feat: 场景 C 重写为文档解析场景，DocumentCard 增加「查看解析」交互

- DocumentSegment 新增 parsedContent 字段，存储 AI 对文档的解析结果
- DocumentCard 增加「查看解析 / 收起解析」按钮，展开后以 Markdown 渲染解析内容
- 场景 C 从「长文本+文档+多模态」改为「单文档解析」场景，聚焦展示解析功能
- ChatContext 默认 activeDemo 索引修正为 4

src/components/segments/DocumentCard.tsx

@@ -1,6 +1,8 @@
+import { useState } from 'react'
 import type { DocumentSegment } from '../../types/protocol'
 import type { LucideIcon } from 'lucide-react'
-import { FileText, FileImage, FileAudio, File } from 'lucide-react'
+import { FileText, FileImage, FileAudio, File, ChevronDown, ChevronRight, Eye, EyeOff } from 'lucide-react'
+import MarkdownRenderer from '../MarkdownRenderer'
 
 const mimeIcons: Record<string, LucideIcon> = {
   'text/': FileText,
@@ -22,21 +24,63 @@ function formatBytes(bytes: number): string {
 }
 
 export default function DocumentCard({ segment }: { segment: DocumentSegment }) {
+  const [showParsed, setShowParsed] = useState(false)
+
   return (
-    <div className="my-2 flex items-start gap-3 rounded-lg border border-gray-200 bg-white p-3 hover:shadow-sm transition-shadow">
+    <div className="my-2 rounded-lg border border-gray-200 bg-white overflow-hidden hover:shadow-sm transition-shadow">
-      <div className="shrink-0 mt-0.5">{getIcon(segment.mimeType)}</div>
+      {/* 文档信息卡片 */}
-      <div className="flex-1 min-w-0">
+      <div className="flex items-start gap-3 p-3">
-        <div className="flex items-center gap-2 flex-wrap">
+        <div className="shrink-0 mt-0.5">{getIcon(segment.mimeType)}</div>
-          <span className="text-sm font-medium text-gray-800 truncate">
+        <div className="flex-1 min-w-0">
-            {segment.fileName}
+          <div className="flex items-center gap-2 flex-wrap">
-          </span>
+            <span className="text-sm font-medium text-gray-800 truncate">
-          <span className="text-xs text-gray-400">{formatBytes(segment.sizeBytes)}</span>
+              {segment.fileName}
+            </span>
+            <span className="text-xs text-gray-400">{formatBytes(segment.sizeBytes)}</span>
+          </div>
+          <p className="text-xs text-gray-400 mt-0.5">{segment.mimeType}</p>
+          {!showParsed && (
+            <p className="text-xs text-gray-500 mt-1.5 line-clamp-3 italic">
+              {segment.snippet}
+            </p>
+          )}
         </div>
-        <p className="text-xs text-gray-400 mt-0.5">{segment.mimeType}</p>
+
-        <p className="text-xs text-gray-500 mt-1.5 line-clamp-3 italic">
+        {/* 查看解析按钮 */}
-          {segment.snippet}
+        {segment.parsedContent && (
-        </p>
+          <button
+            onClick={() => setShowParsed(!showParsed)}
+            className="shrink-0 flex items-center gap-1 px-2.5 py-1.5 rounded-md text-xs font-medium transition-colors
+              bg-blue-50 text-blue-600 hover:bg-blue-100"
+          >
+            {showParsed ? (
+              <><EyeOff size={13} /> 收起解析</>
+            ) : (
+              <><Eye size={13} /> 查看解析</>
+            )}
+          </button>
+        )}
       </div>
+
+      {/* 解析结果展开区 */}
+      {showParsed && segment.parsedContent && (
+        <div className="border-t border-gray-100">
+          <div className="flex items-center gap-1.5 px-3 pt-2 pb-1">
+            <FileText size={12} className="text-blue-400" />
+            <span className="text-[11px] font-medium text-blue-500">解析结果</span>
+            <div className="flex-1" />
+            <button
+              onClick={() => setShowParsed(false)}
+              className="text-gray-400 hover:text-gray-600"
+            >
+              <ChevronDown size={14} />
+            </button>
+          </div>
+          <div className="px-3 pb-3 max-h-80 overflow-y-auto text-sm">
+            <MarkdownRenderer content={segment.parsedContent} />
+          </div>
+        </div>
+      )}
     </div>
   )
 }

src/context/ChatContext.tsx

@@ -13,8 +13,8 @@ interface ChatContextValue {
 const ChatContext = createContext<ChatContextValue | null>(null)
 
 export function ChatProvider({ children }: { children: ReactNode }) {
-  const [activeDemo, setActiveDemo] = useState(5) // Default: Real Skills Demo F
+  const [activeDemo, setActiveDemo] = useState(4) // Default: Scene F
-  const [envelope, setEnvelope] = useState<PromptEnvelope>(demos[5].envelope)
+  const [envelope, setEnvelope] = useState<PromptEnvelope>(demos[4].envelope)
 
   const switchDemo = (i: number) => {
     setActiveDemo(i)

src/data/demos.ts

@@ -28,8 +28,8 @@ export const demos: DemoScenario[] = [
   },
   {
     id: 'c',
-    label: '场景 C',
+    label: '场景 C 📄',
-    description: '长文本 + 文档附件 + 多模态',
+    description: '文档解析：点击「查看解析」看 AI 如何提取文档内容',
     envelope: demoC,
   },
   {
@@ -40,8 +40,8 @@ export const demos: DemoScenario[] = [
   },
   {
     id: 'e',
-    label: '场景 E 🧪',
+    label: '场景 E 🔍',
-    description: 'Skills 渐进式披露 + Agent 主动触发 /deep-research',
+    description: '日志分析：异常检测 + 安全审计 + 性能分析',
     envelope: demoE,
   },
   {

