docs(REQ-会话-001): v1.4 状态条删除闭环 + 三件套升 v1.4

- 以 v1.3.5 代码为准，删除整合区状态条（不向员工暴露坐席在线/离线） - PRD/技术方案/原型三件套升 v1.4：整合区 4→3 元素（操作按钮+进度胶囊+引导语） - 任务说明书 v1.3→v1.4：M8 shiftHours 取消、M9 降为三元素、M11 依赖调整 - TR-会话-001-v1.3.2 分歧1 由待拍板升级为已闭环，附录A 补 v1.4 闭环记录 - 整改记录 #9→#10：闭环状态条分歧遗留项（v1.7 登记） - 代码落地：IntegrationZone.vue 移除状态条渲染；新增 integrationZoneStatusBar.test.ts 源码级回归守卫
chore(repo): 补 dist.bak.*/ 忽略规则 + 记忆目录脱管 + 坐席工作台原型 v1.3 入仓
2026-08-04 00:34:41 +08:00 · 2026-08-03 23:55:19 +08:00 · 2026-08-03 23:53:59 +08:00 · 2026-08-03 23:18:28 +08:00 · 2026-08-03 20:29:55 +08:00 · 2026-08-03 20:07:44 +08:00
1872 changed files with 134600 additions and 27628 deletions
@@ -142,6 +142,12 @@ wecom-it-desk-server-deploy.zip
 .workbuddy/*.log.err
 # workbuddy 记忆目录(个人上下文,不 入仓)
 .workbuddy/memory/
+# workbuddy 工作区产物(2026-08-03 补充: 之前 git add . 误入 M)
+.workbuddy/outputs/
+.workbuddy/artifacts/
+.workbuddy/automations/
+.workbuddy/tmp/
+.workbuddy/deploy-temp/

 # =============================================================================
 # 工作树清理 (2026-07-09): 产物 / 临时 / 上传 / 调试 dump 不入仓
@@ -247,3 +253,36 @@ chat_export/
 deliverables/
 02meiti/
 data/
+
+# 补充忽略 (2026-08-03 仓库重组): 历史 dist 备份 + node_modules_old
+# 这些是早期部署流程误将 dist 目录 commit 的残留，每个 50MB+，必须不入仓
+dist.bak/
+dist.bak.*/
+dist.old/
+dist_bak*/
+dist-clean/
+dist_bak_*/
+dist_old/
+node_modules_old/
+
+# 补充忽略 (2026-08-03 仓库重组): 用户运行时上传的二进制文件（src/ 前缀）
+# 原 .gitignore 只有 backend/media/* 规则，重组后需补充 src/backend/* 对应规则
+src/backend/uploads/
+src/backend/media/
+
+# 补充忽略 (2026-08-03 仓库重组): 前端部署脚本生成的 bin chunk
+# agent.p[0-9].bin (坐席端部署脚本产物) + h5-v4-part[0-9].bin (H5端部署脚本产物)
+*-part*.bin
+p[0-9].bin
+*.p[0-9].bin
+
+# 补充忽略 (2026-08-03 仓库重组): 前端部署脚本生成的 part 拆分文件
+# 部署脚本将大 tar/zip 拆分为 part0/part1/part2 上传 (变体多, 通配匹配)
+*.part*
+
+# 补充忽略 (2026-08-03 收尾): archives/ 临时备份 + 02meiti hilo 应用数据
+# archives/ 是早期未跟踪的临时备份目录(85 个文件)
+# 02meiti/.hilo/ 是 hilo 多媒体应用数据,原 .gitignore 254 行 02meiti/ 已覆盖,
+# 但之前有 3 个文件被误加入 index (index.sqlite-shm/wal/storage.json),已 git rm --cached
+archives/
+02meiti/.hilo/
@@ -1,5 +1,152 @@
 # 早班巡检自动化 - 执行记录

+## 2026-07-18 09:30 执行结果
+
+**数据来源**：主文档第四章 v2.8 (2026-07-14) + 独立看板 `docs/10-项目管理/项目状态看板.md` v1.0 (07-17) + 上次巡检记忆 (07-17)
+**说明**：指定路径 `docs/10-项目管理/05-项目状态看板/01-项目状态看板.md` 连续第10次不存在。独立看板v1.0已更新(#76/#82 07-17入完成区)，但主文档第四章未同步
+
+### 关键发现
+1. **P0待办2项**：#81敏感词检测+语气优化（阻塞14天，约07-21到期需启动）、#104结构化日志查看页（无阻塞已4天未启动）；#117 Neo4j已完成但仍列P0区未清理（数据不一致持续2次巡检）
+2. **P1待办3项**：#80坐席图片预览（数据不一致持续2次——已完成区07-16 vs P1清单仍列"待排查"）、#73后端文件覆盖、#86流程图review
+3. **等用户决策2项，均超3天阈值**：企微会议室Secret（自07-11，7天）、ITSM API授权（自07-11，7天）— 需PM立即关注；联软网络不通标记"暂不处理"不视为卡点
+4. **进行中0项**：主文档和独立看板均为空。上次#76已于07-17完成
+5. **数据质量问题持续**：#81编号冲突（P0敏感词 vs 已完成粘贴图片）、#80/#117双重列出、主文档"已完成"区滞后（07-17 #76/#82未入区）
+6. **07-17完成2项**：#76 ITSM工单卡片跳转(桥接页+扫码登录)、#82 H5右侧栏布局调整 — 已入独立看板v1.0
+7. **看板路径第10次缺失**：指定路径连续10次巡检不存在，建议统一看板源
+
+### 全局状态
+- P0待办：2项（#81约07-21到期、#104未启动4天）
+- P1待办：3项（#80可能已完成待确认）
+- 等决策：2项（均超3天阈值，7天）
+- 进行中：0项
+
+---
+
+## 2026-07-17 09:30 执行结果
+
+**数据来源**：主文档第四章 v2.7+ (含07-16更新) + 独立看板 `docs/10-项目管理/项目状态看板.md` v1.0 (07-17) + 记忆文件 (07-16)
+**说明**：指定路径 `docs/10-项目管理/05-项目状态看板/01-项目状态看板.md` 连续第9次不存在。发现独立看板文件在 `docs/10-项目管理/项目状态看板.md` (v1.0, 07-17新建)，与主文档第四章存在数据不一致
+
+### 关键发现
+1. **P0待办2项**：#81敏感词检测+语气优化（延后至约07-21到期）、#104结构化日志查看页（无阻塞可启动）；#117 Neo4j已完成但仍列P0区未清理
+2. **P1待办3项**：#80坐席图片预览（已在完成区07-16但P1仍列出，数据不一致）、#73后端文件覆盖、#86流程图review
+3. **等用户决策3项，2项超3天阈值**：企微会议室Secret（≥6天自07-11）、ITSM API授权（≥6天自07-11）— 需PM立即关注
+4. **进行中1项**：#76零信任VPN卡片免登录修复（P1，今日新建计划今日完成）——仅独立看板有记录，主文档"正在做"为空
+5. **#81编号冲突**：P0"敏感词检测+语气优化"与已完成"粘贴图片边框问题"共用#81
+6. **两份看板数据不一致**：独立看板v1.0(74完成/1进行中) vs 主文档(P0/P1/等决策分区仍含已完成项)
+7. **07-16完成4项未入独立看板已完成区**：#117 Neo4j、#82 坐席500错误、#81粘贴图片边框、#80企微图片预览
+
+### 全局状态
+- P0待办：2项（#81延后中、#104可启动；#117已完成未清理）
+- P1待办：3项（#80可能已完成待确认）
+- 等决策：3项（2项超3天阈值）
+- 进行中：1项（#76，仅独立看板有记录）
+
+---
+
+## 2026-07-16 09:30 执行结果
+
+**数据来源**：主文档 v2.8 (2026-07-14) + `.workbuddy/memory/2026-07-15.md` + `.workbuddy/memory/2026-07-14.md`
+**说明**：指定看板路径 `docs/10-项目管理/05-项目状态看板/01-项目状态看板.md` 仍不存在（连续8次），状态看板在主文档第四章
+
+### 关键发现
+1. **P0待办2项**：#81敏感词检测+语气优化（07-14 PM决定延后1周，原阻塞自07-04共12天，约07-21到期需启动）、#104结构化日志查看页（无阻塞可直接启动）
+2. **P1待办2项**：#73后端文件覆盖、#86流程图零依赖review
+3. **等用户决策3项，2项超3天阈值**：企微会议室Secret（阻塞≥5天自07-11）、ITSM API授权（阻塞≥5天自07-11）— 需PM立即关注
+4. **进行中0项**：看板"正在做"区为空
+5. **07-14/07-15新产出未入看板**：/h5/ 404错误修复（nginx配置）、Token多IP异常检测功能部署（T001-T003测试通过）、审批模板ID不正确两轮修复（RecommendCard+ApprovalCardModal+DB）
+6. **看板路径持续缺失**：连续8次巡检不存在
+
+### 全局状态
+- P0待办：2项
+- P1待办：2项
+- 等决策：3项（2项超3天阈值）
+- 进行中：0项
+
+---
+
+## 2026-07-15 09:30 执行结果
+
+**数据来源**：主文档 v2.8 (2026-07-14) + `.workbuddy/memory/2026-07-14.md`
+**说明**：指定看板路径 `docs/10-项目管理/05-项目状态看板/01-项目状态看板.md` 仍不存在，状态看板在主文档第四章
+
+### 关键发现
+1. **P0待办2项**：#81敏感词检测+语气优化（07-14 PM决定延后1周，原阻塞自07-04共11天）、#104结构化日志查看页（07-14新排入，无阻塞可直接启动）
+2. **P1待办2项**：#73后端文件覆盖、#86流程图零依赖review
+3. **等用户决策3项，2项超3天阈值**：企微会议室Secret（阻塞≥4天自07-11）、ITSM API授权（阻塞≥4天自07-11）— 需PM立即关注
+4. **进行中0项**：看板"正在做"区为空
+5. **07-14新产出未入看板**：/h5/ 404错误修复（nginx配置）、Token多IP异常检测功能部署（T001-T003测试通过）
+6. **看板路径持续缺失**：指定路径连续7次巡检不存在
+
+### 全局状态
+- P0待办：2项
+- P1待办：2项
+- 等决策：3项（2项超3天阈值）
+- 进行中：0项
+
+---
+
+## 2026-07-14 09:30 执行结果（已更新看板 v2.6）
+
+**数据来源**：主文档 v2.5 + 实际代码检测 + PM确认
+
+### 关键发现（经实际检测确认）
+1. **#48 IP白名单**：✅ 已完成。检测nginx.conf确认已配置精确内网网段(10.0.0.0/8等)
+2. **#105 摇人Bug**：✅ 已完成。代码确认不再推送企微通知栏
+3. **#107 卷挂载**：✅ 已完成。docker-compose.yml确认./app:/app/app已配置
+4. **#88 RBAC**：✅ 粗粒度已满足需求，无需细粒度。PM确认
+5. **#81 敏感词**：⏸️ 延后1周
+6. **#104 日志页**：🆕 排入本期
+7. **#75 头像**：🔄 需重新测试
+8. **火绒AccessKey**：⚠️ 07-13测试时被假值覆盖
+
+### 看板更新（v2.6）
+- #48/#107/#88 移至已完成区
+- #105 从P1移除
+- 新增"等用户决策"区块
+
+### 全局状态（更新后）
+- P0待办：2项（#81/#104）
+- P1待办：3项
+- 等决策：4项
+- 进行中：1项
+
+---
+
+## 2026-07-13 09:30 执行结果
+
+**数据来源**：`docs/10-项目管理/任务说明书/IT智能服务台-项目管理主文档.md` (v2.5, 2026-07-13) + `.workbuddy/memory/2026-07-13.md` + `.workbuddy/memory/2026-07-12.md`
+**说明**：指定看板路径 `docs/10-项目管理/05-项目状态看板/01-项目状态看板.md` 仍不存在，状态看板在主文档第四章；v2.5已更新至07-13，07-12/07-13产出已纳入
+
+### 关键发现
+1. **P0阻塞2项持续未推进**：#48 IP白名单收窄（阻塞≈31天，自06-13）、#81 敏感词检测+语气优化（阻塞≈10天，自07-04，但隐私正则修复已完成）— 均>3天，需PM立即关注
+2. **#105数据不一致持续4次巡检**：已完成区(07-10)+P1清单双重列出，07-10/07-11/07-12/07-13四次巡检指出至今未修正 ⚠️数据质量
+3. **#107可能已完成未更新**：07-12/07-13日志显示bind mount方案已实际使用(`./app:/app/app`)，但看板仍标为in_progress
+4. **#75/#88可能已完成**：#75头像同步07-08已交付12/12测试通过；#88 RBAC v0.7.1已完成6处装饰器修复（但细粒度权限可能未完成）
+5. **07-12布局优化v2.0的8个待明确事项已清除**（07-12日志确认），从等决策清单移除
+6. **Portal /itportal/ 500错误**：07-13测试发现，nginx静态文件问题，非后端错误，未入看板
+7. **等决策项从5项减至3项**：企微会议室Secret、ITSM API授权、ITSM代办API抓包仍在阻塞
+
+### 全局状态
+- P0待办：3项（2项长期阻塞，#81部分完成）
+- P1待办：5项（#105应移除，#75/#88可能已完成）
+- 等决策：3项（布局优化事项已清除）
+- 进行中：2项（#107可能已完成）
+
+### PM行动项
+1. 联系网络组确认代理IP段（#48阻塞31天）⚠️紧急
+2. 确认#81敏感词"语气优化"部分是否仍需开发（隐私正则已完成）⚠️紧急
+3. 从P1清单移除#105（连续4次巡检指出）⚠️数据质量
+4. 确认#107卷挂载改造是否已完成（bind mount已实际使用）
+5. 确认#75头像同步是否已完成（07-08已交付12/12测试）
+6. 确认#88 RBAC细粒度权限是否仍需开发（6处装饰器已修复）
+7. 企微管理后台申请会议室Secret
+8. 向ITSM平台方申请app_id/app_secret
+9. 排查Portal /itportal/ 500错误并入看板
+10. #104结构化日志查看页待启动（无阻塞，可排入sprint）
+
+---
+
 ## 2026-07-12 09:30 执行结果

 **数据来源**：`docs/10-项目管理/任务说明书/IT智能服务台-项目管理主文档.md` (v2.4, 2026-07-10) + `.workbuddy/memory/2026-07-11.md` + `.workbuddy/memory/2026-07-12.md`
@@ -1,96 +0,0 @@
-# IT智能服务台 - 项目记忆
-
-## 设计决策（锁定）
- AI交互：小段多回合；术语：**员工端"人工坐席"按钮** = 用户呼叫坐席（统一命名，不再用"人工"/"摇人"变体）；"摇人"=坐席呼叫坐席
- 原型：坐席v5.3 + H5 v1.1；UI：企微浅色扁平，accent=#07C160
- 统一入口 `/itportal/` → user/agent/admin；admin需OTP
- **H5 v4（2026-07-13 00:48 已部署）**：人工按钮三态文案统一为"人工坐席"；位置在"发送键和语音按钮上方"（垂直堆叠于 `.input-bar__controls` 容器内）；点按钮直接调 `store.shakeAgent()`，不弹 CallAgentModal 浮窗动画；截图说明 PC 显示/移动端隐藏（CSS 媒体查询）
- **H5 v5（2026-07-13 02:08 已部署）**：RightPanel v2.1 — 删除"软件安装"和"资源权限"标签页，移除标签栏，智能推荐直接展示；JS hash `index-BP1rEZIf.js`，CSS hash `index-DC1iZpKe.css`
- **Agent v5（2026-07-13 01:38 已部署）**：ai_structured/byod_card 只读渲染 + AI思考指示器 + handleNewMessage 透传 msg_type/extra_data 修复；JS hash `index-2BTn4SZz.js`
- **后端 v5（2026-07-13 01:38 已部署）**：6个Python文件（h5_ai_task.py/h5.py/ai_service.py/closing_service.py等）；diagnosis_stage(6值)+response_time_ms计时+VisionService接入+双WS推送(ai_reply+dynamic_recommend)+ai_thinking同时推员工和坐席
-
-## 技术架构
- 前端：坐席(Vue3+Element Plus) / H5(Vue3+Vant4) / 管理后台(Vue3+Element+Tailwind)
- 后端：FastAPI + SQLAlchemy + PostgreSQL + Redis（代码在 `app/`）
- 字段映射：后端`id`/`sender_type` → 前端`message_id`/`message_type`（`conversation.ts` 的 `mapMessage()`）
- WS双连接池：`active_connections`(agent) + `employee_connections`(H5)
-
-## 部署
- 正式服务器：itsupport.servyou.com.cn (10.90.5.110)，出口IP `218.75.34.87`
