kg_agent/sug_v5_0_with_eval_v2_zou_yx.py

import asyncio
import json
import os
import argparse
from datetime import datetime

from agents import Agent, Runner
from lib.my_trace import set_trace
from typing import Literal
from pydantic import BaseModel, Field

from lib.utils import read_file_as_string
from script.search_recommendations.xiaohongshu_search_recommendations import XiaohongshuSearchRecommendations


class RunContext(BaseModel):
    version: str = Field(..., description="当前运行的脚本版本（文件名）")
    input_files: dict[str, str] = Field(..., description="输入文件路径映射")
    q_with_context: str
    q_context: str
    q: str
    log_url: str
    log_dir: str
    question_annotation: str | None = Field(default=None, description="问题的标注结果")
    operations_history: list[dict] = Field(default_factory=list, description="记录所有操作的历史")
    optimization_result: dict | None = Field(default=None, description="最终优化结果对象")
    final_output: str | None = Field(default=None, description="最终输出结果（格式化文本）")


# ============================================================================
# Agent 1: 问题标注专家
# ============================================================================
question_annotation_instructions = """
你是搜索需求分析专家。给定问题（含需求背景），在原文上标注三层：本质、硬性、软性。

## 判断标准

**[本质]** - 问题的核心意图
- 如何获取、教程、推荐、作品、测评等

**[硬]** - 客观事实性约束（可明确验证、非主观判断）
- 能明确区分类别的：地域、时间、对象、工具、操作类型
- 特征：改变后得到完全不同类别的结果

**[软]** - 主观判断性修饰（因人而异、程度性的）
- 需要主观评价的：质量、速度、美观、特色、程度
- 特征：改变后仍是同类结果，只是满足程度不同

## 输出格式

词语[本质-描述]、词语[硬-描述]、词语[软-描述]

## 注意
- 只输出标注后的字符串
- 结合需求背景判断意图
""".strip()

question_annotator = Agent[None](
    name="问题标注专家",
    instructions=question_annotation_instructions,
)


# ============================================================================
# Agent 2: 评估专家
# ============================================================================
eval_instructions = """
你是专业的语言专家和语义相关性评判专家。你的任务是判断平台sug词条与原始query问题的相关度满足度。

## 评估目标

用这个推荐query搜索，能否找到满足原始需求的内容？

## 三层判定流程（一次性返回所有层级的评分）

### 第一层：知识识别（knowledge_recognition = 0 或 1）

**什么是知识？**
在社交媒体创作场景下，知识是指：可应用的认知内容 + 实践指导 + 问题解决方案

包含三个核心要素：
- 陈述性知识(Know-What): 是什么、有哪些、包括什么
- 程序性知识(Know-How): 如何做、怎么实现、步骤方法
- 策略性知识(Know-Why): 为什么、原理机制、优化策略

**判定方法（三步判定法）：**

Step 1: 意图识别
- 原始需求是想【知道/学会/获得】某样东西吗？→ yes 进入step2

Step 2: 动词解析
- 提取核心动词：
  - 认知类（了解、学习、理解）
  - 操作类（制作、拍摄、剪辑、运营）
  - 获取类（找、下载、获取、收集）
  - 决策类（选择、对比、评估）
- 有明确动词 → 是知识需求
- 无明确动词但有隐含目的 → 提取隐含动词
- 完全无动作意图 → 非知识需求

Step 3: 目标验证
- 这个query解决后，用户会获得新的认知或能力吗？ → YES则是知识
- 这个query的答案可以被学习和应用吗？ → YES则是知识
- 这个query在寻求某个问题的解决方案吗？ → YES则是知识

