feat: 短期会话记忆（多轮指代可解析）

一、此前的缺口
方案 §2.2 要求会话短期记忆，但底座**没有任何加载历史消息的代码**：conversation_message
存了全部消息、svc_conversation_session 只在计数，而 run 执行时只拿到当前这一条消息。
后果是客户问"那它风险高吗"时"它"无从对应，向量检索落到无关内容、整条回答走兜底——
多轮对话事实上不可用。

二、实现
1. 契约：AgentRequest 新增 `history: tuple[ConversationTurn, ...] = ()`（默认空元组，
   既有构造点无需改动）。ConversationTurn 只保留 role 与正文，不把意图/置信度等内部字段
   喂给模型——既减少噪声，也收窄"模型看到不该看的东西"的面。
2. 加载：WorkerRuntime._execute_claimed 构造 AgentRequest 时加载本会话此前的对话
   （上限 10 轮，按 id 正序）。`before_message_id` 排除本轮请求消息本身，否则模型会在
   上下文里看到自己的问题被重复一遍。
3. 使用：客服 Agent 构造检索查询时，把最近两轮**客户**消息与当前问题拼接。只取客户的
   话、不取 Agent 自己的回答——把后者拼进来会让检索偏向自己上一轮的说法，而客户的真实
   意图可能已经在下一句里被修正。

三、两个刻意的取舍
· **不引入 Redis 双写**：方案 §2.2 设想用 Redis 列表，但消息在受理时已落库，再同步一份
  只会带来不一致与 TTL 管理成本，换来的仅是一次索引查询的节省。这里取等价语义
  （同样"最近若干轮、超出即截断"）而不复制存储。
· **按条数截断而非 token**：没有与模型一致的分词器，按 token 截断只能估算、边界会随实现
  漂移；按条数是确定性的，宁可少给几轮，也不给一个不稳定的边界。

四、实测（同一会话两轮）
· 第 1 轮"南方季季盈90天的起投金额是多少" → 正确返回该产品表格（R2、起投 1 万元等）；
· 第 2 轮只说"那它风险高吗"（不含任何产品名）→ 仍正确检索到同一产品并答出风险等级 R2、
  业绩比较基准与投资范围；此前这类提问必然走兜底；
· ruff 通过、mypy 113 文件无错、unit+contract 447 passed。

app/core/contracts.py

@@ -13,6 +13,20 @@ class AgentRequestMetadata(BaseModel):
     ui_entry: str | None = None
 
 
+class ConversationTurn(BaseModel):
+    """会话中的一轮对话（短期记忆）。
+
+    只保留角色与正文：模型用它解析指代（"那它风险高吗"里的"它"指哪只基金），
+    不需要意图、置信度这类内部字段——把内部字段一并喂给模型既增加噪声，
+    也扩大了"模型看到不该看的东西"的面。
+    """
+
+    model_config = ConfigDict(frozen=True)
+
+    role: Literal["user", "assistant"]
+    content: str
+
+
 class AgentRequest(BaseModel):
     model_config = ConfigDict(extra="forbid", frozen=True)
 
@@ -21,6 +35,9 @@ class AgentRequest(BaseModel):
     session_id: str
     idempotency_key: str
     metadata: AgentRequestMetadata = Field(default_factory=AgentRequestMetadata)
+    # 本会话中**本次之前**的对话，按时间正序（旧 → 新）。
+    # 默认空元组：既有构造点（API 受理路径、单测、验收脚本）无需改动即可继续工作。
+    history: tuple[ConversationTurn, ...] = ()
 
     @field_validator("message")
     @classmethod

app/service/agent/implementations/customer_service.py

@@ -114,7 +114,7 @@ class CustomerServiceAgent(BaseAgent):
         try:
             output = await self.call_tool(
                 TOOL_NAME,
-                {"query": request.message[:500], "top_k": TOP_K},
+                {"query": self._search_query(request), "top_k": TOP_K},
                 intent=intent,
                 context=context,
             )
@@ -205,6 +205,20 @@ class CustomerServiceAgent(BaseAgent):
             row.user_prompt_template or DEFAULT_CHITCHAT_TEMPLATE,
         )
 
