Merge remote-tracking branch 'origin/cfclub' into cfclub

cfc-backend/src/main/java/com/etotem/cfc/config/PromptConfig.java

@@ -0,0 +1,27 @@
+package com.etotem.cfc.config;
+
+import lombok.Data;
+import org.springframework.boot.context.properties.ConfigurationProperties;
+import org.springframework.stereotype.Component;
+
+/**
+ * AI 服务提示词配置
+ * 所有 LangGraph 调用的 prompt 模板集中在此管理，方便热更新
+ */
+@Data
+@Component
+@ConfigurationProperties(prefix = "ai.prompts")
+public class PromptConfig {
+
+    /** 关系问卷·家长视角模板 */
+    private String questionnaireParent = "";
+
+    /** 关系问卷·孩子视角模板 */
+    private String questionnaireChild = "";
+
+    /** 舌诊分析系统提示词 */
+    private String tongueSystem = "";
+
+    /** 问卷版本号 */
+    private String questionnaireVersion = "1";
+}

cfc-backend/src/main/java/com/etotem/cfc/controller/ai/AIChatController.java

@@ -152,11 +152,18 @@ public class AIChatController {
         if (surveyIdStr != null && !surveyIdStr.trim().isEmpty()) {
             surveyId = Long.valueOf(surveyIdStr);
         }
+        String draftIdStr = params.get("draftId");
+        Long draftId = null;
+        if (draftIdStr != null && !draftIdStr.trim().isEmpty()) {
+            draftId = Long.valueOf(draftIdStr);
+        }
         Map<String, Object> inputs;
         if (reportId != null && surveyId != null) {
             inputs = familyContextService.buildContext(userId, reportId, surveyId);
         } else if (reportId != null) {
             inputs = familyContextService.buildContext(userId, reportId);
+        } else if (draftId != null) {
+            inputs = familyContextService.buildContextFromDraft(userId, draftId);
         } else {
             inputs = familyContextService.buildContext(userId);
         }
@@ -213,13 +220,18 @@ public class AIChatController {
             @RequestBody Map<String, String> params) {
         String query = params.get("query");
         String reportIdStr = params.get("reportId");
+        String draftIdStr = params.get("draftId");
         if (query == null || query.trim().isEmpty()) {
             return Result.error("消息不能为空");
         }
-        if (reportIdStr == null || reportIdStr.trim().isEmpty()) {
-            return Result.error("报告ID不能为空");
+        if ((reportIdStr == null || reportIdStr.trim().isEmpty())
+                && (draftIdStr == null || draftIdStr.trim().isEmpty())) {
+            return Result.error("报告ID或草稿ID不能为空");
+        }
+        Long reportId = null;
+        if (reportIdStr != null && !reportIdStr.trim().isEmpty()) {
+            reportId = Long.valueOf(reportIdStr);
         }
-        Long reportId = Long.valueOf(reportIdStr);
 
         // 1. 会员级别检查
         com.etotem.cfc.entity.User user = userService.getUserInfo(userId);

cfc-backend/src/main/java/com/etotem/cfc/controller/family/FamilyMembersController.java

@@ -173,6 +173,8 @@ public Result<FamilyMemberVO> updateMember(@RequestBody Map<String, Object> body
  if (body.get("avatar") != null) dto.setAvatar(body.get("avatar").toString());
  if (body.get("gender") != null) dto.setGender(body.get("gender").toString());
  if (body.get("birthday") != null) dto.setBirthday(body.get("birthday").toString());
+ if (body.get("generationLevel") != null) dto.setGenerationLevel(body.get("generationLevel").toString());
+ if (body.get("peerType") != null) dto.setPeerType(body.get("peerType").toString());
 
  try {
    FamilyMemberVO vo = familyMemberService.updateMember(userId, memberId, dto);

cfc-backend/src/main/java/com/etotem/cfc/service/AiGateway.java

@@ -19,6 +19,7 @@ import java.util.concurrent.atomic.AtomicInteger;
 import java.util.concurrent.atomic.AtomicLong;
 import javax.annotation.PostConstruct;
 import javax.annotation.Resource;
+import com.etotem.cfc.config.PromptConfig;
 
 /**
  * LangGraph Python 服务网关
@@ -52,6 +53,19 @@ public class AiGateway {
     private final RestTemplate restTemplate = new RestTemplate();
     private final ObjectMapper objectMapper = new ObjectMapper();
 
+    private RestTemplate fastTemplate;
+
+    @Resource
+    private PromptConfig promptConfig;
+
+    @javax.annotation.PostConstruct
+    public void initFastTemplate() {
+        SimpleClientHttpRequestFactory factory = new SimpleClientHttpRequestFactory();
+        factory.setConnectTimeout(timeoutMs);
+        factory.setReadTimeout(60000);
+        fastTemplate = new RestTemplate(factory);
+    }
+
     // 熔断器状态
     private final AtomicInteger consecutiveFailures = new AtomicInteger(0);
     private final AtomicLong lastFailureTime = new AtomicLong(0);
@@ -224,15 +238,30 @@ public class AiGateway {
 
             ObjectNode body = objectMapper.createObjectNode();
             body.put("member_name", sanitizedInputs.getOrDefault("member_name", "").toString());
+            body.put("respondent_name", sanitizedInputs.getOrDefault("respondent_name", "").toString());
             body.put("relationship_type", sanitizedInputs.getOrDefault("relationship_type", "").toString());
+            // 注入 Java 后端配置的 prompt 模板
+            String relationshipType = sanitizedInputs.getOrDefault("relationship_type", "child").toString();
+            String promptTemplate = "parent".equals(relationshipType)
+                    ? promptConfig.getQuestionnaireParent()
+                    : promptConfig.getQuestionnaireChild();
+            if (promptTemplate != null && !promptTemplate.isEmpty()) {
+                body.put("prompt_template", promptTemplate);
+            }
             if (sanitizedInputs.containsKey("family_context")) {
                 body.set("family_context", objectMapper.valueToTree(sanitizedInputs.get("family_context")));
             }
+            if (sanitizedInputs.containsKey("member_profile")) {
+                body.set("member_profile", objectMapper.valueToTree(sanitizedInputs.get("member_profile")));
+            }
+            if (sanitizedInputs.containsKey("respondent_profile")) {
+                body.set("respondent_profile", objectMapper.valueToTree(sanitizedInputs.get("respondent_profile")));
+            }
 
             HttpEntity<String> entity = new HttpEntity<>(body.toString(), createJsonHeaders());
             String url = baseUrl + "/api/v1/questionnaire/generate";
 
-            ResponseEntity<String> response = restTemplate.postForEntity(url, entity, String.class);
+            ResponseEntity<String> response = fastTemplate.postForEntity(url, entity, String.class);
 
             if (response.getStatusCode().is2xxSuccessful() && response.getBody() != null) {
                 JsonNode root = objectMapper.readTree(response.getBody());
@@ -568,6 +597,11 @@ public class AiGateway {
                 public String getFilename() { return filename; }
             });
             parts.add("user_id", String.valueOf(userId));
+            // 注入 Java 后端配置的舌诊提示词
+            String tonguePrompt = promptConfig.getTongueSystem();
+            if (tonguePrompt != null && !tonguePrompt.isEmpty()) {
+                parts.add("prompt_template", tonguePrompt);
+            }
 
             org.springframework.http.HttpHeaders headers = new org.springframework.http.HttpHeaders();
             headers.setContentType(org.springframework.http.MediaType.MULTIPART_FORM_DATA);

cfc-backend/src/main/java/com/etotem/cfc/service/BeijingNutritionService.java

@@ -23,7 +23,6 @@ import org.springframework.transaction.annotation.Transactional;
 import javax.annotation.Resource;
 import java.math.BigDecimal;
 import java.util.*;
-import java.math.BigDecimal;
 import java.util.stream.Collectors;
 import com.etotem.cfc.util.SortUtil;
 

cfc-backend/src/main/java/com/etotem/cfc/service/FamilyContextService.java

@@ -4,6 +4,8 @@ import com.baomidou.mybatisplus.core.conditions.query.LambdaQueryWrapper;
 import com.etotem.cfc.dto.ChildInfoDTO;
 import com.etotem.cfc.entity.*;
 import com.etotem.cfc.mapper.*;
+import com.etotem.cfc.service.HealthReportDraftService;
+import com.fasterxml.jackson.databind.ObjectMapper;
 import org.slf4j.Logger;
 import org.slf4j.LoggerFactory;
 import org.springframework.stereotype.Service;
@@ -36,6 +38,12 @@ public class FamilyContextService {
     @Resource
     private ReportSurveyService reportSurveyService;
 
+    @Resource
+    private HealthReportDraftService healthReportDraftService;
+
+    @Resource
+    private ObjectMapper objectMapper;
+
     @Resource
     private FiveDimensionScoreService fiveDimensionScoreService;
 
@@ -222,8 +230,40 @@ public class FamilyContextService {
     }
 
     /**
-     * 获取家庭成员的最新五维能量分数
+     * 基于草稿 ID 构建上下文（用于快速分析）
+     *
+     * @param userId  当前用户
+     * @param draftId 草稿 ID
+     * @return 上下文 Map，包含 reportDetail（从 payloadJson 还原）
      */
+    public Map<String, Object> buildContextFromDraft(Long userId, Long draftId) {
+        Map<String, Object> ctx = buildContext(userId);
+
+        if (draftId == null) {
+            return ctx;
+        }
+
+        HealthReportDraft draft = healthReportDraftService.getDraftById(draftId);
+        if (draft == null || !draft.getUserId().equals(userId)) {
+            // 权限不通过静默返回基础上下文
+            return ctx;
+        }
+
+        // 解析 payloadJson
+        Map<String, Object> reportDetail = null;
+        try {
+            if (draft.getPayloadJson() != null && !draft.getPayloadJson().isEmpty()) {
+                reportDetail = objectMapper.readValue(draft.getPayloadJson(), Map.class);
+            }
+        } catch (Exception e) {
+            log.warn("解析草稿 payload 失败: {}", e.getMessage());
+        }
+        if (reportDetail != null) {
+            ctx.put("reportDetail", reportDetail);
+        }
+
+        return ctx;
+    }
     private Map<String, Integer> getDimensionScores(Long familyId) {
         try {
             return fiveDimensionScoreService.getLatestByFamilyMap(familyId);

cfc-backend/src/main/java/com/etotem/cfc/service/FamilyMemberService.java

@@ -770,7 +770,7 @@ public class FamilyMemberService {
     }
 
     /**
-     * 更新成员信息
+     * 更新成员信息：管理员可编辑所有成员（含关联账号的），普通用户仅可编辑不可登录成员
      */
     @Transactional(rollbackFor = Exception.class)
     public FamilyMemberVO updateMember(Long userId, Long memberId, AddFamilyMemberDTO dto) {
@@ -778,19 +778,22 @@ public class FamilyMemberService {
         if (user == null || user.getFamilyId() == null) {
             throw new RuntimeException("用户未加入家庭");
         }
-
         FamilyMember member = familyMemberMapper.selectById(memberId);
         if (member == null || !member.getFamilyId().equals(user.getFamilyId())) {
             throw new RuntimeException("成员不存在或不属于您的家庭");
         }
 
-        // 检查编辑权限
-        if (!isEditable(memberId)) {
+        // 检查编辑权限：管理员可编辑所有成员；普通用户只能编辑无关联账号的成员
+        boolean isAdmin = false;
+        Family family = familyMapper.selectById(user.getFamilyId());
+        if (family != null && Long.valueOf(userId).equals(family.getCreatorId())) {
+            isAdmin = true;
+        }
+        if (!isAdmin && !isEditable(memberId)) {
             throw new RuntimeException("该成员关联了登录账号，不可编辑");
         }
 
         String oldNickname = member.getNickname();
-
         if (dto.getNickname() != null && !dto.getNickname().trim().isEmpty()) {
             member.setNickname(dto.getNickname().trim());
         }
@@ -811,11 +814,18 @@ public class FamilyMemberService {
                 throw new IllegalArgumentException("出生日期格式错误，应为yyyy-MM-dd");
             }
         }
-
+        // 管理员可更新辈分关系
+        if (isAdmin && dto.getGenerationLevel() != null && !dto.getGenerationLevel().trim().isEmpty()) {
+            GenerationLevel genLevel = GenerationLevel.fromValue(dto.getGenerationLevel());
+            if (genLevel != null) {
+                member.setGeneration(genLevel.getOffset());
+                boolean isSpouse = genLevel == GenerationLevel.PEER && "spouse".equals(dto.getPeerType());
+                member.setIsSpouse(isSpouse);
+            }
+        }
         member.setUpdatedAt(new Date());
         familyMemberMapper.updateById(member);
         logMemberAction(member.getFamilyId(), member.getId(), "update", oldNickname, member.getNickname(), userId);
-
         return toFamilyMemberVO(member);
     }
 

cfc-backend/src/main/java/com/etotem/cfc/service/RelationshipQuestionnaireService.java

@@ -4,11 +4,15 @@ import com.baomidou.mybatisplus.core.conditions.query.LambdaQueryWrapper;
 import com.etotem.cfc.dto.GenerateQuestionnaireDTO;
 import com.etotem.cfc.dto.QuestionnaireSnapshotVO;
 import com.etotem.cfc.dto.SubmitQuestionnaireDTO;
+import com.etotem.cfc.entity.Family;
 import com.etotem.cfc.entity.FamilyMember;
+import com.etotem.cfc.entity.User;
 import com.etotem.cfc.entity.FamilyRelationship;
 import com.etotem.cfc.entity.RelationshipQuestionnaireResponse;
 import com.etotem.cfc.entity.RelationshipQuestionnaireSnapshot;
 import com.etotem.cfc.mapper.FamilyMemberMapper;
+import com.etotem.cfc.mapper.UserMapper;
+import com.etotem.cfc.mapper.FamilyMapper;
 import com.etotem.cfc.mapper.FamilyRelationshipMapper;
 import com.etotem.cfc.mapper.RelationshipQuestionnaireResponseMapper;
 import com.etotem.cfc.mapper.RelationshipQuestionnaireSnapshotMapper;
@@ -40,12 +44,18 @@ public class RelationshipQuestionnaireService {
     @Resource
     private FamilyMemberMapper familyMemberMapper;
 
+    @Resource
+    private FamilyMapper familyMapper;
+
     @Resource
     private FamilyRelationshipMapper familyRelationshipMapper;
 
     @Resource
     private AIService aiService;
 
+    @Resource
+    private UserMapper userMapper;
+
     @Resource
     private AiGateway aiGateway;
 
@@ -69,10 +79,44 @@ public class RelationshipQuestionnaireService {
         // 生成版本号
         String version = new SimpleDateFormat("yyyyMMddHHmmss").format(new Date());
 
+        // 构建答卷人画像信息
+        User respondentUser = userMapper.selectById(dto.getRespondentId());
+        java.util.Map<String, Object> respondentProfile = new java.util.HashMap<>();
+        if (respondentUser != null) {
+            respondentProfile.put("nickname", respondentUser.getNickname() != null ? respondentUser.getNickname() : "");
+            respondentProfile.put("gender", respondentUser.getGender() != null ? respondentUser.getGender() : "");
+            if (respondentUser.getBirthday() != null) {
+                java.time.LocalDate birth = respondentUser.getBirthday().toInstant().atZone(java.time.ZoneId.systemDefault()).toLocalDate();
+                java.time.LocalDate now = java.time.LocalDate.now();
+                int respAge = java.time.Period.between(birth, now).getYears();
+                respondentProfile.put("age", Math.max(0, respAge));
+            }
+        }
+
+        // 构建被评成员画像信息
+        java.util.Map<String, Object> memberProfile = new java.util.HashMap<>();
+        if (member.getGender() != null) memberProfile.put("gender", member.getGender());
+        memberProfile.put("age", member.getAge());
+        if (member.getNickname() != null) memberProfile.put("nickname", member.getNickname());
+        if (member.getBirthHour() != null) memberProfile.put("birth_hour", member.getBirthHour());
+
+        // 构建家庭上下文
+        java.util.Map<String, Object> familyContext = new java.util.HashMap<>();
+        if (familyMapper != null && member.getFamilyId() != null) {
+            Family family = familyMapper.selectById(member.getFamilyId());
+            if (family != null) {
+                familyContext.put("family_name", family.getName() != null ? family.getName() : "");
+            }
+        }
+
         // 优先 LangGraph 出题，失败 fallback mock
         java.util.Map<String, Object> aiInputs = new java.util.HashMap<>();
         aiInputs.put("member_name", member.getNickname());
+        aiInputs.put("respondent_name", respondentProfile.getOrDefault("nickname", "家长"));
         aiInputs.put("relationship_type", member.getGeneration() != null && member.getGeneration() < 0 ? "child" : "parent");
+        aiInputs.put("member_profile", memberProfile);
+        aiInputs.put("respondent_profile", respondentProfile);
+        aiInputs.put("family_context", familyContext);
         java.util.Map<String, Object> aiResult = aiGateway.generateQuestionnaire(aiInputs);
 
         String aiJson;
@@ -215,12 +259,21 @@ public class RelationshipQuestionnaireService {
     }
 
     private String generateMockQuestionnaireJson(FamilyMember member) {
-        // 简化版模拟问卷，实际在 T15 由 AI 生成
-        return "[" +
-                "{\"id\":1,\"dimension\":\"trust\",\"question\":\"您对" + member.getNickname() + "的信任程度如何？\",\"options\":[\"完全信任\",\"比较信任\",\"一般\",\"不太信任\",\"完全不信任\"]}," +
-                "{\"id\":2,\"dimension\":\"intimacy\",\"question\":\"您与" + member.getNickname() + "的亲密程度如何？\",\"options\":[\"非常亲密\",\"比较亲密\",\"一般\",\"比较疏远\",\"非常疏远\"]}," +
-                "{\"id\":3,\"dimension\":\"communication\",\"question\":\"您与" + member.getNickname() + "的沟通质量如何？\",\"options\":[\"非常顺畅\",\"比较顺畅\",\"一般\",\"不太顺畅\",\"非常困难\"]}" +
-                "]";
+        String n = member.getNickname();
+        // 间接情境题，避免直接问"信任程度/亲密程度/沟通质量"，以行为场景反映真实关系
+        StringBuilder sb = new StringBuilder();
+        sb.append("[");
+        sb.append("{\"id\":1,\"dimension\":\"trust\",\"direction\":\"positive\",\"weight\":1.0,\"question\":\"当你遇到困难或犯了错时，你是否愿意向").append(n).append("求助？\",\"options\":[\"毫不犹豫\",\"有些犹豫但会开口\",\"想开口但最终没开口\",\"几乎不会\"]},");
+        sb.append("{\"id\":2,\"dimension\":\"trust\",\"direction\":\"positive\",\"weight\":1.0,\"question\":\"你是否会主动向").append(n).append("分享你不太愿意让其他人知道的私人事情？\",\"options\":[\"经常会\",\"有时会\",\"很少\",\"从不\"]},");
+        sb.append("{\"id\":3,\"dimension\":\"trust\",\"direction\":\"positive\",\"weight\":1.0,\"question\":\"和").append(n).append("相处时，你是否经常担心自己会说错话或做错事？\",\"options\":[\"从不担心\",\"偶尔担心\",\"经常担心\",\"随时都很紧张\"]},");
+        sb.append("{\"id\":4,\"dimension\":\"intimacy\",\"direction\":\"positive\",\"weight\":1.0,\"question\":\"当你心情不好时，你是否想去找").append(n).append("待一会儿？\",\"options\":[\"很想\",\"有时候会\",\"很少\",\"完全没有\"]},");
+        sb.append("{\"id\":5,\"dimension\":\"intimacy\",\"direction\":\"positive\",\"weight\":1.0,\"question\":\"你是否愿意和").append(n).append("一起做一些不需要说话、只是安静待在一起的事？\",\"options\":[\"觉得很自然\",\"偶尔会\",\"不太习惯\",\"完全不想\"]},");
+        sb.append("{\"id\":6,\"dimension\":\"intimacy\",\"direction\":\"positive\",\"weight\":1.0,\"question\":\"你是否觉得").append(n).append("是你心里最懂你的人之一？\",\"options\":[\"是的\",\"算是\",\"不太确定\",\"不是\"]},");
+        sb.append("{\"id\":7,\"dimension\":\"communication\",\"direction\":\"positive\",\"weight\":1.0,\"question\":\"和").append(n).append("意见不同时，你们通常能平静地把话说清楚吗？\",\"options\":[\"总能\",\"大部分时候可以\",\"经常吵起来\",\"最后都不说话\"]},");
+        sb.append("{\"id\":8,\"dimension\":\"communication\",\"direction\":\"positive\",\"weight\":1.0,\"question\":\"你是否觉得和").append(n).append("说话时，对方真的在听，而不是急着反驳或给建议？\",\"options\":[\"总是\",\"经常\",\"偶尔\",\"几乎没有\"]},");
+        sb.append("{\"id\":9,\"dimension\":\"communication\",\"direction\":\"negative\",\"weight\":1.0,\"question\":\"你是否经常觉得").append(n).append("打断你说话，或者没听完就下结论？\",\"options\":[\"从不\",\"很少\",\"有时会\",\"经常\"]}");
+        sb.append("]");
+        return sb.toString();
     }
 
