feat: 实现客户画像自动生成功能

1. 新增客户画像生成相关实体、Mapper、Service和控制器
2. 扩展CustomerProfile实体字段，增加自动生成标记相关属性
3. 新增画像生成日志表和相关业务逻辑
4. 前端客户列表页面增加画像管理Tab和批量生成功能
5. 补充完整的客户画像自动生成方案文档

backend/intent-service/src/main/java/com/artedu/intent/controller/ProfileGenerationController.java

@@ -0,0 +1,80 @@
+package com.artedu.intent.controller;
+
+import com.artedu.common.result.Result;
+import com.artedu.intent.entity.ProfileGenerationLog;
+import com.artedu.intent.service.ProfileGenerationService;
+import com.baomidou.mybatisplus.core.conditions.query.LambdaQueryWrapper;
+import lombok.Data;
+import lombok.extern.slf4j.Slf4j;
+import org.springframework.beans.factory.annotation.Autowired;
+import org.springframework.validation.annotation.Validated;
+import org.springframework.web.bind.annotation.*;
+
+import javax.validation.constraints.Max;
+import javax.validation.constraints.Min;
+import javax.validation.constraints.NotBlank;
+import javax.validation.constraints.NotEmpty;
+import java.util.List;
+import java.util.Map;
+
+/**
+ * 客户画像生成管理接口（Admin 后台用）
+ */
+@Slf4j
+@Validated
+@RestController
+@RequestMapping("/api/v1/intent/profiles")
+public class ProfileGenerationController {
+
+    @Autowired
+    private ProfileGenerationService profileGenerationService;
+
+    /**
+     * 查询无画像的客户列表
+     */
+    @GetMapping("/without-profile")
+    public Result<List<Map<String, Object>>> listCustomersWithoutProfile(
+            @NotBlank @RequestParam("corpId") String corpId,
+            @RequestParam(value = "minMsgCount", defaultValue = "5") @Min(1) @Max(100) int minMsgCount,
+            @RequestParam(value = "limit", defaultValue = "50") @Min(1) @Max(200) int limit) {
+        List<Map<String, Object>> list = profileGenerationService.findCustomersWithoutProfile(corpId, limit, minMsgCount);
+        return Result.success(list);
+    }
+
+    /**
+     * 为单个客户生成画像
+     */
+    @PostMapping("/generate/{customerId}")
+    public Result<ProfileGenerationService.GenerationResult> generateSingle(
+            @NotBlank @PathVariable("customerId") String customerId,
+            @NotBlank @RequestParam("corpId") String corpId) {
+        log.info("手动生成客户画像: customerId={}, corpId={}", customerId, corpId);
+        ProfileGenerationService.GenerationResult result = profileGenerationService.generateFullProfile(customerId, corpId);
+        if (result.isSuccess()) {
+            return Result.success(result);
+        } else {
+            return Result.fail(result.getErrorMsg());
+        }
+    }
+
+    /**
+     * 批量生成画像（异步）
+     */
+    @PostMapping("/generate/batch")
+    public Result<String> batchGenerate(@RequestBody @Validated BatchGenerateRequest request) {
+        log.info("批量生成画像: corpId={}, customerCount={}", request.getCorpId(), request.getCustomerIds().size());
+        profileGenerationService.batchGenerate(request.getCorpId(), request.getCustomerIds(), request.getOperator());
+        return Result.success("批量画像生成任务已启动，请稍后查看结果");
+    }
+
+    // --- DTO ---
+
+    @Data
+    public static class BatchGenerateRequest {
+        @NotBlank(message = "corpId不能为空")
+        private String corpId;
+        @NotEmpty(message = "customerIds不能为空")
+        private List<String> customerIds;
+        private String operator;
+    }
+}

backend/intent-service/src/main/java/com/artedu/intent/entity/CustomerProfile.java

@@ -35,6 +35,9 @@ public class CustomerProfile {
     private String slotData;
     private Integer conversationCount;
     private LocalDateTime lastConversationTime;
+    private Integer autoGenerated;
+    private LocalDateTime lastGeneratedAt;
+    private String generatedBy;
     private LocalDateTime createdAt;
     private LocalDateTime updatedAt;
 }

backend/intent-service/src/main/java/com/artedu/intent/entity/ProfileGenerationLog.java

@@ -0,0 +1,34 @@
+package com.artedu.intent.entity;
+
+import com.baomidou.mybatisplus.annotation.IdType;
+import com.baomidou.mybatisplus.annotation.TableId;
+import com.baomidou.mybatisplus.annotation.TableName;
+import lombok.Data;
+
+import java.time.LocalDateTime;
+
+/**
+ * 画像生成日志
+ */
+@Data
+@TableName("profile_generation_logs")
+public class ProfileGenerationLog {
+
+    @TableId(type = IdType.AUTO)
+    private Long id;
+
+    private String customerId;
+    private String corpId;
+    private String generationType;
+    private Integer sourceMsgCount;
+    private Integer sourceSessionCount;
+    private LocalDateTime analyzedAt;
+    private String llmModel;
+    private Integer llmPromptLength;
+    private Integer llmResponseLength;
+    private Integer durationMs;
+    private Integer success;
+    private String errorMsg;
+    private String changesSnapshot;
+    private LocalDateTime createdAt;
+}

backend/intent-service/src/main/java/com/artedu/intent/mapper/ProfileGenerationLogMapper.java

@@ -0,0 +1,9 @@
+package com.artedu.intent.mapper;
+
+import com.artedu.intent.entity.ProfileGenerationLog;
+import com.baomidou.mybatisplus.core.mapper.BaseMapper;
+import org.apache.ibatis.annotations.Mapper;
+
+@Mapper
+public interface ProfileGenerationLogMapper extends BaseMapper<ProfileGenerationLog> {
+}

backend/intent-service/src/main/java/com/artedu/intent/service/ProfileGenerationService.java

