fix(agent): keep response policy in managed prompt

ai_knowledge_base_v2/apps/backend/app/services/rag_service.py

@@ -1,6 +1,5 @@
 from __future__ import annotations
 
-import re
 from dataclasses import dataclass
 
 from sqlalchemy import select
@@ -128,8 +127,6 @@ class PromptService:
         if not context:
             context = "本轮没有可靠的正式知识章节。对于一般常识可以谨慎回答；涉及课程、老师观点或公司业务时必须说明依据不足，不得编造。"
 
-        completeness_constraint = cls._list_completeness_constraint(question, chunks)
-
         messages: list[dict[str, str]] = [
             {
                 "role": "system",
@@ -157,47 +154,11 @@ class PromptService:
 
         messages.append({
             "role": "system",
-            "content": (
-                "[本轮可靠知识上下文]\n"
-                "以下章节均来自当前正式开放、已发布的知识库，可以作为本轮回答的可靠依据。"
-                "如果其中已经明确包含用户询问的课程、作业、功课或练习，不得再以‘没有资料’、"
-                "‘无法确认’或要求用户补充课程名称来回避回答；应直接根据章节标题和正文归纳。"
-                "用户问‘某课程的作业是什么’时，含义是询问该课程包含哪些作业或练习，"
-                "不要求知识库中必须存在一个与‘某课程作业’完全同名的章节。"
-                "回答作业清单类问题时，应直接给出作业名称，并概括每项作业的用途或核心方向；"
-                "正文已经提供基本步骤时可以简要说明，不要把本轮已经取到的内容留到下一轮再问。"
-                "章节标题可以作为作业或练习名称，标题下的子章节是对应的正式说明。"
-                f"{completeness_constraint}\n\n"
-                f"{context}"
-            ),
+            "content": f"[本轮可靠知识上下文]\n{context}",
         })
         messages.append({"role": "user", "content": question.strip()})
         return messages
 
-    @staticmethod
-    def _list_completeness_constraint(question: str, chunks: list[RetrievedChunk]) -> str:
-        is_practice_list = (
-            any(marker in question for marker in ("作业", "功课", "练习"))
-            and any(marker in question for marker in ("有哪些", "是什么", "包括什么", "都有什么", "列出", "汇总", "总结"))
-        )
-        numbered = [
-            chunk for chunk in chunks
-            if re.search(r"(?:练习|作业|功课)\s*[一二三四五六七八九十百\d]+", chunk.title)
-        ]
-        if not is_practice_list or not numbered:
-            return ""
-        titles = "\n".join(
-            f"{index}. {chunk.knowledge_name} / {chunk.title}"
-            for index, chunk in enumerate(numbered, start=1)
-        )
-        return (
-            "\n\n[作业清单完整性约束]\n"
-            f"本轮共召回 {len(numbered)} 个正式编号练习。回答必须覆盖下面全部 {len(numbered)} 项，"
-            "不得只挑选部分项目，不得合并成少数概念，不得新增清单外的作业。"
-            "应按知识库分组，逐项保留正式练习名称，并根据对应正文简要概括；即使回答较长也必须列完。\n"
-            f"必须覆盖的标题清单：\n{titles}"
-        )
-
     @staticmethod
     def render_messages(messages: list[dict[str, str]]) -> str:
         role_labels = {"system": "系统", "user": "用户", "assistant": "大本营答疑助手"}
@@ -208,6 +169,8 @@ class PromptService:
 
     @staticmethod
     def _clean_history_content(content: str) -> str:
+        import re
+
         return re.sub(r"<think[\s\S]*?</think\s*>", "", content, flags=re.IGNORECASE).strip()
 
     @classmethod