**输出：**
- knowledge_recognition: 1=是知识需求，0=非知识需求
- knowledge_recognition_reason: 判定依据（包含意图识别、动词提取、目标验证的关键发现）

**重要：即使knowledge_recognition=0，也要继续计算后两层得分（便于分析）**

---

### 第二层：知识动机判定（motivation_score = 0-1分值）

**目标：** 完全理解原始query的综合意图，识别主要需求和次要需求，并进行加权评估。

**评估维度：**

#### 维度1: 核心意图动词识别（权重50%）
- 显性动词直接提取：如"如何获取素材" → 核心动作="获取"
- 隐性动词语义推理：如"川西秋天风光摄影" → 隐含动作="拍摄"或"欣赏"
- 动作层级区分：主动作 vs 子动作

**评分规则：**
- 核心动作完全一致 → 1.0
- 核心动作语义相近（近义词） → 0.8-0.9
- 核心动作有包含关系（主次关系） → 0.5-0.7
- 核心动作完全不同 → 0-0.4

#### 维度2: 目标对象识别（权重30%）
- 主要对象(What)：如"获取川西秋季风光摄影素材" → 主要对象="风光摄影素材"
- 对象的限定词：地域限定("川西")、时间限定("秋季")、质量限定("高质量")

**评分规则：**
- 主要对象+核心限定词完全匹配 → 1.0
- 主要对象匹配，限定词部分匹配 → 0.7-0.9
- 主要对象匹配，限定词缺失/不符 → 0.4-0.6
- 主要对象不匹配 → 0-0.3

#### 维度3: 终极目的识别（权重20%）
**评分规则：**
- 目的完全一致 → 1.0
- 目的相关但路径不同 → 0.6-0.7
- 目的不相关 → 0-0.5

**综合计算公式：**
```
motivation_score = 核心意图动词×0.5 + 目标对象×0.3 + 终极目的×0.2
```

**输出：**
- motivation_score: 0-1分值（>=0.9才算通过）
- motivation_breakdown: {"核心意图动词": 0.x, "目标对象": 0.x, "终极目的": 0.x}

**阈值判定：**
- >=0.9：意图高度匹配
- <0.9：意图不匹配，建议重新生成sug词或调整query词

**注意：评估标准需要严格，对所有用例保持一致的标准**

---

### 第三层：相关性判定（relevance_score = 0-1分值）

**目标：** 基于第二层的综合意图，评估sug词条对原始query的满足程度。

**评分标准体系：**

#### 高度满足（0.9-1.0）
- 核心动作：完全一致或为标准近义词
- 目标对象：主体+关键限定词全部匹配
- 使用场景：完全相同或高度兼容
- 终极目的：完全一致
- 判定方法：逐一核对，所有维度≥0.9；替换测试（把sug词替换原query，意思不变）

#### 中高满足（0.7-0.89）
- 核心动作：一致或相近，但可能更泛化/具体化
- 目标对象：主体匹配，但1-2个限定词缺失/泛化
- 使用场景：基本兼容，可能略有扩展或收窄
- 终极目的：一致但实现路径略有差异
- 判定方法："有效信息保留率" ≥70%

#### 中低满足（0.4-0.69）
- 核心动作：存在明显差异，但主题相关
- 目标对象：部分匹配，关键限定词缺失或错位
- 使用场景：有关联但场景不同
- 终极目的：相关但实现路径完全不同
- 判定方法：只有主题词重叠，用户需要显著改变搜索策略

#### 低度/不满足（0-0.39）
- 核心动作：完全不同或对立
- 目标对象：主体不同或无关联
- 使用场景：场景冲突
- 终极目的：完全不相关
- 判定方法：除通用词外无有效重叠，sug词满足了完全不同的需求

**维度计算公式：**
```
relevance_score = 核心动作×0.4 + 目标对象×0.3 + 使用场景×0.15 + 终极目的×0.15
```

**特殊情况处理：**

1. 泛化与具体化
   - 泛化（sug词更广）：如果原query所有要素都在覆盖范围内 → 0.75-0.85
   - 具体化（sug词更窄）：如果sug词是原query的典型子场景 → 0.7-0.8

2. 同义转换宽容度
   - 允许：获取≈下载≈寻找≈收集；技巧≈方法≈教程≈攻略
   - 不允许：获取素材≠制作素材；学习技巧≠查看案例

3. 多意图处理
   - 识别主次意图（通过语序、连接词判断）
   - sug词至少满足主意图 → 中高满足
   - sug词同时满足主次意图 → 高度满足
   - sug词只满足次意图 → 降至中低满足

**输出：**
- relevance_score: 0-1分值（>=0.9为高度满足）
- relevance_breakdown: {"核心动作": 0.x, "目标对象": 0.x, "使用场景": 0.x, "终极目的": 0.x}

---

## 最终输出要求

一次性返回所有三层的评估结果：
1. knowledge_recognition (0或1) + knowledge_recognition_reason
2. motivation_score (0-1) + motivation_breakdown
3. relevance_score (0-1) + relevance_breakdown
4. overall_reason: 综合评估理由（简要总结三层判定结果）

**重要原则：**
- 即使第一层knowledge_recognition=0，也要完整计算第二层和第三层
- 即使第二层motivation_score<0.9，也要完整计算第三层
- 所有维度的breakdown必须提供具体数值
- 评估标准严格一致，不因用例不同而放松标准
""".strip()

class MotivationBreakdown(BaseModel):
    """动机得分明细"""
    核心意图动词: float = Field(..., description="核心意图动词得分，0-1")
    目标对象: float = Field(..., description="目标对象得分，0-1")
    终极目的: float = Field(..., description="终极目的得分，0-1")


class RelevanceBreakdown(BaseModel):
    """相关性得分明细"""
    核心动作: float = Field(..., description="核心动作得分，0-1")
    目标对象: float = Field(..., description="目标对象得分，0-1")
    使用场景: float = Field(..., description="使用场景得分，0-1")
    终极目的: float = Field(..., description="终极目的得分，0-1")


class EvaluationFeedback(BaseModel):
    """评估反馈模型 - 三层知识评估"""
    # 第一层：知识识别
    knowledge_recognition: Literal[0, 1] = Field(
        ...,
        description="是否为知识需求，1=是，0=否"
    )
    knowledge_recognition_reason: str = Field(
        ...,
        description="知识识别判定依据（意图识别、动词提取、目标验证）"
    )

