feat: implement streaming support for chat and enhance safety review process

- Updated .env.example to include API key placeholder and configuration instructions.
- Refactored main.py to support streaming responses from the LLM, improving user experience during chat interactions.
- Enhanced LLMClient to include methods for streaming chat and collecting responses.
- Modified safety review process to pass static analysis warnings to the LLM for better code safety evaluation.
- Improved UI components in chat_view.py to handle streaming messages effectively.

.env.example

@@ -1,4 +1,16 @@
-LLM_API_URL=https://api.siliconflow.cn/v1/chat/completions
-LLM_API_KEY=sk-fxsxbgatrjjhsnjpkdfgfngukqoqqgitjpxfqfxifcipaqpc
+# ========================================
+# LocalAgent 閰嶇疆鏂囦欢绀轰緥
+# ========================================
+# 浣跨敤鏂规硶锛?# 1. 澶嶅埗姝ゆ枃浠朵负 .env
+# 2. 濉叆浣犵殑 API Key 鍜屽叾浠栭厤缃?# ========================================
+
+# SiliconFlow API 閰嶇疆
+# 鑾峰彇 API Key: https://siliconflow.cn
+LLM_API_URL=https://api.siliconflow.cn/v1/chat/completions
+LLM_API_KEY=your_api_key_here
+
+# 妯″瀷閰嶇疆
+# 鎰忓浘璇嗗埆妯″瀷锛堟帹鑽愪娇鐢ㄥ皬妯″瀷锛岄€熷害蹇級
 INTENT_MODEL_NAME=Qwen/Qwen2.5-7B-Instruct
-GENERATION_MODEL_NAME=Qwen/Qwen2.5-72B-Instruct
+
+# 浠ｇ爜鐢熸垚妯″瀷锛堟帹鑽愪娇鐢ㄥぇ妯″瀷锛屾晥鏋滃ソ锛?GENERATION_MODEL_NAME=Qwen/Qwen2.5-72B-Instruct

llm/client.py

@@ -1,12 +1,14 @@
 """
 LLM 统一调用客户端
 所有模型通过 SiliconFlow API 调用
+支持流式和非流式两种模式
 """
 
 import os
+import json
 import requests
 from pathlib import Path
-from typing import Optional
+from typing import Optional, Generator, Callable
 from dotenv import load_dotenv
 
 # 获取项目根目录
@@ -25,12 +27,19 @@ class LLMClient:
     
     使用方式:
         client = LLMClient()
+        
+        # 非流式调用
         response = client.chat(
             messages=[{"role": "user", "content": "你好"}],
-            model="Qwen/Qwen2.5-7B-Instruct",
-            temperature=0.7,
-            max_tokens=1024
+            model="Qwen/Qwen2.5-7B-Instruct"
         )
+        
+        # 流式调用
+        for chunk in client.chat_stream(
+            messages=[{"role": "user", "content": "你好"}],
+            model="Qwen/Qwen2.5-7B-Instruct"
+        ):
+            print(chunk, end="", flush=True)
     """
     
     def __init__(self):
@@ -49,22 +58,21 @@ class LLMClient:
         messages: list[dict],
         model: str,
         temperature: float = 0.7,
-        max_tokens: int = 1024
+        max_tokens: int = 1024,
+        timeout: int = 180
     ) -> str:
         """
-        调用 LLM 进行对话
+        调用 LLM 进行对话（非流式）
         
         Args:
-            messages: 消息列表，格式为 [{"role": "user/assistant/system", "content": "..."}]
+            messages: 消息列表
             model: 模型名称
-            temperature: 温度参数，控制随机性
+            temperature: 温度参数
             max_tokens: 最大生成 token 数
+            timeout: 超时时间（秒），默认 180 秒
             
         Returns:
             LLM 生成的文本内容
-            
-        Raises:
-            LLMClientError: 网络异常或 API 返回错误
         """
         headers = {
             "Authorization": f"Bearer {self.api_key}",
@@ -84,10 +92,10 @@ class LLMClient:
                 self.api_url,
                 headers=headers,
                 json=payload,
-                timeout=60
+                timeout=timeout
             )
         except requests.exceptions.Timeout:
-            raise LLMClientError("请求超时，请检查网络连接")
+            raise LLMClientError(f"请求超时（{timeout}秒），请检查网络连接或稍后重试")
         except requests.exceptions.ConnectionError:
             raise LLMClientError("网络连接失败，请检查网络设置")
         except requests.exceptions.RequestException as e:
@@ -110,6 +118,121 @@ class LLMClient:
         except (KeyError, IndexError, TypeError) as e:
             raise LLMClientError(f"解析 API 响应失败: {str(e)}")
     