- 堡垒机：sxn@10.212.189.210:2222 (OTP)，脚本 `C:\Users\simon\.workbuddy\skills\jumpserver-ops\scripts\jms_ops.py`
- **服务器项目根路径**：`/opt/wecom-it-desk/`（非本地仓库路径）
- 后端卷挂载：`./app:/app/app`，`.py`变更→`docker compose restart backend`；env变更→`up -d backend`
- **前端部署铁律**：所有前端 dist 均为 ro bind mount，**只能在宿主机源路径操作**，不可在容器内修改
-  - H5：`/opt/wecom-it-desk/frontend-h5/dist` → `/usr/share/nginx/html/h5` (ro)
-  - Agent：`/opt/wecom-it-desk/frontend-agent/dist` → `/usr/share/nginx/html/itagent` (ro)
-  - Admin：`/opt/wecom-it-desk/frontend-admin/dist` → `/usr/share/nginx/html/itadmin` (ro)
-  - Portal：`/opt/wecom-it-desk/frontend-portal/dist` → `/usr/share/nginx/html/itportal` (ro)
-  - Terminal：`/opt/wecom-it-desk/frontend-terminal/dist` → `/usr/share/nginx/html/itterminal` (ro)
-  - nginx.conf：`/opt/wecom-it-desk/nginx/nginx.conf` → `/etc/nginx/nginx.conf` (ro)
-  - 部署命令模板：`H5_DIR=/opt/wecom-it-desk/frontend-h5/dist && cp -r $H5_DIR ${H5_DIR}_bak && rm -rf $H5_DIR/* && tar -xzf /tmp/h5-dist-vX.tar.gz -C $H5_DIR/ && docker exec wecom_it_nginx nginx -s reload`
- **服务器 nginx /h5/ 配置**（与本地仓库不同）：静态文件服务 `root /usr/share/nginx/html; try_files $uri /h5/index.html;` + `/h5/api/` 反代后端
- Docker bind mount铁律：rm后重建必须重启容器（或 `nginx -s reload` 热重载）
- **文件上传**：elFinder Web UI（`hz-oa-ai-g-dataquery-90-5-110`目录=服务器`/tmp/`）/ fast_upload_v3.py（~20KB/s）/ jms_ops.py pack-upload
- ⚠️ **elFinder 上传二进制文件不可靠**（2026-07-13 确认）：tar.gz 上传后 MD5 不匹配（差90字节）。**推荐用 base64 分块上传**：`jms_ops.py batch` 模式，45KB/块，~113秒/7.6MB（脚本 `.workbuddy/tmp/chunked_upload_v2.py`）
- pscp/plink -T不可用；elFinder上传后需手动mv；httpx.Timeout须含default
- **JumpServer v2.28 变更**：登录新增图片验证码(CAPTCHA)；connection-token 端点改为 `/api/v1/authentication/connection-token/`
-
-## 外部集成
- 企微通讯录：Secret `BM6iosc3gKnPqkEXmsQN3ErJUpfO-whfMUN646eezB8`，Redis key=`wecom:contact_access_token`
- Dify：`http://yw-dify.dc.servyou-it.com/v1/chat-messages`；审批意图Key `app-7jkRkAzvX4QM9v9SM3P8mMEO`；分诊Key `app-z3S9AEUUAVPbtR2rioxpiIvp`
- ⚠️ **禁止使用** `app-UaTWYdBSwN6VktKQlbh5YN5H`（老线上Dify应用，未收到明确指令前不可调用）；应使用副本 `app-7jkRkAzvX4QM9v9SM3P8mMEO` 或自建 `app-J3s8sHarZQ2SCaNF3xCppliL`（后者不适合dify2openai代理，仅限直接API调用）
- RAGFlow：生产 `http://10.80.0.85:8080/` / API `:9380`
- 映射策略：联软(主) > aTrust(VPN) > eHR(静态)
-
-## 企微JS-SDK技术
- 双鉴权：`wx.config()`(jsapi_ticket) + `wx.agentConfig()`(agent_config_ticket)，签名算法相同但**不能混用**
- `wx.invoke('thirdPartyOpenPage', {oaType:'10001', templateId, thirdNo, extData})` 原生打开审批表单
- 后端端点：`GET /wecom/jsapi-config?url=...&with_agent_config=true`
- 前端composable：`frontend-h5/src/composables/useWecomApproval.ts`（懒加载+全降级+超时保护）
- 既有bug：`EmergencyDispatcher.vue` 第99-119行 复用jsapi签名给agentConfig（靠3秒超时兜底）
-
-## 已上线功能模块
- 群聊(摇人/邀请/四角色) / 审批(12类型18流程/三级意图) / 代办(getapprovalinfo+Semaphore/缓存45s)
- IT资产推送(模板`Bs7ucT...`) / 语音转文字(手机JS-SDK/PC百度ASR) / 截图拍照 / 复杂场景P0~P3
- 会议室预定(终端`/itterminal/`，企微会议室Secret待申请)
-
-## 坐席端布局优化v2.0（2026-07-12 部署）
- 8新增+7修改+3删除；QuickReplyBar L1+L2悬浮；ReplyBox左右分区；右栏260↔560px模式切换
- **键盘快捷键v2.3**：纯数字1~9上下文路由(AI/L1/L2)；ESC分层撤销；Shift+Space用`event.code`匹配(不受IME影响)
- `useKeyboardShortcuts.ts`中央管理器，IME/ScreenCapture守卫；L1 chip移除模板数量徽章只保留kbd编号
-
-## 知识库迭代3功能（2026-07-12 部署）
- 分诊交互(H5+坐席+Dify独立应用) + 拓扑预览(ECharts只读) + 代答排除(4种匹配器)
- 44文件43测试通过；迁移051；路由顺序铁律：固定路径必须在参数路由前注册
-
-## 上下文感知智能诊断→修复闭环（2026-07-12 已部署）
- 三层诊断(API→Script→AI) + 三段排队(VIP→info_locked→not locked) + 答题插队 + 五场景关闭
- 后端：迁移052(6表+6列) / queue_service / quiz_service / closing_service / seed_quiz / 每日3:00定时生成
- H5前端：QueueWaiting / RightPanel双Tab / InputBar三态"人工"按钮 / ResolveConfirmCard
- 坐席前端：pending_close结单流程；信息锁定(Dify步骤完成+有效回答率≥70%)
- **部署时间**：2026-07-12 21:24（H5前端通过jms_ops.py upload elFinder通道上传7.61MB）
- **验证**：Queue API 200 ✅ / Quiz API 200 ✅ / H5页面200+新JS hash ✅ / Agent前端v2.3 ✅ / Nginx healthy ✅
-
-## Dify App改造 + 右边栏v2（2026-07-12 设计确认 → Phase 1-3 已完成）
- **Dify App现状**：85节点→计划精简至~35；保留RAGFlow+Vision节点（后端未接入前不删）
- **单通道统一消息架构**：Dify输出JSON `{text, action, options}` → 后端发两条WS（ai_reply+dynamic_recommend）→ 文字到聊天气泡/卡片到侧边栏
- **审批意图优化**：删除前端`checkApprovalIntent()`；关键词预过滤收窄(~40→~25)；两级分类(4粗→12细)；后端统一入口
- **右边栏v2.1已实施**（v2.1 2026-07-13：删除软件安装/资源权限标签，全面AI化）：
-  - 手风琴两大区域：设备信息(默认折叠) / 自助诊断(默认折叠)
-  - 智能推荐区域：DynamicRecommend 组件直接展示（无标签栏切换，始终可见）
-  - 设备信息：CPU/内存/硬盘默认隐藏（避免焦虑）
-  - 自助诊断标签：网络联通/账号权限/设备硬件
- **Phase 1-3 完成状态**（2026-07-12）：
-  - Phase 1 ✅：Dify Prompt(JSON输出) + 后端blocking+JSON解析+双WS推送 + 错误降级(30s超时/15s still_thinking)
-  - Phase 2 ✅：关键词收窄(~25强意图词) + 两级分类Prompt v4.0 + 删除前端checkApprovalIntent
-  - Phase 3 ✅：WS扩展(ai_thinking+dynamic_recommend) + MessageBubble ai_structured渲染(文字+选项按钮) + RightPanel v2.1(手风琴+智能推荐直接展示) + DynamicRecommend.vue(新建) + sendOptionSelect WS回传
-  - **Phase 4 ✅**：VisionService接入(`_enrich_image_content`+`_fetch_recent_employee_text`5秒融合) + 图片消息跳过关键词拦截 + 降级策略
-  - **Phase 5 ✅**：坐席端`ai_thinking` WS+指示器UI + `MessageBubble` ai_structured/byod_card渲染 + `handleNewMessage`修复(msg_type/extra_data透传)
-  - **Phase 6 ✅**：`diagnosis_stage`字段(6种值) → `closing_service`辅助方法 + `response_time_ms`计时+慢响应告警(>10s)
- **v2.0 新增前端文件**：`DynamicRecommend.vue`（动态推荐卡片，3种类型 approval/action/info）
- **v2.0 关键架构**：`sendWsMessage()` 模块级导出函数（useH5WebSocket.ts），供 store 在 composable 外部发送 WS 消息
- **实施计划文档**：`docs/02-产品需求/AI对话链路全栈改造实施计划-v1.0.md`（6阶段Phase 1-6，10个Task #59-#69跟踪）
-
-## 运维工具
- SOP：`docs/10-项目管理/IT智能服务台-标准作业流程SOP.md`
- 故障排查：`docs/09-部署运维/00-标准故障排查手册.md`
@@ -1,19 +0,0 @@
-{
-	"_version": 5,
-	"preferences": {
-		"loadUserMemory": true
-	},
-	"recentFiles": [],
-	"assetPanel": {
-		"typeFilters": [],
-		"dateFilter": {
-			"kind": "all"
-		},
-		"sortOrder": "desc"
-	},
-	"timelinePanel": {
-		"openTimelineIds": [],
-		"activeTimelineId": null
-	},
-	"lastUsedModelParams": {}
-}
@@ -1,83 +0,0 @@
-"""Append remaining bytes to partially uploaded file."""
-import base64
-import hashlib
-import subprocess
-import sys
-
-PYTHON = r"C:\Users\simon\.workbuddy\binaries\python\versions\3.13.12\python.exe"
-JMS = r"C:\Users\simon\.workbuddy\skills\jumpserver-ops\scripts\jms_ops.py"
-LOCAL_FILE = r"D:\资料\03-项目开发\wecom_it_smart_desk\deploy_agent_v8.tar.gz"
-REMOTE_FILE = "/tmp/deploy_agent_v8.tar.gz"
-CHUNK_SIZE = 12 * 1024  # 12KB
-
-def run_jms(*args, timeout=30):
-    cmd = [PYTHON, JMS] + list(args)
-    result = subprocess.run(cmd, capture_output=True, timeout=timeout)
-    out = result.stdout.decode('utf-8', errors='replace') if result.stdout else ''
-    err = result.stderr.decode('utf-8', errors='replace') if result.stderr else ''
-    return out + err
-
-def main():
-    with open(LOCAL_FILE, "rb") as f:
-        data = f.read()
-    
-    local_md5 = hashlib.md5(data).hexdigest()
-    local_size = len(data)
-    
-    # Check current remote file size
-    result = run_jms("exec", "-c", f"stat -c %s {REMOTE_FILE}", "--cmd-timeout", "15")
-    # Parse the number from output
-    remote_size = 0
-    for line in result.split('\n'):
-        line = line.strip()
-        if line.isdigit():
-            remote_size = int(line)
-            break
-    
-    print(f"Local size: {local_size}")
-    print(f"Remote size: {remote_size}")
-    
-    if remote_size >= local_size:
-        # File already complete, just verify MD5
-        print("File already complete, verifying MD5...")
-        result = run_jms("exec", "-c", f"md5sum {REMOTE_FILE}", "--cmd-timeout", "15")
-        print(f"Remote MD5: {result.strip()}")
-        print(f"Local MD5:  {local_md5}")
-        if local_md5 in result:
-            print("\n✅ MD5 verified!")
-        else:
-            print("\n❌ MD5 mismatch, need to re-upload!")
-        return
-    
-    # Upload remaining bytes
-    remaining = data[remote_size:]
-    total_chunks = (len(remaining) + CHUNK_SIZE - 1) // CHUNK_SIZE
-    print(f"Remaining: {len(remaining)} bytes ({total_chunks} chunks)")
-    
-    for i in range(total_chunks):
-        chunk = remaining[i * CHUNK_SIZE : (i + 1) * CHUNK_SIZE]
-        b64 = base64.b64encode(chunk).decode("ascii")
-        cmd = f'echo -n "{b64}" | base64 -d >> {REMOTE_FILE}'
-        run_jms("exec", "-c", cmd, "--cmd-timeout", "15")
-        print(f"  Appended chunk {i + 1}/{total_chunks}")
-    
-    # Verify
-    print("\nVerifying MD5...")
-    result = run_jms("exec", "-c", f"md5sum {REMOTE_FILE}", "--cmd-timeout", "15")
-    print(f"Remote MD5: {result.strip()}")
-    print(f"Local MD5:  {local_md5}")
-    
-    if local_md5 in result:
-        print("\n✅ MD5 verified - upload complete!")
-    else:
-        print("\n❌ MD5 mismatch!")
-        # Check final size
-        result = run_jms("exec", "-c", f"stat -c %s {REMOTE_FILE}", "--cmd-timeout", "15")
-        for line in result.split('\n'):
-            if line.strip().isdigit():
-                print(f"Final remote size: {line.strip()}")
-                break
-        sys.exit(1)
-
-if __name__ == "__main__":
-    main()
@@ -1,71 +0,0 @@
-# =============================================================================
-# 企微IT智能服务台 — RBAC 角色种子数据 (v0.7.1 task #86)
-# =============================================================================
-# 启动时调用,把 5 角色 + 权限矩阵写入 roles 表
-# 兼容"角色已存在"的场景: 不重复插入,但更新 permissions
-# =============================================================================
-
-import logging
-import uuid
-from datetime import datetime
-
-from sqlalchemy import select
-from sqlalchemy.ext.asyncio import AsyncSession
-
-from app.models.role import Role
-from app.services.rbac_service import (
-    ROLE_METADATA,
-    get_role_default_permissions,
-)
-
-logger = logging.getLogger(__name__)
-
-
-async def seed_rbac_roles(db: AsyncSession) -> int:
-    """种子 RBAC 5 角色。
-
-    行为:
-      1. 遍历 ROLE_METADATA
-      2. 角色不存在 → 创建(UUID + 默认 permissions)
-      3. 角色存在 → 更新 display_name / description / permissions
-                       (不动 is_default,避免影响手动设置)
-
-    Returns:
-        int: 新建角色数
-    """
-    created_count = 0
-
-    for role_name, meta in ROLE_METADATA.items():
-        # 查询是否已存在
-        stmt = select(Role).where(Role.name == role_name)
-        result = await db.execute(stmt)
-        role = result.scalars().first()
-
-        permissions = get_role_default_permissions(role_name)
-
-        if role:
-            # 更新现有角色(不动 is_default,防止覆盖手动设置)
-            role.display_name = meta["display_name"]
-            role.description = meta["description"]
-            role.permissions = permissions
-            role.updated_at = datetime.now()
-            logger.debug(f"更新角色: {role_name} ({len(permissions)} 项权限)")
-        else:
-            # 创建新角色
-            role = Role(
-                id=str(uuid.uuid4()),
-                name=role_name,
-                display_name=meta["display_name"],
-                description=meta["description"],
-                permissions=permissions,
-                is_default=(meta["is_default"] == "true"),
-                created_at=datetime.now(),
-                updated_at=datetime.now(),
-            )
-            db.add(role)
-            created_count += 1
-            logger.info(f"创建角色: {role_name} ({len(permissions)} 项权限)")
-
-    await db.commit()
-    logger.info(f"RBAC 角色种子完成: 新建 {created_count} 个")
-    return created_count
@@ -1,98 +0,0 @@
-# 联软LV7000配置管理
-"""
-从system_configs表读取联软API配置，构建LianruanClient实例。
-
-联软配置键（前缀 integration_lianruan_）：
- integration_lianruan_base_url: 联软API地址（如 http://192.168.x.x:30098）
- integration_lianruan_api_account: API账号
- integration_lianruan_api_password: API密码
- integration_lianruan_validate_key: 验证密钥（可选）
-
-配置方式：管理后台 → 系统集成 → 联软LV7000 → 填入账号密码
-"""
-
-import logging
-
-from sqlalchemy.ext.asyncio import AsyncSession
-
-from app.integrations.lianruan.client import LianruanClient
-from app.integrations.lianruan.exceptions import LianruanConfigError
-from app.models.system_config import SystemConfig
-
-logger = logging.getLogger(__name__)
-
-# 联软配置键前缀（与 admin_service INTEGRATION_DEFINITIONS 中的 key_prefix 一致）
-_PREFIX = "integration_lianruan_"
-
-
-async def _get_lianruan_config_value(db: AsyncSession, key_suffix: str) -> str:
-    """读取单个联软配置值。
-
-    Args:
-        db: 数据库会话
-        key_suffix: 配置键后缀（如 base_url / api_account）
-
-    Returns:
-        str: 配置值，不存在返回空字符串
-    """
-    full_key = f"{_PREFIX}{key_suffix}"
-    from sqlalchemy import select
-    result = await db.execute(select(SystemConfig).where(SystemConfig.key == full_key))
-    config_row = result.scalar_one_or_none()
-    return config_row.value if config_row else ""
-
-
-async def get_lianruan_config(db: AsyncSession) -> dict:
-    """从system_configs表读取联软配置。
-
-    Args:
-        db: 数据库会话
-
-    Returns:
-        dict: 包含 base_url / api_account / api_password / validate_key
-
-    Raises:
-        LianruanConfigError: 配置缺失
-    """
-    base_url = await _get_lianruan_config_value(db, "base_url")
-    api_account = await _get_lianruan_config_value(db, "api_account")
-    api_password = await _get_lianruan_config_value(db, "api_password")
-    validate_key = await _get_lianruan_config_value(db, "validate_key")
-
-    if not base_url:
-        raise LianruanConfigError("联软API未配置：缺少Base URL")
-    if not api_account:
-        raise LianruanConfigError("联软API未配置：缺少API账号")
-    if not api_password:
-        raise LianruanConfigError("联软API未配置：缺少API密码")
-
-    return {
-        "base_url": base_url,
-        "api_account": api_account,
-        "api_password": api_password,
-        "validate_key": validate_key,
-    }
-
-
-async def get_lianruan_client(db: AsyncSession) -> LianruanClient:
-    """构建联软API客户端实例。
-
-    从system_configs表读取配置，创建LianruanClient。
-
-    Args:
-        db: 数据库会话
-
-    Returns:
-        LianruanClient: 已配置的联软客户端
-
-    Raises:
-        LianruanConfigError: 配置缺失
-    """
-    cfg = await get_lianruan_config(db)
-
-    return LianruanClient(
-        base_url=cfg["base_url"],
-        api_account=cfg["api_account"],
-        api_password=cfg["api_password"],
-        validate_key=cfg.get("validate_key", ""),
-    )
@@ -1,35 +0,0 @@
-# =============================================================================
-# RAGFlow 集成模块
-# =============================================================================
-
-from .client import RagflowClient
-from .config import get_ragflow_client
-from .exceptions import (
-    RagflowApiError,
-    RagflowAuthError,
-    RagflowConfigError,
-    RagflowConnectionError,
-    RagflowError,
-)
-from .models import (
-    DatasetInfo,
-    DocAggregate,
-    DocumentInfo,
-    RetrievalChunk,
-    RetrievalResult,
-)
-
-__all__ = [
-    "RagflowClient",
-    "get_ragflow_client",
-    "RagflowError",
-    "RagflowConfigError",
-    "RagflowAuthError",
-    "RagflowApiError",
-    "RagflowConnectionError",
-    "RetrievalChunk",
-    "DocAggregate",
-    "RetrievalResult",
-    "DatasetInfo",
-    "DocumentInfo",
-]
@@ -1,449 +0,0 @@
-# =============================================================================
-# RAGFlow API 客户端
-# =============================================================================
-# 说明：封装 RAGFlow 知识检索引擎的 API 调用
-# 核心功能：
-#   1. 知识检索 — POST /api/v1/retrieval（核心接口）
-#   2. 数据集管理 — 列出/创建/删除知识库
-#   3. 文档管理 — 上传/列出/删除文档
-#   4. 测试连接 — 验证 API Key 是否有效
-# 认证方式：Authorization: Bearer <API_KEY>
-# 参考文档：https://ragflow.io/docs/http_api_reference
-# =============================================================================
-
-import logging
-from typing import Any, Dict, List, Optional
-
-import httpx
-
-from .exceptions import (
-    RagflowApiError,
-    RagflowAuthError,
-    RagflowConfigError,
-    RagflowConnectionError,
-    RagflowError,
-)
-from .models import (
-    DatasetInfo,
-    DocAggregate,
-    DocumentInfo,
-    RetrievalChunk,
-    RetrievalResult,
-)
-
-logger = logging.getLogger(__name__)
-
-# 默认请求超时（秒）
-DEFAULT_TIMEOUT = 30.0
-
-# 默认分页大小
-DEFAULT_PAGE_SIZE = 20
-
-
-class RagflowClient:
-    """RAGFlow API 客户端。
-
-    封装 RAGFlow 知识检索引擎的 API 调用，支持：
-    - 知识检索（核心功能）
-    - 数据集（知识库）管理
-    - 文档管理
-    - 连接测试
-
-    使用方式：
-        client = RagflowClient(
-            api_key="sk-xxx",
-            base_url="http://10.80.0.85:9380"
-        )
-        result = await client.retrieval("VPN怎么连？", dataset_ids=["xxx"])
-    """
-
-    def __init__(
-        self,
-        api_key: str,
-        base_url: str = "http://10.80.0.85:9380",
-        timeout: float = DEFAULT_TIMEOUT,
-    ):
-        """初始化 RAGFlow 客户端。
-
-        Args:
-            api_key: RAGFlow API Key（Bearer Token）
-            base_url: RAGFlow API 基础地址（不含尾部斜杠）
-            timeout: 默认请求超时（秒）
-
-        Raises:
-            RagflowConfigError: API Key 为空
-        """
-        if not api_key:
-            raise RagflowConfigError("RAGFlow API Key 不能为空")
-
-        self.api_key = api_key
-        self.base_url = base_url.rstrip("/")
-        self.timeout = timeout
-
-    def _headers(self) -> Dict[str, str]:
-        """构建请求头。
-
-        Returns:
-            Dict: 包含 Authorization 和 Content-Type 的请求头
-        """
-        return {
-            "Authorization": f"Bearer {self.api_key}",
-            "Content-Type": "application/json",
-        }
-
-    async def _request(
-        self,
-        method: str,
-        path: str,
-        json_data: Optional[Dict] = None,
-        params: Optional[Dict] = None,
-        timeout: Optional[float] = None,
-    ) -> Dict[str, Any]:
-        """统一请求封装。
-
-        Args:
-            method: HTTP 方法（GET/POST/PUT/DELETE）
-            path: API 路径（如 /api/v1/retrieval）
-            json_data: JSON 请求体
-            params: 查询参数
-            timeout: 覆盖默认超时
-
-        Returns:
-            Dict: API 响应的 JSON 数据
-
-        Raises:
-            RagflowAuthError: 认证失败（401）
-            RagflowApiError: API 返回错误
-            RagflowConnectionError: 网络连接失败
-        """
-        url = f"{self.base_url}{path}"
-        req_timeout = timeout or self.timeout
-
-        try:
-            async with httpx.AsyncClient() as client:
-                response = await client.request(
-                    method=method,
-                    url=url,
-                    headers=self._headers(),
-                    json=json_data,
-                    params=params,
-                    timeout=req_timeout,
-                )
-
-                # 处理 HTTP 错误
-                if response.status_code == 401:
-                    raise RagflowAuthError("RAGFlow API Key 无效或已过期")
-
-                if response.status_code >= 400:
-                    try:
-                        err_body = response.json()
-                        err_msg = err_body.get("message", response.text)
-                    except Exception:
-                        err_msg = response.text
-                    raise RagflowApiError(
-                        code=response.status_code,
-                        message=f"RAGFlow API 错误 ({response.status_code}): {err_msg}",
-                    )
-
-                # 解析响应
-                result = response.json()
-
-                # RAGFlow 统一响应格式：{code: 0, data: ..., message: ...}
-                if result.get("code") != 0:
-                    raise RagflowApiError(
-                        code=result.get("code", -1),
-                        message=result.get("message", "未知错误"),
-                    )
-
-                return result
-
-        except httpx.TimeoutException:
-            raise RagflowConnectionError(f"RAGFlow 请求超时 ({req_timeout}s): {path}")
-        except httpx.ConnectError:
-            raise RagflowConnectionError(f"RAGFlow 连接失败: {self.base_url}")
-        except (RagflowAuthError, RagflowApiError, RagflowConnectionError):
-            raise
-        except Exception as e:
-            raise RagflowError(f"RAGFlow 请求异常: {str(e)}")
-
-    # ==========================================================================
-    # 测试连接
-    # ==========================================================================
-
-    async def test_connection(self) -> Dict[str, Any]:
-        """测试 RAGFlow API 连接。
-
-        通过列出数据集（limit=1）验证 API Key 是否有效。
-
-        Returns:
-            Dict: {success: bool, message: str}
-        """
-        try:
-            result = await self.list_datasets(page=1, page_size=1)
-            return {
-                "success": True,
-                "message": f"连接成功，共 {result.get('total', 0)} 个知识库",
-            }
-        except RagflowAuthError:
-            return {"success": False, "message": "API Key 无效或已过期"}
-        except RagflowConnectionError as e:
-            return {"success": False, "message": f"连接失败: {e.message}"}
-        except RagflowError as e:
-            return {"success": False, "message": e.message}
-
-    # ==========================================================================
-    # 知识检索（核心接口）
-    # ==========================================================================
-
-    async def retrieval(
-        self,
-        question: str,
-        dataset_ids: Optional[List[str]] = None,
-        document_ids: Optional[List[str]] = None,
-        similarity_threshold: float = 0.2,
-        vector_similarity_weight: float = 0.3,
-        top_k: int = 1024,
-        keyword: bool = False,
-        highlight: bool = False,
-    ) -> RetrievalResult:
-        """知识检索 — 从知识库中搜索相关文档片段。
-
-        这是 RAGFlow 的核心接口，用于根据用户问题检索最相关的文本块。
-
-        Args:
-            question: 用户查询问题
-            dataset_ids: 要搜索的数据集ID列表（与 document_ids 二选一）
-            document_ids: 要搜索的文档ID列表
-            similarity_threshold: 最小相似度阈值（0-1），默认 0.2
-            vector_similarity_weight: 向量相似度权重（0-1），默认 0.3
-            top_k: 参与计算的块数量，默认 1024
-            keyword: 是否启用关键词匹配，默认 False
-            highlight: 是否高亮匹配术语，默认 False
-
-        Returns:
-            RetrievalResult: 检索结果（含文本块、文档聚合、总数）
-
-        Raises:
-            RagflowError: 检索失败
-        """
-        body: Dict[str, Any] = {
-            "question": question,
-            "similarity_threshold": similarity_threshold,
-            "vector_similarity_weight": vector_similarity_weight,
-            "top_k": top_k,
-            "keyword": keyword,
-            "highlight": highlight,
-        }
-
-        if dataset_ids:
-            body["dataset_ids"] = dataset_ids
-        if document_ids:
-            body["document_ids"] = document_ids
-
-        result = await self._request("POST", "/api/v1/retrieval", json_data=body)
-
-        data = result.get("data", {})
-
-        # 解析文本块
-        chunks = [
-            RetrievalChunk.model_validate(chunk)
-            for chunk in data.get("chunks", [])
-        ]
-
-        # 解析文档聚合
-        doc_aggs = [
-            DocAggregate.model_validate(agg)
-            for agg in data.get("doc_aggs", [])
-        ]
-
-        return RetrievalResult(
-            chunks=chunks,
-            doc_aggs=doc_aggs,
-            total=data.get("total", 0),
-        )
-
-    # ==========================================================================
-    # 数据集（知识库）管理
-    # ==========================================================================
-
-    async def list_datasets(
-        self,
-        page: int = 1,
-        page_size: int = DEFAULT_PAGE_SIZE,
-    ) -> Dict[str, Any]:
-        """列出所有数据集（知识库）。
-
-        Args:
-            page: 页码
-            page_size: 每页条数
-
-        Returns:
-            Dict: {items: List[DatasetInfo], total: int}
-        """
-        result = await self._request(
-            "GET",
-            "/api/v1/datasets",
-            params={"page": page, "page_size": page_size},
-        )
-
-        data = result.get("data", {})
-        items = [
-            DatasetInfo.model_validate(ds)
-            for ds in data.get("datasets", [])
-        ]
-
-        return {"items": items, "total": data.get("total", 0)}
-
-    async def create_dataset(
-        self,
-        name: str,
-        embedding_model: str = "BAAI/bge-m3@BAAI",
-        chunk_method: str = "naive",
-        permission: str = "me",
-    ) -> DatasetInfo:
-        """创建数据集（知识库）。
-
-        Args:
-            name: 数据集名称
-            embedding_model: 向量模型
-            chunk_method: 分块方法（naive/qa/book/laws 等）
-            permission: 权限（me/team）
-
-        Returns:
-            DatasetInfo: 创建的数据集信息
-        """
-        body = {
-            "name": name,
-            "embedding_model": embedding_model,
-            "chunk_method": chunk_method,
-            "permission": permission,
-        }
-
-        result = await self._request("POST", "/api/v1/datasets", json_data=body)
-        return DatasetInfo.model_validate(result.get("data", {}))
-
-    async def delete_dataset(self, dataset_ids: List[str]) -> bool:
-        """删除数据集。
-
-        Args:
-            dataset_ids: 要删除的数据集ID列表
-
-        Returns:
-            bool: 是否成功
-        """
-        await self._request(
-            "DELETE",
-            "/api/v1/datasets",
-            json_data={"ids": dataset_ids},
-        )
-        return True
-
-    # ==========================================================================
-    # 文档管理
-    # ==========================================================================
-
-    async def list_documents(
-        self,
-        dataset_id: str,
-        page: int = 1,
-        page_size: int = DEFAULT_PAGE_SIZE,
-    ) -> Dict[str, Any]:
-        """列出数据集中的文档。
-
-        Args:
-            dataset_id: 数据集ID
-            page: 页码
-            page_size: 每页条数
-
-        Returns:
-            Dict: {items: List[DocumentInfo], total: int}
-        """
-        result = await self._request(
-            "GET",
-            f"/api/v1/datasets/{dataset_id}/documents",
-            params={"page": page, "page_size": page_size},
-        )
-
-        data = result.get("data", {})
-        items = [
-            DocumentInfo.model_validate(doc)
-            for doc in data.get("documents", [])
-        ]
-
-        return {"items": items, "total": data.get("total", 0)}
-
-    async def upload_document(
-        self,
-        dataset_id: str,
-        file_path: str,
-        file_name: Optional[str] = None,
-    ) -> DocumentInfo:
-        """上传文档到数据集。
-
-        Args:
-            dataset_id: 数据集ID
-            file_path: 本地文件路径
-            file_name: 文件名（可选，默认取 file_path 的文件名）
-
-        Returns:
-            DocumentInfo: 上传的文档信息
-        """
-        import os
-
-        if not os.path.exists(file_path):
-            raise RagflowError(f"文件不存在: {file_path}")
-
-        fname = file_name or os.path.basename(file_path)
-
-        url = f"{self.base_url}/api/v1/datasets/{dataset_id}/documents"
-
-        try:
-            async with httpx.AsyncClient() as client:
-                with open(file_path, "rb") as f:
-                    response = await client.post(
-                        url=url,
-                        headers={"Authorization": f"Bearer {self.api_key}"},
-                        files={"file": (fname, f)},
-                        timeout=60.0,
-                    )
-
-                if response.status_code == 401:
-                    raise RagflowAuthError()
-
-                result = response.json()
-                if result.get("code") != 0:
-                    raise RagflowApiError(
-                        code=result.get("code", -1),
-                        message=result.get("message", "上传失败"),
-                    )
-
-                docs = result.get("data", {}).get("documents", [])
-                if docs:
-                    return DocumentInfo.model_validate(docs[0])
-                return DocumentInfo(name=fname)
-
-        except (RagflowAuthError, RagflowApiError):
-            raise
-        except Exception as e:
-            raise RagflowError(f"文档上传失败: {str(e)}")
-
-    async def delete_documents(
-        self,
-        dataset_id: str,
-        document_ids: List[str],
-    ) -> bool:
-        """删除文档。
-
-        Args:
-            dataset_id: 数据集ID
-            document_ids: 要删除的文档ID列表
-
-        Returns:
-            bool: 是否成功
-        """
-        await self._request(
-            "DELETE",
-            f"/api/v1/datasets/{dataset_id}/documents",
-            json_data={"ids": document_ids},
-        )
-        return True
@@ -1,61 +0,0 @@
-# =============================================================================
-# RAGFlow 配置加载器
-# =============================================================================
-# 说明：从数据库 system_configs 表加载 RAGFlow 配置，创建客户端实例
-# 配置项：integration_ragflow_api_url + integration_ragflow_api_key
-
-import logging
-from typing import Optional
-
-from sqlalchemy import select
-from sqlalchemy.ext.asyncio import AsyncSession
-
-from app.models.system_config import SystemConfig
-
-from .client import RagflowClient
-from .exceptions import RagflowConfigError
-
-logger = logging.getLogger(__name__)
-
-# 默认 RAGFlow API 地址（生产环境）
-DEFAULT_RAGFLOW_BASE_URL = "http://10.80.0.85:9380"
-
-
-async def _get_config(db: AsyncSession, key: str) -> str:
-    """从数据库读取单个配置值。"""
-    result = await db.execute(
-        select(SystemConfig.config_value).where(SystemConfig.config_key == key)
-    )
-    row = result.scalar()
-    return row if row else ""
-
-
-async def get_ragflow_client(db: AsyncSession) -> RagflowClient:
-    """从数据库配置创建 RAGFlow 客户端实例。
-
-    读取 system_configs 表中的：
-    - integration_ragflow_api_url: RAGFlow API 地址
-    - integration_ragflow_api_key: RAGFlow API Key
-
-    Args:
-        db: 数据库会话
-
-    Returns:
-        RagflowClient: 客户端实例
-
-    Raises:
-        RagflowConfigError: 配置缺失
-    """
-    api_url = await _get_config(db, "integration_ragflow_api_url")
-    api_key = await _get_config(db, "integration_ragflow_api_key")
-
-    # 如果数据库没有配置，使用默认地址
-    if not api_url:
-        api_url = DEFAULT_RAGFLOW_BASE_URL
-
-    if not api_key:
-        raise RagflowConfigError(
-            "RAGFlow API Key 未配置，请在管理后台 → 集成管理 → RAGFlow 中设置"
-        )
-
-    return RagflowClient(api_key=api_key, base_url=api_url)
@@ -1,35 +0,0 @@
-# =============================================================================
-# RAGFlow API 异常定义
-# =============================================================================
-
-
-class RagflowError(Exception):
-    """RAGFlow 基础异常。"""
-    def __init__(self, message: str = "RAGFlow 错误"):
-        self.message = message
-        super().__init__(self.message)
-
-
-class RagflowConfigError(RagflowError):
-    """配置错误（缺少 API Key 或 Base URL）。"""
-    def __init__(self, message: str = "RAGFlow 配置缺失"):
-        super().__init__(message)
-
-
-class RagflowAuthError(RagflowError):
-    """认证失败（API Key 无效）。"""
-    def __init__(self, message: str = "RAGFlow 认证失败"):
-        super().__init__(message)
-
-
-class RagflowApiError(RagflowError):
-    """API 调用失败（非 200 响应）。"""
-    def __init__(self, code: int = 0, message: str = "RAGFlow API 错误"):
-        self.code = code
-        super().__init__(message)
-
-
-class RagflowConnectionError(RagflowError):
-    """网络连接失败。"""
-    def __init__(self, message: str = "RAGFlow 连接失败"):
-        super().__init__(message)
@@ -1,110 +0,0 @@
-# =============================================================================
-# RAGFlow API 数据模型
-# =============================================================================
-# 说明：定义 RAGFlow API 请求/响应的 Pydantic 数据模型
-# 参考：https://ragflow.io/docs/http_api_reference
-
-from typing import Any, Dict, List, Optional
-
-from pydantic import BaseModel, Field
-
-
-class RetrievalChunk(BaseModel):
-    """检索返回的单个文本块。
-
-    Attributes:
-        id: 块唯一ID
-        content: 块内容文本
-        document_id: 所属文档ID
-        document_keyword: 所属文档名称
-        similarity: 综合相似度分数
-        term_similarity: 关键词相似度
-        vector_similarity: 向量相似度
-        highlight: 高亮标记的内容（可选）
-    """
-    id: str = Field(default="", description="块唯一ID")
-    content: str = Field(default="", description="块内容文本")
-    document_id: str = Field(default="", description="所属文档ID")
-    document_keyword: str = Field(default="", description="所属文档名称")
-    similarity: float = Field(default=0.0, description="综合相似度分数")
-    term_similarity: float = Field(default=0.0, description="关键词相似度")
-    vector_similarity: float = Field(default=0.0, description="向量相似度")
-    highlight: Optional[str] = Field(default=None, description="高亮标记的内容")
-
-    model_config = {"from_attributes": True}
-
-
-class DocAggregate(BaseModel):
-    """文档聚合统计。
-
-    Attributes:
-        doc_id: 文档ID
-        doc_name: 文档名称
-        count: 命中的块数量
-    """
-    doc_id: str = Field(default="", description="文档ID")
-    doc_name: str = Field(default="", description="文档名称")
-    count: int = Field(default=0, description="命中块数量")
-
-    model_config = {"from_attributes": True}
-
-
-class RetrievalResult(BaseModel):
-    """检索结果。
-
-    Attributes:
-        chunks: 命中的文本块列表
-        doc_aggs: 按文档聚合统计
-        total: 命中总数
-    """
-    chunks: List[RetrievalChunk] = Field(default_factory=list, description="命中文本块列表")
-    doc_aggs: List[DocAggregate] = Field(default_factory=list, description="文档聚合统计")
-    total: int = Field(default=0, description="命中总数")
-
-    model_config = {"from_attributes": True}
-
-
-class DatasetInfo(BaseModel):
-    """数据集（知识库）信息。
-
-    Attributes:
-        id: 数据集ID
-        name: 数据集名称
-        chunk_method: 分块方法
-        permission: 权限
-        document_count: 文档数量
-        embedding_model: 向量模型
-        create_time: 创建时间
-        update_time: 更新时间
-    """
-    id: str = Field(default="", description="数据集ID")
-    name: str = Field(default="", description="数据集名称")
-    chunk_method: str = Field(default="naive", description="分块方法")
-    permission: str = Field(default="me", description="权限")
-    document_count: int = Field(default=0, description="文档数量")
-    embedding_model: str = Field(default="", description="向量模型")
-    create_time: Optional[str] = Field(default=None, description="创建时间")
-    update_time: Optional[str] = Field(default=None, description="更新时间")
-
-    model_config = {"from_attributes": True}
-
-
-class DocumentInfo(BaseModel):
-    """文档信息。
-
-    Attributes:
-        id: 文档ID
-        name: 文档名称
-        chunk_method: 分块方法
-        chunk_count: 块数量
-        create_time: 创建时间
-        update_time: 更新时间
-    """
-    id: str = Field(default="", description="文档ID")
-    name: str = Field(default="", description="文档名称")
-    chunk_method: str = Field(default="naive", description="分块方法")
-    chunk_count: int = Field(default=0, description="块数量")
-    create_time: Optional[str] = Field(default=None, description="创建时间")
-    update_time: Optional[str] = Field(default=None, description="更新时间")
-
-    model_config = {"from_attributes": True}
@@ -1,331 +0,0 @@
-# =============================================================================
-# 企微IT智能服务台 — 内容审核服务
-# =============================================================================
-# 说明：#81 v0.6.0 内容审核 — 检测敏感词 + 提示坐席优化语气
-# 用途：坐席发送消息前自动审核,避免发送违规内容
-# 设计：基于 wordfilter 开源库 + 自定义敏感词库
-# =============================================================================
-
-from dataclasses import dataclass
-from enum import Enum
-from typing import List, Optional, Tuple
-
-from wordfilter import Wordfilter
-
-import logging
-
-logger = logging.getLogger(__name__)
-
-
-class ModerationAction(str, Enum):
-    """内容审核动作"""
-    PASS = "pass"                    # 通过
-    WARN = "warn"                    # 警告(允许发送,但标记)
-    BLOCK = "block"                  # 阻断(必须修改)
-
-
-class ModerationCategory(str, Enum):
-    """审核分类"""
-    PROFANITY = "profanity"          # 脏话
-    POLITICS = "politics"            # 政治敏感
-    PORN = "porn"                    # 色情
-    AD = "ad"                        # 广告
-    PRIVACY = "privacy"              # 隐私泄露(身份证/电话)
-    OTHER = "other"                  # 其他
-
-
-@dataclass
-class ModerationResult:
-    """审核结果"""
-    action: ModerationAction
-    category: Optional[ModerationCategory]
-    matched_words: List[str]
-    suggestion: str = ""
-
-    @property
-    def is_blocked(self) -> bool:
-        return self.action == ModerationAction.BLOCK
-
-    @property
-    def is_warned(self) -> bool:
-        return self.action == ModerationAction.WARN
-
-
-class ContentModerationService:
-    """内容审核服务 — 检测 + 提示。
-
-    设计要点:
-    1. 加载 wordfilter + 自定义敏感词库
-    2. 提供 3 个级别动作:pass / warn / block
-    3. 返回命中的敏感词,给前端提示
-    4. 异步不阻塞消息发送主流程
-    """
-
-    def __init__(self):
-        # 初始化 wordfilter(新 API: Wordfilter() 实例,而非 init() 全局)
-        self.wf = Wordfilter()
-        # 加载自定义敏感词库(预留,生产环境从配置文件加载)