    # 第二层：知识动机匹配
    motivation_score: float = Field(
        ...,
        description="知识动机匹配度，0-1分值，>=0.9才通过"
    )
    motivation_breakdown: MotivationBreakdown = Field(
        ...,
        description="动机得分明细"
    )

    # 第三层：相关性评分
    relevance_score: float = Field(
        ...,
        description="相关性得分，0-1分值，>=0.9为高度满足"
    )
    relevance_breakdown: RelevanceBreakdown = Field(
        ...,
        description="相关性得分明细"
    )

    overall_reason: str = Field(
        ...,
        description="综合评估理由"
    )

evaluator = Agent[None](
    name="评估专家",
    instructions=eval_instructions,
    output_type=EvaluationFeedback,
)


# ============================================================================
# Agent 3: 修改策略生成专家
# ============================================================================
strategy_instructions = """
你是query修改策略专家。**模拟人在搜索引擎中的真实搜索行为**，基于反馈动态调整query。

## 核心思路：搜索是探索过程，不是直达过程

**关键认知：**
1. **中间query不需要满足原始需求** - 它是探索工具，可以偏离原需求
2. **推荐词是最宝贵的反馈信号** - 告诉你系统理解成什么了，有什么内容
3. **每一步query都有明确的探索目的** - 不是盲目改词，而是试探和引导
4. **最终目标：找到满足需求的推荐词** - 不是让query本身满足需求

## 人的真实搜索过程

**搜索的本质**：通过多步探索，利用推荐词作为桥梁，逐步引导系统

**典型模式**：

第1步：直接尝试
- 目的：看系统能否直接理解
- 结果：空列表或essence=0
- essence=0的推荐词：告诉你系统理解成什么了

第2步：降低要求，简化query
- 目的：让系统有响应，看它在基础层面有什么
- 推荐词虽然essence=0，但揭示了系统在某个主题有内容
- **关键**：选一个最有潜力的推荐词

第3步：基于推荐词，往目标方向引导
- 目的：利用推荐词作为桥梁，加上目标方向的词
- 推荐词还是essence=0，但主题在变化（接近目标）
- **渐进式**：不求一步到位，每步都有进展

第4步：继续引导或换角度
- 如果推荐词主题不变 → 换角度
- 如果推荐词主题在接近 → 继续引导

最终：找到essence=1的推荐词

**关键原则**：
1. essence_score是评估推荐词的，不是评估中间query的
2. essence=0的推荐词也有价值，它揭示了系统的理解方向
3. 每一步都有明确的探索目的，看目的是否达成
4. 通过推荐词的主题变化，判断是否在接近目标

## 输入信息
- 原始问题标注（三层）：本质、硬性约束、软性修饰
- 历史尝试记录：所有轮次的query、推荐词、评估结果
- 当前query和推荐词评估

## 分析步骤

### 第一步：理解当前推荐词的信号
**核心问题：推荐词告诉我什么信息？**

**重要提醒：essence_score是评估推荐词是否满足原始需求的最终目标**
- essence_score=1: 推荐词满足原需求的本质
- essence_score=0: 推荐词不满足原需求的本质
- **但中间query的目的可能不是满足原需求**，所以essence_score只是参考

1. **系统理解层面**（看推荐词的主题）：
   - 空列表 → 系统完全不理解当前query
   - 有推荐词 → 系统理解成了什么主题？
     - 旅游？教程？素材？工具？品种介绍？
     - 这些主题是否有助于往目标方向引导？

2. **内容可用性层面**（看推荐词的价值）：
   - **即使推荐词essence=0，也可能是很好的探索起点**
   - 例如：推荐词"川西旅游攻略"虽然essence=0，但揭示了系统认识"川西"
   - 哪些推荐词最有潜力作为下一步的桥梁？

3. **探索目的验证**：
   - 当前query的探索目的是什么？达到了吗？
   - 例如：目的是"看系统对川西有什么" → 达到了（有推荐词）
   - 下一步要验证/探索什么？

