SQLite 持久连接 — sandbox 不再每次查询开关连接，改为 __init__ 时建连、close() 时释放

Explorer 的 system prompt 明确告知 sandbox 规则 — "每条 SQL 必须包含聚合函数或 LIMIT"，减少 LLM 生成违规 SQL 浪费轮次
LLM 客户端单例 — 所有组件共享一个 openai.OpenAI 实例，不再各建各的
sanitize 顺序修复 — 小样本抑制放在 float round 之前，避免被 round 干扰
quick_detect 从 O(n²) 改为 O(n) — 按列聚合一次，加去重，不再对每行重复算整列统计
历史上下文实际生效 — get_context_for 的结果现在会注入到 Explorer 的初始 prompt 里，多轮分析时 LLM 能看到之前的发现

output/consolidator.py

@@ -0,0 +1,84 @@
+"""
+报告整合器 —— 将多次分析结果合并为一份完整报告
+"""
+import json
+
+from core.config import LLM_CONFIG
+from core.utils import get_llm_client
+from layers.context import AnalysisSession
+
+
+CONSOLIDATE_PROMPT = """你是一个高级数据分析总监。下面是你的团队针对同一份数据做的多次分析，请整合为一份完整的综合报告。
+
+## 核心问题
+{question}
+
+## 各次分析结果
+{sections}
+
+## 可用图表
+{charts_text}
+
+## 整合要求
+1. **执行摘要**：3-5 句话概括全局结论
+2. **核心发现**：从所有分析中提炼最重要的发现，去重，按重要性排列
+3. **交叉洞察**：不同维度之间的关联
+4. **图表引用**：用 `![标题](路径)` 嵌入相关段落
+5. **风险与建议**：按优先级排列
+6. **数据附录**：关键统计数字
+
+中文，专业简报风格。先结论后细节。"""
+
+
+class ReportConsolidator:
+    """报告整合器"""
+
+    def __init__(self):
+        self.client, self.model = get_llm_client(LLM_CONFIG)
+
+    def consolidate(self, sessions: list[AnalysisSession], question: str = "",
+                    charts: list[dict] | None = None) -> str:
+        if not sessions:
+            return "（无分析数据可整合）"
+        if not question:
+            question = sessions[0].question
+
+        sections = self._build_sections(sessions)
+        charts_text = "\n".join(f"{i}. {c['title']}: {c['path']}" for i, c in enumerate(charts or [], 1)) or "无图表。"
+
+        try:
+            response = self.client.chat.completions.create(
+                model=self.model,
+                messages=[
+                    {"role": "system", "content": "你是高级数据分析总监，整合多维度分析结果。"},
+                    {"role": "user", "content": CONSOLIDATE_PROMPT.format(question=question, sections=sections, charts_text=charts_text)},
+                ],
+                temperature=0.3, max_tokens=4096,
+            )
+            return response.choices[0].message.content
+        except Exception as e:
+            print(f"  ⚠️ LLM 整合失败: {e}，使用拼接模式")
+            return self._fallback_concat(sessions, charts)
+
+    def _build_sections(self, sessions: list[AnalysisSession]) -> str:
+        parts = []
+        for i, session in enumerate(sessions, 1):
+            section = f"### 分析 {i}: {session.question}\n"
+            section += f"类型: {session.plan.get('analysis_type', '未知')}\n\n"
+            for step in session.steps:
+                if not step.success or not step.rows or step.action == "done":
+                    continue
+                section += f"- {step.purpose} ({step.row_count} 行)\n"
+                section += f"  数据: {json.dumps(step.rows[:8], ensure_ascii=False)}\n\n"
+            if session.insights:
+                section += "#### 洞察\n" + "\n".join(f"- {i}" for i in session.insights) + "\n"
+            parts.append(section)
+        return "\n---\n".join(parts)
+
+    def _fallback_concat(self, sessions: list[AnalysisSession], charts: list[dict] | None) -> str:
+        parts = ["# 综合分析报告\n"]
+        for i, s in enumerate(sessions, 1):
+            parts.append(f"## 第 {i} 部分: {s.question}\n{s.report}\n")
+        if charts:
+            parts.append("\n## 可视化\n" + "\n".join(f"![{c['title']}]({c['path']})" for c in charts))
+        return "\n".join(parts)