-        self.custom_sensitive_words: List[str] = [
-            # 坐席严禁发送的
-            "投诉我",          # 暗示员工投诉自己
-            "你爱找谁找谁",    # 不当推诿
-            "自己不会百度吗",  # 不当反问
-            "这点小事",        # 轻视员工问题
-            # 隐私保护(后端检测,前端不知道)
-            # 实际部署时从 system_config 加载
-        ]
-        if self.custom_sensitive_words:
-            self.wf.addWords(self.custom_sensitive_words)
-
-    # ==================================================================
-    # 主入口
-    # ==================================================================
-
-    def moderate(self, text: str) -> ModerationResult:
-        """审核文本。
-
-        Args:
-            text: 待审核文本(坐席准备发的消息)
-
-        Returns:
-            ModerationResult: 审核结果
-        """
-        if not text or not text.strip():
-            return ModerationResult(
-                action=ModerationAction.PASS,
-                category=None,
-                matched_words=[],
-            )
-
-        text = text.strip()
-
-        # 1. wordfilter 检测
-        matched: List[str] = []
-        if self.wf.blacklisted(text):
-            # 找出具体哪些词命中
-            matched = self._extract_matched(text)
-
-        if not matched:
-            return ModerationResult(
-                action=ModerationAction.PASS,
-                category=None,
-                matched_words=[],
-            )
-
-        # 2. 分类(简单规则:有命中就给 warn,后续可分级)
-        category = self._classify(matched)
-
-        # 3. 决定动作(目前策略:命中即 warn,后续可升级 block)
-        # 后续决策点:是否给某些类(政治/色情)直接 block
-        action = ModerationAction.WARN
-        suggestion = self._generate_suggestion(category, matched)
-
-        logger.info(
-            f"[ContentModeration] 检测到敏感词 text={text[:30]}... "
-            f"matched={matched} category={category}"
-        )
-
-        return ModerationResult(
-            action=action,
-            category=category,
-            matched_words=matched,
-            suggestion=suggestion,
-        )
-
-    # ==================================================================
-    # 隐私信息检测(基于正则,跟敏感词无关)
-    # ==================================================================
-
-    def check_privacy_leak(self, text: str) -> List[str]:
-        """检测文本是否包含隐私信息(身份证 / 电话 / 银行卡)。
-
-        Returns:
-            命中的隐私字段列表(描述性,如 ["phone", "id_card"])
-        """
-        import re
-        leaked = []
-
-        # 手机号（11位1开头）
-        # BUGFIX: \b 和 (?<!\w) 对中文均失效（Python3 \w 含中文），
-        # 改用 (?<!\d) / (?!\d) 检查数字边界——"电话13800138000" 可正确匹配
-        if re.search(r"(?<!\d)1[3-9]\d{9}(?!\d)", text):
-            leaked.append("phone")
-
-        # 身份证号（18位）
-        if re.search(r"(?<!\d)\d{17}[\dXx](?!\d)", text):
-            leaked.append("id_card")
-
-        # 银行卡（16-19位连续数字，简单判断）
-        if re.search(r"(?<!\d)\d{16,19}(?!\d)", text):
-            leaked.append("bank_card")
-
-        # 邮箱（个人邮箱，非公司邮箱）
-        # 邮箱以 ASCII 字母开头，(?<!\w) 这里可用（前面不会是中文邮箱前缀）
-        personal_email_pattern = (
-            r"(?<!\w)[a-zA-Z0-9._%+-]+@(?!servyou-it\.com|"
-            r"servyou\.com\.cn)[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}(?!\w)"
-        )
-        if re.search(personal_email_pattern, text):
-            leaked.append("personal_email")
-
-        return leaked
-
-    # ==================================================================
-    # 工具方法
-    # ==================================================================
-
-    def _extract_matched(self, text: str) -> List[str]:
-        """提取命中的敏感词。"""
-        # wordfilter 没有直接的 "提取所有命中词" API,只能 replace 看
-        matched = []
-        # 遍历自建词库看哪些命中
-        for word in self.custom_sensitive_words:
-            if word in text:
-                matched.append(word)
-        return matched
-
-    def _classify(self, matched: List[str]) -> ModerationCategory:
-        """根据命中的词分类。"""
-        # 简单分类:命中"投诉""爱找谁"等 → profanity
-        # 后续可扩展
-        return ModerationCategory.PROFANITY
-
-    def _generate_suggestion(
-        self, category: ModerationCategory, matched: List[str]
-    ) -> str:
-        """生成修改建议。"""
-        suggestions_map = {
-            ModerationCategory.PROFANITY: (
-                "建议改为更专业的表达,例如:"
-                "「我理解您的问题,我们一起想办法解决」"
-            ),
-            ModerationCategory.POLITICS: (
-                "请避免讨论政治话题,保持服务专业性"
-            ),
-            ModerationCategory.PORN: "请使用正式语言",
-            ModerationCategory.AD: "请勿发送广告内容",
-            ModerationCategory.PRIVACY: (
-                "请勿发送员工隐私信息(电话/身份证),如需联系请走企微"
-            ),
-            ModerationCategory.OTHER: "请检查并修改表达",
-        }
-        return suggestions_map.get(category, "请检查并修改表达")
-
-    @staticmethod
-    def _get_fallback_question(keywords: List[str]) -> dict:
-        """Dify 失败时的兜底题(从预置题池随机抽一道)。
-
-        注意:这里写死 10 道 IT 基础题,生产环境可改成查 quiz_questions.source='manual'
-        """
-        import random
-
-        fallback_pool = [
-            {
-                "question": "电脑突然黑屏,最安全的做法是?",
-                "options": ["强制关机重启", "拔电源重启", "等几分钟看是否恢复", "砸电脑"],
-                "correct_index": 0,
-                "hint": "想想最稳妥的第一步",
-                "explanation": "黑屏可能是系统卡死,强制重启通常能恢复,拔电源可能损坏硬件",
-                "source": "manual",
-            },
-            {
-                "question": "打印机不响应,首先应该检查?",
-                "options": ["打印机电源", "重装系统", "换台电脑", "直接呼叫维修"],
-                "correct_index": 0,
-                "hint": "最基础的物理连接",
-                "explanation": "80% 故障是电源/线缆问题,先排除最简单的再考虑复杂方案",
-                "source": "manual",
-            },
-            {
-                "question": "密码忘了应该怎么办?",
-                "options": ["自己猜", "暴力破解", "找 IT 重置", "不用了"],
-                "correct_index": 2,
-                "hint": "走正规流程最安全",
-                "explanation": "找 IT 重置是最快最安全的做法,自己猜可能锁账号,暴力破解违法",
-                "source": "manual",
-            },
-            {
-                "question": "无法连接公司 VPN,首选排查?",
-                "options": ["检查网络是否通", "重装系统", "换电脑", "联系运营商"],
-                "correct_index": 0,
-                "hint": "从外到内排查",
-                "explanation": "先确认能上网,再排查 VPN 客户端,最后才是公司 VPN 服务器",
-                "source": "manual",
-            },
-            {
-                "question": "Outlook 收不到邮件,先看哪里?",
-                "options": ["垃圾邮件箱", "重装 Office", "换邮箱", "打电话给 IT"],
-                "correct_index": 0,
-                "hint": "最容易被忽略的",
-                "explanation": "新邮件被误判到垃圾箱是常见原因,先看再排查服务器",
-                "source": "manual",
-            },
-            {
-                "question": "Office 软件打开慢,先做什么?",
-                "options": ["清理开机启动项", "换电脑", "买新硬盘", "卸载重装"],
-                "correct_index": 0,
-                "hint": "性能问题先减负",
-                "explanation": "开机启动项太多会拖慢所有应用,清理后再观察",
-                "source": "manual",
-            },
-            {
-                "question": "电脑提示磁盘空间不足,应该?",
-                "options": ["清理回收站和临时文件", "关机", "重装系统", "不处理"],
-                "correct_index": 0,
-                "hint": "先释放空间再判断",
-                "explanation": "90% 的情况清理回收站 + temp 目录就能解决,严重才需要重装",
-                "source": "manual",
-            },
-            {
-                "question": "网页打不开,首先排查?",
-                "options": ["检查网络连接", "换浏览器", "重装系统", "砸键盘"],
-                "correct_index": 0,
-                "hint": "从最基础的开始",
-                "explanation": "先看能不能打开其他网页,排除是网站问题还是网络问题",
-                "source": "manual",
-            },
-            {
-                "question": "U 盘插入电脑没反应,先检查?",
-                "options": ["换个 USB 接口", "格式化 U 盘", "扔了", "拆电脑"],
-                "correct_index": 0,
-                "hint": "先排除最简单的问题",
-                "explanation": "USB 接口可能松动或供电不足,先换接口试,不要先动数据",
-                "source": "manual",
-            },
-            {
-                "question": "电脑突然变卡,第一步应该?",
-                "options": ["看任务管理器占用", "砸电脑", "重装系统", "关机睡觉"],
-                "correct_index": 0,
-                "hint": "数据先行",
-                "explanation": "任务管理器能看到 CPU/内存/磁盘占用,定位是哪个进程在吃资源",
-                "source": "manual",
-            },
-        ]
-
-        chosen = random.choice(fallback_pool)
-        return chosen
-
-    def add_custom_word(self, word: str) -> None:
-        """动态添加敏感词(运营后台调用)。"""
-        self.wf.addWords([word])
-        if word not in self.custom_sensitive_words:
-            self.custom_sensitive_words.append(word)
-
-    def remove_custom_word(self, word: str) -> None:
-        """动态删除敏感词。"""
-        # wordfilter 没有 remove API,降级用 replace 占位
-        # wordfilter.remove(word)  # 实际库不一定支持
-        if word in self.custom_sensitive_words:
-            self.custom_sensitive_words.remove(word)
-
-
-# 单例
-_moderation_service: Optional[ContentModerationService] = None
-
-
-def get_moderation_service() -> ContentModerationService:
-    """获取内容审核服务单例。"""
-    global _moderation_service
-    if _moderation_service is None:
-        _moderation_service = ContentModerationService()
-    return _moderation_service
@@ -1,237 +0,0 @@
-# =============================================================================
-# 员工目录解析服务
-# =============================================================================
-# 说明：角色分配时，将管理员输入的「员工账号 或 姓名」解析为企微 UserID，
-#       并校验该员工确实属于企微组织架构（需求：分配角色时按姓名/账号自动转换 + 校验）。
-#
-# 数据源优先级（自动适配，无需改代码即可在权限开通后升级）：
-#   1. 企微通讯录（实时）：
-#        - get_user_info(userid)        校验账号是否为组织内真实员工
-#        - get_department_members(1, 1) 拉取全组织架构，用于「姓名 -> 账号」匹配
-#        - 需要企微应用具备「通讯录读取」权限；权限不足（errcode 60011）时自动降级
-#   2. 本地 employees 表（仅登录过的员工）：作为降级目录，保证功能在缺权限时仍可用
-#
-# 设计目标：无论企微权限是否齐全，分配功能都可用；权限齐全时自动获得全公司
-#          姓名搜索能力（full_directory=True），缺权限时仅覆盖已登录员工。
-# =============================================================================
-
-import json
-import logging
-from typing import Any, Dict, List, Optional, Tuple
-
-import redis.asyncio as aioredis
-from sqlalchemy import select
-from sqlalchemy.ext.asyncio import AsyncSession
-
-from app.models.employee import Employee
-from app.services.wecom_service import WecomService
-
-logger = logging.getLogger(__name__)
-
-# 组织目录 Redis 缓存 key 与 TTL（10 分钟，避免频繁调用企微通讯录 API）
-ORG_DIRECTORY_CACHE_KEY = "wecom:org_directory"
-ORG_DIRECTORY_CACHE_TTL = 600
-
-
-async def get_org_directory(
-    db: AsyncSession,
-    redis: Optional[aioredis.Redis],
-) -> Tuple[List[Dict[str, Any]], bool]:
-    """获取「组织目录」（员工账号 + 姓名 列表），用于姓名 -> 账号匹配。
-
-    优先返回缓存；缓存未命中时尝试从企微通讯录拉全组织（需通讯录读取权限）。
-    若企微权限不足或调用失败，降级到本地 employees 表。
-
-    Returns:
-        (directory, full_directory)
-        - directory: [{"employee_id": str, "name": str, "department": str}, ...]
-        - full_directory: True=来自企微全组织（覆盖全公司）；False=仅本地已登录员工
-    """
-    # 1. 尝试命中缓存（缓存一定来自企微全组织，full=True）
-    if redis:
-        try:
-            raw = await redis.get(ORG_DIRECTORY_CACHE_KEY)
-            if raw:
-                logger.debug("命中组织目录缓存")
-                return json.loads(raw.decode("utf-8")), True
-        except Exception as e:
-            logger.warning(f"读取组织目录缓存失败（降级）: {e}")
-
-    # 2. 尝试从企微通讯录拉全组织
-    wecom = WecomService(redis_client=redis)
-    try:
-        members = await wecom.get_department_members(1, 1)
-
-        # 获取部门列表，构建 {部门ID: 部门名称} 映射，用于将成员的 department ID 列表
-        # 转换为可读的部门名称（企微 user/list 返回的 department 字段是 ID 列表如 [1,2]）
-        dept_map: Dict[int, str] = {}
-        try:
-            departments = await wecom.get_department_list()
-            dept_map = {
-                dept.get("id"): dept.get("name", "")
-                for dept in departments
-                if dept.get("id") is not None
-            }
-            logger.info(f"部门列表获取成功，共 {len(dept_map)} 个部门")
-        except Exception as e:
-            # 获取部门列表失败（权限不足等）时降级：使用原来的 ID 字符串，不阻塞主流程
-            logger.warning(f"获取部门列表失败，降级使用部门ID字符串: {e}")
-
-        directory = [
-            {
-                "employee_id": m.get("userid", ""),
-                "name": m.get("name", "") or "",
-                # 优先用部门名映射，映射不到时降级为 ID 字符串
-                "department": ",".join(
-                    dept_map.get(d, str(d)) for d in (m.get("department") or [])
-                ),
-            }
-            for m in members
-            if m.get("userid")
-        ]
-        # 写入缓存（仅全组织结果缓存，降级结果不缓存以免长期误用）
-        if redis:
-            try:
-                await redis.setex(
-                    ORG_DIRECTORY_CACHE_KEY,
-                    ORG_DIRECTORY_CACHE_TTL,
-                    json.dumps(directory, ensure_ascii=False),
-                )
-            except Exception as e:
-                logger.warning(f"写入组织目录缓存失败: {e}")
-        logger.info(f"组织目录来自企微全组织，共 {len(directory)} 人")
-        return directory, True
-    except Exception as e:
-        err_text = str(e)
-        if "60011" in err_text or "privilege" in err_text.lower():
-            logger.warning("企微通讯录部门读取权限不足，降级到本地 employees 表")
-        else:
-            logger.warning(f"企微通讯录获取失败，降级本地: {err_text}")
-
-    # 3. 降级：本地 employees 表（仅登录过的员工）
-    # 注意：department 字段存储的是部门ID JSON数组（如 "[1,2]"），降级时无法解析为部门名；
-    # 但在 DEV_MODE 下可直接存部门名（如 "研发一部"），使组织架构树在本地开发时也有数据
-    try:
-        result = await db.execute(
-            select(Employee.employee_id, Employee.name, Employee.department).where(Employee.employee_id != "")
-        )
-        rows = result.all()
-        directory = []
-        for r in rows:
-            dept_raw = r[2] or ""
-            # 尝试解析 JSON 数组格式（生产环境企微返回的是部门ID列表如 "[1,2]"）
-            # 如果不是 JSON 格式（DEV_MODE 下直接存部门名），则原样使用
-            dept_name = ""
-            if dept_raw:
-                try:
-                    import json as _json
-                    parsed = _json.loads(dept_raw)
-                    if isinstance(parsed, list) and parsed:
-                        # 部门ID列表：取第一个ID（降级时无法解析ID为名称，留空）
-                        dept_name = ""
-                    else:
-                        dept_name = str(parsed)