### 第二步：回顾历史，识别规律
- 哪些query让系统理解方向变化了？（从"旅游"变成"摄影"）
- 哪些方向是死路？（多次essence=0且推荐词主题不变）
- **是否有渐进的改善？**（推荐词越来越接近目标）

### 第三步：选择策略类型和具体操作（带着明确的探索目的）

**策略类型（strategy_type）：**

**refine_current（微调当前query）**
- 适用：推荐词方向对了，需要微调让它更精确
- 探索目的：在正确方向上精细化
- 动作：加词/减词/换词/调整顺序

**use_recommendation（选推荐词作为新起点）** ⭐ 最重要策略
- 适用：推荐词虽然knowledge_recognition=0或relevance_score低，但**揭示了系统在这个方向有内容**
- 探索目的：利用推荐词这个客观信号，引导系统往目标方向
- **核心思维**：推荐词是系统给你的提示，告诉你"我有这个"
- 动作：
  - 选一个最有潜力的推荐词作为base_query
  - 在它基础上加目标方向的词
  - **这个新query可能不满足原需求，但目的是探索和引导**

**change_approach（换完全不同的角度）**
- 适用：当前方向是死路（多次尝试推荐词主题不变）
- 探索目的：跳出当前框架，从另一个角度切入
- 动作：换一种完全不同的表述方式

**relax_constraints（放宽约束）**
- 适用：query太复杂，系统不理解（返回空列表）
- 探索目的：先让系统有响应，看它在最基础层面有什么
- 动作：去掉限定词，保留核心概念

---

**具体操作类型（operation_type）：**

**增加**
- **判定标准**：
  * 推荐词的语义比当前query更具体，且词汇数量 > 当前query的词汇数量
  * 推荐词包含当前query的核心关键词，且添加了能将query具体化的新词
  * 推荐词中存在当前query中不存在的关键新词（如：特定平台名称、特定功能词、具体场景词）
- **使用时机**：当推荐词整体趋势是添加更具体的限定词或场景描述时

**删减**
- **判定标准**（满足以下任一条件）：
  * 推荐词的词汇数量明显少于当前query
  * 推荐词返回空列表（说明query过于复杂）
  * 推荐词词汇数量少于query，但核心搜索意图一致
  * 识别出query中1-2个词为"非核心冗余词"，删除后不影响核心意图
- **使用时机**：当原query过于冗长复杂，推荐词都倾向于使用更简洁的表达时

**调序**
- **判定标准**：
  * 推荐词与query拥有完全相同或极为相似的核心关键词集合，只是词汇排列顺序不同
  * 推荐词的词序更自然或更符合用户搜索习惯
  * 多个推荐词都倾向于使用与query不同但意思一致的词序
- **使用时机**：当推荐词与原query关键词相同但顺序不同，且新顺序更符合用户习惯时

**替换**
- **判定标准**：
  * 推荐词与query仅有1-2个核心词不同，其他词均相同
  * 差异词是同义词、近义词或在该领域更流行/专业的替代词
  * 推荐词中的新词在推荐列表中出现频率更高
- **使用时机**：当推荐词显示某个词的同义词或专业术语更受欢迎时

## 输出要求

### 1. reasoning（推理过程）
必须包含三部分，**重点写探索目的**：

- **当前推荐词信号分析**：
  - 系统理解成什么主题了？（旅游？教程？素材？工具？品种？）
  - 推荐词揭示了什么信息？（系统在哪个方向有内容）
  - **不要只看knowledge_recognition和relevance_score**：
    - knowledge_recognition=0或relevance_score低不代表推荐词没用
    - 关键看推荐词的主题是否有助于引导
  - 哪个推荐词最有潜力作为下一步的桥梁？

- **历史尝试与趋势**：
  - 系统理解的主题变化：从"品种介绍"→"旅游"→"摄影"
  - 是否在逐步接近目标？还是原地打转？

- **下一步策略与探索目的**：
  - **这一步query的探索目的是什么？**
    - 验证系统对某个词的理解？
    - 往某个方向引导？
    - 利用推荐词作为桥梁？
  - 为什么选这个base_query？
  - 为什么选这个operation_type？
  - 为什么这样修改？
  - **重要**：不要纠结"这个query不满足原需求"，关键是它能否达成探索目的

### 2. strategy_type
从4种策略中选择：refine_current, use_recommendation, change_approach, relax_constraints

### 3. operation_type
从4种操作中选择：增加、删减、调序、替换
- **必须基于推荐词的特征选择**：看推荐词与当前query的差异模式
- 参考上述"具体操作类型"的判定标准

### 4. base_query
**关键**：可以选择历史中的query，也可以选择历史推荐词
- 如果选历史query：base_query_source = "history_query"
- 如果选历史推荐词：base_query_source = "history_recommendation"

### 5. base_query_source
说明base_query的来源

### 6. modification_actions
列出具体的修改动作，建议格式：
- 每个动作以操作类型开头（增加/删减/调序/替换）
- 清晰描述具体修改了什么内容

### 7. new_query
最终的新query

## 重要原则

1. **推荐词是最宝贵的反馈** - 充分利用推荐词这个客观信号
   - 即使essence=0的推荐词，也揭示了系统在这个方向有什么
   - **优先考虑use_recommendation策略** - 选一个推荐词作为起点

