feat: 意图识别优化

2026-07-30 09:29:27 +08:00 · 2026-07-30 09:29:27 +08:00 · f323ed5f5d
commit f323ed5f5d
parent 560dbd60a2
7 changed files with 381 additions and 151 deletions
--- a/app/chat_qa/classification/general_text_extract.py
+++ b/app/chat_qa/classification/general_text_extract.py
@ -31,6 +31,47 @@ general_prompt = """
 输入文本：{text}
 """

+general_merge_prompt = """
+# 任务
+从三类输入中提取与"下一次回复"直接相关的结构化关键要点，按优先级融合后输出。
+
+# 输入
+- 最新聊天内容（最高优先级）: {message}
+- 历史相关知识: {milvus_content}
+- 标准内容: {standard}
+
+# 处理规则
+1. 【优先级去重】同一事实优先采用 {message}，缺失部分依次补充 {milvus_content}、{standard}，不重复罗列。
+2. 【个人信息脱敏】删除所有个人身份信息（姓名、年级、专业全称、学校、联系方式等）。
+   - ⚠️ 特别注意：「回复主题」同样需要脱敏，不得包含具体专业、年级、姓名等身份标识。主题应概括"咨询类型/事项"，而非"用户身份"。
+3. 【用户事实过滤】严格去除所有与用户主体相关的客观事实信息，包括但不限于：
+   - 用户的计划、意向、时间安排、人数规模、行程动向；
+   - 用户当前的状态、情绪、顾虑、已做出的决定；
+   - 用户提及的任何"我/我们"视角的行为描述。
+   仅保留销售/服务方需要执行的动作、接待安排、标准流程、适用条件与门槛。
+4. 【主题相关性过滤】严格过滤与当前回复主题无关的历史信息，包括但不限于：
+   - 已明确终止的咨询记录（如用户已拒绝并结束的话题）；
+   - 与当前课程方向无关的其他技术栈/工具争议；
+   - 负面情绪或人际冲突类描述（如"互删""不考虑"等）。
+   仅保留对当前回复有指导价值的事实要点。
+5. 【纯事实提取】只提取客观事实要点，不生成完整回复，不添加销售话术、过渡句或主观推测。
+6. 【空值处理】若无核心数字或适用条件，对应字段输出为空列表 `[]` 或留空，不编造。
+
+# 输出格式
+严格按以下 YAML 输出，禁止添加额外解释：
+
+```yaml
+回复主题: 
+
+关键信息点:
+  - 信息: 
+
+核心数字:
+  - 
+
+适用条件/门槛:
+  - 
+"""
 class TextExtract:

    async def text_extract(self, text:str)->str:
@ -41,3 +82,12 @@ class TextExtract:
        chain = prompt_template | llm |str_output_parser
        answer = await chain.ainvoke({"text": text})
        return answer
+
+    async def message_extract(self, message:str, milvus_content:str, standard:str)->str:
+
+        prompt_template = PromptTemplate(template=general_merge_prompt, input_variables=["message", "milvus_content", "standard"])
+        str_output_parser = StrOutputParser()
+        chain = prompt_template | llm |str_output_parser
+        answer = await chain.ainvoke({"message": message, "milvus_content": milvus_content, "standard": standard})
+        return answer
+
--- a/app/chat_qa/classification/history_intent.py
+++ b/app/chat_qa/classification/history_intent.py
--- a/app/chat_qa/classification/text_intent.py
+++ b/app/chat_qa/classification/text_intent.py
@ -5,56 +5,35 @@ from langchain_core.output_parsers import StrOutputParser
 from langchain_core.prompts import PromptTemplate

 from app.llm import llm
-from app.repository.milvus.intent_classification_repository import IntentClassificationRepository

 intent_prompt = """
-你是一个专业的意图提取专家。请分析以下文本内容，并结合当前已有的意图标签，判断是否符合；若不符合则生成一个新意图，符合则直接返回原意图。
+你是一个意图分类专家。你的任务是根据给定的文本内容，判断它是否匹配当前意图。如果不匹配，则从意图列表中选择最合适的意图。

-## 输入说明
- **文本内容**：`{text}`
- **目前的意图**：`{intent}`（可能为空）
+## 输入信息
+- **文本内容**：{text}（可能为多段文本，需综合判断整体核心意图，而非逐段独立判断）
+- **当前意图**：{intent}（可能为空）
+- **意图列表**：{intent_list}

-## 核心规则
+## 意图层级说明
+意图列表中存在层级关系，分类时须优先识别：
+- **概括性意图**：能够涵盖多个独立的具体子意图，例如 `学习模式`（涵盖线上直播教学、线下面授教学）、`课程咨询`（涵盖费用、周期、内容等综合问题）、`提供服务` 等。
+- **具体意图**：描述单一、明确的独立事项，例如 `线上直播教学`、`线下面授教学`、`UE引擎开发`、`住宿咨询`、`上课时间` 等。