src/data/demos/demo-c.ts

@@ -1,57 +1,66 @@
+/**
+ * Demo C — 文档解析（核心展示）
+ *
+ * 场景：用户上传多份文档请求 AI 进行解析，展示文档上传后 AI 如何
+ * 提取、结构化理解其中的内容。
+ *
+ * 关键展示：
+ *   1. 一份 PDF 文档，右上角有「查看解析」按钮
+ *   2. 点击后展开显示 AI 对文档的解析结果（Markdown 渲染）
+ *   3. Assistant 基于解析结果给出分析回答
+ *   4. 无 long_text / media / 多文档干扰 —— 聚焦单文档解析体验
+ */
+
 import type { PromptEnvelope } from '../../types/protocol'
 import { getSkills } from '../skills'
 
 const now = Date.now()
 
-const longArticleContent_C = `# 大语言模型交互中的上下文透明性问题
+/** PDF 市场调研报告的解析结果 */
+const marketReportParsed = `## 文档概览
 
-## 摘要
+| 字段 | 内容 |
+|------|------|
+| 标题 | 2026 年 Q2 智能助手市场研究报告 |
+| 作者 | 市场分析部 · 陈敏 |
+| 日期 | 2026 年 5 月 28 日 |
+| 页数 | 42 页 |
+| 语言 | 中文（简体） |
 
-近年来，以 ChatGPT 为代表的对话式 AI 产品迅速普及。然而，这些产品的交互设计普遍存在"上下文不透明"的问题——用户无法了解模型在生成回复时参考了哪些信息、使用了哪些工具、被施加了怎样的约束。
+## 核心发现
 
-## 1. 问题定义
+### 1. 市场规模
+2026 年 Q2 全球智能助手市场规模预计达到 **187 亿美元**，同比增长 **34.2%**。
 
-当前的聊天界面（chatbox UI）将 LLM 的完整上下文封装在黑盒之中。用户看到的是一个"魔法对话框"：输入问题，得到回答。但这个过程掩盖了大量关键信息：
+主要增长驱动力：
+- 企业级 AI 助手采纳率从 2025 年的 38% 提升至 56%
+- 多模态能力（图像/语音/代码）推动使用场景扩展
+- 开源模型的成熟降低了部署门槛
 
-- **System Prompt**：模型的行为准则和角色设定，直接决定了回复的风格和边界
+### 2. 竞争格局
-- **User Memory**：跨对话持久化的用户信息，可能包含过时或不准确的记忆
-- **Tools & Skills**：模型可调用的外部能力，用户可能完全不知道它们的存在
-- **Variable Injection**：模板变量在用户不知情的情况下被替换为具体值
 
-这种不透明性导致了一系列用户体验问题：信任缺失、纠错困难、意外行为难以解释。
+| 厂商 | 市场份额 | QoQ 变化 | 核心优势 |
+|------|---------|---------|---------|
+| OpenAI | 41% | +2.3% | 品牌认知度 + 开发者生态 |
+| Anthropic | 18% | +5.1% | 安全对齐 + 长上下文 |
+| Google | 15% | -1.2% | 搜索整合 + 多模态 |
+| Meta | 12% | +3.8% | 开源策略 + 成本优势 |
+| 其他 | 14% | — | 垂直领域玩家 |
 
-## 2. 设计目标
+### 3. 用户需求变化
+- **可信度**成为用户选择助手的第一要素（47% 受访者提及）
+- **上下文窗口大小**的优先级从 2025 年的第 7 位跃升至第 3 位
+- 企业用户对 \`system prompt\` 透明度的需求同比增长 **82%**
+- 工具调用（Function Calling）的使用率从 23% 增长到 51%
 
-本文提出一套"Prompt Envelope Protocol"——一种结构化的 prompt 表达格式，使得：
+### 4. 关键趋势
-
+> "智能助手的竞争从模型能力转向体验设计。用户不再只关心'能不能答对'，更关心'我能不能理解你为什么这么回答'。"——报告结语`
-1. 每种上下文元素都有明确的视觉呈现
-2. 用户可以按需展开或折叠细节
-3. 协议可以无损导出为标准 API 格式
-4. 视觉语言保持简约，不增加认知负荷
-
-## 3. 核心设计原则
-
-### 3.1 信息密度梯度
-
-核心对话文本始终可见，元信息默认折叠。用户不会在每次对话中都被无关的 system prompt 和工具列表淹没。
-
-### 3.2 颜色编码系统
-
-每种上下文类型有独立的颜色标记，形成可学习的视觉语言：
-- 蓝色 = 变量
-- 灰色 = 系统指令
-- 紫色 = 用户记忆
-- 绿色 = 技能
-- 橙色 = 工具
-
-### 3.3 协议即视图
-
-折叠状态存储在协议数据中而非 UI 状态中。这意味着相同的协议数据在任何渲染器下都产生相同的视图——协议本身就是 view model。`
 
 export const demoC: PromptEnvelope = {
   version: '1.0',
   model: 'gpt-4-turbo',
   messages: [
+    // --- System message ---
     {
       id: 'c-1',
       role: 'system',
@@ -72,58 +81,83 @@ export const demoC: PromptEnvelope = {
           kind: 'system_prompt',
           content: `当前日期：{{current_date}}，回复语言：{{language}}。
 