     private BigDecimal[] calculateScoresFromAnswers(String answersJson, String questionsJson) {

cfc-backend/src/main/resources/application.yml

@@ -177,3 +177,146 @@ app:
 # Admin 登录配置
 admin:
   skip-captcha: true  # 测试环境跳过验证码，方便自动化测试
+
+
+ai:
+  prompts:
+    questionnaire-version: "1"
+    questionnaire-parent: |
+  你是一位专业的家庭关系评估顾问，擅长设计温暖、不具威胁性的关系问卷。
+  
+  你的任务是为填写者设计一份关系评估问卷，了解填写者与被评估成员之间的关系质量。
+  
+  ## 基本信息
+  - 填写者（答卷人）：{respondent_name}，{respondent_gender}，{respondent_age}岁，星座：{respondent_zodiac}
+  - 被评估成员：{member_name}，{member_gender}，{member_age}岁，星座：{member_zodiac}
+  - 你（填写者）与被评估成员的关系：{relationship_desc}
+  - 家庭基本情况：{family_context}
+  
+  ## 角色与任务
+  填写者是家长，被评估成员是其孩子。家长对子女的关系感知是评估的重点。
+  
+  请生成 **15-18 道**情境化题目，涵盖三个维度，每个维度约 5-6 题：
+  
+  ### 信任维度（trust）
+  从以下间接角度设计题目：
+  - 遇到困难时是否愿意向对方求助
+  - 是否会向对方分享不愿让他人知道的事
+  - 与对方相处时是否感到安全、不被评判
+  - 对方是否值得信赖（守承诺、不泄露隐私等）
+  - 犯错后是否担心对方的反应
+  
+  ### 亲密维度（intimacy）
+  从以下间接角度设计题目：
+  - 是否愿意与对方共处（无需说话也能舒适）
+  - 对方是否是你情绪低落时的"避风港"
+  - 是否愿意与对方分享个人感受
+  - 对方是否让你感到被理解和接纳
+  - 是否觉得对方是"最懂你的人"之一
+  
+  ### 沟通维度（communication）
+  从以下间接角度设计题目：
+  - 意见不合时是否能平静沟通
+  - 对方是否认真倾听，而非急于评判或给建议
+  - 是否能自然表达自己的真实想法
+  - 对方是否经常打断你或没听完就下结论
+  - 是否觉得你们之间有"说不出口"的话题
+  
+  ## 题目设计要求
+  1. **情境化**：用具体场景代替抽象问法（如："当你遇到困难时..." 而非 "你是否信任对方"）
+  2. **温暖语气**：避免让填写者感到被审判，用"你是否觉得...""你是否愿意..."
+  3. **选项差异化**：4-5 个选项，描述具体行为或感受
+  4. **反向计分题**：至少 3 道题设置 direction="negative"，用于检测答题一致性
+  5. **覆盖双方画像**：如有星座、年龄差距等信息，可在题目中适度融入（如"青春期""代沟"等）
+  
+  ## 返回格式（严格 JSON，无其他内容）
+  {{
+    "version": 1,
+    "questions": [
+      {{
+        "id": "q1",
+        "dimension": "trust",
+        "direction": "positive",
+        "weight": 1.0,
+        "text": "题目文字",
+        "options": [
+          {{"id": "a", "score": 0}},
+          {{"id": "b", "score": 1}},
+          {{"id": "c", "score": 2}},
+          {{"id": "d", "score": 3}}
+        ]
+      }}
+    ]
+  }}
+  
+  确保 JSON 格式正确，所有题目覆盖三个维度，共 15-18 题。
+    questionnaire-child: |
+  你是一位专业的家庭关系评估顾问，擅长设计温暖、不具威胁性的关系问卷。
+  
+  你的任务是为填写者设计一份关系评估问卷，了解填写者与被评估成员之间的关系质量。
+  
+  ## 基本信息
+  - 填写者（答卷人）：{respondent_name}，{respondent_gender}，{respondent_age}岁，星座：{respondent_zodiac}
+  - 被评估成员：{member_name}，{member_gender}，{member_age}岁，星座：{member_zodiac}
+  - 你（填写者）与被评估成员的关系：{relationship_desc}
+  - 家庭基本情况：{family_context}
+  
+  ## 角色与任务
+  填写者是孩子，被评估成员是其家长。孩子对家长的关系感知是评估的重点。
+  
+  请生成 **15-18 道**情境化题目，涵盖三个维度，每个维度约 5-6 题：
+  
+  ### 信任维度（trust）
+  从以下间接角度设计题目：
+  - 遇到困难时是否愿意向对方求助
+  - 是否会向对方分享不愿让他人知道的事
+  - 与对方相处时是否感到安全、不被评判
+  - 对方是否值得信赖（守承诺、不泄露隐私等）
+  - 犯错后是否担心对方的反应
+  
+  ### 亲密维度（intimacy）
+  从以下间接角度设计题目：
+  - 是否愿意与对方共处（无需说话也能舒适）
+  - 对方是否是你情绪低落时的"避风港"
+  - 是否愿意与对方分享个人感受
+  - 对方是否让你感到被理解和接纳
+  - 是否觉得对方是"最懂你的人"之一
+  
+  ### 沟通维度（communication）
+  从以下间接角度设计题目：
+  - 意见不合时是否能平静沟通
+  - 对方是否认真倾听，而非急于评判或给建议
+  - 是否能自然表达自己的真实想法
+  - 对方是否经常打断你或没听完就下结论
+  - 是否觉得你们之间有"说不出口"的话题
+  
+  ## 题目设计要求
+  1. **情境化**：用具体场景代替抽象问法（如："当你遇到困难时..." 而非 "你是否信任对方"）
+  2. **温暖语气**：避免让填写者感到被审判，用"你是否觉得...""你是否愿意..."
+  3. **选项差异化**：4-5 个选项，描述具体行为或感受
+  4. **反向计分题**：至少 3 道题设置 direction="negative"，用于检测答题一致性
+  5. **覆盖双方画像**：如有星座、年龄差距等信息，可在题目中适度融入（如"青春期""代沟"等）
+  
+  ## 返回格式（严格 JSON，无其他内容）
+  {{
+    "version": 1,
+    "questions": [
+      {{
+        "id": "q1",
+        "dimension": "trust",
+        "direction": "positive",
+        "weight": 1.0,
+        "text": "题目文字",
+        "options": [
+          {{"id": "a", "score": 0}},
+          {{"id": "b", "score": 1}},
+          {{"id": "c", "score": 2}},
+          {{"id": "d", "score": 3}}
+        ]
+      }}
+    ]
+  }}
+  
+  确保 JSON 格式正确，所有题目覆盖三个维度，共 15-18 题。
+    tongue-system: |
+  你是资深中医舌诊专家。根据用户上传的舌象图片，输出结构化 JSON，不要输出任何 JSON 之外的文字。indicators 数组的 code 字段必须严格从以下 7 个值中选择，禁止自创或改写：tongue_color（舌色）、coating_color（苔色）、coating_texture（苔质）、fissure（裂纹）、teeth_mark（齿痕）、sublingual_vein（舌下络脉）、constitution（体质）。JSON 格式：{"overall_assessment": "整体舌象评估结论", "indicators": [{"code": "tongue_color", "value": "淡红"}, {"code": "coating_color", "value": "薄白"}]}指标值用简短中文描述，如舌色「淡红」、苔色「薄白」、裂纹「无」、齿痕「轻」。

cfc-frontend/pages/action-detail/interaction-log.vue

@@ -24,11 +24,18 @@
       <view class="type-grid">
         <view class="type-item" v-for="(name, key) in interactionTypes" :key="key"
               :class="{selected: selectedType === key}"
-              @click="selectedType = key">
+              @click="selectType(key)">
           <text class="type-icon">{{ typeIcons[key] || '💬' }}</text>
           <text class="type-name">{{ name }}</text>
         </view>
+        <view class="type-item" :class="{selected: selectedType === 'custom'}"
+              @click="selectType('custom')">
+          <text class="type-icon">✨</text>
+          <text class="type-name">自定义</text>
+        </view>
       </view>
+      <input v-if="selectedType === 'custom'" class="custom-type-input" v-model="customTypeName"
+             placeholder="请输入自定义活动名称（如：一起读书）" maxlength="20" />
     </view>
 
     <!-- 互动描述 -->
@@ -129,6 +136,7 @@ export default {
       preselectedMemberId: null, // URL传入的memberId，不显示成员选择器
       currentMemberId: null,     // 当前登录用户的家庭成员ID（fromMemberId）
       selectedType: '',
+      customTypeName: '',
       description: '',
       timeType: 'now',
       customTime: '',
@@ -180,24 +188,19 @@ export default {
         var res = await getFamilyMemberList()
         if (res.code === 200 && res.data) {
           var all = res.data || []
-          // 确定"我"的成员ID：优先从成员列表中匹配当前登录用户
-          var userInfo = uni.getStorageSync('userInfo')
-          var uid = (userInfo && userInfo.id) || 0
-          var self = this
+          // 使用后端返回的 isSelf 标记（比匹配 userId 更可靠）
           var found = null
-          if (uid) {
-            for (var i = 0; i < all.length; i++) {
-              var m = all[i]
-              if (m && m.userId && Number(m.userId) === Number(uid)) {
-                found = m
-                break
-              }
+          for (var i = 0; i < all.length; i++) {
+            var m = all[i]
+            if (m && m.isSelf === true) {
+              found = m
+              break
             }
           }
           this.currentMemberId = found ? found.id : null
           // 互动对象列表过滤掉"我"（from==to 后端会拒绝）
           this.members = all.filter(function(m) {
-            return !(m && m.userId && found && Number(m.userId) === Number(found.userId))
+            return !(m && m.isSelf === true)
           })
         }
       } catch (e) {
@@ -207,6 +210,12 @@ export default {
     selectMember(member) {
       this.selectedMemberId = member.id
     },
+    selectType(type) {
+      this.selectedType = type
+      if (type !== 'custom') {
+        this.customTypeName = ''
+      }
+    },
     onTimeChange(e) {
       this.customTime = e.detail.value
     },
@@ -374,10 +383,11 @@ export default {
         this.uploading = false
 
         // 保存互动记录
+        var interactionType = this.selectedType === 'custom' ? this.customTypeName : this.selectedType
         var res = await addInteraction({
           fromMemberId: fromId,
           toMemberId: this.selectedMemberId,
-          interactionType: this.selectedType,
+          interactionType: interactionType,
           description: this.description,
           happenedAt: happenedAt,
           photoUrls: photoUrls.join(','),
@@ -471,6 +481,14 @@ export default {
   border-color: #F97316;
   background: #FFF7ED;
 }
+.custom-type-input {
+  margin-top: 20rpx;
+  border: 2rpx solid #e0e0e0;
+  border-radius: 12rpx;
+  padding: 16rpx 20rpx;
+  font-size: 28rpx;
+  background: #fafafa;
+}
 .type-icon {
   font-size: 40rpx;
   display: block;

cfc-frontend/pages/action-detail/relationship-questionnaire.vue

@@ -7,7 +7,7 @@
 
     <!-- 加载状态 -->
     <view v-if="loading" class="loading-wrap">
-      <text class="loading-text">正在生成问卷...</text>
+      <text class="loading-text">AI正在根据双方情况生成问卷，请稍候（约需1-2分钟）...</text>
     </view>
 
     <!-- 问卷表单 -->

cfc-frontend/pages/family/add-member.vue

@@ -175,6 +175,8 @@ onLoad(options) {
     if (options.gender) this.form.gender = options.gender
     if (options.phone) this.form.phone = options.phone
     if (options.birthday) this.form.birthday = options.birthday
+    if (options.generationLevel) this.form.generationLevel = options.generationLevel
+    if (options.peerType) this.form.peerType = options.peerType
   }
 },
 methods: {
@@ -261,6 +263,9 @@ if (this.isEdit) {
   if (this.form.gender) updatePayload.gender = this.form.gender
   if (this.form.birthday) updatePayload.birthday = this.form.birthday
   if (this.form.phone) updatePayload.phone = this.form.phone
+  var editGen = (this.$refs.generationPicker && this.$refs.generationPicker.selectedGen) || this.form.generationLevel
+  if (editGen) updatePayload.generationLevel = editGen
+  if (this.form.peerType) updatePayload.peerType = this.form.peerType
   var res = await updateFamilyMember(updatePayload)
   if (res.code === 200) {
     uni.showToast({ title: '已更新', icon: 'success' })

cfc-frontend/pages/health/gut-flora-detail.vue

@@ -228,6 +228,42 @@
       <view class="bottom-spacer"></view>
     </scroll-view>
 
+    <!-- 报告快速分析入口（仅查看模式，reportId 或 draftId 存在） -->
+    <view class="quick-analyze-fab" v-if="!isEditing && (reportId || draftId)" @tap="openQuickAnalyze">
+      <text class="quick-analyze-fab-icon">🎯</text>
+      <text class="quick-analyze-fab-text">快速分析</text>
+    </view>
+
+    <!-- 快速分析浮层 -->
+    <view class="quick-analyze-overlay" v-if="quickAnalyze.show" @tap="closeQuickAnalyze"></view>
+    <view class="quick-analyze-panel" v-if="quickAnalyze.show">
+      <view class="quick-analyze-header">
+        <text class="quick-analyze-title">报告快速分析</text>
+        <text class="quick-analyze-close" @tap="closeQuickAnalyze">✕</text>
+      </view>
+      <view class="quick-analyze-hint" v-if="quickAnalyze.usedToday">免费版今日次数已用完，升级会员解锁更多分析</view>
+      <scroll-view class="quick-analyze-messages" scroll-y>
+        <view class="quick-analyze-message" v-for="(msg, qidx) in quickAnalyze.messages" :key="qidx" :class="'msg-' + msg.role">
+          <text class="quick-analyze-msg-text">{{ msg.content }}</text>
+        </view>
+        <view class="quick-analyze-loading" v-if="quickAnalyze.sending">
+          <text class="quick-analyze-loading-text">AI 正在分析中...</text>
+        </view>
+      </scroll-view>
+      <view class="quick-analyze-chips" v-if="quickAnalyze.messages.length === 0">
+        <view class="quick-analyze-chip" v-for="(q, qi) in quickQuestions" :key="qi" @tap="sendQuickQuestion(q)">
+          <text class="quick-analyze-chip-text">{{ q }}</text>
+        </view>
+      </view>
+      <view class="quick-analyze-input-bar">
+        <input class="quick-analyze-input" v-model="quickAnalyze.inputText" placeholder="输入你想问的问题..."
+          :disabled="quickAnalyze.sending || quickAnalyze.usedToday" confirm-type="send" @confirm="sendQuickAnalyze" />
+        <view class="quick-analyze-send" :class="{ 'send-disabled': quickAnalyze.sending || quickAnalyze.usedToday }" @tap="sendQuickAnalyze">
+          <text class="quick-analyze-send-text">发送</text>
+        </view>
+      </view>
+    </view>
+
     <health-knowledge-popup :visible="knowledgeVisible" :data="knowledgeData" @close="closeKnowledge" />
 
     <feedback-popup :visible="feedbackVisible" :report-id="reportId" @close="closeFeedback" />
@@ -332,7 +368,7 @@
 </template>
 
 <script>
-import { getReportDetail, editHealthReport, queryKnowledgeBase, queryIndicatorKnowledge, getGutFloraAnalysis, confirmReportPreview, discardReportDraft, parseReportDraft, getHealthFoods, getFoodCautionList, getFamilyMemberList, addFamilyMember } from '../../utils/api.js'
+import { getReportDetail, editHealthReport, queryKnowledgeBase, queryIndicatorKnowledge, getGutFloraAnalysis, confirmReportPreview, discardReportDraft, parseReportDraft, getHealthFoods, getFoodCautionList, getFamilyMemberList, addFamilyMember, reportQuickAnalyze, getMyMembership } from '../../utils/api.js'
 import HealthKnowledgePopup from '../../components/health-knowledge-popup.vue'
 import FeedbackPopup from '../../components/feedback-popup.vue'
 import { parseDate } from '../../utils/format.js'
@@ -399,6 +435,14 @@ export default {
       extractedName: '',
       extractedGender: '',
       extractedAge: '',
+      quickAnalyze: {
+        show: false,
+        sending: false,
+        messages: [],
+        inputText: '',
+        conversationId: '',
+        usedToday: false
+      }
     }
   },
   computed: {
@@ -474,6 +518,13 @@ riskGroupAbnormalCount: function() {
       if (this.selectedMemberObj) return this.selectedMemberObj.nickname || this.selectedMemberObj.name || '已选择'
       if (this.extractedName) return this.extractedName + '（待绑定）'
       return '未选择'
+    },
+    quickQuestions: function() {
+      return [
+        '这份报告最需要关注哪些异常指标？',
+        '报告中提示了哪些健康风险？',
+        '有哪些改善建议？'
+      ]
     }
   },
   onLoad: function(options) {
@@ -487,6 +538,52 @@ riskGroupAbnormalCount: function() {
     }
   },
   methods: {
+    // ===== 报告快速分析 =====
+    openQuickAnalyze: function() {
+      this.quickAnalyze.show = true
+      var self = this
+      getMyMembership().then(function(res) {
+        var level = res.data && res.data.memberLevel
+        if (level && level !== 'FREE') {
+          self.quickAnalyze.usedToday = false
+        }
+      }).catch(function() {})
+    },
+    closeQuickAnalyze: function() {
+      this.quickAnalyze.show = false
+    },
+    sendQuickQuestion: function(q) {
+      if (q && q.trim()) {
+        this.quickAnalyze.inputText = q
+        this.sendQuickAnalyze()
+      }
+    },
+    sendQuickAnalyze: function() {
+      var self = this
+      var text = (this.quickAnalyze.inputText || '').trim()
+      if (!text || this.quickAnalyze.sending) return
+      this.quickAnalyze.messages.push({ role: 'user', content: text })
+      this.quickAnalyze.inputText = ''
+      this.quickAnalyze.sending = true
+      reportQuickAnalyze(text, this.reportId, this.quickAnalyze.conversationId, this.draftId).then(function(res) {
+        if (res.code === 200 && res.data) {
+          self.quickAnalyze.messages.push({ role: 'ai', content: res.data.answer || '（无回答）' })
+          if (res.data.conversationId) {
+            self.quickAnalyze.conversationId = res.data.conversationId
+          }
+        } else {
+          var msg = res.message || '分析失败'
+          if (msg.indexOf('每日仅限') !== -1) {
+            self.quickAnalyze.usedToday = true
+          }
+          self.quickAnalyze.messages.push({ role: 'ai', content: msg })
+        }
+      }).catch(function() {
+        self.quickAnalyze.messages.push({ role: 'ai', content: 'AI 服务暂不可用，请稍后重试' })
+      }).finally(function() {
+        self.quickAnalyze.sending = false
+      })
+    },
     goBack: function() { uni.navigateBack() },
     /** 状态 → CSS安全英文（兼容中英文，与 report-confirm 保持一致） */
     _cssForStatus: function(s) {
@@ -1366,4 +1463,111 @@ applyDraftPayload: function(payload) {
   margin-top: 4rpx;
   line-height: 1.5;
 }
+/* ===== 报告快速分析 ===== */
+.quick-analyze-fab {
+  position: fixed;
+  right: 30rpx;
+  bottom: 60rpx;
+  display: flex;
+  flex-direction: row;
+  align-items: center;
+  background: linear-gradient(135deg, #5B9BD5, #3B82F6);
+  border-radius: 44rpx;
+  padding: 18rpx 30rpx;
+  box-shadow: 0 4rpx 16rpx rgba(59, 130, 246, 0.4);
+  z-index: 90;
+}
+.quick-analyze-fab-icon { font-size: 32rpx; margin-right: 10rpx; }
+.quick-analyze-fab-text { font-size: 28rpx; color: #fff; font-weight: 500; }
+.quick-analyze-fab:active { opacity: 0.85; }
+.quick-analyze-overlay {
+  position: fixed;
+  top: 0; left: 0; right: 0; bottom: 0;
+  background: rgba(0, 0, 0, 0.45);
+  z-index: 98;
+}
+.quick-analyze-panel {
+  position: fixed;
+  left: 30rpx; right: 30rpx;
+  bottom: 40rpx;
+  background: #fff;
+  border-radius: 20rpx;
+  padding: 24rpx;
+  z-index: 99;
+  display: flex;
+  flex-direction: column;
+  max-height: 70vh;
+}
+.quick-analyze-header {
+  display: flex;
+  flex-direction: row;
+  align-items: center;
+  justify-content: space-between;
+  margin-bottom: 16rpx;
+}
+.quick-analyze-title { font-size: 30rpx; font-weight: bold; color: #333; }
+.quick-analyze-close { font-size: 32rpx; color: #999; padding: 8rpx; }
+.quick-analyze-hint {
+  font-size: 24rpx;
+  color: #E65100;
+  background: #FFF3E0;
+  border-radius: 12rpx;
+  padding: 12rpx 16rpx;
+  margin-bottom: 12rpx;
+}
+.quick-analyze-messages {
+  max-height: 50vh;
+  margin-bottom: 16rpx;
+}
+.quick-analyze-message {
+  margin-bottom: 12rpx;
+  display: flex;
+  flex-direction: column;
+}
+.quick-analyze-message.msg-user { align-items: flex-end; }
+.quick-analyze-message.msg-ai { align-items: flex-start; }
+.quick-analyze-msg-text {
+  font-size: 26rpx;
+  color: #333;
+  background: #F3F4F6;
+  border-radius: 14rpx;
+  padding: 14rpx 18rpx;
+  max-width: 80%;
+  line-height: 1.5;
+}
+.msg-user .quick-analyze-msg-text { background: #5B9BD5; color: #fff; }
+.quick-analyze-loading { display: flex; justify-content: center; padding: 12rpx 0; }
+.quick-analyze-loading-text { font-size: 24rpx; color: #999; }
+.quick-analyze-chips { display: flex; flex-direction: column; margin-bottom: 16rpx; }
+.quick-analyze-chip {
+  background: #EFF6FF;
+  border: 1rpx solid #BFDBFE;
+  border-radius: 12rpx;
+  padding: 14rpx 18rpx;
+  margin-bottom: 10rpx;
+}
+.quick-analyze-chip:active { opacity: 0.8; }
+.quick-analyze-chip-text { font-size: 26rpx; color: #1D4ED8; }
+.quick-analyze-input-bar {
+  display: flex;
+  flex-direction: row;
+  align-items: center;
+}
+.quick-analyze-input {
+  flex: 1;
+  height: 72rpx;
+  background: #F3F4F6;
+  border-radius: 36rpx;
+  padding: 0 28rpx;
+  font-size: 26rpx;
+  color: #333;
+  margin-right: 16rpx;
+}
+.quick-analyze-send {
+  background: #5B9BD5;
+  border-radius: 36rpx;
+  padding: 16rpx 34rpx;
+}
+.quick-analyze-send.send-disabled { opacity: 0.5; }
+.quick-analyze-send-text { font-size: 26rpx; color: #fff; }
 </style>

