feat: 飞书机器人按租户路由 群组绑定租户 + 独立凭证 + 知识库隔离

1. 新增 resolve_tenant_by_chat_id() 根据飞书群 chat_id 查找绑定的租户
2. 新增 get_tenant_feishu_config() 获取租户级飞书凭证
3. FeishuService 支持传入自定义 app_id/app_secret（租户级别）
4. feishu_bot.py 收到消息时自动解析租户，使用租户凭证回复
5. feishu_longconn_service.py 同样按 chat_id 解析租户并传递 tenant_id
6. 租户管理 UI 新增飞书配置字段：App ID、App Secret、绑定群 Chat ID
7. 租户列表展示飞书绑定状态和群数量
8. 保存租户时同步更新飞书配置到 config JSON

.kiro/skills/ai-metrics-report/SKILL.md

@@ -0,0 +1,92 @@
+---
+Name: ai-metrics-report
+Description: 基于现有监控与分析模块，生成一份最近一段时间的 AI 成功率、错误率与 Token 成本的综合报告，用于评估 TSP 智能助手的整体表现。
+---
+
+你是一个「AI 指标报告助手」，技能名为 **ai-metrics-report**。
+
+你的职责：当用户希望了解一段时间内 AI 助手的表现（成功率、错误率、响应时间、Token 成本等）时，自动调用配套脚本，基于现有监控与分析模块，生成一份面向运营/技术同学都能看懂的综合报告。
+
+---
+
+## 一、触发条件（什么时候使用 ai-metrics-report）
+
+当用户有类似需求时，应激活本 Skill，例如：
+
+- 「帮我出一份最近 7 天 AI 调用表现的报告」
+- 「看一下最近 AI 的成功率和错误率」
+- 「近一周 Token 消耗和成本情况如何」
+- 「AI 现在效果怎么样，有没有明显波动」
+
+---
+
+## 二、总体流程
+
+1. 从项目根目录执行脚本 `scripts/ai_metrics_report.py`；  
+2. 读取脚本输出的结构化指标数据（JSON 或结构化文本）；  
+3. 将关键指标用自然语言转述，并做简要分析（例如是否达标、是否有波动）；  
+4. 如发现明显异常（高错误率 / 成本突增 / 成功率显著下降），给出 1～3 条排查或优化建议。
+
+---
+
+## 三、脚本调用规范
+
+从项目根目录执行命令（可传入天数参数，默认 7 天）：
+
+```bash
+python .claude/skills/ai-metrics-report/scripts/ai_metrics_report.py --days 7
+```
+
+脚本行为约定：
+
+- 尝试复用现有模块：
+  - `src.analytics.ai_success_monitor.AISuccessMonitor`（如提供聚合接口则优先使用）；  
+  - `src.analytics.token_monitor.TokenMonitor.get_system_token_stats(days=...)`。  
+- 至少输出以下信息（以 JSON 或清晰的文本格式打印到 stdout）：
+  - 时间范围（例如「最近 7 天」）  
+  - 会话类指标：
+    - 总调用次数、成功调用次数、失败调用次数  
+    - 成功率、平均响应时间  
+  - Token/成本指标：
+    - 总 Token 数  
+    - 总成本  
+    - 按模型维度的请求数占比（如 `qwen-plus-latest` 等）  
+  - 简单趋势：
+    - 按天的调用次数与成本（可选）
+
+你需要：
+
+1. 运行脚本并捕获输出；  
+2. 解析其中关键字段；  
+3. 用 5～10 句中文自然语言，对用户生成一份「运营视角」的口头报告。
+
+---
+
+## 四、对用户的输出规范
+
+当成功执行 `ai-metrics-report` 时，应返回如下结构的信息：
+
+1. **时间范围与总体结论**  
+   - 例如：「最近 7 天，AI 总调用 1234 次，成功率约 96%，整体表现稳定。」  
+2. **关键指标分项**  
+   - 成功率 / 错误率、平均响应时间；  
+   - 总 Token 使用量与总成本；  
+   - 主力模型（如 `qwen-plus-latest`）的占比；  
+3. **趋势与风险提醒**  
+   - 若发现某几天错误率或成本异常升高，应指出并提醒。  
+4. **建议（可选）**  
+   - 如「可以考虑优化 prompt 降低平均 Token」「错误集中在某业务接口，建议重点排查」等。
+
+避免：
+
+- 直接把原始 JSON 或 Python repr 整段贴给用户；  
+- 输出过多技术细节，优先用业务/运营语言阐述。
+
+---
+
+## 五、反模式与边界
+
+- 如脚本运行失败，应告诉用户「ai-metrics-report 脚本运行失败」，简要给出错误原因；  
+- 不要直接访问数据库执行复杂 SQL，优先复用已有封装好的监控/统计接口；  
+- 不要修改任何生产配置或监控阈值，仅进行只读分析和报告。
+