-### 1. 意图提取与对比规则
- 首先从文本中提取1个核心意图（提取方法见下方“意图提取规则”）。
- 将提取出的意图与给定的`{{intent}}`进行对比：
-  - 若两者**完全相同**（字符串完全一致），则最终输出意图为原意图`{{intent}}`。
-  - 若两者不同，或`{{intent}}`为空，则最终输出意图为新提取的意图。
- 无论采用原意图还是新意图，都必须来自或可扩充自“意图分类体系”。
+## 判断规则
+1. 如果当前意图为空，直接从意图列表中选择最匹配的意图。
+2. **多意图混合优先原则（最重要）**：仅当文本**同时涉及意图列表中两个或以上独立意图的实质性并列、对比或综合介绍**时，才优先选择能够概括这些内容的上层意图（如 `学习模式`、`课程咨询`）。**严禁**把单一意图内部的多维度展开（如某课程包含多个技术点、案例类型、学习阶段）误判为多意图混合。
+3. **当前意图保持的严格条件**：只有当文本内容**主要且专门**围绕当前意图展开，且**不涉及其他独立意图的实质性并列或对比内容**时，才保持当前意图不变。如果文本在匹配当前意图的同时，还明显涉及其他独立意图的对比、补充或并列说明，则必须重新从意图列表中选择最合适的概括性意图，**不得因当前意图非空而强行保持**。
+4. 如果文本内容与当前意图完全不匹配（包括语义偏差、主题不符、情感不一致等），从意图列表中选择最匹配的意图进行替换。
+5. 如果意图列表中没有完全匹配的意图，选择最接近的一个，**不要自行创造新意图**。
+6. 如果文本内容模糊、无法判断，选择当前意图（若为空则选择意图列表中的"其他"或第一个兜底意图）。

-### 2. 意图提取规则（用于从文本中提取核心意图）
- 若文本包含用户明确的问题，提取其核心诉求对应的意图。
- 若文本为销售介绍/陈述内容，**聚焦于其最想传达的核心功能或核心信息**，提取总结性意图。**不得将补充说明信息（如附带提到的地点、时间等）误判为核心意图。**
-  - 例如：文本为“线上课程后期可以转到线下，我们线下校区在上海”，核心是“线上转线下”这一功能，而非“校区分布”，因此应扩充为“线上转线下”，而不是使用“校区分布”。
- 意图必须基于实际内容，不编造。
- 仅提取1个意图标签。
+## 分析步骤（必须执行）
+1. **提取核心主题**：综合分析文本列表的整体核心主题，忽略边缘细节。
+2. **判定是否多意图混合**：检查文本是否涉及**意图列表中两个或以上独立意图**的并列、对比或综合。注意：单一意图内部的技术点、案例、学习阶段等展开**不构成**多意图混合。
+3. **层级匹配**：若确认为多意图混合，匹配概括性意图；若为核心单一意图，匹配最具体的意图。
+4. **对比当前意图**：如果当前意图不为空，检查当前意图是否能准确概括文本**整体**内容。若不能，则放弃当前意图，重新选择。

-### 3. 单意图选择规则（关键）
-**只能输出一个意图标签，不能以顿号、逗号或“和”分隔多个意图。**
-
-当内容可能对应多个意图时，按以下优先级选择唯一意图：
-
-| 优先级 | 选择规则 | 说明 |
-|-------|---------|------|
-| **P0** | **优先匹配已有意图标签** | 必须优先从已有意图体系（含扩展示例）中选择最匹配的标签。**若已有标签中无准确对应，则按扩充规则创建新标签，严禁使用仅部分相关或语义模糊的已有标签。** 当销售单方面介绍课程内容（无用户明确提问）时，直接使用对应的主题标签（如“3D场景建模”），若主题为已有标签未覆盖的功能/服务（如“线上转线下”），则应扩充新标签，不得强行归类为“校区分布”等。 |
-| **P1** | **核心诉求优先** | 选择最能代表文本核心诉求的意图，**忽略次要的补充信息**。例如：文本“线上课程可转线下，校区在上海” → 核心是“线上转线下”，而非“校区分布”；报名流程说明 → “报名咨询”，而非“线上直播教学”。 |
-| **P2** | **主题维度优先于动作维度** | 当主题和动作诉求冲突时，优先选择主题维度。例如：3D建模费用 → “3D建模”（主题） |
-| **P3** | **直接提及优先于间接关联** | 文本明确说出的核心意图优先于推断出的意图 |
-| **P4** | **去重合并** | 多个子诉求属于同一类别时，只输出一个意图标签 |
-
-### 4. 意图分类体系（必须从中选择或基于其扩充）
-{intent_list}
-
-**扩充规则：** 当文本核心意图无法被已有标签准确覆盖时，必须创建更精准的新标签。创建时：
- 新标签应简洁体现核心语义（如“线上转线下”）。
- 严格对比已有标签，确保无重复语义。
- **示例**：文本“线上课程后期可以转到线下” → 已有标签无对应，扩充为“线上转线下”；文本“原画好就业吗” → 扩充为“原画就业”。
-
-### 5. 多意图处理
-若同一段文本明确涉及多个不重叠的核心意图，仅选择最能代表核心内容的1个意图。
-
-## 输出格式要求
+## 输出要求
 - 输出纯JSON，不要任何解释、不要markdown标记、不要注释
 - 确保所有字符串用双引号包裹
 - 输出格式固定为：
--- a/app/chat_qa_query/query_graph.py
+++ b/app/chat_qa_query/query_graph.py
@ -45,7 +45,7 @@ if __name__ == '__main__':
            archive_messages_mysql_repository = ArchiveMessagesRepository(db_session)
            qa_milvus_repository = QARepository()

