获取数据库连接

安全地从 LLM 返回值中提取文本字符串 兼容 str / AIMessage / GenerationChunk 等多种返回类型。 自动清理思考型模型（如 qwen3.5-plus）的 <think>...</think> 标签。

获取或创建用户的系统实例

获取用户的所有偏好 Args: user_id: 用户ID Returns: 偏好字典

执行查询 Args: question: 用户问题 thread_id: 线程ID，用于区分不同的会话 user_id: 用户ID，用于长期记忆 Ret

分析数据，同时生成文字分析和 ECharts 图表配置 Args: data: JSON格式的数据字符串 context: 上下文信息（如原始问题） Returns:

创建或更新用户记录 Args: user_id: 用户ID Returns: 是否成功

清理SQL语句（移除代码块标记和多余前缀）

自动提取并保存长期记忆

格式化对话历史为文本 Args: messages: 消息列表 Returns: 格式化的对话文本

格式化长期记忆上下文 Args: knowledge: 用户知识列表 preferences: 用户偏好字典 Returns: 格式化的上下文文本

格式化搜索结果为可读文本 Args: results: Tavily 原始搜索结果列表 Returns: 格式化的文本

获取对话历史摘要（智能压缩版本） 策略： 1. 如果消息少于等于10条，直接返回所有 2. 如果消息较多但token未超限，返回近期消息 3. 如果消息很多且超过token限制，使用LLM总结压缩

获取数据库Schema

调用 Tavily 搜索，统一处理多种返回格式 Returns: (formatted_text: str, sources: List[str])

安全地从 LLM 返回值中提取文本，清理思考标签

安全地从 LLM 返回值中提取文本，清理思考标签

安全地从 LLM 返回值中提取文本，清理思考标签

获取用户的所有知识 Args: user_id: 用户ID limit: 返回数量限制 Returns: 知识列表

主智能体意图识别的提示词 Args: question: 用户当前问题 conversation_history: 会话历史摘要 user_context: 用户长期记忆上下文（偏好和知识） Returns:

检索与查询相关的用户知识 使用简单的关键词匹配策略 Args: user_id: 用户ID query: 查询文本 top_k: 返回前K个结果

多智能体结果汇总的提示词 Args: question: 用户原始问题 sql_result: SQL查询结果 analysis_result: 分析结果 Returns: 结果汇总提示词

获取当前用户信息

获取用户概况 Args: user_id: 用户ID Returns: 用户信息字典，如果用户不存在则返回None

初始化长期记忆数据库 Args: db_path: 数据库文件路径

用户登录 Args: user_id: 用户ID Returns: 是否登录成功

开始新会话（保留当前用户）

执行查询（阻塞式，返回完整回答） Args: question: 用户问题 Returns: 回答结果

纯联网搜索模式 搜索外部信息并用 LLM 综合生成回答，适合与数据库无关的信息查询。 Args: question: 用户搜索问题 Returns:

联网搜索 + 数据库数据联合分析模式 先搜索行业/外部数据，再与数据库查询结果进行对比分析， 实现「公司内部数据 vs 行业外部数据」的深度对比。 Args: question: 用户问题（包

构建LangGraph状态图（支持6种意图路由）

使用LLM总结压缩对话历史 Args: history_text: 原始对话历史文本 Returns: 压缩后的摘要文本

SQL 自动纠错（Reflection 模式） 将错误信息和原始 SQL 反馈给 LLM，要求其重新生成正确的 SQL。 Args: question: 用户原始问题 original

确保数据库文件存在，如果不存在则初始化

通过MCP工具执行SQL Args: sql: SQL语句 Returns: 查询结果JSON字符串

执行SQLite查询

格式化消息列表为文本 Args: messages: 消息列表 Returns: 格式化的文本

生成 ECharts 图表配置 让 LLM 根据数据特征自动选择图表类型（柱状图/折线图/饼图） 并生成完整的 ECharts option 配置对象。 Args: data: 解析后的数据

生成SQL语句

初始化语言模型 使用 OpenAI 兼容接口连接 DashScope，支持所有通义千问模型 （qwen-turbo-latest / qwen-plus-latest / qwen-max-latest / qwen3.5-plus 等）

初始化 Tavily 搜索工具

加载配置文件

解析数据字符串

准备数据摘要

安全地执行异步代码，兼容已有事件循环（如 httpx/openai 遗留的）

判断是否适合生成图表 图表生成条件： - 列表数据 - 至少2条记录 - 包含数值字段

创建数据库表结构

从对话中提取用户知识点 Args: messages: 对话消息列表 user_id: 用户ID Returns: 提取的知识列表 [{category

从对话中提取用户偏好 Args: messages: 对话消息列表 user_id: 用户ID Returns: 提取的偏好字典 {category:

数据分析的提示词 Args: data_summary: 数据摘要 raw_data: 原始数据JSON context: 上下文信息 Returns: 数据分析提示词

ECharts 图表配置生成提示词 Args: data_summary: 数据摘要 raw_data: 原始数据JSON字符串 context: 上下文信息 Returns: 图表配置提示词

构建Few-shot提示词 Args: question: 用户的自然语言问题 schema: 数据库表结构描述 num_examples: 使用的示例数量 Returns: 完整的提示词

联网搜索 + 数据库查询联合分析提示词 Args: question: 用户问题 search_results: 联网搜索结果 sql_results: 数据库查询结果JSON Returns: 联合

联网搜索结果综合提示词 Args: question: 用户问题 search_results: 格式化的搜索结果 Returns: 综合提示词

SQL 自动纠错提示词（Reflection 模式） Args: question: 用户原始问题 schema: 数据库 Schema original_sql: 出错的 SQL 语句 error_msg: 错误信息

插入示例数据

主函数

保存用户知识 Args: user_id: 用户ID category: 知识分类（如：常问问题、业务领域、使用习惯） content: 知识内容 confidence:

保存用户偏好 Args: user_id: 用户ID key: 偏好键（如：favorite_department, display_format） value: 偏好值

判断是否应该提取记忆 Args: messages: 消息列表 threshold: 消息数量阈值 Returns: 是否应该提取

流式查询，返回 SSE 事件生成器 Args: question: 用户问题 Yields: SSE 格式字符串

更新用户最后活跃时间 Args: user_id: 用户ID Returns: 是否成功

初始化多智能体系统 Args: config_path: 配置文件路径

初始化长期记忆管理器 Args: memory_db_path: 长期记忆数据库路径

初始化记忆提取器 Args: llm: 语言模型实例

初始化搜索智能体 Args: llm: 语言模型实例 tavily_api_key: Tavily API Key（在 https://tavily.com 免费申请） max_results:

初始化SQL查询智能体 Args: llm: 语言模型实例 db_path: 数据库路径 num_examples: Few-shot示例数量

初始化主智能体 Args: llm: 语言模型实例 db_path: 数据库路径 num_examples: Few-shot示例数量 memory_db_path: 长

调用数据分析子智能体

先调用SQL查询，再调用数据分析

联网搜索 + 数据库查询联合分析节点

调用SQL查询子智能体

联网搜索节点（纯搜索模式）

意图识别节点（支持6种意图）

意图识别后的路由（支持6种意图）

简单回答节点

汇总结果节点（支持搜索结果和图表元数据）

删除指定知识 Args: knowledge_id: 知识ID Returns: 是否成功

删除用户偏好 Args: user_id: 用户ID key: 偏好键 Returns: 是否成功

执行SQL查询 Args: sql: SQL查询语句 db_type: 数据库类型（sqlite） Returns: JSON格式的查询结果

判断用户意图的提示词 Args: question: 用户输入 Returns: 意图判断提示词