feat: 四层架构全面增强

安全与稳定性:
- 移除硬编码 API Key，改用 .env + 环境变量
- LLM 调用统一重试机制（指数退避，3 次重试，处理 429/5xx/超时）
- 中文字体检测增强（CJK 关键词兜底 + 无字体时英文 fallback）
- 缺失 API Key 给出友好提示而非崩溃

分析能力提升:
- 异常检测新增 z-score 检测（标准差>2 标记异常）
- 新增变异系数 CV 检测（数据波动性）
- 新增零值/缺失检测
- 上下文管理器升级为关键词语义匹配（替代简单取最近 2 条）

用户体验:
- 报告自动保存为 Markdown（reports/ 目录）
- 新增 export 命令导出查询结果为 CSV
- 新增 reports 命令查看已保存报告
- CLI 支持 readline 命令历史（方向键翻阅）
- CSV 导入工具重写：自动列名映射、容错处理、dry-run 模式
- 新增 .env.example 配置模板

layers/context.py

@@ -1,7 +1,10 @@
 """
-Layer 4: 上下文管理器
+Layer 4: 上下文管理器 —— 增强版
+- 关键词语义匹配，替代简单取最近 N 条
+- 会话摘要去重
 """
 import time
+import re
 from dataclasses import dataclass, field
 from typing import Optional
 
@@ -19,6 +22,26 @@ class AnalysisSession:
     report: str
     timestamp: float = field(default_factory=time.time)
 
+    @property
+    def keywords(self) -> set[str]:
+        """提取会话关键词（中文分字 + 英文词切分）"""
+        text = f"{self.question} {self.plan.get('intent', '')} {' '.join(self.plan.get('dimensions', []))}"
+        # 中文字符
+        cn_chars = set(re.findall(r'[\u4e00-\u9fff]+', text))
+        # 英文单词（小写）
+        en_words = set(re.findall(r'[a-zA-Z]{2,}', text.lower()))
+        return cn_chars | en_words
+
+    def similarity(self, question: str) -> float:
+        """与新问题的关键词相似度（Jaccard-like）"""
+        q_cn = set(re.findall(r'[\u4e00-\u9fff]+', question))
+        q_en = set(re.findall(r'[a-zA-Z]{2,}', question.lower()))
+        q_kw = q_cn | q_en
+        if not q_kw:
+            return 0.0
+        overlap = self.keywords & q_kw
+        return len(overlap) / len(q_kw)
+
     def summary(self) -> str:
         parts = [f"**问题**: {self.question}"]
         if self.plan:
@@ -48,9 +71,9 @@ class AnalysisSession:
 
 
 class ContextManager:
-    """上下文管理器"""
+    """上下文管理器 —— 语义匹配增强版"""
 
-    def __init__(self, max_history: int = 10):
+    def __init__(self, max_history: int = 20):
         self.sessions: list[AnalysisSession] = []
         self.max_history = max_history
 
@@ -63,9 +86,25 @@ class ContextManager:
         return session
 
     def get_context_for(self, new_question: str) -> Optional[str]:
+        """
+        智能匹配最相关的 1~3 个历史分析作为上下文。
+        相似度 > 0.3 才引用，最多 3 条，按相似度降序。
+        """
         if not self.sessions:
             return None
-        return "\n\n---\n\n".join(s.to_reference_text() for s in self.sessions[-2:])
+
+        scored = []
+        for s in self.sessions:
+            sim = s.similarity(new_question)
+            if sim > 0.3:  # 相关性阈值
+                scored.append((sim, s))
+
+        if not scored:
+            # 无相关历史，返回最近 1 条作为兜底
+            return self.sessions[-1].to_reference_text()
+
+        scored.sort(key=lambda x: x[0], reverse=True)
+        return "\n\n---\n\n".join(s.to_reference_text() for _, s in scored[:3])
 
     def get_history_summary(self) -> str:
         if not self.sessions: