Add router session mining tools

src/skills/bundled/online-badcase-mining/SKILL.md

@@ -3,11 +3,43 @@ name: online-badcase-mining
 description: 分析 badcase，并通过可 review 的策略迭代挖掘线上相似 case。
 when_to_use: 当用户提供线上 badcase 或产品/标签定义，并希望查找相似线上问题或构建专项集时使用。
 aliases: badcase-mining, online-mining
-allowed_tools: read_file, write_file, edit_file, grep_search, glob_search, ask_user_question, mcp_list_tools, mcp_call_tool
+allowed_tools: read_file, write_file, edit_file, grep_search, glob_search, ask_user_question, data_agent_profile_router_sessions, data_agent_search_router_sessions, data_agent_sample_router_candidates, data_agent_convert_router_candidates_to_records, data_agent_export_dataset_records
 ---
 
 使用这个 skill 处理“badcase 或标签定义 -> 挖掘策略 -> 候选召回 -> 抽样 review -> 策略迭代 -> mined dataset”的工作流。
 
+## 两条分支
+
+线上挖掘后必须先判断用户要的是哪条分支。
+
+### 分支 A：线上候选直接作为数据样本
+
+当用户说“把筛选出的数据变成样本”“拿这些线上数据做评测集”“保留这批线上 case”“导出候选样本”时，走这个分支。
+
+流程：
+
+1. 用 `data_agent_profile_router_sessions` 查看数据概貌。
+2. 用 `data_agent_search_router_sessions` 按策略召回线上候选。
+3. 用 `data_agent_sample_router_candidates` 抽样展示给用户 review。
+4. 根据用户 review 意见形成 include/exclude/uncertain 决策和目标标签。
+5. 用 `data_agent_convert_router_candidates_to_records` 把线上候选直接转换为 canonical records。
+6. 如果用户要求落盘，用 `data_agent_export_dataset_records` 导出紧凑 JSONL。
+
+这个分支不生成新 query，不调用数据生成计划工具，不调用 dataset draft 归一化工具。
+
+### 分支 B：基于线上问题再生成补充数据
+
+当用户明确说“生成/扩写/构造/造一批类似 case/补充训练数据”时，才走这个分支。
+
+流程：
+
+1. 先完成线上召回、抽样和 review。
+2. 总结线上问题模式和需要覆盖的边界。
+3. 再切换到数据生成流程，创建待 review 的 generation goal 和 generation plan。
+4. 用户确认后才生成 draft，并转换为 canonical records。
+
+如果用户只是要求“把线上数据作为样本”，不要进入这个分支。
+
 ## 输入假设
 
 用户可能会提供：
@@ -51,15 +83,16 @@ allowed_tools: read_file, write_file, edit_file, grep_search, glob_search, ask_u
 - `grep_search`
 - `glob_search`
 - `ask_user_question`
+- `data_agent_profile_router_sessions`：读取 `router_session_parquet/date=YYYYMMDD/` 的小样本概貌，查看 schema、设备、轮次、domain、intent、func 等分布。
+- `data_agent_search_router_sessions`：按日期、设备、domain、intent、func、query 关键词/正则、轮次数等条件召回线上 session 候选；输出命中 turn、前文 turn、req_id 和 action_json 解析结果。
+- `data_agent_sample_router_candidates`：对召回候选做稳定抽样，并输出 review 需要的基础统计。
+- `data_agent_convert_router_candidates_to_records`：把 review 后的线上候选直接转换为 canonical records；用于“线上数据作为样本”的分支。
+- `data_agent_export_dataset_records`：后续把 review 后的线上候选转换为 canonical records 后落盘；默认紧凑 JSONL。
 
-如果线上挖掘工具通过 MCP 暴露，先用 `mcp_list_tools` 查看可用工具，再决定是否调用 `mcp_call_tool`。
-
-TODO：规划中的专用工具：
+TODO：后续规划中的专用工具：
 
 - `analyze_badcases`
 - `build_mining_strategy`
-- `search_online_sessions`
-- `sample_online_candidates`
 - `create_annotation_batch`
 - `read_annotation_result`
 - `evaluate_mining_precision`
@@ -86,3 +119,5 @@ tasks/{task_id}/memory/failed_attempts.md
 - 除非批准的工具输出已经脱敏，否则不要导出敏感线上原始字段。
 - 不要把第一版挖掘策略当成最终策略。
 - 始终让筛选条件和抽样决策可 review。
+- 只有用户明确要求生成、扩写或构造新数据时，才进入数据生成分支。
+- 如果用户要求把筛选出的线上候选变成样本，必须先使用 `data_agent_convert_router_candidates_to_records`，不要改走 generation goal/plan。