feat(agent): support helper tool loops and injected prompts (#7439)

* feat(agent): support helper tool loops and injected prompts

* prompt

* remove log

.agents/design/core/ai/auxiliary-generation.md

 # 辅助生成当前设计
 
-状态：当前实现
+状态：已实现
 
-最后核对：2026-07-16
+最后核对：2026-08-03
 
 ## 适用范围
 
@@ -48,16 +48,41 @@ API route
 
 ## Agent Loop 接入
 
-`runAuxiliaryGenerationAgentLoop` 复用 [Agent Loop](./agent-loop/index.md)，当前约束如下：
+`runAuxiliaryGenerationAgentLoop` 复用 [Agent Loop](./agent-loop/index.md)，约束如下：
 
-- 启用 `plan` 系统工具。
-- runtime tool catalog 为空。
-- 不启用 ask、Sandbox、文件读取或知识库工具。
+- 不启用 `plan`、Sandbox、文件读取或知识库系统工具。
+- 启用标准 `ask_user` 系统工具；暂停和恢复完全遵循 Agent Loop 的 `providerState + userAnswer` 协议。
+- 业务调用方可以显式注入 runtime tools 和 executor；Chat Agent Helper 注入 `generate_config`。
 - reasoning delta 转为辅助生成 answer SSE。
 - usage 直接进入辅助生成 usage sink。
-- 最终只提取不含 tool calls 的 assistant message，返回 answer 和 reasoning 文本。
+- 结果保留标准 `status`、`pause` 和 `providerState`，业务层只负责转换展示和持久化，不自行判断暂停条件。
 
-如果新场景需要业务工具或 interactive，应先设计显式能力协议，不能依赖 processor 闭包隐式访问 Workflow runtime。
+如果新场景需要业务工具，必须通过 runtime tool catalog 和 executor 显式注入，不能依赖 processor 读取 Workflow runtime。
+
+## Chat Agent Helper 连续调用
+
+```text
+模型调用 ask_user
+  -> Agent Loop 返回 paused + ask + providerState
+  -> Chat Agent Helper 保存 interactive、ask tool call 和 providerState memory
+  -> 用户提交与 Workflow Agent 相同的 { answers: string[] } 原始结构
+  -> 调用方传回 providerState + userAnswer
+  -> Agent Loop 在原 ask tool call 后追加 tool response 并继续
+  -> 模型调用 generate_config
+  -> executor 校验并生成表单配置，返回 "Generate config success"
+  -> 模型自行结束，调用方清理 providerState memory
+```
+
+Chat Agent Helper 读取历史时使用 `reserveTool: true`。除 interactive 外，还需要持久化对应的 `ask_user` 和 `generate_config` tool call/response，否则历史转换无法恢复工具语义。
+
+`generate_config` 是普通 runtime tool，不设置 `stop`。工具参数使用配置生成业务结构，不包含用于旧 JSON 路由的 `phase` 和 `reasoning` 字段；executor 使用 Zod 校验，并确认全部资源 ID 都在当前成员的可访问资源集合内，再转换为最终表单结构。参数错误作为 tool error 返回给模型修正，不再额外调用模型修复 JSON。
+
+## Provider State 持久化
+
+- 暂停态把 Agent Loop 返回的完整 `providerState` 写入当前 AI ChatItem 的 `memories`。
+- 恢复态只从最后一条 AI history 读取该 memory，并把原始回答作为 `userAnswer` 传入。
+- `done`、`error` 和 `aborted` 都清除该 memory，避免后续普通消息恢复陈旧暂停点。
+- 通用 `saveChat` 已支持 memories；辅助生成只扩展 processor 返回协议和 Chat Agent Helper 保存调用，不修改通用保存语义。
 
 ## SSE 与断流续传
 

packages/global/core/ai/sandbox/constants.ts

@@ -57,7 +57,7 @@ export const generateSandboxId = ({
 // Prompt
 export const SANDBOX_USER_FILES_PATH = 'user_files/';
 export const SANDBOX_ENTRYPOINT_MAX_LENGTH = 16 * 1024;
-export const SANDBOX_SYSTEM_PROMPT = `## 沙盒能力
+export const SANDBOX_SYSTEM_PROMPT = `<sandbox_capability>
 你拥有一个独立的 Linux 沙盒环境（Ubuntu 22.04），可通过 sandbox 工具操作文件和执行命令。
 - 系统预装：bash / python3 / node / bun / git / curl
 - 用户对话上传的文件存储在 ${SANDBOX_USER_FILES_PATH} 目录下
@@ -70,4 +70,5 @@ export const SANDBOX_SYSTEM_PROMPT = `## 沙盒能力
 - 使用 ${SANDBOX_LS_TOOL_NAME} 列出目录内容，优先于通过 shell 调用 ls
 - 默认将生成文件保存在当前 sandbox 工作目录；若本轮 system-reminder 指定了更具体的产物目录或禁止目录，必须优先遵守
 - HTML 等多文件预览产物必须使用相对资源路径（例如 ./assets/app.js），不要使用 /assets/app.js 这类根路径
-- 若需要将生成的文件链接，可使用 ${SANDBOX_GET_FILE_URL_TOOL_NAME} 获取临时访问链接`;
+- 若需要将生成的文件链接，可使用 ${SANDBOX_GET_FILE_URL_TOOL_NAME} 获取临时访问链接
+</sandbox_capability>`;

packages/service/core/ai/auxiliaryGeneration/agentLoop.ts

-import type { ChatCompletionMessageParam } from '@fastgpt/global/core/ai/llm/type';
+import type {
+  ChatCompletionMessageParam,
+  ChatCompletionTool
+} from '@fastgpt/global/core/ai/llm/type';
 import { runAgentLoop } from '../llm/agentLoop/interface';
+import type { AgentLoopRuntime } from '../llm/agentLoop/interface';
 import type { ChatNodeUsageType } from '@fastgpt/global/support/wallet/bill/type';
 import type { AuxiliaryGenerationStreamWriter } from './stream';
 import { AuxiliaryGenerationEventEnum } from '@fastgpt/global/core/ai/auxiliaryGeneration/constants';
@@ -16,13 +20,18 @@ type RunAuxiliaryGenerationAgentLoopParams = {
   streamWriter?: AuxiliaryGenerationStreamWriter;
   checkIsStopping?: () => boolean;
   usageSink?: (usages: ChatNodeUsageType[]) => void;
+  providerState?: unknown;
+  userAnswer?: string;
+  runtimeTools?: ChatCompletionTool[];
+  executeTool?: AgentLoopRuntime['executeTool'];
 };
 
