diff --git a/data_analysis_agent.py b/data_analysis_agent.py
index ad54570..c7fcb8e 100644
--- a/data_analysis_agent.py
+++ b/data_analysis_agent.py
@@ -132,23 +132,24 @@ class DataAnalysisAgent:
             print(f"   🔍 分析: {analysis}")
 
             # 验证文件是否存在
+            # 只有文件真正存在时才加入列表，防止报告出现裂图
             if file_path and os.path.exists(file_path):
                 print(f"   ✅ 文件存在: {file_path}")
-            elif file_path:
-                print(f"   ⚠️ 文件不存在: {file_path}")
+                # 记录图片信息
+                collected_figures.append(
+                    {
+                        "figure_number": figure_number,
+                        "filename": filename,
+                        "file_path": file_path,
+                        "description": description,
+                        "analysis": analysis,
+                    }
+                )
             else:
-                print(f"   ⚠️ 未提供文件路径")
-
-            # 记录图片信息
-            collected_figures.append(
-                {
-                    "figure_number": figure_number,
-                    "filename": filename,
-                    "file_path": file_path,
-                    "description": description,
-                    "analysis": analysis,
-                }
-            )
+                if file_path:
+                    print(f"   ⚠️ 文件不存在: {file_path}")
+                else:
+                    print(f"   ⚠️ 未提供文件路径")
 
         return {
             "action": "collect_figures",
@@ -325,7 +326,12 @@ class DataAnalysisAgent:
                 elif process_result["action"] == "collect_figures":
                     # 记录图片收集结果
                     collected_figures = process_result.get("collected_figures", [])
-                    feedback = f"已收集 {len(collected_figures)} 个图片及其分析"
+                    missing_figures = process_result.get("missing_figures", [])
+                    
+                    feedback = f"已收集 {len(collected_figures)} 个有效图片及其分析。"
+                    if missing_figures:
+                        feedback += f"\n⚠️ 以下图片未找到，请检查代码是否成功保存了这些图片: {missing_figures}"
+                        
                     self.conversation_history.append(
                         {
                             "role": "user",
@@ -339,6 +345,7 @@ class DataAnalysisAgent:
                             "round": self.current_round,
                             "action": "collect_figures",
                             "collected_figures": collected_figures,
+                            "missing_figures": missing_figures,
                             "response": response,
                         }
                     )
diff --git a/prompts.py b/prompts.py
index ef1c6c9..2eb1134 100644
--- a/prompts.py
+++ b/prompts.py
@@ -60,12 +60,34 @@ Notebook环境特性：
 - 数据质量检查：确认数值列是否正确，字符串列是否被错误识别
 
 
-**阶段3：数据分析和可视化（使用 generate_code 动作）**
-- 基于实际的列名进行计算
-- 生成有意义的图表(至少要有超长工单问题类型分布 车型-问题热力图 车型分布 处理时长分布 处理时长箱线图 高频关键词 工单来源分布.图 工单状态分布模块分布
- 未关闭工单状态分布 问题类型分布 严重程度分布远程控制问题模块分布月度工单趋势月度关闭率趋势 责任人分布 责任人工作量与效率对比)可以多轮执行，不要一个代码执行
-- 图片保存到会话专用目录中
-- 每生成一个图表后，必须打印绝对路径
+**阶段3：数据分析和可视化（核心阶段，使用 generate_code 动作）**
+- **多轮执行策略（重要）**：
+    - **不要试图一次性生成所有图表**。你应该将任务拆分为多个小的代码块，分批次执行。
+    - 每一轮只专注于生成 1-2 个复杂的图表或 2-3 个简单的图表，确保代码正确且图片保存成功。
+    - 只有在前一轮代码成功执行并保存图片后，再进行下一轮。
+- **必做图表清单（Mandatory Charts）**：
+    1.  **超长工单问题类型分布**（从处理时长分布中筛选）
+    2.  **车型-问题热力图**（发现特定车型的高频故障）
+    3.  **车型分布**（整体工单在不同车型的占比）
+    4.  **处理时长分布**（直方图/KDE）
+    5.  **处理时长箱线图**（按问题类型或责任人分组，识别异常点）
+    6.  **高频关键词词云**（基于Text Cleaning和N-gram结果）
+    7.  **工单来源分布**
+    8.  **工单状态分布**
+    9.  **模块分布**
+    10. **未关闭工单状态分布**
+    11. **问题类型分布**
+    12. **严重程度分布**
+    13. **远程控制(Remote Control)问题模块分布**（专项分析）
+    14. **月度工单趋势**
+    15. **月度关闭率趋势**
+    16. **责任人分布**
+    17. **责任人工作量与效率对比**（散点图或双轴图）
+- **图片保存要求**：
+    - 必须使用 `plt.savefig(path, bbox_inches='tight')`。
+    - 保存后**必须**显示打印绝对路径。
+    - **严禁**使用 `plt.show()`。
+
 