+    def chat_stream(
+        self,
+        messages: list[dict],
+        model: str,
+        temperature: float = 0.7,
+        max_tokens: int = 2048,
+        timeout: int = 180
+    ) -> Generator[str, None, None]:
+        """
+        调用 LLM 进行对话（流式）
+        
+        Args:
+            messages: 消息列表
+            model: 模型名称
+            temperature: 温度参数
+            max_tokens: 最大生成 token 数
+            timeout: 超时时间（秒）
+            
+        Yields:
+            逐个返回生成的文本片段
+        """
+        headers = {
+            "Authorization": f"Bearer {self.api_key}",
+            "Content-Type": "application/json"
+        }
+        
+        payload = {
+            "model": model,
+            "messages": messages,
+            "stream": True,
+            "temperature": temperature,
+            "max_tokens": max_tokens
+        }
+        
+        try:
+            response = requests.post(
+                self.api_url,
+                headers=headers,
+                json=payload,
+                timeout=timeout,
+                stream=True
+            )
+        except requests.exceptions.Timeout:
+            raise LLMClientError(f"请求超时（{timeout}秒），请检查网络连接或稍后重试")
+        except requests.exceptions.ConnectionError:
+            raise LLMClientError("网络连接失败，请检查网络设置")
+        except requests.exceptions.RequestException as e:
+            raise LLMClientError(f"网络请求异常: {str(e)}")
+        
+        if response.status_code != 200:
+            error_msg = f"API 返回错误 (状态码: {response.status_code})"
+            try:
+                error_detail = response.json()
+                if "error" in error_detail:
+                    error_msg += f": {error_detail['error']}"
+            except:
+                error_msg += f": {response.text[:200]}"
+            raise LLMClientError(error_msg)
+        
+        # 解析 SSE 流
+        for line in response.iter_lines():
+            if line:
+                line = line.decode('utf-8')
+                if line.startswith('data: '):
+                    data = line[6:]  # 去掉 "data: " 前缀
+                    if data == '[DONE]':
+                        break
+                    try:
+                        chunk = json.loads(data)
+                        if 'choices' in chunk and len(chunk['choices']) > 0:
+                            delta = chunk['choices'][0].get('delta', {})
+                            content = delta.get('content', '')
+                            if content:
+                                yield content
+                    except json.JSONDecodeError:
+                        continue
+    
+    def chat_stream_collect(
+        self,
+        messages: list[dict],
+        model: str,
+        temperature: float = 0.7,
+        max_tokens: int = 2048,
+        timeout: int = 180,
+        on_chunk: Optional[Callable[[str], None]] = None
+    ) -> str:
+        """
+        流式调用并收集完整结果
+        
+        Args:
+            messages: 消息列表
+            model: 模型名称
+            temperature: 温度参数
+            max_tokens: 最大生成 token 数
+            timeout: 超时时间（秒）
+            on_chunk: 每收到一个片段时的回调函数
+            
+        Returns:
+            完整的生成文本
+        """
+        full_content = []
+        
+        for chunk in self.chat_stream(
+            messages=messages,
+            model=model,
+            temperature=temperature,
+            max_tokens=max_tokens,
+            timeout=timeout
+        ):
+            full_content.append(chunk)
+            if on_chunk:
+                on_chunk(chunk)
+        
+        return ''.join(full_content)
+
 
 # 全局单例（延迟初始化）
 _client: Optional[LLMClient] = None
@@ -121,4 +244,3 @@ def get_client() -> LLMClient:
     if _client is None:
         _client = LLMClient()
     return _client
-

llm/prompts.py

@@ -155,17 +155,26 @@ CODE_GENERATION_USER = """执行计划：
 # 安全审查 Prompt
 # ========================================
 
-SAFETY_REVIEW_SYSTEM = """你是一个代码安全审查员。检查代码是否符合安全规范。
+SAFETY_REVIEW_SYSTEM = """你是一个代码安全审查员。你的任务是判断代码是否安全可执行。
 
