dieya_risk_prediction_backend/docs/conversation-prompts.md

会话 Prompt 动态路由

会话的普通发送 POST /api/v1/conversations/{id}/messages 与流式发送 POST /api/v1/conversations/{id}/stream 共用同一条模型调用链：

1. 保存本轮用户消息。
2. 用 app/prompts/semantic_router.md 结合本轮问题、近期聊天文字和上一轮主题，提取业务字段并选择 prompt_key。路由复用现有语义识别调用，不单独增加一次模型请求。
3. 读取通用角色文件，以及本轮选中的一个环节专家文件；补充运行约束、语义 JSON 和最近 20 条消息，调用模型回复。
4. SSE 发送 semantic、delta、done；普通发送等待完成后返回相同的会话数据。
5. 将最终主题与助手回复一起存入 conversation_messages.structured_data.semantic，下一次请求从数据库恢复主题。

文件与主题

六份原始业务 Prompt 保存在 app/prompts/product_development/：

prompt_key	文件	适用问题
product_manager	开品产品经理-美妆护肤-角色Prompt.md	通用咨询、综合规划、原有供应商/物料/质量风险查询
selection_insight	01-选品洞察.md	值不值得开、需求、市场机会、竞争
project_review	02-立项评审.md	立项书、定位、可行性、评审条件
cost_pricing	03-成本定价.md	成本、售价、毛利、投产比
compliance_risk	04-合规风控.md	成分、资质、备案、功效宣称、广告合规
listing_selling_points	05-上架卖点.md	标题、主图、详情页、卖点文案

通用角色每轮加载，环节专家按需加载一个。专家环节采用该专家的输出结构，避免把五类模板一起输出。文件使用 UTF-8，每次调用时读取，修改后下一次请求生效。

app/prompts/conversation_runtime.md 维护统一的对话节奏、历史信息承接和实际能力边界；OCR 字段抽取及后台预防建议仍使用 LLMClient 内各自的 Prompt。

追问承接与主题切换

• 用户补充“抖音，89 元”、回答上一轮问题或说“继续”时，模型选择 inherit。后端把它解析为最近一条助手消息持久化的主题。
• 用户明确转问新任务，例如从“值不值得做”改问“毛利怎么算”，应重新选择 cost_pricing，不能一律继承上一主题。
• 第一次请求、旧记录没有主题，或模型返回未知主题时，回退到 product_manager。模型返回的文件路径不会参与文件读取。
• 开品专家环节以文字回复及 Prompt 内的追问为主，避免短答被旧供应商规则误识别，或附上无关的历史风险卡片。原有明确的快捷查询指令仍保留卡片路由。
• 本次只保存主题，不维护独立的完整产品字段状态；产品事实仍从近期聊天中理解，超出上下文窗口的材料需要用户补充。

语义事件及历史消息中的路由信息示例：

{
  "prompt_key": "cost_pricing",
  "prompt_name": "成本定价",
  "prompt_file": "03-成本定价.md",
  "prompt_route_source": "semantic"
}

prompt_route_source 为 semantic（模型选择）、inherited（追问承接）或 fallback（默认角色）。这些字段复用已有 JSONB，不需要数据库迁移。

部署与能力

pyproject.toml 已将 Markdown 文件加入安装包；部署源码时也需要同步整个 app/prompts/ 目录。会话路由只使用固定白名单内的文件。

业务 Prompt 中要求的实时检索与确定性计算，并不会因为加载文件而自动获得工具能力。目前文字会话没有联网检索或计算工具；上下文没有实际工具结果时，回复应标记 MISSING_MATERIAL、追问必要材料或说明待计算项，不得声称已检索或完成精确测算。接入工具后，需要同步更新运行约束并传入真实工具结果。

普通发送现在也依赖真实模型配置和响应时间；未配置模型或模型失败时返回错误，不再生成固定模板回复。