 /**
- * 运行辅助生成的无工具 Agent Loop。
+ * 运行辅助生成 Agent Loop。
  *
- * 该入口只封装统一 agent loop 的模型循环和计划维护，不注册 runtime tools，
- * 因此不会隐式获得 workflow、Skill 或虚拟机执行能力。
+ * systemPrompt 作为调用方提供的最终提示词原样传入。该入口启用标准 ask_user，并允许
+ * 业务方显式注入 runtime tools；不会隐式获得默认 Agent 提示词、workflow、Skill、计划
+ * 或虚拟机执行能力。paused/providerState 等结果保持 Agent Loop 原语义。
  */
 export async function runAuxiliaryGenerationAgentLoop({
   teamId,
@@ -34,7 +43,11 @@ export async function runAuxiliaryGenerationAgentLoop({
   useVideo,
   streamWriter,
   checkIsStopping,
-  usageSink
+  usageSink,
+  providerState,
+  userAnswer,
+  runtimeTools = [],
+  executeTool
 }: RunAuxiliaryGenerationAgentLoopParams) {
   const result = await runAgentLoop({
     runtime: {
@@ -47,14 +60,16 @@ export async function runAuxiliaryGenerationAgentLoop({
         useVideo
       },
       systemTools: {
-        plan: { enabled: true }
+        ask: { enabled: true }
       },
       toolCatalog: {
-        runtimeTools: []
-      },
-      executeTool: async () => {
-        throw new Error('Auxiliary generation does not support runtime tools');
+        runtimeTools
       },
+      executeTool:
+        executeTool ??
+        (async () => {
+          throw new Error('Auxiliary generation runtime tool executor is not configured');
+        }),
       checkIsStopping,
       emitEvent: (event) => {
         if (event.type === 'reasoning_delta') {
@@ -63,12 +78,20 @@ export async function runAuxiliaryGenerationAgentLoop({
             data: createChatCompletionDeltaResponse({ reasoningContent: event.text })
           });
         }
+        if (event.type === 'answer_delta') {
+          streamWriter?.({
+            event: AuxiliaryGenerationEventEnum.answer,
+            data: createChatCompletionDeltaResponse({ text: event.text })
+          });
+        }
       },
       usagePush: usageSink
     },
     input: {
       systemPrompt,
-      messages
+      messages,
+      providerState,
+      userAnswer
     }
   });
 
@@ -86,7 +109,7 @@ export async function runAuxiliaryGenerationAgentLoop({
     .join('');
 
   return {
-    status: result.status,
+    ...result,
     answerText,
     reasoningText
   };

packages/service/core/ai/auxiliaryGeneration/service.ts

@@ -22,6 +22,7 @@ export const runAuxiliaryGeneration = async <T>({
   sourceId,
   chatId,
   query,
+  userAnswer,
   files,
   data,
   histories,
@@ -69,6 +70,7 @@ export const runAuxiliaryGeneration = async <T>({
   try {
     const result = await processor({
       query,
+      userAnswer,
       files,
       data,
       histories,

packages/service/core/ai/auxiliaryGeneration/type.ts

@@ -17,6 +17,7 @@ export type AuxiliaryGenerationUser = {
 
 export type AuxiliaryGenerationProcessorParams<T = unknown> = {
   query: string;
+  userAnswer?: string;
   files: AuxiliaryGenerationChatFileType[];
   data: T;
   histories: ChatItemDBSchemaType[];
@@ -31,6 +32,7 @@ export type AuxiliaryGenerationProcessorParams<T = unknown> = {
 
 export type AuxiliaryGenerationProcessorResponse = {
   aiResponse: AIChatItemValueItemType[];
+  memories?: Record<string, any>;
   usage: {
     model: string;
     inputTokens: number;
@@ -51,6 +53,7 @@ export type AuxiliaryGenerationRunParams<T = unknown> = {
   sourceId: string;
   chatId: string;
   query: string;
+  userAnswer?: string;
   files: AuxiliaryGenerationChatFileType[];
   data: T;
   histories: ChatItemDBSchemaType[];

packages/service/core/ai/llm/agentLoop/domain/index.ts

@@ -2,6 +2,7 @@ export * from './event';
 export * from './continuation';
 export * from './input';
 export * from './interactive';
+export * from './mainPrompt';
 export * from './provider';
 export * from './result';
 export * from './runtime';

packages/service/core/ai/llm/agentLoop/domain/mainPrompt.ts

-import { askUserToolName } from './systemTool/ask';
-import { setPlanToolName, updatePlanToolName } from './systemTool/plan';
+import { SANDBOX_SYSTEM_PROMPT } from '@fastgpt/global/core/ai/sandbox/constants';
 
-/**
- * 构建各 agent-loop provider 共用的主 Agent system prompt。
- * workflow 侧可把用户配置、sandbox、知识库引用规则等合并到 systemPrompt 中传入。
- */
-export const getMainAgentSystemPrompt = ({
-  systemPrompt,
-  hasRuntimeTools
-}: {
-  systemPrompt?: string;
-  hasRuntimeTools: boolean;
-}) => {
-  const askToolName = askUserToolName;
-  const createPlanToolName = setPlanToolName;
-  const maintainPlanToolName = updatePlanToolName;
-
-  return `<role>
-你是 Work Agent。
-你在一个工具循环中工作：阅读用户目标，调用工具获取信息或执行动作，维护计划状态，并在任务完成后给出最终回答。
-</role>
-
-${
-  systemPrompt
-    ? `<user_background>
-${systemPrompt}
-</user_background>`
-    : ''
-}
-
-<operating_rules>
-1. 如果当前问题可以直接回答，直接回答。
-2. 如果任务复杂、包含多步骤、需要调研/比较/方案设计/连续工具调用，先调用 ${createPlanToolName} 创建 active plan；在计划创建成功前，不要先调用 runtime tool 探查上下文。
-3. 已有 active plan，或任务不需要 plan 时，再按需调用合适的 runtime tool 获取外部信息或执行动作。
-4. 如果已有 active plan，围绕它推进任务，并在步骤开始、完成、阻塞或需要新增步骤时调用 ${maintainPlanToolName}。
-5. 如果任务或 Skill 需要用户通过选项补充信息或做出有意义的选择，调用 ${askToolName}；低影响细节可以合理假设。
-6. 最终回答前可根据实际进度更新 active plan。
-</operating_rules>
-
-<tool_rules>
-- runtime tools 用于真实业务动作，例如知识库检索、文件处理、sandbox、插件或用户选择工具。
-- ${askToolName} 用于通过选项向用户收集信息或选择，包括 Skill 明确要求的用户确认。
-- ${createPlanToolName} 只用于创建或替换 active plan；${maintainPlanToolName} 用于更新状态或追加步骤。
-- 不要把 ${askToolName}、${createPlanToolName} 或 ${maintainPlanToolName} 当成普通业务工具解释给用户。
-- 工具返回结果后，根据结果继续执行、更新计划或最终回答。
-</tool_rules>
-
-${
-  !hasRuntimeTools
-    ? `<tool_constraint>
-当前没有可用的 runtime tools。
-不要调用不存在的 runtime tool；如果可以直接回答就直接回答。复杂任务仍可用 ${createPlanToolName} 和 ${maintainPlanToolName} 维护计划，需要用户选择或补充信息时可用 ${askToolName}。
-</tool_constraint>`
-    : ''
-}
-
-<planning_rules>
-默认不要过度规划。
-需要 plan 的情况：多步骤探索、多个工具连续调用、比较/调研/方案设计、目标路径不确定、用户明确要求计划或拆解。
-不需要 plan 的情况：闲聊、简单问答、单次工具调用即可完成、已有上下文足够总结回答。
-硬性要求：如果用户明确要求“计划模式”、创建计划、拆解步骤、逐步执行或每步更新计划状态，${createPlanToolName} 必须是第一个工具调用。在它成功前，不要先调用 sandbox、检索或其他 runtime tool 探查上下文，也不能直接给最终回答。
-</planning_rules>
-
-<ask_rules>
-以下情况可以调用 ${askToolName}：
-1. 任务或 Skill 明确需要通过选项向用户收集信息、确认需求或选择下一步。
-2. 用户的偏好、范围、格式或执行路径会显著影响产物，直接假设可能造成明显返工。
-3. 必须由用户提供私有文件、账号、凭据或业务数据。
-4. 用户要求的工具不可用，需要用户选择替代策略。
-5. 用户目标不明确，需要确认产物类型或成功标准。
+const DEFAULT_AGENT_SYSTEM_PROMPT = `你是一个 Work Agent。
 
