fix: 优化提示词

internal/biz/ding_talk_bot.go

@@ -185,7 +185,7 @@ func (d *DingTalkBotBiz) handleSingleChat(ctx context.Context, requireData *enti
 	if err != nil {
 		return err
 	}
-	log.Debugf("系统&分类结果: %s - %s", resolveResult.Sys.SysName, resolveResult.IssueType.Name)
+	log.Debugf("系统&分类结果: %s - %s，原因：%s", resolveResult.Sys.SysName, resolveResult.IssueType.Name, resolveResult.Classification.Reason)
 
 	// 4. 分类处理（后续考虑接各自的工作流/agent）
 	switch resolveResult.IssueType.Code {

internal/biz/do/handle.go

@@ -98,20 +98,19 @@ func (r *Handle) RewriteQuery(ctx context.Context, history []model.AiBotChatHi,
 		return currentQuery, nil
 	}
 
-	var histStr strings.Builder
+	histStr := strings.Builder{}
 	for _, h := range history {
-		role := "用户"
+		if h.Role == "user" {
-		if h.Role != "user" {
+			histStr.WriteString(fmt.Sprintf("%s:%s\n", h.CreateAt, h.Content))
-			role = "助手"
 		}
-		histStr.WriteString(fmt.Sprintf("%s: %s\n", role, h.Content))
 	}
 
 	systemPrompt := `你是一个搜索查询改写专家。请结合用户的历史对话上下文，将用户当前的输入改写为一个独立的、语义完整的、适合知识库检索的中文查询词。
 要求：
-1. 保持原意，补全指代（如“它”、“刚才那个问题”）。
+1. 当前输入最能反映用户的意图，权重按照时间逆序依次减弱，改写后的查询词应与当前输入的语义相关。
-2. 只返回改写后的查询词，不要有任何解释。
+2. 保持原意，补全指代（如“它”、“刚才那个问题”）。
-3. 如果当前输入已经很完整，直接返回原句。`
+3. 只返回改写后的查询词，不要有任何解释。
+4. 如果当前输入已经很完整，直接返回原句。`
 
 	userPrompt := fmt.Sprintf("### 历史对话：\n%s\n### 当前输入：\n%s\n### 改写后的查询词：", histStr.String(), currentQuery)
 
@@ -141,6 +140,7 @@ func (r *Handle) ClassifyIssueSystem(ctx context.Context, systems []string, user
    - 当前输入明确提到系统 → 直接覆盖历史系统
    - 当前输入未提系统，但历史对话有 → 继承最近历史系统
    - 当前输入和历史均未出现 → "全局"
+   - 询问公司、企业、制度层面的问题 → "全局"
 
 2. 特殊规则：
    - 如果当前输入仅包含系统名称（如“CRM”），视为系统上下文补充，仅更新 sys_name，不做其他推断
@@ -190,7 +190,7 @@ func (r *Handle) ClassifyIssueSystem(ctx context.Context, systems []string, user
 // ClassifyIssueType 问题分类分析
 func (r *Handle) ClassifyIssueType(ctx context.Context, issueTypes []string, systems []string, userInput string, userHist []model.AiBotChatHi) (*IssueClassification, error) {
 	systemPrompt := fmt.Sprintf(`## 角色
-你是一个业务问题类型分析专家。你的任务是基于多轮对话识别用户讨论的**问题类型（issue_type_name）**，问题类型必须严格来自可用问题类型列表 [%s]。
+你是一个业务问题类型分析专家。你的任务是基于多轮对话识别用户讨论的**问题类型（issue_type_name）**，问题类型必须严格来自“背景数据-可用问题类型列表”。
 
 你不负责系统名称判断。输出必须严格遵守 JSON 格式。
 
@@ -200,12 +200,14 @@ func (r *Handle) ClassifyIssueType(ctx context.Context, issueTypes []string, sys
    - 将当前输入与历史对话合并理解为完整问题演进
    - 当前输入可能是补充条件、追问、修正或只给模块名/报错片段
    - 不要只看当前一句
+   - 忽略历史中的系统名称相关
 
 2. 问题类型判定逻辑
    - 当前输入明确匹配列表中某个类型 → 使用该类型
    - 当前输入未明确，但历史已有 → 继承历史类型
    - 当前输入未匹配，历史也没有 → 选择最接近的列表类型（尽量匹配意图）
    - 除非是闲聊（如“你好”“在吗”），禁止返回空值
+   - 除非明确是需求，否则禁止返回“开发需求”类型
 
 3. 特殊规则
    - 当前输入只包含系统名/模块名/参数名 → 视为问题补充，继承历史 issue_type_name
@@ -220,7 +222,7 @@ func (r *Handle) ClassifyIssueType(ctx context.Context, issueTypes []string, sys
   "issue_type_name": "问题类型名称",
   "summary": "15字内问题标题",
   "reason": "说明问题类型是基于哪句话判断，或说明继承自历史，继承自哪条历史"
-}`, strings.Join(issueTypes, ", "), strings.Join(issueTypes, ", "), strings.Join(systems, ", "))
+}`, strings.Join(issueTypes, ", "), strings.Join(systems, ", "))
 
 	historyStr := strings.Builder{}
 	historyStr.WriteString("### 历史对话：\n")