Use prompt history for online mining records

skills/online-mining-v2/SKILL.md

@@ -34,7 +34,7 @@ skills/online-mining-v2/
 默认数据源：
 
 - `pre-processing*`：前处理日志，适合拿模型 prompt、模型输出、候选 domain、`excellent_domains_result`。
-- `arch-flat-nlp-log-f-*`：主 NLP 日志，适合拿最终 `query`、`domain`、`func`、`session_id`、`device_id`、`device`、`tts/text/to_speak`。
+- `arch-flat-nlp-log-f-*`：主 NLP 日志，适合拿最终 `query`、`domain`、`func`、`request_id`、`device_id`、`device`、`tts/text/to_speak`。
 
 后处理全部复用 `product-data`：
 
@@ -89,6 +89,14 @@ skills/online-mining-v2/
 }
 ```
 
+时间筛选支持三种写法：
+
+- 单日：`"date": "20260512"`
+- 日期范围：`"date_from": "20260508", "date_to": "20260514"`
+- 最近 N 天：`"lookback_days": 7`
+
+用户说“一周内”“最近 7 天”时，优先传 `lookback_days: 7`；用户给明确起止日期时，传 `date_from/date_to`。
+
 ### 3. 搜索候选
 
 按策略搜索：
@@ -135,7 +143,7 @@ skills/online-mining-v2/
 `build_online_records.py`。这个脚本会完成：
 
 - 主表 `arch-flat-nlp-log-f-*` 和前处理表 `pre-processing*` 双表拉取。
-- 用主表 `session_id + timestamp` 补齐当前请求前最多 10 轮 session。
+- 从前处理 `promptModel` 的 `[对话历史]` 抽取模型真实输入 session，作为 `prev_session`。
 - 优先使用用户指定 `target`；没有指定时，按 `pre_processing.code` -> `planningOriginalResult` -> 主表 `llm_agent_info.agentType` -> 主表 `domain` 推断标签。
 - 生成 product-data canonical records。
 - 默认导出 `output/records.jsonl` 和 `output/records.csv`，可选导出 `training.jsonl` 和 `eval_planning.csv`。
@@ -147,7 +155,7 @@ skills/online-mining-v2/
   "script_path": "skills/online-mining-v2/scripts/build_online_records.py",
   "stdin": {
     "request_ids": ["6656271eedfe4b478ac716448a3ad310"],
-    "date": "20260514",
+    "lookback_days": 7,
     "dataset_label": "线上挖掘样本",
     "target": "Agent(tag=\"地图导航\")",
     "complex": false,
@@ -164,8 +172,10 @@ skills/online-mining-v2/
 注意：
 
 - 老 rid 超出近 48 小时时必须让用户补日期，传 `date=YYYYMMDD`。
+- 如果用户说“一周内/最近 7 天”，可以直接传 `lookback_days: 7`，不必逐日循环。
 - 如果用户没有指定 `target`，脚本可以从线上模型输出推断，但最终仍建议展示 `target_source` 给用户确认。
 - 如果脚本返回 `case has no query`，说明该 rid 在当前日期窗口没有命中主表/前处理表，不要继续伪造元数据。
+- 不要用主表 `session_id` 去拼训练/评测 session；它不是 planning 模型输入 session 的同义概念。
 
 ### 6. 给用户 review