-调用 ${askToolName} 时必须提供：
-- questions：1 到 3 个面向用户的简短问题。
-- 每个问题提供 2 到 4 个候选答案（如无必要则给 3 个）。每个选项必须提供 summary 和 value：summary 是展示给用户的简短选项文本，value 是用户选中后返回给你的完整答案。
+根据用户目标和当前上下文完成任务。
+需要执行动作时，调用当前提供的工具；不要调用不存在的工具。
+工具返回结果后，根据结果继续执行或给出最终回答。
+`;
 
-Skill 要求向用户收集选项信息时，优先遵循 Skill 并调用 ${askToolName}，不要自行替用户选择。
-不要为了不会影响结果的琐碎细节、可以直接通过工具获得的信息，或只是让计划更完美而追问。
-</ask_rules>
-
-<plan_rules>
-只有复杂任务才需要维护 active plan；基础任务、简单问答、闲聊、单次工具调用即可完成的任务，不要创建 plan。
-${createPlanToolName} 和 ${maintainPlanToolName} 只用于维护当前任务的执行计划，不是最终回答。
-
-工具参数：
-- 创建计划：调用 ${createPlanToolName}，参数格式为 {"name":"简短计划名","steps":["步骤一","步骤二"]}。steps 的每一项必须是字符串。
-- 更新状态：调用 ${maintainPlanToolName}，参数格式为 {"updates":[{"id":"已有步骤 id","status":"done","note":"简短结果"}]}。
-- 追加步骤：调用 ${maintainPlanToolName}，参数格式为 {"add_steps":["新增步骤"]}。updates 和 add_steps 可以在一次调用中同时提供。
-- status 只能是 pending、in_progress、done、blocked、skipped。
-- 不要传 action 或 description；不要把 set_plan.steps 或 update_plan.add_steps 写成对象数组；不要把 updates 写成 steps。
-
-工作方式：
-- 没有 active plan 且任务确实复杂时，调用 ${createPlanToolName}，用必要的初始步骤创建计划。
-- 已有 active plan 时不要再次调用 ${createPlanToolName}；继续任务、改变步骤状态或扩展范围都使用 ${maintainPlanToolName}。
-- 任务推进过程中，如果发现需要新增工作，通过 ${maintainPlanToolName}.add_steps 追加步骤。
-- 更新已有步骤时通过 ${maintainPlanToolName}.updates 只提交步骤 id、状态和可选备注。
-- 当步骤开始、完成、受阻或不再需要时，及时更新对应步骤状态。
-- 步骤完成、受阻或跳过时，在备注中写清楚简短结果或原因。
-- 不要删除步骤；不需要的步骤标记为跳过。
-- 最终回答前，确保已有 plan 已经完成、跳过或明确阻塞。
-</plan_rules>
-
-<completion_rules>
-任务已经有足够结果，或当前阶段适合先向用户反馈时，直接回答。
-active plan 只是 Todo 和进度记录；存在 pending 或 in_progress step 不阻止最终回答。
-如果任务中途结束，通过 ${maintainPlanToolName} 记录当前进度或阻塞原因。
-</completion_rules>
-
-<output_guidelines>
-- 直接给用户有用结果，不解释内部路由。
-- 最终回答要总结完成内容、关键依据、阻塞项或下一步建议。
-</output_guidelines>`;
+export type BuildDefaultAgentSystemPromptParams = {
+  systemPromptExtension?: string;
+  userSystemPrompt?: string;
+  sandboxEnabled?: boolean;
 };
+
+/**
+ * 构建 Agent 的最终 system prompt。
+ *
+ * AgentLoop provider 只消费该方法返回的最终文本；沙盒能力和平台扩展作为默认区块注入，
+ * userSystemPrompt 区块只保留用户配置。
+ */
+export const buildDefaultAgentSystemPrompt = ({
+  systemPromptExtension,
+  userSystemPrompt,
+  sandboxEnabled = false
+}: BuildDefaultAgentSystemPromptParams = {}) =>
+  [
+    DEFAULT_AGENT_SYSTEM_PROMPT.trim(),
+    sandboxEnabled ? SANDBOX_SYSTEM_PROMPT.trim() : undefined,
+    systemPromptExtension?.trim() || undefined,
+    userSystemPrompt?.trim()
+      ? `<user_system_prompt>\n${userSystemPrompt.trim()}\n</user_system_prompt>`
+      : undefined
+  ]
+    .filter(Boolean)
+    .join('\n\n');

packages/service/core/ai/llm/agentLoop/domain/runtime.ts

@@ -14,7 +14,6 @@ import type { AgentLoopUsage } from './usage';
 
 export type AgentLoopLLMParams = {
   model: string;
-  promptMode?: 'fastAgent' | 'raw';
   reasoningEffort?: CreateLLMResponseProps['body']['reasoning_effort'];
   userKey?: OpenaiAccountType;
   stream?: boolean;

packages/service/core/ai/llm/agentLoop/provider/fastAgent/index.ts

@@ -66,7 +66,6 @@ export const runFastAgentLoop = async <TChildrenResponse = unknown>({
   const fastAgentRuntime: FastAgentInternalRuntime<TChildrenResponse> = {
     teamId: runtime.teamId,
     model: runtime.llmParams.model,
-    promptMode: runtime.llmParams.promptMode,
     reasoningEffort: runtime.llmParams.reasoningEffort,
     userKey: runtime.llmParams.userKey,
     stream: runtime.llmParams.stream,

packages/service/core/ai/llm/agentLoop/provider/fastAgent/loop/index.ts

@@ -7,7 +7,6 @@ import type { AgentPlanType } from '@fastgpt/global/core/ai/agent/type';
 import { getErrText } from '@fastgpt/global/common/error/utils';
 import { parseJsonArgs } from '../../../../../utils';
 import { runAgentLoop } from './base';
-import { getMainAgentSystemPrompt } from '../../../domain/mainPrompt';
 import {
   formatAgentAskToolResponse,
   parseAgentAskToolCall,
@@ -100,31 +99,12 @@ const stripSystemMessages = (messages: ChatCompletionMessageParam[]) =>
 
