评估使用agent模式检索

@@ -2,6 +2,10 @@ WEKNORA_BASE_URL=http://localhost:8080/api/v1
 WEKNORA_API_KEY=
 WEKNORA_KB_ID=
 WEKNORA_KB_NAME=ragas-eval-pilot
+WEKNORA_AGENT_ID=builtin-quick-answer
+WEKNORA_AGENT_ENABLED=false
+WEKNORA_WEB_SEARCH_ENABLED=false
+WEKNORA_SUMMARY_MODEL_ID=
 
 # MinerU HTTP parser. Use cpu, cuda, cuda:0, etc. according to the deployed
 # MinerU backend.

@@ -613,7 +613,7 @@ Content-Type: application/json
 请求：
 
 ```http
-POST /api/v1/knowledge-chat/{session_id}
+POST /api/v1/agent-chat/{session_id}
 X-API-Key: <api-key>
 Content-Type: application/json
 ```
@@ -623,6 +623,8 @@ Content-Type: application/json
 ```json
 {
   "query": "合同中的付款期限是什么？",
+  "agent_id": "builtin-quick-answer",
+  "agent_enabled": false,
   "knowledge_base_ids": ["kb-0001"],
   "disable_title": true,
   "enable_memory": false,
@@ -635,6 +637,8 @@ Content-Type: application/json
 ```json
 {
   "query": "合同中的付款期限是什么？",
+  "agent_id": "builtin-quick-answer",
+  "agent_enabled": false,
   "knowledge_ids": ["knowledge-0001"],
   "disable_title": true,
   "enable_memory": false,
@@ -682,7 +686,7 @@ data: {
 event: message
 data: {
   "id": "request-0001",
-  "response_type": "answer",
+  "response_type": "final_answer",
   "content": "合同约定，付款期限为收到合法有效发票后30日内。",
   "done": false,
   "knowledge_references": null
@@ -695,7 +699,7 @@ data: {
 event: message
 data: {
   "id": "request-0001",
-  "response_type": "answer",
+  "response_type": "final_answer",
   "content": "",
   "done": true,
   "knowledge_references": null
@@ -887,9 +891,9 @@ Content-Type: application/json
 对每条审核通过的 QA：
 
 1. 创建一个干净 session。
-2. 调用 `POST /knowledge-chat/{session_id}`。
+2. 调用 `POST /agent-chat/{session_id}`，默认使用 `agent_id=builtin-quick-answer`。
 3. 解析 SSE 中的 references 事件。
-4. 解析 SSE 中的 answer 事件。
+4. 解析 SSE 中的 final_answer 事件。
 5. 构造一条 Ragas 输入记录。
 
 `data/runs/ragas_input.jsonl`：
@@ -1040,9 +1044,9 @@ Content-Type: application/json
 ### 阶段 6：运行 WeKnora QA
 
 - [ ] 每条 QA 创建一个干净 session。
-- [ ] 调用 `knowledge-chat`。
+- [ ] 调用 `agent-chat`，默认使用 `builtin-quick-answer`。
 - [ ] 解析 SSE references 事件。
-- [ ] 解析 SSE answer 事件。
+- [ ] 解析 SSE final_answer 事件。
 - [ ] 按 chunk ID 去重引用。
 - [ ] 保存原始答案和引用。
 - [ ] 记录空答案失败。

@@ -84,6 +84,8 @@ python workflows/04_evaluate_report.py
 
 首轮建议只使用 2 个 PDF、1 个 XLSX 和 10 条审核通过 QA，确认 `retrieved_contexts`、`response`、Ragas 输入字段都正常后再扩展样本量。
 
+WeKnora 回答收集阶段使用 `POST /api/v1/agent-chat/{session_id}`，默认 `WEKNORA_AGENT_ID=builtin-quick-answer`、`WEKNORA_AGENT_ENABLED=false`，即使用内置快速问答的 RAG 模式并携带 `WEKNORA_KB_ID`。如需评测智能推理链路，可改为 `builtin-smart-reasoning` 并开启 `WEKNORA_AGENT_ENABLED=true`。
+
 默认 `04_parse_docs.py` 从 WeKnora 导出的 `data/exported/chunks.jsonl` 构造测试集来源，不再重复调用外部 PDF 解析器。`05_generate_testset.py` 默认使用 Ragas 结合评估侧 LLM 自动生成 QA；生成阶段使用 `TESTSET_RAGAS_MODE=direct`，直接把 WeKnora chunks 组装成 Ragas KnowledgeGraph 并生成单跳 QA，避免 Ragas 默认文档预处理链路重新抽标题、摘要和实体。生成阶段还会用 `TESTSET_MAX_DOCUMENT_CHARS` 限制单条来源上下文长度，用 `TESTSET_GENERATOR_MAX_TOKENS` 控制生成输出预算，并按来源文件轮询抽样，避免测试集集中在单个文件。`local`、`mineru` 和 `rule_based` 只作为可选实验/兜底配置保留。
 
 ## 主要产物

@@ -317,7 +317,8 @@ python scripts/07_run_weknora_qa.py
 
 - 知识库是否解析完成。
 - chunks 是否导出非空。
-- WeKnora 问答 SSE 是否返回 `references` 事件。
+- WeKnora `agent-chat` 问答 SSE 是否返回 `references` 事件。
+- `.env` 中 `WEKNORA_AGENT_ID` 是否为 `builtin-quick-answer`，且 `WEKNORA_AGENT_ENABLED=false`。
 - `data/runs/failed_requests.jsonl` 中是否记录 `empty_retrieval`。
 
