feat:修复投顾agent功能

agent/advisor_agent/intent/classifier.py

@@ -35,26 +35,58 @@ class IntentClassification:
     reason: str = ""
 
 
-_CLASSIFIER_PROMPT = """你是基金投顾工作台的意图分类器，只负责分类，不回答用户问题。
-只能从以下分类中选择一个：
-- recommend：基金推荐、组合配置或投资方案
-  例：“帮我推荐两只适合稳健型客户的基金”“给客户生成一份组合配置建议”“该买什么基金”
-- rebalance：组合偏离、调仓、再平衡、仓位调整
-  例：“该客户组合偏离目标配置，请给出调仓方案”“组合需要再平衡，降低股票类仓位”
-- fund_analysis：单只基金分析、净值、收益、回撤、波动率、夏普比率
-  例：“分析华夏回报近一年的净值走势和最大回撤”“这只基金的夏普比率和波动率如何”
-- dialogue-script：给客户准备沟通话术、解释、安抚、投诉或风险提醒
-  例：“市场波动时怎么和客户解释”“帮我准备安抚客户的沟通话术”“客户投诉了，话术怎么准备”
-- data_query：查询客户持仓、资产、余额、收益、交易、账户明细、客户名册
-  例：“查询客户48当前持仓和账户余额”“我名下有哪些客户”“统计名下客户数量”
-- casual_chat：问候、闲聊、感谢、身份询问或无法归入业务分类的内容
-  例：“你好”“谢谢”“你是谁”
+_CLASSIFIER_PROMPT = """# 任务：投顾助手意图识别
+你是投顾系统意图分类器，对客户输入文本做意图识别，**只能输出一个类别名称，禁止额外解释**。
+
+## 类别说明
+1. 基金推荐：客户希望推荐、筛选基金产品
+2. 调仓建议：客户询问是否买卖、加减仓、更换基金，寻求调仓交易建议
+3. 客户持仓基金分析：分析客户现有持仓组合、风险、收益情况，不涉及买卖操作建议
+4. 跟客户的沟通话术：投顾需要生成一段发给客户的话术文案。【注意：客户发起提问，不会是该类别】
+5. 数据查询：查询基金客观数据，如净值、基金经理、规模、持仓、费率等事实信息，不做推荐、诊断
+6. 普通聊天：日常问候、单纯情绪吐槽，无明确业务诉求
+
+## 判定优先级（同时存在多个诉求时，取优先级最高）
+调仓建议 > 基金推荐 > 客户持仓基金分析 > 数据查询 > 跟客户的沟通话术 > 普通聊天
+
+## 示例(xx表示我名下的客户名字)
+输入：帮我名下XX推荐几只适合养老的基金
+输出：基金推荐
+
+输入：XX手上的某某基金现在要不要卖出？
+输出：调仓建议
+
+输入：帮我看看xx的基金组合风险高不高
+输出：客户持仓基金分析
+
+输入：帮我查一下XX基金最新规模
+输出：数据查询
+
+输入：帮我写一段话安抚客户，解释近期回撤
+输出：跟客户的沟通话术
+
+输入：今天天气不错
+输出：普通聊天
+
+输入：xx持有的这几只基金波动很大，要不要减仓？
+输出：调仓建议
+
+输入：帮我看下xx持仓的基金，它们的基金经理是谁
+输出：数据查询
+
+现在开始分类
+输入：{{user_query}}
+输出：
 
 只输出 JSON，不要 Markdown，不要额外文字：
 {"intent":"分类值","confidence":0到1之间的数字,"reason":"不超过30字的原因"}
 """
 
 _RECOMMENDATION_TERMS = ("推荐", "组合建议", "配置建议", "买什么", "适合配置", "筛选基金", "投资方案")
+_REBALANCE_TERMS = ("调仓", "再平衡", "组合调整", "配置偏离", "偏离目标")
+_DIALOGUE_TERMS = ("话术", "沟通", "怎么跟客户说", "如何向客户解释", "安抚客户", "投诉处理")
+_CUSTOMER_DATA_TERMS = ("持仓", "资产", "余额", "交易", "账户", "份额", "市值", "盈亏", "资金")
+_REFERENCE_TERMS = ("他", "她", "它", "这个客户", "该客户", "那个客户", "刚才", "上一轮")
 _SCOPE_ERROR_MESSAGE = "投顾范围查询仅支持客户数据查询"
 
 
@@ -89,11 +121,31 @@ def _parse_model_result(raw: str) -> IntentClassification | None:
     )
 
 
+def resolve_advisor_intent(
+    query: str | None,
+    classified_intent: str,
+    *,
+    customer_resolved: bool,
+) -> str:
+    """结合实体解析结果做最终业务路由，处理一句话中的明确优先意图。"""
+    text = re.sub(r"\s+", "", query or "")
+    if any(term in text for term in _REBALANCE_TERMS):
+        return AGENT_INTENT_REBALANCE
+    if any(term in text for term in _RECOMMENDATION_TERMS):
+        return AGENT_INTENT_RECOMMEND
+    if any(term in text for term in _DIALOGUE_TERMS):
+        return AGENT_INTENT_DIALOGUE_SCRIPT
+    if customer_resolved and any(term in text for term in _CUSTOMER_DATA_TERMS):
+        return AGENT_INTENT_DATA_QUERY
+    return classified_intent
+
+
 async def classify_advisor_intent(
     query: str | None,
     llm_client=None,
     *,
     explicit_intent: str | None = None,
+    conversation_context: str = "",
     timeout: float = 2.0,
 ) -> IntentClassification:
     """分类用户意图；显式意图兼容旧客户端，模型失败时安全回退规则。"""
@@ -119,13 +171,28 @@ async def classify_advisor_intent(
             "rule_fast",
             "明显查询类问题",
         )
+    normalized_query = re.sub(r"\s+", "", query)
+    if (
+        any(term in normalized_query for term in _CUSTOMER_DATA_TERMS)
+        and conversation_context
+        and any(term in normalized_query for term in _REFERENCE_TERMS)
+    ):
+        return IntentClassification(
+            AGENT_INTENT_DATA_QUERY,
+            0.9,
+            "rule_context",
+            "上下文中的客户数据追问",
+        )
     if llm_client is not None:
         try:
+            prompt = query.strip()
+            if conversation_context:
+                prompt = f"会话上下文：\n{conversation_context[:2000]}\n\n当前问题：\n{prompt}"
             raw = await asyncio.wait_for(
                 llm_client.chat(
                     [
                         {"role": "system", "content": _CLASSIFIER_PROMPT},
-                        {"role": "user", "content": query.strip()},
+                        {"role": "user", "content": prompt},
                     ],
                     temperature=0,
                     max_tokens=120,
@@ -154,4 +221,4 @@ async def classify_advisor_intent(
     return _rule_fallback(query)
 
 
-__all__ = ["IntentClassification", "classify_advisor_intent"]
+__all__ = ["IntentClassification", "classify_advisor_intent", "resolve_advisor_intent"]