 /**
  * 构建进入主 Agent 的初始消息链。
- * raw 模式完全尊重调用方传入的 messages；fastAgent 模式会注入平台主提示词并剔除外部 system。
+ * systemPrompt 是调用方已经组装完成的最终提示词；messages 中的 system message 不再重复注入。
  */
-const buildInitialMessages = ({
-  input,
-  hasRuntimeTools,
-  promptMode = 'fastAgent'
-}: {
-  input: FastAgentLoopInput;
-  hasRuntimeTools: boolean;
-  promptMode?: AgentLoopRuntime['promptMode'];
-}): ChatCompletionMessageParam[] => {
-  if (promptMode === 'raw') {
-    return input.messages;
-  }
-
-  return [
-    createSystemMessage(
-      getMainAgentSystemPrompt({
-        systemPrompt: input.systemPrompt,
-        hasRuntimeTools
-      })
-    ),
-    ...stripSystemMessages(input.messages)
-  ];
-};
+const buildInitialMessages = ({ input }: { input: FastAgentLoopInput }) => [
+  ...(input.systemPrompt ? [createSystemMessage(input.systemPrompt)] : []),
+  ...stripSystemMessages(input.messages)
+];
 
 /**
  * ask_user 暂停时保存恢复所需上下文。
@@ -186,12 +166,6 @@ export const runFastAgentMainLoop = async <TChildrenResponse = unknown>({
     toolCatalog: normalized
   };
 
-  const hasRuntimeTools =
-    normalized.runtimeTools.length > 0 ||
-    (normalized.sandboxTools?.length ?? 0) > 0 ||
-    !!normalized.readFileTool ||
-    !!normalized.datasetSearchTool;
-
   let pendingAsk:
     | {
         ask: AgentAskPayload;
@@ -218,7 +192,7 @@ export const runFastAgentMainLoop = async <TChildrenResponse = unknown>({
             )
           } as ChatCompletionMessageParam
         ]
-      : buildInitialMessages({ input, hasRuntimeTools, promptMode: runtime.promptMode });
+      : buildInitialMessages({ input });
   // 普通续轮通过 input.activePlan 恢复结构化 plan；ask_user 续跑则优先使用暂停时的完整快照。
   // 历史 checkpoint 只负责给模型提供上下文，不再作为运行时状态的反序列化来源。
   let activePlan = input.pendingMainContext?.activePlan ?? input.activePlan;

packages/service/core/ai/llm/agentLoop/provider/fastAgent/loop/type.ts

@@ -32,7 +32,6 @@ export type {
 export type AgentLoopRuntime<TChildrenResponse = unknown> = {
   teamId: string;
   model: string;
-  promptMode?: 'fastAgent' | 'raw';
   reasoningEffort?: CreateLLMResponseProps['body']['reasoning_effort'];
   userKey?: CreateLLMResponseProps['userKey'];
   stream?: boolean;

packages/service/core/ai/llm/agentLoop/provider/piAgent/run.ts

@@ -15,7 +15,6 @@ import { loadRequestMessages } from '../../../utils';
 import { formatModelChars2Points } from '../../../../../../support/wallet/usage/utils';
 import { getLLMModel } from '../../../../model';
 import { AgentUsageModuleName } from '../../domain/usage';
-import { getMainAgentSystemPrompt } from '../../domain/mainPrompt';
 import {
   askUserToolName,
   formatAgentAskToolResponse,
@@ -408,20 +407,9 @@ export const runPiAgentLoop = async <TChildrenResponse = unknown>({
 
   const pendingRequests: Array<{ requestId: string; requestIndex: number; startedAt: number }> = [];
   const maxRunAgentTimes = Math.max(1, runtime.maxRunAgentTimes ?? 100);
-  const systemPrompt =
-    runtime.llmParams.promptMode === 'raw'
-      ? input.systemPrompt || ''
-      : getMainAgentSystemPrompt({
-          systemPrompt: input.systemPrompt,
-          hasRuntimeTools:
-            runtime.toolCatalog.runtimeTools.length > 0 ||
-            runtime.systemTools?.sandbox?.enabled === true ||
-            runtime.systemTools?.readFile?.enabled === true ||
-            runtime.systemTools?.datasetSearch?.enabled === true
-        });
   const agent = new Agent({
     initialState: {
-      systemPrompt,
+      systemPrompt: input.systemPrompt ?? '',
       model: piModel,
       thinkingLevel: getPiThinkingLevel(modelName, runtime.llmParams.reasoningEffort),
       tools,

packages/service/core/workflow/dispatch/ai/agent/index.ts

@@ -7,7 +7,6 @@ import type {
   ChatItemMiniType
 } from '@fastgpt/global/core/chat/type';
 import { ChatSourceTypeEnum } from '@fastgpt/global/core/chat/constants';
-import { SANDBOX_SYSTEM_PROMPT } from '@fastgpt/global/core/ai/sandbox/constants';
 import type { AgentToolType } from '@fastgpt/global/core/app/tool/type';
 import type { ReasoningEffort } from '@fastgpt/global/core/ai/llm/type';
 import type { SelectedAgentSkillItemType } from '@fastgpt/global/core/app/formEdit/type';
@@ -36,13 +35,13 @@ import {
   buildAgentLoopCoreFinalAssistantOutput,
   buildAgentLoopCoreProviderStateMemories,
   buildAgentLoopCoreRequestMessages,
-  buildAgentLoopCoreSystemPrompt,
   createAgentLoopCoreChildInteractiveParams,
   prepareAgentLoopCoreProviderRunState,
   readAgentLoopCoreActivePlan,
   readAgentLoopCoreProviderStateMemory,
   runAgentLoopCoreWithSummary
 } from '../agentLoopCore/interface';
+import { buildDefaultAgentSystemPrompt } from '../../../../ai/llm/agentLoop/interface';
 
 export type DispatchAgentModuleProps = ModuleDispatchProps<{
   [NodeInputKeyEnum.history]?: ChatItemMiniType[];
@@ -241,15 +240,11 @@ export const dispatchRunAgent = async (props: DispatchAgentModuleProps): Promise
       subAppsMap: agentSubAppsMap,
       lang
     });
-    // system message 由 getMainAgentSystemPrompt 统一注入；历史里的 system 只作为外部噪音过滤掉。
+    // 历史里的 system 只作为外部噪音过滤；最终 systemPrompt 在创建 runtime 后按工具能力构建。
     // PromptEditor 保存的是工具 ID，进入主 Agent 前转换为具体名称，避免模型看到不可调用的 ID。
-    const formatedSystemPrompt = buildAgentLoopCoreSystemPrompt({
-      userSystemPrompt: replaceAgentPromptToolReferences({
-        text: systemPrompt,
-        resolveName: (id) =>
-          promptToolReferenceInfoMap.get(id) || getSubAppInfo(id).name || undefined
-      }),
-      runtimePrompts: sandboxClient ? [SANDBOX_SYSTEM_PROMPT] : []
+    const formattedUserSystemPrompt = replaceAgentPromptToolReferences({
+      text: systemPrompt,
+      resolveName: (id) => promptToolReferenceInfoMap.get(id) || getSubAppInfo(id).name || undefined
     });
 
