Enhance dialog context handling for Text2SQL queries by integrating session history. Introduce new methods for summarizing previous assistant messages and determining if the last interaction was a data query. Update environment configuration for embedding options and improve error handling in SQL generation. Add user-facing delivery messages for successful SQL execution. This update supports more coherent follow-up questions and improves user experience in conversational interactions.

README.md

@@ -6,7 +6,7 @@
 ## 🚀 核心特性
 
 - **🤖 多Agent协作流水线**：Schema Linker → SQL Generator → Validator 三阶段协作
-- **🎯 高精度表检索**：向量检索（Qwen3-Embedding）+ LLM精筛，从 250+ 张表中精准定位相关表
+- **🎯 高精度表检索**：向量检索（OpenAI 兼容 / ModelScope 等远程 Embedding，或可选本地模型）+ LLM精筛，从 250+ 张表中精准定位相关表
 - **💡 经验数据集 Few-Shot**：基于 50 条高质量样例的语义检索，动态注入相似示例提升准确率
 - **🔒 双重验证机制**：程序语法验证 + LLM语义验证，确保 SQL 正确性
 - **🏦 金融领域深度优化**：针对证券经纪业务（账户、持仓、现金、结算）定制 Prompt 和推断规则
@@ -24,7 +24,7 @@
 ┌─────────────────────────────────────────────────────────────────┐
 │  阶段1: Schema Linker Agent                                      │
 │  ┌───────────────────────────────────────────────────────────┐  │
-│  │ 1.1 向量检索粗筛（ChromaDB + Qwen3-Embedding）           │  │
+│  │ 1.1 向量检索粗筛（ChromaDB + Embedding 向量）             │  │
 │  │     - 检索 Top 20 候选表（相似度阈值 0.1）                │  │
 │  │  └─ 支持对手方/经纪商问题特殊处理（强制纳入 Broker 表）  │  │
 │  │                                                           │  │
@@ -85,7 +85,7 @@
 |------|---------|-----------|
 | Agent 框架 | **CAMEL AI** | >= 0.2.0，角色扮演、消息通信 |
 | LLM 模型 | **DeepSeek-chat** | 国产大模型，代码生成能力强 |
-| Embedding | **Qwen3-Embedding-0.6B** | 阿里云 6 亿参数，本地免费部署 |
+| Embedding | **远程 API（默认）** | OpenAI 兼容 / ModelScope 等；可选本地 HF 目录 |
 | 向量数据库 | **ChromaDB** | 本地轻量，持久化 Schema 索引 |
 | SQL 解析 | **sqlglot** | >= 20.0.0，多方言 AST 转换与验证 |
 | 配置管理 | **Pydantic Settings** | 类型安全的环境变量管理 |
@@ -115,7 +115,7 @@ text2sql_agent_camel/
 │   ├── llm/
 │   │   └── deepseek_client.py   # DeepSeek API 客户端（chat / validate_sql / select_tables）
 │   └── utils/
-│       ├── embedding.py         # Qwen3-Embedding 封装（本地 / 远程 API）
+│       ├── embedding.py         # Embedding（远程 OpenAI 兼容 / 可选本地 HF）
 │       ├── sql_parser.py        # sqlglot 工具（语法验证、方言转换、规范化）
 │       ├── validators.py        # 验证逻辑（危险操作检测、完整验证流水线）
 │       └── fewshot_selector.py  # Few-Shot 示例选择器（语义/关键词检索）
@@ -186,15 +186,19 @@ cp .env .env.local  # 或直接编辑 .env
 DEEPSEEK_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxx
 DEEPSEEK_BASE_URL=https://api.deepseek.com
 
-# 可选：使用本地 Embedding（无需网络，但需下载模型）
-USE_LOCAL_EMBEDDING=true
-EMBEDDING_MODEL_PATH=./data/models/Qwen3-Embedding-0.6B
-
-# 或使用远程 Embedding API（无需本地模型）
+# 推荐：远程 Embedding（OpenAI 兼容网关或 ModelScope 等，无需本地模型目录）
 USE_LOCAL_EMBEDDING=false
-MODELSCOPE_API_KEY=ms-xxxxxxxx
-MODELSCOPE_BASE_URL=https://api-inference.modelscope.cn/v1
-MODELSCOPE_EMBEDDING_MODEL=Qwen/Qwen3-Embedding-8B
+OPENAI_BASE_URL=https://api.openai.com/v1
+OPENAI_API_KEY=sk-xxxxxxxx
+OPENAI_EMBEDDING_MODEL=text-embedding-3-small
+
+# 或使用 ModelScope
+# MODELSCOPE_API_KEY=ms-xxxxxxxx
+# MODELSCOPE_EMBEDDING_MODEL=Qwen/Qwen3-Embedding-8B
+
+# 可选：本地 HuggingFace 模型目录（需 USE_LOCAL_EMBEDDING=true + EMBEDDING_MODEL_PATH）
+# USE_LOCAL_EMBEDDING=true
+# EMBEDDING_MODEL_PATH=/path/to/local/embedding-model
 ```
 
 ### 3. 准备 Schema 文件
@@ -350,15 +354,18 @@ MAX_RETRY=1           # 重试次数（1=仅首次，2=允许一次修正）
 FEWSHOT_ENABLED=true  # 是否启用 Few-Shot
 FEWSHOT_TOP_K=3       # 每次注入的示例数量
 FEWSHOT_MIN_RATING=7  # 示例最低评分（1-10）
+# 推荐：Few-shot 走 Chroma（运行时可不配 FEWSHOT_DATA_PATH；灌库见 scripts/build_fewshot_chroma_index.py）
+FEWSHOT_USE_CHROMA=true
+FEWSHOT_CHROMA_PATH=./data/embeddings/chroma_fewshot
+# FEWSHOT_DATA_PATH=./data/experiences/all_samples.jsonl  # 仅构建索引时需要
 
 # ========== Embedding ==========
-USE_LOCAL_EMBEDDING=false  # true=本地模型，false=远程API
-# 本地模型路径
-EMBEDDING_MODEL_PATH=./data/models/Qwen3-Embedding-0.6B
-# 远程 API（ModelScope）
-MODELSCOPE_API_KEY=ms-xxxx
-MODELSCOPE_BASE_URL=https://api-inference.modelscope.cn/v1
-MODELSCOPE_EMBEDDING_MODEL=Qwen/Qwen3-Embedding-8B
+USE_LOCAL_EMBEDDING=false  # false=远程（默认）；true 时需配置 EMBEDDING_MODEL_PATH
+# OPENAI_* 或 MODELSCOPE_* / DASHSCOPE_*（与代码内优先级一致）
+OPENAI_BASE_URL=https://api.openai.com/v1
+OPENAI_API_KEY=sk-xxxx
+OPENAI_EMBEDDING_MODEL=text-embedding-3-small
+# EMBEDDING_MODEL_PATH=   # 仅 USE_LOCAL_EMBEDDING=true 时填写本地目录
 
 # ========== Schema ==========
 SCHEMA_DIR=./data/schemas
@@ -710,7 +717,7 @@ LLM 更擅长模仿示例而非理解抽象规则。提供 5-7 个高质量示
 - 🎉 初始发布
 - 三 Agent 流水线（Schema Linker / SQL Generator / Validator）
 - 向量检索 + LLM 精筛表选择
-- ChromaDB + Qwen3-Embedding 本地索引
+- ChromaDB + Embedding 向量索引（默认远程 API 编码）
 - T-SQL / MySQL / PostgreSQL 多方言支持
 - 双重验证机制（程序 + LLM）
 - 自修正重试（最多 2 次）