+    @staticmethod
+    def _search_query(request: AgentRequest) -> str:
+        """构造交给检索的查询串：把最近几轮**客户**说过的话与当前问题拼在一起。
+
+        为什么必须带上文：检索是向量匹配，只看当前这一句时，"那它风险高吗"里的"它"
+        无从对应，检索会落到无关内容上、进而整条回答走兜底。把上文一并向量化，
+        检索才能落到上文提到的那个产品上。
+
+        为什么只取客户的话、不取 Agent 自己的回答：把 Agent 的措辞也拼进来会让检索
+        偏向自己上一轮的说法，而客户的真实意图可能已经在下一句里被修正过。
+        """
+        recent_user = [turn.content for turn in request.history if turn.role == "user"][-2:]
+        return " ".join([*recent_user, request.message])[:500]
+
     # ---- 出口三：引导人工客服（不做工单，只回话并留痕） ----
 
     def _guide_to_human(self, reason: str) -> CoreResult:

app/worker/runtime.py

@@ -243,6 +243,43 @@ class WorkerRuntime:
         finally:
             await client.aclose()
 
+    @staticmethod
+    async def _conversation_history(
+        session: Any, *, session_id: str, user_id: int, before_message_id: int | None,
+        limit: int = 10,
+    ) -> tuple[Any, ...]:
+        """取该会话最近若干轮对话，按时间正序（旧 → 新）返回。
+
+        以 MySQL 的会话消息为**唯一来源**，不引入 Redis 双写：消息在受理时已经落库，
+        再同步一份到 Redis 只会带来不一致与 TTL 管理成本，换来的仅是一次索引查询的节省。
+        方案 §2.2 设想的是 Redis 列表，这里取等价语义（同样"最近若干轮、超出即截断"）
+        而不复制存储。
+
+        `before_message_id` 排除本轮请求消息本身：它刚写入库，若也算进历史，
+        模型会在上下文里看到自己的问题被重复一遍。
+
+        截断按**条数**而非 token：这里没有与模型一致的分词器，按 token 截断只能靠估算、
+        边界会随实现漂移；按条数是确定性的，宁可少给几轮，也不给一个不稳定的边界。
+        """
+        from app.core.contracts import ConversationTurn
+        from app.repository.conversation_repository import ConversationRepository
+
+        rows = await ConversationRepository(session).messages(
+            session_id, user_id, limit + 1, before=before_message_id
+        )
+        # repository 按 id DESC 返回（最新在前），这里翻正为旧 → 新
+        ordered = list(reversed(rows))[-limit:]
+        turns: list[Any] = []
+        for row in ordered:
+            content = str(row.content or "").strip()
+            if not content:
+                continue
+            turns.append(ConversationTurn(
+                role="assistant" if str(row.role) == "assistant" else "user",
+                content=content,
+            ))
+        return tuple(turns)
+
     async def _cleanup_projection(self, payload: dict[str, Any], *, session: Any) -> None:
         """幂等清理一条记忆的派生投影（Milvus 向量、Neo4j 关系）。
 
@@ -463,10 +500,16 @@ class WorkerRuntime:
                 DomainEventOutbox.event_type == "agent.run_requested").limit(1))
             if message is None or idem is None:
                 raise ValueError("run input missing")
+            # 短期会话记忆：加载本次之前的对话，模型靠它解析指代。
+            history = await self._conversation_history(
+                session, session_id=run.session_id, user_id=int(run.user_id),
+                before_message_id=run.request_message_id,
+            )
             request = AgentRequest(
                 agent_type=run.agent_type, message=message.content, session_id=run.session_id,
                 idempotency_key=idem.idempotency_key,
                 metadata=event.payload.get("metadata", {}) if event else {},
+                history=history,
             )
             identity = RequestContext(user_id=str(run.user_id), trace_id=run.trace_id)
         # Re-check account and permissions at execution time, including delayed jobs.