-                except (ValueError, TypeError):
-                    # 不是 JSON 格式，直接作为部门名使用（DEV_MODE 场景）
-                    dept_name = dept_raw
-            directory.append({
-                "employee_id": r[0],
-                "name": r[1] or "",
-                "department": dept_name,
-            })
-        logger.info(f"组织目录降级到本地 employees 表，共 {len(directory)} 人")
-        return directory, False
-    except Exception as e:
-        logger.error(f"本地 employees 表查询失败: {e}")
-        return [], False
-
-
-async def resolve_target(
-    target: str,
-    db: AsyncSession,
-    redis: Optional[aioredis.Redis] = None,
-) -> Dict[str, Any]:
-    """将输入的「员工账号 或 姓名」解析为企微 UserID，并校验组织内存在性。
-
-    Returns（结构化结果，由调用方翻译为响应/异常）:
-        {"found": True, "employee_id": str, "name": str, "source": str}
-        {"found": False, "reason": str, "suggestion": str}
-        {"ambiguous": True, "candidates": [{"employee_id","name","department"}, ...]}
-    """
-    target = (target or "").strip()
-    if not target:
-        return {
-            "found": False,
-            "reason": "请输入员工账号或姓名",
-            "suggestion": "请填写企微员工账号或姓名后重试",
-        }
-
-    wecom = WecomService(redis_client=redis)
-
-    # 1) 先尝试按 userid 实时校验（企微组织内真实员工）
-    try:
-        info = await wecom.get_user_info(target)
-        # 成功 -> target 本身就是有效 userid
-        return {
-            "found": True,
-            "employee_id": info.get("userid") or target,
-            "name": info.get("name") or "",
-            "source": "wecom_userid",
-        }
-    except Exception as e:
-        logger.debug(f"get_user_info('{target}') 未命中（将尝试按姓名解析）: {e}")
-
-    # 2) 按姓名（包含）解析
-    directory, full = await get_org_directory(db, redis)
-    ql = target.lower()
-    # 精确 userid 匹配优先（目录里可能存在）
-    exact = [m for m in directory if m["employee_id"] and m["employee_id"].lower() == ql]
-    # 姓名包含匹配
-    name_hits = [m for m in directory if m["name"] and ql in m["name"].lower()]
-    matches = exact if exact else name_hits
-
-    if len(matches) == 1:
-        m = matches[0]
-        # 二次实时校验该 userid 确实在组织内（网络可用时）
-        try:
-            info = await wecom.get_user_info(m["employee_id"])
-            return {
-                "found": True,
-                "employee_id": info.get("userid") or m["employee_id"],
-                "name": info.get("name") or m.get("name", ""),
-                "source": "wecom_name" if full else "local_name",
-            }
-        except Exception:
-            # 实时校验失败（网络/权限），但目录里有 -> 仍可用
-            return {
-                "found": True,
-                "employee_id": m["employee_id"],
-                "name": m.get("name", ""),
-                "source": "local_name",
-            }
-
-    if len(matches) > 1:
-        return {
-            "ambiguous": True,
-            "candidates": [
-                {
-                    "employee_id": m["employee_id"],
-                    "name": m["name"],
-                    "department": m.get("department", ""),
-                }
-                for m in matches[:10]
-            ],
-        }
-
-    # 未找到
-    if full:
-        return {
-            "found": False,
-            "reason": f"企微组织架构中未找到匹配「{target}」的员工",
-            "suggestion": "请确认姓名/账号拼写，或改为输入员工账号",
-        }
-    return {
-        "found": False,
-        "reason": f"未找到匹配「{target}」的员工",
-        "suggestion": "当前仅能按姓名搜索已登录过本系统的员工；请直接输入员工账号，或为企微应用开通「通讯录读取」权限以搜索全公司",
-    }
@@ -1,454 +0,0 @@
-# =============================================================================
-# 企微IT智能服务台 — 业务路由推荐服务
-# =============================================================================
-# 说明：核心路由逻辑，在 H5 后台 AI 任务中拦截非IT业务消息，
-#   调用 Dify 统一意图识别，判定业务类别后发送对应联系人名片卡片。
-#
-# 主要职责：
-#   1. 关键词预过滤（ROUTING_PREFILTER_KEYWORDS）— 快速过滤非路由消息
-#   2. Dify 统一意图识别 — 调用 /v1/chat-messages，解析 intent_type/business_category/routing_confidence
-#   3. 联系人查询 — 按 business_category 查 business_contacts 表
-#   4. 名片三段式发送 — 路由文本 → contact_card → 系统提示（WS双通道推送）
-#   5. 路由事件记录（P1）— 记录路由命中统计
-#
-# 设计决策：
-#   - 路由检测放在后台任务而非前端调用，与 BYOD 卡片处理模式一致
-#   - 关键词预过滤与审批预过滤可能重叠，Dify Prompt 内部判断优先级确保正确分流
-#   - routing_confidence < 0.7 不触发名片推荐，走正常 AI 回复流程
-# =============================================================================
-
-import json
-import logging
-from datetime import datetime
-from typing import Any, Optional
-
-import httpx
-from sqlalchemy import select
-
-from app.config import settings
-from app.models.business_contact import BusinessContact
-from app.models.conversation import Conversation
-from app.models.message import Message
-from app.models.routing_event import RoutingEvent
-from app.services.ws_manager import manager as ws_manager
-
-logger = logging.getLogger(__name__)
-
-
-# =============================================================================
-# 路由关键词预过滤列表
-# =============================================================================
-# 说明：覆盖 5 个业务类别的关键词，用于快速过滤非路由消息。
-#   只要命中任意一个关键词才值得调用 Dify 做精确判断。
-#   关键词可能与审批预过滤重叠（如"办公用品"），Dify Prompt 内部判断
-#   优先级（先审批→再IT咨询→再非IT路由）确保正确分流。
-
-ROUTING_PREFILTER_KEYWORDS: list[str] = [
-    # 行政
-    "打印机", "复印机", "扫描仪", "保洁", "名片印刷",
-    # 人力资源
-    "工牌", "考勤", "入职", "离职", "社保", "公积金",
-    # 财务
-    "报销", "发票", "借款", "工资条",
-    # 法务
-    "合同", "法务", "知识产权",
-    # 行政-物业
-    "空调", "电梯", "门禁", "停车",
-]
-
-# 关键词到业务类别的映射（Dify 不可用时降级兜底用）
-ROUTING_KEYWORD_TO_CATEGORY: dict[str, str] = {
-    # 行政
-    "打印机": "行政", "复印机": "行政", "扫描仪": "行政",
-    "保洁": "行政", "名片印刷": "行政",
-    # 人力资源
-    "工牌": "人力资源", "考勤": "人力资源", "入职": "人力资源",
-    "离职": "人力资源", "社保": "人力资源", "公积金": "人力资源",
-    # 财务
-    "报销": "财务", "发票": "财务", "借款": "财务", "工资条": "财务",
-    # 法务
-    "合同": "法务", "法务": "法务", "知识产权": "法务",
-    # 行政-物业
-    "空调": "行政-物业", "电梯": "行政-物业", "门禁": "行政-物业", "停车": "行政-物业",
-}
-
-
-# =============================================================================
-# 预过滤 & 降级兜底
-# =============================================================================
-
-def routing_keyword_prefilter(text: str) -> bool:
-    """路由关键词预过滤：检查文本是否包含非IT业务关键词。
-
-    只要命中任意一个路由关键词即返回 True，未命中返回 False。
-    用于在调用 Dify 前快速过滤，减少不必要的 API 调用。
-
-    Args:
-        text: 用户消息文本
-
-    Returns:
-        bool: 是否包含路由关键词
-    """
-    if not text:
-        return False
-    return any(kw in text for kw in ROUTING_PREFILTER_KEYWORDS)
-
-
-def _keyword_fallback_category(text: str) -> Optional[str]:
-    """关键词降级兜底：Dify 不可用时通过关键词匹配业务类别。
-
-    遍历 ROUTING_KEYWORD_TO_CATEGORY 映射，命中第一个关键词即返回对应业务类别。
-
-    Args:
-        text: 用户消息文本
-
-    Returns:
-        Optional[str]: 业务类别（行政/人力资源/财务/法务/行政-物业），未命中返回 None
-    """
-    if not text:
-        return None
-    for kw, category in ROUTING_KEYWORD_TO_CATEGORY.items():
-        if kw in text:
-            return category
-    return None
-
-
-# =============================================================================
-# Dify 统一意图识别调用
-# =============================================================================
-
-async def detect_routing_intent(text: str, employee_id: str = "") -> dict:
-    """调用 Dify 统一意图识别，解析路由相关字段。
-
-    复用 approval.py 的 _call_dify_approval_intent 调用模式（Dify 原生 API），
-    但本函数独立维护，解析路由关心的字段：
-      - intent_type: approval/it_consult/non_it_routing/chitchat
-      - business_category: 行政/人力资源/财务/法务/行政-物业（仅 non_it_routing 时有值）
-      - routing_confidence: 0.0~1.0，≥0.7 触发名片推荐
-
-    使用与审批意图识别相同的 Dify 应用（同一 API Key），只是解析各自关心的字段。
-
-    Args:
-        text: 用户消息文本
-        employee_id: 员工 ID（可选，传给 Dify 的 user 字段）
-
-    Returns:
-        dict: {
-            "intent_type": str,
-            "business_category": str | None,
-            "routing_confidence": float,
-            "is_approval_request": bool,
-            "confidence": float,
-            "approval_type": str | None,
-        }
-
-    Raises:
-        Exception: Dify 调用失败或响应解析失败
-    """
-    base_url = settings.approval_dify_base_url
-    api_key = settings.approval_dify_api_key
-    timeout = settings.approval_dify_timeout
-
-    if not base_url or not api_key:
-        raise ValueError(
-            "Dify 统一意图识别应用未配置"
-            "（APPROVAL_DIFY_BASE_URL / APPROVAL_DIFY_API_KEY）"
-        )
-
-    # 构建请求 URL：base_url + /v1/chat-messages（Dify 原生 API）
-    url = f"{base_url.rstrip('/')}/v1/chat-messages"
-
-    body = {
-        "inputs": {},
-        "query": text,
-        "response_mode": "blocking",
-        "user": employee_id or "routing_detection",
-    }
-    headers = {
-        "Authorization": f"Bearer {api_key}",
-        "Content-Type": "application/json",
-    }
-
-    async with httpx.AsyncClient(timeout=httpx.Timeout(timeout)) as client:
-        response = await client.post(url, json=body, headers=headers)
-        response.raise_for_status()
-        data = response.json()
-
-        # 解析 Dify 原生响应：answer 字段包含 AI 返回的 JSON 字符串
-        answer = data.get("answer", "")
-        parsed = json.loads(answer)
-
-        # 解析统一意图识别的 6 个字段
-        return {
-            "is_approval_request": bool(parsed.get("is_approval_request", False)),
-            "confidence": float(parsed.get("confidence", 0.0)),
-            "approval_type": parsed.get("approval_type"),
-            "intent_type": str(parsed.get("intent_type", "chitchat")),
-            "business_category": parsed.get("business_category"),
-            "routing_confidence": float(parsed.get("routing_confidence", 0.0)),
-        }
-
-
-# =============================================================================
-# 联系人查询
-# =============================================================================
-
-async def get_contact_by_category(db, category: str) -> Optional[BusinessContact]:
-    """按业务类别查询联系人。
-
-    按 business_category + is_active=True 查询，取第一条有效联系人。
-    P0 阶段单联系人推荐，P2 支持按服务区域匹配。
-
-    Args:
-        db: 异步 DB session
-        category: 业务类别（行政/人力资源/财务/法务/行政-物业）
-
-    Returns:
-        Optional[BusinessContact]: 联系人对象，未找到返回 None
-    """
-    result = await db.execute(
-        select(BusinessContact)
-        .where(
-            BusinessContact.business_category == category,
-            BusinessContact.is_active == True,  # noqa: E712
-        )
-        .order_by(BusinessContact.id)
-        .limit(1)
-    )
-    return result.scalar_one_or_none()
-
-
-# =============================================================================
-# 名片三段式发送
-# =============================================================================
-
-async def send_contact_card(
-    db,
-    conversation: Conversation,
-    employee_id: str,
-    contact: BusinessContact,
-    reason: str,
-    business_category: str,
-    routing_confidence: float,
-) -> None:
-    """发送名片三段式消息（路由文本 → contact_card → 系统提示）。
-
-    完全参考 _handle_byod_query 模式：
-      1. 创建路由说明文本消息（AI, text）→ 落库 + WS双通道推送
-      2. 创建 contact_card 名片消息（AI, contact_card）→ 落库 + WS双通道推送
-      3. 创建系统提示消息（system, system）→ 落库 + WS双通道推送
-
-    每条消息分别落库 + WS推送，与 PRD 4.3 交互流程一致。
-
-    Args:
-        db: 异步 DB session
-        conversation: 当前会话对象
-        employee_id: 员工企微 UserID
-        contact: 联系人对象
-        reason: 路由说明文本（如"打印机问题属于行政设备范畴..."）
-        business_category: 业务类别
-        routing_confidence: 路由置信度
-    """
-    contact_data = contact.to_dict()
-    extra_data: dict[str, Any] = {
-        "contact": contact_data,
-        "routing_reason": reason,
-        "business_category": business_category,
-        "routing_confidence": routing_confidence,
-    }
-
-    # === 1. 路由说明文本消息 ===
-    routing_text_msg = Message(
-        conversation_id=conversation.id,
-        sender_type="ai",
-        sender_id="ai_bot",
-        sender_name="Duckula（达寇拉）",
-        content=reason,
-        msg_type="text",
-        is_read=True,
-    )
-    db.add(routing_text_msg)
-    await db.flush()
-
-    await ws_manager.broadcast_to_employees([employee_id], {
-        "type": "ai_reply",
-        "data": {
-            "message_id": str(routing_text_msg.id),
-            "conversation_id": str(conversation.id),
-            "sender_type": "ai",
-            "sender_id": "ai_bot",
-            "sender_name": "Duckula（达寇拉）",
-            "content": reason,
-            "msg_type": "text",
-            "is_guidance": False,
-            "ai_reply_count": conversation.ai_substantive_reply_count,
-            "can_call_agent": conversation.ai_substantive_reply_count >= 3,
-            "conversation_status": conversation.status,
-        },
-    })
-    try:
-        await ws_manager.broadcast({
-            "type": "new_message",
-            "data": {
-                "conversation_id": str(conversation.id),
-                "message_id": str(routing_text_msg.id),
-                "sender_type": "ai",
-                "sender_id": "ai_bot",
-                "sender_name": "Duckula（达寇拉）",
-                "content": reason,
-                "msg_type": "text",
-            },
-        })
-    except Exception as ws_err:
-        logger.warning(f"路由文本 WS 广播给坐席失败: {ws_err}")
-
-    # === 2. contact_card 名片消息 ===
-    contact_card_msg = Message(
-        conversation_id=conversation.id,
-        sender_type="ai",
-        sender_id="ai_bot",
-        sender_name="Duckula（达寇拉）",
-        content=f"为您推荐{business_category}服务联系人：{contact.name}",
-        msg_type="contact_card",
-        extra_data=extra_data,
-        is_read=True,
-    )
-    db.add(contact_card_msg)
-    await db.flush()
-
-    await ws_manager.broadcast_to_employees([employee_id], {
-        "type": "ai_reply",
-        "data": {
-            "message_id": str(contact_card_msg.id),
-            "conversation_id": str(conversation.id),
-            "sender_type": "ai",
-            "sender_id": "ai_bot",
-            "sender_name": "Duckula（达寇拉）",
-            "content": f"为您推荐{business_category}服务联系人：{contact.name}",
-            "msg_type": "contact_card",
-            "extra_data": extra_data,
-            "is_guidance": False,
-            "ai_reply_count": conversation.ai_substantive_reply_count,
