D1正式合并: 后端双模支持（主Dify读intent_type，无字段降级旧路径）+ ai_service透传路由字段 + Dify Prompt v1.3（新增路由意图标注规则+场景4）

backend/app/tasks/h5_ai_task.py

@@ -1033,11 +1033,82 @@ async def _step_byod_intercept(db, conversation, employee_id, content, msg_type)
     return False
 
 
-async def _step_routing_intercept(db, conversation, employee_id, content, msg_type) -> bool:
-    """步骤3：非IT业务路由拦截。命中并发送名片返回 True（终止管线）。"""
-    if msg_type != "text" or not routing_keyword_prefilter(content):
+async def _step_routing_from_result(db, conversation, employee_id, content, result) -> bool:
+    """步骤3（D1 合并版）：从主 Dify 结果读取路由意图，命中则发送名片（终止管线）。
+
+    双模支持：
+    - 主结果含 intent_type 字段（新 Prompt）→ 直接使用，零额外 Dify 调用
+    - 主结果无 intent_type 字段（旧 Prompt 过渡期）→ 降级调 detect_routing_intent（旧路径）
+
+    Returns:
+        bool: True 表示已发送路由名片（终止管线），False 继续正常 AI 流程
+    """
+    from app.config import settings
+
+    intent_type = result.get("intent_type")
+
+    # 兼容模式：主 Dify 未输出路由字段（Prompt 未更新）→ 旧路径兜底
+    if intent_type is None:
+        logger.info("[D1] 主结果无 intent_type 字段，降级 detect_routing_intent 旧路径")
+        return await _handle_routing(db, conversation, employee_id, content)
+
+    # 合并模式：主 Dify 直接输出路由意图
+    business_category = result.get("business_category")
+    routing_confidence = float(result.get("routing_confidence") or 0.0)
+
+    logger.info(
+        f"[D1] 路由意图(主Dify): intent_type={intent_type}, "
+        f"business_category={business_category}, routing_confidence={routing_confidence}"
+    )
+
+    # 审批意图不拦截（让审批流程处理）
+    if intent_type == "approval":
         return False
-    return await _handle_routing(db, conversation, employee_id, content)
+
+    threshold = settings.routing_confidence_threshold
+    if intent_type != "non_it_routing" or routing_confidence < threshold:
+        return False
+
+    if not business_category:
+        logger.warning("[D1] 路由意图为 non_it_routing 但 business_category 为空，跳过")
+        return False
+
+    # 查询联系人
+    contact = await get_contact_by_category(db, business_category)
+    if not contact:
+        logger.warning(f"未找到 {business_category} 类别的联系人，跳过路由推荐")
+        return False
+
+    # 构建路由说明文本
+    category_display = business_category.replace("行政-物业", "物业")
+    reason = (
+        f"您的问题属于{category_display}业务范畴，不在IT服务台服务范围内 😊\n\n"
+        f"为您推荐{category_display}服务相关联系人，您可以直接点击名片联系TA："
+    )
+
+    # 发送名片三段式消息
+    await send_contact_card(
+        db=db,
+        conversation=conversation,
+        employee_id=employee_id,
+        contact=contact,
+        reason=reason,
+        business_category=business_category,
+        routing_confidence=routing_confidence,
+    )
+
+    # 记录路由事件
+    await record_routing_event(
+        db=db,
+        conversation_id=str(conversation.id),
+        employee_id=employee_id,
+        message_content=content,
+        business_category=business_category,
+        routing_confidence=routing_confidence,
+        contact=contact,
+    )
+
+    return True
 
 
 async def _step_local_quick_reply(db, conversation, employee_id, content, msg_type, dify_conversation_id) -> bool:
@@ -1208,6 +1279,13 @@ async def _step_call_dify(db, conversation, employee_id, conversation_id, conten
             except Exception as fallback_err:
                 logger.error(f"[Fallback] 降级推送失败: {fallback_err}")
 
+        # D1 合并：审批关键词未命中时，路由关键词兜底（超时场景路由不丢失）
+        if routing_keyword_prefilter(content):
+            logger.info("[D1] 超时降级：审批未命中，尝试路由名片兜底")
+            routed = await _handle_routing(db, conversation, employee_id, content)
+            if routed:
+                return None  # 已发名片，终止管线
+
         # 降级也失败 -> 建议转人工
         await _step_notify_failure(conversation_id, employee_id, "AI 响应时间较长，建议转人工坐席处理。")
         return None
@@ -1263,15 +1341,19 @@ async def process_h5_ai_reply(
     v4.0 批次 3 管线化重构：原 12 步/11 对 try/except 编排为 9 个步骤函数，
     主函数仅最外层 1 个 try/except，行为与 v3.2 外部表现一致。
 
+    v4.0 D1 合并：路由意图识别并入主 Dify 调用（同一请求返回 text+action+intent_type），
+    消除原 detect_routing_intent 前置串行调用（最坏 15+30=45s → 主调用一次）。
+    过渡期双模：主结果无 intent_type 字段时自动降级旧路径。
+
     流程：
       1. _step_load_conversation   加载会话（重试3次）
       2. _step_byod_intercept      BYOD 关键词拦截
-      3. _step_routing_intercept   非IT业务路由拦截（名片推荐）
-      4. _step_local_quick_reply   本地快判断（打招呼/呼叫人工）
-      5. _step_enrich_image        图片消息 VisionService 增强
-      5b. _enrich_with_last_ai_context  简短回复上下文拼接（v2.3）
-      6. _step_graph_shortcut      Neo4j 图谱短路
-      7. _step_call_dify           Dify 主推理（含超时/无action关键词降级）
+      3. _step_local_quick_reply   本地快判断（打招呼/呼叫人工）
+      4. _step_enrich_image        图片消息 VisionService 增强
+      4b. _enrich_with_last_ai_context  简短回复上下文拼接（v2.3）
+      5. _step_graph_shortcut      Neo4j 图谱短路
+      6. _step_call_dify           Dify 主推理（含超时/无action关键词降级）
+      7. _step_routing_from_result D1 路由判断（主结果读 intent_type，命中发名片）
       8. _step_persist             持久化 + 双 WS 推送
       9. _step_assets              资产推荐推送
 
@@ -1293,11 +1375,12 @@ async def process_h5_ai_reply(
             # 前置拦截管线（任一命中即终止）
             if await _step_byod_intercept(db, conversation, employee_id, content, msg_type):
                 return
-            if await _step_routing_intercept(db, conversation, employee_id, content, msg_type):
-                return
             if await _step_local_quick_reply(db, conversation, employee_id, content, msg_type, dify_conversation_id):
                 return
 
+            # D1 合并：路由关键词预标记（不调用 Dify，仅用于主结果返回后判断是否走路由分支）
+            is_routing_candidate = (msg_type == "text" and routing_keyword_prefilter(content))
+
             # 内容增强管线
             enriched_content = await _step_enrich_image(
                 db, content, msg_type, media_url, conversation_id, employee_id,
@@ -1318,6 +1401,11 @@ async def process_h5_ai_reply(
             if result is None:
                 return  # 降级路径已全部处理（超时转人工 或 已推送降级卡片）
 
+            # D1 合并：路由候选消息 → 从主结果读路由意图，命中则发名片（终止管线）
+            if is_routing_candidate:
+                if await _step_routing_from_result(db, conversation, employee_id, content, result):
+                    return
+
             # 后置处理管线
             await _step_persist(db, conversation, employee_id, result)
             await _step_assets(db, employee_id, content, result)