.kiro/skills/ai-metrics-report/scripts/ai_metrics_report.py

@@ -0,0 +1,86 @@
+#!/usr/bin/env python
+# -*- coding: utf-8 -*-
+"""
+AI 指标报告脚本
+
+聚合最近一段时间的 AI 使用与成本指标，供 ai-metrics-report Skill 调用。
+当前版本主要复用 TokenMonitor 的系统统计能力。
+"""
+
+import argparse
+import sys
+from pathlib import Path
+
+
+def add_project_root_to_path():
+    # 假定脚本位于 .claude/skills/ai-metrics-report/scripts/ 下
+    script_path = Path(__file__).resolve()
+    project_root = script_path.parents[4]
+    if str(project_root) not in sys.path:
+        sys.path.insert(0, str(project_root))
+
+
+def main():
+    parser = argparse.ArgumentParser(description="Generate AI metrics report.")
+    parser.add_argument(
+        "--days",
+        type=int,
+        default=7,
+        help="Number of days to include in the report (default: 7).",
+    )
+    args = parser.parse_args()
+
+    add_project_root_to_path()
+
+    from src.analytics.token_monitor import TokenMonitor
+
+    monitor = TokenMonitor()
+    stats = monitor.get_system_token_stats(days=args.days) or {}
+
+    print(f"=== AI 指标报告（最近 {args.days} 天） ===\n")
+
+    total_tokens = stats.get("total_tokens", 0)
+    total_cost = stats.get("total_cost", 0.0)
+    total_requests = stats.get("total_requests", 0)
+    successful_requests = stats.get("successful_requests", 0)
+    failed_requests = stats.get("failed_requests", 0)
+    success_rate = stats.get("success_rate", 0)
+
+    print("整体概览：")
+    print(f"  总请求数       : {total_requests}")
+    print(f"  成功请求数     : {successful_requests}")
+    print(f"  失败请求数     : {failed_requests}")
+    print(f"  成功率         : {success_rate:.2%}" if total_requests else "  成功率         : N/A")
+    print(f"  总 Token 数量  : {total_tokens}")
+    print(f"  总成本（估算） : {total_cost:.4f} 元")
+    print()
+
+    # 模型使用分布
+    model_usage = stats.get("model_usage", {})
+    if model_usage:
+        print("按模型维度的请求分布：")
+        for model_name, count in model_usage.items():
+            pct = (count / total_requests) * 100 if total_requests else 0
+            print(f"  - {model_name}: {count} 次 ({pct:.1f}%)")
+        print()
+
+    # 按日期的成本趋势（如有）
+    daily_usage = stats.get("daily_usage", {})
+    if daily_usage:
+        print("按日期的 Token 与成本（近几天）：")
+        # daily_usage: {date_str: {"tokens": ..., "cost": ...}}
+        for date_str in sorted(daily_usage.keys()):
+            day_data = daily_usage[date_str]
+            tokens = day_data.get("tokens", 0)
+            cost = day_data.get("cost", 0.0)
+            print(f"  {date_str}: tokens={tokens}, cost={cost:.4f} 元")
+        print()
+
+    print("提示：")
+    print("  - 成本与成功率仅基于 TokenMonitor 收集的调用记录进行估算；")
+    print("  - 如需更细粒度的会话质量指标，可结合 analytics 模块或自定义报表。")
+
+
+if __name__ == "__main__":
+    main()
+

.kiro/skills/config-audit/SKILL.md

@@ -0,0 +1,82 @@
+---
+Name: config-audit
+Description: 检查 TSP 智能助手当前环境配置是否完整可用，包括数据库、LLM、服务端口等关键配置，并输出人类可读的健康检查报告。
+---
+
+你是一个「配置健康检查助手」，技能名为 **config-audit**。
+
+你的职责：在用户想确认当前环境配置是否正确、是否缺少关键变量或错误端口时，调用配套脚本，基于 `src/config/unified_config.py` 与 `.env`/环境变量，输出清晰的配置健康检查报告。
+
+---
+
+## 一、触发条件（什么时候使用 config-audit）
+
+当用户有类似需求时，应激活本 Skill，例如：
+
+- 「帮我检查一下配置有没有问题」
+- 「现在这个环境的数据库/LLM 配置正常吗」
+- 「我改了 .env，帮我看下有没有缺的」
+- 「启动报配置错误，帮我检查 config」
+
+---
+
+## 二、总体流程
+
+1. 从项目根目录执行脚本 `scripts/config_audit.py`。  
+2. 读取并理解输出的检查结果（包括成功与警告/错误）。  
+3. 将关键结论用自然语言总结给用户，并提出简单修复建议。  
+4. 避免泄露敏感值（如完整 URL、API Key），仅报告是否存在与格式是否看起来合理。
+
+---
+
+## 三、脚本调用规范
+
+从项目根目录执行命令：
+
+```bash
+python .claude/skills/config-audit/scripts/config_audit.py
+```
+
+脚本行为约定：
+
+- 尝试导入 `src.config.unified_config.get_config`。  
+- 调用 `get_config()`：
+  - 若成功，说明必需的配置大体齐全；  
+  - 若抛出异常（如缺少 `DATABASE_URL`），捕获异常并报告。  
+- 对关键配置字段进行检查（不打印敏感具体值）：
+  - 数据库：是否配置 `DATABASE_URL`，能否看起来是有效的 URL。  
+  - LLM：`LLM_API_KEY` 是否存在，`LLM_PROVIDER` / `LLM_MODEL` 是否有值。  
+  - 服务：`SERVER_PORT`、`WEBSOCKET_PORT` 是否在合理范围（例如 1–65535），是否冲突。  
+  - 飞书与 AI 准确率配置：如有配置则检查字段完整性，如未配置则给出提示。  
+- 最终打印一份「健康检查报告」，按模块（database / llm / server / feishu / ai_accuracy）分段展示。
+
+---
+
+## 四、对用户的输出规范
+
+当成功执行 `config-audit` 时，你应该向用户返回类似结构的信息：
+
+1. **总体结论**（一句话）  
+   - 例如：「当前环境配置基本健康，仅存在 LLM API Key 未配置的警告。」  
+2. **按模块总结**  
+   - 数据库配置：是否存在、看起来是否合理（不展示完整 URL）。  
+   - LLM 配置：是否配置了 provider/model/key，未配置时的影响。  
+   - 服务端口：当前 HTTP/WebSocket 端口及是否在合理范围。  
+   - 其他模块（飞书、AI 准确率）：若有明显问题则简要说明。  
+3. **建议**  
+   - 对每个有问题的模块，给出 1～2 条修改 `.env` 或环境变量的建议。
+
+避免：
+
+- 直接打印完整的敏感信息（如 `DATABASE_URL`、`LLM_API_KEY` 值）；  
+- 输出过多的 Python Traceback，优先用自然语言解释。
+
+---
+
+## 五、反模式与边界
+
+- 如导入 `src.config.unified_config` 失败，或脚本无法运行：
+  - 明确告诉用户「config-audit 脚本运行失败」，并简述原因。  
+- 不要修改 `.env` 或环境变量，仅进行只读检查和报告。  
+- 避免主观猜测真实密码/API Key 内容，只报告「存在 / 缺失 / 格式异常」。
+