-            state: QueryQAState = QueryQAState(original_query="电脑需要什么配置", history=['2026-07-10T15:42:13 EXTERNAL 我想学角色，我不知道能不能学，好不好学\n',"老师 现在原画好就业吗","好的，老师，你这边就业，是推荐就业吗？还是包就业呀"])
+            state: QueryQAState = QueryQAState(original_query="学习原画好就业吗", history=['2026-07-28T17:37:14 EXTERNAL 还有 3D 场景建模的试听课，你发我一下。另外，住宿要多少钱呢？一个月\n'])
            context = QueryQAContext(meta_mysql_repository=archive_messages_mysql_repository,
                                qa_milvus_repository=qa_milvus_repository
                                )
--- a/app/chat_qa_query/query_nodes/node_rewrite.py
+++ b/app/chat_qa_query/query_nodes/node_rewrite.py
@ -216,64 +216,107 @@ problem_rewriting_prompt1 = """
 请直接输出JSON：
 """
 problem_rewriting_prompt = """
+# 智能客服意图分类助手提示词
+
 你是一名智能客服意图分类助手。你的任务是根据用户的历史会话和当前问题，提取用户的核心诉求，并输出标准化的意图标签。

 ## 参数说明
+
 本提示词需要动态传入以下参数：
- {query}：用户当前提问
- {history_text}：历史会话记录（可为空）
- {intent_tags}：完整的意图标签列表，格式为JSON字符串数组，例如：["3D建模", "2D原画", "课程咨询", "就业咨询", ...]。**所有输出的意图标签必须严格从该列表中选择，不得自创或修改。**
+
+- `{query}`：用户当前提问
+- `{history_text}`：历史会话记录（可为空）
+- `{intent_tags}`：完整的意图标签列表，格式为 JSON 字符串数组，例如：`["3D建模", "2D原画", "课程咨询", "就业咨询", ...]`。**所有输出的意图标签必须严格从该列表中选择，不得自创或修改。**
+
+---

 ## 核心原则（必须严格遵守）

 ### 1. 双维度提取原则
+
 每个用户问题通常包含两个维度的意图，必须分别识别：
+
 - **课程/服务主题维度**：用户想咨询的具体课程类型或业务主题
 - **诉求/动作维度**：用户想了解的方面（费用、就业、难度等）

-这两个维度相互独立，必须同时提取，不得遗漏任何一个。最终输出的标签本身不区分维度，但模型内部需要判断每个标签的维度，以便后续优先级排序（见P3规则）。判断维度的方法：若标签名称中包含“咨询”、“怎么办”、“分布”等特征词，通常属于诉求/动作维度；否则多属于主题维度。请结合语义自行判断。
+这两个维度相互独立，必须同时提取，不得遗漏任何一个。最终输出的标签本身不区分维度，但模型内部需要判断每个标签的维度，以便后续优先级排序（见 P3 规则）。
+
+**维度判定规则（必须按语义本质判断，禁止仅看标签字面后缀）：**
+
+- **主题维度**：表示用户想学习的**具体课程类型、专业方向或业务领域**。  
+ 例如：`3D建模`、`3D场景建模`、`3D角色建模`、`2D原画`、`UE引擎开发`、`游戏特效`、`地编`、`技术美术`、`游戏动作/分镜`、`二次元风格`、`写实风格` 等。
+
+- **诉求/动作维度**：表示用户**想了解什么、想做什么、担心什么、需要什么服务**。  
+ 例如：`课程咨询`（想了解课程信息）、`就业咨询`（想了解就业）、`学不会怎么办`（担心学习效果）、`试听课`（想要试听服务）、`退费咨询`（想退费）、`住宿咨询`（想了解住宿）、`校区分布`（想了解位置）、`分期付款`（需要付款方式）、`开班安排`/`开课安排`/`上课时间`（想了解时间安排）、`报名流程`/`报到流程`（想了解报名动作）、`作品评估`（需要评估服务）、`预约参观`（想要参观）、`购买建议`（需要建议）、`重修政策`/`转班咨询`/`休学咨询`（想了解售后政策）等。
+
+**关键原则**：如果标签表达的是「用户的一个动作、需求、顾虑或服务请求」，即使标签名称中不含「咨询」「怎么办」等词，也必须判定为**诉求/动作维度**。禁止仅凭标签名称是否包含特定后缀来判断维度。
+
+**中心语优先原则（强制）**
+
+在包含"的"字的偏正短语中（如"3D场景建模的试听课"、"角色建模的课程内容"），**"的"字后面的成分（中心语）代表用户的核心诉求**，"的"字前面的成分（定语）仅为主题限定。
+- 中心语（诉求维度）的优先级 **必须高于** 定语（主题维度）。
+- 出现顺序判定以**中心语**在短语中的位置为准，而非字面首个词。
+
+---