-检查项：
-1. 是否只操作 workspace/input 和 workspace/output 目录
-2. 是否有网络请求代码（requests, socket, urllib）
-3. 是否有危险的文件删除操作（os.remove, shutil.rmtree）
-4. 是否有执行外部命令的代码（subprocess, os.system）
-5. 代码逻辑是否与用户需求一致
+【核心原则】
+- 代码只应操作 workspace/input（读取）和 workspace/output（写入）
+- 不应有网络请求、执行系统命令等危险操作
+- 代码逻辑应与用户需求一致
+
+【审查要点】
+1. 路径安全：是否只访问 workspace 目录？是否有路径遍历风险？
+2. 网络安全：是否有网络请求？（如果用户明确要求下载等网络操作，需拒绝）
+3. 文件安全：删除操作是否合理？（如果是清理临时文件可以接受，删除用户文件需拒绝）
+4. 逻辑一致：代码是否实现了用户的需求？
+
+【判断标准】
+- 如果代码安全且符合需求 → pass: true
+- 如果有安全风险或不符合需求 → pass: false
+- 对于边界情况，倾向于通过（用户已确认执行）
 
 输出JSON格式：
-{"pass": true或false, "reason": "中文审查结论，一句话"}"""
+{"pass": true或false, "reason": "中文审查结论，简洁说明"}"""
 
 SAFETY_REVIEW_USER = """用户需求：{user_input}
 

main.py

@@ -171,30 +171,44 @@ class LocalAgentApp:
             f"识别为对话模式 (原因: {intent_result.reason})",
             'system'
         )
-        self.chat_view.add_message("正在生成回复...", 'system')
         
-        # 在后台线程调用 LLM
-        def do_chat():
+        # 开始流式消息
+        self.chat_view.start_stream_message('assistant')
+        
+        # 在后台线程调用 LLM（流式）
+        def do_chat_stream():
             client = get_client()
             model = os.getenv("GENERATION_MODEL_NAME")
-            return client.chat(
+            
+            full_response = []
+            for chunk in client.chat_stream(
                 messages=[{"role": "user", "content": user_input}],
                 model=model,
                 temperature=0.7,
-                max_tokens=2048
-            )
+                max_tokens=2048,
+                timeout=300
+            ):
+                full_response.append(chunk)
+                # 通过队列发送 chunk 到主线程更新 UI
+                self.result_queue.put((self._on_chat_chunk, (chunk,)))
+            
+            return ''.join(full_response)
         
         self._run_in_thread(
-            do_chat,
-            self._on_chat_result
+            do_chat_stream,
+            self._on_chat_complete
         )
     
-    def _on_chat_result(self, response: Optional[str], error: Optional[Exception]):
+    def _on_chat_chunk(self, chunk: str):
+        """收到对话片段回调（主线程）"""
+        self.chat_view.append_stream_chunk(chunk)
+    
+    def _on_chat_complete(self, response: Optional[str], error: Optional[Exception]):
         """对话完成回调"""
+        self.chat_view.end_stream_message()
+        
         if error:
             self.chat_view.add_message(f"对话失败: {str(error)}", 'error')
-        else:
-            self.chat_view.add_message(response, 'assistant')
         
         self.chat_view.set_input_enabled(True)
     
@@ -261,13 +275,18 @@ class LocalAgentApp:
             self.current_task = None
             return
         
+        # 保存警告信息，传递给 LLM 审查
+        self.current_task['warnings'] = rule_result.warnings
+        
         # 在后台线程进行 LLM 安全审查
         self._run_in_thread(
-            review_code_safety,
-            self._on_safety_reviewed,
+            lambda: review_code_safety(
                 self.current_task['user_input'],
                 self.current_task['execution_plan'],
-            code
+                code,
+                rule_result.warnings  # 传递警告给 LLM
+            ),
+            self._on_safety_reviewed
         )
     
     def _on_safety_reviewed(self, review_result, error: Optional[Exception]):
@@ -293,28 +312,31 @@ class LocalAgentApp:
         self._show_task_guide()
     
     def _generate_execution_plan(self, user_input: str) -> str:
-        """生成执行计划"""
+        """生成执行计划（使用流式传输）"""
         client = get_client()
         model = os.getenv("GENERATION_MODEL_NAME")
         