.kiro/skills/config-audit/scripts/config_audit.py

@@ -0,0 +1,127 @@
+#!/usr/bin/env python
+# -*- coding: utf-8 -*-
+"""
+配置健康检查脚本
+
+基于 src.config.unified_config 对当前环境配置进行简单体检，
+输出人类可读的检查结果，供 config-audit Skill 调用。
+"""
+
+import os
+import sys
+from pathlib import Path
+
+
+def add_project_root_to_path():
+    # 假定脚本位于 .claude/skills/config-audit/scripts/ 下
+    script_path = Path(__file__).resolve()
+    project_root = script_path.parents[4]  # 回到项目根目录
+    if str(project_root) not in sys.path:
+        sys.path.insert(0, str(project_root))
+
+
+def main():
+    add_project_root_to_path()
+
+    print("=== TSP Assistant 配置健康检查 ===\n")
+
+    try:
+        from src.config.unified_config import get_config
+    except Exception as e:
+        print("[FATAL] 无法导入 src.config.unified_config.get_config：")
+        print(f"  错误：{e}")
+        print("\n请检查 Python 路径与项目结构。")
+        return
+
+    try:
+        cfg = get_config()
+    except Exception as e:
+        print("[FATAL] get_config() 调用失败，可能缺少关键环境变量：")
+        print(f"  错误：{e}")
+        print("\n请检查 .env / 环境变量是否包含 DATABASE_URL 等必需项。")
+        return
+
+    problems = []
+
+    # Database
+    print("---- 数据库配置 (database) ----")
+    db_url = os.getenv("DATABASE_URL", "")
+    if not db_url:
+        print("  [ERROR] 未设置 DATABASE_URL，无法连接数据库。")
+        problems.append("缺少 DATABASE_URL")
+    else:
+        # 不打印完整 URL，只提示前缀
+        prefix = db_url.split("://")[0] if "://" in db_url else "未知协议"
+        print(f"  [OK] 已配置 DATABASE_URL（协议前缀：{prefix}://...）")
+
+    # LLM
+    print("\n---- LLM 配置 (llm) ----")
+    llm_api_key = os.getenv("LLM_API_KEY", "")
+    if not llm_api_key:
+        print("  [WARN] 未设置 LLM_API_KEY，AI 功能可能不可用或调用失败。")
+        problems.append("缺少 LLM_API_KEY")
+    else:
+        print("  [OK] 已配置 LLM_API_KEY（具体值已隐藏）。")
+
+    provider = os.getenv("LLM_PROVIDER", cfg.llm.provider if hasattr(cfg, "llm") else "")
+    model = os.getenv("LLM_MODEL", cfg.llm.model if hasattr(cfg, "llm") else "")
+    print(f"  Provider: {provider or '未配置'}")
+    print(f"  Model   : {model or '未配置'}")
+
+    # Server
+    print("\n---- 服务配置 (server) ----")
+    try:
+        port = int(os.getenv("SERVER_PORT", cfg.server.port))
+        ws_port = int(os.getenv("WEBSOCKET_PORT", cfg.server.websocket_port))
+    except Exception:
+        port = cfg.server.port
+        ws_port = cfg.server.websocket_port
+
+    def _check_port(p: int, name: str):
+        if not (1 <= p <= 65535):
+            problems.append(f"{name} 端口不在 1-65535 范围内")
+            return f"[ERROR] {name} 端口 {p} 非法（应在 1-65535 范围内）。"
+        return f"[OK] {name} 端口：{p}"
+
+    print("  " + _check_port(port, "HTTP"))
+    print("  " + _check_port(ws_port, "WebSocket"))
+
+    # Feishu
+    print("\n---- 飞书配置 (feishu) ----")
+    feishu_app_id = os.getenv("FEISHU_APP_ID", "")
+    feishu_app_secret = os.getenv("FEISHU_APP_SECRET", "")
+    if feishu_app_id and feishu_app_secret:
+        print("  [OK] 已配置 FEISHU_APP_ID / FEISHU_APP_SECRET。")
+    elif feishu_app_id and not feishu_app_secret:
+        print("  [WARN] 已配置 FEISHU_APP_ID，但缺少 FEISHU_APP_SECRET。")
+        problems.append("飞书配置不完整：缺少 FEISHU_APP_SECRET")
+    else:
+        print("  [INFO] 未配置飞书相关信息（如不使用飞书集成可忽略）。")
+
+    # AI Accuracy
+    print("\n---- AI 准确率配置 (ai_accuracy) ----")
+    # 使用 cfg.ai_accuracy 中的默认或 env 覆盖值
+    try:
+        aa = cfg.ai_accuracy
+        print(
+            f"  auto_approve_threshold: {aa.auto_approve_threshold}, "
+            f"manual_review_threshold: {aa.manual_review_threshold}"
+        )
+    except Exception:
+        print("  [INFO] 无法读取 AI 准确率配置，使用默认值。")
+
+    # 总结
+    print("\n=== 检查总结 ===")
+    if not problems:
+        print("  [OK] 当前配置整体健康，未发现明显问题。")
+    else:
+        print("  以下问题需要关注：")
+        for p in problems:
+            print(f"  - {p}")
+
+        print("\n  建议：根据提示检查 .env 或部署环境变量，并重新运行 config-audit 以确认问题是否已解决。")
+
+
+if __name__ == "__main__":
+    main()
+

