feat:客户agent以及记忆模块优化测试

service/client_agent/memory_extractor.py

@@ -16,9 +16,12 @@ class DialogueMemoryExtractor:
 你是客服记忆提取器，只提取用户明确表达或稳定陈述的客户信息。
 只返回 JSON 数组，不要输出 Markdown 或解释文字。
 每项必须包含：tag、content、memory_type、source。
+对于用户反复询问的产品或投资主题，也可以提取兴趣信号，并额外返回 signal_type=interest_query。
+兴趣信号必须使用 CUSTOMER_PREFERENCE 和 dialogue_inferred，tag 使用稳定、可归一化的英文主题名。
+兴趣主题只允许以下五类：conservative_interest、steady_interest、balanced_interest、enterprising_interest、aggressive_interest。
 memory_type 只能是 PROFILE_FACT、PROFILE_CANDIDATE、CUSTOMER_PREFERENCE、INVESTMENT_GOAL、SERVICE_FACT。
 source 只能是 dialogue_confirmed、dialogue_stated、dialogue_inferred。
-客服知识问题、产品政策、寒暄、客服回复内容不要提取。
+单次客服知识问题不要作为长期记忆保存；如果问题反映出客户对某个产品或投资主题的关注，使用 signal_type=interest_query 表示兴趣信号。
 不确定的信息使用 dialogue_inferred，无法形成客户画像的信息不要提取。
 """.strip()
 
@@ -37,8 +40,56 @@ source 只能是 dialogue_confirmed、dialogue_stated、dialogue_inferred。
                 ),
             }
         )
-        response = await self.llm_client.chat(prompt, temperature=0, max_tokens=800)
-        return self._parse(response)
+        interest_signal = self._interest_fallback(query)
+        try:
+            response = await self.llm_client.chat(prompt, temperature=0, max_tokens=800)
+            result = self._parse(response)
+        except Exception:
+            if interest_signal:
+                return [interest_signal]
+            raise
+        if interest_signal and not any(
+            item.get("signal_type") == "interest_query" for item in result
+        ):
+            result.append(interest_signal)
+        return result
+
+    @staticmethod
+    def _interest_fallback(query: str) -> dict[str, str] | None:
+        """为产品兴趣问题提供确定性兜底，避免依赖 LLM 输出可选字段。"""
+        text = query.strip().lower()
+        if not text or not any(
+            marker in text
+            for marker in ("基金", "理财", "投资", "产品", "fund", "investment")
+        ):
+            return None
+        if not any(
+            marker in text
+            for marker in ("哪些", "什么", "怎么选", "推荐", "适合", "比较", "了解", "有哪些", "what", "which", "how")
+        ):
+            return None
+
+        risk_topics = (
+            (("保守", "conservative"), "conservative_interest", "用户关注保守型投资产品"),
+            (("稳健", "steady", "moderate"), "steady_interest", "用户关注稳健型投资产品"),
+            (("平衡", "balanced"), "balanced_interest", "用户关注平衡型投资产品"),
+            (("进取", "enterprising"), "enterprising_interest", "用户关注进取型投资产品"),
+            (("激进", "aggressive", "高风险", "high risk"), "aggressive_interest", "用户关注激进型投资产品"),
+        )
+        for markers, topic_tag, topic_content in risk_topics:
+            if any(marker in text for marker in markers):
+                tag = topic_tag
+                content = topic_content
+                break
+        else:
+            return None
+        return {
+            "tag": tag,
+            "content": content,
+            "memory_type": "CUSTOMER_PREFERENCE",
+            "source": "dialogue_inferred",
+            "signal_type": "interest_query",
+        }
 
     @staticmethod
     def _parse(response: str) -> list[dict[str, str]]:
@@ -60,14 +111,15 @@ source 只能是 dialogue_confirmed、dialogue_stated、dialogue_inferred。
                 continue
             if item["memory_type"] not in valid_types or item["source"] not in valid_sources:
                 continue
-            result.append(
-                {
+            candidate = {
                     "tag": str(item["tag"])[:64],
                     "content": str(item["content"])[:512],
                     "memory_type": item["memory_type"],
                     "source": item["source"],
                 }
-            )
+            if item.get("signal_type") == "interest_query":
+                candidate["signal_type"] = "interest_query"
+            result.append(candidate)
         return result