@@ -0,0 +1,473 @@
+package com.artedu.intent.service;
+
+import com.artedu.common.result.PageResult;
+import com.artedu.common.util.JsonUtils;
+import com.artedu.intent.entity.CustomerProfile;
+import com.artedu.intent.entity.ProfileGenerationLog;
+import com.artedu.intent.mapper.CustomerProfileMapper;
+import com.artedu.intent.mapper.ProfileGenerationLogMapper;
+import com.baomidou.mybatisplus.core.conditions.query.LambdaQueryWrapper;
+import lombok.extern.slf4j.Slf4j;
+import org.springframework.beans.factory.annotation.Autowired;
+import org.springframework.beans.factory.annotation.Value;
+import org.springframework.http.*;
+import org.springframework.jdbc.core.JdbcTemplate;
+import org.springframework.scheduling.annotation.Async;
+import org.springframework.stereotype.Service;
+import org.springframework.web.client.RestTemplate;
+
+import java.time.Instant;
+import java.time.LocalDateTime;
+import java.time.ZoneId;
+import java.time.format.DateTimeFormatter;
+import java.util.*;
+import java.util.stream.Collectors;
+
+/**
+ * 客户画像自动生成服务
+ */
+@Slf4j
+@Service
+public class ProfileGenerationService {
+
+    @Value("${generation.service.url:http://generation-service:8086}")
+    private String generationServiceUrl;
+
+    @Autowired
+    private JdbcTemplate jdbcTemplate;
+
+    @Autowired
+    private CustomerProfileMapper customerProfileMapper;
+
+    @Autowired
+    private ProfileGenerationLogMapper logMapper;
+
+    private final RestTemplate restTemplate = new RestTemplate();
+
+    private static final String SYSTEM_PROMPT = "你是一位专业的教育培训机构客户分析师。请根据学员与课程顾问的完整对话历史，提取学员画像信息。\n" +
+            "\n【分析要求】\n" +
+            "1. 仔细阅读所有对话，从中提取学员的真实情况和需求\n" +
+            "2. 不要凭空猜测，只提取对话中有明确证据支撑的信息\n" +
+            "3. 如果某个字段在对话中没有足够证据，请标记为\"未知\"并给出低置信度\n" +
+            "4. 对于同一字段的多个线索，综合判断取最可靠的结论\n" +
+            "5. 注意识别\"家长代询\"的情况（对话中出现\"我孩子\"、\"我家\"等表述）\n" +
+            "\n【输出格式】\n" +
+            "必须严格返回以下JSON格式，不要包含任何其他文字：\n" +
+            "{\"studentType\":{\"value\":\"\",\"confidence\":0,\"evidence\":\"\"},\"skillLevel\":{\"value\":\"\",\"confidence\":0,\"evidence\":\"\"},\"intentLevel\":{\"value\":\"\",\"confidence\":0,\"evidence\":\"\"},\"intentScore\":{\"value\":0,\"confidence\":0,\"evidence\":\"\"},\"concernFocus\":{\"value\":\"\",\"confidence\":0,\"evidence\":\"\"},\"decisionStage\":{\"value\":\"\",\"confidence\":0,\"evidence\":\"\"},\"interestedCourses\":{\"value\":[],\"confidence\":0,\"evidence\":\"\"},\"budgetHint\":{\"value\":\"\",\"confidence\":0,\"evidence\":\"\"},\"preferredCity\":{\"value\":\"\",\"confidence\":0,\"evidence\":\"\"},\"age\":{\"value\":null,\"confidence\":0,\"evidence\":\"\"},\"education\":{\"value\":\"\",\"confidence\":0,\"evidence\":\"\"},\"currentOccupation\":{\"value\":\"\",\"confidence\":0,\"evidence\":\"\"},\"summary\":\"\",\"keyQuotes\":[]}\n" +
+            "\n【字段枚举值】\n" +
+            "- studentType: 在校大学生/转行人员/在职提升/高中毕业生/家长代询/未知\n" +
+            "- skillLevel: 零基础/有美术基础/相关专业/有从业经验/未知\n" +
+            "- intentLevel: 高/中/低\n" +
+            "- concernFocus: 就业导向型/兴趣导向型/价格敏感型/品质导向型/未知\n" +
+            "- decisionStage: 初步了解/方案比较/决定报名/已报名/未知\n" +
+            "- education: 高中/大专/本科/硕士/博士/未知\n" +
+            "\n【关键字段特别说明】\n" +
+            "1. intentScore（意向分数0-100）：即使没有明确数字评分，也必须根据对话强度推断。高意向=75-95，中意向=40-74，低意向=10-39\n" +
+            "2. interestedCourses：尽量提取具体课程方向，如\"场景地编\"优于\"模型课程\"\n" +
+            "\n【置信度评分标准】\n" +
+            "- 0.90-1.00: 学员明确亲口说过\n" +
+            "- 0.70-0.89: 有较强暗示或多处线索一致\n" +
+            "- 0.50-0.69: 有一处间接线索\n" +
+            "- 0.30-0.49: 只有微弱暗示\n" +
+            "- 0.00-0.29: 没有任何线索";
+
+    /**
+     * 为单个客户生成画像（全量分析）
+     */
+    public GenerationResult generateFullProfile(String customerId, String corpId) {
+        long startTime = System.currentTimeMillis();
+        GenerationResult result = new GenerationResult();
+        result.setCustomerId(customerId);
+        result.setCorpId(corpId);
+
+        // 1. 获取客户对话
+        List<Map<String, Object>> messages = selectCustomerMessages(corpId, customerId);
+        if (messages.isEmpty()) {
+            result.setSuccess(false);
+            result.setErrorMsg("该客户没有对话记录");
+            return result;
+        }
+
+        // 2. 格式化对话
+        String conversationText = formatConversation(messages);
+        int msgCount = messages.size();
+        int sessionCount = countDistinctSessions(corpId, customerId);
+
+        // 3. 调用 LLM
+        String llmResponse = callLLM(conversationText);
+        if (llmResponse == null) {
+            result.setSuccess(false);
+            result.setErrorMsg("LLM调用失败");
+            saveLog(customerId, corpId, "BATCH_FULL", msgCount, sessionCount, startTime, false, "LLM调用失败", null);
+            return result;
+        }
+
+        // 4. 解析结果
+        ProfileParseResult parsed = parseProfileResult(llmResponse);
+        if (!parsed.isValid()) {
+            result.setSuccess(false);
+            result.setErrorMsg("LLM返回解析失败: " + parsed.getError());
+            saveLog(customerId, corpId, "BATCH_FULL", msgCount, sessionCount, startTime, false, parsed.getError(), null);
+            return result;
+        }
+
+        // 5. 保存画像
+        CustomerProfile profile = convertToProfile(customerId, corpId, parsed);
+        CustomerProfile exist = customerProfileMapper.selectOne(
+                new LambdaQueryWrapper<CustomerProfile>()
+                        .eq(CustomerProfile::getCustomerId, customerId)
+                        .eq(CustomerProfile::getCorpId, corpId)
+        );
+        if (exist == null) {
+            profile.setCreatedAt(LocalDateTime.now());
+            customerProfileMapper.insert(profile);
+        } else {
+            profile.setId(exist.getId());
+            profile.setCreatedAt(exist.getCreatedAt());
+            customerProfileMapper.updateById(profile);
+        }
+
+        // 6. 记录日志
+        long duration = System.currentTimeMillis() - startTime;
+        saveLog(customerId, corpId, "BATCH_FULL", msgCount, sessionCount, startTime, true, null, llmResponse);
+
+        result.setSuccess(true);
+        result.setProfile(profile);
+        result.setDurationMs((int) duration);
+        return result;
+    }
+
+    /**
+     * 批量生成画像（异步）
+     */
+    @Async
+    public void batchGenerate(String corpId, List<String> customerIds, String operator) {
+        log.info("开始批量画像生成: corpId={}, customerCount={}", corpId, customerIds.size());
+        int success = 0;
+        int fail = 0;
+
+        for (int i = 0; i < customerIds.size(); i++) {
+            String customerId = customerIds.get(i);
+            try {
+                GenerationResult result = generateFullProfile(customerId, corpId);
+                if (result.isSuccess()) {
+                    success++;
+                } else {
+                    fail++;
+                    log.warn("画像生成失败: customerId={}, reason={}", customerId, result.getErrorMsg());
+                }
+            } catch (Exception e) {
+                fail++;
+                log.error("画像生成异常: customerId={}", customerId, e);
+            }
+
+            // 每处理10个休眠1秒，避免LLM限流
+            if ((i + 1) % 10 == 0) {
+                try { Thread.sleep(1000); } catch (InterruptedException ignored) {}
+            }
+        }
+
+        log.info("批量画像生成完成: corpId={}, success={}, fail={}", corpId, success, fail);
+    }
+
+    /**
+     * 查询需要生成画像的客户列表
+     */
+    public List<Map<String, Object>> findCustomersWithoutProfile(String corpId, int limit, Integer minMsgCount) {
+        String sql = "SELECT c.customer_id, COUNT(m.id) as msg_count " +
+                "FROM customers c " +
+                "LEFT JOIN customer_profiles p ON c.customer_id = p.customer_id AND c.corp_id = p.corp_id " +
+                "LEFT JOIN archive_messages m ON c.customer_id = m.from_user AND c.corp_id = m.corp_id " +
+                "    AND m.from_role = 'EXTERNAL' AND m.msgtype = 'text' AND m.decrypt_status = 1 " +
+                "WHERE c.corp_id = ? AND (p.id IS NULL OR p.auto_generated = 0) " +
+                "GROUP BY c.customer_id " +
+                "HAVING COUNT(m.id) >= ? " +
+                "ORDER BY COUNT(m.id) DESC " +
+                "LIMIT ?";
+        return jdbcTemplate.queryForList(sql, corpId, minMsgCount != null ? minMsgCount : 5, limit);
+    }
+
+    // --- 内部方法 ---
+
+    private List<Map<String, Object>> selectCustomerMessages(String corpId, String customerId) {
+        String sql = "SELECT from_role, content, msgtime, session_id " +
+                "FROM archive_messages " +
+                "WHERE corp_id = ? AND session_id IN (" +
+                "    SELECT DISTINCT session_id FROM archive_messages " +
+                "    WHERE corp_id = ? AND from_user = ? AND from_role = 'EXTERNAL'" +
+                ") AND msgtype = 'text' AND decrypt_status = 1 AND content IS NOT NULL " +
+                "ORDER BY msgtime ASC " +
+                "LIMIT 100";
+        return jdbcTemplate.queryForList(sql, corpId, corpId, customerId);
+    }
+
+    private int countDistinctSessions(String corpId, String customerId) {
+        String sql = "SELECT COUNT(DISTINCT session_id) FROM archive_messages " +
+                "WHERE corp_id = ? AND from_user = ? AND from_role = 'EXTERNAL'";
+        Integer count = jdbcTemplate.queryForObject(sql, Integer.class, corpId, customerId);
+        return count != null ? count : 0;
+    }
+
+    private String formatConversation(List<Map<String, Object>> messages) {
+        StringBuilder sb = new StringBuilder();
+        DateTimeFormatter formatter = DateTimeFormatter.ofPattern("MM-dd HH:mm");
+
+        for (Map<String, Object> msg : messages) {
+            String fromRole = (String) msg.get("from_role");
+            String content = (String) msg.get("content");
+            Long msgtime = ((Number) msg.get("msgtime")).longValue();
+
+            if (content == null || content.trim().isEmpty()) continue;
+            // 过滤引用消息和系统消息
+            if (content.startsWith("这是一条引用")) continue;
+            if (content.startsWith("- - - - -")) continue;
+
+            String role = "EXTERNAL".equals(fromRole) ? "【学员】" : "【员工】";