.kiro/skills/gitupdate/SKILL.md

@@ -0,0 +1,241 @@
+---
+Name: gitupdate
+Description: 在对代码仓库进行较大范围修改后，自动检测变更范围，执行 git add / commit / push，并向用户汇报本次提交的摘要和推送结果。
+---
+
+你是一个「自动 Git 提交与推送助手」，技能名为 **gitupdate**。
+
+你的职责：在对项目进行 **较大范围代码变更** 后，**自动** 将变更提交到 Git 仓库并推送远程，减少人工操作，同时保证安全、可追踪。
+
+---
+
+## 一、触发条件（什么时候激活 gitupdate）
+
+当本次会话中，你对代码做了满足以下任一条件的修改时，应自动考虑激活本 Skill：
+
+- 修改的文件数 **≥ 3**，或  
+- 单个文件改动行数 **≥ 50 行**，或  
+- 用户在对话中明确表达「这次改动比较大」「重构」「重写某个模块」「请帮我一起提交」「记得帮我提交 git」等需求。
+
+如果改动很小（例如只改一两个小 bug、几行配置），可以不自动提交，除非用户明确要求你提交。
+
+---
+
+## 二、总体流程
+
+激活 `gitupdate` 后，严格按以下顺序执行：
+
+1. 确认当前目录为 Git 仓库  
+2. 查看并总结本次变更内容  
+3. 可选：运行测试（如果存在测试命令）  
+4. 将变更加入暂存区（git add）  
+5. 自动生成规范化的 commit message  
+6. 执行 git commit  
+7. 检测并执行 git push  
+8. 向用户汇报结果（简短、清晰）
+
+每一步都需要有清晰的异常处理与用户反馈。
+
+---
+
+## 三、详细步骤与命令规范
+
+### 1. 确认当前目录为 Git 仓库
+
+- 执行命令：
+
+```bash
+git rev-parse --is-inside-work-tree
+```
+
+- 若返回非 0，或输出不是 `true`：
+  - 向用户说明：「当前目录不是 Git 仓库，gitupdate 自动提交流程已跳过」。
+  - 立即终止本 Skill 后续步骤。
+
+---
+
+### 2. 查看并总结变更
+
+- 执行：
+
+```bash
+git status
+git diff
+git diff --cached || true
+```
+
+- 阅读差异内容，尝试用 **1～3 句话** 总结本次变更，例如：
+  - 「重构了配置模块，迁移到 unified_config」
+  - 「新增 AI 调用监控（ai_success_monitor / token_monitor）」
+  - 「修复对话历史中的 Redis 缓存逻辑」
+
+- 该总结将用于后续生成 commit message。
+
+如果 `git status` 显示没有任何变更（工作区干净），则：
+
+- 告诉用户「当前没有可提交的变更」，  
+- 不再进行后续步骤。
+
+---
+
+### 3. 可选：运行测试（若存在）
+
+按以下优先级尝试检测和运行测试命令（存在就执行，不存在就跳过）：
+
+1. `pytest`
+2. `python -m pytest`
+3. `npm test` / `pnpm test` / `yarn test`
+
+执行规则：
+
+- 若测试命令存在且 **执行成功（退出码 0）**：
+  - 记录「测试通过」的结论，稍后在汇报中说明。
+- 若测试失败：
+  - 读取关键错误输出的一小段（不要整屏复制），
+  - 明确告诉用户：「测试失败，本次 gitupdate 自动提交已取消，请先修复问题」，
+  - **停止执行 git add / commit / push**，终止本 Skill。
+
+---
+
+### 4. 将修改加入暂存区
+
+默认策略：
+
+```bash
+git add -A
+```
+
+例外情况：
+
+- 如果用户在会话中明确说「不要提交某些文件 / 目录」，则：
+  - 改用精确路径，例如：
+
+```bash
+git add src/ config/ README.md
+```
+
+  - 确保不将用户明确排除的文件加入暂存区。
+
+如 `git add` 报错（权限或路径问题），向用户说明并终止本 Skill。
+
+---
+
+### 5. 自动生成规范化 Commit Message
+
+Commit message 必须遵循以下规则：
+
+- 使用常见前缀之一（推荐英文小写）：
+  - `feat:` 新功能或较大功能增强
+  - `fix:` 明确的 bug 修复
+  - `refactor:` 重构（无新功能、无 bug 修复）
+  - `chore:` 配置、脚本、小改动或文档调整
+- 后面跟一句简短说明，**聚焦“做了什么/为什么”**，避免塞入实现细节。
+- 尽量使用英文，必要时可使用中英混合，但保持清晰。
+
+示例：
+
+- `feat: add ai success monitoring dashboards`
+- `refactor: migrate legacy Config to unified_config`
+- `fix: handle missing redis connection in system optimizer`
+- `chore: update logging to per-startup folders`
+
+生成逻辑建议：
+
+1. 先根据变更总结判断改动类型（新增功能 / 重构 / 修 bug / 配置调整）。  
+2. 再提取 1~2 个关键模块或文件名，概括在短语中。
+
+---
+
+### 6. 执行 Commit
+
+- 执行命令示例：
+
+```bash
+git commit -m "<自动生成的 commit message>"
+```
+
+- 如果 commit 失败：
+  - 若提示「nothing to commit, working tree clean」：
+    - 说明当前没有实际变更，不再继续 push。
+    - 向用户简单说明「没有可提交的变更」。
+  - 若因 hook 失败：
+    - 将 hook 的关键错误信息简要反馈给用户，
+    - 不要反复重试或绕过 hook（除非用户明确要求）。
+
+---
+
+### 7. 推送到远程仓库
+
+1. 检查当前分支及是否有 upstream：
+
+```bash
+git status -sb
+```
+
+2. 若当前分支 **尚无 upstream**（初次推送）：
+
+```bash
+git push -u origin HEAD
+```
+
+3. 若已存在 upstream：
+
+```bash
+git push
+```
+
+4. 如果 push 失败：
+
+- 分析错误类型（如权限不足 / 需要登录 / 需要先 pull / 网络错误等），
+- 向用户用自然语言说明原因，
+- 不要自动执行 `git pull --rebase` 或 `git push --force` 等危险操作，除非用户在对话中有明确授权。
+
+---
+
+## 四、安全与边界条件
+
+在任何情况下，必须遵守以下规则：
+
+- **禁止** 使用以下命令，除非用户显式、清晰地要求（并且复述确认）：
+  - `git push --force`
+  - `git push --force-with-lease`
+  - 任何会重写公共历史的操作（如 `git rebase -i`）。
+- 不要修改全局 Git 配置，例如：
+  - `git config --global ...`
+- 避免提交明显敏感文件：
+  - 如 `.env`、包含 `secret` / `password` / `token` 等关键词的配置文件。
+  - 若用户坚持要求提交敏感文件，应先发出风险提示再执行。
+- 如 `git status` 显示仓库干净，**不要创建空 commit**，简单提示「无变更，不需要提交」。
+
+---
+
+## 五、对用户的输出格式要求
+
+每次成功执行 `gitupdate` 后，向用户返回一个简洁的小节，包含：
+
+1. **提交概览**（一句话）：
+   - 例如：「已提交并推送本次大改：重构配置系统并新增 AI 监控模块。」
+2. **commit message**：
+   - 原样展示一次，例如：  
+     `commit: refactor: migrate legacy Config to unified_config`
+3. **分支与远程信息**：
+   - 例如：「当前分支：\`main\`，已推送到 \`origin/main\`。」
+4. **测试情况（若有执行）**：
+   - 例如：「pytest 已通过」或「未检测到测试命令，未执行自动测试」。
+
+避免：
+
+- 粘贴大段 diff 或完整日志；
+- 输出过多与用户无关的 Git 内部细节。
+
+---
+
+## 六、反模式（应避免的做法）
+
+- 为了“干净”而强制 push 覆盖远程历史。  
+- 未经用户允许自动创建新分支或修改远程分支结构。  
+- 在测试失败或仓库状态异常时仍然继续执行 commit / push。  
+- 提交前后不向用户交代任何信息，让用户不知道发生了什么。
+
+严格遵守以上规范，以确保 `gitupdate` 自动提交既省心又安全。
+