 ### 2. 并列结构强制拆分
+
 识别以下并列模式并强制拆分：
- 顿号/逗号分隔："A、B、C" → [A, B, C]
- "和/与/及/还有"连接："A和B" → [A, B]
- 疑问词并列："多少钱、怎么报名、有就业吗" → [多少钱, 怎么报名, 有就业吗]
+
+- 顿号/逗号分隔：`"A、B、C"` → `[A, B, C]`
+- `"和/与/及/还有"` 连接：`"A和B"` → `[A, B]`
+- 疑问词并列：`"多少钱、怎么报名、有就业吗"` → `[多少钱, 怎么报名, 有就业吗]`

 **规则**：拆分后，每个子项必须独立分析，不得合并。

-### 3. 意图识别置信度评分体系
-每个意图标签在输出前必须经过置信度评分，**只有总分≥60分的标签才会被输出**。
+---

-#### 评分维度：
+### 3. 意图识别置信度评分体系
+
+每个意图标签在输出前必须经过置信度评分，**只有总分 ≥ 60 分的标签才会被输出**。
+
+#### 评分维度

 | 评分维度 | 分值 | 触发条件 | 说明 |
 |---------|------|---------|------|
-| **直接匹配** | **60分** | 用户问题中直接出现标签关键词或同义词扩展词（见第5节） | 关键词完全匹配或同义词匹配，直接给60分，超过阈值 |
-| **语义关联** | **40分** | 用户表达与标签语义高度相关，通过语义场推断 | 语义场匹配给40分，需配合上下文支持达到阈值 |
-| **上下文支持** | **20分** | 历史会话或当前上下文支持该意图推断 | 与语义关联配合：40+20=60分，刚好达到阈值 |
+| **直接匹配** | **60分** | 用户问题中直接出现标签关键词或同义词扩展词（见第5节） | 关键词完全匹配或同义词匹配，直接给 60 分，超过阈值 |
+| **语义关联** | **40分** | 用户表达与标签语义高度相关，通过语义场推断 | 语义场匹配给 40 分，需配合上下文支持达到阈值 |
+| **上下文支持** | **20分** | 历史会话或当前上下文支持该意图推断 | 与语义关联配合：40 + 20 = 60 分，刚好达到阈值 |
 | **历史补全** | **10分** | 意图完全依赖历史会话补全 | 仅作为辅助加分，不单独使用 |

-#### 阈值判定规则：
- **总分 ≥ 60分** → 进入候选池
- **总分 < 60分** → 直接过滤，不进入候选池
- 无任何意图≥60分 → 输出 `{{"intents": []}}`
+#### 阈值判定规则

-### 4. 强制截断规则（新增）
-**无论识别到多少个意图，最终输出最多只返回2个意图标签。**
+- **总分 ≥ 60 分** → 进入候选池
+- **总分 &lt; 60 分** → 直接过滤，不进入候选池
+- 无任何意图 ≥ 60 分 → 输出 `{{"intents": []}}`

-当候选池中超过2个意图时，按以下优先级排序，只保留前2个：
+---
+
+### 4. 强制截断规则
+
+**无论识别到多少个意图，最终输出最多只返回 2 个意图标签。**
+
+当候选池中超过 2 个意图时，按以下优先级排序，只保留前 2 个：

 | 优先级 | 排序规则 | 说明 |
 |-------|---------|------|
-| **P1（最高）** | 当前问题直接明确表达的 > 历史会话补全的 | 用户当前明确说出的诉求优先 |
-| **P2** | 总分高的 > 总分低的 | 置信度更高的优先 |
-| **P3** | 诉求维度 > 主题维度 | 用户更关心“做什么”而非“是什么” |
-| **P4** | 出现顺序靠前的 > 出现顺序靠后的 | 用户先说的一般更关心 |
+| **P1（最高）** | 当前问题直接明确表达的 &gt; 历史会话补全的 | 用户当前明确说出的诉求优先 |
+| **P2** | 总分高的 &gt; 总分低的 | 置信度更高的优先 |
+| **P3** | 诉求维度 &gt; 主题维度 | 用户更关心"做什么"而非"是什么" |
+| **P4** | 核心诉求出现顺序靠前的 &gt; 靠后的 | 同一子诉求内，中心语（诉求维度）优先于定语（主题维度）；跨子诉求时，按子诉求在原文中的先后顺序 |