+            String time = LocalDateTime.ofInstant(Instant.ofEpochMilli(msgtime), ZoneId.of("Asia/Shanghai"))
+                    .format(formatter);
+
+            sb.append(role).append(" ").append(time).append("\n");
+            // 截断过长消息
+            String text = content.length() > 300 ? content.substring(0, 300) + "..." : content;
+            sb.append(text).append("\n\n");
+        }
+        return sb.toString();
+    }
+
+    private String callLLM(String conversationText) {
+        try {
+            String prompt = "【对话历史】\n" + conversationText + "\n\n【请输出画像JSON】";
+
+            Map<String, Object> requestBody = new HashMap<>();
+            requestBody.put("system", SYSTEM_PROMPT);
+            requestBody.put("prompt", prompt);
+            requestBody.put("maxTokens", 2500);
+
+            HttpHeaders headers = new HttpHeaders();
+            headers.setContentType(MediaType.APPLICATION_JSON);
+
+            HttpEntity<Map<String, Object>> request = new HttpEntity<>(requestBody, headers);
+            ResponseEntity<String> response = restTemplate.postForEntity(
+                    generationServiceUrl + "/api/v1/generation/generate", request, String.class);
+
+            if (response.getStatusCode() == HttpStatus.OK && response.getBody() != null) {
+                Map<String, Object> result = JsonUtils.fromJsonMap(response.getBody());
+                if (result != null && result.get("data") != null) {
+                    Map<String, Object> data = (Map<String, Object>) result.get("data");
+                    return (String) data.get("content");
+                }
+            }
+            log.warn("LLM调用失败: status={}, body={}", response.getStatusCode(), response.getBody());
+            return null;
+        } catch (Exception e) {
+            log.error("LLM调用异常: {}", e.getMessage(), e);
+            return null;
+        }
+    }
+
+    @SuppressWarnings("unchecked")
+    private ProfileParseResult parseProfileResult(String response) {
+        ProfileParseResult result = new ProfileParseResult();
+        try {
+            // 清理 markdown
+            String json = response.trim();
+            if (json.startsWith("```json")) json = json.substring(7);
+            if (json.startsWith("```")) json = json.substring(3);
+            if (json.endsWith("```")) json = json.substring(0, json.length() - 3);
+            json = json.trim();
+
+            Map<String, Object> map = JsonUtils.fromJsonMap(json);
+            if (map == null) {
+                result.setError("JSON解析为空");
+                return result;
+            }
+
+            result.setStudentType(extractField(map, "studentType"));
+            result.setSkillLevel(extractField(map, "skillLevel"));
+            result.setIntentLevel(extractField(map, "intentLevel"));
+            result.setIntentScore(extractField(map, "intentScore"));
+            result.setConcernFocus(extractField(map, "concernFocus"));
+            result.setDecisionStage(extractField(map, "decisionStage"));
+            result.setInterestedCourses(extractField(map, "interestedCourses"));
+            result.setBudgetHint(extractField(map, "budgetHint"));
+            result.setPreferredCity(extractField(map, "preferredCity"));
+            result.setAge(extractField(map, "age"));
+            result.setEducation(extractField(map, "education"));
+            result.setCurrentOccupation(extractField(map, "currentOccupation"));
+            result.setSummary(getString(map, "summary"));
+            result.setKeyQuotes(getStringList(map, "keyQuotes"));
+            result.setValid(true);
+        } catch (Exception e) {
+            result.setError("解析异常: " + e.getMessage());
+            log.warn("解析LLM画像结果失败: {}", e.getMessage());
+        }
+        return result;
+    }
+
+    @SuppressWarnings("unchecked")
+    private FieldValue extractField(Map<String, Object> map, String key) {
+        FieldValue fv = new FieldValue();
+        Object val = map.get(key);
+        if (val instanceof Map) {
+            Map<String, Object> m = (Map<String, Object>) val;
+            fv.setValue(m.get("value"));
+            Object conf = m.get("confidence");
+            fv.setConfidence(conf instanceof Number ? ((Number) conf).doubleValue() : 0);
+            fv.setEvidence(getString(m, "evidence"));
+        }
+        return fv;
+    }
+
+    private CustomerProfile convertToProfile(String customerId, String corpId, ProfileParseResult parsed) {
+        CustomerProfile p = new CustomerProfile();
+        p.setCustomerId(customerId);
+        p.setCorpId(corpId);
+
+        p.setStudentType(getFieldValue(parsed.getStudentType()));
+        p.setStudentTypeConfidence(getFieldConfidence(parsed.getStudentType()));
+        p.setSkillLevel(getFieldValue(parsed.getSkillLevel()));
+        p.setSkillLevelConfidence(getFieldConfidence(parsed.getSkillLevel()));
+        p.setIntentLevel(getFieldValue(parsed.getIntentLevel()));
+        p.setIntentScore(getFieldDouble(parsed.getIntentScore()));
+        p.setConcernFocus(getFieldValue(parsed.getConcernFocus()));
+        p.setConcernFocusConfidence(getFieldConfidence(parsed.getConcernFocus()));
+        p.setDecisionStage(getFieldValue(parsed.getDecisionStage()));
+        p.setDecisionStageConfidence(getFieldConfidence(parsed.getDecisionStage()));
+        p.setInterestedCourses(toJson(getFieldList(parsed.getInterestedCourses())));
+        p.setBudgetHint(getFieldValue(parsed.getBudgetHint()));
+        p.setPreferredCity(getFieldValue(parsed.getPreferredCity()));
+        p.setAge(getFieldInt(parsed.getAge()));
+        p.setEducation(getFieldValue(parsed.getEducation()));
+        p.setCurrentOccupation(getFieldValue(parsed.getCurrentOccupation()));
+        p.setAutoGenerated(1);
+        p.setLastGeneratedAt(LocalDateTime.now());
+        p.setGeneratedBy("AI_BATCH");
+        p.setUpdatedAt(LocalDateTime.now());
+        return p;
+    }
+
+    private void saveLog(String customerId, String corpId, String type, int msgCount, int sessionCount,
+                         long startTime, boolean success, String error, String response) {
+        try {
+            ProfileGenerationLog log = new ProfileGenerationLog();
+            log.setCustomerId(customerId);
+            log.setCorpId(corpId);
+            log.setGenerationType(type);
+            log.setSourceMsgCount(msgCount);
+            log.setSourceSessionCount(sessionCount);
+            log.setAnalyzedAt(LocalDateTime.now());
+            log.setDurationMs((int) (System.currentTimeMillis() - startTime));
+            log.setSuccess(success ? 1 : 0);
+            log.setErrorMsg(error);
+            if (response != null) {
+                log.setLlmResponseLength(response.length());
+            }
+            logMapper.insert(log);
+        } catch (Exception e) {
+            // 日志保存失败不影响主流程
+            log.warn("保存画像生成日志失败: {}", e.getMessage());
+        }
+    }
+
+    // --- 工具方法 ---
+
+    private String getString(Map<String, Object> map, String key) {
+        Object val = map.get(key);
+        return val != null ? val.toString() : null;
+    }
+
+    @SuppressWarnings("unchecked")
+    private List<String> getStringList(Map<String, Object> map, String key) {
+        Object val = map.get(key);
+        if (val instanceof List) {
+            return ((List<Object>) val).stream().map(Object::toString).collect(Collectors.toList());
+        }
+        return Collections.emptyList();
+    }
+
+    private String getFieldValue(FieldValue fv) {
+        if (fv == null || fv.getValue() == null) return null;
+        String v = fv.getValue().toString();
+        return "未知".equals(v) || v.isEmpty() ? null : v;
+    }
+
+    private Double getFieldConfidence(FieldValue fv) {
+        return fv != null ? fv.getConfidence() : 0;
+    }
+
+    private Double getFieldDouble(FieldValue fv) {
+        if (fv == null || fv.getValue() == null) return 0.0;
+        try {
+            return Double.parseDouble(fv.getValue().toString());
+        } catch (Exception e) {
+            return 0.0;
+        }
+    }
+
+    private Integer getFieldInt(FieldValue fv) {
+        if (fv == null || fv.getValue() == null) return null;
+        try {
+            return Integer.parseInt(fv.getValue().toString());
+        } catch (Exception e) {
+            return null;
+        }
+    }
+
+    @SuppressWarnings("unchecked")
+    private List<String> getFieldList(FieldValue fv) {
+        if (fv == null || fv.getValue() == null) return Collections.emptyList();
+        Object v = fv.getValue();
+        if (v instanceof List) {
+            return ((List<Object>) v).stream().map(Object::toString).collect(Collectors.toList());
+        }
+        return Collections.emptyList();
+    }
+
+    private String toJson(List<String> list) {
+        if (list == null || list.isEmpty()) return null;
+        try {
+            return JsonUtils.toJson(list);
+        } catch (Exception e) {
+            return null;
+        }
+    }
+
+    // --- 内部DTO ---
+
+    @lombok.Data
+    public static class GenerationResult {
+        private boolean success;
+        private String customerId;
+        private String corpId;
+        private CustomerProfile profile;
+        private String errorMsg;
+        private int durationMs;
+    }
+
+    @lombok.Data
+    public static class ProfileParseResult {
+        private boolean valid;
+        private String error;
+        private FieldValue studentType;
+        private FieldValue skillLevel;
+        private FieldValue intentLevel;
+        private FieldValue intentScore;
+        private FieldValue concernFocus;
+        private FieldValue decisionStage;
+        private FieldValue interestedCourses;
+        private FieldValue budgetHint;
+        private FieldValue preferredCity;
+        private FieldValue age;
+        private FieldValue education;
+        private FieldValue currentOccupation;
+        private String summary;
+        private List<String> keyQuotes;
+    }
+
+    @lombok.Data
+    public static class FieldValue {
+        private Object value;
+        private double confidence;
+        private String evidence;
+    }
+}