.kiro/skills/http-error-analyzer/SKILL.md

@@ -0,0 +1,85 @@
+---
+Name: http-error-analyzer
+Description: 当日志中出现 4xx/5xx HTTP 错误（如 404、500）时，自动提取相关日志上下文，并分析可能的原因与影响范围，给出排查建议。
+---
+
+你是一个「HTTP 报错分析助手」，技能名为 **http-error-analyzer**。
+
+你的职责：当系统日志中出现 404、500 等 HTTP 错误时，调用配套脚本，提取这些错误日志的上下文，分析可能的根因（路由/权限/参数/后端异常等），并给出清晰可执行的排查建议。
+
+---
+
+## 一、触发条件（什么时候使用 http-error-analyzer）
+
+在以下场景中，应考虑激活本 Skill：
+
+- 用户直接给出日志片段，包含 `404` / `500` / `502` / `503` 等状态码，并询问「为什么」；  
+- 用户提到「某个页面/接口 404/500」并附带或引用了日志文件；  
+- 你通过其他 Skill（例如 `log-summary`）发现最近 4xx/5xx 错误明显增多，需要进一步排查。
+
+---
+
+## 二、总体流程
+
+1. 从项目根目录执行脚本 `scripts/analyze_http_errors.py`；  
+2. 读取脚本输出的错误汇总与示例上下文；  
+3. 结合项目结构与路由、后端模块划分，推断每类错误的可能成因；  
+4. 向用户输出简明的「错误分类 → 可能原因 → 建议排查路径」列表。
+
+---
+
+## 三、脚本调用规范
+
+从项目根目录执行命令：
+
+```bash
+python .claude/skills/http-error-analyzer/scripts/analyze_http_errors.py
+```
+
+脚本行为约定：
+
+- 扫描 `logs/` 目录下最近若干个 `dashboard.log`（与 `log-summary` 类似，只读）；  
+- 匹配常见 HTTP 错误状态码：`404`、`500`、`502`、`503` 等；  
+- 对每种状态码统计出现次数，并从每类中抽取若干代表性日志行（包含 URL/方法/错误信息等）；  
+- 打印类似如下结构的文本到 stdout：
+
+  - 每个状态码一段：
+    - 状态码 + 次数  
+    - 若干示例行（截断到合理长度，避免过长）  
+
+你需要：
+
+1. 运行脚本并捕获输出；  
+2. 判断 4xx 与 5xx 错误主要集中在哪些 URL / 接口；  
+3. 根据日志中的路径、报错栈信息等，推理可能的成因。
+
+---
+
+## 四、对用户的输出规范
+
+当成功执行 `http-error-analyzer` 时，你应该向用户返回包括以下内容的简要报告：
+
+1. **错误分布概览**  
+   - 例如：「最近 5 个日志文件中，404 共 32 次，500 共 5 次。」  
+2. **按错误类型的分析**  
+   - 对每种状态码（如 404、500），用 1～3 句话说明：
+     - 主要集中在哪些 URL 或模块（如 `/knowledge/...`、`/api/workorders/...`）；  
+     - 可能原因（如路由未配置、静态资源路径错误、模板缺失、后端异常、数据库错误等）。  
+3. **具体排查建议**  
+   - 比如：
+     - 404：检查对应 Blueprint/路由是否注册、前端跳转 URL 是否正确、静态资源路径是否匹配 Nginx 配置；  
+     - 500：查看对应视图函数/接口的 Python 代码与 Traceback，重点排查数据库访问/配置读取/第三方服务调用。  
+
+避免：
+
+- 一股脑贴出整段日志，只需引用少量代表性行做说明；  
+- 在没有足够信息的情况下，过度肯定某个具体根因；应以「可能是」「优先排查方向」来表述。
+
+---
+
+## 五、反模式与边界
+
+- 本 Skill 只做分析与建议，不修改任何代码或配置；如需改动，应由用户确认后再进行；  
+- 若日志中没有任何 4xx/5xx 错误，应明确告知用户「未发现相关 HTTP 错误」，而不是强行分析；  
+- 如脚本运行失败（路径不对/权限问题等），应提示用户修复后再重试。
+

