Use prompt history for online mining records

skills/online-mining-v2/knowledge/工作流.md

@@ -31,8 +31,8 @@
 
 流程：
 
-1. 整理 `request_ids`、`dataset_label`、`target`、`complex`、日期。
-2. 如果没有日期，先按近 48 小时查；查不到要问用户补日期。
+1. 整理 `request_ids`、`dataset_label`、`target`、`complex`、时间范围。
+2. 如果用户说“一周内/最近 7 天”，传 `lookback_days: 7`；如果给起止日期，传 `date_from/date_to`；如果只给某一天，传 `date`。
 3. 调用 `build_online_records.py`。
 4. 检查返回的 `summaries`：
    - `query`
@@ -46,6 +46,9 @@
    - `output/records.csv`
    - 用户要求训练/评测时，再导出 `training.jsonl` / `eval_planning.csv`
 
+`prev_session` 以前处理 `promptModel` 的 `[对话历史]` 为准。不要用主表 `session_id`
+重建模型输入历史；它更适合排查同设备/同链路日志，不适合作为训练/评测 prompt 历史。
+
 ## 分支 B：基于线上问题补充生成数据
 
 适用表达：

skills/online-mining-v2/knowledge/数据源字段说明.md

@@ -13,7 +13,7 @@
 | `query` | 当前 query。 |
 | `domain` | 最终 domain。 |
 | `func` / `func_name` | 最终 function 或函数名。 |
-| `session_id` | 会话 id，可用于后续重建多轮。 |
+| `session_id` | 主表会话 id，只用于排查，不等同于 planning 模型输入 session。 |
 | `device_id` | 设备 id。 |
 | `device` | 设备 JSON，包含设备类型、经纬度等。 |
 | `text` / `display_text` / `to_speak` | 小爱回复文本，可作为上一轮 tts。 |
@@ -90,10 +90,10 @@ join 后优先使用：
 | `source.timestamp` | 优先主表 `timestamp`，缺失时用前处理表 `timestamp` |
 | `turn.query` | 优先前处理 `responseBoby.nodes.0.core.query.query`，缺失时用主表 `query` |
 | `turn.timestamp` | 同 `source.timestamp` |
-| `prev_session` | 主表同 `session_id` 且 timestamp 早于当前请求的最多 10 轮，按时间升序排列 |
-| `prev_session[].query` | 主表历史轮 `query` |
-| `prev_session[].tts` | 主表历史轮 `to_speak/text/display_text`，没有时保留空字符串 |
-| `prev_session[].timestamp` | 主表历史轮 `timestamp` |
+| `prev_session` | 前处理 `promptModel` 的 `[对话历史]`，这是 planning 模型真实看到的 session |
+| `prev_session[].query` | `[对话历史]` 中的 `用户:` 行 |
+| `prev_session[].tts` | `[对话历史]` 中紧随其后的 `小爱:` 行，没有内容时保留空字符串 |
+| `prev_session[].timestamp` | 线上 prompt 不带历史时间戳，工具按当前轮 timestamp 往前每轮 1 分钟补齐，保证顺序和 5 分钟拼接约束 |
 | `context` | 先置 `{}`，后续由专用工具补充 |
 | `label.dataset_label` | 用户输入的批次标签 |
 | `label.target` | 用户输入 `target`；否则依次用前处理 `code`、`planningOriginalResult`、主表 `llm_agent_info.agentType`、主表 `domain` 推断 |
@@ -104,8 +104,11 @@ join 后优先使用：
 
 当用户说“把这个 rid 的数据拉下来作为测试数据”时：
 
-1. 如果用户没给日期，先用近 48 小时查；查不到就问用户日期，不要继续生成空数据。
-2. 调用 `build_online_records.py`，传 `request_ids`、`dataset_label`、必要时传 `target/complex/date`。
+1. 如果用户给“一周内/最近 7 天”，传 `lookback_days: 7`；给起止日期时传 `date_from/date_to`；只给某一天时传 `date`。
+2. 调用 `build_online_records.py`，传 `request_ids`、`dataset_label`、必要时传 `target/complex/date/lookback_days/date_from/date_to`。
 3. 检查返回的 `summaries[].target_source` 和 `prev_session_count`。
 4. 展示 query、target、target_source、prev_session_count 给用户确认。
 5. 产物默认在当前会话 `output/records.jsonl` 和 `output/records.csv`。
+
+注意：不要用主表 `session_id` 拼接 `prev_session`。中控 planning 模型的输入历史以
+前处理表 `dispatchLargeModelInput.promptModel` 中的 `[对话历史]` 为准。