backend/intent-service/target/maven-status/maven-compiler-plugin/compile/default-compile/createdFiles.lst

@@ -1,14 +1,22 @@
 com\artedu\intent\IntentServiceApplication.class
 com\artedu\intent\controller\CustomerProfileController.class
 com\artedu\intent\dto\IntentResult$IntentInfo.class
+com\artedu\intent\service\ProfileGenerationService.class
 com\artedu\intent\service\LLMIntentClient.class
 com\artedu\intent\mapper\IntentCategoryMapper.class
 com\artedu\intent\dto\IntentResult.class
 com\artedu\intent\entity\CustomerProfile.class
+com\artedu\intent\mapper\ProfileGenerationLogMapper.class
+com\artedu\intent\controller\ProfileGenerationController.class
 com\artedu\intent\mapper\CustomerProfileMapper.class
 com\artedu\intent\mapper\IntentRecognitionMapper.class
 com\artedu\intent\service\CustomerProfileService.class
+com\artedu\intent\service\ProfileGenerationService$ProfileParseResult.class
 com\artedu\intent\controller\IntentController.class
 com\artedu\intent\entity\IntentRecognition.class
 com\artedu\intent\entity\IntentCategory.class
+com\artedu\intent\service\ProfileGenerationService$FieldValue.class
+com\artedu\intent\service\ProfileGenerationService$GenerationResult.class
 com\artedu\intent\service\IntentRecognitionService.class
+com\artedu\intent\entity\ProfileGenerationLog.class
+com\artedu\intent\controller\ProfileGenerationController$BatchGenerateRequest.class

backend/intent-service/target/maven-status/maven-compiler-plugin/compile/default-compile/inputFiles.lst

@@ -1,13 +1,17 @@
 D:\www\agent_9art\backend\intent-service\src\main\java\com\artedu\intent\controller\CustomerProfileController.java
 D:\www\agent_9art\backend\intent-service\src\main\java\com\artedu\intent\controller\IntentController.java
+D:\www\agent_9art\backend\intent-service\src\main\java\com\artedu\intent\controller\ProfileGenerationController.java
 D:\www\agent_9art\backend\intent-service\src\main\java\com\artedu\intent\dto\IntentResult.java
 D:\www\agent_9art\backend\intent-service\src\main\java\com\artedu\intent\entity\CustomerProfile.java
 D:\www\agent_9art\backend\intent-service\src\main\java\com\artedu\intent\entity\IntentCategory.java
 D:\www\agent_9art\backend\intent-service\src\main\java\com\artedu\intent\entity\IntentRecognition.java
+D:\www\agent_9art\backend\intent-service\src\main\java\com\artedu\intent\entity\ProfileGenerationLog.java
 D:\www\agent_9art\backend\intent-service\src\main\java\com\artedu\intent\IntentServiceApplication.java
 D:\www\agent_9art\backend\intent-service\src\main\java\com\artedu\intent\mapper\CustomerProfileMapper.java
 D:\www\agent_9art\backend\intent-service\src\main\java\com\artedu\intent\mapper\IntentCategoryMapper.java
 D:\www\agent_9art\backend\intent-service\src\main\java\com\artedu\intent\mapper\IntentRecognitionMapper.java
+D:\www\agent_9art\backend\intent-service\src\main\java\com\artedu\intent\mapper\ProfileGenerationLogMapper.java
 D:\www\agent_9art\backend\intent-service\src\main\java\com\artedu\intent\service\CustomerProfileService.java
 D:\www\agent_9art\backend\intent-service\src\main\java\com\artedu\intent\service\IntentRecognitionService.java
 D:\www\agent_9art\backend\intent-service\src\main\java\com\artedu\intent\service\LLMIntentClient.java
+D:\www\agent_9art\backend\intent-service\src\main\java\com\artedu\intent\service\ProfileGenerationService.java

frontend/admin/src/pages/CustomerList.tsx

@@ -1,10 +1,12 @@
 import { useState, useEffect } from 'react'
-import { Table, Button, Tag, Space, Modal, Form, Input, Select, InputNumber, message, Popconfirm } from 'antd'
+import { Table, Button, Tag, Space, Modal, Form, Input, Select, InputNumber, message, Popconfirm, Tabs, Alert, Badge } from 'antd'
+import { RobotOutlined, UserOutlined } from '@ant-design/icons'
 import request from '../utils/request'
 
 const CORP_ID = 'wwd483c2fba24ae30a'
 
 export default function CustomerList() {
+  const [activeTab, setActiveTab] = useState('existing')
   const [data, setData] = useState<any[]>([])
   const [loading, setLoading] = useState(false)
   const [modalVisible, setModalVisible] = useState(false)
@@ -12,6 +14,13 @@ export default function CustomerList() {
   const [form] = Form.useForm()
   const [searchKeyword, setSearchKeyword] = useState('')
 