     // 2. 创建 workflow adapter。
@@ -257,7 +252,7 @@ export const dispatchRunAgent = async (props: DispatchAgentModuleProps): Promise
     const { runtime, artifacts } = createWorkflowAgentLoopRuntime({
       context: {
         ...props,
-        systemPrompt: formatedSystemPrompt,
+        systemPrompt: formattedUserSystemPrompt,
         getSubAppInfo,
         getSubApp,
         completionTools: agentCompletionTools,
@@ -271,6 +266,10 @@ export const dispatchRunAgent = async (props: DispatchAgentModuleProps): Promise
       nodeResponses: childNodeResponses,
       appendNodeResponse: nodeResponseCollector.appendNodeResponse
     });
+    const agentSystemPrompt = buildDefaultAgentSystemPrompt({
+      userSystemPrompt: formattedUserSystemPrompt,
+      sandboxEnabled: !!sandboxClient
+    });
 
     // providerState 统一保存 provider 内部恢复信息。
     // fastAgent/piAgent 的 ask_user 都在其中保存标准 pendingMainContext，用户回答后恢复同一条 messages。
@@ -292,7 +291,7 @@ export const dispatchRunAgent = async (props: DispatchAgentModuleProps): Promise
       runtime,
       input: buildAgentLoopCoreInput({
         messages: loopMessages,
-        systemPrompt: formatedSystemPrompt,
+        systemPrompt: agentSystemPrompt,
         activePlan,
         providerState: runtimeProviderState,
         userAnswer: isAskResume ? queryInput || userChatInput : undefined,

packages/service/core/workflow/dispatch/ai/agentLoopCore/application/context/index.ts

 export * from './input';
 export * from './files';
 export * from './messages';
-export * from './prompt';
 export * from './reminder';

packages/service/core/workflow/dispatch/ai/agentLoopCore/application/context/prompt.ts

-/**
- * 改写用户配置的主 Agent 背景 prompt。
- *
- * 这里只处理纯 prompt 文本，不读取 workflow、sandbox、skill 等业务状态；
- * 调用方负责先把需要注入的运行上下文拼成 userSystemPrompt。
- */
-export const parseAgentLoopCoreUserSystemPrompt = ({
-  userSystemPrompt
-}: {
-  userSystemPrompt?: string;
-}) => {
-  if (!userSystemPrompt) {
-    return '';
-  }
-
-  return `${userSystemPrompt}
-
-请参考用户的任务信息来匹配是否和当前的 <user_background></user_background> 一致，如果一致请优先遵循参考的步骤安排和偏好
-如果和 <user_background></user_background> 没有任何关系则忽略参考信息。
-
-**重要**：如果背景信息中包含工具引用（@工具名），请优先使用这些工具。当有多个同类工具可选时（如多个搜索工具），优先选择背景信息中已使用的工具，避免功能重叠。`;
-};
-
-/**
- * 合并用户 prompt 和可选运行时 prompt 片段，再执行主 Agent prompt 改写。
- */
-export const buildAgentLoopCoreSystemPrompt = ({
-  userSystemPrompt,
-  runtimePrompts = []
-}: {
-  userSystemPrompt?: string;
-  runtimePrompts?: string[];
-}) =>
-  parseAgentLoopCoreUserSystemPrompt({
-    userSystemPrompt: [userSystemPrompt, ...runtimePrompts].filter(Boolean).join('\n\n')
-  });

packages/service/core/workflow/dispatch/ai/agentLoopCore/interface/index.ts

@@ -11,7 +11,6 @@ export {
 } from '../application/context/files';
 export { readAgentLoopCoreActivePlan } from '../application/context/activePlan';
 export { buildAgentLoopCoreRequestMessages } from '../application/context/messages';
-export { buildAgentLoopCoreSystemPrompt } from '../application/context/prompt';
 export {
   buildAgentLoopCoreUserReminderInput,
   type AgentLoopCoreUserReminderContext,

packages/service/core/workflow/dispatch/ai/toolcall/toolCall.ts

@@ -2,6 +2,7 @@ import type {
   ChatCompletionMessageParam,
   CompletionFinishReason
 } from '@fastgpt/global/core/ai/llm/type';
+import { ChatCompletionRequestMessageRoleEnum } from '@fastgpt/global/core/ai/constants';
 import type { DispatchToolModuleProps } from './type';
 import type { AIChatItemValueItemType } from '@fastgpt/global/core/chat/type';
 import { normalizeAgentLoopUsages } from '../../../../ai/llm/agentLoop/interface';
@@ -87,12 +88,24 @@ export const runToolCall = async (props: DispatchToolModuleProps): Promise<Respo
     cacheToolFlowResponse: runtimeEnvironment.cacheToolFlowResponse
   });
   getProviderToolInfo = toolProvider.getToolInfo;
+  const systemPrompt = toolProvider.finalMessages
+    .filter((message) => message.role === ChatCompletionRequestMessageRoleEnum.System)
+    .flatMap((message) => {
+      if (typeof message.content === 'string') return [message.content];
+      return (message.content ?? []).flatMap((item) => (item.type === 'text' ? [item.text] : []));
+    })
+    .filter(Boolean)
+    .join('\n\n');
+  const loopMessages = toolProvider.finalMessages.filter(
+    (message) => message.role !== ChatCompletionRequestMessageRoleEnum.System
+  );
 
   const { summary: outputSummary } =
     await runAgentLoopCoreWithSummary<WorkflowInteractiveResponseType>({
       provider: 'fastAgent',
       input: buildAgentLoopCoreInput({
-        messages: toolProvider.finalMessages,
+        messages: loopMessages,
+        systemPrompt,
         childrenInteractiveParams
       }),
       runtime: createAgentLoopCoreRuntimeWithEnvironment({
@@ -100,7 +113,6 @@ export const runToolCall = async (props: DispatchToolModuleProps): Promise<Respo
         environment: runtimeEnvironment,
         llmParams: {
           model: toolModel.model,
-          promptMode: 'raw',
           maxTokens: maxToken,
           stream,
           temperature,