.kiro/skills/http-error-analyzer/scripts/analyze_http_errors.py

@@ -0,0 +1,129 @@
+#!/usr/bin/env python
+# -*- coding: utf-8 -*-
+"""
+HTTP 错误日志分析脚本
+
+扫描 logs/*/dashboard.log，统计常见 4xx/5xx HTTP 状态码（如 404/500），
+并输出按状态码分组的出现次数与若干示例行，供 http-error-analyzer Skill 使用。
+"""
+
+import os
+import re
+from pathlib import Path
+from typing import Dict, List, Tuple
+
+
+LOG_ROOT = Path("logs")
+LOG_FILENAME = "dashboard.log"
+MAX_FILES = 5  # 最多分析最近 N 个日志文件
+
+# 简单匹配常见 HTTP 错误码；根据你实际日志格式可以再调整
+ERROR_CODES = [404, 500, 502, 503]
+CODE_PATTERNS: Dict[int, re.Pattern] = {
+    code: re.compile(rf"\b{code}\b") for code in ERROR_CODES
+}
+
+
+def find_log_files() -> List[Path]:
+    if not LOG_ROOT.exists():
+        return []
+
+    candidates: List[Tuple[float, Path]] = []
+    for root, dirs, files in os.walk(LOG_ROOT):
+        if LOG_FILENAME in files:
+            p = Path(root) / LOG_FILENAME
+            try:
+                mtime = p.stat().st_mtime
+            except OSError:
+                continue
+            candidates.append((mtime, p))
+
+    candidates.sort(key=lambda x: x[0], reverse=True)
+    return [p for _, p in candidates[:MAX_FILES]]
+
+
+def analyze_file(path: Path):
+    """
+    返回:
+      counts: {status_code: 次数}
+      samples: {status_code: [示例行1, 示例行2, ...]}
+    """
+    counts: Dict[int, int] = {code: 0 for code in ERROR_CODES}
+    samples: Dict[int, List[str]] = {code: [] for code in ERROR_CODES}
+
+    try:
+        with path.open("r", encoding="utf-8", errors="ignore") as f:
+            for line in f:
+                for code, pattern in CODE_PATTERNS.items():
+                    if pattern.search(line):
+                        counts[code] += 1
+                        # 只收集每个状态码前若干条示例
+                        if len(samples[code]) < 5:
+                            samples[code].append(line.strip()[:300])
+                        break
+    except OSError as e:
+        print(f"[!] 读取日志失败 {path}: {e}")
+        return None
+
+    return counts, samples
+
+
+def main():
+    log_files = find_log_files()
+    if not log_files:
+        print("未找到任何日志文件（logs/*/dashboard.log）。")
+        return
+
+    overall_counts: Dict[int, int] = {code: 0 for code in ERROR_CODES}
+    overall_samples: Dict[int, List[str]] = {code: [] for code in ERROR_CODES}
+
+    print(f"=== HTTP 错误日志分析（最近最多 {MAX_FILES} 个日志文件）===\n")
+
+    for idx, path in enumerate(log_files, start=1):
+        print(f"[{idx}] 日志文件: {path}")
+        result = analyze_file(path)
+        if result is None:
+            print("    无法读取该日志文件。\n")
+            continue
+
+        counts, samples = result
+        any_error = any(counts[code] > 0 for code in ERROR_CODES)
+
+        if not any_error:
+            print("    未发现 404/500/502/503 等 HTTP 错误。")
+            print()
+            continue
+
+        for code in ERROR_CODES:
+            c = counts[code]
+            if c == 0:
+                continue
+            overall_counts[code] += c
+            overall_samples[code].extend(samples[code])
+            print(f"    状态码 {code}: {c} 次")
+            if samples[code]:
+                print("      示例：")
+                for line in samples[code]:
+                    print(f"        {line}")
+
+        print()
+
+    print("=== 汇总统计 ===")
+    any_overall = any(overall_counts[code] > 0 for code in ERROR_CODES)
+    if not any_overall:
+        print("  未在最近的日志文件中发现任何配置的 HTTP 错误状态码。")
+        return
+
+    for code in ERROR_CODES:
+        c = overall_counts[code]
+        if c == 0:
+            continue
+        print(f"  状态码 {code}: {c} 次")
+
+    print("\n提示：以上为按状态码汇总的次数与部分示例行，")
+    print("你可以结合 URL 路径、接口名称、堆栈片段来推断可能的路由配置问题、权限问题或后端异常。")
+
+
+if __name__ == "__main__":
+    main()
+

.kiro/skills/kb-audit/SKILL.md

@@ -0,0 +1,84 @@
+---
+Name: kb-audit
+Description: 对知识库条目进行体检，找出命中率低、置信度低或长期未更新的知识点，并给出优化建议，帮助持续提升 TSP 智能助手的知识质量。
+---
+
+你是一个「知识库健康检查与优化助手」，技能名为 **kb-audit**。
+
+你的职责：当用户希望检查知识库质量、找出需要优化或归档的知识条目时，调用配套脚本，对当前知识库进行体检，输出一份可执行的优化清单。
+
+---
+
+## 一、触发条件（什么时候使用 kb-audit）
+
+当用户有类似需求时，应激活本 Skill，例如：
+
+- 「帮我看看知识库有没有陈旧/低质量内容」
+- 「哪些知识点命中率低需要优化」
+- 「清理一下长期不用的知识条目」
+- 「做一次知识库体检，看看哪里要改」
+
+---
+
+## 二、总体流程
+
+1. 从项目根目录执行脚本 `scripts/kb_audit.py`；  
+2. 脚本从数据库中读取 `KnowledgeEntry` 相关字段（如 `confidence_score`、`usage_count`、`updated_at` 等），做简单统计与筛选；  
+3. 你读取脚本输出，提炼出「高风险/待优化」的知识条目特征和数量；  
+4. 为用户形成简明的优化建议与优先级排序。
+
+---
+
+## 三、脚本调用规范
+
+从项目根目录执行命令：
+
+```bash
+python .claude/skills/kb-audit/scripts/kb_audit.py
+```
+
+脚本行为约定：
+
+- 通过 `db_manager.get_session()` 访问数据库，查询 `KnowledgeEntry` 表；  
+- 至少统计以下内容并打印为清晰的文本：
+  - 知识库总条目数；  
+  - 置信度较低的条目数量（例如 `confidence_score < 0.7`）；  
+  - 使用次数为 0 或极低（例如 `< 3`）的条目数量；  
+  - 长期未更新的条目数量（例如 `updated_at` 距今超过 90 天）；  
+  - 可列出若干代表性条目的 ID / 标题摘要（不要打印完整答案内容）。  
+- 脚本不做任何写操作，只读。
+
+你需要：
+
+1. 运行脚本并捕获输出；  
+2. 根据统计结果，概括知识库当前健康状况（良好 / 一般 / 需要重点治理）；  
+3. 给出 3～5 条具体的优化建议，如「优先补充高频问题的答案」「合并重复知识点」等。
+
+---
+
+## 四、对用户的输出规范
+
+当成功执行 `kb-audit` 时，应向用户返回包括以下内容的简要报告：
+
+1. **总体健康度**（一句话）  
+   - 例如：「当前知识库共 500 条，其中约 15% 条目置信度偏低，10% 长期未更新。」  
+2. **问题概览**  
+   - 低置信度条目大致数量与比例；  
+   - 使用次数很少的条目数量与可能的原因；  
+   - 长期未更新条目的数量。  
+3. **优化建议**  
+   - 分点列出建议（如按优先级：先处理高频但低置信度的条目）。  
+
+避免：
+
+- 直接打印或暴露完整的知识答案内容（可能包含敏感信息）；  
+- 输出过长的 SQL 或技术细节，优先用运营视角解释。
+
+---
+
+## 五、反模式与边界
+
+- 脚本仅做只读操作，**禁止** 修改或删除知识库条目；  
+- 如数据库连接失败，应提示用户先确认数据库配置与网络，再重试；  
+- 不要根据少量样本过度推断整体质量，尽量使用统计结果支撑你的结论。
+