-你是文档审阅助手。帮助用户分析长文档、提取要点、回答关于文档内容的问题。`,
+你是文档解析助手。帮助用户分析上传的文档、提取关键信息、回答关于文档内容的问题。
+
+解析文档后，你会输出结构化的解析结果，并在回复中注明关键发现。`,
           collapsed: true,
         },
         {
           kind: 'skills',
           description:
-            'Skills 是模型可调用的内置能力（slash commands）。输入 / 开头即可触发，无需等待模型推理。当前对话中启用以下 skills：',
+            'Skills 是模型可调用的内置能力（slash commands）。当前对话中启用以下 skills：',
           items: getSkills(['summarize', 'translate', 'qa']),
           collapsed: true,
         },
       ],
       timestamp: now - 150000,
     },
+    // --- User 上传文档请求解析 ---
     {
       id: 'c-2',
       role: 'user',
       segments: [
         {
           kind: 'text',
-          content: '帮我审阅这篇论文草稿，看看结构上有什么问题：',
+          content: '帮我解析这份市场研究报告，看看有什么关键发现。',
-        },
-        {
-          kind: 'long_text',
-          content: longArticleContent_C,
-          charCount: longArticleContent_C.length,
-          collapsed: true,
         },
         {
           kind: 'document',
-          fileName: 'hci-paper-draft.pdf',
+          fileName: '2026-Q2-智能助手市场报告.pdf',
           mimeType: 'application/pdf',
-          snippet:
+          sizeBytes: 2_845_000,
-            '# 大语言模型交互中的上下文透明性问题\n\n## 摘要\n\n近年来，以 ChatGPT 为代表的对话式 AI 产品迅速普及。然而，这些产品的交互设计普遍存在"上下文不透明"的问题——用户无法了解模型在生成回复时参考了哪些信息...',
+          snippet: '# 2026 年 Q2 智能助手市场研究报告\n\n## 摘要\n\n2026 年 Q2 全球智能助手市场规模预计达到 187 亿美元，同比增长 34.2%。主要增长驱动力包括企业级 AI 助手采纳率提升…',
-          sizeBytes: 245760,
+          parsedContent: marketReportParsed,
-        },
-        {
-          kind: 'media',
-          mediaType: 'image',
-          url: '',
-          altText: '论文框架图：Context Layers 分层示意图',
         },
       ],
       timestamp: now - 120000,
     },
+    // --- Assistant 综合回复 ---
     {
       id: 'c-3',
       role: 'assistant',
       segments: [
         {
           kind: 'text',
-          content:
+          content: `文档已解析完成。以下是报告中的关键发现：
-            '我读完了你的草稿。整体框架很清晰，但有几个建议：\n\n1. **第3节的设计原则**是目前最强的部分，可以考虑将这部分提前到第2节\n2. "信息密度梯度"这个概念很有原创性，建议在摘要中就提及\n3. 缺少用户研究部分——如果你有做可用性测试的计划，可以加一节"4. 评估方法"\n4. 颜色编码系统部分写得很好，可以加一个视觉化的表格来展示颜色-类型映射\n\n需要我展开其中某一点吗？',
+
+---
+
+## 📊 核心发现
+
+### 1. 市场规模与增长
+2026 年 Q2 全球智能助手市场规模预计达到 **187 亿美元**，同比增长 **34.2%**。
+
+主要驱动力：
+- 企业级 AI 助手采纳率从 38% 提升至 **56%**
+- 多模态能力推动使用场景扩展
+- 开源模型降低了部署门槛
+
+### 2. 竞争格局变化
+
+| 厂商 | 份额 | 环比变化 | 核心优势 |
+|------|------|---------|---------|
+| OpenAI | 41% | +2.3% | 品牌 + 开发者生态 |
+| Anthropic | 18% | **+5.1%** | 安全对齐 + 长上下文 |
+| Google | 15% | -1.2% | 搜索整合 + 多模态 |
+| Meta | 12% | +3.8% | 开源 + 成本优势 |
+
+Anthropic 的增长最快（+5.1%），说明 **安全对齐** 正在成为关键竞争力。
+
+### 3. 值得关注的趋势
+
+- **可信度** 是用户选择助手的首要因素（47% 受访者提及）
+- 企业用户对 \`system prompt\` 透明度的需求同比增长 **82%**
+- 工具调用（Function Calling）使用率从 23% 增长到 51%
+- 报告结语指出：**竞争正从模型能力转向体验设计**
+
+---
+
+需要我深入分析某个方面吗？点击文档的 **「查看解析」** 按钮可以看到 AI 提取的完整结构化内容。`,
         },
       ],
       timestamp: now - 60000,

src/data/demos/demo-e.ts

@@ -1,13 +1,53 @@
+/**
+ * Demo E — 日志分析（无文档传入）
+ *
+ * 场景：用户分享一段 Nginx 访问日志，请求 AI 助手帮忙分析
+ * 异常模式和潜在安全风险。
+ *
+ * 关键展示：
+ *   1. long_text 用于展示原始日志全文（折叠态仅显示前2行）
+ *   2. tool_call_request/result 展示日志分析工具的调用过程
+ *   3. static_var 注入服务器环境和分析参数
+ *   4. memory 记录用户的系统环境和分析偏好
+ *   5. 无 document/media 段 —— 突出"纯文本日志分析"场景
+ */
+
 import type { PromptEnvelope } from '../../types/protocol'
 import { getSkills } from '../skills'
 
 const now = Date.now()
 