-**截断规则**：排序后，只保留前2个，其余全部丢弃。
+**P4 执行细则（强制）**
+
+排序时必须严格遵循 P1 → P2 → P3 → P4 的层级顺序，**严禁跨层级比较**。即：仅当 P1、P2、P3 均相同或无法区分时，才启用 P4。
+在"主题+诉求"的复合表达（如"X的Y"）中，Y（诉求维度）视为该子诉求的核心，其 P4 顺序位始终优先于 X（主题维度）。
+
+**截断规则**：排序后，只保留前 2 个，其余全部丢弃。
+
+---

 ### 5. 语义同义词扩展匹配
-匹配时不仅使用标签字面本身，还必须覆盖常见的同义词扩展。以下为常见标签的同义词映射表（**当且仅当 {intent_tags} 中包含与下列标准标签完全同名的标签时，才可使用该扩展**；若传入的标签不在该表中，则根据标签字面及通用语义进行匹配，禁止编造扩展词）：
+
+匹配时不仅使用标签字面本身，还必须覆盖常见的同义词扩展。以下为常见标签的同义词映射表（**当且仅当 `{intent_tags}` 中包含与下列标准标签完全同名的标签时，才可使用该扩展**；若传入的标签不在该表中，则根据标签字面及通用语义进行匹配，禁止编造扩展词）：

 - **就业咨询**：就业、找工作、工作推荐、就业支持、就业服务、就业保障、就业率、包就业、毕业安排、工作分配、推荐工作、就业方向、职业发展、入职、岗位推荐、能就业吗、好找工作吗、就业情况、就业数据、薪资、工资待遇、收入水平
 - **学不会怎么办**：学不会、跟不上、没基础、怕学不会、能不能学、能学会吗、学得会吗、适合我学吗、零基础能学吗、没经验能学吗、纯小白能学吗、好不好学、难不难、难吗、简单吗、容易学吗、好学吗、有难度吗、门槛高吗、有门槛吗、担心自己学不会、不知道能不能学会、怕跟不上、怕太难、上手难、学不进、听不懂、理解不了
@ -284,46 +327,61 @@ problem_rewriting_prompt = """
 - **校区分布**：校区、地址、在哪、位置、分布、哪个城市、怎么去、交通、附近
 - **优势/竞争力**：优势、竞争力、为什么选你们、和其他机构比、口碑、排名、实力、师资、教学质量

-（若传入的标签列表包含上述标签以外的标签，同义词匹配将仅基于标签文字及通用语义，不得臆造扩展。）
+（若传入的标签列表包含上述标签以外的标签，同义词匹配将仅基于标签文字及通用语义，不得臆造扩展词。）
+
+---

 ### 6. 信息补全与语义保持
+
 - 如果当前问题缺少主语，从历史会话补全
 - 不得改变用户原始意图，不得引入历史会话中不存在的新信息
 - 不得遗漏当前问题中的任何关键诉求

+---
+
 ## 输出格式
- 仅输出JSON，不要任何解释性文字
- **最多只返回2个意图标签**，超出部分强制截断
- 所有标签必须来自传入的 {intent_tags} 列表
- 输出格式示例：`{{"intents": ["标签1", "标签2"]}}` （若候选为空则 `{{"intents": []}}`）
+
+- 仅输出 JSON，不要任何解释性文字
+- **最多只返回 2 个意图标签**，超出部分强制截断
+- 所有标签必须来自传入的 `{intent_tags}` 列表
+- 输出格式示例：`{{"intents": ["标签1", "标签2"]}}`（若候选为空则 `{{"intents": []}}`）
+
+---

 ## 分析流程（必须按顺序执行）

-### 步骤1：并列拆分
+### 步骤 1：并列拆分
 将当前问题拆分为独立的子诉求。

-### 步骤2：双维度扫描 + 置信度评分
-对每个子诉求，扫描 {intent_tags} 中的标签，按照第3节和第5节计算总分。每个意图独立评分。
+### 步骤 2：双维度扫描 + 置信度评分
+对每个子诉求，扫描 `{intent_tags}` 中的标签，按照第 3 节和第 5 节计算总分。每个意图独立评分。

-### 步骤3：阈值过滤
-只保留总分≥60分的意图，进入候选池。
+### 步骤 3：阈值过滤
+只保留总分 ≥ 60 分的意图，进入候选池。

-### 步骤4：优先级排序（当候选池超过2个时）
-按P1→P2→P3→P4规则排序。
+### 步骤 4：优先级排序（当候选池超过 2 个时）
+按 P1 → P2 → P3 → P4 规则排序。

-### 步骤5：强制截断
-只保留排序后的前2个意图标签。
+### 步骤 5：强制截断
+只保留排序后的前 2 个意图标签。
+
+### 步骤 6：完整性自检（输出前必须执行）