 ## 8. 扩大样本规模

@@ -50,6 +50,10 @@ parsing:
 
 qa:
   one_session_per_question: true
+  agent_id: "${WEKNORA_AGENT_ID:-builtin-quick-answer}"
+  agent_enabled: "${WEKNORA_AGENT_ENABLED:-false}"
+  web_search_enabled: "${WEKNORA_WEB_SEARCH_ENABLED:-false}"
+  summary_model_id: "${WEKNORA_SUMMARY_MODEL_ID:-}"
   disable_title: true
   enable_memory: false
   channel: "api"

@@ -24,9 +24,13 @@ def main() -> int:
             session_id = session.get("id")
             if not session_id:
                 raise RuntimeError(f"create_session returned no id for {sample_id}")
-            result = client.knowledge_chat_sse(
+            result = client.agent_chat_sse(
                 session_id=session_id,
                 query=row["user_input"],
+                agent_id=str(qa_config.get("agent_id", "builtin-quick-answer")),
+                agent_enabled=bool(qa_config.get("agent_enabled", False)),
+                web_search_enabled=bool(qa_config.get("web_search_enabled", False)),
+                summary_model_id=qa_config.get("summary_model_id") or None,
                 disable_title=bool(qa_config.get("disable_title", True)),
                 enable_memory=bool(qa_config.get("enable_memory", False)),
                 channel=str(qa_config.get("channel", "api")),

@@ -201,6 +201,44 @@ class WeKnoraClient:
             "raw_events": raw_events,
         }
 
+    def agent_chat_sse(
+        self,
+        *,
+        session_id: str,
+        query: str,
+        agent_id: str,
+        agent_enabled: bool = False,
+        knowledge_ids: list[str] | None = None,
+        knowledge_base_ids: list[str] | None = None,
+        mentioned_items: list[dict[str, Any]] | None = None,
+        web_search_enabled: bool | None = False,
+        summary_model_id: str | None = None,
+        disable_title: bool = True,
+        enable_memory: bool = False,
+        channel: str = "api",
+    ) -> dict[str, Any]:
+        payload: dict[str, Any] = {
+            "query": query,
+            "agent_id": agent_id,
+            "agent_enabled": agent_enabled,
+            "disable_title": disable_title,
+            "enable_memory": enable_memory,
+            "channel": channel,
+        }
+        if web_search_enabled is not None:
+            payload["web_search_enabled"] = web_search_enabled
+        if summary_model_id:
+            payload["summary_model_id"] = summary_model_id
+        if mentioned_items:
+            payload["mentioned_items"] = mentioned_items
+        if knowledge_ids:
+            payload["knowledge_ids"] = knowledge_ids
+        else:
+            self._ensure_knowledge_base_id()
+            payload["knowledge_base_ids"] = knowledge_base_ids or [self.knowledge_base_id]
+
+        return self._chat_sse(f"agent-chat/{session_id}", payload)
+
     def load_messages(self, session_id: str, *, limit: int = 10) -> list[dict[str, Any]]:
         payload = self._json_request("GET", f"messages/{session_id}/load", params={"limit": limit})
         if isinstance(payload, list):
@@ -223,6 +261,55 @@ class WeKnoraClient:
         data = self._json_request("POST", "knowledge-search", json=payload)
         return data if isinstance(data, list) else []
 
+    def _chat_sse(self, path: str, payload: dict[str, Any]) -> dict[str, Any]:
+        url = self._url(path)
+        response = self.session.post(
+            url,
+            json=payload,
+            timeout=self.timeout_seconds,
+            stream=True,
+            headers={"Accept": "text/event-stream"},
+        )
+        if response.status_code >= 400:
+            self._log_error("POST", url, response)
+            raise WeKnoraApiError(f"POST {url} failed with HTTP {response.status_code}")
+
+        answer_parts: list[str] = []
+        references: list[dict[str, Any]] = []
+        raw_events: list[dict[str, Any]] = []
+        request_id: str | None = None
+        seen_reference_ids: set[str] = set()
+
+        for event in parse_sse_events(response.iter_lines(decode_unicode=True)):
+            raw_events.append(event)
+            data = event.get("data")
+            if not isinstance(data, dict):
+                continue
+            request_id = request_id or data.get("id")
+            response_type = data.get("response_type")
+            if response_type == "references":
+                for reference in data.get("knowledge_references") or []:
+                    normalized = normalize_reference(reference)
+                    reference_id = str(normalized.get("id") or "")
+                    if reference_id and reference_id in seen_reference_ids:
+                        continue
+                    if reference_id:
+                        seen_reference_ids.add(reference_id)
+                    references.append(normalized)
+            elif response_type in {"answer", "final_answer"} and data.get("content"):
+                answer_parts.append(data.get("content") or "")
+            elif response_type == "error":
+                raise WeKnoraApiError(str(data.get("content") or data))
+
+        retrieved_contexts = [ref["content"] for ref in references if ref.get("content")]
+        return {
+            "request_id": request_id,
+            "response": "".join(answer_parts).strip(),
+            "retrieved_contexts": retrieved_contexts,
+            "weknora_references": references,
+            "raw_events": raw_events,
+        }
+
     def _paginate(self, path: str, *, page_size: int = 100) -> list[dict[str, Any]]:
         page = 1
         rows: list[dict[str, Any]] = []