2. **中间query可以偏离原需求** - 每一步都有明确的探索目的
   - 不要纠结"这个query不满足原需求"
   - 关键是：这个query能不能帮你往正确方向引导系统

3. **识别死胡同，及时换方向**
   - 如果多次尝试推荐词主题不变 → 换方向
   - 如果推荐词越来越偏 → 回退到之前的某个好的起点

4. **保持推理简洁** - 抓住关键信息
   - 明确说出探索目的
   - 不要重复啰嗦
""".strip()

class ModificationStrategy(BaseModel):
    """修改策略模型 - 模拟人的搜索调整过程"""
    reasoning: str = Field(..., description="推理过程：1）当前推荐词分析：系统理解成什么了？2）历史尝试总结：哪些方向有效/无效？3）下一步策略：为什么这样调整？")

    strategy_type: Literal[
        "refine_current",      # 微调当前query（加词/减词/换词/换顺序）
        "use_recommendation",  # 选择推荐词作为新起点，在它基础上修改
        "change_approach",     # 换完全不同的表述角度
        "relax_constraints"    # 放宽约束，去掉部分限定词
    ] = Field(..., description="策略类型")

    operation_type: Literal[
        "增加",  # 增加query语句，添加具体化的关键词
        "删减",  # 删减query词，去除冗余词汇
        "调序",  # 调整query词的顺序，更符合用户习惯的词序
        "替换",  # 替换query中的某个词，使用同义词或专业术语
    ] = Field(..., description="具体操作类型：增加、删减、调序、替换")

    base_query: str = Field(..., description="基础query，可以是：1）历史中的query 2）历史推荐词中的某一个")
    base_query_source: Literal["history_query", "history_recommendation"] = Field(..., description="base_query的来源")

    modification_actions: list[str] = Field(..., description="具体修改动作的描述，如：['去掉\"如何获取\"', '保留核心词\"川西秋季\"', '把\"素材\"改为\"图片\"']")

    new_query: str = Field(..., description="修改后的新query")

strategy_generator = Agent[None](
    name="策略生成专家",
    instructions=strategy_instructions,
    output_type=ModificationStrategy,
)


# ============================================================================
# 核心函数
# ============================================================================

async def annotate_question(q_with_context: str) -> str:
    """标注问题（三层）"""
    print("\n正在标注问题...")
    result = await Runner.run(question_annotator, q_with_context)
    annotation = str(result.final_output)
    print(f"问题标注完成：{annotation}")
    return annotation


async def get_suggestions_with_eval(query: str, annotation: str, context: RunContext) -> list[dict]:
    """获取推荐词并评估"""
    print(f"\n正在获取推荐词：{query}")

    # 1. 调用小红书API
    xiaohongshu_api = XiaohongshuSearchRecommendations()
    query_suggestions = xiaohongshu_api.get_recommendations(keyword=query)
    print(f"获取到 {len(query_suggestions) if query_suggestions else 0} 个推荐词：{query_suggestions}")

    if not query_suggestions:
        # 记录到历史
        context.operations_history.append({
            "operation_type": "get_query_suggestions",
            "timestamp": datetime.now().isoformat(),
            "query": query,
            "suggestions": [],
            "evaluations": "未返回任何推荐词",
        })
        return []

    # 2. 并发评估所有推荐词
    async def evaluate_single_query(q_sug: str):
        eval_input = f"""
<需求上下文>
{context.q_context}
</需求上下文>

<原始query问题>
{context.q}
</原始query问题>

<平台sug词条>
{q_sug}
</平台sug词条>

请对该sug词条进行三层评估（一次性返回所有层级的评分）：

第一层：判断sug词条是否为知识需求（knowledge_recognition: 0或1）
第二层：评估知识动机匹配度（motivation_score: 0-1，需>=0.9）
第三层：评估相关性得分（relevance_score: 0-1，>=0.9为高度满足）

重要：即使第一层=0或第二层<0.9，也要完整计算所有层级的得分。
"""
        evaluator_result = await Runner.run(evaluator, eval_input)
        result: EvaluationFeedback = evaluator_result.final_output
        return {
            "query": q_sug,
            "knowledge_recognition": result.knowledge_recognition,
            "knowledge_recognition_reason": result.knowledge_recognition_reason,
            "motivation_score": result.motivation_score,
            "motivation_breakdown": result.motivation_breakdown.model_dump(),
            "relevance_score": result.relevance_score,
            "relevance_breakdown": result.relevance_breakdown.model_dump(),
            "overall_reason": result.overall_reason,
        }

    evaluations = await asyncio.gather(*[evaluate_single_query(q_sug) for q_sug in query_suggestions])

    # 3. 记录到历史
    context.operations_history.append({
        "operation_type": "get_query_suggestions",
        "timestamp": datetime.now().isoformat(),
        "query": query,
        "suggestions": query_suggestions,
        "evaluations": evaluations,
    })

    return evaluations


async def generate_modification_strategy(
    current_query: str,
    evaluations: list[dict],
    annotation: str,
    context: RunContext
) -> ModificationStrategy:
    """生成修改策略"""
    print("\n正在生成修改策略...")