-            "can_call_agent": conversation.ai_substantive_reply_count >= 3,
-            "conversation_status": conversation.status,
-        },
-    })
-    try:
-        await ws_manager.broadcast({
-            "type": "new_message",
-            "data": {
-                "conversation_id": str(conversation.id),
-                "message_id": str(contact_card_msg.id),
-                "sender_type": "ai",
-                "sender_id": "ai_bot",
-                "sender_name": "Duckula（达寇拉）",
-                "content": f"为您推荐{business_category}服务联系人：{contact.name}",
-                "msg_type": "contact_card",
-                "extra_data": extra_data,
-            },
-        })
-    except Exception as ws_err:
-        logger.warning(f"名片卡片 WS 广播给坐席失败: {ws_err}")
-
-    # === 3. 系统提示消息 ===
-    system_text = "以上为AI自动推荐，点击名片可直接发起企微聊天"
-    system_msg = Message(
-        conversation_id=conversation.id,
-        sender_type="system",
-        sender_id="system",
-        sender_name="系统",
-        content=system_text,
-        msg_type="system",
-        is_read=True,
-    )
-    db.add(system_msg)
-    await db.flush()
-
-    await ws_manager.broadcast_to_employees([employee_id], {
-        "type": "ai_reply",
-        "data": {
-            "message_id": str(system_msg.id),
-            "conversation_id": str(conversation.id),
-            "sender_type": "system",
-            "sender_id": "system",
-            "sender_name": "系统",
-            "content": system_text,
-            "msg_type": "system",
-            "is_guidance": False,
-            "ai_reply_count": conversation.ai_substantive_reply_count,
-            "can_call_agent": conversation.ai_substantive_reply_count >= 3,
-            "conversation_status": conversation.status,
-        },
-    })
-    try:
-        await ws_manager.broadcast({
-            "type": "new_message",
-            "data": {
-                "conversation_id": str(conversation.id),
-                "message_id": str(system_msg.id),
-                "sender_type": "system",
-                "sender_id": "system",
-                "sender_name": "系统",
-                "content": system_text,
-                "msg_type": "system",
-            },
-        })
-    except Exception as ws_err:
-        logger.warning(f"系统提示 WS 广播给坐席失败: {ws_err}")
-
-    # 更新会话状态（路由推荐视为一次实质性 AI 回复）
-    conversation.ai_substantive_reply_count += 1
-    conversation.updated_at = datetime.now()
-    db.add(conversation)
-    await db.flush()
-    await db.commit()
-
-    logger.info(
-        f"路由名片发送完成: employee_id={employee_id}, category={business_category}, "
-        f"contact={contact.name}, confidence={routing_confidence}"
-    )
-
-
-# =============================================================================
-# 路由事件记录（P1）
-# =============================================================================
-
-async def record_routing_event(
-    db,
-    conversation_id: str,
-    employee_id: str,
-    message_content: str,
-    business_category: str,
-    routing_confidence: float,
-    contact: Optional[BusinessContact],
-) -> None:
-    """记录路由命中事件（P1）。
-
-    为后续优化 Prompt 准确率、分析高频非IT业务提供数据支撑。
-
-    Args:
-        db: 异步 DB session
-        conversation_id: 会话ID
-        employee_id: 员工ID
-        message_content: 触发路由的员工消息（截断至500字）
-        business_category: 业务类别
-        routing_confidence: 路由置信度
-        contact: 推荐的联系人对象（可能为 None）
-    """
-    try:
-        event = RoutingEvent(
-            conversation_id=conversation_id,
-            employee_id=employee_id,
-            message_content=message_content[:500],
-            business_category=business_category,
-            routing_confidence=routing_confidence,
-            contact_id=contact.id if contact else None,
-            contact_name=contact.name if contact else "",
-            is_clicked=False,
-        )
-        db.add(event)
-        await db.flush()
-        await db.commit()
-    except Exception as e:
-        # 路由事件记录失败不影响主流程，仅记录 warning
-        logger.warning(f"路由事件记录失败: {e}")
@@ -1,903 +0,0 @@
-# =============================================================================
-# 企微IT智能服务台 — H5 员工端 AI 回复后台任务
-# =============================================================================
-# 背景：原 h5_send_message 在同步 HTTP 请求内 await AI 推理（Dify 3~15s），
-#       整条请求被阻塞，前端表现为"发送中"长时间卡顿。
-#       本模块将 AI 推理移出请求，改为 asyncio 后台任务，结果经 WebSocket
-#       流式推回（ai_reply_chunk / ai_reply），发送瞬时完成。
-#
-# 关键约束（详见 docs/02-需求分析/技术架构演进/员工端消息发送延时改造方案.md）：
-#   1. 必须单 worker 运行（docker-compose --workers 1）：
-#      ws_manager 是进程内单例，多 worker 时后台任务与员工 WS 连接可能不在
-#      同进程，broadcast 会静默丢失（约 50%）。
-#   2. 使用独立 DB session（_get_session_factory），不可复用请求的 db
-#      （请求返回后该 session 会被关闭）。
-# =============================================================================
-
-import asyncio
-import logging
-import os
-from datetime import datetime, timedelta
-from pathlib import Path
-
-from sqlalchemy import select
-
-from app.api.byod import _byod_keyword_prefilter
-from app.database import _get_session_factory
-from app.dependencies import get_shared_ai_handler
-from app.models.conversation import Conversation
-from app.models.message import Message
-from app.services.routing_service import (
-    routing_keyword_prefilter,
-    detect_routing_intent,
-    get_contact_by_category,
-    send_contact_card,
-    record_routing_event,
-    _keyword_fallback_category,
-)
-from app.services.vision_service import VisionService
-from app.services.ws_manager import manager as ws_manager
-
-logger = logging.getLogger(__name__)
-
-
-# =============================================================================
-# Phase 4A: VisionService 接入 — 图片消息视觉理解
-# =============================================================================
-
-# 图片文件本地存储根目录（与 upload.py 中 UPLOAD_DIR 一致）
-_UPLOAD_DIR = Path(os.getenv("UPLOAD_DIR", "./uploads"))
-
-# 视觉理解置信度阈值：低于此值不注入描述（避免错误描述误导 AI）
-_VISION_CONFIDENCE_THRESHOLD = 0.6
-
-
-def _media_url_to_local_path(media_url: str) -> Path:
-    """将媒体 URL 路径转换为本地文件系统路径。
-
-    做什么：把 "/api/media/2026/07/13/abc.png" 转换为
-           "./uploads/2026/07/13/abc.png"
-    为什么：VisionService 需要读取原始图片字节流，
-           而媒体 URL 是 HTTP 访问路径，不是文件系统路径。
-
-    Args:
-        media_url: 媒体文件 URL（如 /api/media/2026/07/13/abc.png）
-
-    Returns:
-        Path: 本地文件路径对象
-    """
-    # 去掉 URL 前缀 /api/media/，拼接到 UPLOAD_DIR
-    # 例: "/api/media/2026/07/13/abc.png" → "2026/07/13/abc.png"
-    relative = media_url.replace("/api/media/", "", 1)
-    return _UPLOAD_DIR / relative
-
-
-async def _fetch_recent_employee_text(
-    db, conversation_id: str, employee_id: str, within_seconds: int = 5
-) -> str:
-    """获取最近 N 秒内员工的文字消息（Phase 4B 消息融合）。
-
-    做什么：查询同一会话中，当前图片消息之前 within_seconds 秒内，
-           员工发送的文本消息内容。
-    为什么：用户经常先打字描述问题再发截图，或先发截图再补充文字。
-           将文字与图片视觉描述融合后一次性传给 Dify，
-           避免 AI 分别处理两条消息导致上下文割裂。
-
-    Args:
-        db: 异步 DB session
-        conversation_id: 会话 ID
-        employee_id: 员工企微 UserID
-        within_seconds: 时间窗口（秒），默认 5 秒
-
-    Returns:
-        str: 最近的员工文字消息内容（多条用换行拼接），无则返回空字符串
-    """
-    cutoff = datetime.now() - timedelta(seconds=within_seconds)
-    stmt = (
-        select(Message)
-        .where(
-            Message.conversation_id == conversation_id,
-            Message.sender_type == "employee",
-            Message.sender_id == employee_id,
-            Message.msg_type == "text",
-            Message.created_at >= cutoff,
-        )
-        .order_by(Message.created_at.desc())
-        .limit(3)  # 最多取 3 条，避免内容过长
-    )
-    result = await db.execute(stmt)
-    messages = result.scalars().all()
-
-    if not messages:
-        return ""
-
-    # 按时间正序拼接（先发的在前）
-    texts = [m.content for m in reversed(messages) if m.content]
-    return "\n".join(texts)
-
-
-async def _enrich_image_content(
-    db,
-    media_url: str,
-    original_content: str,
-    conversation_id: str,
-    employee_id: str,
-) -> str:
-    """用 VisionService 分析图片，生成增强后的消息内容。
-
-    做什么：
-      1. 从本地文件系统读取图片
-      2. 调用 VisionService.analyze_screenshot() 获取视觉描述
-      3. 查询最近 5 秒内的员工文字消息（消息融合）
-      4. 拼接视觉描述 + 用户文字 → 传给 Dify
-
-    为什么：Dify 文本模型无法直接"看"图片，需要先将图片转为
-           文字描述，再与用户输入融合后传给 Dify 推理。
-
-    降级策略：
-      - 图片文件不存在 → 返回原始 content
-      - VisionService 调用失败 → 返回 "我收到了您的截图，但暂时无法识别内容"
-      - 置信度 < 0.6 → 不注入视觉描述，仅使用用户文字
-
-    Args:
-        db: 异步 DB session
-        media_url: 图片 URL（如 /api/media/2026/07/13/abc.png）
-        original_content: 原始消息内容（如 "[图片] 截图"）
-        conversation_id: 会话 ID
-        employee_id: 员工企微 UserID
-
-    Returns:
-        str: 增强后的消息内容（视觉描述 + 用户文字）
-    """
-    # 1. 读取本地图片文件
-    local_path = _media_url_to_local_path(media_url)
-    if not local_path.exists():
-        logger.warning(f"图片文件不存在: {local_path} (media_url={media_url})")
-        return original_content
-
-    try:
-        image_bytes = local_path.read_bytes()
-    except Exception as e:
-        logger.error(f"读取图片文件失败: {local_path} - {e}")
-        return original_content
-
-    # 2. 调用 VisionService 分析截图
-    vision_service = VisionService()
-    try:
-        result = await vision_service.analyze_screenshot(
-            image_bytes, conversation_id
-        )
-        description = result.get("description", "")
-        confidence = result.get("confidence", 0.0)
-
-        logger.info(
-            f"VisionService 分析完成: conversation={conversation_id}, "
-            f"confidence={confidence:.2f}, desc_len={len(description)}"
-        )
-
-        # 3. 注入视觉描述到会话上下文（供后续多轮对话使用）
-        if description and confidence >= _VISION_CONFIDENCE_THRESHOLD:
-            await vision_service.inject_to_conversation_context(
-                description, conversation_id
-            )
-    except Exception as e:
-        logger.error(f"VisionService 调用异常: {e}")
-        description = ""
-        confidence = 0.0
-    finally:
-        await vision_service.close()
-
-    # 4. 消息融合：查询最近 5 秒内员工的文字消息
-    recent_text = await _fetch_recent_employee_text(
-        db, conversation_id, employee_id, within_seconds=5
-    )
-
-    # 5. 拼接增强内容
-    #    格式：[视觉描述] + [用户最近文字] + [原始消息内容]
-    parts = []
-
-    if description and confidence >= _VISION_CONFIDENCE_THRESHOLD:
-        parts.append(f"[用户发送了截图，视觉理解结果] {description}")
-
-    if recent_text:
-        parts.append(f"[用户最近的文字描述] {recent_text}")
-
-    # 原始内容如果不是纯占位符（如"[图片] 截图"），也加入
-    if original_content and not original_content.startswith("[图片]"):
-        parts.append(original_content)
-
-    if not parts:
-        # 降级：视觉分析失败且无文字补充
-        return "我收到了您的截图，但暂时无法识别内容，请描述一下您遇到的问题。"
-
-    return "\n".join(parts)
-
-
-async def _persist_and_push(
-    db,
-    conversation: Conversation,
-    employee_id: str,
-    content: str,
-    is_guidance: bool,
-    should_count: bool,
-    should_transfer: bool,
-    dify_conversation_id,
-):
-    """持久化 AI 回复并推送给员工端 + 广播坐席端。
-
-    做什么：
-      1. 存 AI 消息到 DB
-      2. 更新会话状态（dify 上下文 / 计数 / 转人工）
-      3. 经 WS 向员工推 ai_reply 终态（前端据此替换打字机气泡）
-      4. 经 WS 向坐席端广播 new_message + conversation_updated
-    为什么：把"落库 + 推送"封装为单点，供同步路径与流式路径复用。
-    """
-    # 1. 存 AI 消息
-    ai_message = Message(
-        conversation_id=conversation.id,
-        sender_type="ai",
-        sender_id="ai_bot",
-        sender_name="Duckula（达寇拉）",
-        content=content,
-        msg_type="text",
-        is_read=True,
-    )
-    db.add(ai_message)
-    await db.flush()
-
-    # 2. 更新会话状态
-    if dify_conversation_id:
-        conversation.dify_conversation_id = dify_conversation_id
-    if should_count:
-        conversation.ai_substantive_reply_count += 1
-    if should_transfer:
-        conversation.status = "queued"
-    conversation.updated_at = datetime.now()
-    db.add(conversation)
-    await db.flush()
-    await db.commit()
-
-    # 3. 推 ai_reply 终态给员工（前端替换打字机气泡）
-    await ws_manager.broadcast_to_employees([employee_id], {
-        "type": "ai_reply",
-        "data": {
-            "message_id": str(ai_message.id),
-            "conversation_id": str(conversation.id),
-            "sender_type": "ai",
-            "sender_id": "ai_bot",
-            "sender_name": "Duckula（达寇拉）",
-            "content": content,
-            "msg_type": "text",
-            "is_guidance": is_guidance,
-            "ai_reply_count": conversation.ai_substantive_reply_count,
-            "can_call_agent": conversation.ai_substantive_reply_count >= 3,
-            "conversation_status": conversation.status,
-        },
-    })
-
-    # 4. 广播坐席端（new_message + conversation_updated）
-    try:
-        await ws_manager.broadcast({
-            "type": "new_message",
-            "data": {
-                "conversation_id": str(conversation.id),
-                "message_id": str(ai_message.id),
-                "sender_type": "ai",
-                "sender_id": "ai_bot",
-                "sender_name": "Duckula（达寇拉）",
-                "content": content,
-                "msg_type": "text",
-            },
-        })
-        await ws_manager.broadcast({
-            "type": "conversation_updated",
-            "data": {
-                "conversation_id": str(conversation.id),
-                "status": conversation.status,
-                "assigned_agent_id": str(conversation.assigned_agent_id) if conversation.assigned_agent_id else None,
-            },
-        })
-    except Exception as ws_err:
-        # WS 广播失败不阻塞消息存储，只记录 warning
-        logger.warning(f"WS 广播 AI 回复给坐席失败（消息已存储）: {ws_err}")
-
-
-async def _persist_and_push_structured(
-    db,
-    conversation: Conversation,
-    employee_id: str,
-    result: dict,
-):
-    """持久化结构化 AI 回复并推送给员工端 + 广播坐席端（v2.0 双 WS 通道）。
-
-    改造后的核心变化（2026-07-13）：
-    - Dify 返回 JSON {text, action, options}，后端解析后同时发两条 WS：
-      ① ai_reply → 聊天气泡（text + options）
-      ② dynamic_recommend → 侧边栏推荐（action 卡片）
-    - 两条消息同一时刻发出，零时间差到达
-    - 文字明确引用侧边栏内容（如"右侧已为您准备好入口"），语义强关联
-
-    命中判断规则：