-        response = client.chat(
+        # 使用流式传输，避免超时
+        response = client.chat_stream_collect(
             messages=[
                 {"role": "system", "content": EXECUTION_PLAN_SYSTEM},
                 {"role": "user", "content": EXECUTION_PLAN_USER.format(user_input=user_input)}
             ],
             model=model,
             temperature=0.3,
-            max_tokens=1024
+            max_tokens=1024,
+            timeout=300  # 5分钟超时
         )
         
         return response
     
     def _generate_code(self, user_input: str, execution_plan: str) -> str:
-        """生成执行代码"""
+        """生成执行代码（使用流式传输）"""
         client = get_client()
         model = os.getenv("GENERATION_MODEL_NAME")
         
-        response = client.chat(
+        # 使用流式传输，避免超时
+        response = client.chat_stream_collect(
             messages=[
                 {"role": "system", "content": CODE_GENERATION_SYSTEM},
                 {"role": "user", "content": CODE_GENERATION_USER.format(
@@ -324,7 +346,8 @@ class LocalAgentApp:
             ],
             model=model,
             temperature=0.2,
-            max_tokens=2048
+            max_tokens=4096,  # 代码可能较长
+            timeout=300  # 5分钟超时
         )
         
         # 提取代码块

safety/llm_reviewer.py

@@ -5,7 +5,7 @@ LLM 软规则审查器
 
 import os
 import json
-from typing import Optional
+from typing import Optional, List
 from dataclasses import dataclass
 from dotenv import load_dotenv
 
@@ -36,7 +36,8 @@ class LLMReviewer:
         self,
         user_input: str,
         execution_plan: str,
-        code: str
+        code: str,
+        warnings: Optional[List[str]] = None
     ) -> LLMReviewResult:
         """
         审查代码安全性
@@ -45,6 +46,7 @@ class LLMReviewer:
             user_input: 用户原始需求
             execution_plan: 执行计划
             code: 待审查的代码
+            warnings: 静态检查产生的警告列表
             
         Returns:
             LLMReviewResult: 审查结果
@@ -52,20 +54,26 @@ class LLMReviewer:
         try:
             client = get_client()
             
+            # 构建警告信息
+            warning_text = ""
+            if warnings and len(warnings) > 0:
+                warning_text = "\n\n【静态检查警告】请重点审查以下内容：\n" + "\n".join(f"- {w}" for w in warnings)
+            
             messages = [
                 {"role": "system", "content": SAFETY_REVIEW_SYSTEM},
                 {"role": "user", "content": SAFETY_REVIEW_USER.format(
                     user_input=user_input,
                     execution_plan=execution_plan,
                     code=code
-                )}
+                ) + warning_text}
             ]
             
             response = client.chat(
                 messages=messages,
                 model=self.model_name,
                 temperature=0.1,
-                max_tokens=512
+                max_tokens=512,
+                timeout=120
             )
             
             return self._parse_response(response)
@@ -124,9 +132,9 @@ class LLMReviewer:
 def review_code_safety(
     user_input: str,
     execution_plan: str,
-    code: str
+    code: str,
+    warnings: Optional[List[str]] = None
 ) -> LLMReviewResult:
     """便捷函数：审查代码安全性"""
     reviewer = LLMReviewer()
-    return reviewer.review(user_input, execution_plan, code)
-
+    return reviewer.review(user_input, execution_plan, code, warnings)

safety/rule_checker.py

@@ -1,11 +1,11 @@
 """
 硬规则安全检查器
-静态扫描执行代码，检测危险操作
+只检测最危险的操作，其他交给 LLM 审查
 """
 
 import re
 import ast
-from typing import List, Tuple
+from typing import List
 from dataclasses import dataclass
 
 
@@ -14,41 +14,41 @@ class RuleCheckResult:
     """规则检查结果"""
     passed: bool
     violations: List[str]  # 违规项列表
+    warnings: List[str]    # 警告项（交给 LLM 审查）
 
 
 class RuleChecker:
     """
     硬规则检查器
     
-    静态扫描代码，检测以下危险操作：
-    1. 网络请求: requests, socket, urllib, http.client
-    2. 危险文件操作: os.remove, shutil.rmtree, os.unlink
-    3. 执行外部命令: subprocess, os.system, os.popen
-    4. 访问非 workspace 路径
+    只硬性禁止最危险的操作：
+    1. 网络模块: socket（底层网络）
+    2. 执行任意代码: eval, exec, compile
+    3. 执行系统命令: subprocess, os.system, os.popen
+    4. 动态导入: __import__
+    
+    其他操作（如文件删除、路径访问等）生成警告，交给 LLM 审查
     """
     