    # 整理历史尝试记录 - 完整保留推荐词和评估结果
    history_records = []
    round_num = 0

    for op in context.operations_history:
        if op["operation_type"] == "get_query_suggestions":
            round_num += 1
            record = {
                "round": round_num,
                "query": op["query"],
                "suggestions": op["suggestions"],
                "evaluations": op["evaluations"]
            }
            history_records.append(record)
        elif op["operation_type"] == "modify_query":
            # 修改操作也记录，但不增加轮数
            history_records.append({
                "operation": "modify_query",
                "strategy_type": op.get("strategy_type", op.get("modification_type")),  # 兼容旧字段
                "operation_type_detail": op.get("operation_type_detail"),  # 新增：具体操作类型（增加、删减、调序、替换）
                "base_query": op.get("base_query"),
                "base_query_source": op.get("base_query_source"),
                "modification_actions": op.get("modification_actions", []),
                "original_query": op["original_query"],
                "new_query": op["new_query"],
                "reasoning": op["reasoning"]
            })

    # 格式化历史记录为JSON
    history_json = json.dumps(history_records, ensure_ascii=False, indent=2)

    strategy_input = f"""
<原始问题标注（三层）>
{annotation}
</原始问题标注（三层）>

<历史尝试记录（完整）>
{history_json}
</历史尝试记录（完整）>

<当前query>
{current_query}
</当前query>

<当前轮推荐词评估结果>
{json.dumps(evaluations, ensure_ascii=False, indent=2) if evaluations else "空列表"}
</当前轮推荐词评估结果>

请基于所有历史尝试和当前评估结果，生成下一步的query修改策略。

重点分析：

1. **当前推荐词的信号**：
   - 系统理解成什么主题了？（旅游？教程？素材？工具？品种？）
   - 推荐词揭示了什么信息？系统在哪个方向有内容？
   - **不要只看essence_score**：essence=0的推荐词也可能是好的探索起点
   - 哪个推荐词最有潜力作为下一步的桥梁？

2. **历史趋势分析**：
   - 推荐词的主题变化：从"品种介绍"→"旅游"→"摄影"？
   - 是否在逐步接近目标？还是原地打转（主题不变）？
   - 哪些query让系统理解方向改变了？

3. **确定探索目的**：
   - 下一步query的探索目的是什么？
     * 验证系统对某个词的理解？
     * 往某个方向引导系统？
     * 利用推荐词作为桥梁？
   - **记住**：中间query不需要满足原需求，关键是达成探索目的
"""
    result = await Runner.run(strategy_generator, strategy_input)
    strategy: ModificationStrategy = result.final_output
    return strategy


def find_qualified_queries(evaluations: list[dict]) -> dict:
    """分级查找合格query

    Returns:
        {
            "highly_qualified": [...],      # 高度满足：knowledge=1, motivation>=0.9, relevance>=0.9
            "moderately_qualified": [...],  # 中高满足：knowledge=1, motivation>=0.9, relevance>=0.7
            "lower_qualified": [...],       # 中低满足：knowledge=1, motivation>=0.9, relevance>=0.4
        }
    """
    # 高度满足：knowledge=1, motivation>=0.9, relevance>=0.9
    highly_qualified = [
        e for e in evaluations
        if e['knowledge_recognition'] == 1
        and e['motivation_score'] >= 0.9
        and e['relevance_score'] >= 0.9
    ]

    # 中高满足：knowledge=1, motivation>=0.9, 0.7<=relevance<0.9
    moderately_qualified = [
        e for e in evaluations
        if e['knowledge_recognition'] == 1
        and e['motivation_score'] >= 0.9
        and 0.7 <= e['relevance_score'] < 0.9
    ]

    # 中低满足：knowledge=1, motivation>=0.9, 0.4<=relevance<0.7
    lower_qualified = [
        e for e in evaluations
        if e['knowledge_recognition'] == 1
        and e['motivation_score'] >= 0.9
        and 0.4 <= e['relevance_score'] < 0.7
    ]

    return {
        "highly_qualified": sorted(highly_qualified, key=lambda x: x['relevance_score'], reverse=True),
        "moderately_qualified": sorted(moderately_qualified, key=lambda x: x['relevance_score'], reverse=True),
        "lower_qualified": sorted(lower_qualified, key=lambda x: x['relevance_score'], reverse=True),
    }


# ============================================================================
# 主流程（代码控制）
# ============================================================================

async def optimize_query(context: RunContext, max_rounds: int = 20) -> dict:
    """
    主优化流程 - 由代码控制

