目标
开发一个支持自然语言与业务数据对话的 Chatbot，效果对标 Airtable Copilot，用户可用自然语言问业务数据，AI 能理解表结构、查数据、分析统计并结构化友好回复。
开发任务拆解
1. Tool Call Loop（AIService 核心增强，P0）
- 实现完整的 LLM-Tool 调用链路：
- AIService.chatWithTools: 自动注入 ToolRegistry 工具集合
- LLM 返回 tool_calls 时，自动调用 ToolRegistry 的 handler 并将结果以 role:tool 消息追加
- 回传给 LLM，实现���轮 tool-calling，最后生成最终回复
- 支持最大循环轮数，防止死循环
- 单元测试覆盖 tool call 循环、异常处理、边界场景
2. 平台级内置数据工具（Data Tool，P0）
query_records: 按条件查表get_record: 单条详情describe_object: 查询表结构aggregate_data: 聚合/统计list_objects: 列表所有表- 工具参数、权限校验、分页/限制
- handler 实现对接元数据和数据服务
3. Agent Runtime（P1）
- Agent 元数据加载/校验
- Agent → system prompt 自动注入
- Agent → model 参数,tools 自动注入 option
- Agent.tools 结合 ToolRegistry 做映射
- 上下文增强（自动结合用户当前表、视图、选中的数据记录）
4. Agent Chat API 路由（P1）
- 新增 /api/v1/ai/agents/:agentName/chat 支持 context、Agent 选择
- 支持上下文参数 objectName、recordId、viewName
- 错误处理：Agent 未找到/不活跃/无权限
5. Data Tool 自动注册与插件化集成（P1）
- 通过 ai:ready hook 自动注册内置数据工具
- 支持多数据源/多租户 context
6. 数据对话 Agent 规格（P2）
- data_chat Agent 说明书、role/instructions、工具声明
- guardrails、maxToken、权限策略
- 极简 UI 文案和答复格式建议
7. 完善单测集成测试（P2）
- Agent、Tool、API 端到端测试
- 异常与边界 case
目标
开发一个支持自然语言与业务数据对话的 Chatbot，效果对标 Airtable Copilot，用户可用自然语言问业务数据，AI 能理解表结构、查数据、分析统计并结构化友好回复。
开发任务拆解
1. Tool Call Loop（AIService 核心增强，P0）
2. 平台级内置数据工具（Data Tool，P0）
query_records: 按条件查表get_record: 单条详情describe_object: 查询表结构aggregate_data: 聚合/统计list_objects: 列表所有表3. Agent Runtime（P1）
4. Agent Chat API 路由（P1）
5. Data Tool 自动注册与插件化集成（P1）
6. 数据对话 Agent 规格（P2）
7. 完善单测集成测试（P2）