-    # 禁止导入的模块
-    FORBIDDEN_IMPORTS = {
-        'requests',
-        'socket',
-        'urllib',
-        'urllib.request',
-        'urllib.parse',
-        'urllib.error',
-        'http.client',
-        'httplib',
-        'ftplib',
-        'smtplib',
-        'telnetlib',
-        'subprocess',
+    # 【硬性禁止】最危险的模块 - 直接拒绝
+    CRITICAL_FORBIDDEN_IMPORTS = {
+        'socket',           # 底层网络，可绑定端口、建立连接
+        'subprocess',       # 执行任意系统命令
+        'multiprocessing',  # 可能绑定端口
+        'asyncio',          # 可能包含网络操作
+        'ctypes',           # 可调用任意 C 函数
+        'cffi',             # 外部函数接口
     }
     
-    # 禁止调用的函数（模块.函数 或 单独函数名）
-    FORBIDDEN_CALLS = {
-        'os.remove',
-        'os.unlink',
-        'os.rmdir',
-        'os.removedirs',
+    # 【硬性禁止】最危险的函数调用 - 直接拒绝
+    CRITICAL_FORBIDDEN_CALLS = {
+        # 执行任意代码
+        'eval',
+        'exec',
+        'compile',
+        '__import__',
+        
+        # 执行系统命令
         'os.system',
         'os.popen',
         'os.spawn',
@@ -60,7 +60,6 @@ class RuleChecker:
         'os.spawnve',
         'os.spawnvp',
         'os.spawnvpe',
-        'os.exec',
         'os.execl',
         'os.execle',
         'os.execlp',
@@ -69,26 +68,28 @@ class RuleChecker:
         'os.execve',
         'os.execvp',
         'os.execvpe',
-        'shutil.rmtree',
-        'shutil.move',  # move 可能导致原文件丢失
-        'eval',
-        'exec',
-        'compile',
-        '__import__',
     }
     
-    # 危险路径模式（正则）
-    DANGEROUS_PATH_PATTERNS = [
-        r'[A-Za-z]:\\',  # Windows 绝对路径
-        r'\\\\',  # UNC 路径
-        r'/etc/',
-        r'/usr/',
-        r'/bin/',
-        r'/home/',
-        r'/root/',
-        r'\.\./',  # 父目录遍历
-        r'\.\.',  # 父目录
-    ]
+    # 【警告】需要 LLM 审查的模块
+    WARNING_IMPORTS = {
+        'requests',         # HTTP 请求
+        'urllib',           # URL 处理
+        'http.client',      # HTTP 客户端
+        'ftplib',           # FTP
+        'smtplib',          # 邮件
+        'telnetlib',        # Telnet
+    }
+    
+    # 【警告】需要 LLM 审查的函数调用
+    WARNING_CALLS = {
+        'os.remove',        # 删除文件
+        'os.unlink',        # 删除文件
+        'os.rmdir',         # 删除目录
+        'os.removedirs',    # 递归删除目录
+        'shutil.rmtree',    # 递归删除目录树
+        'shutil.move',      # 移动文件（可能丢失原文件）
+        'open',             # 打开文件（检查路径）
+    }
     
     def check(self, code: str) -> RuleCheckResult:
         """
@@ -100,27 +101,33 @@ class RuleChecker:
         Returns:
             RuleCheckResult: 检查结果
         """
-        violations = []
+        violations = []  # 硬性违规，直接拒绝
+        warnings = []    # 警告，交给 LLM 审查
         
-        # 1. 检查禁止的导入
-        import_violations = self._check_imports(code)
-        violations.extend(import_violations)
+        # 1. 检查硬性禁止的导入
+        critical_import_violations = self._check_critical_imports(code)
+        violations.extend(critical_import_violations)
         
-        # 2. 检查禁止的函数调用
-        call_violations = self._check_calls(code)
-        violations.extend(call_violations)
+        # 2. 检查硬性禁止的函数调用
+        critical_call_violations = self._check_critical_calls(code)
+        violations.extend(critical_call_violations)
         
