Neo
6f8f12314f
包含多个会话的累积代码变更： - backend: AI 聊天服务、触发器调度、认证增强、WebSocket、调度器最小间隔 - admin-web: ETL 状态页、任务管理、调度配置、登录优化 - miniprogram: 看板页面、聊天集成、UI 组件、导航更新 - etl: DWS 新任务（finance_area_daily/board_cache）、连接器增强 - tenant-admin: 项目初始化 - db: 19 个迁移脚本（etl_feiqiu 11 + zqyy_app 8） - packages/shared: 枚举和工具函数更新 - tools: 数据库工具、报表生成、健康检查 - docs: PRD/架构/部署/合约文档更新 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
3.5 KiB
P5.1→NS3 缺失项 #7：App5 话术模板分类和质量评估标准
简要结论
- 状态：⚠️ 部分解决
- 风险等级：🟠 中
- App5 已实现完整的话术生成流程（数据获取→Prompt 构建→AI 调用→持久化），但话术输出仅按 scenario/script 结构化，缺少 P5.1 定义的话术分类体系（召回/维护/推荐）和质量评估维度
详细审查
审查范围
apps/backend/app/ai/apps/app5_tactics.py— App5 话术参考实现apps/backend/app/ai/schemas.py— Pydantic 模型定义apps/backend/app/ai/apps/app4_analysis.py— App4 关系分析（App5 上游）tests/test_ai_apps/test_build_prompt_props.py— 属性测试tests/test_ai_apps/test_ai_apps_unit.py— 单元测试tests/test_p5_ai_integration_properties.py— P5 集成属性测试
发现
✅ 已实现部分
-
完整调用链：App5 由 App4 联动触发，接收
context["app4_result"]作为task_suggestion，包含task_description和action_suggestions。 -
数据驱动 Prompt：并发获取助教信息、服务历史、消费数据、备注 4 类数据，构建丰富的上下文。
-
Reference 机制：引用最近 2 套 App8 历史结果作为 Prompt reference，提供线索整合上下文。
-
结构化输出：Pydantic 模型
App5Result定义了tactics: list[App5TacticsItem]，每条包含scenario（场景）和script（话术内容）。 -
Token 预算控制：
_MAX_SYSTEM_CONTENT_LEN = 8000，超长时分级截断服务记录→消费记录→备注。 -
降级处理：4 类数据获取均有异常捕获和降级逻辑，部分失败不阻断。
❌ 未实现部分
-
无话术分类体系：Prompt 中
output_format仅要求scenario + script，未定义话术类型分类（如 P5.1 中的召回话术/维护话术/推荐话术）。当前 scenario 是自由文本，由 AI 自行决定场景描述。 -
无质量评估标准：无类似 App6 的
score评分机制。App5 输出无评估维度（如话术的针对性、可执行性、情感适配度等）。 -
无话术模板库：无预定义的话术模板或参考范例供 AI 参考，完全依赖 AI 自由生成。
-
Pydantic 模型无分类枚举：
App5TacticsItem仅有scenario: str和script: str，无tactic_type或category枚举字段。
证据
App5 输出格式定义（app5_tactics.py L131-134）：
"output_format": {
"tactics": [
{"scenario": "场景描述", "script": "话术内容"}
]
},
Pydantic 模型（schemas.py）：
class App5TacticsItem(BaseModel):
scenario: str
script: str
class App5Result(BaseModel):
tactics: list[App5TacticsItem]
对比 App6 有评分机制：
class App6Result(BaseModel):
score: int = Field(ge=1, le=10)
clues: list[ClueItem]
App5 无类似评分或分类枚举。
建议
- 新增话术类型枚举：在
schemas.py中定义App5TacticTypeEnum（如recall/maintain/recommend/upsell），在App5TacticsItem中增加tactic_type字段 - Prompt 中明确分类要求：在
output_format中增加tactic_type字段说明，引导 AI 按分类生成 - 可选：增加质量评估：参考 App6 的 score 机制，为每条话术增加
relevance_score（针对性评分） - 可选：话术模板库：在 Prompt reference 中注入预定义的优秀话术范例，提升生成质量