cfc-frontend/pages/health/report-confirm.vue

@@ -342,12 +342,48 @@
       </view>
     </view>
 
+    <!-- 报告快速分析入口（解析完成、非解析中） -->
+    <view class="quick-analyze-fab" v-if="!parsing && draftId" @tap="openQuickAnalyze">
+      <text class="quick-analyze-fab-icon">🎯</text>
+      <text class="quick-analyze-fab-text">快速分析</text>
+    </view>
+
+    <!-- 快速分析浮层 -->
+    <view class="quick-analyze-overlay" v-if="quickAnalyze.show" @tap="closeQuickAnalyze"></view>
+    <view class="quick-analyze-panel" v-if="quickAnalyze.show">
+      <view class="quick-analyze-header">
+        <text class="quick-analyze-title">报告快速分析</text>
+        <text class="quick-analyze-close" @tap="closeQuickAnalyze">✕</text>
+      </view>
+      <view class="quick-analyze-hint" v-if="quickAnalyze.usedToday">免费版今日次数已用完，升级会员解锁更多分析</view>
+      <scroll-view class="quick-analyze-messages" scroll-y>
+        <view class="quick-analyze-message" v-for="(msg, qidx) in quickAnalyze.messages" :key="qidx" :class="'msg-' + msg.role">
+          <text class="quick-analyze-msg-text">{{ msg.content }}</text>
+        </view>
+        <view class="quick-analyze-loading" v-if="quickAnalyze.sending">
+          <text class="quick-analyze-loading-text">AI 正在分析中...</text>
+        </view>
+      </scroll-view>
+      <view class="quick-analyze-chips" v-if="quickAnalyze.messages.length === 0">
+        <view class="quick-analyze-chip" v-for="(q, qi) in quickQuestions" :key="qi" @tap="sendQuickQuestion(q)">
+          <text class="quick-analyze-chip-text">{{ q }}</text>
+        </view>
+      </view>
+      <view class="quick-analyze-input-bar">
+        <input class="quick-analyze-input" v-model="quickAnalyze.inputText" placeholder="输入你想问的问题..."
+          :disabled="quickAnalyze.sending || quickAnalyze.usedToday" confirm-type="send" @confirm="sendQuickAnalyze" />
+        <view class="quick-analyze-send" :class="{ 'send-disabled': quickAnalyze.sending || quickAnalyze.usedToday }" @tap="sendQuickAnalyze">
+          <text class="quick-analyze-send-text">发送</text>
+        </view>
+      </view>
+    </view>
+
     <view class="bottom-spacer"></view>
   </view>
 </template>
 
 <script>
-import { confirmReportPreview, discardReportDraft, confirmTongue, discardTongue, parseReportDraft } from '../../utils/api.js'
+import { confirmReportPreview, discardReportDraft, confirmTongue, discardTongue, parseReportDraft, reportQuickAnalyze, getMyMembership } from '../../utils/api.js'
 import { addFamilyMember, getFamilyMemberList } from '../../utils/api.js'
 
 export default {
@@ -374,6 +410,15 @@ export default {
       extractedName: '',
       extractedGender: '',
       extractedAge: '',
+      // 报告快速分析浮层
+      quickAnalyze: {
+        show: false,
+        sending: false,
+        messages: [],
+        inputText: '',
+        conversationId: '',
+        usedToday: false
+      },
       matchedMemberId: null,
       needBind: false,
       selectedMemberId: null,
@@ -439,6 +484,13 @@ export default {
       if (this.needBind) return '需手动绑定'
       return this.extractedName || '未识别'
     },
+    quickQuestions: function() {
+      return [
+        '这份报告最需要关注哪些异常指标？',
+        '报告中提示了哪些健康风险？',
+        '有哪些改善建议？'
+      ]
+    },
     /** 全量成员减去候选区已展示的成员，避免重复 */
     otherMembers() {
       var candIds = {}
@@ -573,6 +625,52 @@ export default {
     }
   },
   methods: {
+    // ===== 报告快速分析 =====
+    openQuickAnalyze: function() {
+      this.quickAnalyze.show = true
+      var self = this
+      getMyMembership().then(function(res) {
+        var level = res.data && res.data.memberLevel
+        if (level && level !== 'FREE') {
+          self.quickAnalyze.usedToday = false
+        }
+      }).catch(function() {})
+    },
+    closeQuickAnalyze: function() {
+      this.quickAnalyze.show = false
+    },
+    sendQuickQuestion: function(q) {
+      if (q && q.trim()) {
+        this.quickAnalyze.inputText = q
+        this.sendQuickAnalyze()
+      }
+    },
+    sendQuickAnalyze: function() {
+      var self = this
+      var text = (this.quickAnalyze.inputText || '').trim()
+      if (!text || this.quickAnalyze.sending) return
+      this.quickAnalyze.messages.push({ role: 'user', content: text })
+      this.quickAnalyze.inputText = ''
+      this.quickAnalyze.sending = true
+      reportQuickAnalyze(text, null, this.quickAnalyze.conversationId, this.draftId).then(function(res) {
+        if (res.code === 200 && res.data) {
+          self.quickAnalyze.messages.push({ role: 'ai', content: res.data.answer || '（无回答）' })
+          if (res.data.conversationId) {
+            self.quickAnalyze.conversationId = res.data.conversationId
+          }
+        } else {
+          var msg = res.message || '分析失败'
+          if (msg.indexOf('每日仅限') !== -1) {
+            self.quickAnalyze.usedToday = true
+          }
+          self.quickAnalyze.messages.push({ role: 'ai', content: msg })
+        }
+      }).catch(function() {
+        self.quickAnalyze.messages.push({ role: 'ai', content: 'AI 服务暂不可用，请稍后重试' })
+      }).finally(function() {
+        self.quickAnalyze.sending = false
+      })
+    },
     // 仅 draftId 模式：调用后端按草稿解析，成功后自动填充页面
     parseByDraftId() {
       var self = this
@@ -1773,4 +1871,111 @@ export default {
   color: #333;
   line-height: 1.6;
 }
+/* ===== 报告快速分析 ===== */
+.quick-analyze-fab {
+  position: fixed;
+  right: 30rpx;
+  bottom: 60rpx;
+  display: flex;
+  flex-direction: row;
+  align-items: center;
+  background: linear-gradient(135deg, #5B9BD5, #3B82F6);
+  border-radius: 44rpx;
+  padding: 18rpx 30rpx;
+  box-shadow: 0 4rpx 16rpx rgba(59, 130, 246, 0.4);
+  z-index: 90;
+}
+.quick-analyze-fab-icon { font-size: 32rpx; margin-right: 10rpx; }
+.quick-analyze-fab-text { font-size: 28rpx; color: #fff; font-weight: 500; }
+.quick-analyze-fab:active { opacity: 0.85; }
+.quick-analyze-overlay {
+  position: fixed;
+  top: 0; left: 0; right: 0; bottom: 0;
+  background: rgba(0, 0, 0, 0.45);
+  z-index: 98;
+}
+.quick-analyze-panel {
+  position: fixed;
+  left: 30rpx; right: 30rpx;
+  bottom: 40rpx;
+  background: #fff;
+  border-radius: 20rpx;
+  padding: 24rpx;
+  z-index: 99;
+  display: flex;
+  flex-direction: column;
+  max-height: 70vh;
+}
+.quick-analyze-header {
+  display: flex;
+  flex-direction: row;
+  align-items: center;
+  justify-content: space-between;
+  margin-bottom: 16rpx;
+}
+.quick-analyze-title { font-size: 30rpx; font-weight: bold; color: #333; }
+.quick-analyze-close { font-size: 32rpx; color: #999; padding: 8rpx; }
+.quick-analyze-hint {
+  font-size: 24rpx;
+  color: #E65100;
+  background: #FFF3E0;
+  border-radius: 12rpx;
+  padding: 12rpx 16rpx;
+  margin-bottom: 12rpx;
+}
+.quick-analyze-messages {
+  max-height: 50vh;
+  margin-bottom: 16rpx;
+}
+.quick-analyze-message {
+  margin-bottom: 12rpx;
+  display: flex;
+  flex-direction: column;
+}
+.quick-analyze-message.msg-user { align-items: flex-end; }
+.quick-analyze-message.msg-ai { align-items: flex-start; }
+.quick-analyze-msg-text {
+  font-size: 26rpx;
+  color: #333;
+  background: #F3F4F6;
+  border-radius: 14rpx;
+  padding: 14rpx 18rpx;
+  max-width: 80%;
+  line-height: 1.5;
+}
+.msg-user .quick-analyze-msg-text { background: #5B9BD5; color: #fff; }
+.quick-analyze-loading { display: flex; justify-content: center; padding: 12rpx 0; }
+.quick-analyze-loading-text { font-size: 24rpx; color: #999; }
+.quick-analyze-chips { display: flex; flex-direction: column; margin-bottom: 16rpx; }
+.quick-analyze-chip {
+  background: #EFF6FF;
+  border: 1rpx solid #BFDBFE;
+  border-radius: 12rpx;
+  padding: 14rpx 18rpx;
+  margin-bottom: 10rpx;
+}
+.quick-analyze-chip:active { opacity: 0.8; }
+.quick-analyze-chip-text { font-size: 26rpx; color: #1D4ED8; }
+.quick-analyze-input-bar {
+  display: flex;
+  flex-direction: row;
+  align-items: center;
+}
+.quick-analyze-input {
+  flex: 1;
+  height: 72rpx;
+  background: #F3F4F6;
+  border-radius: 36rpx;
+  padding: 0 28rpx;
+  font-size: 26rpx;
+  color: #333;
+  margin-right: 16rpx;
+}
+.quick-analyze-send {
+  background: #5B9BD5;
+  border-radius: 36rpx;
+  padding: 16rpx 34rpx;
+}
+.quick-analyze-send.send-disabled { opacity: 0.5; }
+.quick-analyze-send-text { font-size: 26rpx; color: #fff; }
 </style>

cfc-frontend/pages/profile-extra/family-members.vue

@@ -313,7 +313,6 @@ export default {
     },
     canEditMember(member) {
       if (!this.isAdmin) return false
-      if (member.userId) return false
       return member.source === 'family_member'
     },
     onAddMember() {
@@ -514,12 +513,22 @@ export default {
         }, self)
       })
     },
+    // 根据辈分值生成辈分等级字符串（与 utils/generationLevel.js 对应）
+    generationToLevel(gen) {
+      var map = { 3: 'great_grandparent', 2: 'grandparent', 1: 'parent', 0: 'peer', -1: 'child', -2: 'grandchild', -3: 'great_grandchild' }
+      return map[gen] || ''
+    },
     onEditRelation(member) {
       this.showMemberDetailModal = false
       var params = 'memberId=' + member.id + '&nickname=' + encodeURIComponent(member.nickname || '')
       if (member.gender) params += '&gender=' + member.gender
       if (member.phone) params += '&phone=' + member.phone
       if (member.birthday) params += '&birthday=' + member.birthday
+      // 传递辈分关系，编辑页可回显并修改
+      if (member.generation !== null && member.generation !== undefined) {
+        params += '&generationLevel=' + this.generationToLevel(member.generation)
+      }
+      if (member.isSpouse) params += '&peerType=spouse'
       uni.navigateTo({ url: '/pages/family/add-member?' + params })
     },
     doQuestionnaire(member) {

cfc-frontend/utils/api.js

@@ -1417,8 +1417,10 @@ export const aiDeleteConversation = (id) => {
 }
 
 // 报告快速分析（免费版每日1次，付费版多轮）
-export const reportQuickAnalyze = (query, reportId, conversationId) => {
-  var data = { query: query, reportId: reportId }
+export const reportQuickAnalyze = (query, reportId, conversationId, draftId) => {
+  var data = { query: query }
+  if (reportId) data.reportId = reportId
+  if (draftId) data.draftId = draftId
   if (conversationId) data.conversationId = conversationId
   return request('/api/ai/report/analyze', 'POST', data)
 }
@@ -2468,19 +2470,19 @@ export const getInteractionTypes = () => {
 
 // ===== 鍏崇郴闂嵎 =====
 export const generateQuestionnaire = (memberId) => {
-  return request('/api/family/questionnaire/generate', 'POST', { memberId }, { timeout: 130000 })
+  return request('/api/family/questionnaire/generate', 'POST', { memberId }, { timeout: 90000 })
 }
 
 export const submitQuestionnaire = (data) => {
-  return request('/api/family/questionnaire/submit', 'POST', data, { timeout: 130000 })
+  return request('/api/family/questionnaire/submit', 'POST', data, { timeout: 60000 })
 }
 
 export const getQuestionnaireSnapshot = (memberId) => {
-  return request('/api/family/questionnaire/snapshot/' + memberId, 'POST', {}, { timeout: 130000 })
+  return request('/api/family/questionnaire/snapshot/' + memberId, 'POST', {}, { timeout: 30000 })
 }
 
 export const getQuestionnaireHistory = (memberId) => {
-  return request('/api/family/questionnaire/history/' + memberId, 'POST', {}, { timeout: 130000 })
+  return request('/api/family/questionnaire/history/' + memberId, 'POST', {}, { timeout: 30000 })
 }
 
 // ===== 五维家庭自检（P0-1）=====

cfc-langgraph/app/agents/intent_classifier.py

@@ -1,6 +1,7 @@
 from enum import Enum
 from langchain_openai import ChatOpenAI
 from app.config import settings
+from app.prompt_service import get_prompt
 import logging
 
 logger = logging.getLogger(__name__)
@@ -43,7 +44,12 @@ class IntentClassifier:
         )
 
     async def classify(self, query: str, context: str = "") -> Intent:
-        prompt = CLASSIFY_PROMPT.format(query=query[:200], context=context[:300])
+        template = await get_prompt("intent_classifier") or CLASSIFY_PROMPT
+        try:
+            prompt = template.format(query=query[:200], context=context[:300])
+        except (KeyError, IndexError, ValueError):
+            logger.warning("Java 配置的 intent_classifier 模板缺少占位符，回退本地模板")
+            prompt = CLASSIFY_PROMPT.format(query=query[:200], context=context[:300])
         try:
             resp = await self.llm.ainvoke(prompt)
             intent_str = resp.content.strip().lower()

cfc-langgraph/app/agents/multimodal_agent.py

@@ -14,14 +14,15 @@ class TongueDiagnosisAgent:
         image_url: str,
         user_id: int,
         additional_context: Optional[dict] = None,
+        prompt_template: Optional[str] = None,
     ) -> dict:
-        return await self._via_llm(image_url)
+        return await self._via_llm(image_url, prompt_template=prompt_template)
 
-    async def _via_llm(self, image_url: str) -> dict:
+    async def _via_llm(self, image_url: str, prompt_template: Optional[str] = None) -> dict:
         try:
             graph = get_tongue_graph()
             result = graph.invoke({
-                "request": {"image_url": image_url},
+                "request": {"image_url": image_url, "prompt_template": prompt_template or ""},
                 "image_base64": None,
                 "raw_response": "",
                 "overall_assessment": "",

cfc-langgraph/app/agents/report_parse_agent.py

@@ -7,10 +7,203 @@ import base64
 from typing import Optional
 
 from app.config import settings
+from app.prompt_service import get_prompt
 from app.parsers.pdf_parser import parse_report_pdf_with_fallback
 
 logger = logging.getLogger(__name__)
 
