Aurai Advisor (上级顾问 MCP)

请求上级AI的指导（支持交互对齐机制与多轮对话）

这是核心工具，当本地AI遇到编程问题时调用此工具获取上级AI的指导建议。

🔗 相关工具

• sync_context：需要上传文档或代码时使用

  • 📄 上传文章、说明文档（.md/.txt）

  • 💻 上传代码文件（避免内容被截断） ⭐ 重要

  • 将 .py/.js/.json 等代码文件复制为 .txt 后上传

• report_progress：执行上级 AI 建议后，使用此工具报告进度并获取下一步指导

• get_status：查看当前对话状态、迭代次数、配置信息

💡 重要提示：避免内容被截断

如果 code_snippet 或 context 内容过长，请使用 ：

# 步骤 1：将代码文件复制为 .txt
shutil.copy('script.py', 'script.txt')

# 步骤 2：上传文件
sync_context(operation='incremental', files=['script.txt'])

# 步骤 3：告诉上级顾问文件已上传
consult_aurai(
    error_message='请审查已上传的 script.txt 文件'
)

优势：

• ✅ 避免代码在 context 或 answers_to_questions 字段中被截断

• ✅ 利用文件读取机制，完整传递内容

• ✅ 支持任意大小的代码文件

[重要] 何时开始新对话？

系统会自动检测，但你也可以手动控制：

• 自动清空：当上一次对话返回 resolved=true 时，系统会自动清空历史

• 手动清空：如果你要讨论一个完全不同的新问题，设置 is_new_question=true

何时设置

• [OK] 切换到完全不相关的项目/文件

• [OK] 之前的问题已解决，现在遇到全新的问题

• [OK] 发现上下文混乱，想重新开始

• [X] 不要在同一个问题的多轮对话中使用

交互协议

1. 多轮对齐机制

• 不要期待一次成功：上级顾问可能会认为信息不足，返回反问问题

• 仔细阅读 questions_to_answer 中的每个问题

• 主动搜集信息（读取文件、检查日志、运行命令）

• 再次调用 此工具，将答案填入 answers_to_questions 参数

2. 首次调用

必须提供：

• problem_type：问题类型（runtime_error/syntax_error/design_issue/other）

• error_message：清晰描述问题或错误

• context：相关上下文（代码片段、环境信息、已尝试的方案）

• code_snippet：相关代码（如果有）

3. 后续调用（当返回 status="need_info" 时）

必须提供：

• answers_to_questions：对上级顾问反问的详细回答

• 保持其他参数不变（除非有新信息）

4. 诚实原则

• 禁止瞎编：如果不知道答案，诚实说明"未找到相关信息"

• 禁止臆测：不要在没有证据的情况下假设解决方案

• 提供具体证据（文件路径、日志内容、错误堆栈）

响应格式

信息不足时 (status="need_info")

{
  "status": "need_info",
  "questions_to_answer": ["问题1", "问题2"],
  "instruction": "请搜集信息并再次调用"
}

提供指导时 (status="success")

{
  "status": "success",
  "analysis": "问题分析",
  "guidance": "解决建议",
  "action_items": ["步骤1", "步骤2"],
  "resolved": false  // 是否已完全解决
}

问题解决后

当 resolved=true 时，对话历史会自动清空，下次查询将开始新对话。

[自动] 新对话检测

系统会自动检测新问题：

• 如果上一次对话的 resolved=true，下次调用 consult_aurai 时会自动清空历史

• 保证每个独立问题都有干净的上下文，避免干扰

[重要] 明确标注新问题（可选参数）

如果你想强制开始一个新对话，可以设置 is_new_question=true：

• 效果：立即清空所有之前的对话历史

• 后果：上级AI将无法看到之前的任何上下文

• 使用场景：

  • 之前的对话已完全无关

  • 想重新开始讨论一个全新的问题

  • 发现上下文混乱，想重置

示例：

# 第一次咨询（问题A）
consult_aurai(problem_type="runtime_error", error_message="...")

# 继续讨论问题A...
consult_aurai(answers_to_questions="...")

# 切换到问题B（标注为新问题，清空历史）
consult_aurai(
    problem_type="design_issue",
    error_message="...",
    is_new_question=True  # [注意] 会清空之前关于问题A的所有对话
)

同步代码上下文（支持上传 .md 和 .txt 文件，避免内容被截断）

在第一次调用或上下文发生重大变化时使用，让上级AI了解当前项目的整体情况。

🎯 典型使用场景

场景 1：上传文章供上级顾问评审

sync_context(
    operation='full_sync',
    files=['文章.md'],
    project_info={
        'task': 'article_review',
        'target_platform': 'GLM Coding 知识库'
    }
)
consult_aurai(
    problem_type='other',
    error_message='请评审以下投稿文章...',
    context={'请查看已上传的文章文件': '已通过 sync_context 上传'}
)

场景 2：上传代码文件（避免内容被截断）⭐ 重要

# 问题：代码太长，在 context 字段中可能被截断
# 解决：将代码转换为 .txt 文件后上传

import shutil

# 步骤 1：将代码文件复制为 .txt
shutil.copy('src/main.py', 'src/main.txt')

# 步骤 2：上传文件
sync_context(
    operation='incremental',
    files=['src/main.txt'],
    project_info={
        'description': '需要调试的代码',
        'language': 'Python'
    }
)

# 步骤 3：告诉上级顾问文件已上传
consult_aurai(
    problem_type='runtime_error',
    error_message='请审查已上传的 src/main.txt 文件，帮我找出bug',
    context={
        'file_location': '已通过 sync_context 上传',
        'expected_behavior': '应该输出...',
        'actual_behavior': '实际输出...'
    }
)

优势：

• ✅ 避免代码在 context 或 answers_to_questions 字段中被截断

• ✅ 利用 sync_context 的文件读取机制，完整传递内容

• ✅ 上级顾问可以完整读取代码文件

场景 3：项目首次初始化

sync_context(
    operation='full_sync',
    files=['README.md', 'docs/说明文档.md'],
    project_info={
        'project_name': 'My Project',
        'tech_stack': 'Python + FastAPI'
    }
)

[注意] 文件上传限制

files 参数只支持 .txt 和 .md 文件！

• [OK] 支持：README.md, docs.txt, notes.md 等文本和Markdown文件

• [X] 不支持：.py, .js, .json, .yaml 等代码文件

使用场景

1. full_sync: 完整同步，适合首次调用或项目重大变更

2. incremental: 增量同步，适合添加新文件或更新

3. clear: 清空对话历史

Token优化

当 project_info 中的单个字段超过 800 tokens 时，会自动：

• 缓存到临时文件

• 在对话历史中记录文件路径

• 发送给上级AI时仍会读取完整内容

参数说明

• operation: 操作类型（full_sync/incremental/clear）

• files: 文件路径列表，只能是 .txt 或 .md 文件

• project_info: 项目信息字典，可包含任意字段

报告执行进度，请求下一步指导

在执行了上级AI的建议后，调用此工具报告结果，获取下一步指导。

使用场景：执行上级 AI 建议后，报告执行结果并获取后续指导 参数：actions_taken（已执行的行动）、result（success/failed/partial）、new_error（新错误）、feedback（反馈）

获取当前状态

返回当前对话状态、迭代次数、配置信息等。

返回内容：conversation_history_count（对话历史数量）、max_iterations（最大迭代次数）、max_history（最大历史条数）、provider（AI提供商）、model（模型名称）