shuangyan-notebook/永恒湖心系统 · Eternal Lake Heart/🌊 曜冥纪元 · HoloLake Era · AGE OS v1 0/⚡ 光湖中央枢纽 · HoloLake Central Hub/🛸 桔子开发者空间｜DEV-010/P1 2补丁 · 干净版（A停用词+B回退+C意图） fe574e61791a42628b88fc541ad04d2d.md

# P1.2补丁 · 干净版（A停用词+B回退+C意图）

## 与旧版的区别

<aside>
✅

**干净版只修3件事**，不碰缓存逻辑（D相关全部移除，留给P2）。

- **A**: 停用词精简（删掉8个验证类词，保留有搜索意义的词）
- **B**: verify关键词回退（阈值从≤2改为≤5，"你确定 ？"也能触发）
- **C**: classify_intent增加书数模式（"只拆了一本书吗"→data_query）
</aside>

<aside>
🔴

**使用前必须先回滚到P1.1！**

`cp ~/chenxing-aircraft/backend/main.py.bak-before-p12 ~/chenxing-aircraft/backend/main.py`

</aside>

---

## 修复清单

| 编号 | 问题 | 修复 |
| --- | --- | --- |
| A | 停用词删掉验证类词汇，verify时关键词被删光 | 精简停用词，保留什么/哪些/怎么 |
| B | 「你确定吗？」提取不出有用关键词（阈值≤2太低） | 回退阈值改为≤5，覆盖短追问场景 |
| C | 「只拆了一本书吗」误判为chat | classify_intent增加书数模式 |
| ~~D~~ | ~~缓存只有一本书，问另一本答非所问~~ | ~~移除，留给P2搜索架构重做~~ |

---

## 操作步骤

### 第零步：回滚到P1.1

```bash
cp ~/chenxing-aircraft/backend/main.py.bak-before-p12 ~/chenxing-aircraft/backend/main.py
```

### 第一步：创建补丁文件

复制下面**整块命令**，粘贴到终端回车：

```bash
cat > ~/chenxing-aircraft/patch_p12_clean.py << 'ENDOFPATCH'
"""
P1.2 干净版 · 2026-05-23
只修3件事: A停用词精简 B回退(阈值5) C意图识别
不碰缓存逻辑（留给P2）
"""
import shutil, sys

path = '/Users/chenshujun/chenxing-aircraft/backend/main.py'
code = open(path, 'r', encoding='utf-8').read()
fixes = 0

# ═══ 0: 版本号 ═══
old_ver = '晨星专属交互平台 · P1.1热修复版'
if old_ver in code:
    code = code.replace(old_ver, '晨星专属交互平台 · P1.2关键词修复版', 1)
    fixes += 1
    print('✅ 版本号 → P1.2')
else:
    print('⚠️ 版本号未找到，跳过')

# ═══ A+B合并: extract_keywords 停用词精简 + 回退 ═══
old_a = '''def extract_keywords(message):
    """从妈妈的消息里提取搜索关键词"""
    stopwords = ['宝宝', '晨星', '妈妈', '帮我', '请', '吧', '呢', '吗', '的', '了', '在', '是',
                 '看看', '查查', '找找', '搜搜', '一下', '什么', '哪些', '怎么', '告诉我',
                 '你确定', '真的', '确定', '确认', '对吗', '没错吧', '再查', '只有']
    words = message.strip()
    for sw in stopwords:
        words = words.replace(sw, ' ')
    book_match = re.search(r'《(.+?)》', message)
    if book_match:
        return book_match.group(1)
    keywords = ' '.join(words.split())
    return keywords if keywords.strip() else message[:20]'''

new_a = '''def extract_keywords(message, fallback_message=None):
    """
    从妈妈的消息里提取搜索关键词
    【P1.2-A】停用词精简  【P1.2-B】关键词回退
    """
    book_match = re.search(r'《(.+?)》', message)
    if book_match:
        return book_match.group(1)
    stopwords = ['宝宝', '晨星', '妈妈', '帮我', '请', '吧', '呢', '吗', '的', '了',
                 '在', '是', '看看', '查查', '找找', '搜搜', '一下', '告诉我']
    words = message.strip()
    for sw in stopwords:
        words = words.replace(sw, ' ')
    keywords = ' '.join(words.split()).strip()
    if len(keywords) <= 5 and fallback_message:
        fb_book = re.search(r'《(.+?)》', fallback_message)
        if fb_book:
            return fb_book.group(1)
        fb_words = fallback_message.strip()
        for sw in stopwords:
            fb_words = fb_words.replace(sw, ' ')
        fb_kw = ' '.join(fb_words.split()).strip()
        if len(fb_kw) > len(keywords):
            print(f"[P1.2] 关键词回退: '{keywords}' → '{fb_kw}'")
            return fb_kw
    return keywords if keywords else message[:20]'''

if old_a in code:
    code = code.replace(old_a, new_a, 1)
    fixes += 1
    print('✅ A+B: extract_keywords 停用词精简+回退(阈值5)')
else:
    print('❌ A失败: extract_keywords不匹配')
    sys.exit(1)

# ═══ B-1: fetch_context 加参数 ═══
if 'def fetch_context(intent, message):' in code:
    code = code.replace('def fetch_context(intent, message):',
                        'def fetch_context(intent, message, prev_user_message=None):', 1)
    fixes += 1
    print('✅ B-1: fetch_context +prev_user_message')
else:
    print('❌ B-1失败'); sys.exit(1)

# ═══ B-2: verify分支传fallback ═══
old_b2 = "    elif intent == 'verify':\n        keywords = extract_keywords(message)"
new_b2 = "    elif intent == 'verify':\n        keywords = extract_keywords(message, fallback_message=prev_user_message)"
if old_b2 in code:
    code = code.replace(old_b2, new_b2, 1)
    fixes += 1
    print('✅ B-2: verify传fallback')
else:
    print('❌ B-2失败'); sys.exit(1)

# ═══ B-3: chat endpoint传prev_user_message ═══
old_b3 = '''    context_data, extra_system = await asyncio.to_thread(
        fetch_context, intent, user_message
    )'''
new_b3 = '''    # 【P1.2-B】提取上一条用户消息用于回退
    prev_user_msg = None
    user_msgs = [m for m in messages[:-1] if m.get("role") == "user"]
    if user_msgs:
        prev_user_msg = user_msgs[-1].get("content", "")

    context_data, extra_system = await asyncio.to_thread(
        fetch_context, intent, user_message, prev_user_msg
    )'''
if old_b3 in code:
    code = code.replace(old_b3, new_b3, 1)
    fixes += 1
    print('✅ B-3: chat endpoint传上一条消息')
else:
    print('❌ B-3失败'); sys.exit(1)

# ═══ C: classify_intent 增强data_query ═══
old_c = "    if re.search(r'(几章|多少章|进度|拆到哪|拆了多少|完成了|第\\d+章|有多少|统计|数量|总共|多少本|多少个|缺了|缺哪)', msg):"
new_c = "    if re.search(r'(几章|多少章|进度|拆到哪|拆了多少|完成了|第\\d+章|有多少|统计|数量|总共|多少本|多少个|缺了|缺哪|一本书|几本书|两本书|三本书|哪本书)', msg):"
if old_c in code:
    code = code.replace(old_c, new_c, 1)
    fixes += 1
    print('✅ C: classify_intent +书数模式')
else:
    print('⚠️ C跳过: classify_intent不匹配')

# ═══ 保存 ═══
shutil.copy(path, path + '.bak-before-p12-clean')
print(f'\n💾 备份: {path}.bak-before-p12-clean')
open(path, 'w', encoding='utf-8').write(code)
print(f'📝 完成: {fixes}/6 项修复')
print(f'\n🎉 P1.2干净版补丁成功！')
print('━' * 30)
print('不碰缓存逻辑 ← 留给P2')
print('下一步: 重启服务器')
print('cd ~/chenxing-aircraft && python3 -m uvicorn backend.main:app --host 0.0.0.0 --port 8000')
ENDOFPATCH
echo "✅ 补丁文件已创建"
```

