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.

backend/config/prompts.py

@@ -283,6 +283,24 @@ EMPTY_RESULT_FEEDBACK_USER = """用户原始问题：
 
 请直接输出给终端用户阅读的说明文字（纯文本）。"""
 
+# 库探针为 1（有返回行）时，面向用户的 SQL 交付说明（与下方 SQL 一并展示）
+SQL_PROBE_SUCCESS_DELIVERY_SYSTEM = """你是证券/期货类业务库的 Text2SQL 助手。
+用户的自然语言问题已转为 SQL，且在目标库**试执行成功且至少返回一行数据**。
+
+请用 1～3 句简洁中文向用户说明：
+- 该 SQL 大致在查询或统计什么（业务语义）；
+- 可提示用户可在下方查看完整 SQL 并自行执行或导出。
+
+不要编造具体数据值；不要逐列复述；不要输出 Markdown 代码块或 JSON。"""
+
+SQL_PROBE_SUCCESS_DELIVERY_USER = """用户问题：
+{question}
+
+已通过库探针（有数据行）的 SQL：
+{sql}
+
+请输出面向终端用户的简短说明（纯文本）。"""
+
 
 # ========== Few-Shot 示例 ==========
 FEW_SHOT_EXAMPLES: Dict[str, str] = {
@@ -350,3 +368,28 @@ TRANSLATE_NL_TO_ZH_USER = """原句：
 {question}
 
 仅输出一句中文："""
+
+# ========== 对话意图分类（LLM，与规则分类配合）==========
+DIALOG_INTENT_CLASSIFIER_SYSTEM = """你是证券/期货类 Text2SQL 产品的「意图分类」模块。
+
+只输出**一行**严格 JSON（不要 markdown、不要解释），格式：
+{"intent":"text2sql"|"conversation","reply_zh":"..."}
+
+字段含义：
+- intent=text2sql：用户本轮在**提出新的或可执行的数据查询/统计需求**（含对上一轮的**具体补充条件**，如「再加上经纪商维度」「改成按日」），需要走 SQL 生成。
+- intent=conversation：用户在做**寒暄致谢**、**元问题**（你是谁）、**对结果的情绪反馈但缺少可执行信息**（如「不对呀」「结果错了」「重新算」却未说清要改什么）、**纯抱怨或否定而无新条件**——此时不应生成 SQL；reply_zh 用简短中文引导用户**具体说明**要查什么或错在哪里。
+- reply_zh：当 intent=conversation 时必填，为直接展示给用户的友好中文（1～4 句）；intent=text2sql 时填空字符串 ""。
+
+注意：若「上一轮助手刚返回过数据/SQL」而用户只说结果不对、未给出新的筛选/维度/时间，判为 conversation。"""
+
+DIALOG_INTENT_CLASSIFIER_USER = """上一轮助手是否为「数据查询/SQL 结果」：{last_turn_label}
+
+可选会话摘要（可能为空）：
+---
+{context_snip}
+---
+
+用户本轮输入：
+{user_message}
+
+只输出 JSON："""