+# ---- LLM 解析提示词模板（Java 系统提示词表可覆盖，动态数据用 {占位符} 由 Python 填充）----
+
+REPORT_PARSE_GENERIC_TEMPLATE = """你是一个通用报告解析专家。请从以下PDF文本中提取结构化数据，返回JSON格式。
+
+报告文本内容：
+{report_text}
+
+请分析这份报告，推断它的类型和内容，然后按以下JSON Schema返回：
+{{
+    "reportType": "推断的报告类型名称",
+    "reportTypeFamily": "报告家族分类（如: dan/cognitive/gut_flora/health_check/other）",
+    "confidence": "high/medium/low",
+    "summary": {{
+        "personName": "姓名",
+        "reportDate": "报告日期",
+        "reportNumber": "报告编号",
+        "overallScore": "总分（如果有）",
+        "interpretation": "报告整体解读摘要"
+    }},
+    "indicators": [
+        {{"name": "指标名称", "value": "数值", "category": "分类", "status": "状态"}}
+    ],
+    "sections": [
+        {{"title": "段落标题", "content": "段落内容摘要", "items": [{{"name": "...", "value": "..."}}]}}
+    ],
+    "textFeatures": ["文本特征1", "文本特征2", ...]
+}}
+
+只返回JSON，不要其他文字。"""
+
+REPORT_PARSE_GUT_TEMPLATE = """你是一个肠道菌群检测报告解析专家。请从以下PDF文本中提取结构化数据，返回JSON格式。
+
+文本内容：
+{report_text}
+
+请按以下JSON Schema返回：
+{{
+    "overview": {{ "person_name": "", "report_number": "", "age": 0, "gender": "male/female",
+        "overallScore": 0, "gutHealthScore": 0, "chronicDiseaseScore": 0, "nutritionScore": 0,
+        "gutAge": "", "gutType": "" }},
+    "disease_risks": [{{"name": "", "value": "", "status": ""}}],
+    "nutrition": [{{"name": "", "value": "", "status": ""}}],
+    "amino_acids": [{{"name": "", "value": "", "status": ""}}],
+    "vitamins": [{{"name": "", "value": "", "status": ""}}],
+    "trace_elements": [{{"name": "", "value": "", "status": ""}}]
+}}
+
+只返回JSON，不要其他文字。"""
+
+REPORT_PARSE_BRAIN_TEMPLATE = """你是一个脑状态测量报告解析专家。请从以下文本中提取结构化数据，返回JSON格式。
+
+报告文本内容：
+{report_text}
+
+请按以下JSON Schema返回：
+{{
+    "reportType": "brain_status",
+    "reportTypeFamily": "cognitive",
+    "summary": {{
+        "personName": "姓名",
+        "age": 年龄数字,
+        "gender": "male/female",
+        "reportDate": "报告日期 yyyy-MM-dd",
+        "reportNumber": "报告编号",
+        "overallScore": 综合状态得分数值,
+        "overallLevel": "良好/一般/较差等文字描述"
+    }},
+    "indicators": [
+        {{"name": "指标名称", "value": "数值或等级", "category": "分类", "status": "状态描述"}}
+    ],
+    "sections": [
+        {{
+            "title": "段落标题（如：健康风险评估/疲劳评估/情绪评估/睡眠评估等）",
+            "content": "段落摘要",
+            "items": [
+                {{"name": "子项名称", "value": "数值", "status": "状态/等级"}}
+            ]
+        }}
+    ]
+}}
+
+注意：
+1. 尽量提取所有出现的评估指标，包括：大脑综合状态得分、大脑健康状态得分、大脑能力状态得分、
+   脑供血问题风险、脑供氧问题风险、思维负荷、思维状态风险、大脑疲劳评估、用脑模式、
+   焦虑情绪评估、抑郁情绪评估、抵触情绪评估、安全感评估、情绪管理评估、综合情绪评估、
+   睡眠效果评估等
+2. 数值尽量提取数字，状态文字原样保留
+3. 只返回JSON，不要其他文字。"""
+
+REPORT_PARSE_COGNITIVE_BASIC_TEMPLATE = """你是一个先天智力潜能（皮纹学）测评报告解析专家。请从以下文本中提取基本信息和目录结构，返回JSON格式。
+
+报告文本内容（前5页）：
+{report_text}
+
+请按以下JSON Schema返回：
+{{
+    "reportType": "cognitive_aptitude",
+    "reportTypeFamily": "cognitive",
+    "summary": {{
+        "personName": "姓名",
+        "gender": "male/female",
+        "region": "地区",
+        "phone": "电话",
+        "testDate": "测评日期",
+        "birthday": "出生日期",
+        "trc": "TRC值（如107+X+M）",
+        "atd": "ATD角度值",
+        "learningType": "学习类型（听觉型/体觉型/视觉型）",
+        "motivationType": "动机类型",
+        "cognitiveType": "认知类型",
+        "brainDominance": "左脑型/右脑型/全脑型"
+    }},
+    "toc": ["章节1标题", "章节2标题", ...]
+}}
+
+只返回JSON，不要其他文字。"""
+
+REPORT_PARSE_COGNITIVE_INDICATORS_TEMPLATE = """你是一个先天智力潜能（皮纹学）测评报告解析专家。请从以下文本中提取测评指标，返回JSON格式。
+
+报告文本内容（数据页）：
+{report_text}
+
+请按以下JSON Schema返回：
+{{
+    "indicators": [
+        {{"name": "指标名称", "value": "数值", "category": "分类", "status": "状态/描述"}}
+    ],
+    "sections": [
+        {{
+            "title": "段落标题（如：智力潜能测评/学习风格测评/左右脑功能/先天性格/八大智能等）",
+            "content": "段落摘要",
+            "items": [{{"name": "子项名称", "value": "数值或描述", "status": "状态"}}]
+        }}
+    ]
+}}
+
+注意：
+1. 指标包括但不限于：TRC(总脊纹数)、ATD(思维敏捷性角)、各脑区指标、
+   八大智能（语言/逻辑数学/空间/身体动觉/音乐/人际/内省/自然观察）、
+   先天学习潜能、先天行为导向、先天学习管道等
+2. 如果某个指标的数值看起来是百分比或数值，直接提取
+3. 只返回JSON，不要其他文字。"""
+
+REPORT_PARSE_COGNITIVE_ADVICE_TEMPLATE = """你是一个先天智力潜能（皮纹学）测评报告解析专家。请从以下文本中提取测评建议和心理学测试结果，返回JSON格式。
+
+报告文本内容（后续页面）：
+{report_text}
+
+请按以下JSON Schema返回：
+{{
+    "sections2": [
+        {{
+            "title": "段落标题（如：性格色彩/大五人格/MBTI/学科选择/职业能力/感觉统合等）",
+            "content": "段落摘要",
+            "items": [{{"name": "子项名称", "value": "数值或描述", "status": "状态"}}]
+        }}
+    ],
+    "recommendations": [
+        {{"category": "建议类别", "content": "建议内容"}}
+    ]
+}}
+
+只返回JSON，不要其他文字。"""
+
+REPORT_PARSE_IMAGE_TEMPLATE = """请分析这张报告图片（第{page_idx}页，共{total_pages}页），提取其中的所有结构化数据。
+
+请按以下JSON Schema返回：
+{{
+    "reportType": "推断的报告类型名称",
+    "reportTypeFamily": "报告家族分类（如: gut_flora/health_check/cognitive/brain_status/other）",
+    "summary": {{
+        "personName": "姓名（如果能识别）",
+        "reportDate": "报告日期（如果能识别）",
+        "reportNumber": "报告编号（如果能识别）",
+        "overallScore": "总分（如果可见）",
+        "interpretation": "本页内容摘要"
+    }},
+    "indicators": [
+        {{"name": "指标名称", "value": "数值", "category": "分类", "status": "状态"}}
+    ],
+    "sections": [
+        {{"title": "段落标题", "content": "段落内容摘要", "items": [{{"name": "...", "value": "..."}}]}}
+    ]
+}}
+
+注意：
+1. 请仔细阅读图片中的所有文字，包括表格数据、数值、状态描述
+2. 如果是菌群报告，提取菌属名称、丰度值、参考范围等
+3. 如果是体检报告，提取各项检查指标、数值、参考范围、异常标记
+4. 数值尽量提取精确数字，状态文字原样保留
+5. 只返回JSON，不要其他文字。"""
+
 # 算法解析器使用中文键名（与 extract_full_report_v5.py 一致），
 # Java 消费端期望英文键名；在此做双向映射，Java 读取英文键即可。
 _CN_TO_EN_OVERVIEW: dict[str, str] = {
@@ -217,33 +410,8 @@ class ReportParseAgent:
             if extra_context:
                 ctx_str = f"\n额外上下文：{json.dumps(extra_context, ensure_ascii=False)}"
 
-            prompt = f"""你是一个通用报告解析专家。请从以下PDF文本中提取结构化数据，返回JSON格式。
-
-报告文本内容：
-{text[:12000]}{ctx_str}
-
-请分析这份报告，推断它的类型和内容，然后按以下JSON Schema返回：
-{{
-    "reportType": "推断的报告类型名称",
-    "reportTypeFamily": "报告家族分类（如: dan/cognitive/gut_flora/health_check/other）",
-    "confidence": "high/medium/low",
-    "summary": {{
-        "personName": "姓名",
-        "reportDate": "报告日期",
-        "reportNumber": "报告编号",
-        "overallScore": "总分（如果有）",
-        "interpretation": "报告整体解读摘要"
-    }},
-    "indicators": [
-        {{"name": "指标名称", "value": "数值", "category": "分类", "status": "状态"}}
-    ],
-    "sections": [
-        {{"title": "段落标题", "content": "段落内容摘要", "items": [{{"name": "...", "value": "..."}}]}}
-    ],
-    "textFeatures": ["文本特征1", "文本特征2", ...]
-}}
-
-只返回JSON，不要其他文字。"""
+            template = await get_prompt("report_parse_generic") or REPORT_PARSE_GENERIC_TEMPLATE
+            prompt = template.format(report_text=text[:12000] + ctx_str)
 
             if self.llm_api_key:
                 import httpx
@@ -276,25 +444,8 @@ class ReportParseAgent:
             reader = PdfReader(file_path)
             text = '\n'.join(page.extract_text() or '' for page in reader.pages)
 
-            # 构造 prompt
-            prompt = f"""你是一个肠道菌群检测报告解析专家。请从以下PDF文本中提取结构化数据，返回JSON格式。
-
-文本内容：
-{text[:8000]}
-
-请按以下JSON Schema返回：
-{{
-    "overview": {{ "person_name": "", "report_number": "", "age": 0, "gender": "male/female",
-        "overallScore": 0, "gutHealthScore": 0, "chronicDiseaseScore": 0, "nutritionScore": 0,
-        "gutAge": "", "gutType": "" }},
-    "disease_risks": [{{"name": "", "value": "", "status": ""}}],
-    "nutrition": [{{"name": "", "value": "", "status": ""}}],
-    "amino_acids": [{{"name": "", "value": "", "status": ""}}],
-    "vitamins": [{{"name": "", "value": "", "status": ""}}],
-    "trace_elements": [{{"name": "", "value": "", "status": ""}}]
-}}
-
-只返回JSON，不要其他文字。"""
+            template = await get_prompt("report_parse_gut") or REPORT_PARSE_GUT_TEMPLATE
+            prompt = template.format(report_text=text[:8000])
 
             if self.llm_api_key:
                 # 调 OpenAI 兼容 API
@@ -492,45 +643,8 @@ class ReportParseAgent:
         logger.info("开始解析脑状态测量报告: %s", file_path)
         text = self._pdf_to_text(file_path)
 
-        prompt = f"""你是一个脑状态测量报告解析专家。请从以下文本中提取结构化数据，返回JSON格式。
-
-报告文本内容：
-{text}
-
-请按以下JSON Schema返回：
-{{
-    "reportType": "brain_status",
-    "reportTypeFamily": "cognitive",
-    "summary": {{
-        "personName": "姓名",
-        "age": 年龄数字,
-        "gender": "male/female",
-        "reportDate": "报告日期 yyyy-MM-dd",
-        "reportNumber": "报告编号",
-        "overallScore": 综合状态得分数值,
-        "overallLevel": "良好/一般/较差等文字描述"
-    }},
-    "indicators": [
-        {{"name": "指标名称", "value": "数值或等级", "category": "分类", "status": "状态描述"}}
-    ],
-    "sections": [
-        {{
-            "title": "段落标题（如：健康风险评估/疲劳评估/情绪评估/睡眠评估等）",
-            "content": "段落摘要",
-            "items": [
-                {{"name": "子项名称", "value": "数值", "status": "状态/等级"}}
-            ]
-        }}
-    ]
-}}
-
-注意：
-1. 尽量提取所有出现的评估指标，包括：大脑综合状态得分、大脑健康状态得分、大脑能力状态得分、
-   脑供血问题风险、脑供氧问题风险、思维负荷、思维状态风险、大脑疲劳评估、用脑模式、
-   焦虑情绪评估、抑郁情绪评估、抵触情绪评估、安全感评估、情绪管理评估、综合情绪评估、
-   睡眠效果评估等
-2. 数值尽量提取数字，状态文字原样保留
-3. 只返回JSON，不要其他文字。"""
+        template = await get_prompt("report_parse_brain") or REPORT_PARSE_BRAIN_TEMPLATE
+        prompt = template.format(report_text=text)
 
         try:
             content = await self._call_llm(prompt, timeout=120)
@@ -602,82 +716,16 @@ class ReportParseAgent:
         later_chunk = '\n'.join(t for _, t in all_pages[30:min(62, len(all_pages))])
 
         # 第一块: 基本信息 + 目录
-        prompt1 = f"""你是一个先天智力潜能（皮纹学）测评报告解析专家。请从以下文本中提取基本信息和目录结构，返回JSON格式。
-
-报告文本内容（前5页）：
-{first_chunk}
-
-请按以下JSON Schema返回：
-{{
-    "reportType": "cognitive_aptitude",
-    "reportTypeFamily": "cognitive",
-    "summary": {{
-        "personName": "姓名",
-        "gender": "male/female",
-        "region": "地区",
-        "phone": "电话",
-        "testDate": "测评日期",
-        "birthday": "出生日期",
-        "trc": "TRC值（如107+X+M）",
-        "atd": "ATD角度值",
-        "learningType": "学习类型（听觉型/体觉型/视觉型）",
-        "motivationType": "动机类型",
-        "cognitiveType": "认知类型",
-        "brainDominance": "左脑型/右脑型/全脑型"
-    }},
-    "toc": ["章节1标题", "章节2标题", ...]
-}}
-
-只返回JSON，不要其他文字。"""
+        template1 = await get_prompt("report_parse_cognitive_basic") or REPORT_PARSE_COGNITIVE_BASIC_TEMPLATE
+        prompt1 = template1.format(report_text=first_chunk)
 
         # 第二块: 智力潜能/学习风格/八大智能等核心数据
-        prompt2 = f"""你是一个先天智力潜能（皮纹学）测评报告解析专家。请从以下文本中提取测评指标，返回JSON格式。
-
-报告文本内容（数据页）：
-{mid_chunk}
-
-请按以下JSON Schema返回：
-{{
-    "indicators": [
-        {{"name": "指标名称", "value": "数值", "category": "分类", "status": "状态/描述"}}
-    ],
-    "sections": [
-        {{
-            "title": "段落标题（如：智力潜能测评/学习风格测评/左右脑功能/先天性格/八大智能等）",
-            "content": "段落摘要",
-            "items": [{{"name": "子项名称", "value": "数值或描述", "status": "状态"}}]
-        }}
-    ]
-}}
-
-注意：
-1. 指标包括但不限于：TRC(总脊纹数)、ATD(思维敏捷性角)、各脑区指标、
-   八大智能（语言/逻辑数学/空间/身体动觉/音乐/人际/内省/自然观察）、
-   先天学习潜能、先天行为导向、先天学习管道等
-2. 如果某个指标的数值看起来是百分比或数值，直接提取
-3. 只返回JSON，不要其他文字。"""
+        template2 = await get_prompt("report_parse_cognitive_indicators") or REPORT_PARSE_COGNITIVE_INDICATORS_TEMPLATE
+        prompt2 = template2.format(report_text=mid_chunk)
 
         # 第三块: 后续章节（学科建议/职业建议/心理学测试等）
-        prompt3 = f"""你是一个先天智力潜能（皮纹学）测评报告解析专家。请从以下文本中提取测评建议和心理学测试结果，返回JSON格式。
-
-报告文本内容（后续页面）：
-{later_chunk}
-
-请按以下JSON Schema返回：
-{{
-    "sections2": [
-        {{
-            "title": "段落标题（如：性格色彩/大五人格/MBTI/学科选择/职业能力/感觉统合等）",
-            "content": "段落摘要",
-            "items": [{{"name": "子项名称", "value": "数值或描述", "status": "状态"}}]
-        }}
-    ],
-    "recommendations": [
-        {{"category": "建议类别", "content": "建议内容"}}
-    ]
-}}
-
-只返回JSON，不要其他文字。"""
+        template3 = await get_prompt("report_parse_cognitive_advice") or REPORT_PARSE_COGNITIVE_ADVICE_TEMPLATE
+        prompt3 = template3.format(report_text=later_chunk)
 
         result = {
             "reportType": "cognitive_aptitude",
@@ -769,33 +817,8 @@ class ReportParseAgent:
                 logger.warning("第%d页无图片可提取", page_idx + 1)
                 continue
 
-            prompt = f"""请分析这张报告图片（第{page_idx + 1}页，共{total_pages}页），提取其中的所有结构化数据。
-
-请按以下JSON Schema返回：
-{{
-    "reportType": "推断的报告类型名称",
-    "reportTypeFamily": "报告家族分类（如: gut_flora/health_check/cognitive/brain_status/other）",
-    "summary": {{
-        "personName": "姓名（如果能识别）",
-        "reportDate": "报告日期（如果能识别）",
-        "reportNumber": "报告编号（如果能识别）",
-        "overallScore": "总分（如果可见）",
-        "interpretation": "本页内容摘要"
-    }},
-    "indicators": [
-        {{"name": "指标名称", "value": "数值", "category": "分类", "status": "状态"}}
-    ],
-    "sections": [
-        {{"title": "段落标题", "content": "段落内容摘要", "items": [{{"name": "...", "value": "..."}}]}}
-    ]
-}}
-
-注意：
-1. 请仔细阅读图片中的所有文字，包括表格数据、数值、状态描述
-2. 如果是菌群报告，提取菌属名称、丰度值、参考范围等
-3. 如果是体检报告，提取各项检查指标、数值、参考范围、异常标记
-4. 数值尽量提取精确数字，状态文字原样保留
-5. 只返回JSON，不要其他文字。"""
+            template = await get_prompt("report_parse_image") or REPORT_PARSE_IMAGE_TEMPLATE
+            prompt = template.format(page_idx=page_idx + 1, total_pages=total_pages)
 
             try:
                 content = await self._call_llm_vision(prompt, image_b64, timeout=180)

cfc-langgraph/app/api/adapter.py

@@ -9,6 +9,7 @@ from app.graphs.nutrition_graph import create_nutrition_graph
 from app.tools.java_client import JavaClient
 from app.rag.retriever import RagRetriever
 from app.config import settings
+from app.prompt_service import get_prompt
 from langchain_openai import ChatOpenAI
 from langchain_core.messages import SystemMessage, HumanMessage
 from app.models.health_plan import HealthPlanResponse, PlanTask
@@ -485,35 +486,7 @@ async def health_coach_generate(req: HealthCoachGenerateRequest):
     prompt_parts = []
 
     # 系统提示
-    prompt_parts.append("""你是一个专业的家庭健康方案生成器。请根据用户提供的健康数据，生成一份结构化的健康改善方案。
-
-输出格式要求：
-## 方案概述
-[简要说明方案的总体目标和适用对象]
-
-## 成员健康概况
-[每个成员的关键指标摘要]
-
-## 需要关注的异常指标
-[列出异常指标及对应的知识库建议]
-
-## 改善方案
-### 1. 饮食调整
-[具体、可执行的饮食建议]
-
-### 2. 生活习惯
-[具体、可执行的生活习惯建议]
-
-### 3. 补充建议
-[如需补充营养素或益生菌，给出具体建议]
-
-### 4. 跟踪建议
-[建议定期复查的指标和频率]
-
-## 注意事项
-[禁忌、提醒等]
-
-请基于实际数据给出建议，不要编造科学依据。引用知识库内容时标注来源。""")
+    prompt_parts.append(await get_prompt("health_plan_text") or TEXT_PLAN_SYSTEM_PROMPT)
 
     # 目标与维度
     prompt_parts.append(f"\n## 用户目标\n{goal}")
@@ -555,9 +528,15 @@ async def health_coach_generate(req: HealthCoachGenerateRequest):
     full_prompt = "\n".join(prompt_parts)
 
     # ====== 7. 调用 LLM ======
+    request_template = await get_prompt("health_plan_text_request") or "请基于以上数据，生成一份针对{goal}的健康改善方案。"
+    try:
+        request_text = request_template.format(goal=goal)
+    except (KeyError, IndexError, ValueError):
+        logger.warning("Java 配置的 health_plan_text_request 模板缺少占位符，回退本地模板")
+        request_text = "请基于以上数据，生成一份针对{goal}的健康改善方案。".format(goal=goal)
     messages = [
         SystemMessage(content=full_prompt),
-        HumanMessage(content=f"请基于以上数据，生成一份针对{goal}的健康改善方案。"),
+        HumanMessage(content=request_text),
     ]
     response = await llm.ainvoke(messages)
     answer = response.content
@@ -584,6 +563,36 @@ class HealthPlanRegenerateRequest(BaseModel):
     family_id: Optional[int] = None
 
 
+TEXT_PLAN_SYSTEM_PROMPT = """你是一个专业的家庭健康方案生成器。请根据用户提供的健康数据，生成一份结构化的健康改善方案。
+
+输出格式要求：
+## 方案概述
+[简要说明方案的总体目标和适用对象]
+
+## 成员健康概况
+[每个成员的关键指标摘要]
+
+## 需要关注的异常指标
+[列出异常指标及对应的知识库建议]
+
+## 改善方案
+### 1. 饮食调整
+[具体、可执行的饮食建议]
+
+### 2. 生活习惯
+[具体、可执行的生活习惯建议]
+
+### 3. 补充建议
+[如需补充营养素或益生菌，给出具体建议]
+
+### 4. 跟踪建议
+[建议定期复查的指标和频率]
+
+## 注意事项
+[禁忌、提醒等]
+
+请基于实际数据给出建议，不要编造科学依据。引用知识库内容时标注来源。"""
+
 PLAN_SYSTEM_PROMPT = """你是一个专业的家庭健康方案规划师。根据用户提供的健康数据和目标，生成结构化的健康改善方案。
 
 ## 输出格式（必须输出合法 JSON，不要有其他内容）
@@ -863,7 +872,7 @@ async def health_plan_generate(req: HealthPlanRequest):
             member["profile"] = {}
 
     # 构建 prompt
-    parts = [PLAN_SYSTEM_PROMPT]
+    parts = [await get_prompt("health_plan") or PLAN_SYSTEM_PROMPT]
     parts.append(f"\n## 用户目标\n{goal}")
     if req.dimensions:
         parts.append(f"\n## 重点关注维度\n{req.dimensions}")
@@ -935,7 +944,7 @@ async def health_plan_regenerate(req: HealthPlanRegenerateRequest):
         if ind.get("status") in ("abnormal", "high", "low", "偏高", "偏低"):
             ctx_parts.append(f"- 【异常】{ind.get('_member_name','')} - {ind.get('indicatorName','')}: {ind.get('indicatorValue','')}")
 
-    prompt = REGENERATE_SECTION_SYSTEM_PROMPT
+    prompt = await get_prompt("health_plan_regenerate") or REGENERATE_SECTION_SYSTEM_PROMPT
     prompt += f"\n\n## 当前 {req.section} 内容\n{req.existing_section_content[:500]}"
     prompt += f"\n\n## 用户反馈\n{req.feedback}"
     prompt += f"\n\n## 相关背景\n" + "\n".join(ctx_parts[:10])

cfc-langgraph/app/api/meal.py

@@ -11,10 +11,34 @@ from app.models.meal import (
     MenuGenerateResponse,
 )
 from app.config import settings
+from app.prompt_service import get_prompt
 
 logger = logging.getLogger(__name__)
 router = APIRouter(prefix="/api/v1", tags=["meal"])
 