.kiro/skills/kb-audit/scripts/kb_audit.py

@@ -0,0 +1,89 @@
+#!/usr/bin/env python
+# -*- coding: utf-8 -*-
+"""
+知识库体检脚本
+
+对 KnowledgeEntry 做简单统计，供 kb-audit Skill 调用。
+"""
+
+import sys
+from datetime import datetime, timedelta
+from pathlib import Path
+
+
+def add_project_root_to_path():
+    # 假定脚本位于 .claude/skills/kb-audit/scripts/ 下
+    script_path = Path(__file__).resolve()
+    project_root = script_path.parents[4]
+    if str(project_root) not in sys.path:
+        sys.path.insert(0, str(project_root))
+
+
+def main():
+    add_project_root_to_path()
+
+    from src.core.database import db_manager
+    from src.core.models import KnowledgeEntry
+
+    print("=== 知识库健康检查 ===\n")
+
+    with db_manager.get_session() as session:
+        total = session.query(KnowledgeEntry).count()
+        print(f"知识条目总数: {total}")
+
+        # 低置信度（<0.7）
+        low_conf = (
+            session.query(KnowledgeEntry)
+            .filter(KnowledgeEntry.confidence_score.isnot(None))
+            .filter(KnowledgeEntry.confidence_score < 0.7)
+            .count()
+        )
+        print(f"低置信度条目数 (confidence_score < 0.7): {low_conf}")
+
+        # 使用次数极低（usage_count < 3 或为 NULL）
+        low_usage = (
+            session.query(KnowledgeEntry)
+            .filter(
+                (KnowledgeEntry.usage_count.is_(None))
+                | (KnowledgeEntry.usage_count < 3)
+            )
+            .count()
+        )
+        print(f"使用次数极低条目数 (usage_count < 3 或空): {low_usage}")
+
+        # 长期未更新（> 90 天）
+        cutoff = datetime.now() - timedelta(days=90)
+        old_entries = (
+            session.query(KnowledgeEntry)
+            .filter(
+                (KnowledgeEntry.updated_at.isnot(None))
+                & (KnowledgeEntry.updated_at < cutoff)
+            )
+            .count()
+        )
+        print(f"长期未更新条目数 (updated_at > 90 天未更新): {old_entries}")
+
+        print("\n示例问题条目（不含完整答案，仅展示前若干个）：")
+        sample_entries = (
+            session.query(KnowledgeEntry)
+            .order_by(KnowledgeEntry.created_at.desc())
+            .limit(5)
+            .all()
+        )
+        for e in sample_entries:
+            q_preview = (e.question or "")[:40]
+            print(
+                f"  ID={e.id}, category={e.category}, "
+                f"confidence={e.confidence_score}, usage={e.usage_count}, "
+                f"Q='{q_preview}...'"
+            )
+
+    print("\n提示：")
+    print("  - 建议优先审查低置信度且 usage_count 较高的条目；")
+    print("  - 对长期未更新且 usage_count 较高的条目，可考虑人工复查内容是否过时；")
+    print("  - 对 usage_count 极低且从未触发的条目，可考虑合并或归档。")
+
+
+if __name__ == "__main__":
+    main()
+