+const sampleLog = `192.168.1.10 - - [07/Jun/2026:10:15:23 +0800] "GET /api/users HTTP/1.1" 200 1234 "-" "curl/7.88.1"
+192.168.1.20 - - [07/Jun/2026:10:15:25 +0800] "POST /api/login HTTP/1.1" 302 0 "-" "Mozilla/5.0"
+10.0.0.5 - - [07/Jun/2026:10:15:28 +0800] "GET /health HTTP/1.1" 200 2 "-" "Kubernetes/1.28"
+192.168.1.10 - - [07/Jun/2026:10:16:01 +0800] "GET /api/orders HTTP/1.1" 200 8921 "-" "curl/7.88.1"
+203.0.113.42 - - [07/Jun/2026:10:16:05 +0800] "GET /admin HTTP/1.1" 403 189 "-" "python-requests/2.31.0"
+203.0.113.42 - - [07/Jun/2026:10:16:06 +0800] "GET /admin/config HTTP/1.1" 404 153 "-" "python-requests/2.31.0"
+203.0.113.42 - - [07/Jun/2026:10:16:07 +0800] "POST /admin/login HTTP/1.1" 401 198 "-" "python-requests/2.31.0"
+203.0.113.42 - - [07/Jun/2026:10:16:08 +0800] "POST /admin/login HTTP/1.1" 401 198 "-" "python-requests/2.31.0"
+203.0.113.42 - - [07/Jun/2026:10:16:09 +0800] "POST /admin/login HTTP/1.1" 401 198 "-" "python-requests/2.31.0"
+203.0.113.42 - - [07/Jun/2026:10:16:10 +0800] "POST /admin/login HTTP/1.1" 401 198 "-" "python-requests/2.31.0"
+203.0.113.42 - - [07/Jun/2026:10:16:11 +0800] "POST /admin/login HTTP/1.1" 401 198 "-" "python-requests/2.31.0"
+192.168.1.30 - - [07/Jun/2026:10:17:00 +0800] "GET /api/products?page=1 HTTP/1.1" 200 15420 "-" "Mozilla/5.0"
+192.168.1.30 - - [07/Jun/2026:10:17:02 +0800] "GET /api/products?page=2 HTTP/1.1" 200 14893 "-" "Mozilla/5.0"
+192.168.1.30 - - [07/Jun/2026:10:17:04 +0800] "GET /api/products?page=3 HTTP/1.1" 200 15102 "-" "Mozilla/5.0"
+198.51.100.7 - - [07/Jun/2026:10:18:30 +0800] "GET / HTTP/1.1" 200 5678 "-" "Mozilla/5.0"
+198.51.100.7 - - [07/Jun/2026:10:18:32 +0800] "GET /static/css/main.css HTTP/1.1" 200 28491 "-" "Mozilla/5.0"
+198.51.100.7 - - [07/Jun/2026:10:18:33 +0800] "GET /static/js/app.js HTTP/1.1" 200 128034 "-" "Mozilla/5.0"
+10.0.0.5 - - [07/Jun/2026:10:20:00 +0800] "GET /health HTTP/1.1" 200 2 "-" "Kubernetes/1.28"
+192.168.1.10 - - [07/Jun/2026:10:21:15 +0800] "GET /api/users HTTP/1.1" 200 1234 "-" "curl/7.88.1"
+192.168.1.10 - - [07/Jun/2026:10:21:16 +0800] "GET /api/orders HTTP/1.1" 200 8921 "-" "curl/7.88.1"
+192.168.1.10 - - [07/Jun/2026:10:21:17 +0800] "GET /api/products HTTP/1.1" 200 15420 "-" "curl/7.88.1"
+10.0.0.6 - - [07/Jun/2026:10:22:00 +0800] "GET /health HTTP/1.1" 503 57 "-" "Kubernetes/1.28"
+10.0.0.6 - - [07/Jun/2026:10:22:05 +0800] "GET /health HTTP/1.1" 503 57 "-" "Kubernetes/1.28"
+10.0.0.6 - - [07/Jun/2026:10:22:10 +0800] "GET /health HTTP/1.1" 503 57 "-" "Kubernetes/1.28"
+10.0.0.6 - - [07/Jun/2026:10:22:15 +0800] "GET /health HTTP/1.1" 200 2 "-" "Kubernetes/1.28"`
+
 export const demoE: PromptEnvelope = {
   version: '1.0',
   model: 'claude-opus-4-8',
   messages: [
-    // --- System message: 加载 skills + memory + tools ---
+    // --- System message ---
     {
       id: 'e-1',
       role: 'system',
@@ -20,45 +60,56 @@ export const demoE: PromptEnvelope = {
         },
         {
           kind: 'static_var',
-          name: 'language',
+          name: 'server_name',
-          value: '中文（简体）',
+          value: 'production-api-01',
-          description: '模型回复的首选语言',
+          description: '目标服务器名称',
         },
         {
           kind: 'static_var',
-          name: 'knowledge_cutoff',
+          name: 'analysis_depth',
-          value: '2026年1月',
+          value: '全面（异常检测 + 安全审计 + 性能分析）',
-          description: '模型训练数据截止日期',
+          description: '日志分析的范围深度',
         },
         {
           kind: 'system_prompt',
           content: `当前日期：{{current_date}}
-回复语言：{{language}}
+目标服务器：{{server_name}}
-知识截止：{{knowledge_cutoff}}
+分析范围：{{analysis_depth}}
 
-你是 HCI 课程设计助手，具备 Anthropic Skills 机制。
+你是日志分析专家助手。你的核心能力：
 
-你有以下 skills 可用。用户输入以 / 开头的命令时会直接触发对应 skill。你也可以在分析用户意图后，主动建议合适的 skill。
+1. **异常检测** — 识别错误状态码（4xx/5xx）、请求突增、响应时间异常
+2. **安全审计** — 发现暴力破解尝试、路径探测、SQL 注入尝试
+3. **性能分析** — 统计端点响应分布、慢请求排查、热点资源识别
+4. **趋势报告** — 按时间窗口聚合，生成可读性高的分析摘要
 