+  // 批量生成相关
+  const [pendingData, setPendingData] = useState<any[]>([])
+  const [pendingLoading, setPendingLoading] = useState(false)
+  const [selectedCustomers, setSelectedCustomers] = useState<string[]>([])
+  const [generateLoading, setGenerateLoading] = useState(false)
+  const [singleGenerateLoading, setSingleGenerateLoading] = useState<string | null>(null)
+
   const loadData = async (keyword = '') => {
     setLoading(true)
     try {
@@ -24,14 +33,32 @@ export default function CustomerList() {
     }
   }
 
+  const loadPending = async () => {
+    setPendingLoading(true)
+    try {
+      const res: any = await request.get('/v1/intent/profiles/without-profile', {
+        params: { corpId: CORP_ID, minMsgCount: 5, limit: 100 }
+      })
+      setPendingData(res.data || [])
+    } catch (e) {
+      message.error('加载无画像客户失败')
+    } finally {
+      setPendingLoading(false)
+    }
+  }
+
   useEffect(() => {
+    if (activeTab === 'existing') {
       loadData()
-  }, [])
+    } else {
+      loadPending()
+    }
+  }, [activeTab])
 
   const handleSave = async () => {
     const values = await form.validateFields()
     try {
-      const payload = { ...values, corpId: CORP_ID }
+      const payload = { ...values, corpId: CORP_ID, manualOverride: true }
       await request.post('/v1/intent/profiles', payload)
       message.success(editing ? '更新成功' : '创建成功')
       setModalVisible(false)
@@ -79,6 +106,51 @@ export default function CustomerList() {
     setModalVisible(true)
   }
 
+  // 单个生成
+  const handleGenerateSingle = async (customerId: string) => {
+    setSingleGenerateLoading(customerId)
+    try {
+      const res: any = await request.post(`/v1/intent/profiles/generate/${customerId}?corpId=${CORP_ID}`)
+      if (res.code === 0) {
+        message.success('画像生成成功')
+        loadPending()
+        // 也刷新已有画像列表
+        if (activeTab === 'existing') loadData()
+      } else {
+        message.error(res.message || '生成失败')
+      }
+    } catch (e: any) {
+      message.error(e.response?.data?.message || '生成失败')
+    } finally {
+      setSingleGenerateLoading(null)
+    }
+  }
+
+  // 批量生成
+  const handleBatchGenerate = async () => {
+    if (selectedCustomers.length === 0) {
+      message.warning('请先选择客户')
+      return
+    }
+    setGenerateLoading(true)
+    try {
+      const adminInfo = JSON.parse(localStorage.getItem('admin_info') || '{}')
+      await request.post('/v1/intent/profiles/generate/batch', {
+        corpId: CORP_ID,
+        customerIds: selectedCustomers,
+        operator: adminInfo.username || 'admin'
+      })
+      message.success(`批量生成任务已启动，共 ${selectedCustomers.length} 个客户`)
+      setSelectedCustomers([])
+      // 3秒后刷新
+      setTimeout(() => loadPending(), 3000)
+    } catch (e: any) {
+      message.error(e.response?.data?.message || '批量生成失败')
+    } finally {
+      setGenerateLoading(false)
+    }
+  }
+
   const getIntentColor = (level?: string) => {
     switch (level) {
       case '高': return 'green'
@@ -88,17 +160,25 @@ export default function CustomerList() {
     }
   }
 
-  const columns = [
+  const getSourceTag = (record: any) => {
+    if (record.autoGenerated === 1) {
+      return <Tag color="blue" icon={<RobotOutlined />}>AI生成</Tag>
+    }
+    return <Tag color="orange">人工录入</Tag>
+  }
+
+  const existingColumns = [
     { title: '客户ID', dataIndex: 'customerId', ellipsis: true, width: 180 },
+    { title: '来源', width: 100, render: (_: any, record: any) => getSourceTag(record) },
     { title: '职业/名称', dataIndex: 'currentOccupation', width: 120 },
     { title: '学员类型', dataIndex: 'studentType', width: 110 },
     { title: '基础水平', dataIndex: 'skillLevel', width: 110 },
     {
       title: '意向度',
       dataIndex: 'intentLevel',
-      width: 90,
+      width: 100,
       render: (level: string, record: any) => (
-        <Tag color={getIntentColor(level)}>{level} {record.intentScore != null ? `(${record.intentScore})` : ''}</Tag>
+        <Tag color={getIntentColor(level)}>{level} {record.intentScore != null ? `(${Math.round(record.intentScore)})` : ''}</Tag>
       )
     },
     { title: '关注重点', dataIndex: 'concernFocus', width: 120 },
@@ -117,10 +197,41 @@ export default function CustomerList() {
     }
   ]
 
+  const pendingColumns = [
+    { title: '客户ID', dataIndex: 'customer_id', ellipsis: true, width: 200 },
+    {
+      title: '消息数',
+      dataIndex: 'msg_count',
+      width: 100,
+      render: (v: number) => <Badge count={v} style={{ backgroundColor: v >= 20 ? '#52c41a' : v >= 10 ? '#faad14' : '#d9d9d9' }} />
+    },
+    {
+      title: '操作',
+      width: 140,
+      render: (_: any, record: any) => (
+        <Button
+          size="small"
+          type="primary"
+          icon={<RobotOutlined />}
+          loading={singleGenerateLoading === record.customer_id}
+          onClick={() => handleGenerateSingle(record.customer_id)}
+        >
+          生成画像
+        </Button>
+      )
+    }
+  ]
+
+  const rowSelection = {
+    selectedRowKeys: selectedCustomers,
+    onChange: (keys: React.Key[]) => setSelectedCustomers(keys as string[]),
+  }
+
   return (
     <div>
       <div style={{ display: 'flex', justifyContent: 'space-between', marginBottom: 16, alignItems: 'center' }}>
         <h2 style={{ margin: 0 }}>客户画像管理</h2>
+        {activeTab === 'existing' && (
           <Space>
             <Input.Search
               placeholder="搜索客户ID或职业"
@@ -132,14 +243,71 @@ export default function CustomerList() {
             />
             <Button type="primary" onClick={openCreate}>新增客户</Button>
           </Space>
+        )}
       </div>
+
+      <Tabs
+        activeKey={activeTab}
+        onChange={setActiveTab}
+        items={[
+          {
+            key: 'existing',
+            label: (
+              <span>
+                <UserOutlined /> 已有画像
+                <Tag style={{ marginLeft: 4 }}>{data.length}</Tag>
+              </span>
+            ),
+            children: (
               <Table
                 rowKey="id"
-        columns={columns}
+                columns={existingColumns}
                 dataSource={data}
                 loading={loading}
                 scroll={{ x: 900 }}
               />
+            ),
+          },
+          {
+            key: 'pending',
+            label: (
+              <span>
+                <RobotOutlined /> 待生成画像
+                <Tag style={{ marginLeft: 4 }}>{pendingData.length}</Tag>
+              </span>
+            ),
+            children: (
+              <div>
+                <Alert
+                  message="以下客户有对话记录但尚未生成画像，可勾选后批量生成"
+                  type="info"
+                  showIcon
+                  style={{ marginBottom: 16 }}
+                  action={
+                    <Button
+                      type="primary"
+                      loading={generateLoading}
+                      disabled={selectedCustomers.length === 0}
+                      onClick={handleBatchGenerate}
+                    >
+                      批量生成 ({selectedCustomers.length})
+                    </Button>
+                  }
+                />
+                <Table
+                  rowKey="customer_id"
+                  columns={pendingColumns}
+                  dataSource={pendingData}
+                  loading={pendingLoading}
+                  rowSelection={rowSelection}
+                  pagination={{ pageSize: 20 }}
+                />
+              </div>
+            ),
+          },
+        ]}
+      />
+
       <Modal
         title={editing ? '编辑客户画像' : '新增客户画像'}
         open={modalVisible}