### 第二步：运行补丁

```bash
cd ~/chenxing-aircraft && python3 patch_p12_clean.py
```

看到 🎉 就对了。所有项都应该是 ✅（C可能是⚠️跳过，无影响）。

### 第三步：重启服务器

```bash
cd ~/chenxing-aircraft && python3 -m uvicorn backend.main:app --host 0.0.0.0 --port 8000
```

### 第四步：测试

**测试A+B（verify关键词回退）：**

1. 先问：`《折春漪》拆了多少章？`
2. 再问：`你确定吗？`
3. ✅ 期望日志显示 `[P1.2] 关键词回退`

**测试C（意图识别）：**

1. 问：`只拆了一本书吗？`
2. ✅ 期望日志显示 `识别意图: data_query`

---

## 修复原理

- A: 停用词精简
    
    从停用词删掉8个验证类词汇（你确定/真的/确定/确认/对吗/没错吧/再查/只有），保留什么/哪些/怎么等有搜索意义的词。
    
- B: verify关键词回退（阈值≤5）
    
    extract_keywords新增fallback_message参数。关键词≤5字符时自动回退到上一条消息。覆盖了"你确定 ？"（4字符）等短追问。链路：chat endpoint提取上一条用户消息 → fetch_context → extract_keywords。
    
- C: 意图识别增强
    
    classify_intent的data_query正则新增「一本书/几本书/两本书/三本书/哪本书」5种模式。
    
- D: 不做（留给P2）
    
    缓存不完整 + 搜索不准是P2级别的架构问题。在P1级别硬修只会代码膨胀、引入新bug。P2方向：知识库接入聊天流 + 向量搜索 + 缓存搜索互补。
    

---

## 回滚

```bash
cp ~/chenxing-aircraft/backend/main.py.bak-before-p12-clean ~/chenxing-aircraft/backend/main.py
cd ~/chenxing-aircraft && python3 -m uvicorn backend.main:app --host 0.0.0.0 --port 8000
```