = m.group(0)
        if y not in oral:
            logger.debug(
                "event=fidelity_heuristic_year_not_in_oral year={} oral_len={} gen_len={}",
                y,
                len(oral),
                len(gen),
            )


class FidelityCheckAgent:
    """叙事忠实度检查（json_object）；失败时上层应回退为口述原文。"""

    def passes(
        self,
        *,
        oral_text: str,
        narrative_json: str,
        llm: Any,
        existing_canonical_markdown: str | None = None,
    ) -> bool:
        if not llm or not settings.memoir_fidelity_check_enabled:
            return True
        oral = (oral_text or "").strip()
        gen = (narrative_json or "").strip()
        if not oral or not gen:
            return True
        existing = (existing_canonical_markdown or "").strip()
        _log_suspicious_years_not_in_oral(oral, gen)
        if existing:
            prompt = f"""你是事实核对员。当前为**续写合并**：模型需要把「已有故事正文」与「本轮口述」合成一篇，生成稿**允许且应当**保留已有正文中的事实（可改写语序、合并段落），并融入本轮口述中的新事实。

【用户本轮口述】（本段亲口补充）
{oral[:8000]}

【已有故事正文】（已落库、允许在生成稿中出现或改写；出现于此处的内容**不算**本轮编造）
{existing[:12000]}

【模型生成的 JSON 叙事】
{gen[:16000]}

判断：生成稿是否出现**既明显不在本轮口述、也明显不在已有故事正文**的具体人名、地名、时间、数字、事件经过、对话，或把摘录/档案里才有的信息写成了用户亲口经历？
若内容可归因于「已有故事」或「本轮口述」的合理整理，pass=true。
若存在无法归因的明显编造或越界，pass=false。

**JSON 输出**：只输出一个合法 JSON 对象。
{{"pass": true, "reason": null}}
或
{{"pass": false, "reason": "一句话说明"}}

只输出 JSON，不要其它文字。"""
        else:
            prompt = f"""你是事实核对员。比较下面两段文字。

【用户口述】（亲历内容）
{oral[:8000]}

【模型生成的 JSON 叙事】（应只含口述中已有事实的整理，不得添油加醋）
{gen[:16000]}

判断：生成稿是否出现**口述中明显没有**的具体人名、地名、时间、数字、事件经过、对话，或把摘录/档案里才有的信息写成了用户亲口经历？
若存在明显编造或越界，pass=false；若仅口语转书面、删赘词、合并指代，pass=true。

**JSON 输出**：只输出一个合法 JSON 对象。
{{"pass": true, "reason": null}}
或
{{"pass": false, "reason": "一句话说明"}}

只输出 JSON，不要其它文字。"""
        try:
            raw = invoke_json_object(
                llm,
                prompt,
                max_tokens=settings.memoir_fidelity_check_max_tokens,
                agent="FidelityCheckAgent.passes",
            )
            data = json.loads(extract_json_payload(raw))
            ok = bool(data.get("pass", True))
            if not ok:
                logger.warning(
                    "event=fidelity_check_fail reason={}",
                    (data.get("reason") or "")[:200],
                )
            return ok
        except Exception as e:
            logger.warning("FidelityCheckAgent 解析失败，放行: {}", e)
            return True