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/utils/embedding.py

@@ -1,6 +1,6 @@
 """
-Embedding 封装：本地 Qwen3-Embedding，或兼容 OpenAI /v1/embeddings 的远程 API
-（ModelScope 推理、阿里云 DashScope 等）。
+Embedding 封装：兼容 OpenAI /v1/embeddings 的远程 API（默认），
+或可选本地 HuggingFace 目录（USE_LOCAL_EMBEDDING=true + EMBEDDING_MODEL_PATH）。
 """
 
 import os
@@ -112,10 +112,10 @@ def _remote_embedding_from_env() -> _RemoteEmbeddingEnv:
 
 class Qwen3Embedding:
     """
-    Qwen3-Embedding-0.6B 向量化封装
+    本地 HuggingFace 格式 Embedding 模型（Mean Pooling + L2，用于向量检索）。
 
-    使用 Mean Pooling 将token embeddings聚合为句子向量，
-    并进行L2归一化以支持余弦相似度计算。
+    仅在 ``USE_LOCAL_EMBEDDING=true`` 时使用；路径由 ``model_path`` 或环境变量
+    ``EMBEDDING_MODEL_PATH`` 指定，**不再内置默认目录**。
     """
 
     def __init__(
@@ -128,7 +128,7 @@ class Qwen3Embedding:
         初始化 embedding 模型
 
         Args:
-            model_path: 本地模型路径，若为None则从环境变量或默认路径加载
+            model_path: 本地模型目录；None 或空字符串时读 ``EMBEDDING_MODEL_PATH``
             device: 推理设备（'cpu', 'cuda', 'cuda:0'等），None则自动选择
             use_fp16: 是否使用FP16混合精度（GPU可用时建议开启，速度更快）
         """
@@ -138,22 +138,19 @@ class Qwen3Embedding:
                 "pip install transformers torch sentencepiece accelerate"
             )
 
-        # 确定模型路径
-        if model_path is None:
-            model_path = os.getenv(
-                "EMBEDDING_MODEL_PATH",
-                "./data/models/Qwen3-Embedding-0.6B"
+        resolved = (model_path or "").strip() or os.getenv("EMBEDDING_MODEL_PATH", "").strip()
+        if not resolved:
+            raise ValueError(
+                "已启用本地 Embedding（USE_LOCAL_EMBEDDING=true），但未设置有效模型路径。"
+                "请在 .env 中设置 EMBEDDING_MODEL_PATH 指向本地模型目录，"
+                "或设置 USE_LOCAL_EMBEDDING=false 使用 OPENAI_* / MODELSCOPE_* / DASHSCOPE_* 远程接口。"
             )
 
-        model_path = Path(model_path)
+        model_path = Path(resolved)
         if not model_path.exists():
             raise FileNotFoundError(
-                f"模型目录不存在：{model_path}\n"
-                "请先下载模型：\n"
-                "  modelscope download --model 'Qwen/Qwen3-Embedding-0.6B' "
-                f"--local_dir '{model_path}'\n"
-                "或从Hugging Face下载：git lfs install && git clone "
-                f"https://huggingface.co/Qwen/Qwen3-Embedding-0.6B {model_path}"
+                f"本地 Embedding 模型目录不存在：{model_path}\n"
+                "请修正 EMBEDDING_MODEL_PATH，或改用 USE_LOCAL_EMBEDDING=false。"
             )
 
         # 确定设备
@@ -161,7 +158,7 @@ class Qwen3Embedding:
             device = "cuda" if torch.cuda.is_available() else "cpu"
 
         self.device = device
-        logger.info(f"加载Qwen3-Embedding模型：{model_path}，设备：{device}")
+        logger.info("加载本地 Embedding 模型：%s，设备：%s", model_path, device)
 
         # 加载 tokenizer：fast(Rust) 解析 tokenizer.json 需较新 tokenizers；
         # 旧版本会报 ModelWrapper / untagged enum，回退到慢速 tokenizer 可恢复。
@@ -499,13 +496,13 @@ def get_embedder(
     force_reload: bool = False,
 ) -> Any:
     """
-    获取 Embedding 单例：USE_LOCAL_EMBEDDING=true 时用本地 Qwen3，否则用远程
-    OpenAI 兼容 API（优先级见 OpenAICompatibleRemoteEmbedding）。
+    获取 Embedding 单例：默认 ``USE_LOCAL_EMBEDDING=false``，使用远程
+    OpenAI 兼容 / ModelScope / DashScope；为 true 时用本地目录（EMBEDDING_MODEL_PATH）。
     """
     global _embedding_instance
 
     if force_reload or _embedding_instance is None:
-        if _env_flag("USE_LOCAL_EMBEDDING", "true"):
+        if _env_flag("USE_LOCAL_EMBEDDING", "false"):
             _embedding_instance = Qwen3Embedding(
                 model_path=model_path,
                 device=device,