+FOOD_RECOGNIZE_TEMPLATE = """请识别以下图片中的主要食材（3-8种），按置信度排序。
+返回 JSON 数组格式，不要包含其他内容：
+[{{"name": "食材名称", "confidence": 0.95, "category": "蔬菜/水果/肉禽/水产/蛋奶/谷物/调味/其他"}}]
+
+图片链接: {image_url}
+要求: 只返回 JSON 数组，不要有任何其他文字。"""
+
+MENU_GENERATE_TEMPLATE = """请为{participant_count}人生成{date}的一日三餐菜单。
+
+可用食材: {foods_text}
+用餐人数: {participant_count}人
+{constraints_text}
+
+请返回 JSON 格式：
+{{"meals": [{{"type": "breakfast", "name": "早餐", "dishes": [{{"name": "菜品名", "ingredients": [{{"name": "食材", "grams": 100}}], "cooking_method": "烹饪方法", "nutrition": {{"calories": 200, "protein": 10, "carbs": 30, "fat": 5}}, "notes": "备注"}}]}}]}}
+
+要求:
+1. 早/午/晚各至少1-2道菜
+2. 食材用量按{participant_count}人份计算
+3. 营养均衡，考虑健康目标
+4. 只用提供的食材
+5. 只返回 JSON，不要其他文字"""
+
 
 @router.post("/food/recognize", response_model=FoodRecognizeResponse)
 async def recognize_food(req: FoodRecognizeRequest):
@@ -31,15 +55,16 @@ async def recognize_food(req: FoodRecognizeRequest):
             temperature=0,
         )
 
-        prompt = f"""请识别以下图片中的主要食材（3-8种），按置信度排序。
-返回 JSON 数组格式，不要包含其他内容：
-[{{"name": "食材名称", "confidence": 0.95, "category": "蔬菜/水果/肉禽/水产/蛋奶/谷物/调味/其他"}}]
-
-图片链接: {req.image_url}
-要求: 只返回 JSON 数组，不要有任何其他文字。"""
+        role = await get_prompt("food_recognize_role") or "你是一个专业的食材识别助手。"
+        template = await get_prompt("food_recognize") or FOOD_RECOGNIZE_TEMPLATE
+        try:
+            prompt = template.format(image_url=req.image_url)
+        except (KeyError, IndexError, ValueError):
+            logger.warning("Java 配置的 food_recognize 模板缺少占位符，回退本地模板")
+            prompt = FOOD_RECOGNIZE_TEMPLATE.format(image_url=req.image_url)
 
         response = llm.invoke([
-            SystemMessage(content="你是一个专业的食材识别助手。"),
+            SystemMessage(content=role),
             HumanMessage(content=prompt),
         ])
 
@@ -97,21 +122,23 @@ async def generate_menu(req: MenuGenerateRequest):
             constraints.append(f"辣度: {req.spice_level}/5")
         constraints_text = "\n".join(constraints) if constraints else "无特殊限制"
 
-        prompt = f"""请为{participant_count}人生成{req.date}的一日三餐菜单。
-
-可用食材: {foods_text}
-用餐人数: {participant_count}人
-{constraints_text}
-
-请返回 JSON 格式：
-{{"meals": [{{"type": "breakfast", "name": "早餐", "dishes": [{{"name": "菜品名", "ingredients": [{{"name": "食材", "grams": 100}}], "cooking_method": "烹饪方法", "nutrition": {{"calories": 200, "protein": 10, "carbs": 30, "fat": 5}}, "notes": "备注"}}]}}]}}
-
-要求:
-1. 早/午/晚各至少1-2道菜
-2. 食材用量按{participant_count}人份计算
-3. 营养均衡，考虑健康目标
-4. 只用提供的食材
-5. 只返回 JSON，不要其他文字"""
+        role = await get_prompt("menu_generate_role") or "你是一个专业营养师和厨师，擅长根据食材和健康目标设计食谱。"
+        template = await get_prompt("menu_generate") or MENU_GENERATE_TEMPLATE
+        try:
+            prompt = template.format(
+                participant_count=participant_count,
+                date=req.date,
+                foods_text=foods_text,
+                constraints_text=constraints_text,
+            )
+        except (KeyError, IndexError, ValueError):
+            logger.warning("Java 配置的 menu_generate 模板缺少占位符，回退本地模板")
+            prompt = MENU_GENERATE_TEMPLATE.format(
+                participant_count=participant_count,
+                date=req.date,
+                foods_text=foods_text,
+                constraints_text=constraints_text,
+            )
 
         llm = ChatOpenAI(
             model=settings.llm_model,
@@ -121,7 +148,7 @@ async def generate_menu(req: MenuGenerateRequest):
         )
 
         response = llm.invoke([
-            SystemMessage(content="你是一个专业营养师和厨师，擅长根据食材和健康目标设计食谱。"),
+            SystemMessage(content=role),
             HumanMessage(content=prompt),
         ])
 

cfc-langgraph/app/api/tongue.py

@@ -20,6 +20,7 @@ def get_agent() -> TongueDiagnosisAgent:
 async def tongue_diagnose(
     file: UploadFile = File(...),
     user_id: int = Form(...),
+    prompt_template: Optional[str] = Form(None),
 ):
     """舌诊分析: 上传舌苔图片, 返回分析结果"""
     agent = get_agent()
@@ -36,7 +37,7 @@ async def tongue_diagnose(
         b64 = base64.b64encode(content).decode()
         data_url = f"data:image/{ext[1:]};base64,{b64}"
 
-        result = await agent.diagnose(image_url=data_url, user_id=user_id)
+        result = await agent.diagnose(image_url=data_url, user_id=user_id, prompt_template=prompt_template)
         return {"code": 200, "data": result}
     except Exception as e:
         logger.error("舌诊分析失败: %s", e, exc_info=True)

cfc-langgraph/app/checkpointer.py

@@ -0,0 +1,50 @@
+"""
+共享的 LangGraph checkpointer 工厂。
+
+原实现使用 MemorySaver（纯内存），服务重启即丢失所有对话状态。
+这里改用 SQLite 持久化（SqliteSaver），对话状态落盘，重启不丢。
+
+说明：LangGraph 官方 RedisSaver 依赖 RedisSearch 模块（FT.* 命令），
+当前 Redis 未安装该模块，故采用 SQLite 持久化作为务实替代。
+"""
+import logging
+import os
+import sqlite3
+import threading
+
+from langgraph.checkpoint.sqlite import SqliteSaver
+
+logger = logging.getLogger(__name__)
+
+# SQLite 数据库文件路径：
+# - Docker 容器内 /data 为持久化卷（与 Chroma 同级）
+# - 本地开发 fallback 到项目 data/ 目录
+# - 可用环境变量 CHECKPOINT_DB_PATH 覆盖
+_DEFAULT_DB_PATH = os.path.join(
+    os.path.dirname(os.path.dirname(os.path.abspath(__file__))),
+    "data",
+    "checkpoints.db",
+)
+
+# 线程本地存储：每个线程维护独立的 SqliteSaver 实例
+# check_same_thread=False 允许跨线程共享 sqlite3 连接
+# SqliteSaver 内部有自己的 threading.Lock() 保证序列化写入
+_local = threading.local()
+
+
+def get_checkpointer() -> SqliteSaver:
+    """获取当前线程的 SqliteSaver 实例（线程安全）。"""
+    db_path = os.environ.get(
+        "CHECKPOINT_DB_PATH",
+        "/data/checkpoints.db" if os.path.isdir("/data") else _DEFAULT_DB_PATH,
+    )
+    os.makedirs(os.path.dirname(db_path), exist_ok=True)
+
+    if not hasattr(_local, "saver"):
+        conn = sqlite3.connect(db_path, check_same_thread=False)
+        saver = SqliteSaver(conn)
+        saver.setup()
+        _local.saver = saver
+        logger.info("LangGraph checkpointer 已初始化: %s", db_path)
+
+    return _local.saver

cfc-langgraph/app/graphs/analysis_graph.py

@@ -5,6 +5,7 @@ from langchain_openai import ChatOpenAI
 from langchain_core.messages import SystemMessage, HumanMessage
 from app.tools.report_tools import get_report_detail, get_survey_data, get_dimension_scores
 from app.config import settings
+from app.prompt_service import get_prompt
 import logging
 
 logger = logging.getLogger(__name__)
@@ -77,7 +78,7 @@ def create_analysis_graph():
         context_text = "\n".join(context_parts) if context_parts else "暂无数据"
 
         messages = [
-            SystemMessage(content=ANALYSIS_SYSTEM_PROMPT),
+            SystemMessage(content=await get_prompt("analysis") or ANALYSIS_SYSTEM_PROMPT),
             SystemMessage(content=f"待分析数据:\n{context_text}"),
             HumanMessage(content="请分析以上健康数据, 给出评估和建议。"),
         ]

cfc-langgraph/app/graphs/chat_graph.py

@@ -1,6 +1,6 @@
 from typing import TypedDict, Literal
 from langgraph.graph import StateGraph, START, END
-from langgraph.checkpoint.memory import MemorySaver
+from app.checkpointer import get_checkpointer
 from langchain_openai import ChatOpenAI
 from langchain_core.messages import SystemMessage, HumanMessage
 from app.agents.intent_classifier import IntentClassifier, Intent
@@ -213,7 +213,7 @@ def create_chat_graph():
     builder.add_edge("llm_call", "save_memory")
     builder.add_edge("save_memory", END)
 
-    checkpointer = MemorySaver()
+    checkpointer = get_checkpointer()
     graph = builder.compile(checkpointer=checkpointer)
 
     return graph

cfc-langgraph/app/graphs/health_coach_graph.py

@@ -4,7 +4,7 @@ Uses RAG retrieval from health knowledge base.
 """
 from typing import TypedDict
 from langgraph.graph import StateGraph, START, END
-from langgraph.checkpoint.memory import MemorySaver
+from app.checkpointer import get_checkpointer
 from langchain_openai import ChatOpenAI
 from langchain_core.messages import SystemMessage, HumanMessage
 from app.rag.retriever import RagRetriever
@@ -187,7 +187,7 @@ def create_health_coach_graph():
     builder.add_edge("generate_answer", "save_memory")
     builder.add_edge("save_memory", END)
 
-    checkpointer = MemorySaver()
+    checkpointer = get_checkpointer()
     graph = builder.compile(checkpointer=checkpointer)
 
     return graph

cfc-langgraph/app/graphs/health_plan_graph.py

@@ -273,11 +273,20 @@ async def regenerate_section(state: PlanState) -> dict:
         for ind in state["abnormal_indicators"][:5]:
             ctx_parts.append(f"- {ind['member']}: {ind['indicator']}={ind['value']}")
 
-    prompt = REGENERATE_SECTION_PROMPT.format(
-        existing_section_content=existing_content[:500],
-        feedback=feedback,
-        context_summary="\n".join(ctx_parts),
-    )
+    regenerate_template = await get_prompt("health_plan_regenerate") or REGENERATE_SECTION_PROMPT
+    try:
+        prompt = regenerate_template.format(
+            existing_section_content=existing_content[:500],
+            feedback=feedback,
+            context_summary="\n".join(ctx_parts),
+        )
+    except (KeyError, IndexError, ValueError):
+        logger.warning("Java 配置的 health_plan_regenerate 模板缺少占位符，回退本地模板")
+        prompt = REGENERATE_SECTION_PROMPT.format(
+            existing_section_content=existing_content[:500],
+            feedback=feedback,
+            context_summary="\n".join(ctx_parts),
+        )
     try:
         response = await llm.ainvoke([SystemMessage(content=prompt)])
         return {"regenerated_content": response.content}

cfc-langgraph/app/graphs/innate_portrait_graph.py

@@ -2,6 +2,7 @@ from langchain_openai import ChatOpenAI
 from langchain_core.messages import SystemMessage, HumanMessage
 from app.config import settings
 from app.monitoring import monitor_agent
+from app.prompt_service import get_prompt
 import logging
 
 logger = logging.getLogger(__name__)
@@ -33,7 +34,7 @@ class InnatePortraitAgent:
         try:
             source_summary = self._summarize(portrait)
             messages = [
-                SystemMessage(content=SYSTEM_PROMPT),
+                SystemMessage(content=await get_prompt("innate_portrait") or SYSTEM_PROMPT),
                 HumanMessage(content=f"先天画像数据:\n{source_summary}"),
             ]
             response = await self.llm.ainvoke(messages)

cfc-langgraph/app/graphs/recommend_graph.py

@@ -5,6 +5,7 @@ from app.config import settings
 from app.monitoring import monitor_agent
 import json
 import logging
+from app.prompt_service import get_prompt
 
 logger = logging.getLogger(__name__)
 
@@ -54,7 +55,7 @@ class RecommendAgent:
         search_query = query or " ".join(tags)
 
         messages = [
-            SystemMessage(content=SYSTEM_PROMPT),
+            SystemMessage(content=await get_prompt("recommend") or SYSTEM_PROMPT),
             HumanMessage(content=f"用户需求: {search_query}\n最大返回数量: {limit}\n请搜索并推荐合适的内容。"),
         ]
 

cfc-langgraph/app/graphs/self_check_analysis_graph.py

@@ -5,6 +5,7 @@ from langgraph.graph import StateGraph, START, END
 from langchain_core.messages import SystemMessage, HumanMessage
 from app.llm.client import get_llm
 from app.monitoring import monitor_agent
+from app.prompt_service import get_prompt
 
 logger = logging.getLogger(__name__)
 
@@ -59,7 +60,7 @@ class SelfCheckAnalysisAgent:
                     for h in recent_history[:3]
                 )
             messages = [
-                SystemMessage(content=SYSTEM_PROMPT),
+                SystemMessage(content=await get_prompt("self_check_analysis") or SYSTEM_PROMPT),
                 HumanMessage(content=f"用户ID: {user_id}\n当前自检得分:\n{score_summary}\n{history_summary}"),
             ]
             response = await self.llm.ainvoke(messages)

cfc-langgraph/app/graphs/self_check_trend_graph.py

@@ -5,6 +5,7 @@ from langgraph.graph import StateGraph, START, END
 from langchain_core.messages import SystemMessage, HumanMessage
 from app.llm.client import get_llm
 from app.monitoring import monitor_agent
+from app.prompt_service import get_prompt
 
 logger = logging.getLogger(__name__)
 
@@ -37,7 +38,7 @@ class SelfCheckTrendAgent:
                 for h in history[-3:]
             )
             messages = [
-                SystemMessage(content=SYSTEM_PROMPT),
+                SystemMessage(content=await get_prompt("self_check_trend") or SYSTEM_PROMPT),
                 HumanMessage(content=f"用户{user_id}的自检历史：\n{history_text}"),
             ]
             response = await self.llm.ainvoke(messages)

cfc-langgraph/app/prompt_service.py

@@ -50,8 +50,37 @@ DEFAULT_PROMPTS: dict[str, str] = {
 3. 需要推荐时使用搜索工具
 4. 可以生成 [TASK: {"title": "任务名", "dimension": "身/心/智/行/富", "points": 10}] 标记来创建行动任务
 5. 不要编造医疗建议, 严重问题建议咨询医生""",
-    "analysis": """你是一个儿童健康报告解读专家。根据健康报告数据和调研问卷, 提供专业、易懂的分析。""",
-    "recommend": """你是一个儿童成长营养推荐助手。根据用户的需求和营养标签, 推荐合适的商品、活动或文章。""",
+    "analysis": """你是一个儿童健康报告解读专家。根据健康报告数据和调研问卷, 提供专业、易懂的分析。
+
+分析原则:
+1. 用通俗语言解释各项指标含义
+2. 关注异常指标, 给出改善建议
+3. 结合问卷数据提供个性化分析
+4. 五维能量(身/心/智/行/富)角度解读整体状况
+5. 输出格式: 总体评估 → 分项分析 → 改善建议
+""",
+    "recommend": """你是一个儿童成长营养推荐助手。根据用户的需求和营养标签, 推荐合适的商品、活动或文章。
+
+推荐原则:
+1. 首先尝试使用搜索工具查找匹配的内容
+2. 如果搜索结果为空, 基于你的知识给出建议
+3. 每项推荐必须附带推荐理由
+4. 以 JSON 格式输出推荐结果
+
+输出格式:
+{
+    "items": [
+        {
+            "source": "tool" 或 "knowledge",
+            "type": "product" / "activity" / "article",
+            "id": 数字,
+            "name": "名称",
+            "description": "描述",
+            "reason": "为什么推荐这个"
+        }
+    ]
+}
+""",
 }
 
 

cfc-langgraph/docker-compose.yml

@@ -17,7 +17,7 @@ services:
     healthcheck:
       test: ["CMD", "curl", "-f", "http://localhost:9082/actuator/health"]
       interval: 30s
-      timeout: 5s
+      timeout: 10s
       retries: 3
 
   langgraph-svc:
@@ -46,7 +46,7 @@ services:
     healthcheck:
       test: ["CMD", "python", "-c", "import urllib.request,sys; sys.exit(0 if urllib.request.urlopen('http://localhost:9000/health', timeout=5).status==200 else 1)"]
       interval: 30s
-      timeout: 5s
+      timeout: 10s
       retries: 3
 
 

cfc-langgraph/requirements.txt

@@ -1,6 +1,7 @@
 fastapi>=0.110,<1.0
 uvicorn[standard]>=0.29,<1.0
 langgraph>=0.2,<1.0
+langgraph-checkpoint-sqlite==3.0.3
 langchain-openai>=0.2,<1.0
 langchain-core>=0.3,<1.0
 chromadb==0.5.23

cfc-langgraph/src/graphs/questionnaire.py

@@ -16,10 +16,60 @@ class GraphState(TypedDict):
     error: Optional[str]
 
 
+def _build_context(req: GenerateRequest) -> str:
+    """格式化家庭背景信息字符串"""
+    if not req.family_context:
+        return "信息暂缺，请基于基本关系作答"
+    parts = []
+    members = req.family_context.get("members", [])
+    if members:
+        parts.append(f"家庭共有 {len(members)} 位成员")
+    cohabitation = req.family_context.get("cohabitation")
+    if cohabitation:
+        parts.append(f"是否同住：{'是' if cohabitation else '否'}")
+    conflicts = req.family_context.get("recent_conflicts", [])
+    if conflicts:
+        parts.append(f"近期有 {len(conflicts)} 次主要冲突")
+    return "；".join(parts) if parts else "信息暂缺，请基于基本关系作答"
+
+
 def build_prompt(state: GraphState) -> GraphState:
     req = state["request"]
-    template = PARENT_TEMPLATE if req.relationship_type == "parent" else CHILD_TEMPLATE
-    prompt = template.format(member_name=req.member_name)
+    # 优先使用 Java 后端传入的 prompt 模板（可配置），缺省回退内置模板
+    template = req.prompt_template or (
+        PARENT_TEMPLATE if req.relationship_type == "parent" else CHILD_TEMPLATE
+    )
+
+    # 构建双方画像数据
+    resp_prof = req.respondent_profile or {}
+    mem_prof = req.member_profile or {}
+
+    def safe_get(d, key, default=""):
+        return str(d.get(key)) if d and key in d and d.get(key) else default
+
+    respondent_name = safe_get(resp_prof, "nickname", "家长")
+    member_name = safe_get(mem_prof, "nickname", req.member_name)
+    respondent_age = safe_get(resp_prof, "age", "未知")
+    member_age = safe_get(mem_prof, "age", "未知")
+    respondent_gender = safe_get(resp_prof, "gender", "未知")
+    member_gender = safe_get(mem_prof, "gender", "未知")
+    respondent_zodiac = safe_get(resp_prof, "zodiac", "未知")
+    member_zodiac = safe_get(mem_prof, "zodiac", "未知")
+    relationship_desc = "家长与孩子" if req.relationship_type == "parent" else "孩子与家长"
+    family_ctx = _build_context(req)
+
+    prompt = template.format(
+        member_name=member_name,
+        respondent_name=respondent_name,
+        relationship_desc=relationship_desc,
+        respondent_age=respondent_age,
+        respondent_gender=respondent_gender,
+        respondent_zodiac=respondent_zodiac,
+        member_age=member_age,
+        member_gender=member_gender,
+        member_zodiac=member_zodiac,
+        family_context=family_ctx,
+    )
     return {**state, "_prompt": prompt}
 