product1.0/v3-客户画像自动生成方案.md

@@ -0,0 +1,506 @@
+# 客户画像自动生成与丰满技术方案
+
+> 版本：v3.0  
+> 日期：2026-06-05  
+> 状态：设计稿，待评审  
+
+---
+
+## 一、背景与痛点
+
+### 1.1 当前画像体系
+
+| 组件 | 现状 |
+|------|------|
+| `customer_profiles` 表 | 已有完整字段，但主要靠销售顾问在 sidebar 手动录入 |
+| `archive_messages` 表 | 沉淀了大量学员对话，尚未用于画像挖掘 |
+| `ProfileCard.tsx` | 录入表单只有基础字段（职业、学员类型、基础水平、意向度），其余字段为空 |
+| LLM 自动分析 | **未实现**，代码里留了 TODO："录入基础信息后，系统将通过会话存档自动完善画像" |
+
+### 1.2 核心痛点
+
+1. **老客户画像缺失**：系统上线前已有大量客户，他们从未被人工录入画像，但 archive_messages 中有丰富对话
+2. **画像不够丰满**：人工录入只覆盖 4-5 个字段，大量高价值字段（关注点、决策阶段、兴趣课程、预算暗示）为空
+3. **画像更新滞后**：客户状态会变化（如从"初步了解"到"方案比较"），人工不会每次手动更新
+4. **顾问负担重**：每个客户都要手动填表单，效率低且标准不统一
+
+---
+
+## 二、目标
+
+1. **批量自动生成**：为所有有对话记录的老客户自动生成初始画像
+2. **持续自动丰满**：每次新会话后，自动分析增量信息并更新画像
+3. **可解释性**：每个画像字段标注来源（哪条对话、什么时间点）和置信度
+4. **人工可干预**：顾问可修正自动生成的画像，修正后优先级高于 AI 结果
+
+---
+
+## 三、数据模型
+
+### 3.1 现有表 `customer_profiles`（已有）
+
+```sql
+CREATE TABLE customer_profiles (
+    id BIGINT PRIMARY KEY AUTO_INCREMENT,
+    customer_id VARCHAR(64) NOT NULL COMMENT '客户ID（企微external_userid）',
+    corp_id VARCHAR(64) NOT NULL,
+    
+    -- 基础画像（当前已有）
+    student_type VARCHAR(50) COMMENT '学员类型: 在校大学生/转行人员/在职提升/高中毕业生/家长代询',
+    student_type_confidence DOUBLE DEFAULT 0 COMMENT '置信度 0-1',
+    skill_level VARCHAR(50) COMMENT '基础水平: 零基础/有美术基础/相关专业/有从业经验',
+    skill_level_confidence DOUBLE DEFAULT 0,
+    intent_level VARCHAR(20) COMMENT '意向度: 高/中/低',
+    intent_score DOUBLE DEFAULT 0 COMMENT '意向分数 0-100',
+    concern_focus VARCHAR(50) COMMENT '关注点: 就业导向型/兴趣导向型/价格敏感型/品质导向型',
+    concern_focus_confidence DOUBLE DEFAULT 0,
+    decision_stage VARCHAR(50) COMMENT '决策阶段: 初步了解/方案比较/决定报名/已报名',
+    decision_stage_confidence DOUBLE DEFAULT 0,
+    interested_courses TEXT COMMENT '兴趣课程 JSON数组',
+    budget_hint VARCHAR(200) COMMENT '预算暗示',
+    preferred_city VARCHAR(50) COMMENT '意向城市',
+    age INT COMMENT '年龄',
+    education VARCHAR(50) COMMENT '学历',
+    current_occupation VARCHAR(100) COMMENT '当前职业/名称',
+    
+    -- 元数据（当前已有）
+    slot_data TEXT COMMENT '槽位数据 JSON',
+    conversation_count INT DEFAULT 0 COMMENT '会话次数',
+    last_conversation_time TIMESTAMP NULL,
+    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
+    updated_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
+    
+    UNIQUE KEY uk_customer_corp (customer_id, corp_id),
+    INDEX idx_corp_id (corp_id),
+    INDEX idx_updated_at (updated_at)
+) ENGINE=InnoDB COMMENT='客户画像表';
+```
+
+### 3.2 新增表 `profile_generation_logs`（建议新增）
+
+记录每次画像生成的来源和变更，用于审计和可解释性。
+
+```sql
+CREATE TABLE profile_generation_logs (
+    id BIGINT PRIMARY KEY AUTO_INCREMENT,
+    customer_id VARCHAR(64) NOT NULL,
+    corp_id VARCHAR(64) NOT NULL,
+    generation_type VARCHAR(20) NOT NULL COMMENT '生成类型: BATCH_FULL/INCREMENTAL/MANUAL',
+    source_msg_count INT DEFAULT 0 COMMENT '分析的消息条数',
+    source_session_count INT DEFAULT 0 COMMENT '分析的会话数',
+    analyzed_at TIMESTAMP NOT NULL COMMENT '分析时间',
+    llm_model VARCHAR(50) COMMENT '使用的模型',
+    llm_prompt_length INT COMMENT 'Prompt长度',
+    llm_response_length INT COMMENT 'Response长度',
+    duration_ms INT COMMENT '耗时毫秒',
+    success TINYINT DEFAULT 1 COMMENT '是否成功',
+    error_msg TEXT COMMENT '错误信息',
+    -- 变更快照（JSON）：记录哪些字段发生了变化
+    changes_snapshot TEXT COMMENT '{"studentType":{"old":"未知","new":"在校大学生","confidence":0.85}}',
+    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
+    
+    INDEX idx_customer (customer_id, corp_id),
+    INDEX idx_analyzed_at (analyzed_at)
+) ENGINE=InnoDB COMMENT='画像生成日志';
+```
+
+### 3.3 字段置信度规则
+
+| 置信度区间 | 含义 | 前端展示 |
+|-----------|------|---------|
+| 0.85 ~ 1.0 | 高置信 | 绿色标签，不提示 |
+| 0.60 ~ 0.84 | 中置信 | 橙色标签，hover 提示"AI推测，建议确认" |
+| 0.30 ~ 0.59 | 低置信 | 灰色标签，hover 提示"信息不足，建议补充" |
+| 0 ~ 0.29 | 未知 | 显示"未知"，引导录入 |
+
+---
+
+## 四、LLM Prompt 设计
+
+### 4.1 全量画像生成 Prompt
+
+**适用场景**：首次为老客户生成画像，输入该客户全部历史对话
+
+```
+你是一位专业的教育培训机构客户分析师。请根据以下学员与课程顾问的完整对话历史，提取学员画像信息。
+
+【分析要求】
+1. 仔细阅读所有对话，从中提取学员的真实情况和需求
+2. 不要凭空猜测，只提取对话中有明确证据支撑的信息
+3. 如果某个字段在对话中没有足够证据，请标记为"未知"并给出低置信度
+4. 对于同一字段的多个线索，综合判断取最可靠的结论
+5. 注意识别"家长代询"的情况（对话中出现"我孩子"、"我家"等表述）
+
+【对话历史】
+{conversation_text}
+
+【输出格式】
+必须严格返回以下JSON格式，不要包含任何其他文字：
+{
+  "studentType": {"value": "", "confidence": 0, "evidence": ""},
+  "skillLevel": {"value": "", "confidence": 0, "evidence": ""},
+  "intentLevel": {"value": "", "confidence": 0, "evidence": ""},
+  "intentScore": {"value": 0, "confidence": 0, "evidence": ""},
+  "concernFocus": {"value": "", "confidence": 0, "evidence": ""},
+  "decisionStage": {"value": "", "confidence": 0, "evidence": ""},
+  "interestedCourses": {"value": [], "confidence": 0, "evidence": ""},
+  "budgetHint": {"value": "", "confidence": 0, "evidence": ""},
+  "preferredCity": {"value": "", "confidence": 0, "evidence": ""},
+  "age": {"value": null, "confidence": 0, "evidence": ""},
+  "education": {"value": "", "confidence": 0, "evidence": ""},
+  "currentOccupation": {"value": "", "confidence": 0, "evidence": ""},