-回复风格：简洁、有结构、给出可操作建议。`,
+分析原则：
+- 优先发现模式而非孤立事件
+- 区分误报和真正的问题
+- 每个发现标注严重等级和置信度
+- 在工具调用中执行计算分析，回复中给出解读`,
           collapsed: true,
         },
         {
           kind: 'memory',
           description:
-            '以下是从过往对话中总结的关于你的信息，模型会参考这些记忆来个性化回复。',
+            '以下是你对用户的了解，参考这些记录来提供个性化的日志分析服务。',
           items: [
             {
-              title: '用户背景',
+              title: '用户身份',
-              content: '小明，设计系研二，HCI 方向。正在做课程设计，课题是 LLM 上下文透明性。',
+              content: '小陈，后端开发工程师，负责生产环境的运维监控。',
             },
             {
-              title: '当前进度',
+              title: '系统环境',
-              content: '已完成 MVP 开发（React + TypeScript 聊天界面），展示了 9 种 Segment 的差异化渲染。',
+              content: 'Kubernetes 集群上的微服务架构，API 网关使用 Nginx。生产环境有三台节点。',
             },
             {
-              title: '关注点',
+              title: '分析偏好',
-              content: '关心 Anthropic Skills 的渐进式披露机制能否作为 HCI 课程中的交互设计案例。',
+              content: '偏好先看整体概览再深入细节。对安全相关告警特别敏感，需要高亮标注。',
+            },
+            {
+              title: '上次分析记录',
+              content: '上周分析过同一台服务器的日志，发现了一个定时任务导致的 503 抖动。',
             },
           ],
           collapsed: true,
@@ -66,190 +117,285 @@ export const demoE: PromptEnvelope = {
         {
           kind: 'skills',
           description:
-            'Skills 是模型可调用的内置能力。输入 / 触发，或根据对话上下文由 Agent 自动判断并调用。当前可用以下 skills：',
+            '以下是可用的技能助手，通过 /skill_name 触发：',
-          items: getSkills(['deep-research', 'code-review', 'verify', 'simplify', 'loop']),
+          items: getSkills(['summarize', 'qa', 'translate']),
           collapsed: true,
         },
         {
           kind: 'tool_overview',
           items: [
             {
-              name: 'run_skill',
+              name: 'run_code',
-              description: '执行一个 Skill（slash command）',
+              description: '在沙箱中执行 Python/Shell 代码进行日志解析和统计',
-              parameters: 'skill_name: string, input: string',
+              parameters: 'language: string, code: string',
               schema: {
                 type: 'object',
                 properties: {
-                  skill_name: { type: 'string', description: 'Skill 名称' },
+                  language: { type: 'string', enum: ['python', 'bash'], description: '执行语言' },
-                  input: { type: 'string', description: '传递给 skill 的用户输入' },
+                  code: { type: 'string', description: '要执行的代码' },
                 },
-                required: ['skill_name', 'input'],
+                required: ['language', 'code'],
+              },
+            },
+            {
+              name: 'search_knowledge',
+              description: '搜索已知的漏洞模式和安全公告',
+              parameters: 'query: string',
+              schema: {
+                type: 'object',
+                properties: {
+                  query: { type: 'string', description: '搜索关键词' },
+                },
+                required: ['query'],
               },
             },
           ],
           collapsed: true,
         },
       ],
-      timestamp: now - 360000,
+      timestamp: now - 600000,
     },
-    // --- User message: 触发 research 需求 ---
+    // --- User 请求日志分析 ---
     {
       id: 'e-2',
       role: 'user',
       segments: [
         {
           kind: 'text',
-          content: '我想深入了解 Anthropic Skills 的渐进式披露机制（Progressive Disclosure），作为我的 HCI 课程论文的案例研究对象。请帮我调研一下这个机制的设计原理、交互模式和学术界相关讨论。',
+          content: '生产环境 API 服务器刚刚的访问日志，帮我看一下有没有异常。我自己扫了一遍，感觉有几个可疑的 IP 在尝试访问 /admin 路径，但不太确定是不是误报。另外 /health 端点偶尔返回 503 的情况也需要你分析一下。',
+        },
+        {
+          kind: 'long_text',
+          content: sampleLog,
+          charCount: sampleLog.length,
+          collapsed: true,
         },
       ],
-      timestamp: now - 300000,
+      timestamp: now - 500000,
     },
-    // --- Assistant: 判断需要 research，主动触发 /deep-research ---
+    // --- Assistant 初始分析回复 ---
     {
       id: 'e-3',
       role: 'assistant',
       segments: [
         {
           kind: 'text',
-          content: `你的课程论文选题很棒！Anthropic Skills 的渐进式披露机制确实是一个很好的 HCI 案例分析对象——它以 **三阶段信息展开**（overview → detail → full instructions）来降低认知负荷，同时保持功能的可发现性。
+          content: `我来分析这份日志。先快速概览一下整体情况：
 