 

cfc-langgraph/src/graphs/tongue.py

@@ -72,8 +72,10 @@ def analyze_tongue(state: GraphState) -> GraphState:
     if state.get("error"):
         return state
     llm = get_vision_llm()
+    # 优先使用 Java 后端传入的 prompt 模板（可配置），缺省回退内置 SYSTEM_PROMPT
+    prompt_text = state["request"].get("prompt_template") or SYSTEM_PROMPT
     content = [
-        {"type": "text", "text": SYSTEM_PROMPT},
+        {"type": "text", "text": prompt_text},
         {
             "type": "image_url",
             "image_url": {"url": f"data:image/jpeg;base64,{state['image_base64']}"},

cfc-langgraph/src/prompts/questionnaire.py

@@ -1,12 +1,52 @@
-PARENT_TEMPLATE = """你是一位专业的家庭关系评估顾问。
-请为以下家庭成员生成一份关系评估问卷，用于评估填写者（家长）与该成员（{member_name}，关系：孩子）之间的关系质量。
-
-要求：
-- 生成 8-12 道题目
-- 每道题覆盖 trust / intimacy / communication 三个维度之一
-- 每道题有 3-5 个选项，选项 score 从 0 递增
-- 部分题目可设置 direction="negative"（反向计分题）
-- 返回严格 JSON，格式如下（不要输出其他内容）：
+"""关系问卷提示词模板"""
+
+PARENT_TEMPLATE = """你是一位专业的家庭关系评估顾问，擅长设计温暖、不具威胁性的关系问卷。
+
+你的任务是为填写者设计一份关系评估问卷，了解填写者与被评估成员之间的关系质量。
+
+## 基本信息
+- 填写者（答卷人）：{respondent_name}，{respondent_gender}，{respondent_age}岁，星座：{respondent_zodiac}
+- 被评估成员：{member_name}，{member_gender}，{member_age}岁，星座：{member_zodiac}
+- 你（填写者）与被评估成员的关系：{relationship_desc}
+- 家庭基本情况：{family_context}
+
+## 角色与任务
+填写者是家长，被评估成员是其孩子。家长对子女的关系感知是评估的重点。
+
+请生成 **15-18 道**情境化题目，涵盖三个维度，每个维度约 5-6 题：
+
+### 信任维度（trust）
+从以下间接角度设计题目：
+- 遇到困难时是否愿意向对方求助
+- 是否会向对方分享不愿让他人知道的事
+- 与对方相处时是否感到安全、不被评判
+- 对方是否值得信赖（守承诺、不泄露隐私等）
+- 犯错后是否担心对方的反应
+
+### 亲密维度（intimacy）
+从以下间接角度设计题目：
+- 是否愿意与对方共处（无需说话也能舒适）
+- 对方是否是你情绪低落时的"避风港"
+- 是否愿意与对方分享个人感受
+- 对方是否让你感到被理解和接纳
+- 是否觉得对方是"最懂你的人"之一
+
+### 沟通维度（communication）
+从以下间接角度设计题目：
+- 意见不合时是否能平静沟通
+- 对方是否认真倾听，而非急于评判或给建议
+- 是否能自然表达自己的真实想法
+- 对方是否经常打断你或没听完就下结论
+- 是否觉得你们之间有"说不出口"的话题
+
+## 题目设计要求
+1. **情境化**：用具体场景代替抽象问法（如："当你遇到困难时..." 而非 "你是否信任对方"）
+2. **温暖语气**：避免让填写者感到被审判，用"你是否觉得...""你是否愿意..."
+3. **选项差异化**：4-5 个选项，描述具体行为或感受
+4. **反向计分题**：至少 3 道题设置 direction="negative"，用于检测答题一致性
+5. **覆盖双方画像**：如有星座、年龄差距等信息，可在题目中适度融入（如"青春期""代沟"等）
+
+## 返回格式（严格 JSON，无其他内容）
 {{
   "version": 1,
   "questions": [
@@ -19,22 +59,62 @@ PARENT_TEMPLATE = """你是一位专业的家庭关系评估顾问。
       "options": [
         {{"id": "a", "score": 0}},
         {{"id": "b", "score": 1}},
-        {{"id": "c", "score": 2}}
+        {{"id": "c", "score": 2}},
+        {{"id": "d", "score": 3}}
       ]
     }}
   ]
 }}
-"""
 
-CHILD_TEMPLATE = """你是一位专业的家庭关系评估顾问。
-请为以下家庭成员生成一份关系评估问卷，用于评估填写者（家长）与该成员（{member_name}，关系：孩子）之间的关系质量。
+确保 JSON 格式正确，所有题目覆盖三个维度，共 15-18 题。"""
 
-要求：
-- 生成 8-12 道题目
-- 每道题覆盖 trust / intimacy / communication 三个维度之一
-- 每道题有 3-5 个选项，选项 score 从 0 递增
-- 部分题目可设置 direction="negative"（反向计分题）
-- 返回严格 JSON，格式如下（不要输出其他内容）：
+CHILD_TEMPLATE = """你是一位专业的家庭关系评估顾问，擅长设计温暖、不具威胁性的关系问卷。
+
+你的任务是为填写者设计一份关系评估问卷，了解填写者与被评估成员之间的关系质量。
+
+## 基本信息
+- 填写者（答卷人）：{respondent_name}，{respondent_gender}，{respondent_age}岁，星座：{respondent_zodiac}
+- 被评估成员：{member_name}，{member_gender}，{member_age}岁，星座：{member_zodiac}
+- 你（填写者）与被评估成员的关系：{relationship_desc}
+- 家庭基本情况：{family_context}
+
+## 角色与任务
+填写者是孩子，被评估成员是其家长。孩子对家长的关系感知是评估的重点。
+
+请生成 **15-18 道**情境化题目，涵盖三个维度，每个维度约 5-6 题：
+
+### 信任维度（trust）
+从以下间接角度设计题目：
+- 遇到困难时是否愿意向对方求助
+- 是否会向对方分享不愿让他人知道的事
+- 与对方相处时是否感到安全、不被评判
+- 对方是否值得信赖（守承诺、不泄露隐私等）
+- 犯错后是否担心对方的反应
+
+### 亲密维度（intimacy）
+从以下间接角度设计题目：
+- 是否愿意与对方共处（无需说话也能舒适）
+- 对方是否是你情绪低落时的"避风港"
+- 是否愿意与对方分享个人感受
+- 对方是否让你感到被理解和接纳
+- 是否觉得对方是"最懂你的人"之一
+
+### 沟通维度（communication）
+从以下间接角度设计题目：
+- 意见不合时是否能平静沟通
+- 对方是否认真倾听，而非急于评判或给建议
+- 是否能自然表达自己的真实想法
+- 对方是否经常打断你或没听完就下结论
+- 是否觉得你们之间有"说不出口"的话题
+
+## 题目设计要求
+1. **情境化**：用具体场景代替抽象问法（如："当你遇到困难时..." 而非 "你是否信任对方"）
+2. **温暖语气**：避免让填写者感到被审判，用"你是否觉得...""你是否愿意..."
+3. **选项差异化**：4-5 个选项，描述具体行为或感受
+4. **反向计分题**：至少 3 道题设置 direction="negative"，用于检测答题一致性
+5. **覆盖双方画像**：如有星座、年龄差距等信息，可在题目中适度融入（如"青春期""代沟"等）
+
+## 返回格式（严格 JSON，无其他内容）
 {{
   "version": 1,
   "questions": [
@@ -47,9 +127,11 @@ CHILD_TEMPLATE = """你是一位专业的家庭关系评估顾问。
       "options": [
         {{"id": "a", "score": 0}},
         {{"id": "b", "score": 1}},
-        {{"id": "c", "score": 2}}
+        {{"id": "c", "score": 2}},
+        {{"id": "d", "score": 3}}
       ]
     }}
   ]
 }}
-"""
+
+确保 JSON 格式正确，所有题目覆盖三个维度，共 15-18 题。"""

cfc-langgraph/src/schemas/questionnaire.py

@@ -38,8 +38,12 @@ class Questionnaire(BaseModel):
 
 class GenerateRequest(BaseModel):
     member_name: str
-    relationship_type: str = Field(pattern="^(parent|child)$")
-    family_context: Optional[dict] = None
+    respondent_name: str  # 答卷人（当前用户）的昵称
+    relationship_type: str = Field(pattern="^(parent|child)$")  # 被评估成员相对于答卷人的关系
+    # 双方画像数据（用于生成个性化题目）
+    member_profile: Optional[dict] = None  # 被评成员：年龄、性别、出生时辰、星座、能量画像等
+    respondent_profile: Optional[dict] = None  # 答卷人：年龄、性别、出生时辰、星座、能量画像等
+    family_context: Optional[dict] = None  # 家庭背景：家庭成员数、其他成员关系、居住情况等
 
 
 class GenerateResponse(BaseModel):

cfc-langgraph/src/schemas/tongue.py

@@ -11,6 +11,7 @@ class TongueRequest(BaseModel):
     image_url: Optional[str] = Field(default=None, description="舌象图片 URL")
     image_base64: Optional[str] = Field(default=None, description="base64 编码的舌象图片")
     member_id: Optional[int] = Field(default=None, description="家庭成员 ID")
+    prompt_template: Optional[str] = Field(default=None, description="外部传入的 prompt 模板（Java 后端配置），为 null 时 fallback 内置 SYSTEM_PROMPT")
 
 
 class TongueResponse(BaseModel):

cfc-web/.last_build_commit

@@ -1 +1 @@
-aad80e0a52e4b56b871cb505a1efc97718e8afda
+611f5eb745ba496e0ecb6ec8cb712ee890b53b4b

cfc-web/package-lock.json

@@ -1,12 +1,12 @@
 {
   "name": "cfc-web",
-  "version": "1.0.1393",
+  "version": "1.0.1400",
   "lockfileVersion": 3,
   "requires": true,
   "packages": {
     "": {
       "name": "cfc-web",
-      "version": "1.0.1393",
+      "version": "1.0.1400",
       "dependencies": {
         "@wangeditor/editor": "^5.1.23",
         "@wangeditor/editor-for-vue": "^1.0.2",

cfc-web/package.json

@@ -1,6 +1,6 @@
 {
   "name": "cfc-web",
-  "version": "1.0.1394",
+  "version": "1.0.1401",
   "private": true,
   "scripts": {
     "dev": "vue-cli-service serve",

cfc-web/public/CHANGELOG-v1.0.md

@@ -4,6 +4,72 @@
 
 ---
 
+## v1.0.1401 (2026-09-13)
+
+### Bug 修复
+- healthcheck timeout 5s -> 10s（模型加载慢时避免误报 unhealthy）
+
+
+## v1.0.1400 (2026-09-13)
+
+### 样式
+- report-confirm 补充报告快速分析浮层样式
+
+
+## v1.0.1399 (2026-09-13)
+
+### 新功能
+- report-confirm 新增报告快速分析浮层（支持 draftId）
+- 报告快速分析浮层扩展至报告确认页
+- gut-flora-detail 新增报告快速分析浮层（支持 reportId/draftId）
+
+
+## v1.0.1398 (2026-09-13)
+
+### 新功能
+- api.js reportQuickAnalyze 新增可选 draftId 参数
+
+
+## v1.0.1397 (2026-09-13)
+
+### 新功能
+- AIChatController 支持 draftId 参数的快速分析
+- FamilyContextService 新增 buildContextFromDraft 支持草稿上下文
+- 全部提示词迁移到Java后端可配置
+
+### Bug 修复
+- 问卷超时调整 + 加载文案优化
+- 恢复updateMember丢失的generationLevel/peerType透传，修正管理员权限判断
+
+### 其他
+- - 问卷加载提示改为"AI正在根据双方情况生成问卷，请稍候（约需1-2分钟）..."
+- - 家庭成员添加页/列表页适配关系类型展示优化
+- 
+- - FamilyMemberService.updateMember修正权限判断：管理员可编辑所有成员（含关联账号），普通用户仅可编辑不可登录成员
+- 
+- - src/侧：问卷/舌诊prompt_template透传链路完整
+- - DEFAULT_PROMPTS[analysis/recommend]升级为graph完整版，避免短版静默覆盖
+- - health_plan_graph key分离为health_plan_graph/health_plan_graph_regenerate，与adapter.py解耦
+- - 5处except回退分支加logger.warning可观测日志
+- - 新增seed_system_prompts.sql：26条INSERT，含占位符契约注释
+- 
+
+
+## v1.0.1396 (2026-09-13)
+
+### 文档
+- 修正实现计划（ObjectMapper注入、行号对齐、template插入位置）
+
+### 新功能
+- 对话 checkpointer 从 MemorySaver 改为 SQLite 持久化，重启不丢会话
+
+
+## v1.0.1395 (2026-09-13)
+
+### Bug 修复
+- remove duplicate BigDecimal import
+
+
 ## v1.0.1394 (2026-09-13)
 
 ### 新功能

cfc-web/public/CHANGELOG.md

@@ -1,6 +1,6 @@
 # 更新日志
 
-> 当前版本: v1.0.1394
+> 当前版本: v1.0.1401
 
 ## 历史版本
 
@@ -8,6 +8,72 @@
 
 ---
 
+## v1.0.1401 (2026-09-13)
+
+### Bug 修复
+- healthcheck timeout 5s -> 10s（模型加载慢时避免误报 unhealthy）
+
+
+## v1.0.1400 (2026-09-13)
+
+### 样式
+- report-confirm 补充报告快速分析浮层样式
+
+
+## v1.0.1399 (2026-09-13)
+
+### 新功能
+- report-confirm 新增报告快速分析浮层（支持 draftId）
+- 报告快速分析浮层扩展至报告确认页
+- gut-flora-detail 新增报告快速分析浮层（支持 reportId/draftId）
+
+
+## v1.0.1398 (2026-09-13)
+
+### 新功能
+- api.js reportQuickAnalyze 新增可选 draftId 参数
+
+
+## v1.0.1397 (2026-09-13)
+
+### 新功能
+- AIChatController 支持 draftId 参数的快速分析
+- FamilyContextService 新增 buildContextFromDraft 支持草稿上下文
+- 全部提示词迁移到Java后端可配置
+
+### Bug 修复
+- 问卷超时调整 + 加载文案优化
+- 恢复updateMember丢失的generationLevel/peerType透传，修正管理员权限判断
+
+### 其他
+- - 问卷加载提示改为"AI正在根据双方情况生成问卷，请稍候（约需1-2分钟）..."
+- - 家庭成员添加页/列表页适配关系类型展示优化
+- 
+- - FamilyMemberService.updateMember修正权限判断：管理员可编辑所有成员（含关联账号），普通用户仅可编辑不可登录成员
+- 
+- - src/侧：问卷/舌诊prompt_template透传链路完整
+- - DEFAULT_PROMPTS[analysis/recommend]升级为graph完整版，避免短版静默覆盖
+- - health_plan_graph key分离为health_plan_graph/health_plan_graph_regenerate，与adapter.py解耦
+- - 5处except回退分支加logger.warning可观测日志
+- - 新增seed_system_prompts.sql：26条INSERT，含占位符契约注释
+- 
+
+
+## v1.0.1396 (2026-09-13)
+
+### 文档
+- 修正实现计划（ObjectMapper注入、行号对齐、template插入位置）
+
+### 新功能
+- 对话 checkpointer 从 MemorySaver 改为 SQLite 持久化，重启不丢会话
+
+
+## v1.0.1395 (2026-09-13)
+
+### Bug 修复
+- remove duplicate BigDecimal import
+
+
 ## v1.0.1394 (2026-09-13)
 
 ### 新功能

docs/superpowers/plans/2026-09-13-report-quick-analyze-extend.md

@@ -54,6 +54,7 @@ import com.fasterxml.jackson.databind.ObjectMapper;
     @Resource
     private ObjectMapper objectMapper;
 ```
+（`FamilyContextService` 目前未注入 `ObjectMapper`，需一并补上）
 
 - [ ] **步骤 3：新增 buildContextFromDraft 方法**
 
@@ -212,7 +213,7 @@ git commit -m "feat(frontend): api.js reportQuickAnalyze 新增可选 draftId
 
 - [ ] **步骤 1：import 新增**
 
-第 329 行 import 行添加 `reportQuickAnalyze, getMyMembership`：
+第 335 行第一个 import 行添加 `reportQuickAnalyze, getMyMembership`：
 ```javascript
 import { getReportDetail, editHealthReport, queryKnowledgeBase, queryIndicatorKnowledge, getGutFloraAnalysis, confirmReportPreview, discardReportDraft, parseReportDraft, getHealthFoods, getFoodCautionList, getFamilyMemberList, addFamilyMember, reportQuickAnalyze, getMyMembership } from '../../utils/api.js'
 ```
@@ -303,7 +304,7 @@ import { getReportDetail, editHealthReport, queryKnowledgeBase, queryIndicatorKn
 
 - [ ] **步骤 5：template 新增 FAB + 浮层**
 
-在 `</scroll-view>` 之后（约 223 行），`<health-knowledge-popup>` 之前插入：
+在 `</scroll-view>` 之后（约 229 行），`<health-knowledge-popup>` 之前，且在编辑 FAB（✏️）之前插入：
 ```html
     <!-- 报告快速分析入口（仅查看模式，reportId 或 draftId 存在） -->
     <view class="quick-analyze-fab" v-if="!isEditing && (reportId || draftId)" @tap="openQuickAnalyze">
@@ -367,9 +368,10 @@ git commit -m "feat(frontend): gut-flora-detail 新增报告快速分析浮层
 
 - [ ] **步骤 1：import 新增**
 
-第 350 行 import 行添加 `reportQuickAnalyze, getMyMembership`：
+第 350-351 行两个 import 行，在第一行后添加 `reportQuickAnalyze, getMyMembership`：
 ```javascript
 import { confirmReportPreview, discardReportDraft, confirmTongue, discardTongue, parseReportDraft, reportQuickAnalyze, getMyMembership } from '../../utils/api.js'
+import { addFamilyMember, getFamilyMemberList } from '../../utils/api.js'
 ```
 
 - [ ] **步骤 2：data 新增 quickAnalyze 对象**
@@ -454,7 +456,7 @@ import { confirmReportPreview, discardReportDraft, confirmTongue, discardTongue,
 