+  "summary": "", // 用一句话总结这个学员
+  "keyQuotes": [] // 提取3-5条最能代表学员需求的原话
+}
+
+【字段枚举值】
+- studentType: 在校大学生/转行人员/在职提升/高中毕业生/家长代询/未知
+- skillLevel: 零基础/有美术基础/相关专业/有从业经验/未知
+- intentLevel: 高/中/低
+- concernFocus: 就业导向型/兴趣导向型/价格敏感型/品质导向型/未知
+- decisionStage: 初步了解/方案比较/决定报名/已报名/未知
+- interestedCourses: 从对话中提取的课程名称数组，如["3D场景UE地编","次世代角色模型"]
+- education: 高中/大专/本科/硕士/博士/未知
+
+【置信度评分标准】
+- 0.90-1.00: 学员明确亲口说过（如"我是大学生"）
+- 0.70-0.89: 有较强暗示或多处线索一致
+- 0.50-0.69: 有一处间接线索
+- 0.30-0.49: 只有微弱暗示
+- 0.00-0.29: 没有任何线索
+```
+
+### 4.2 增量画像更新 Prompt
+
+**适用场景**：客户已有画像，分析新增对话后生成更新建议
+
+```
+你是一位客户画像更新分析师。请根据学员的【现有画像】和【新增对话】，判断哪些字段需要更新。
+
+【现有画像】
+{current_profile_json}
+
+【新增对话】
+{new_conversation_text}
+
+【分析要求】
+1. 对比新增对话与现有画像，识别变化
+2. 如果新增对话推翻了现有画像的某个结论，建议更新
+3. 如果新增对话补充了空白字段，建议填充
+4. 如果现有画像已高置信且新增对话无冲突，保持不动
+5. 特别关注决策阶段的变化（这是最重要的更新信号）
+
+【输出格式】
+{
+  "updates": [
+    {
+      "field": "decisionStage",
+      "oldValue": "初步了解",
+      "newValue": "方案比较",
+      "confidence": 0.85,
+      "reason": "学员主动询问课程安排和就业情况，表明已进入比较阶段",
+      "shouldUpdate": true
+    }
+  ],
+  "newInsights": [
+    {
+      "field": "budgetHint",
+      "value": "预算约2万",
+      "confidence": 0.72,
+      "evidence": "学员提到\"两万左右的课程\""
+    }
+  ],
+  "intentChange": {
+    "oldScore": 55,
+    "newScore": 72,
+    "reason": "学员开始询问具体报名流程"
+  }
+}
+```
+
+### 4.3 对话格式化（输入预处理）
+
+将 `archive_messages` 按时间排序，格式化为 LLM 可读的对话文本：
+
+```
+【会话 1】2025-05-20 14:30
+员工(小王): 您好，请问有什么可以帮您？
+学员(张三): 我想了解一下你们的美术课程
+...
+
+【会话 2】2025-05-21 10:15
+员工(小王): 张同学，昨天说的课程资料发给您了
+学员(张三): 看到了，我想问一下学费多少
+...
+```
+
+**截断策略**：
+- 单客户对话总长度超过 8000 字时，优先保留最近 6 个月的对话
+- 若仍超限，保留最近 10 次会话的完整内容
+- 若仍超限，对每条消息截取前 200 字
+
+---
+
+## 五、系统架构
+
+### 5.1 整体架构图
+
+```
+┌─────────────────────────────────────────────────────────────────┐
+│                         Admin 后台                               │
+│  ┌──────────────┐  ┌──────────────┐  ┌──────────────────────┐  │
+│  │ 画像生成任务  │  │ 画像列表/搜索 │  │ 单客户画像详情+编辑   │  │
+│  │ (批量触发)   │  │             │  │ (含变更历史)         │  │
+│  └──────┬───────┘  └──────┬───────┘  └──────────┬───────────┘  │
+└─────────┼─────────────────┼─────────────────────┼──────────────┘
+          │                 │                     │
+          ▼                 ▼                     ▼
+┌─────────────────────────────────────────────────────────────────┐
+│                    intent-service (画像服务)                     │
+│  ┌──────────────────┐  ┌──────────────────┐  ┌──────────────┐  │
+│  │ ProfileGeneration │  │ ProfileMerge      │  │ ProfileQuery │  │
+│  │ Service           │  │ Service           │  │ Service      │  │
+│  │ (LLM调用+解析)    │  │ (置信度合并)      │  │ (CRUD)       │  │
+│  └────────┬─────────┘  └────────┬─────────┘  └──────┬───────┘  │
+│           │                     │                   │          │
+│           ▼                     ▼                   ▼          │
+│  ┌─────────────────────────────────────────────────────────┐   │
+│  │ 定时任务: DailyProfileUpdateJob                          │   │
+│  │ (每天凌晨扫描昨日有新增对话的客户，触发增量分析)            │   │
+│  └─────────────────────────────────────────────────────────┘   │
+└─────────────────────────────────────────────────────────────────┘
+          │                     │                   │
+          ▼                     ▼                   ▼
+┌─────────────────────────────────────────────────────────────────┐
+│                     generation-service (LLM)                     │
+│              ┌────────────┐            ┌────────────┐           │
+│              │ 全量生成    │            │ 增量更新    │           │
+│              │ /generate  │            │ /generate  │           │
+│              └────────────┘            └────────────┘           │
+└─────────────────────────────────────────────────────────────────┘
+          │
+          ▼
+┌─────────────────────────────────────────────────────────────────┐
+│                        数据库                                     │
+│  ┌────────────────────┐  ┌────────────────────┐  ┌──────────┐  │
+│  │ customer_profiles   │  │ profile_generation │  │ customers│  │
+│  │ (画像主表)          │  │ _logs (生成日志)    │  │ (客户基础)│  │
+│  └────────────────────┘  └────────────────────┘  └──────────┘  │
+│  ┌──────────────────────────────────────────────────────────┐  │
+│  │ archive_messages (会话存档，通过 JDBC 查询，非本服务表)      │  │
+│  └──────────────────────────────────────────────────────────┘  │
+└─────────────────────────────────────────────────────────────────┘
+```
+
+### 5.2 核心服务类设计
+
+```java
+@Service
+public class ProfileGenerationService {
+    
+    // 全量生成：为指定客户从历史对话生成完整画像
+    public GenerationResult generateFullProfile(String customerId, String corpId);
+    
+    // 增量更新：分析新增对话，生成更新建议
+    public IncrementalResult generateIncrementalUpdate(String customerId, String corpId, 
+                                                        LocalDateTime since);
+    