packages/service/test/core/ai/auxiliaryGeneration/agentLoop.test.ts

+import { beforeEach, describe, expect, it, vi } from 'vitest';
+import { AuxiliaryGenerationEventEnum } from '@fastgpt/global/core/ai/auxiliaryGeneration/constants';
+
+const { runAgentLoopMock } = vi.hoisted(() => ({
+  runAgentLoopMock: vi.fn()
+}));
+
+vi.mock('@fastgpt/service/core/ai/llm/agentLoop/interface', async (importOriginal) => ({
+  ...(await importOriginal()),
+  runAgentLoop: runAgentLoopMock
+}));
+
+import { runAuxiliaryGenerationAgentLoop } from '@fastgpt/service/core/ai/auxiliaryGeneration/agentLoop';
+
+describe('runAuxiliaryGenerationAgentLoop', () => {
+  beforeEach(() => {
+    runAgentLoopMock.mockReset();
+  });
+
+  it('uses ask without plan and preserves pause state', async () => {
+    const streamWriter = vi.fn();
+    const executeTool = vi.fn();
+    const providerState = { pendingMainContext: { askToolCallId: 'ask_1' } };
+    const nextProviderState = { pendingMainContext: { askToolCallId: 'ask_2' } };
+    runAgentLoopMock.mockImplementation(async ({ runtime }) => {
+      runtime.emitEvent({ type: 'reasoning_delta', text: '分析中' });
+      runtime.emitEvent({ type: 'answer_delta', text: '处理中' });
+      return {
+        status: 'paused',
+        pause: {
+          type: 'ask',
+          askId: 'ask_2',
+          ask: {
+            reason: '需要选择',
+            blockerType: 'user_choice',
+            questions: [
+              {
+                question: '选择范围？',
+                options: [
+                  { summary: '小', value: '小范围' },
+                  { summary: '大', value: '大范围' }
+                ]
+              }
+            ]
+          }
+        },
+        providerState: nextProviderState,
+        completeMessages: [],
+        assistantMessages: [
+          { role: 'assistant', reasoning_content: '分析中' },
+          { role: 'assistant', content: '处理中' }
+        ],
+        requestIds: [],
+        finishReason: 'tool_calls',
+        usages: []
+      };
+    });
+
+    const result = await runAuxiliaryGenerationAgentLoop({
+      teamId: 'team_1',
+      model: 'gpt-4o',
+      systemPrompt: 'helper prompt',
+      messages: [{ role: 'user', content: '创建客服 Agent' }],
+      providerState,
+      userAnswer: JSON.stringify({ answers: ['小范围'] }),
+      runtimeTools: [
+        {
+          type: 'function',
+          function: {
+            name: 'generate_config',
+            description: 'Generate config',
+            parameters: { type: 'object', properties: {} }
+          }
+        }
+      ],
+      executeTool,
+      streamWriter
+    });
+
+    expect(runAgentLoopMock).toHaveBeenCalledWith(
+      expect.objectContaining({
+        runtime: expect.objectContaining({
+          systemTools: {
+            ask: { enabled: true }
+          },
+          toolCatalog: expect.objectContaining({
+            runtimeTools: expect.arrayContaining([
+              expect.objectContaining({
+                function: expect.objectContaining({ name: 'generate_config' })
+              })
+            ])
+          }),
+          executeTool
+        }),
+        input: {
+          systemPrompt: 'helper prompt',
+          messages: [{ role: 'user', content: '创建客服 Agent' }],
+          providerState,
+          userAnswer: JSON.stringify({ answers: ['小范围'] })
+        }
+      })
+    );
+    expect(runAgentLoopMock.mock.calls[0][0].runtime.systemTools.plan).toBeUndefined();
+    expect(result).toEqual(
+      expect.objectContaining({
+        status: 'paused',
+        pause: expect.objectContaining({ askId: 'ask_2' }),
+        providerState: nextProviderState,
+        answerText: '处理中',
+        reasoningText: '分析中'
+      })
+    );
+    expect(streamWriter).toHaveBeenCalledWith(
+      expect.objectContaining({ event: AuxiliaryGenerationEventEnum.answer })
+    );
+  });
+});

packages/service/test/core/ai/llm/agentLoop/fastAgentLoop.test.ts

@@ -68,6 +68,7 @@ vi.mock('@fastgpt/service/core/ai/sandbox/interface/toolCall', () => ({
 }));
 
 import {
+  buildDefaultAgentSystemPrompt,
   createAskUserAgentTool,
   createSetPlanAgentTool,
   createUpdatePlanAgentTool
@@ -144,6 +145,7 @@ describe('runFastAgentMainLoop', () => {
     const result = await runFastAgentMainLoop({
       runtime: createRuntime(),
       input: {
+        systemPrompt: buildDefaultAgentSystemPrompt(),
         messages: [
           {
             role: ChatCompletionRequestMessageRoleEnum.User,
@@ -159,64 +161,9 @@ describe('runFastAgentMainLoop', () => {
     expect(result.activePlan).toBeUndefined();
     expect(createLLMResponseMock).toHaveBeenCalledTimes(1);
     const mainAgentPrompt = createLLMResponseMock.mock.calls[0][0].body.messages[0].content;
-    expect(mainAgentPrompt).toContain('你是 Work Agent');
-    expect(mainAgentPrompt).toContain('任务或 Skill 明确需要通过选项向用户收集信息');
-    expect(mainAgentPrompt).toContain('Skill 要求向用户收集选项信息时');
-    expect(mainAgentPrompt).toContain('每个问题提供 2 到 4 个候选答案');
+    expect(mainAgentPrompt).toContain('你是一个 Work Agent');
   });
 
-  it.each([
-    {
-      name: 'no runtime-capable tools',
-      toolCatalog: { runtimeTools: [] },
-      expectedConstraint: true
-    },
-    {
-      name: 'sandbox tools only',
-      toolCatalog: { runtimeTools: [], sandboxTools: [tool('sandbox_shell')] },
-      expectedConstraint: false
-    },
-    {
-      name: 'read file tool only',
-      toolCatalog: { runtimeTools: [], readFileTool: tool('read_files') },
-      expectedConstraint: false
-    },
-    {
-      name: 'dataset search tool only',
-      toolCatalog: { runtimeTools: [], datasetSearchTool: tool('dataset_search') },
-      expectedConstraint: false
-    }
-  ] satisfies Array<{
-    name: string;
-    toolCatalog: AgentLoopRuntime['toolCatalog'];
-    expectedConstraint: boolean;
-  }>)(
-    'sets the runtime tool constraint correctly with $name',
-    async ({ toolCatalog, expectedConstraint }) => {
-      mockCreateLLMResponseQueue(createLLMResponseMock, [
-        text({
-          requestId: 'req_runtime_tool_constraint',
-          content: 'direct answer'
-        })
-      ]);
-
-      await runFastAgentMainLoop({
-        runtime: createRuntime({ toolCatalog }),
-        input: {
-          messages: [
-            {
-              role: ChatCompletionRequestMessageRoleEnum.User,
-              content: 'hello'
-            }
-          ]
-        }
-      });
-
-      const mainAgentPrompt = createLLMResponseMock.mock.calls[0][0].body.messages[0].content;
-      expect(mainAgentPrompt.includes('<tool_constraint>')).toBe(expectedConstraint);
-    }
-  );
-
   it('creates an active plan through set_plan', async () => {
     const events: any[] = [];
     mockCreateLLMResponseQueue(createLLMResponseMock, [

packages/service/test/core/ai/llm/agentLoop/fastAgentProvider.test.ts

@@ -104,6 +104,43 @@ describe('runFastAgentLoop', () => {
     }));
   });
 