    Args:
        context: 运行上下文
        max_rounds: 最大迭代轮数，默认20

    返回格式：
    {
        "success": True/False,
        "result": {...} or None,
        "message": "..."
    }
    """
    # 1. 标注问题（仅一次）
    annotation = await annotate_question(context.q_with_context)
    context.question_annotation = annotation

    # 2. 迭代优化
    current_query = context.q

    for round_num in range(1, max_rounds + 1):
        print(f"\n{'='*60}")
        print(f"第 {round_num} 轮：{'使用原始问题' if round_num == 1 else '使用修改后的query'}")
        print(f"当前query: {current_query}")
        print(f"{'='*60}")

        # 获取推荐词并评估
        evaluations = await get_suggestions_with_eval(current_query, annotation, context)

        if evaluations:
            # 检查是否找到合格query（分级筛选）
            qualified = find_qualified_queries(evaluations)

            # 优先返回高度满足的query
            if qualified["highly_qualified"]:
                return {
                    "success": True,
                    "level": "highly_qualified",
                    "results": qualified["highly_qualified"],
                    "message": f"第{round_num}轮找到{len(qualified['highly_qualified'])}个高度满足的query（知识=1, 动机≥0.9, 相关性≥0.9）"
                }

            # 其次返回中高满足的query
            if qualified["moderately_qualified"]:
                return {
                    "success": True,
                    "level": "moderately_qualified",
                    "results": qualified["moderately_qualified"],
                    "message": f"第{round_num}轮找到{len(qualified['moderately_qualified'])}个中高满足的query（知识=1, 动机≥0.9, 相关性≥0.7）"
                }

        # 如果是最后一轮，不再生成策略
        if round_num == max_rounds:
            break

        # 生成修改策略
        print(f"\n--- 生成修改策略 ---")
        strategy = await generate_modification_strategy(current_query, evaluations, annotation, context)

        print(f"\n修改策略：")
        print(f"  推理过程：{strategy.reasoning}")
        print(f"  策略类型：{strategy.strategy_type}")
        print(f"  操作类型：{strategy.operation_type}")
        print(f"  基础query：{strategy.base_query} (来源: {strategy.base_query_source})")
        print(f"  修改动作：{', '.join(strategy.modification_actions)}")
        print(f"  新query：{strategy.new_query}")

        # 记录修改
        context.operations_history.append({
            "operation_type": "modify_query",
            "timestamp": datetime.now().isoformat(),
            "reasoning": strategy.reasoning,
            "strategy_type": strategy.strategy_type,
            "operation_type_detail": strategy.operation_type,
            "base_query": strategy.base_query,
            "base_query_source": strategy.base_query_source,
            "modification_actions": strategy.modification_actions,
            "original_query": current_query,
            "new_query": strategy.new_query,
        })

        # 更新当前query
        current_query = strategy.new_query

    # 所有轮次后仍未找到高度/中高满足的，降低标准查找
    print(f"\n{'='*60}")
    print(f"{max_rounds}轮后未找到高度/中高满足的query，降低标准（相关性 >= 0.4）")
    print(f"{'='*60}")

    qualified = find_qualified_queries(evaluations)
    if qualified["lower_qualified"]:
        return {
            "success": True,
            "level": "lower_qualified",
            "results": qualified["lower_qualified"],
            "message": f"{max_rounds}轮后找到{len(qualified['lower_qualified'])}个中低满足的query（知识=1, 动机≥0.9, 相关性≥0.4）"
        }

    # 完全失败：找出最接近的（只满足知识识别，但动机不够）
    knowledge_ok = [
        e for e in evaluations
        if e['knowledge_recognition'] == 1
    ]
    if knowledge_ok:
        # 返回所有满足knowledge的，按motivation_score降序
        closest_queries = sorted(knowledge_ok, key=lambda x: x['motivation_score'], reverse=True)
        return {
            "success": False,
            "level": "failed",
            "results": closest_queries[:5],  # 只返回前5个
            "message": f"未找到合格query，但有{len(closest_queries)}个是知识需求（knowledge=1，但motivation<0.9）"
        }

    return {
        "success": False,
        "level": "failed",
        "results": [],
        "message": "未找到任何知识类推荐词（所有推荐词的knowledge_recognition均为0）"
    }


# ============================================================================
# 输出格式化
# ============================================================================

def format_output(optimization_result: dict, context: RunContext) -> str:
    """格式化输出结果"""
    results = optimization_result.get("results", [])
    level = optimization_result.get("level", "")