-让我用 \`/deep-research\` skill 做一个系统性调研：`,
+从格式看是标准的 Nginx combined 格式，时间窗口约 **10:15–10:22**（约 7 分钟），共 **25 条**请求记录。几家不同的客户端：
+
+- **192.168.1.10** — 内部 API 调用（curl）
+- **192.168.1.20** — 正常浏览器登录
+- **10.0.0.5** — K8s 健康检查
+- **192.168.1.30** — 浏览器浏览商品页面
+- **198.51.100.7** — 正常用户访问首页
+- **10.0.0.6** — 另一台节点的健康检查
+- **203.0.113.42** — ⚠️ 可疑 IP
+
+我先用 \`run_code\` 对请求做聚合统计，确认模式后再深入分析可疑流量。`,
         },
         {
           kind: 'tool_call_request',
-          toolName: 'run_skill',
+          toolName: 'run_code',
           arguments: {
-            skill_name: 'deep-research',
+            language: 'python',
-            input: 'Anthropic Skills progressive disclosure mechanism — design principles, interaction patterns, HCI academic discussions, related concepts (progressive disclosure in UX, Nielsen\'s heuristics, information architecture patterns for AI interfaces)',
+            code: `from collections import Counter, defaultdict
+import re
+
+log_text = """192.168.1.10 - - [07/Jun/2026:10:15:23 +0800] "GET /api/users HTTP/1.1" 200 1234 "-" "curl/7.88.1"
+192.168.1.20 - - [07/Jun/2026:10:15:25 +0800] "POST /api/login HTTP/1.1" 302 0 "-" "Mozilla/5.0"
+10.0.0.5 - - [07/Jun/2026:10:15:28 +0800] "GET /health HTTP/1.1" 200 2 "-" "Kubernetes/1.28"
+192.168.1.10 - - [07/Jun/2026:10:16:01 +0800] "GET /api/orders HTTP/1.1" 200 8921 "-" "curl/7.88.1"
+203.0.113.42 - - [07/Jun/2026:10:16:05 +0800] "GET /admin HTTP/1.1" 403 189 "-" "python-requests/2.31.0"
+203.0.113.42 - - [07/Jun/2026:10:16:06 +0800] "GET /admin/config HTTP/1.1" 404 153 "-" "python-requests/2.31.0"
+203.0.113.42 - - [07/Jun/2026:10:16:07 +0800] "POST /admin/login HTTP/1.1" 401 198 "-" "python-requests/2.31.0"
+203.0.113.42 - - [07/Jun/2026:10:16:08 +0800] "POST /admin/login HTTP/1.1" 401 198 "-" "python-requests/2.31.0"
+203.0.113.42 - - [07/Jun/2026:10:16:09 +0800] "POST /admin/login HTTP/1.1" 401 198 "-" "python-requests/2.31.0"
+203.0.113.42 - - [07/Jun/2026:10:16:10 +0800] "POST /admin/login HTTP/1.1" 401 198 "-" "python-requests/2.31.0"
+203.0.113.42 - - [07/Jun/2026:10:16:11 +0800] "POST /admin/login HTTP/1.1" 401 198 "-" "python-requests/2.31.0"
+192.168.1.30 - - [07/Jun/2026:10:17:00 +0800] "GET /api/products?page=1 HTTP/1.1" 200 15420 "-" "Mozilla/5.0"
+192.168.1.30 - - [07/Jun/2026:10:17:02 +0800] "GET /api/products?page=2 HTTP/1.1" 200 14893 "-" "Mozilla/5.0"
+192.168.1.30 - - [07/Jun/2026:10:17:04 +0800] "GET /api/products?page=3 HTTP/1.1" 200 15102 "-" "Mozilla/5.0"
+198.51.100.7 - - [07/Jun/2026:10:18:30 +0800] "GET / HTTP/1.1" 200 5678 "-" "Mozilla/5.0"
+198.51.100.7 - - [07/Jun/2026:10:18:32 +0800] "GET /static/css/main.css HTTP/1.1" 200 28491 "-" "Mozilla/5.0"
+198.51.100.7 - - [07/Jun/2026:10:18:33 +0800] "GET /static/js/app.js HTTP/1.1" 200 128034 "-" "Mozilla/5.0"
+10.0.0.5 - - [07/Jun/2026:10:20:00 +0800] "GET /health HTTP/1.1" 200 2 "-" "Kubernetes/1.28"
+192.168.1.10 - - [07/Jun/2026:10:21:15 +0800] "GET /api/users HTTP/1.1" 200 1234 "-" "curl/7.88.1"
+192.168.1.10 - - [07/Jun/2026:10:21:16 +0800] "GET /api/orders HTTP/1.1" 200 8921 "-" "curl/7.88.1"
+192.168.1.10 - - [07/Jun/2026:10:21:17 +0800] "GET /api/products HTTP/1.1" 200 15420 "-" "curl/7.88.1"
+10.0.0.6 - - [07/Jun/2026:10:22:00 +0800] "GET /health HTTP/1.1" 503 57 "-" "Kubernetes/1.28"
+10.0.0.6 - - [07/Jun/2026:10:22:05 +0800] "GET /health HTTP/1.1" 503 57 "-" "Kubernetes/1.28"
+10.0.0.6 - - [07/Jun/2026:10:22:10 +0800] "GET /health HTTP/1.1" 503 57 "-" "Kubernetes/1.28"
+10.0.0.6 - - [07/Jun/2026:10:22:15 +0800] "GET /health HTTP/1.1" 200 2 "-" "Kubernetes/1.28"""
+
+# 解析日志
+pattern = r'(\\S+) - - \\[(.+?)\\] "(.+?)" (\\d+) (\\d+) ".*?" "(.*?)"'
+records = []
+for line in log_text.strip().split('\\n'):
+    m = re.match(pattern, line)
+    if m:
+        records.append({
+            'ip': m.group(1),
+            'time': m.group(2),
+            'request': m.group(3),
+            'status': int(m.group(4)),
+            'size': int(m.group(5)),
+            'ua': m.group(6)
+        })
+
+# 1. IP 统计
+print("=== 按 IP 请求量统计 ===")
+ip_counter = Counter(r['ip'] for r in records)
+for ip, count in ip_counter.most_common():
+    print(f"  {ip:20s} → {count} 次请求")
+
+# 2. 状态码分布
+print("\\n=== 状态码分布 ===")
+status_counter = Counter(r['status'] for r in records)
+for code, count in sorted(status_counter.items()):
+    print(f"  {code} → {count} 次")
+
+# 3. 可疑 IP 分析
+print("\\n=== 可疑 IP: 203.0.113.42 的请求序列 ===")
+for r in records:
+    if r['ip'] == '203.0.113.42':
+        print(f"  [{r['time']}] {r['request']} → {r['status']}")
+
+# 4. /health 端点分析
+print("\\n=== /health 端点状态 ===")
+for r in records:
+    if '/health' in r['request']:
+        print(f"  {r['ip']:15s} [{r['time']}] → {r['status']} (UA: {r['ua']})")
+
+# 5. 非 2xx 占比
+total = len(records)
+errors = sum(1 for r in records if r['status'] >= 400)
+print(f"\\n=== 总结 ===")
+print(f"  总请求数: {total}")
+print(f"  错误请求: {errors} ({errors/total*100:.1f}%)")
+print(f"  正常请求: {total - errors} ({(total-errors)/total*100:.1f}%)")`,
           },
           collapsed: false,
         },
       ],
-      timestamp: now - 280000,
+      timestamp: now - 480000,
     },
-    // --- Skill 触发：指令以 tool_call_result 形式追加到对话 ---
+    // --- Tool 调用结果 ---
     {
       id: 'e-4',
       role: 'assistant',
       segments: [
         {
           kind: 'tool_call_result',
-          toolName: 'run_skill',
+          toolName: 'run_code',
           success: true,
-          result: `[/deep-research 已触发]
+          result: `=== 按 IP 请求量统计 ===
+  192.168.1.10       → 5 次请求
+  203.0.113.42       → 7 次请求
+  198.51.100.7       → 3 次请求
+  10.0.0.5           → 2 次请求
+  10.0.0.6           → 4 次请求
+  192.168.1.20       → 1 次请求
+  192.168.1.30       → 3 次请求
 