-### 步骤6：完整性自检（输出前必须执行）
 - [ ] 每个子诉求是否都经过了置信度评分？
- [ ] 是否有总分≥60分的意图被遗漏？
- [ ] 最终输出是否≤2个标签？
+- [ ] 是否有总分 ≥ 60 分的意图被遗漏？
+- [ ] 最终输出是否 ≤ 2 个标签？
 - [ ] 截断时是否按优先级规则执行？
- [ ] 所有输出的标签是否都在 {intent_tags} 中？
+- [ ] 所有输出的标签是否都在 `{intent_tags}` 中？
+- [ ] 每个标签的维度判定是否基于语义本质而非字面后缀？
+- [ ] 是否遵循了中心语优先原则（"的"字短语中诉求维度优先于主题维度）？

-如果任何一项为“否”，重新分析。
+如果任何一项为"否"，重新分析。

-## 分类示例（假设传入标签列表包含：3D建模、3D角色建模、课程咨询、就业咨询、住宿咨询、退费咨询、学不会怎么办）
+---
+
+## 分类示例
+
+（假设传入标签列表包含：`3D建模`、`3D角色建模`、`课程咨询`、`就业咨询`、`住宿咨询`、`退费咨询`、`学不会怎么办`、`试听课`、`3D场景建模`）

 ### 示例1（2个意图，无需截断）
 历史会话：（空）
@ -356,7 +414,7 @@ problem_rewriting_prompt = """
  - 诉求维度2："不知道能不能学" → 语义关联(40) + 上下文支持(20) = 60分 → 候选池
  - 诉求维度3："好不好学" → 语义关联(40) + 上下文支持(20) = 60分 → 候选池（与上同标签，去重）
  - 候选池：["3D角色建模", "课程咨询", "学不会怎么办"]，共3个，需截断
-  - 排序：课程咨询(P1当前直接) > 学不会怎么办(P1当前直接) > 3D角色建模(P3主题维度)
+  - 排序：课程咨询(P1当前直接) &gt; 学不会怎么办(P1当前直接) &gt; 3D角色建模(P3主题维度)
  - 截断后保留前2个
 分类结果：
 {{"intents": ["课程咨询", "学不会怎么办"]}}
@ -371,7 +429,7 @@ problem_rewriting_prompt = """
  - "住宿" → 直接匹配"住宿咨询" = 60分 → 候选池
  - "退费" → 直接匹配"退费咨询" = 60分 → 候选池
  - 候选池共5个，需截断
-  - 排序：课程咨询(P1当前直接,出现第2) > 就业咨询(P1当前直接,出现第3) > 住宿咨询 > 退费咨询 > 3D建模(P3主题维度)
+  - 排序：课程咨询(P1当前直接,出现第2) &gt; 就业咨询(P1当前直接,出现第3) &gt; 住宿咨询 &gt; 退费咨询 &gt; 3D建模(P3主题维度)
  - 截断后保留前2个
 分类结果：
 {{"intents": ["课程咨询", "就业咨询"]}}
@ -381,12 +439,12 @@ problem_rewriting_prompt = """
 - 用户：我想学3D建模
 当前问题：多少钱、就业情况、住宿条件
 分析：
-  - 主题维度："3D建模"历史补全 = 10分 < 60分 → 不进入候选池
+  - 主题维度："3D建模"历史补全 = 10分 &lt; 60分 → 不进入候选池
  - "多少钱" → 直接匹配"课程咨询" = 60分 → 候选池
  - "就业情况" → 直接匹配"就业咨询" = 60分 → 候选池
  - "住宿条件" → 直接匹配"住宿咨询" = 60分 → 候选池
  - 候选池：["课程咨询", "就业咨询", "住宿咨询"]，共3个，需截断
-  - 排序：课程咨询(P1,出现第1) > 就业咨询(P1,出现第2) > 住宿咨询(P1,出现第3)
+  - 排序：课程咨询(P1,出现第1) &gt; 就业咨询(P1,出现第2) &gt; 住宿咨询(P1,出现第3)
  - 截断后保留前2个
 分类结果：
 {{"intents": ["课程咨询", "就业咨询"]}}
@ -395,11 +453,31 @@ problem_rewriting_prompt = """
 历史会话：（空）
 当前问题：这个课有意思吗
 分析：
-  - "有意思" → 语义关联"课程咨询" = 40分，无上下文支持 = 0分，总分40分 < 60分 → 不进入候选池
+  - "有意思" → 语义关联"课程咨询" = 40分，无上下文支持 = 0分，总分40分 &lt; 60分 → 不进入候选池
  - 候选池为空
 分类结果：
 {{"intents": []}}

+### 示例 7（中心语优先 + P3 排序生效）
+历史会话：（空）
+当前问题：还有 3D 场景建模的试听课，你发我一下。另外，住宿要多少钱呢？
+分析：
+  拆分：[3D场景建模的试听课, 住宿要多少钱]
+  - 子诉求1："3D场景建模的试听课"
+    - 主题维度："3D场景建模" → 直接匹配 = 60分 → 候选池
+    - 诉求维度（中心语）："试听课" → 直接匹配 = 60分，语义为「用户想要试听服务」→ 候选池
+  - 子诉求2："住宿要多少钱"
+    - 诉求维度："住宿咨询" → 直接匹配 = 60分 → 候选池
+  - 候选池：["3D场景建模", "试听课", "住宿咨询"]，共 3 个，需截断
+  - 排序：
+    - P1：三者均为当前直接表达，平级
+    - P2：三者均为60分，平级
+    - P3：试听课(诉求) = 住宿咨询(诉求) &gt; 3D场景建模(主题)
+    - P4：试听课（子诉求1中心语）&gt; 住宿咨询（子诉求2中心语）&gt; 3D场景建模（子诉求1定语）
+  - 截断后保留前 2 个
+分类结果：
+{{"intents": ["试听课", "住宿咨询"]}}
+
 ---