 
 **阶段4：深度挖掘与高级分析（使用 generate_code 动作）**
@@ -218,7 +240,7 @@ final_report: |
 """
 
 # 最终报告生成提示词
-final_report_system_prompt = """你是一个专业的数据分析师，你的任务是基于详细的数据分析过程，生成一份汇报的分析报告**。
+final_report_system_prompt = """你是一位**资深数据分析专家 (Senior Data Analyst)**。你的任务是基于详细的数据分析过程，撰写一份**专业级、可落地的业务分析报告**。
 
 ### 输入上下文
 - **数据全景 (Data Profile)**:
@@ -229,16 +251,20 @@ final_report_system_prompt = """你是一个专业的数据分析师，你的任
 
 - **可视化证据链 (Visual Evidence)**:
 {figures_summary}
-> **警告**：你必须仔细检查上述列表。如果在 `figures_summary` 中列出了 10 张图，你的报告中就必须至少引用这 10 张图。**严禁遗漏任何已生成的图表**。引用格式必须为 `![描述](./图片文件名.png)`。
+> **警告**：你必须仔细检查上述列表。如果在 `figures_summary` 中列出了图表，你的报告中就必须引用它。**严禁遗漏任何已生成的图表**。引用格式必须为 `![描述](./图片文件名.png)`。
 
 ### 报告核心要求
 1.  **角色定位**：
-    - 你不是一个只会“看图说话”的初级分析师。
-    - 你是为管理层提供决策支持的顾问。必须跳出图表本身，结合**数据全景**进行宏观归因。
+    - 你不仅是数据图表的生产者，更是业务问题的诊断者。
+    - 你的报告需要回答“发生了什么”、“为什么发生”以及“怎么解决”。
 2.  **文风规范 (Strict Tone of Voice)**：
-    - **禁止**：第一人称（我、我们）、模糊词（可能、大概、看起来）、情绪化表达。
-    - **强制**：客观陈述（“数据显示”、“分析表明”）、专业术语（渗透率、转化率、同比/环比）、确定性结论。
-3.  **结构化输出**：必须严格遵守下方的 5 章节结构。
+    - **禁止**：使用第一人称（我、我们）、使用模糊推测词（大概、可能）。
+    - **强制**：客观陈述事实，使用专业术语（同比、环比、占比、TOPN），结论要有数据支撑。
+3.  **结构化输出**：必须严格遵守下方的 5 章节结构，确保逻辑严密。
+
+### 报告结构模板使用说明 (Template Instructions)
+- **固定格式 (Format)**：所有的 Markdown 标题 (`#`, `##`)、列表项前缀 (`- **...**`)、表格表头是必须保留的**骨架**。
+- **写作指引 (Prompts)**：方括号 `[...]` 内的文字是给你的**写作提示**，请根据实际分析将其**替换**为具体内容，**不要**在最终报告中保留方括号。
 
 ---
 
@@ -271,7 +297,7 @@ final_report_system_prompt = """你是一个专业的数据分析师，你的任
     - **切片维度**：按[用户群、时间、功能模块、地理位置、设备类型等]交叉分析
     - **归因方法**：[如：根本原因分析(RCA)、相关性分析、趋势分解]
 
-## 3. 核心业务洞察 (Key Business Insights)
+## 3. 重点问题回顾
 > **核心原则**：以故事线组织，将数据转化为叙事。每个主题应包含“现象-证据-归因-影响”完整逻辑链。
 
 ### 3.1 [业务主题一：例如“远程控制稳定性阶段性恶化归因”]