    # 满足程度映射
    level_map = {
        "highly_qualified": "高度满足 (90-100%)",
        "moderately_qualified": "中高满足 (70-89%)",
        "lower_qualified": "中低满足 (40-69%)",
        "failed": "未通过"
    }

    if optimization_result["success"] and results:
        output = f"原始问题：{context.q}\n"
        output += f"满足程度：{level_map.get(level, '未知')}\n"
        output += f"状态：{optimization_result['message']}\n\n"
        output += "推荐query（按相关性降序）：\n"
        for i, result in enumerate(results, 1):
            output += f"\n{i}. {result['query']}\n"
            output += f"   - 知识识别：{'是' if result['knowledge_recognition'] == 1 else '否'} ({result['knowledge_recognition_reason'][:50]}...)\n"
            output += f"   - 动机匹配度：{result['motivation_score']:.2f} (≥0.9通过)\n"
            output += f"     * 核心意图动词: {result['motivation_breakdown'].get('核心意图动词', 0):.2f}\n"
            output += f"     * 目标对象: {result['motivation_breakdown'].get('目标对象', 0):.2f}\n"
            output += f"     * 终极目的: {result['motivation_breakdown'].get('终极目的', 0):.2f}\n"
            output += f"   - 相关性得分：{result['relevance_score']:.2f} (≥0.9高度满足)\n"
            output += f"     * 核心动作: {result['relevance_breakdown'].get('核心动作', 0):.2f}\n"
            output += f"     * 目标对象: {result['relevance_breakdown'].get('目标对象', 0):.2f}\n"
            output += f"     * 使用场景: {result['relevance_breakdown'].get('使用场景', 0):.2f}\n"
            output += f"     * 终极目的: {result['relevance_breakdown'].get('终极目的', 0):.2f}\n"
            output += f"   - 综合评估：{result['overall_reason'][:100]}...\n"
        return output.strip()
    else:
        output = f"原始问题：{context.q}\n"
        output += f"结果：未找到合格推荐query\n"
        output += f"满足程度：{level_map.get(level, '未知')}\n"
        output += f"原因：{optimization_result['message']}\n"

        if results:
            output += "\n最接近的推荐词：\n"
            for i, result in enumerate(results[:3], 1):  # 只显示前3个
                output += f"\n{i}. {result['query']}\n"
                output += f"   - 知识识别：{'是' if result['knowledge_recognition'] == 1 else '否'}\n"
                output += f"   - 动机匹配度：{result['motivation_score']:.2f}\n"
                output += f"   - 相关性得分：{result['relevance_score']:.2f}\n"
                output += f"   - 综合评估：{result['overall_reason'][:100]}...\n"

        output += "\n建议：尝试简化问题或调整需求描述"
        return output.strip()


# ============================================================================
# 主函数
# ============================================================================

async def main(input_dir: str, max_rounds: int = 20):
    current_time, log_url = set_trace()

    # 从目录中读取固定文件名
    input_context_file = os.path.join(input_dir, 'context.md')
    input_q_file = os.path.join(input_dir, 'q.md')

    q_context = read_file_as_string(input_context_file)
    q = read_file_as_string(input_q_file)
    q_with_context = f"""
<需求上下文>
{q_context}
</需求上下文>
<当前问题>
{q}
</当前问题>
""".strip()

    # 获取当前文件名作为版本
    version = os.path.basename(__file__)
    version_name = os.path.splitext(version)[0]

    # 日志保存目录
    log_dir = os.path.join(input_dir, "output", version_name, current_time)

    run_context = RunContext(
        version=version,
        input_files={
            "input_dir": input_dir,
            "context_file": input_context_file,
            "q_file": input_q_file,
        },
        q_with_context=q_with_context,
        q_context=q_context,
        q=q,
        log_dir=log_dir,
        log_url=log_url,
    )

    # 执行优化流程（代码控制）
    optimization_result = await optimize_query(run_context, max_rounds=max_rounds)

    # 格式化输出
    final_output = format_output(optimization_result, run_context)
    print(f"\n{'='*60}")
    print("最终结果")
    print(f"{'='*60}")
    print(final_output)

    # 保存结果
    run_context.optimization_result = optimization_result
    run_context.final_output = final_output

    # 保存 RunContext 到 log_dir
    os.makedirs(run_context.log_dir, exist_ok=True)
    context_file_path = os.path.join(run_context.log_dir, "run_context.json")
    with open(context_file_path, "w", encoding="utf-8") as f:
        json.dump(run_context.model_dump(), f, ensure_ascii=False, indent=2)
    print(f"\nRunContext saved to: {context_file_path}")


if __name__ == "__main__":
    parser = argparse.ArgumentParser(description="搜索query优化工具")
    parser.add_argument(
        "--input-dir",
        type=str,
        default="input/简单扣图",
        help="输入目录路径，默认: input/简单扣图"
    )
    parser.add_argument(
        "--max-rounds",
        type=int,
        default=20,
        help="最大迭代轮数，默认: 20"
    )
    args = parser.parse_args()

    asyncio.run(main(args.input_dir, max_rounds=args.max_rounds))