 ## 现在请处理以下输入
--- a/app/chat_qa_query/query_nodes/node_search_embedding.py
+++ b/app/chat_qa_query/query_nodes/node_search_embedding.py
@ -24,7 +24,7 @@ async def search_embed(state: QueryQAState):
    for item in result:
        qa_pairs.append({
            "intent_category": item.get("intent_category", ""),
-            "content": item.get("content", ""),
+            "content": item.get("content", "") + "," +item.get("review_content", ""),
            "score": item.get("score", 0)
        })
    
--- a/app/repository/milvus/intent_classification_repository.py
+++ b/app/repository/milvus/intent_classification_repository.py
@ -35,6 +35,7 @@ class IntentClassificationRepository:
        schema.add_field(field_name="id", datatype=DataType.INT64, is_primary=True, auto_id=True)
        schema.add_field(field_name="intent_category", datatype=DataType.VARCHAR, max_length=128)
        schema.add_field(field_name="content", datatype=DataType.VARCHAR, max_length=65535)
+        schema.add_field(field_name="review_content", datatype=DataType.VARCHAR, max_length=65535)
        schema.add_field(field_name="content_vector", datatype=DataType.FLOAT_VECTOR, dim=1024)
        schema.add_field(field_name="created_at", datatype=DataType.INT64)

@ -51,6 +52,90 @@ class IntentClassificationRepository:
            index_params=index_params
        )

+        return True
+    # 迁移
+    def migrate_add_review_content(self) -> bool:
+        if not milvus_client.has_collection(self.collection_name):
+            logger.error(f"集合 {self.collection_name} 不存在，无法迁移")
+            return False
+
+        temp_collection = f"{self.collection_name}_temp"
+
+        if milvus_client.has_collection(temp_collection):
+            milvus_client.client.drop_collection(temp_collection)
+
+        schema = milvus_client.client.create_schema(
+            auto_id=True,
+            enable_dynamic_field=True,
+            description="意图分类向量集合（迁移：新增review_content）"
+        )
+        schema.add_field(field_name="id", datatype=DataType.INT64, is_primary=True, auto_id=True)
+        schema.add_field(field_name="intent_category", datatype=DataType.VARCHAR, max_length=128)
+        schema.add_field(field_name="content", datatype=DataType.VARCHAR, max_length=65535)
+        schema.add_field(field_name="review_content", datatype=DataType.VARCHAR, max_length=65535)
+        schema.add_field(field_name="content_vector", datatype=DataType.FLOAT_VECTOR, dim=1024)
+        schema.add_field(field_name="created_at", datatype=DataType.INT64)
+
+        index_params = milvus_client.client.prepare_index_params()
+        index_params.add_index(
+            field_name="content_vector",
+            index_type="HNSW",
+            metric_type="COSINE",
+            params={"M": 32, "efConstruction": 300}
+        )
+        milvus_client.client.create_collection(
+            collection_name=temp_collection,
+            schema=schema,
+            index_params=index_params
+        )
+        logger.info(f"创建临时集合 {temp_collection} 成功")
+
+        all_data = []
+        offset = 0
+        batch_size = 1000
+        while True:
+            batch = milvus_client.client.query(
+                collection_name=self.collection_name,
+                output_fields=["intent_category", "content", "content_vector", "created_at"],
+                limit=batch_size,
+                offset=offset
+            )
+            if not batch:
+                break
+            all_data.extend(batch)
+            if len(batch) < batch_size:
+                break
+            offset += batch_size
+
+        logger.info(f"查询到旧数据 {len(all_data)} 条，开始迁移")
+
+        migrated = 0
+        for i in range(0, len(all_data), batch_size):
+            batch = all_data[i:i + batch_size]
+            insert_batch = []
+            for item in batch:
+                insert_batch.append({
+                    "intent_category": item.get("intent_category", ""),
+                    "content": item.get("content", ""),
+                    "review_content": "",
+                    "content_vector": item.get("content_vector", []),
+                    "created_at": item.get("created_at", 0)
+                })
+            milvus_client.client.insert(
+                collection_name=temp_collection,
+                data=insert_batch
+            )
+            migrated += len(insert_batch)
+            logger.info(f"迁移进度: {migrated}/{len(all_data)}")
+
+        logger.info(f"数据迁移完成，共 {len(all_data)} 条")
+
+        milvus_client.client.drop_collection(self.collection_name)
+        logger.info(f"旧集合 {self.collection_name} 已删除")
+
+        milvus_client.client.rename_collection(temp_collection, self.collection_name)
+        logger.info(f"临时集合重命名为 {self.collection_name}，迁移完成")
+
        return True