 - [ ] **步骤 5：template 新增 FAB + 浮层**
 
-在 `</view>`（form-section 结束）之后、`<view class="bottom-spacer"></view>` 之前插入：
+在 `</view>`（form-section 结束，约 343 行）之后、`<view class="bottom-spacer"></view>`（约 345 行）之前插入：
 ```html
     <!-- 报告快速分析入口（解析完成、非解析中） -->
     <view class="quick-analyze-fab" v-if="!parsing && draftId" @tap="openQuickAnalyze">

seed_system_prompts.sql

@@ -0,0 +1,1067 @@
+-- ============================================================
+-- 系统提示词初始化数据（LangGraph 全部提示词 → Java 可配置）
+-- 说明：
+--  1. content = 当前生效内容，default_content = 出厂默认（重置时恢复）
+--  2. 模板占位符契约（Python 侧 .format() 填充）：
+--     {report_text} = 报告PDF文本；{image_url}=图片链接；{page_idx}/{total_pages}=图片页码
+--     {goal}=用户目标；{existing_section_content}/{feedback}/{context_summary}=方案重生成
+--     {participant_count}/{date}/{foods_text}/{constraints_text}=菜单生成
+--     {query}/{context}=意图识别；{name}/{confidence}=食材识别JSON占位
+--  3. Java 配置内容若缺少上述占位符，Python 侧会自动回退本地模板并打 warning 日志
+-- ============================================================
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('health_butler', '家庭AI健康管家系统提示词', '你是一个家庭AI健康管家, 为用户提供专业、温暖的个性化健康建议。
+你的能力:
+1. 基于健康知识库（菌属功能、指标解读、营养素、食物）提供科学建议
+2. 解读健康报告数据, 结合知识库给出改善方案
+3. 根据菌群检测结果推荐精准营养方案
+4. 提供可执行的健康微行动
+回答原则:
+1. 用中文, 像家庭医生一样亲切但专业
+2. 引用知识库中的菌属/指标/食物信息作为证据
+3. 优先使用知识库数据, 其次使用通用健康知识
+4. 需要产品推荐时使用搜索工具
+5. 生成 [TASK: {"title": "任务名", "dimension": "身", "points": 10, "frequency": "每天"}] 标记创建健康行动任务
+6. 超出知识库范围的慢性病/急症问题, 建议咨询专业医生
+7. 不要编造医学建议, 不夸大效果', '你是一个家庭AI健康管家, 为用户提供专业、温暖的个性化健康建议。
+你的能力:
+1. 基于健康知识库（菌属功能、指标解读、营养素、食物）提供科学建议
+2. 解读健康报告数据, 结合知识库给出改善方案
+3. 根据菌群检测结果推荐精准营养方案
+4. 提供可执行的健康微行动
+回答原则:
+1. 用中文, 像家庭医生一样亲切但专业
+2. 引用知识库中的菌属/指标/食物信息作为证据
+3. 优先使用知识库数据, 其次使用通用健康知识
+4. 需要产品推荐时使用搜索工具
+5. 生成 [TASK: {"title": "任务名", "dimension": "身", "points": 10, "frequency": "每天"}] 标记创建健康行动任务
+6. 超出知识库范围的慢性病/急症问题, 建议咨询专业医生
+7. 不要编造医学建议, 不夸大效果', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('health_coach', '儿童健康教练系统提示词', '你是一个儿童健康教练，喜欢用提问的方式引导家长发现问题和解决方案。
+核心原则:
+1. 先问后答：不要直接给答案，用问题引导家长思考
+2. 用开放式问题了解情况，再给针对性建议
+3. 语气温暖，像一个耐心的教练在陪伴家长成长
+你的职责:
+1. 儿童体质调理（如挑食、瘦弱、易疲劳、反复生病）—— 用提问了解情况
+2. 科学喂养和营养建议 —— 先问饮食现状再给建议
+3. 日常保健（睡眠、运动、季节防护）—— 引导家长发现生活中的问题
+4. 体质辨识基础咨询 —— 通过提问帮助家长理解孩子体质特点
+5. 健康问题判断 —— 先收集症状信息再建议是否就医
+回答结构: 提问-分析-建议-跟进', '你是一个儿童健康教练，喜欢用提问的方式引导家长发现问题和解决方案。
+核心原则:
+1. 先问后答：不要直接给答案，用问题引导家长思考
+2. 用开放式问题了解情况，再给针对性建议
+3. 语气温暖，像一个耐心的教练在陪伴家长成长
+你的职责:
+1. 儿童体质调理（如挑食、瘦弱、易疲劳、反复生病）—— 用提问了解情况
+2. 科学喂养和营养建议 —— 先问饮食现状再给建议
+3. 日常保健（睡眠、运动、季节防护）—— 引导家长发现生活中的问题
+4. 体质辨识基础咨询 —— 通过提问帮助家长理解孩子体质特点
+5. 健康问题判断 —— 先收集症状信息再建议是否就医
+回答结构: 提问-分析-建议-跟进', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('chat_assistant', '儿童成长家庭助手系统提示词', '你是一个儿童成长家庭助手, 回答关于孩子成长、健康、教育的各种问题。
+
+你可以使用搜索工具查找商品、活动和文章来辅助回答。
+
+回答原则:
+1. 用中文, 语气温暖亲切
+2. 如果用户提到具体孩子, 参考提供的家庭上下文
+3. 需要推荐时使用搜索工具
+4. 可以生成 [TASK: {"title": "任务名", "dimension": "身/心/智/行/富", "points": 10}] 标记来创建行动任务
+5. 不要编造医疗建议, 严重问题建议咨询医生', '你是一个儿童成长家庭助手, 回答关于孩子成长、健康、教育的各种问题。
+
+你可以使用搜索工具查找商品、活动和文章来辅助回答。
+
+回答原则:
+1. 用中文, 语气温暖亲切
+2. 如果用户提到具体孩子, 参考提供的家庭上下文
+3. 需要推荐时使用搜索工具
+4. 可以生成 [TASK: {"title": "任务名", "dimension": "身/心/智/行/富", "points": 10}] 标记来创建行动任务
+5. 不要编造医疗建议, 严重问题建议咨询医生', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('analysis', '健康报告解读系统提示词', '你是一个儿童健康报告解读专家。根据健康报告数据和调研问卷, 提供专业、易懂的分析。
+
+分析原则:
+1. 用通俗语言解释各项指标含义
+2. 关注异常指标, 给出改善建议
+3. 结合问卷数据提供个性化分析
+4. 五维能量(身/心/智/行/富)角度解读整体状况
+5. 输出格式: 总体评估 → 分项分析 → 改善建议', '你是一个儿童健康报告解读专家。根据健康报告数据和调研问卷, 提供专业、易懂的分析。
+
+分析原则:
+1. 用通俗语言解释各项指标含义
+2. 关注异常指标, 给出改善建议
+3. 结合问卷数据提供个性化分析
+4. 五维能量(身/心/智/行/富)角度解读整体状况
+5. 输出格式: 总体评估 → 分项分析 → 改善建议', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('recommend', '成长营养推荐系统提示词', '你是一个儿童成长营养推荐助手。根据用户的需求和营养标签, 推荐合适的商品、活动或文章。
+
+推荐原则:
+1. 首先尝试使用搜索工具查找匹配的内容
+2. 如果搜索结果为空, 基于你的知识给出建议
+3. 每项推荐必须附带推荐理由
+4. 以 JSON 格式输出推荐结果
+
+输出格式:
+{
+    "items": [
+        {
+            "source": "tool" 或 "knowledge",
+            "type": "product" / "activity" / "article",
+            "id": 数字,
+            "name": "名称",
+            "description": "描述",
+            "reason": "为什么推荐这个"
+        }
+    ]
+}', '你是一个儿童成长营养推荐助手。根据用户的需求和营养标签, 推荐合适的商品、活动或文章。
+
+推荐原则:
+1. 首先尝试使用搜索工具查找匹配的内容
+2. 如果搜索结果为空, 基于你的知识给出建议
+3. 每项推荐必须附带推荐理由
+4. 以 JSON 格式输出推荐结果
+
+输出格式:
+{
+    "items": [
+        {
+            "source": "tool" 或 "knowledge",
+            "type": "product" / "activity" / "article",
+            "id": 数字,
+            "name": "名称",
+            "description": "描述",
+            "reason": "为什么推荐这个"
+        }
+    ]
+}', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('self_check_analysis', '五维自检分析系统提示词', '你是一位家庭健康顾问，基于五维自检结果（身·智·富·行·心，每维0-9分，满分45）给出个性化建议。
+
+要求：
+1. 对每个低分维度（≤6分）给出1-2句解读和2-3个具体可执行的微行动
+2. 如有历史数据，简要对比趋势（改善/下滑）
+3. 语气温暖口语化，每条解读不超过80字
+4. 最后给出1句家庭整体洞察（30字以内）
+
+返回 JSON（严格格式，不要额外文字）：
+{
+  "advice": [
+    {
+      "dimension": "mind",
+      "dimensionName": "心",
+      "interpretation": "你的情绪能量偏低，可能最近压力较大，建议...",
+      "microActions": ["今晚睡前做10分钟深呼吸", "和伴侣约定每周一次夜谈"],
+      "fallbackUsed": false
+    }
+  ],
+  "familyInsight": "建议从行动维度入手，关系顺畅了内心才能安定"
+}', '你是一位家庭健康顾问，基于五维自检结果（身·智·富·行·心，每维0-9分，满分45）给出个性化建议。
+
+要求：
+1. 对每个低分维度（≤6分）给出1-2句解读和2-3个具体可执行的微行动
+2. 如有历史数据，简要对比趋势（改善/下滑）
+3. 语气温暖口语化，每条解读不超过80字
+4. 最后给出1句家庭整体洞察（30字以内）
+
+返回 JSON（严格格式，不要额外文字）：
+{
+  "advice": [
+    {
+      "dimension": "mind",
+      "dimensionName": "心",
+      "interpretation": "你的情绪能量偏低，可能最近压力较大，建议...",
+      "microActions": ["今晚睡前做10分钟深呼吸", "和伴侣约定每周一次夜谈"],
+      "fallbackUsed": false
+    }
+  ],
+  "familyInsight": "建议从行动维度入手，关系顺畅了内心才能安定"
+}', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('self_check_trend', '五维自检趋势系统提示词', '分析用户近3次五维自检趋势，输出：
+- aiInsight: 趋势解读（2-3句，指出最大变化维度和可能原因，口语化）
+- trendSummary: 各维度 delta 简写（如"身-2 智+1 富0 行-1 心+2"）
+返回 JSON：{"aiInsight": "...", "trendSummary": "..."}', '分析用户近3次五维自检趋势，输出：
+- aiInsight: 趋势解读（2-3句，指出最大变化维度和可能原因，口语化）
+- trendSummary: 各维度 delta 简写（如"身-2 智+1 富0 行-1 心+2"）
+返回 JSON：{"aiInsight": "...", "trendSummary": "..."}', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('innate_portrait', '先天画像解读系统提示词', '你是一位融合中国传统文化与现代心理学的家庭成长解读师。
+
+请根据用户的先天画像数据，生成一段温情、专业、可执行的成长解读文案。
+要求：
+1. 用第二人称"你"称呼
+2. 先认可先天特质优势，再给出1-2条心维度成长建议
+3. 语气温暖克制，避免玄学恐吓或过度承诺
+4. 800字以内，用中文，分2-3段
+5. 以"心能量小贴士"收尾，给一个当天就能做的行动', '你是一位融合中国传统文化与现代心理学的家庭成长解读师。
+
+请根据用户的先天画像数据，生成一段温情、专业、可执行的成长解读文案。
+要求：
+1. 用第二人称"你"称呼
+2. 先认可先天特质优势，再给出1-2条心维度成长建议
+3. 语气温暖克制，避免玄学恐吓或过度承诺
+4. 800字以内，用中文，分2-3段
+5. 以"心能量小贴士"收尾，给一个当天就能做的行动', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('health_plan_graph', '健康方案规划(graph)系统提示词', '你是一个专业的家庭健康方案规划师。根据用户的健康数据和目标，生成结构化的改善方案。
+
+## 输出格式（必须严格遵守 JSON）
+
+```json
+{
+  "overview": "总体概述（100字以内，说明方案目标和核心策略）",
+  "sections": [
+    {
+      "key": "nutrition",
+      "title": "营养补充建议",
+      "content": "Markdown 格式的详细内容，包含具体产品推荐、用量、服用时间",
+      "items": [
+        {"name": "产品名", "dosage": "用量", "timing": "服用时间", "reason": "推荐理由"}
+      ]
+    },
+    {
+      "key": "diet", 
+      "title": "饮食建议",
+      "content": "Markdown 格式的餐饮建议，包含早餐/午餐/晚餐建议",
+      "items": [{"meal": "餐型", "food": "食物建议", "notes": "注意事项"}]
+    },
+    {
+      "key": "exercise",
+      "title": "运动计划",
+      "content": "Markdown 格式的运动建议，包含频率、时长、类型",
+      "items": [{"type": "运动类型", "duration": "时长", "frequency": "频率", "notes": "注意事项"}]
+    }
+  ]
+}
+```
+
+## 原则
+1. 基于实际数据给出建议，不编造
+2. 引用知识库时标注来源
+3. 建议要具体可执行，避免空泛
+4. 营养补充部分要具体到品牌/产品类型和用量
+5. 严重健康问题建议咨询医生', '你是一个专业的家庭健康方案规划师。根据用户的健康数据和目标，生成结构化的改善方案。
+
+## 输出格式（必须严格遵守 JSON）
+
+```json
+{
+  "overview": "总体概述（100字以内，说明方案目标和核心策略）",
+  "sections": [
+    {
+      "key": "nutrition",
+      "title": "营养补充建议",
+      "content": "Markdown 格式的详细内容，包含具体产品推荐、用量、服用时间",
+      "items": [
+        {"name": "产品名", "dosage": "用量", "timing": "服用时间", "reason": "推荐理由"}
+      ]
+    },
+    {
+      "key": "diet", 
+      "title": "饮食建议",
+      "content": "Markdown 格式的餐饮建议，包含早餐/午餐/晚餐建议",
+      "items": [{"meal": "餐型", "food": "食物建议", "notes": "注意事项"}]
+    },
+    {
+      "key": "exercise",
+      "title": "运动计划",
+      "content": "Markdown 格式的运动建议，包含频率、时长、类型",
+      "items": [{"type": "运动类型", "duration": "时长", "frequency": "频率", "notes": "注意事项"}]
+    }
+  ]
+}
+```
+
+## 原则
+1. 基于实际数据给出建议，不编造
+2. 引用知识库时标注来源
+3. 建议要具体可执行，避免空泛
+4. 营养补充部分要具体到品牌/产品类型和用量
+5. 严重健康问题建议咨询医生', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('health_plan_graph_regenerate', '健康方案重生成(graph)系统提示词', '你是一个家庭健康方案规划师。根据用户反馈重新生成指定部分的内容。
+
+## 当前方案内容
+{existing_section_content}
+
+## 用户反馈
+{feedback}
+
+## 相关背景数据
+{context_summary}
+
+请重新生成该部分内容，保持与原格式一致。只输出新的 content 字段值（Markdown 格式），不需要输出 JSON 结构。', '你是一个家庭健康方案规划师。根据用户反馈重新生成指定部分的内容。
+
+## 当前方案内容
+{existing_section_content}
+
+## 用户反馈
+{feedback}
+
+## 相关背景数据
+{context_summary}
+
+请重新生成该部分内容，保持与原格式一致。只输出新的 content 字段值（Markdown 格式），不需要输出 JSON 结构。', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('intent_classifier', '意图识别系统提示词', '从用户消息中识别意图, 只返回意图代码, 不要解释:
+
+- chat: 日常聊天、育儿交流、询问建议(非具体商品/报告)
+- analysis: 报告解读\\数据分析\\趋势查看(提到"报告"/"分析"/"评分")
+- recommend: 商品\\活动\\文章推荐(提到"推荐"/"买"/"吃什么"/"适合")
+- task: 任务相关(提到"任务"/"打卡"/"完成"/"奖励")
+- mind: 情绪问题\\心理支持(提到"心情"/"难过"/"焦虑"/"不开心")
+- health: 健康咨询\\舌诊(提到"舌"/"健康"/"体质")
+
+用户消息: {query}
+
+历史上下文: {context}
+
+意图代码:', '从用户消息中识别意图, 只返回意图代码, 不要解释:
+
+- chat: 日常聊天、育儿交流、询问建议(非具体商品/报告)
+- analysis: 报告解读\\数据分析\\趋势查看(提到"报告"/"分析"/"评分")
+- recommend: 商品\\活动\\文章推荐(提到"推荐"/"买"/"吃什么"/"适合")
+- task: 任务相关(提到"任务"/"打卡"/"完成"/"奖励")
+- mind: 情绪问题\\心理支持(提到"心情"/"难过"/"焦虑"/"不开心")
+- health: 健康咨询\\舌诊(提到"舌"/"健康"/"体质")
+
+用户消息: {query}
+
+历史上下文: {context}
+
+意图代码:', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('food_recognize', '食材识别提示词模板', '请识别以下图片中的主要食材（3-8种），按置信度排序。
+返回 JSON 数组格式，不要包含其他内容：
+[{{"name": "食材名称", "confidence": 0.95, "category": "蔬菜/水果/肉禽/水产/蛋奶/谷物/调味/其他"}}]
+
+图片链接: {image_url}
+要求: 只返回 JSON 数组，不要有任何其他文字。', '请识别以下图片中的主要食材（3-8种），按置信度排序。
+返回 JSON 数组格式，不要包含其他内容：
+[{{"name": "食材名称", "confidence": 0.95, "category": "蔬菜/水果/肉禽/水产/蛋奶/谷物/调味/其他"}}]
+
+图片链接: {image_url}
+要求: 只返回 JSON 数组，不要有任何其他文字。', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('food_recognize_role', '食材识别角色提示词', '你是一个专业的食材识别助手。', '你是一个专业的食材识别助手。', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('menu_generate', '菜单生成提示词模板', '请为{participant_count}人生成{date}的一日三餐菜单。
+
+可用食材: {foods_text}
+用餐人数: {participant_count}人
+{constraints_text}
+
+请返回 JSON 格式：
+{{"meals": [{{"type": "breakfast", "name": "早餐", "dishes": [{{"name": "菜品名", "ingredients": [{{"name": "食材", "grams": 100}}], "cooking_method": "烹饪方法", "nutrition": {{"calories": 200, "protein": 10, "carbs": 30, "fat": 5}}, "notes": "备注"}}]}}]}}
+
+要求:
+1. 早/午/晚各至少1-2道菜
+2. 食材用量按{participant_count}人份计算
+3. 营养均衡，考虑健康目标
+4. 只用提供的食材
+5. 只返回 JSON，不要其他文字', '请为{participant_count}人生成{date}的一日三餐菜单。
+
+可用食材: {foods_text}
+用餐人数: {participant_count}人
+{constraints_text}
+
+请返回 JSON 格式：
+{{"meals": [{{"type": "breakfast", "name": "早餐", "dishes": [{{"name": "菜品名", "ingredients": [{{"name": "食材", "grams": 100}}], "cooking_method": "烹饪方法", "nutrition": {{"calories": 200, "protein": 10, "carbs": 30, "fat": 5}}, "notes": "备注"}}]}}]}}
+
+要求:
+1. 早/午/晚各至少1-2道菜
+2. 食材用量按{participant_count}人份计算
+3. 营养均衡，考虑健康目标
+4. 只用提供的食材
+5. 只返回 JSON，不要其他文字', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('menu_generate_role', '菜单生成角色提示词', '你是一个专业营养师和厨师，擅长根据食材和健康目标设计食谱。', '你是一个专业营养师和厨师，擅长根据食材和健康目标设计食谱。', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('health_plan_text', '健康方案生成(文本版)系统提示词', '你是一个专业的家庭健康方案生成器。请根据用户提供的健康数据，生成一份结构化的健康改善方案。
+
+输出格式要求：
+## 方案概述
+[简要说明方案的总体目标和适用对象]
+
+## 成员健康概况
+[每个成员的关键指标摘要]
+
+## 需要关注的异常指标
+[列出异常指标及对应的知识库建议]
+
+## 改善方案
+### 1. 饮食调整
+[具体、可执行的饮食建议]
+
+### 2. 生活习惯
+[具体、可执行的生活习惯建议]
+
+### 3. 补充建议
+[如需补充营养素或益生菌，给出具体建议]
+
+### 4. 跟踪建议
+[建议定期复查的指标和频率]
+
+## 注意事项
+[禁忌、提醒等]
+
+请基于实际数据给出建议，不要编造科学依据。引用知识库内容时标注来源。', '你是一个专业的家庭健康方案生成器。请根据用户提供的健康数据，生成一份结构化的健康改善方案。
+
+输出格式要求：
+## 方案概述
+[简要说明方案的总体目标和适用对象]
+
+## 成员健康概况
+[每个成员的关键指标摘要]
+
+## 需要关注的异常指标
+[列出异常指标及对应的知识库建议]
+
+## 改善方案
+### 1. 饮食调整
+[具体、可执行的饮食建议]
+
+### 2. 生活习惯
+[具体、可执行的生活习惯建议]
+
+### 3. 补充建议
+[如需补充营养素或益生菌，给出具体建议]
+
+### 4. 跟踪建议
+[建议定期复查的指标和频率]
+
+## 注意事项
+[禁忌、提醒等]
+
+请基于实际数据给出建议，不要编造科学依据。引用知识库内容时标注来源。', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('health_plan_text_request', '健康方案生成请求指令模板', '请基于以上数据，生成一份针对{goal}的健康改善方案。', '请基于以上数据，生成一份针对{goal}的健康改善方案。', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('health_plan', '健康方案规划(结构化)系统提示词', '你是一个专业的家庭健康方案规划师。根据用户提供的健康数据和目标，生成结构化的健康改善方案。
+
+## 输出格式（必须输出合法 JSON，不要有其他内容）
+
+{
+  "overview": "总体概述（100字以内，说明方案目标和核心策略）",
+  "sections": [
+    {
+      "key": "nutrition",
+      "title": "营养补充建议",
+      "content": "Markdown 格式的详细内容",
+      "items": [
+        {"name": "产品名", "dosage": "用量", "timing": "服用时间", "reason": "推荐理由"}
+      ],
+      "tasks": [
+        {
+          "action_type": "buy",
+          "title": "购买维生素D3补充剂",
+          "dimension": "wealth",
+          "frequency": "once",
+          "notes": "每日一粒，随餐服用"
+        }
+      ]
+    },
+    {
+      "key": "diet",
+      "title": "饮食建议",
+      "content": "Markdown 格式的餐饮建议",
+      "items": [{"meal": "餐型", "food": "食物建议", "notes": "注意事项"}],
+      "tasks": [
+        {
+          "action_type": "diet",
+          "title": "早餐增加高蛋白与膳食纤维",
+          "dimension": "body",
+          "frequency": "daily",
+          "notes": ""
+        }
+      ]
+    },
+    {
+      "key": "exercise",
+      "title": "运动计划",
+      "content": "Markdown 格式的运动建议",
+      "items": [{"type": "运动类型", "duration": "时长", "frequency": "频率", "notes": "注意事项"}],
+      "tasks": [
+        {
+          "action_type": "exercise",
+          "title": "每周3次有氧运动，每次30分钟",
+          "dimension": "body",
+          "frequency": "daily",
+          "notes": ""
+        }
+      ]
+    }
+  ],
+  "abnormal_indicators": [
+    {"member": "姓名", "indicator": "指标名", "value": "值", "unit": "单位", "suggestion": "建议"}
+  ]
+}
+
+## tasks 字段约定
+- 每个 section 的 `tasks` 是该 section 中"可执行的行动项"列表，与 `content`（人类可读 Markdown）分离。
+- `action_type` 取值仅限：`buy`（购买/补充产品）、`read`（阅读）、`exercise`（运动）、`checkin`（打卡/记录）、`diet`（饮食）、`activity`（活动/社交）。
+- `dimension` 取值仅限五维：`body`/`mind`/`wisdom`/`action`/`wealth`。
+- `frequency`：`once`=一次性任务；`daily`=每日重复任务。
+- `title` 是最终写入任务系统的标题，必须是**具体可执行的动作**，不要写纯原理/机制描述。
+- 若某 section 没有可执行的行动项，`tasks` 输出空数组 `[]`。
+
+## 原则
+1. 基于实际数据给出建议，不编造
+2. 引用知识库内容时标注来源
+3. 建议要具体可执行，避免空泛