+  it('uses the final input systemPrompt without injecting provider defaults', async () => {
+    mockCreateLLMResponseQueue(createLLMResponseMock, [
+      text({
+        requestId: 'req_system_prompt',
+        content: 'direct answer'
+      })
+    ]);
+
+    await runFastAgentLoop({
+      input: {
+        systemPrompt: 'final system prompt',
+        messages: [
+          {
+            role: ChatCompletionRequestMessageRoleEnum.System,
+            content: 'stale system prompt'
+          },
+          {
+            role: ChatCompletionRequestMessageRoleEnum.User,
+            content: 'hello'
+          }
+        ]
+      },
+      runtime: createRuntime()
+    });
+
+    expect(createLLMResponseMock.mock.calls[0][0].body.messages.slice(0, 2)).toEqual([
+      {
+        role: ChatCompletionRequestMessageRoleEnum.System,
+        content: 'final system prompt'
+      },
+      {
+        role: ChatCompletionRequestMessageRoleEnum.User,
+        content: 'hello'
+      }
+    ]);
+  });
+
   it('injects system tools only when runtime systemTools enable them', async () => {
     mockCreateLLMResponseQueue(createLLMResponseMock, [
       text({

packages/service/test/core/ai/llm/agentLoop/mainPrompt.test.ts

 import { describe, expect, it } from 'vitest';
-import { getMainAgentSystemPrompt } from '@fastgpt/service/core/ai/llm/agentLoop/domain/mainPrompt';
+import { buildDefaultAgentSystemPrompt } from '@fastgpt/service/core/ai/llm/agentLoop/interface';
 
-describe('getMainAgentSystemPrompt', () => {
-  it('describes the flat set_plan and update_plan arguments', () => {
-    const prompt = getMainAgentSystemPrompt({
-      systemPrompt: 'Follow project conventions.',
-      hasRuntimeTools: true
+describe('buildDefaultAgentSystemPrompt', () => {
+  it('uses the fixed prompt without capability-specific rules', () => {
+    const prompt = buildDefaultAgentSystemPrompt();
+
+    expect(prompt).toContain('你是一个 Work Agent');
+    expect(prompt).toContain('不要调用不存在的工具');
+    expect(prompt).not.toContain('set_plan');
+    expect(prompt).not.toContain('update_plan');
+    expect(prompt).not.toContain('ask_user');
+    expect(prompt).not.toContain('可用工具');
+  });
+
+  it('injects the user-configured system prompt as a separate section', () => {
+    const prompt = buildDefaultAgentSystemPrompt({
+      userSystemPrompt: '优先使用 generate_config 完成配置生成。'
     });
 
-    expect(prompt).toContain('<user_background>\nFollow project conventions.\n</user_background>');
     expect(prompt).toContain(
-      'set_plan，参数格式为 {"name":"简短计划名","steps":["步骤一","步骤二"]}'
+      '<user_system_prompt>\n优先使用 generate_config 完成配置生成。\n</user_system_prompt>'
     );
-    expect(prompt).toContain(
-      'update_plan，参数格式为 {"updates":[{"id":"已有步骤 id","status":"done","note":"简短结果"}]}'
+  });
+
+  it('keeps platform extensions outside the user system prompt section', () => {
+    const prompt = buildDefaultAgentSystemPrompt({
+      systemPromptExtension: '平台辅助生成规则',
+      userSystemPrompt: '用户配置规则'
+    });
+    const userPromptContent = prompt.match(
+      /<user_system_prompt>\n([\s\S]*?)\n<\/user_system_prompt>/
+    )?.[1];
+
+    expect(prompt).toContain('平台辅助生成规则');
+    expect(userPromptContent).toBe('用户配置规则');
+  });
+
+  it('ignores an empty caller system prompt', () => {
+    expect(buildDefaultAgentSystemPrompt({ userSystemPrompt: '  ' })).not.toContain(
+      '<user_system_prompt>'
     );
-    expect(prompt).toContain('update_plan，参数格式为 {"add_steps":["新增步骤"]}');
-    expect(prompt).toContain('不要传 action 或 description');
-    expect(prompt).toContain('不要把 updates 写成 steps');
-    expect(prompt).toContain('set_plan 必须是第一个工具调用');
-    expect(prompt).toContain('已有 active plan 时不要再次调用 set_plan');
   });
 
-  it('adds the runtime tool constraint only when runtime tools are unavailable', () => {
-    expect(getMainAgentSystemPrompt({ systemPrompt: undefined, hasRuntimeTools: false })).toContain(
-      '<tool_constraint>'
+  it('injects sandbox capability as a default prompt section without mixing it into user prompt', () => {
+    const userSystemPrompt = '只处理用户配置的要求。';
+    const prompt = buildDefaultAgentSystemPrompt({
+      userSystemPrompt,
+      sandboxEnabled: true
+    });
+    const userPromptSection = `<user_system_prompt>\n${userSystemPrompt}\n</user_system_prompt>`;
+    const userPromptContent = prompt.match(
+      /<user_system_prompt>\n([\s\S]*?)\n<\/user_system_prompt>/
+    )?.[1];
+
+    expect(prompt).toContain('<sandbox_capability>');
+    expect(prompt).toContain('</sandbox_capability>');
+    expect(prompt.indexOf('<sandbox_capability>')).toBeLessThan(prompt.indexOf(userPromptSection));
+    expect(userPromptContent).toBe(userSystemPrompt);
+  });
+
+  it('omits sandbox capability when disabled', () => {
+    expect(buildDefaultAgentSystemPrompt({ sandboxEnabled: false })).not.toContain(
+      '<sandbox_capability>'
     );
-    expect(
-      getMainAgentSystemPrompt({ systemPrompt: undefined, hasRuntimeTools: true })
-    ).not.toContain('<tool_constraint>');
   });
 });

packages/service/test/core/ai/llm/agentLoop/piAgentProvider.test.ts

 import { beforeEach, describe, expect, it, vi } from 'vitest';
 import type { LLMModelItemType } from '@fastgpt/global/core/ai/model.schema';
 import { ModelTypeEnum } from '@fastgpt/global/core/ai/constants';
-import type { AgentLoopSystemTools } from '@fastgpt/service/core/ai/llm/agentLoop/domain';
 
 const {
   agentPromptMock,
@@ -303,15 +302,7 @@ describe('runPiAgentLoop', () => {
     });
 
     expect(agentPromptMock).toHaveBeenCalledWith('hello');
-    expect(agentConstructorArgs[0].initialState.systemPrompt).toContain(
-      '<user_background>\nsystem prompt\n</user_background>'
-    );
-    expect(agentConstructorArgs[0].initialState.systemPrompt).toContain(
-      'set_plan，参数格式为 {"name":"简短计划名","steps":["步骤一","步骤二"]}'
-    );
-    expect(agentConstructorArgs[0].initialState.systemPrompt).toContain(
-      'update_plan，参数格式为 {"updates":[{"id":"已有步骤 id","status":"done","note":"简短结果"}]}'
-    );
+    expect(agentConstructorArgs[0].initialState.systemPrompt).toBe('system prompt');
     expect(agentConstructorArgs[0].toolExecution).toBe('sequential');
     expect(agentConstructorArgs[0].initialState.messages).toEqual([]);
     expect(result).toMatchObject({
@@ -367,73 +358,6 @@ describe('runPiAgentLoop', () => {
     ]);
   });
 
