动态表单生成的意图澄清系统（★★）

源文件：chapter5/dynamic-form/README.md

实验 5-9：动态表单生成的意图澄清系统（★★）

目的

验证 Agent 在面对信息不完整的用户请求时，不是逐条一问一答，而是动态生成
一个自包含的 HTML 表单来一次性澄清意图。表单内置级联逻辑（某些字段仅在特定
选择下才显示、某些下拉选项随另一字段动态变化），用户一次提交即可补全全部
信息；前端把表单汇总成 JSON 交回 Agent，Agent 解析后继续任务。

验收场景：用户输入"我想订一张去北京的机票"，Agent 生成的表单包含：

• 出发城市（文本输入）
• 出发日期（日期选择器）
• 旅行类型（单选：单程 / 往返）
• 返程日期（仅当选择"往返"时才显示） ← 级联逻辑①：显示/隐藏
• 舱位（下拉：经济舱 / 公务舱 / 头等舱）
• 免费托运行李额度（可选项随"舱位"动态变化） ← 级联逻辑②：动态选项

机制

demo.py 分三步验证，两种运行模式机制完全一致，只是"谁来写表单代码"不同：

• 在线（默认）：把用户请求发给 OpenAI，system prompt 约束它输出一个自包含的
  HTML（内联 <style> + <script>，含级联显示逻辑和"提交汇总为 JSON"逻辑），
  需要 OPENAI_API_KEY。
• 离线（--offline）：不调用 LLM，用内置机票 schema 确定性渲染同样的级联
  表单，无需 API Key。离线渲染出的表单同样真实可用、可在浏览器打开，且含两类
  级联逻辑（显示/隐藏 + 下拉选项动态更新）。未设置 OPENAI_API_KEY 时自动回落到
  离线模式。

三步流程：

1. 生成表单：在线让模型生成，或离线由内置 schema 渲染，保存为
   generated_form.html（路径可用 --output 覆盖）。
2. 结构化校验（不依赖浏览器）：用 BeautifulSoup + 正则检查表单确实含要求的
   字段，且返程字段带"仅往返显示"的 JS toggle 逻辑，并打印级联逻辑的脚本证据。
3. 模拟提交：构造一份用户提交的 JSON（往返场景），喂回 Agent；Agent 解析后
   输出订票摘要（在线交给模型，离线用确定性模板），验证"解析 JSON → 继续任务"闭环。

运行

pip install -r requirements.txt
cp env.example .env                 # 填入 OPENAI_API_KEY（未配置时设 OPENROUTER_API_KEY 自动改走 OpenRouter）

python demo.py                      # 在线：Agent 调 OpenAI 生成（需 API Key）
python demo.py --offline            # 离线：内置 schema 确定性渲染，无需 API Key
python demo.py --offline --serve    # 离线渲染后起本地服务，浏览器实时体验级联/提交
python demo.py --model gpt-5.6     # 可选：覆盖在线模型（--offline 下忽略）
python demo.py --request "我想订去东京的机票"   # 可选：自定义模糊请求
python demo.py --help               # 查看全部参数
​

命令行参数：

跑通后：

• 生成的表单存为 generated_form.html，可手动在浏览器打开（或用 --serve
  自动打开），切换"单程/往返"即可看到返程日期字段的级联显示效果，切换舱位可看到
  行李额度下拉的动态更新，点"提交"会在页面底部打印汇总 JSON。
• 终端会打印字段校验结果、级联逻辑证据、以及 Agent 对提交 JSON 的解析摘要。

环境变量：

• OPENAI_API_KEY（在线模式必填；未设置时自动回落到离线模式）
• OPENAI_BASE_URL（可选，兼容 OpenAI 协议的第三方端点）
• MODEL（可选，默认 gpt-5.6-luna）

真实运行输出

离线模式（--offline，确定性渲染，无需 API Key）

[步骤 2] 结构化校验表单字段与级联逻辑：
  [PASS] 出发城市(文本输入)
  [PASS] 出发日期(日期选择器)
  [PASS] 旅行类型(单选:单程)
  [PASS] 旅行类型(单选:往返)
  [PASS] 返程日期(日期选择器)
  [PASS] 返程字段级联逻辑(仅往返显示)

[步骤 3] 解析 JSON 并继续任务，输出订票摘要：
已收到您的订票信息：上海 → 北京，出发日期 2026-08-01。
行程类型：往返，返程日期 2026-08-07。
舱位：公务舱，免费托运 2 件。
正在为您检索航班...
​

在线模式（默认，模型 gpt-5.6-luna）

[步骤 2] 结构化校验表单字段与级联逻辑：
  [PASS] 出发城市(文本输入) / [PASS] 出发日期(日期选择器)
  [PASS] 旅行类型(单选:单程/往返) / [PASS] 返程日期(日期选择器)
  [PASS] 返程字段级联逻辑(仅往返显示)

  级联逻辑证据（脚本节选）:
    | const returnDateField = document.getElementById('return_date_field');
    | returnDateField.style.display = roundTrip ? 'block' : 'none';

[步骤 3] Agent 解析 JSON 并继续任务，输出订票摘要：
您选择的航段为：从上海出发，前往北京。出发日期为2026年8月1日，返程日期为
2026年8月7日。行程类型为往返，舱位为商务舱，携带行李数量为2件。正在为您检索航班...
​

局限

• 字段命名不完全可控（仅在线模式）：不同模型/温度下，生成的 name、id 写法
  可能不同。system prompt 已约定英文 name 标识（departure_city /
  departure_date / trip_type / return_date），校验也采用鲁棒的关键词/属性
  匹配（先按约定 name 找，找不到再退化到语义匹配 + 文本关键词），因此偶发命名
  漂移一般仍能通过。若某项 FAIL，可打开 generated_form.html 查看模型实际输出。
  离线模式由内置 schema 确定性渲染，命名/结构完全稳定，不受此限。
• 级联效果的两种验证：默认不依赖真实浏览器，级联逻辑通过"静态解析 JS + 关键词
  匹配"来间接验证；要看真实级联点击效果，加 --serve（离线渲染的表单 + 本地服务）
  或手动打开生成的 HTML。
• 提交是模拟的：步骤 3 用一份构造的 JSON 代替真实前端提交，用来验证 Agent
  的"解析 → 继续任务"环节；真实系统里这份 JSON 由表单 submit 回调 POST 回后端。
• 在线生成质量依赖模型；temperature=0 以尽量稳定复现。