Jeason
b7a27b12bd
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
22 lines
980 B
JSON
22 lines
980 B
JSON
{
|
|
"name": "车型与问题关联分析",
|
|
"description": "分析不同车型的工单问题类型分布，识别车型特有问题。",
|
|
"tags": [
|
|
"车型",
|
|
"问题类型",
|
|
"关联",
|
|
"分布"
|
|
],
|
|
"preset_queries": [
|
|
{
|
|
"purpose": "统计每个车型的工单数量及主要问题类型。",
|
|
"sql": "SELECT 车型, 问题类型, COUNT(*) AS 工单数量 FROM tickets GROUP BY 车型, 问题类型 ORDER BY 车型, 工单数量 DESC"
|
|
},
|
|
{
|
|
"purpose": "计算每个车型的平均关闭时长，识别处理难度高的车型。",
|
|
"sql": "SELECT 车型, ROUND(AVG(关闭时长_天), 2) AS 平均关闭时长 FROM tickets GROUP BY 车型 ORDER BY 平均关闭时长 DESC LIMIT 10"
|
|
}
|
|
],
|
|
"exploration_hints": "分析特定车型的高频问题类型，结合问题描述和跟踪记录，识别车型设计或软件问题。关注平均关闭时长高的车型，分析是否存在共性问题。",
|
|
"placeholders": {}
|
|
} |