-深度研究工作流程：
+=== 状态码分布 ===
-1. 分析用户问题，拆解为 3-5 个子问题
+  200 → 14 次
-2. 对每个子问题执行多源搜索（学术 + 行业 + 新闻）
+  302 → 1 次
-3. 抓取高相关性页面全文
+  401 → 5 次
-4. 交叉验证：至少两个独立来源确认同一关键事实
+  403 → 1 次
-5. 生成报告格式：摘要 → 分项发现 → 证据表 → 限定说明
+  404 → 1 次
-6. 每声明标注来源和可信度评级`,
+  503 → 3 次
-          collapsed: true,
+
+=== 可疑 IP: 203.0.113.42 的请求序列 ===
+  [07/Jun/2026:10:16:05 +0800] GET /admin → 403
+  [07/Jun/2026:10:16:06 +0800] GET /admin/config → 404
+  [07/Jun/2026:10:16:07 +0800] POST /admin/login → 401
+  [07/Jun/2026:10:16:08 +0800] POST /admin/login → 401
+  [07/Jun/2026:10:16:09 +0800] POST /admin/login → 401
+  [07/Jun/2026:10:16:10 +0800] POST /admin/login → 401
+  [07/Jun/2026:10:16:11 +0800] POST /admin/login → 401
+
+=== /health 端点状态 ===
+  10.0.0.5  [07/Jun/2026:10:15:28 +0800] → 200 (UA: Kubernetes/1.28)
+  10.0.0.5  [07/Jun/2026:10:20:00 +0800] → 200 (UA: Kubernetes/1.28)
+  10.0.0.6  [07/Jun/2026:10:22:00 +0800] → 503 (UA: Kubernetes/1.28)
+  10.0.0.6  [07/Jun/2026:10:22:05 +0800] → 503 (UA: Kubernetes/1.28)
+  10.0.0.6  [07/Jun/2026:10:22:10 +0800] → 503 (UA: Kubernetes/1.28)
+  10.0.0.6  [07/Jun/2026:10:22:15 +0800] → 503 (UA: Kubernetes/1.28)
+
+=== 总结 ===
+  总请求数: 25
+  错误请求: 10 (40.0%)
+  非 2xx 响应占比高达 40%，
+  主要集中在两个异常模式上。`,
+          collapsed: false,
         },
       ],
-      timestamp: now - 270000,
+      timestamp: now - 460000,
     },
-    // --- Skill execution result ---
+    // --- Assistant 综合报告 ---
     {
       id: 'e-5',
       role: 'assistant',
-      segments: [
-        {
-          kind: 'tool_call_result',
-          toolName: 'run_skill',
-          success: true,
-          result: `[/deep-research] 执行完成 · 搜索 12 个来源 · 抓取 8 篇全文 · 交叉验证通过
-
-## 摘要
-
-Anthropic Skills 的渐进式披露机制是一种三层信息架构，专门为 AI 代理的可扩展功能系统设计。核心思想："仅在用户需要时才展示细节"，与 Nielsen 的经典可用性原则高度一致。
-
-## 分项发现
-
-### 1. 三层披露模型
-
-| 层次 | 内容 | 触发时机 |
-|------|------|---------|
-| L1 概览 | 名称 + 一句话描述 | 始终可见（skills 面板） |
-| L2 详情 | 功能说明 + 触发条件 + 参数 | 用户点击展开 |
-| L3 指令 | 完整 system prompt 正文 | 用户再次点击"查看注入指令" |
-
-**设计原理**：这是 "information on demand" 模式的实现——信息存在但不喧嚣。L1 提供识别（recognition），L2 提供评估（evaluation），L3 提供理解（understanding）。
-
-### 2. 与经典 HCI 理论的对应
-
-- **Nielsen 的 Flexibility & Efficiency heuristics**：L1 满足新手（可识别），L3 满足专家（可审阅）
-- **Shneiderman 的 Visual Information Seeking Mantra**："Overview first, zoom and filter, then details-on-demand"——三层模型完美映射到 overview → zoom → details 流程
-- **Cognitive Load Theory (Sweller)**：L1 层只占用工作记忆的极小空间，L2/L3 按需加载
-
-### 3. 与其他 AI 产品的对比
-
-- **OpenAI GPTs**：配置页是扁平表单，缺乏渐进式展开 → 认知负荷高
-- **Gemini Gems**：类似 GPTs，所有配置信息同时可见
-- **Anthropic Skills**：三层的文件系统式浏览——/ 触发、描述预览、then 深入
-
-### 4. 交互模式创新
-
-Skills 采用了 **slash command + 自然语言** 的双模触发：
-- 显式触发：用户输入 \`/skill-name\`
-- 隐式触发：Agent 根据对话上下文判断并建议使用 skill
-
-这在 HCI 上称为 "mixed-initiative interaction"。
-
-### 5. 学术相关文献
-
-1. "Progressive Disclosure in Mobile UI" (CHI 2016) — 实验证明渐进式展开减少 37% 的错误操作
-2. "Designing for Mixed-Initiative Interaction" (TOCHI 2020) — Agent 主动建议 vs 用户显式触发的用户偏好研究
-3. "Information Scent in AI Interfaces" (CSCW 2024) — 讨论了 skills 描述如何帮助用户形成"信息气味"
-
-## 证据表
-
-| 声明 | 来源 | 可信度 |
-|------|------|--------|
-| 三层披露模型 | Anthropic Agent SDK 文档 | ★★★★★ |
-| 37% 错误减少 | CHI 2016 实验 | ★★★★ |
-| Mixed-initiative | TOCHI 2020 | ★★★★ |
-
-## 限定说明
-
-Anthropic Skills 机制仍在快速迭代中。上述分析基于 2026 年 6 月的公开文档和代码。建议在论文中标注版本时间。`,
-          collapsed: false,
-        },
-      ],
-      timestamp: now - 260000,
-    },
-    // --- Assistant: 综合报告 ---
-    {
-      id: 'e-6',
-      role: 'assistant',
       segments: [
         {
           kind: 'text',
-          content: `## 调研结论
+          content: `## 日志分析报告
 
