LLM 工具调用与知识检索（llm-tools）

工具调用（function calling）

工具定义与执行在 app/tools.py，当前 3 个工具：

1. get_emotion_report — 查询用户近期情绪报告（读 conversations 统计）
2. add_reminder — 新增提醒/待办（落 reminders 表）
3. list_reminders — 列出提醒（支持按 session_id、include_done 过滤）

链路：/chat/completions 兼容层把 tools 随请求发给 DashScope（qwen-turbo，OpenAI 兼容接口），模型返回 tool_call 后在服务端执行并回填。工具执行结果会落库的只有提醒类，查询类只读。

客户端约束（改协议前必读）

• 数字人客户端强制 stream=True、发送 tools 字段、可能自带 system 注入
• 自研版/其他客户端可能是非流式——两套协议行为不同，勿把一方的假设套到另一方

知识检索（不是工具调用）

app/knowledge.py 用 jieba 分词对 data/knowledge/ 语料（academic/career/life/skills 四大类 12 篇 md）做关键词打分检索，取 top-k 注入 prompt。没有向量化、没有 function calling，属于轻量检索。语料一律 UTF-8，读文件用 encoding="utf-8-sig" 兜 BOM。

密钥与配置

• DASHSCOPE_API_KEY 只走 .env（gitignore 已覆盖），缺 key 时启动报清晰中文错误
• 模型/地址/端口在 app/config.py：qwen-turbo、端口默认 4111

开发铁律

• 新增工具：先在 tools.py 定义 schema + 执行器，再补 /chat/completions 透传测试，勿在 chat.py 里散落 if-else
• 报错时把 DashScope 响应体 response.text 拼进异常信息，别吞