+    // 批量生成：为多个客户批量生成画像（带进度追踪）
+    @Async
+    public void batchGenerate(String corpId, List<String> customerIds, 
+                               LocalDateTime msgSince);
+    
+    // 合并更新建议到现有画像
+    public void applyUpdates(String customerId, String corpId, 
+                              List<FieldUpdate> updates);
+}
+```
+
+---
+
+## 六、画像合并策略
+
+### 6.1 置信度加权合并
+
+```
+现有值: V_old, 置信度 C_old
+新值: V_new, 置信度 C_new
+
+如果 V_new == V_old:
+    合并后置信度 = 1 - (1 - C_old) * (1 - C_new * 0.5)
+    // 相同值时置信度提升，但边际递减
+
+如果 V_new != V_old:
+    if C_new > C_old + 0.15:
+        采用新值，置信度 = C_new
+    else if C_new > C_old:
+        保持旧值，置信度 = C_old + (C_new - C_old) * 0.3
+    else:
+        保持旧值
+```
+
+### 6.2 特殊字段规则
+
+| 字段 | 合并规则 |
+|------|---------|
+| `intentScore` | 新对话可能推高或拉低，直接采用增量分析的评分，但限制单次变化不超过 ±20 分 |
+| `intentLevel` | 基于 intentScore 映射：≥70→高, 40-69→中, <40→低 |
+| `decisionStage` | 只能正向推进（初步了解→方案比较→决定报名→已报名），不能回退 |
+| `interestedCourses` | 合并数组，去重，新课程追加到末尾 |
+| `age` | 数值型，取最新高置信度值 |
+| `conversationCount` | 直接累加 |
+| `lastConversationTime` | 取最新时间 |
+
+---
+
+## 七、接口设计
+
+### 7.1 Admin 后台接口（新增）
+
+```
+POST /api/v1/admin/profiles/generate/batch
+请求: { corpId, customerIds?: string[], timeRange?: [start, end], 
+         onlyMissing?: boolean }
+响应: { taskId, message }
+
+GET /api/v1/admin/profiles/generate/tasks/{taskId}/progress
+响应: { taskId, status, total, completed, successCount, failCount }
+
+GET /api/v1/admin/profiles
+请求: { corpId, keyword?, hasProfile?, page, size }
+响应: PageResult<CustomerProfileVO>
+
+GET /api/v1/admin/profiles/{customerId}/logs
+响应: List<ProfileGenerationLog>
+```
+
+### 7.2 Sidebar 接口（复用+扩展）
+
+```
+GET /api/v1/intent/profiles/{customerId}  (已有)
+响应增加字段: 
+  - autoGenerated: boolean (是否AI生成)
+  - lastGeneratedAt: timestamp
+  - fieldSources: { "studentType": "AI分析(置信度0.85)", "age": "人工录入" }
+
+POST /api/v1/intent/profiles  (已有，人工修正)
+请求增加字段: 
+  - manualOverride: boolean (标记为人工修正，置信度设为1.0)
+```
+
+---
+
+## 八、前端设计
+
+### 8.1 Admin 后台新增「客户画像」页面
+
+**页面结构：**
+
+```
+┌─────────────────────────────────────────┐
+│ 客户画像管理                              │
+├─────────────────────────────────────────┤
+│ [搜索框] [筛选: 已生成/未生成/全部] [批量生成] │
+├─────────────────────────────────────────┤
+│ 客户列表                                  │
+│ ┌────┬────────┬──────────┬────────────┐ │
+│ │姓名│学员类型│意向度    │画像来源    │ │
+│ │    │(AI)    │高(85分)  │AI生成 ✓   │ │
+│ │    │(人工)  │中(60分)  │人工录入    │ │
+│ │    │(未生成)│-         │点击生成    │ │
+│ └────┴────────┴──────────┴────────────┘ │
+├─────────────────────────────────────────┤
+│ 点击行 → 弹出画像详情 + 编辑              │
+│   - 每个字段显示: 值 + 置信度条 + 来源    │
+│   - AI生成的字段可人工覆盖                │
+│   - 显示变更历史时间线                    │
+└─────────────────────────────────────────┘
+```
+
+### 8.2 Sidebar ProfileCard 增强
+
+```
+┌─────────────────────────────────┐
+│ 张同学 (AI生成 · 3小时前更新)     │
+├─────────────────────────────────┤
+│ 意向度: 高(82分) ▓▓▓▓▓▓▓▓░░      │
+│ 学员类型: 在校大学生 ✓            │
+│ 基础水平: 有美术基础 ~            │
+│ 关注点: 就业导向型 ✓              │
+│ 决策阶段: 方案比较 →              │
+│ 兴趣课程: UE地编, 角色模型        │
+│ 预算: 2-3万 ~                    │
+│ 意向城市: 上海 ✓                  │
+├─────────────────────────────────┤
+│ [编辑] [查看分析来源]             │
+└─────────────────────────────────┘
+
+图例: ✓ 高置信  ~ 中置信  ? 低置信/未知
+```
+
+---
+
+## 九、实施计划
+
+### Phase A：基础设施（1-2 天）
+
+- [ ] 新增 `profile_generation_logs` 表
+- [ ] 在 intent-service 新增 `ProfileGenerationService` 骨架
+- [ ] 新增 `CustomerProfile` 字段：`autoGenerated`, `lastGeneratedAt`, `generatedBy`
+- [ ] 新增 `ProfileGenerationController`（Admin 后台接口）
+
+### Phase B：全量生成（2-3 天）
+
+- [ ] 实现 `generateFullProfile()`：对话聚合 → Prompt 构建 → LLM 调用 → 结果解析
+- [ ] 实现 `batchGenerate()`：异步批量任务，带进度追踪
+- [ ] Admin 后台「批量生成」页面
+- [ ] 为小范围客户（如 10-20 个）试运行，人工校验 LLM 输出质量
+- [ ] 根据校验结果优化 Prompt
+
+### Phase C：增量更新（2 天）
+
+- [ ] 实现 `generateIncrementalUpdate()`：增量对话分析
+- [ ] 实现合并策略（置信度加权 + 特殊字段规则）
+- [ ] 新增定时任务 `DailyProfileUpdateJob`（每天凌晨执行）
+- [ ] 画像变更时发送通知（可选：推送到 sidebar 提醒顾问）
+
+### Phase D：前端增强（2 天）
+
+- [ ] Admin 后台「客户画像」完整页面（列表 + 详情 + 编辑 + 变更历史）
+- [ ] Sidebar ProfileCard 增强（置信度可视化、来源标注、变更提示）
+- [ ] 画像生成任务进度页面
+
+---
+
+## 十、风险与应对
+
+| 风险 | 影响 | 应对策略 |
+|------|------|---------|
+| LLM 调用成本高 | 每月可能产生数百元 API 费用 | 首次全量控制范围（先活跃客户）；增量只分析有变化的用户；使用本地缓存避免重复分析 |
+| LLM 输出不稳定 | 画像质量参差不齐 | Prompt 加 Few-shot 示例；输出后做枚举值校验；低置信度字段不展示 |
+| 隐私合规 | 对话内容含敏感信息 | LLM 调用时不传输客户真实姓名/手机号；分析结果脱敏存储；保留审计日志 |
+| 顾问不信任 AI 结果 | 不愿使用 | 高置信度字段默认采用，低置信度标记为"待确认"；提供一键采纳/拒绝交互 |
+
+---
+
+## 十一、预期效果
+
+| 指标 | 现状 | 目标 |
+|------|------|------|
+| 有画像的客户占比 | ~10%（人工录入） | ≥80%（AI 生成 + 人工） |
+| 画像字段完整度 | 平均 3-4 个字段有值 | 平均 8-10 个字段有值 |
+| 画像更新频率 | 几乎不更新 | 每次新会话后自动更新 |
+| 顾问录入时间 | 每个客户 2-3 分钟 | 仅需确认/修正，30 秒 |
+
+---
+
+## 附录：Prompt 测试建议
+
+在正式开发前，建议先用 5-10 个真实客户的对话手动测试 Prompt，验证以下指标：
+
+1. **准确率**：LLM 提取的画像字段，与人工阅读对话后的判断一致率
+2. **召回率**：人工能看出的信息，LLM 是否都提取到了
+3. **幻觉率**：LLM 是否生成了对话中没有的信息
+4. **稳定性**：同一组对话多次调用，结果是否一致
+
+测试通过后再进入开发阶段，可大幅减少返工。