-        # 3. 检查危险路径
-        path_violations = self._check_paths(code)
-        violations.extend(path_violations)
+        # 3. 检查警告级别的导入
+        warning_imports = self._check_warning_imports(code)
+        warnings.extend(warning_imports)
+        
+        # 4. 检查警告级别的函数调用
+        warning_calls = self._check_warning_calls(code)
+        warnings.extend(warning_calls)
         
         return RuleCheckResult(
             passed=len(violations) == 0,
-            violations=violations
+            violations=violations,
+            warnings=warnings
         )
     
-    def _check_imports(self, code: str) -> List[str]:
-        """检查禁止的导入"""
+    def _check_critical_imports(self, code: str) -> List[str]:
+        """检查硬性禁止的导入"""
         violations = []
         
         try:
@@ -130,26 +137,25 @@ class RuleChecker:
                 if isinstance(node, ast.Import):
                     for alias in node.names:
                         module_name = alias.name.split('.')[0]
-                        if alias.name in self.FORBIDDEN_IMPORTS or module_name in self.FORBIDDEN_IMPORTS:
-                            violations.append(f"禁止导入模块: {alias.name}")
+                        if module_name in self.CRITICAL_FORBIDDEN_IMPORTS:
+                            violations.append(f"严禁使用模块: {alias.name}（可能执行危险操作）")
                             
                 elif isinstance(node, ast.ImportFrom):
                     if node.module:
                         module_name = node.module.split('.')[0]
-                        if node.module in self.FORBIDDEN_IMPORTS or module_name in self.FORBIDDEN_IMPORTS:
-                            violations.append(f"禁止导入模块: {node.module}")
+                        if module_name in self.CRITICAL_FORBIDDEN_IMPORTS:
+                            violations.append(f"严禁使用模块: {node.module}（可能执行危险操作）")
                             
         except SyntaxError:
-            # 如果代码有语法错误，使用正则匹配
-            for module in self.FORBIDDEN_IMPORTS:
+            for module in self.CRITICAL_FORBIDDEN_IMPORTS:
                 pattern = rf'\bimport\s+{re.escape(module)}\b|\bfrom\s+{re.escape(module)}\b'
                 if re.search(pattern, code):
-                    violations.append(f"禁止导入模块: {module}")
+                    violations.append(f"严禁使用模块: {module}")
         
         return violations
     
-    def _check_calls(self, code: str) -> List[str]:
-        """检查禁止的函数调用"""
+    def _check_critical_calls(self, code: str) -> List[str]:
+        """检查硬性禁止的函数调用"""
         violations = []
         
         try:
@@ -158,18 +164,60 @@ class RuleChecker:
             for node in ast.walk(tree):
                 if isinstance(node, ast.Call):
                     call_name = self._get_call_name(node)
-                    if call_name in self.FORBIDDEN_CALLS:
-                        violations.append(f"禁止调用函数: {call_name}")
+                    if call_name in self.CRITICAL_FORBIDDEN_CALLS:
+                        violations.append(f"严禁调用: {call_name}（可能执行任意代码或命令）")
                         
         except SyntaxError:
-            # 如果代码有语法错误，使用正则匹配
-            for func in self.FORBIDDEN_CALLS:
+            for func in self.CRITICAL_FORBIDDEN_CALLS:
                 pattern = rf'\b{re.escape(func)}\s*\('
                 if re.search(pattern, code):
-                    violations.append(f"禁止调用函数: {func}")
+                    violations.append(f"严禁调用: {func}")
         
         return violations
     
+    def _check_warning_imports(self, code: str) -> List[str]:
+        """检查警告级别的导入"""
+        warnings = []
+        
+        try:
+            tree = ast.parse(code)
+            
+            for node in ast.walk(tree):
+                if isinstance(node, ast.Import):
+                    for alias in node.names:
+                        module_name = alias.name.split('.')[0]
+                        if module_name in self.WARNING_IMPORTS or alias.name in self.WARNING_IMPORTS:
+                            warnings.append(f"使用了网络相关模块: {alias.name}")
+                            
+                elif isinstance(node, ast.ImportFrom):
+                    if node.module:
+                        module_name = node.module.split('.')[0]
+                        if module_name in self.WARNING_IMPORTS or node.module in self.WARNING_IMPORTS:
+                            warnings.append(f"使用了网络相关模块: {node.module}")
+                            
+        except SyntaxError:
+            pass
+        
+        return warnings
+    
+    def _check_warning_calls(self, code: str) -> List[str]:
+        """检查警告级别的函数调用"""
+        warnings = []
+        
+        try:
+            tree = ast.parse(code)
+            
+            for node in ast.walk(tree):
+                if isinstance(node, ast.Call):
+                    call_name = self._get_call_name(node)
+                    if call_name in self.WARNING_CALLS:
+                        warnings.append(f"使用了敏感操作: {call_name}")
+                        
+        except SyntaxError:
+            pass
+        
+        return warnings
+    
     def _get_call_name(self, node: ast.Call) -> str:
         """获取函数调用的完整名称"""
         if isinstance(node.func, ast.Name):
@@ -185,24 +233,8 @@ class RuleChecker:
             return '.'.join(reversed(parts))
         return ''
 