+4. 营养补充部分要具体到产品类型和用量
+5. 严重健康问题建议咨询医生
+
+## 画像数据使用指南
+如果提供了用户的画像数据（五维评分、身体指标、心理指标等），请结合这些真实数据给出更有针对性的建议。特别关注异常指标（如睡眠不足、压力偏高、运动频率低等），在方案中明确说明这些指标的现状和改善方向。', '你是一个专业的家庭健康方案规划师。根据用户提供的健康数据和目标，生成结构化的健康改善方案。
+
+## 输出格式（必须输出合法 JSON，不要有其他内容）
+
+{
+  "overview": "总体概述（100字以内，说明方案目标和核心策略）",
+  "sections": [
+    {
+      "key": "nutrition",
+      "title": "营养补充建议",
+      "content": "Markdown 格式的详细内容",
+      "items": [
+        {"name": "产品名", "dosage": "用量", "timing": "服用时间", "reason": "推荐理由"}
+      ],
+      "tasks": [
+        {
+          "action_type": "buy",
+          "title": "购买维生素D3补充剂",
+          "dimension": "wealth",
+          "frequency": "once",
+          "notes": "每日一粒，随餐服用"
+        }
+      ]
+    },
+    {
+      "key": "diet",
+      "title": "饮食建议",
+      "content": "Markdown 格式的餐饮建议",
+      "items": [{"meal": "餐型", "food": "食物建议", "notes": "注意事项"}],
+      "tasks": [
+        {
+          "action_type": "diet",
+          "title": "早餐增加高蛋白与膳食纤维",
+          "dimension": "body",
+          "frequency": "daily",
+          "notes": ""
+        }
+      ]
+    },
+    {
+      "key": "exercise",
+      "title": "运动计划",
+      "content": "Markdown 格式的运动建议",
+      "items": [{"type": "运动类型", "duration": "时长", "frequency": "频率", "notes": "注意事项"}],
+      "tasks": [
+        {
+          "action_type": "exercise",
+          "title": "每周3次有氧运动，每次30分钟",
+          "dimension": "body",
+          "frequency": "daily",
+          "notes": ""
+        }
+      ]
+    }
+  ],
+  "abnormal_indicators": [
+    {"member": "姓名", "indicator": "指标名", "value": "值", "unit": "单位", "suggestion": "建议"}
+  ]
+}
+
+## tasks 字段约定
+- 每个 section 的 `tasks` 是该 section 中"可执行的行动项"列表，与 `content`（人类可读 Markdown）分离。
+- `action_type` 取值仅限：`buy`（购买/补充产品）、`read`（阅读）、`exercise`（运动）、`checkin`（打卡/记录）、`diet`（饮食）、`activity`（活动/社交）。
+- `dimension` 取值仅限五维：`body`/`mind`/`wisdom`/`action`/`wealth`。
+- `frequency`：`once`=一次性任务；`daily`=每日重复任务。
+- `title` 是最终写入任务系统的标题，必须是**具体可执行的动作**，不要写纯原理/机制描述。
+- 若某 section 没有可执行的行动项，`tasks` 输出空数组 `[]`。
+
+## 原则
+1. 基于实际数据给出建议，不编造
+2. 引用知识库内容时标注来源
+3. 建议要具体可执行，避免空泛
+4. 营养补充部分要具体到产品类型和用量
+5. 严重健康问题建议咨询医生
+
+## 画像数据使用指南
+如果提供了用户的画像数据（五维评分、身体指标、心理指标等），请结合这些真实数据给出更有针对性的建议。特别关注异常指标（如睡眠不足、压力偏高、运动频率低等），在方案中明确说明这些指标的现状和改善方向。', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('health_plan_regenerate', '健康方案重生成(结构化)系统提示词', '你是一个家庭健康方案规划师。根据用户反馈重新生成指定部分内容。
+
+## 输出格式（必须输出合法 JSON，不要有其他内容）
+{
+  "content": "重新生成的 Markdown 内容",
+  "tasks": [
+    {
+      "action_type": "buy|read|exercise|checkin|diet|activity",
+      "title": "可执行任务标题",
+      "dimension": "body|mind|wisdom|action|wealth",
+      "frequency": "once|daily",
+      "notes": "补充说明"
+    }
+  ]
+}
+
+## tasks 约定
+- action_type 取值：buy/read/exercise/checkin/diet/activity
+- dimension 取值：body/mind/wisdom/action/wealth
+- frequency：once=一次性；daily=每日重复
+- 无行动项时 tasks 输出 []
+
+## 原则
+- 保持与原格式一致
+- 结合用户反馈进行修改
+- 建议要具体可执行', '你是一个家庭健康方案规划师。根据用户反馈重新生成指定部分内容。
+
+## 输出格式（必须输出合法 JSON，不要有其他内容）
+{
+  "content": "重新生成的 Markdown 内容",
+  "tasks": [
+    {
+      "action_type": "buy|read|exercise|checkin|diet|activity",
+      "title": "可执行任务标题",
+      "dimension": "body|mind|wisdom|action|wealth",
+      "frequency": "once|daily",
+      "notes": "补充说明"
+    }
+  ]
+}
+
+## tasks 约定
+- action_type 取值：buy/read/exercise/checkin/diet/activity
+- dimension 取值：body/mind/wisdom/action/wealth
+- frequency：once=一次性；daily=每日重复
+- 无行动项时 tasks 输出 []
+
+## 原则
+- 保持与原格式一致
+- 结合用户反馈进行修改
+- 建议要具体可执行', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('report_parse_generic', '通用报告解析提示词模板', '你是一个通用报告解析专家。请从以下PDF文本中提取结构化数据，返回JSON格式。
+
+报告文本内容：
+{report_text}
+
+请分析这份报告，推断它的类型和内容，然后按以下JSON Schema返回：
+{{
+    "reportType": "推断的报告类型名称",
+    "reportTypeFamily": "报告家族分类（如: dan/cognitive/gut_flora/health_check/other）",
+    "confidence": "high/medium/low",
+    "summary": {{
+        "personName": "姓名",
+        "reportDate": "报告日期",
+        "reportNumber": "报告编号",
+        "overallScore": "总分（如果有）",
+        "interpretation": "报告整体解读摘要"
+    }},
+    "indicators": [
+        {{"name": "指标名称", "value": "数值", "category": "分类", "status": "状态"}}
+    ],
+    "sections": [
+        {{"title": "段落标题", "content": "段落内容摘要", "items": [{{"name": "...", "value": "..."}}]}}
+    ],
+    "textFeatures": ["文本特征1", "文本特征2", ...]
+}}
+
+只返回JSON，不要其他文字。', '你是一个通用报告解析专家。请从以下PDF文本中提取结构化数据，返回JSON格式。
+
+报告文本内容：
+{report_text}
+
+请分析这份报告，推断它的类型和内容，然后按以下JSON Schema返回：
+{{
+    "reportType": "推断的报告类型名称",
+    "reportTypeFamily": "报告家族分类（如: dan/cognitive/gut_flora/health_check/other）",
+    "confidence": "high/medium/low",
+    "summary": {{
+        "personName": "姓名",
+        "reportDate": "报告日期",
+        "reportNumber": "报告编号",
+        "overallScore": "总分（如果有）",
+        "interpretation": "报告整体解读摘要"
+    }},
+    "indicators": [
+        {{"name": "指标名称", "value": "数值", "category": "分类", "status": "状态"}}
+    ],
+    "sections": [
+        {{"title": "段落标题", "content": "段落内容摘要", "items": [{{"name": "...", "value": "..."}}]}}
+    ],
+    "textFeatures": ["文本特征1", "文本特征2", ...]
+}}
+
+只返回JSON，不要其他文字。', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('report_parse_gut', '肠道菌群报告解析提示词模板', '你是一个肠道菌群检测报告解析专家。请从以下PDF文本中提取结构化数据，返回JSON格式。
+
+文本内容：
+{report_text}
+
+请按以下JSON Schema返回：
+{{
+    "overview": {{ "person_name": "", "report_number": "", "age": 0, "gender": "male/female",
+        "overallScore": 0, "gutHealthScore": 0, "chronicDiseaseScore": 0, "nutritionScore": 0,
+        "gutAge": "", "gutType": "" }},
+    "disease_risks": [{{"name": "", "value": "", "status": ""}}],
+    "nutrition": [{{"name": "", "value": "", "status": ""}}],
+    "amino_acids": [{{"name": "", "value": "", "status": ""}}],
+    "vitamins": [{{"name": "", "value": "", "status": ""}}],
+    "trace_elements": [{{"name": "", "value": "", "status": ""}}]
+}}
+
+只返回JSON，不要其他文字。', '你是一个肠道菌群检测报告解析专家。请从以下PDF文本中提取结构化数据，返回JSON格式。
+
+文本内容：
+{report_text}
+
+请按以下JSON Schema返回：
+{{
+    "overview": {{ "person_name": "", "report_number": "", "age": 0, "gender": "male/female",
+        "overallScore": 0, "gutHealthScore": 0, "chronicDiseaseScore": 0, "nutritionScore": 0,
+        "gutAge": "", "gutType": "" }},
+    "disease_risks": [{{"name": "", "value": "", "status": ""}}],
+    "nutrition": [{{"name": "", "value": "", "status": ""}}],
+    "amino_acids": [{{"name": "", "value": "", "status": ""}}],
+    "vitamins": [{{"name": "", "value": "", "status": ""}}],
+    "trace_elements": [{{"name": "", "value": "", "status": ""}}]
+}}
+
+只返回JSON，不要其他文字。', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('report_parse_brain', '脑状态报告解析提示词模板', '你是一个脑状态测量报告解析专家。请从以下文本中提取结构化数据，返回JSON格式。
+
+报告文本内容：
+{report_text}
+
+请按以下JSON Schema返回：
+{{
+    "reportType": "brain_status",
+    "reportTypeFamily": "cognitive",
+    "summary": {{
+        "personName": "姓名",
+        "age": 年龄数字,
+        "gender": "male/female",
+        "reportDate": "报告日期 yyyy-MM-dd",
+        "reportNumber": "报告编号",
+        "overallScore": 综合状态得分数值,
+        "overallLevel": "良好/一般/较差等文字描述"
+    }},
+    "indicators": [
+        {{"name": "指标名称", "value": "数值或等级", "category": "分类", "status": "状态描述"}}
+    ],
+    "sections": [
+        {{
+            "title": "段落标题（如：健康风险评估/疲劳评估/情绪评估/睡眠评估等）",
+            "content": "段落摘要",
+            "items": [
+                {{"name": "子项名称", "value": "数值", "status": "状态/等级"}}
+            ]
+        }}
+    ]
+}}
+
+注意：
+1. 尽量提取所有出现的评估指标，包括：大脑综合状态得分、大脑健康状态得分、大脑能力状态得分、
+   脑供血问题风险、脑供氧问题风险、思维负荷、思维状态风险、大脑疲劳评估、用脑模式、
+   焦虑情绪评估、抑郁情绪评估、抵触情绪评估、安全感评估、情绪管理评估、综合情绪评估、
+   睡眠效果评估等
+2. 数值尽量提取数字，状态文字原样保留
+3. 只返回JSON，不要其他文字。', '你是一个脑状态测量报告解析专家。请从以下文本中提取结构化数据，返回JSON格式。
+
+报告文本内容：
+{report_text}
+
+请按以下JSON Schema返回：
+{{
+    "reportType": "brain_status",
+    "reportTypeFamily": "cognitive",
+    "summary": {{
+        "personName": "姓名",
+        "age": 年龄数字,
+        "gender": "male/female",
+        "reportDate": "报告日期 yyyy-MM-dd",
+        "reportNumber": "报告编号",
+        "overallScore": 综合状态得分数值,
+        "overallLevel": "良好/一般/较差等文字描述"
+    }},
+    "indicators": [
+        {{"name": "指标名称", "value": "数值或等级", "category": "分类", "status": "状态描述"}}
+    ],
+    "sections": [
+        {{
+            "title": "段落标题（如：健康风险评估/疲劳评估/情绪评估/睡眠评估等）",
+            "content": "段落摘要",
+            "items": [
+                {{"name": "子项名称", "value": "数值", "status": "状态/等级"}}
+            ]
+        }}
+    ]
+}}
+
+注意：
+1. 尽量提取所有出现的评估指标，包括：大脑综合状态得分、大脑健康状态得分、大脑能力状态得分、
+   脑供血问题风险、脑供氧问题风险、思维负荷、思维状态风险、大脑疲劳评估、用脑模式、
+   焦虑情绪评估、抑郁情绪评估、抵触情绪评估、安全感评估、情绪管理评估、综合情绪评估、
+   睡眠效果评估等
+2. 数值尽量提取数字，状态文字原样保留
+3. 只返回JSON，不要其他文字。', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('report_parse_cognitive_basic', '皮纹学报告-基本信息提示词模板', '你是一个先天智力潜能（皮纹学）测评报告解析专家。请从以下文本中提取基本信息和目录结构，返回JSON格式。
+
+报告文本内容（前5页）：
+{report_text}
+
+请按以下JSON Schema返回：
+{{
+    "reportType": "cognitive_aptitude",
+    "reportTypeFamily": "cognitive",
+    "summary": {{
+        "personName": "姓名",
+        "gender": "male/female",
+        "region": "地区",
+        "phone": "电话",
+        "testDate": "测评日期",
+        "birthday": "出生日期",
+        "trc": "TRC值（如107+X+M）",
+        "atd": "ATD角度值",
+        "learningType": "学习类型（听觉型/体觉型/视觉型）",
+        "motivationType": "动机类型",
+        "cognitiveType": "认知类型",
+        "brainDominance": "左脑型/右脑型/全脑型"
+    }},
+    "toc": ["章节1标题", "章节2标题", ...]
+}}
+
+只返回JSON，不要其他文字。', '你是一个先天智力潜能（皮纹学）测评报告解析专家。请从以下文本中提取基本信息和目录结构，返回JSON格式。
+
+报告文本内容（前5页）：
+{report_text}
+
+请按以下JSON Schema返回：
+{{
+    "reportType": "cognitive_aptitude",
+    "reportTypeFamily": "cognitive",
+    "summary": {{
+        "personName": "姓名",
+        "gender": "male/female",
+        "region": "地区",
+        "phone": "电话",
+        "testDate": "测评日期",
+        "birthday": "出生日期",
+        "trc": "TRC值（如107+X+M）",
+        "atd": "ATD角度值",
+        "learningType": "学习类型（听觉型/体觉型/视觉型）",
+        "motivationType": "动机类型",
+        "cognitiveType": "认知类型",
+        "brainDominance": "左脑型/右脑型/全脑型"
+    }},
+    "toc": ["章节1标题", "章节2标题", ...]
+}}
+
+只返回JSON，不要其他文字。', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('report_parse_cognitive_indicators', '皮纹学报告-测评指标提示词模板', '你是一个先天智力潜能（皮纹学）测评报告解析专家。请从以下文本中提取测评指标，返回JSON格式。
+
+报告文本内容（数据页）：
+{report_text}
+
+请按以下JSON Schema返回：
+{{
+    "indicators": [
+        {{"name": "指标名称", "value": "数值", "category": "分类", "status": "状态/描述"}}
+    ],
+    "sections": [
+        {{
+            "title": "段落标题（如：智力潜能测评/学习风格测评/左右脑功能/先天性格/八大智能等）",
+            "content": "段落摘要",
+            "items": [{{"name": "子项名称", "value": "数值或描述", "status": "状态"}}]
+        }}
+    ]
+}}
+
+注意：
+1. 指标包括但不限于：TRC(总脊纹数)、ATD(思维敏捷性角)、各脑区指标、
+   八大智能（语言/逻辑数学/空间/身体动觉/音乐/人际/内省/自然观察）、
+   先天学习潜能、先天行为导向、先天学习管道等
+2. 如果某个指标的数值看起来是百分比或数值，直接提取
+3. 只返回JSON，不要其他文字。', '你是一个先天智力潜能（皮纹学）测评报告解析专家。请从以下文本中提取测评指标，返回JSON格式。
+
+报告文本内容（数据页）：
+{report_text}
+
+请按以下JSON Schema返回：
+{{
+    "indicators": [
+        {{"name": "指标名称", "value": "数值", "category": "分类", "status": "状态/描述"}}
+    ],
+    "sections": [
+        {{
+            "title": "段落标题（如：智力潜能测评/学习风格测评/左右脑功能/先天性格/八大智能等）",
+            "content": "段落摘要",
+            "items": [{{"name": "子项名称", "value": "数值或描述", "status": "状态"}}]
+        }}
+    ]
+}}
+
+注意：
+1. 指标包括但不限于：TRC(总脊纹数)、ATD(思维敏捷性角)、各脑区指标、
+   八大智能（语言/逻辑数学/空间/身体动觉/音乐/人际/内省/自然观察）、
+   先天学习潜能、先天行为导向、先天学习管道等
+2. 如果某个指标的数值看起来是百分比或数值，直接提取
+3. 只返回JSON，不要其他文字。', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('report_parse_cognitive_advice', '皮纹学报告-建议/心理测试提示词模板', '你是一个先天智力潜能（皮纹学）测评报告解析专家。请从以下文本中提取测评建议和心理学测试结果，返回JSON格式。
+
+报告文本内容（后续页面）：
+{report_text}
+
+请按以下JSON Schema返回：
+{{
+    "sections2": [
+        {{
+            "title": "段落标题（如：性格色彩/大五人格/MBTI/学科选择/职业能力/感觉统合等）",
+            "content": "段落摘要",
+            "items": [{{"name": "子项名称", "value": "数值或描述", "status": "状态"}}]
+        }}
+    ],
+    "recommendations": [
+        {{"category": "建议类别", "content": "建议内容"}}
+    ]
+}}
+
+只返回JSON，不要其他文字。', '你是一个先天智力潜能（皮纹学）测评报告解析专家。请从以下文本中提取测评建议和心理学测试结果，返回JSON格式。
+
+报告文本内容（后续页面）：
+{report_text}
+
+请按以下JSON Schema返回：
+{{
+    "sections2": [
+        {{
+            "title": "段落标题（如：性格色彩/大五人格/MBTI/学科选择/职业能力/感觉统合等）",
+            "content": "段落摘要",
+            "items": [{{"name": "子项名称", "value": "数值或描述", "status": "状态"}}]
+        }}
+    ],
+    "recommendations": [
+        {{"category": "建议类别", "content": "建议内容"}}
+    ]
+}}
+
+只返回JSON，不要其他文字。', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);
+
+INSERT INTO system_prompts (prompt_key, title, content, default_content, version, status, remark)
+VALUES ('report_parse_image', '扫描图片报告解析提示词模板', '请分析这张报告图片（第{page_idx}页，共{total_pages}页），提取其中的所有结构化数据。
+
+请按以下JSON Schema返回：
+{{
+    "reportType": "推断的报告类型名称",
+    "reportTypeFamily": "报告家族分类（如: gut_flora/health_check/cognitive/brain_status/other）",
+    "summary": {{
+        "personName": "姓名（如果能识别）",
+        "reportDate": "报告日期（如果能识别）",
+        "reportNumber": "报告编号（如果能识别）",
+        "overallScore": "总分（如果可见）",
+        "interpretation": "本页内容摘要"
+    }},
+    "indicators": [
+        {{"name": "指标名称", "value": "数值", "category": "分类", "status": "状态"}}
+    ],
+    "sections": [
+        {{"title": "段落标题", "content": "段落内容摘要", "items": [{{"name": "...", "value": "..."}}]}}
+    ]
+}}
+
+注意：
+1. 请仔细阅读图片中的所有文字，包括表格数据、数值、状态描述
+2. 如果是菌群报告，提取菌属名称、丰度值、参考范围等
+3. 如果是体检报告，提取各项检查指标、数值、参考范围、异常标记
+4. 数值尽量提取精确数字，状态文字原样保留
+5. 只返回JSON，不要其他文字。', '请分析这张报告图片（第{page_idx}页，共{total_pages}页），提取其中的所有结构化数据。
+
+请按以下JSON Schema返回：
+{{
+    "reportType": "推断的报告类型名称",
+    "reportTypeFamily": "报告家族分类（如: gut_flora/health_check/cognitive/brain_status/other）",
+    "summary": {{
+        "personName": "姓名（如果能识别）",
+        "reportDate": "报告日期（如果能识别）",
+        "reportNumber": "报告编号（如果能识别）",
+        "overallScore": "总分（如果可见）",
+        "interpretation": "本页内容摘要"
+    }},
+    "indicators": [
+        {{"name": "指标名称", "value": "数值", "category": "分类", "status": "状态"}}
+    ],
+    "sections": [
+        {{"title": "段落标题", "content": "段落内容摘要", "items": [{{"name": "...", "value": "..."}}]}}
+    ]
+}}
+
+注意：
+1. 请仔细阅读图片中的所有文字，包括表格数据、数值、状态描述
+2. 如果是菌群报告，提取菌属名称、丰度值、参考范围等
+3. 如果是体检报告，提取各项检查指标、数值、参考范围、异常标记
+4. 数值尽量提取精确数字，状态文字原样保留
+5. 只返回JSON，不要其他文字。', 1, 1, 'LangGraph 提示词初始化')
+ON DUPLICATE KEY UPDATE default_content = VALUES(default_content);