-  it.each([
-    {
-      name: 'no runtime-capable tools',
-      systemTools: undefined,
-      expectedConstraint: true
-    },
-    {
-      name: 'sandbox tools only',
-      systemTools: {
-        sandbox: {
-          enabled: true,
-          client: {} as any
-        }
-      },
-      expectedConstraint: false
-    },
-    {
-      name: 'read file tool only',
-      systemTools: {
-        readFile: {
-          enabled: true,
-          maxFileAmount: 20,
-          execute: vi.fn()
-        }
-      },
-      expectedConstraint: false
-    },
-    {
-      name: 'dataset search tool only',
-      systemTools: {
-        datasetSearch: {
-          enabled: true,
-          execute: vi.fn()
-        }
-      },
-      expectedConstraint: false
-    }
-  ] satisfies Array<{
-    name: string;
-    systemTools?: AgentLoopSystemTools;
-    expectedConstraint: boolean;
-  }>)(
-    'sets the runtime tool constraint correctly with $name',
-    async ({ systemTools, expectedConstraint }) => {
-      await runPiAgentLoop({
-        input: {
-          messages: [{ role: 'user', content: 'hello' }]
-        },
-        runtime: {
-          llmParams: {
-            model: 'gpt-5'
-          },
-          systemTools,
-          toolCatalog: {
-            runtimeTools: []
-          },
-          executeTool: vi.fn(),
-          checkIsStopping: vi.fn(() => false)
-        }
-      });
-
-      expect(
-        agentConstructorArgs.at(-1).initialState.systemPrompt.includes('<tool_constraint>')
-      ).toBe(expectedConstraint);
-    }
-  );
-
   it('preserves multimodal content in the current user prompt', async () => {
     await runPiAgentLoop({
       input: {

packages/service/test/core/workflow/dispatch/ai/agent/index.test.ts

@@ -432,7 +432,7 @@ describe('dispatchRunAgent user context', () => {
     expect(systemPrompt).not.toContain('{{@mcp-app_1/search@}}');
   });
 
-  it('uses an empty system prompt when the parameter is omitted', async () => {
+  it('uses the default agent system prompt when the user prompt is omitted', async () => {
     const props = createProps();
     delete props.params.systemPrompt;
 
@@ -449,7 +449,9 @@ describe('dispatchRunAgent user context', () => {
     const result = await resultPromise!;
 
     expect(result.error).toBeUndefined();
-    expect(runAgentLoopMock.mock.calls[0][0].input.systemPrompt).toBe('');
+    const systemPrompt = runAgentLoopMock.mock.calls[0][0].input.systemPrompt;
+    expect(systemPrompt).toContain('你是一个 Work Agent。');
+    expect(systemPrompt).not.toContain('<user_system_prompt>');
   });
 
   it('injects sandbox input files before starting the agent loop', async () => {
@@ -499,6 +501,8 @@ describe('dispatchRunAgent user context', () => {
       sandboxWriteFilesMock.mock.invocationCallOrder[0]
     );
     const loopInput = runAgentLoopMock.mock.calls[0][0].input;
+    expect(loopInput.systemPrompt).toContain('<sandbox_capability>');
+    expect(loopInput.systemPrompt).toContain('</sandbox_capability>');
     expect(loopInput.systemPrompt).not.toContain('pwd: /workspace');
     expect(getMessageTextForTest(loopInput.messages.at(-1)?.content)).toContain(
       '当前 sandbox 工作目录: /workspace'
@@ -1209,7 +1213,7 @@ describe('dispatchRunAgent user context', () => {
     expect(runAgentLoopMock).toHaveBeenCalledOnce();
 
     const loopInput = runAgentLoopMock.mock.calls[0][0].input;
-    expect(loopInput.systemPrompt).not.toContain('## 沙盒能力');
+    expect(loopInput.systemPrompt).not.toContain('<sandbox_capability>');
     expect(getMessageTextForTest(loopInput.messages.at(-1)?.content)).not.toContain(
       '<available_skills>'
     );

packages/service/test/core/workflow/dispatch/ai/agentLoopCore/context/messages.test.ts

@@ -5,9 +5,7 @@ import {
   buildAgentLoopCoreInput,
   buildAgentLoopCoreRequestMessages,
   buildAgentLoopCoreSkillsPrompt,
-  buildAgentLoopCoreSystemPrompt,
-  buildAgentLoopCoreUserReminderInput,
-  parseAgentLoopCoreUserSystemPrompt
+  buildAgentLoopCoreUserReminderInput
 } from '@fastgpt/service/core/workflow/dispatch/ai/agentLoopCore/application/context';
 import { describe, expect, it } from 'vitest';
 
@@ -141,21 +139,6 @@ describe('buildAgentLoopCoreInput', () => {
   });
 });
 
-describe('agentLoopCore prompt helpers', () => {
-  it('rewrites user system prompt and merges runtime prompts before rewriting', () => {
-    expect(parseAgentLoopCoreUserSystemPrompt({ userSystemPrompt: '' })).toBe('');
-
-    const prompt = buildAgentLoopCoreSystemPrompt({
-      userSystemPrompt: 'system prompt',
-      runtimePrompts: ['sandbox prompt']
-    });
-
-    expect(prompt).toContain('system prompt\n\nsandbox prompt');
-    expect(prompt).toContain('<user_background></user_background>');
-    expect(prompt).toContain('@工具名');
-  });
-});
-
 describe('agentLoopCore reminder helpers', () => {
   it('builds escaped file and skill reminder blocks', () => {
     const filePrompt = buildAgentLoopCoreInputFilesPrompt([

packages/service/test/core/workflow/dispatch/ai/toolcall/toolCall.test.ts

@@ -188,6 +188,41 @@ describe('runToolCall compression node responses', () => {
     delete (global as any).feConfigs;
   });
 
+  it('passes the extracted system prompt separately from conversation messages', async () => {
+    runAgentLoopMock.mockResolvedValue(createLoopResult());
+
+    await runToolCall(
+      createProps({
+        messages: [
+          {
+            role: ChatCompletionRequestMessageRoleEnum.System,
+            content: 'custom system prompt'
+          },
+          {
+            role: ChatCompletionRequestMessageRoleEnum.System,
+            content: [{ type: 'text', text: 'array system prompt' }]
+          },
+          {
+            role: ChatCompletionRequestMessageRoleEnum.User,
+            content: 'hello'
+          }
+        ]
+      })
+    );
+
+    expect(runAgentLoopMock.mock.calls[0][0].input).toEqual(
+      expect.objectContaining({
+        systemPrompt: 'custom system prompt\n\narray system prompt',
+        messages: [
+          {
+            role: ChatCompletionRequestMessageRoleEnum.User,
+            content: 'hello'
+          }
+        ]
+      })
+    );
+  });
+
   it('records context compression as ToolCall child node response and tool-response compression under the tool node', async () => {
     const contextCompressUsage = {
       moduleName: 'account_usage:compress_llm_messages',
@@ -271,7 +306,6 @@ describe('runToolCall compression node responses', () => {
           },
           llmParams: expect.objectContaining({
             model: 'gpt-4',
-            promptMode: 'raw',
             maxTokens: 1000,
             temperature: 0,
             topP: 0.7,

pro @ 2bc391e3

-Subproject commit 9a73980b9ae674d91c21b075e7dc518679ae0003
+Subproject commit 2bc391e398ec4da405442a47416291fa440129c2