-    def _check_paths(self, code: str) -> List[str]:
-        """检查危险路径访问"""
-        violations = []
-        
-        for pattern in self.DANGEROUS_PATH_PATTERNS:
-            matches = re.findall(pattern, code, re.IGNORECASE)
-            if matches:
-                # 排除 workspace 相关的合法路径
-                for match in matches:
-                    if 'workspace' not in code[max(0, code.find(match)-50):code.find(match)+50].lower():
-                        violations.append(f"检测到可疑路径模式: {match}")
-                        break
-        
-        return violations
-
 
 def check_code_safety(code: str) -> RuleCheckResult:
     """便捷函数：检查代码安全性"""
     checker = RuleChecker()
     return checker.check(code)
-

ui/chat_view.py

@@ -1,6 +1,6 @@
 """
 聊天视图组件
-处理普通对话的 UI 展示
+处理普通对话的 UI 展示 - 支持流式消息
 """
 
 import tkinter as tk
@@ -16,6 +16,7 @@ class ChatView:
     - 消息显示区域
     - 输入框
     - 发送按钮
+    - 流式消息支持
     """
     
     def __init__(
@@ -33,6 +34,10 @@ class ChatView:
         self.parent = parent
         self.on_send = on_send
         
+        # 流式消息状态
+        self._stream_active = False
+        self._stream_tag = None
+        
         self._create_widgets()
     
     def _create_widgets(self):
@@ -71,6 +76,7 @@ class ChatView:
         self.message_area.tag_configure('assistant', foreground='#81c784', font=('Microsoft YaHei UI', 11))
         self.message_area.tag_configure('system', foreground='#ffb74d', font=('Microsoft YaHei UI', 10, 'italic'))
         self.message_area.tag_configure('error', foreground='#ef5350', font=('Microsoft YaHei UI', 10))
+        self.message_area.tag_configure('streaming', foreground='#81c784', font=('Microsoft YaHei UI', 11))
         
         # 输入区域框架
         input_frame = tk.Frame(self.frame, bg='#1e1e1e')
@@ -147,6 +153,55 @@ class ChatView:
         self.message_area.see(tk.END)
         self.message_area.config(state=tk.DISABLED)
     
+    def start_stream_message(self, tag: str = 'assistant'):
+        """
+        开始流式消息
+        
+        Args:
+            tag: 消息类型
+        """
+        self._stream_active = True
+        self._stream_tag = tag
+        
+        self.message_area.config(state=tk.NORMAL)
+        
+        # 添加前缀
+        prefix_map = {
+            'user': '[你] ',
+            'assistant': '[助手] ',
+            'system': '[系统] ',
+            'error': '[错误] '
+        }
+        prefix = prefix_map.get(tag, '')
+        
+        self.message_area.insert(tk.END, "\n" + prefix, tag)
+        self.message_area.see(tk.END)
+        # 保持 NORMAL 状态以便追加内容
+    
+    def append_stream_chunk(self, chunk: str):
+        """
+        追加流式消息片段
+        
+        Args:
+            chunk: 消息片段
+        """
+        if not self._stream_active:
+            return
+        
+        self.message_area.insert(tk.END, chunk, self._stream_tag)
+        self.message_area.see(tk.END)
+        # 强制更新 UI
+        self.message_area.update_idletasks()
+    
+    def end_stream_message(self):
+        """结束流式消息"""
+        if self._stream_active:
+            self.message_area.insert(tk.END, "\n")
+            self.message_area.see(tk.END)
+            self.message_area.config(state=tk.DISABLED)
+            self._stream_active = False
+            self._stream_tag = None
+    
     def clear_messages(self):
         """清空消息区域"""
         self.message_area.config(state=tk.NORMAL)