-基于 \`/deep-research\` 的交叉验证结果，我建议你的论文从以下角度分析 Skills 渐进式披露：
+### 🔴 高危：暴力破解尝试
 
-### 🎯 最佳分析框架
+**IP: 203.0.113.42**（来源：外部，UA: python-requests）
 
-**Shneiderman 的 "Overview first, zoom and filter, then details-on-demand"** 是最贴切的理论框架——Skills 的三层模型几乎是对这个 mantra 的精确工程实现。
+在 **10:16:05–10:16:11** 的 6 秒内向 /admin 路径连续发送了 **7 次请求**，典型的暴力破解模式：
 
-### 📐 可量化的 HCI 指标
+| 时间 | 请求 | 状态 | 说明 |
+|------|------|------|------|
+| +0s | GET /admin | 403 | 探路——发现 /admin 存在 |
+| +1s | GET /admin/config | 404 | 试图访问敏感配置 |
+| +2~6s | POST /admin/login ×5 | 401 | 连续尝试登录——5 次均失败 |
 
-1. **信息可发现性**：L1 概览层——用户能否快速识别需要的 skill（recognition over recall）
+**建议措施：**
-2. **认知负荷**：对比"全量展示"vs"渐进式披露"的工作记忆占用
+- 🔒 立即对该 IP 加入 WAF 黑名单
-3. **操作效率**：slash command 显式触发 vs Agent 隐式建议的完成时间对比
+- 📋 检查 fail2ban 或类似自动封禁机制是否正常运行
+- 🚨 确认 admin 端点的访问控制策略（当前 403 正确拦截，但暴力破解仍消耗服务器资源）
 
-### 🔗 建议引用的关键文献
+---
 
-- CHI 2016 的渐进式披露实验（有量化数据支持你的设计论点）
+### 🟡 中危：/health 端点间歇 503
-- TOCHI 2020 的 mixed-initiative 研究（对应双模触发机制）
-- Anthropic 2025 的 Skills Architecture RFC（一手来源）
 
-需要我帮你生成论文的文献综述部分吗？`,
+**节点 10.0.0.6** 在 **10:22:00–10:22:10** 的 10 秒内连续返回 503，随后恢复 200。而 **10.0.0.5** 一直正常。
+
+这与上周分析中定时任务导致的 503 抖动模式一致。建议检查该节点上是否在整点前后有定时任务（如日志轮转、缓存预热等）。
+
+**建议措施：**
+- ⏰ 检查 10.0.0.6 的 cron 配置
+- 📊 添加更细粒度的 /health 监控（响应耗时 + 组件健康分别上报）
+- 🔄 考虑滚动重启使两个节点的健康检查窗口错开
+
+---
+
+### 🟢 常规观察
+
+- **192.168.1.10** — 内部 API 客户端，访问模式正常（用户/订单/商品查询）
+- **192.168.1.20** — 一次正常登录（POST /api/login → 302 重定向）
+- **198.51.100.7** — 正常用户访问，加载了首页 + CSS + JS
+- **192.168.1.30** — 分页浏览商品，行为正常
+- 无性能异常（无超时记录或慢请求）
+
+---
+
+### 📋 总结优先级
+
+| 优先级 | 问题 | 影响 |
+|--------|------|------|
+| P0 | 203.0.113.42 暴力破解 | 安全风险，立即封禁 |
+| P1 | 10.0.0.6 间歇 503 | 稳定性风险，排查定时任务 |
+| P3 | 整体 40% 非 2xx | 排除以上两者后正常 |
+
+需要我进一步分析某个方面吗？比如用 search_knowledge 查询 203.0.113.42 是否在已知攻击数据库中出现过？`,
         },
       ],
-      timestamp: now - 240000,
+      timestamp: now - 420000,
     },
   ],
 }

src/types/protocol.ts

@@ -132,6 +132,7 @@ export interface DocumentSegment {
   mimeType: string
   snippet: string // 前 200 字符预览
   sizeBytes: number
+  parsedContent?: string // 解析后的完整文本内容（点击"查看解析"时展示）
 }
 
 export interface LongTextSegment {