    async def save_intent_data(self, data: List[Dict[str, Any]]) -> List[int]:
@ -61,6 +146,7 @@ class IntentClassificationRepository:
                insert_data.append({
                    "intent_category": item.get("intent_category", ""),
                    "content": item.get("content", ""),
+                    "review_content": item.get("review_content", ""),
                    "content_vector": item.get("content_vector", []),
                    "created_at": created_at
                })
@ -107,6 +193,7 @@ class IntentClassificationRepository:
                    data=[{
                        "intent_category": category,
                        "content": content,
+                        "review_content": item.get("review_content", ""),
                        "content_vector": vector,
                        "created_at": created_at
                    }]
@ -128,7 +215,7 @@ class IntentClassificationRepository:
        result = milvus_client.client.query(
            collection_name=self.collection_name,
            filter=expr,
-            output_fields=["intent_category", "content", "created_at"],
+            output_fields=["intent_category", "content", "review_content", "created_at"],
            limit=top_k
        )
        return result
@ -143,7 +230,7 @@ class IntentClassificationRepository:
                "metric_type": "COSINE",
                "efSearch": 300
            },
-            output_fields=["intent_category", "content", "created_at"]
+            output_fields=["intent_category", "content", "review_content", "created_at"]
        )

        results = []
@ -152,6 +239,7 @@ class IntentClassificationRepository:
                item = {
                    "intent_category": hit.entity.get("intent_category"),
                    "content": hit.entity.get("content"),
+                    "review_content": hit.entity.get("review_content"),
                    "created_at": hit.entity.get("created_at"),
                    "score": hit.get("distance", 0)
                }
@ -171,14 +259,20 @@ class IntentClassificationRepository:
        all_categories = await self.get_all_intent_categories()
        return [c for c in all_categories]

-    async def get_content_by_intent_category(self, intent_category: str) -> List[str]:
+    async def get_content_by_intent_category(self, intent_category: str) -> List[Dict[str, str]]:
        result = milvus_client.client.query(
            collection_name=self.collection_name,
            filter=f'intent_category == "{intent_category}"',
-            output_fields=["content"],
+            output_fields=["content", "review_content"],
            limit=1000
        )
-        return [item.get("content", "") for item in result if item.get("content")]
+        return [
+            {
+                "content": item.get("content", ""),
+                "review_content": item.get("review_content", "")
+            }
+            for item in result if item.get("content")
+        ]

    async def delete_today_data(self) -> int:
        today_start = int(datetime.now().replace(hour=0, minute=0, second=0, microsecond=0).timestamp())
@ -199,16 +293,62 @@ class IntentClassificationRepository:
        logger.info(f"删除今日数据 {len(ids_to_delete)} 条")
        return len(ids_to_delete)

+    def sync_content_to_review_content(self) -> int:
+        result = milvus_client.client.query(
+            collection_name=self.collection_name,
+            output_fields=["id", "intent_category", "content", "review_content", "content_vector", "created_at"],
+            limit=10000
+        )
+        if not result:
+            logger.info("无数据需要同步")
+            return 0
+
+        updated = 0
+        batch_size = 1000
+        for i in range(0, len(result), batch_size):
+            batch = result[i:i + batch_size]
+            ids_to_delete = []
+            insert_batch = []
+            for item in batch:
+                ids_to_delete.append(item["id"])
+                insert_batch.append({
+                    "intent_category": item.get("intent_category", ""),
+                    "content": item.get("content", ""),
+                    "review_content": item.get("content", ""),
+                    "content_vector": item.get("content_vector", []),
+                    "created_at": item.get("created_at", 0)
+                })
+            milvus_client.client.delete(
+                collection_name=self.collection_name,
+                ids=ids_to_delete
+            )
+            milvus_client.client.insert(
+                collection_name=self.collection_name,
+                data=insert_batch
+            )
+            updated += len(insert_batch)
+            logger.info(f"同步进度: {updated}/{len(result)}")
+
+        logger.info(f"content → review_content 同步完成，共更新 {updated} 条")
+        return updated
+

 async def main():
    milvus_client.init()
    repo = IntentClassificationRepository()
-    style_categories = await repo.delete_today_data()
+
+    # 1. 首次部署：迁移新增 review_content 字段
+    # success = repo.migrate_add_review_content()
+    # print(f"迁移结果: {success}")
+
+    # 2. 将 content 同步写入 review_content
+    # count = repo.sync_content_to_review_content()
+    # print(f"同步完成，共 {count} 条")
+
+    style_categories = await repo.get_style_intent_categories()
    print(style_categories)

 if __name__ == "__main__":
-    # today_start = int(datetime.now().replace(hour=0, minute=0, second=0, microsecond=0).timestamp())
-    # print(today_start)
    import asyncio
    asyncio.run(main())