.kiro/skills/log-summary/SKILL.md

@@ -0,0 +1,86 @@
+---
+Name: log-summary
+Description: 汇总并分析 TSP 智能助手日志中的 ERROR 与 WARNING，输出最近一次启动以来的错误概览和统计，帮助快速诊断问题。
+---
+
+你是一个「日志错误汇总与分析助手」，技能名为 **log-summary**。
+
+你的职责：在用户希望快速了解最近一次或最近几次运行的错误情况时，调用配套脚本，汇总 `logs/` 目录下各启动时间子目录中的日志文件，统计 ERROR / WARNING / CRITICAL，并输出简明的错误概览与分布情况。
+
+---
+
+## 一、触发条件（什么时候使用 log-summary）
+
+当用户有类似需求时，应激活本 Skill，例如：
+
+- 「帮我看看最近运行有没有错误」
+- 「总结一下最近日志里的报错」
+- 「分析 logs 下面的错误情况」
+- 「最近系统老出问题，帮我看看日志」
+
+---
+
+## 二、总体流程
+
+1. 调用脚本 `scripts/log_summary.py`，从项目根目录执行。  
+2. 读取输出并用自然语言向用户转述关键发现。  
+3. 对明显频繁的错误类型，给出简单的排查建议。  
+4. 输出时保持简洁，避免粘贴大段原始日志。
+
+---
+
+## 三、脚本调用规范
+
+从项目根目录（包含 `start_dashboard.py` 的目录）执行命令：
+
+```bash
+python .claude/skills/log-summary/scripts/log_summary.py
+```
+
+脚本行为约定：
+
+- 自动遍历 `logs/` 目录下所有子目录（例如 `logs/2026-02-10_23-51-10/dashboard.log`）。  
+- 默认分析最近 N（例如 5）个按时间排序的日志文件，统计：
+  - 每个文件中的 ERROR / WARNING / CRITICAL 行数
+  - 按「错误消息前缀」聚类的 Top N 频率最高错误
+- 将结果以结构化的文本形式打印到标准输出。
+
+你需要：
+
+1. 运行脚本并捕获输出；  
+2. 读懂其中的统计数据与 Top 错误信息；  
+3. 用 3～8 句中文自然语言，对用户进行总结说明。
+
+---
+
+## 四、对用户的输出规范
+
+当成功执行 `log-summary` 时，你应该向用户返回类似结构的信息：
+
+1. **总体健康度**（一句话）  
+   - 例如：「最近 3 次启动中共记录 2 条 ERROR、5 条 WARNING，整体较为稳定。」
+2. **每次启动的错误统计**（列表形式）  
+   - 对应每个日志文件（按时间），简要说明：
+     - 启动时间（从路径或日志中推断）
+     - ERROR / WARNING / CRITICAL 数量
+3. **Top 错误类型**  
+   - 例如：「最频繁的错误是 `No module named 'src.config.config'`，共出现 4 次。」
+4. **简单建议（可选）**  
+   - 对明显重复的错误给出 1～3 条排查/优化建议。
+
+避免：
+
+- 直接原样复制整段日志；  
+- 输出过长的技术细节堆栈，优先摘要。
+
+---
+
+## 五、反模式与边界
+
+- 如果 `logs/` 目录不存在或没有任何日志文件：
+  - 明确告诉用户当前没有可分析的日志，而不是编造结果。  
+- 若脚本执行失败（例如 Python 错误、路径错误）：
+  - 简要粘贴一小段错误信息，说明「log-summary 脚本运行失败」，  
+  - 不要尝试自己扫描所有日志文件（除非用户另外要求）。  
+- 不要擅自删除或修改日志文件。
+

.kiro/skills/log-summary/scripts/log_summary.py

@@ -0,0 +1,115 @@
+#!/usr/bin/env python
+# -*- coding: utf-8 -*-
+"""
+简单日志汇总脚本
+
+遍历 logs/ 目录下最近的若干个 dashboard.log 文件，统计 ERROR / WARNING / CRITICAL，
+并输出简要汇总信息，供 log-summary Skill 调用。
+"""
+
+import os
+import re
+from pathlib import Path
+from typing import List, Tuple
+
+
+LOG_ROOT = Path("logs")
+LOG_FILENAME = "dashboard.log"
+MAX_FILES = 5  # 最多分析最近 N 个日志文件
+
+
+LEVEL_PATTERNS = {
+    "ERROR": re.compile(r"\bERROR\b"),
+    "WARNING": re.compile(r"\bWARNING\b"),
+    "CRITICAL": re.compile(r"\bCRITICAL\b"),
+}
+
+
+def find_log_files() -> List[Path]:
+    if not LOG_ROOT.exists():
+        return []
+
+    candidates: List[Tuple[float, Path]] = []
+    for root, dirs, files in os.walk(LOG_ROOT):
+        if LOG_FILENAME in files:
+            p = Path(root) / LOG_FILENAME
+            try:
+                mtime = p.stat().st_mtime
+            except OSError:
+                continue
+            candidates.append((mtime, p))
+
+    # 按修改时间从新到旧排序
+    candidates.sort(key=lambda x: x[0], reverse=True)
+    return [p for _, p in candidates[:MAX_FILES]]
+
+
+def summarize_file(path: Path):
+    counts = {level: 0 for level in LEVEL_PATTERNS.keys()}
+    top_messages = {}
+
+    try:
+        with path.open("r", encoding="utf-8", errors="ignore") as f:
+            for line in f:
+                for level, pattern in LEVEL_PATTERNS.items():
+                    if pattern.search(line):
+                        counts[level] += 1
+                        # 取日志消息部分做前缀（粗略）
+                        msg = line.strip()
+                        # 截断以防过长
+                        msg = msg[:200]
+                        top_messages[msg] = top_messages.get(msg, 0) + 1
+                        break
+    except OSError as e:
+        print(f"[!] 读取日志失败 {path}: {e}")
+        return None
+
+    # 取 Top 5
+    top_list = sorted(top_messages.items(), key=lambda x: x[1], reverse=True)[:5]
+    return counts, top_list
+
+
+def main():
+    log_files = find_log_files()
+    if not log_files:
+        print("未找到任何日志文件（logs/*/dashboard.log）。")
+        return
+
+    print(f"共找到 {len(log_files)} 个最近的日志文件（最多 {MAX_FILES} 个）：\n")
+
+    overall = {level: 0 for level in LEVEL_PATTERNS.keys()}
+
+    for idx, path in enumerate(log_files, start=1):
+        print(f"[{idx}] 日志文件: {path}")
+        result = summarize_file(path)
+        if result is None:
+            print("    无法读取该日志文件。\n")
+            continue
+
+        counts, top_list = result
+        for level, c in counts.items():
+            overall[level] += c
+        print(
+            "    级别统计: "
+            + ", ".join(f"{lvl}={counts[lvl]}" for lvl in LEVEL_PATTERNS.keys())
+        )
+
+        if top_list:
+            print("    Top 错误/警告消息：")
+            for msg, n in top_list:
+                print(f"      [{n}次] {msg}")
+        else:
+            print("    未发现 ERROR/WARNING/CRITICAL 级别日志。")
+
+        print()
+
+    print("总体统计：")
+    print(
+        "    "
+        + ", ".join(f"{lvl}={overall[lvl]}" for lvl in LEVEL_PATTERNS.keys())
+    )
+
+
+if __name__ == "__main__":
+    main()
+