-    - 结构化回复且有 action 或 options → 视为命中（AI 在主动引导）
-    - 纯文本回复 → 走原有 _check_knowledge_hit 判断
-
-    Args:
-        db: 异步 DB session
-        conversation: 当前会话对象
-        employee_id: 员工企微 UserID
-        result: get_structured_reply() 返回的结构化结果
-    """
-    text = result.get("text", "")
-    action = result.get("action")
-    options = result.get("options")
-    hit = result.get("hit", False)
-    is_structured = result.get("is_structured", False)
-    dify_conv_id = result.get("conversation_id")
-    # Phase 6A: 提取诊断阶段
-    diagnosis_stage = result.get("diagnosis_stage")
-
-    # 结构化回复且有 action 或 options → 视为命中（AI 在主动引导/推荐）
-    if is_structured and (action or options):
-        hit = True
-
-    # Phase 6A: 基于 diagnosis_stage 调整会话状态
-    # escalating → AI 建议转人工
-    # resolved → AI 认为问题已解决
-    if diagnosis_stage == "escalating":
-        hit = False  # 不计为有效回复，触发转人工
-    elif diagnosis_stage == "resolved":
-        hit = True  # 计为有效回复
-
-    should_count = hit
-    should_transfer = not hit
-
-    # 确定消息类型
-    if is_structured and (options or action):
-        msg_type = "ai_structured"
-    else:
-        msg_type = "text"
-
-    # 构建 extra_data（存储 options 和 action 供前端渲染）
-    extra_data = {}
-    if options:
-        extra_data["options"] = options
-    if action:
-        extra_data["action"] = action
-
-    # 1. 存 AI 消息
-    ai_message = Message(
-        conversation_id=conversation.id,
-        sender_type="ai",
-        sender_id="ai_bot",
-        sender_name="Duckula（达寇拉）",
-        content=text,
-        msg_type=msg_type,
-        extra_data=extra_data if extra_data else None,
-        is_read=True,
-    )
-    db.add(ai_message)
-    await db.flush()
-
-    # 2. 更新会话状态
-    if dify_conv_id:
-        conversation.dify_conversation_id = dify_conv_id
-    if should_count:
-        conversation.ai_substantive_reply_count += 1
-    if should_transfer:
-        conversation.status = "queued"
-    # Phase 6A: 将 diagnosis_stage 存入 tags（无需迁移，利用现有 JSON 字段）
-    if diagnosis_stage:
-        tags = conversation.tags or {}
-        tags["diagnosis_stage"] = diagnosis_stage
-        tags["diagnosis_updated_at"] = datetime.now().isoformat()
-        conversation.tags = tags
-    conversation.updated_at = datetime.now()
-    db.add(conversation)
-    await db.flush()
-    await db.commit()
-
-    # 3. 推 ai_reply 给员工端（聊天气泡：text + options）
-    await ws_manager.broadcast_to_employees([employee_id], {
-        "type": "ai_reply",
-        "data": {
-            "message_id": str(ai_message.id),
-            "conversation_id": str(conversation.id),
-            "sender_type": "ai",
-            "sender_id": "ai_bot",
-            "sender_name": "Duckula（达寇拉）",
-            "content": text,
-            "msg_type": msg_type,
-            "extra_data": extra_data if extra_data else None,
-            "is_guidance": False,
-            "ai_reply_count": conversation.ai_substantive_reply_count,
-            "can_call_agent": conversation.ai_substantive_reply_count >= 3,
-            "conversation_status": conversation.status,
-            # Phase 6A: 诊断阶段（前端可据此调整 UI/提示）
-            "diagnosis_stage": diagnosis_stage,
-        },
-    })
-
-    # 4. 推 dynamic_recommend 给员工端侧边栏（仅当 action 非空时）
-    #    与 ai_reply 同一时刻发出 → 零时间差到达
-    if action:
-        recommend_data = {
-            "recommend_id": f"rec_{ai_message.id}",
-            "card_type": action.get("type", "approval_card"),
-            "title": action.get("title", ""),
-            "description": action.get("description", ""),
-            "approval_type": action.get("approval_type"),
-            "confidence": action.get("confidence", 0.85),
-            "message_id": str(ai_message.id),
-            "conversation_id": str(conversation.id),
-        }
-        await ws_manager.broadcast_to_employees([employee_id], {
-            "type": "dynamic_recommend",
-            "data": recommend_data,
-        })
-        logger.info(
-            f"动态推荐已推送: employee={employee_id}, "
-            f"card_type={recommend_data['card_type']}, "
-            f"title={recommend_data['title']}"
-        )
-
-    # 5. 广播坐席端（new_message + conversation_updated）
-    try:
-        await ws_manager.broadcast({
-            "type": "new_message",
-            "data": {
-                "conversation_id": str(conversation.id),
-                "message_id": str(ai_message.id),
-                "sender_type": "ai",
-                "sender_id": "ai_bot",
-                "sender_name": "Duckula（达寇拉）",
-                "content": text,
-                "msg_type": msg_type,
-                "extra_data": extra_data if extra_data else None,
-            },
-        })
-        await ws_manager.broadcast({
-            "type": "conversation_updated",
-            "data": {
-                "conversation_id": str(conversation.id),
-                "status": conversation.status,
-                "assigned_agent_id": (
-                    str(conversation.assigned_agent_id)
-                    if conversation.assigned_agent_id else None
-                ),
-            },
-        })
-    except Exception as ws_err:
-        logger.warning(f"WS 广播结构化 AI 回复给坐席失败（消息已存储）: {ws_err}")
-
-
-async def _handle_byod_query(db, conversation, employee_id, content):
-    """处理 BYOD 自备电脑补贴查询。
-
-    在 H5 聊天消息流中拦截 BYOD 关键词后执行资格检查，并以 byod_card
-    卡片消息形式推送给员工端（前端 MessageBubble 据 msg_type 渲染
-    ByodSubsidyCard）。
-
-    流程：
-      1. 通过 WecomService 获取员工岗位（position）
-      2. 与 BYOD 资格清单匹配（_match_position）
-      3. 创建 byod_card 类型 AI 消息并落库
-      4. 经 WS 推送 ai_reply 给员工端（携带 extra_data.byod_result）
-      5. 广播 new_message + conversation_updated 给坐席端（与 _persist_and_push 一致）
-
-    Args:
-        db: 异步 DB session（process_h5_ai_reply 的 factory session）
-        conversation: 当前会话对象（Conversation）
-        employee_id: 员工企微 UserID
-        content: 用户消息原文（用于日志）
-    """
-    # 延迟导入避免循环依赖（byod 模块注册路由时可能引用 app.main）
-    from app.api.byod import _match_position, BYOD_APPLICATION_URL, BYOD_NOTES, BYOD_REGISTER_NOTES
-    from app.services.wecom_service import WecomService
-
-    # 1. 获取员工岗位（企微通讯录 API）
-    position = ""
-    try:
-        wecom_service = WecomService()
-        try:
-            user_info = await wecom_service.get_user_info(employee_id)
-            position = user_info.get("position", "")
-        finally:
-            await wecom_service.close()
-    except Exception as e:
-        logger.error(f"BYOD: 获取员工岗位失败: {e}")
-
-    # 2. 岗位匹配（返回: 是否匹配, 匹配岗位, 匹配类别）
-    eligible, matched_pos, matched_category = _match_position(position)
-
-    # 3. 构建 BYOD 结果数据
-    #    字段与前端 ByodSubsidyCard.vue props 完全一致：
-    #    eligible / position / matched_category / application_url / notes / reason
-    byod_result = {
-        "eligible": eligible,
-        "has_subsidy": eligible,
-        "position": position,
-        "matched_category": matched_category,
-        "application_url": BYOD_APPLICATION_URL,  # 所有岗位都提供链接
-        "notes": BYOD_NOTES if eligible else BYOD_REGISTER_NOTES,
-        "reason": (
-            "" if eligible
-            else f"您的岗位「{position}」不在自备电脑补贴资格清单中，可进行自备电脑登记（无补贴）"
-        ),
-    }
-
-    # 4. 展示文本（AI 气泡的 content，卡片下方不直接展示，但会话列表/坐席端可见）
-    if eligible:
-        display_text = f"您岗位为「{position}」，符合自备电脑补贴申请资格"
-    else:
-        display_text = f"您岗位为「{position}」，可进行自备电脑登记（无补贴）"
-
-    # 5. 创建 AI 消息（byod_card 类型，携带 byod_result）
-    ai_message = Message(
-        conversation_id=conversation.id,
-        sender_type="ai",
-        sender_id="ai_bot",
-        sender_name="Duckula（达寇拉）",
-        content=display_text,
-        msg_type="byod_card",
-        extra_data={"byod_result": byod_result},
-        is_read=True,
-    )
-    db.add(ai_message)
-    await db.flush()
-
-    # 6. 更新会话状态（计数 + 时间，BYOD 视为一次实质性 AI 回复）
-    conversation.ai_substantive_reply_count += 1
-    conversation.updated_at = datetime.now()
-    db.add(conversation)
-    await db.flush()
-    await db.commit()
-
-    # 7. 推送 ai_reply 给员工端（前端据 msg_type="byod_card" 渲染卡片）
-    await ws_manager.broadcast_to_employees([employee_id], {
-        "type": "ai_reply",
-        "data": {
-            "message_id": str(ai_message.id),
-            "conversation_id": str(conversation.id),
-            "sender_type": "ai",
-            "sender_id": "ai_bot",
-            "sender_name": "Duckula（达寇拉）",
-            "content": display_text,
-            "msg_type": "byod_card",
-            "extra_data": {"byod_result": byod_result},
-            "is_guidance": False,
-            "ai_reply_count": conversation.ai_substantive_reply_count,
-            "can_call_agent": conversation.ai_substantive_reply_count >= 3,
-            "conversation_status": conversation.status,
-        },
-    })
-
-    # 8. 广播坐席端（new_message + conversation_updated，与 _persist_and_push 一致）
-    try:
-        await ws_manager.broadcast({
-            "type": "new_message",
-            "data": {
-                "conversation_id": str(conversation.id),
-                "message_id": str(ai_message.id),
-                "sender_type": "ai",
-                "sender_id": "ai_bot",
-                "sender_name": "Duckula（达寇拉）",
-                "content": display_text,
-                "msg_type": "byod_card",
-                "extra_data": {"byod_result": byod_result},
-            },
-        })
-        await ws_manager.broadcast({
-            "type": "conversation_updated",
-            "data": {
-                "conversation_id": str(conversation.id),
-                "status": conversation.status,
-                "assigned_agent_id": (
-                    str(conversation.assigned_agent_id)
-                    if conversation.assigned_agent_id else None
-                ),
-            },
-        })
-    except Exception as ws_err:
-        logger.warning(f"BYOD: WS 广播给坐席失败: {ws_err}")
-
-    logger.info(
-        f"BYOD 查询完成: employee_id={employee_id}, position={position}, "
-        f"eligible={eligible}, matched_category={matched_category}"
-    )
-
-
-async def _handle_routing(
-    db,
-    conversation: Conversation,
-    employee_id: str,
-    content: str,
-) -> bool:
-    """处理非IT业务路由推荐。
-
-    在 H5 聊天消息流中拦截路由关键词后调用 Dify 统一意图识别，
-    判定为 non_it_routing 且 routing_confidence ≥ 阈值时发送名片三段式消息。
-
-    流程：
-      1. 调用 Dify 统一意图识别（detect_routing_intent）
-      2. 检查 intent_type == "non_it_routing" && routing_confidence ≥ 阈值
-         → YES: 查询联系人 → 发送名片三段式消息 → 记录路由事件 → 返回 True
-         → NO: 返回 False（继续走正常 AI 流程）
-      3. Dify 调用失败 → 关键词降级兜底（按 ROUTING_KEYWORD_TO_CATEGORY 映射）
-
-    Args:
-        db: 异步 DB session（process_h5_ai_reply 的 factory session）
-        conversation: 当前会话对象（Conversation）
-        employee_id: 员工企微 UserID
-        content: 用户消息原文
-
-    Returns:
-        bool: True 表示已发送路由名片（应 return 中断后续流程），
-              False 表示未触发路由（继续走正常 AI 流程）
-    """
-    from app.config import settings
-
-    # 1. 调用 Dify 统一意图识别
-    try:
-        result = await detect_routing_intent(content, employee_id)
-        intent_type = result.get("intent_type", "chitchat")
-        business_category = result.get("business_category")
-        routing_confidence = result.get("routing_confidence", 0.0)
-
-        # 如果是审批意图，不拦截（让审批流程处理）
-        if intent_type == "approval":
-            return False
-
-        logger.info(
-            f"路由意图检测(Dify): intent_type={intent_type}, "
-            f"business_category={business_category}, "
-            f"routing_confidence={routing_confidence}"
-        )
-
-        # 2. 检查是否触发路由推荐
-        threshold = settings.routing_confidence_threshold
-        if intent_type != "non_it_routing" or routing_confidence < threshold:
-            # 置信度不足或非路由意图，走正常 AI 流程
-            return False
-
-        if not business_category:
-            logger.warning("路由意图为 non_it_routing 但 business_category 为空，跳过")
-            return False
-
-    except Exception as e:
-        logger.warning(f"Dify 路由意图识别失败，降级为关键词匹配: {e}")
-        # 3. 降级为关键词匹配
-        business_category = _keyword_fallback_category(content)
-        if not business_category:
-            # 关键词也未命中，走正常 AI 流程
-            return False
-        routing_confidence = 0.75  # 降级兜底给一个略高于阈值的置信度
-        logger.info(f"路由意图检测(兜底): business_category={business_category}")
-
-    # 4. 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
-
-    # 5. 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："
-    )
-
-    # 6. 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,
-    )
-
-    # 7. 记录路由事件（P1）
-    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 process_h5_ai_reply(
-    conversation_id: str,
-    employee_id: str,
-    content: str,
-    dify_conversation_id=None,
-    msg_type: str = "text",
-    media_url: str = None,
-):
-    """H5 发送消息后的 AI 回复处理（asyncio.create_task 入口）。
-
-    v2.0 改造（2026-07-13）：
-    - AI 回复从流式 SSE 改为 blocking + JSON 结构化输出
-    - Dify 返回 {text, action, options} JSON → 后端解析 → 双 WS 推送
-    - 聊天气泡收到 ai_reply（text + options），侧边栏收到 dynamic_recommend（action）
-    - 新增 ai_thinking 指示器，用户发送后立即看到"正在思考..."
-
-    v2.1 改造（2026-07-13 Phase 4）：
-    - 新增图片消息处理分支（msg_type=image）
-    - 图片 → VisionService.analyze_screenshot() → 视觉描述 → 融合到用户文字
-    - 消息融合：查询最近 5 秒内员工的文字消息，与图片描述合并后传给 Dify
-    - 降级：VisionService 失败/低置信度 → 使用原始文字或提示用户描述问题
-
-    流程：
-      1. BYOD 关键词拦截 → byod_card 卡片
-      2. 路由关键词拦截 → 名片推荐
-      3. 本地快判断（打招呼/呼叫人工）→ 同步引导
-      4. ★ 图片消息处理（Phase 4A）→ VisionService 分析 → 内容增强
-      5. ★ 结构化 AI 回复（blocking + JSON 解析 + 双 WS 推送）
-      6. 任意异常 → 推 ai_reply_failed
-
-    Args:
-        conversation_id: 会话 ID
-        employee_id: 员工企微 UserID
-        content: 消息文本内容
-        dify_conversation_id: Dify 会话 ID（用于多轮上下文）
-        msg_type: 消息类型（text/image/file），默认 text
-        media_url: 媒体文件 URL（图片消息时使用）
-    """
-    ai_handler = get_shared_ai_handler()
-    factory = _get_session_factory()
-    async with factory() as db:
-        try:
-            conversation = await db.get(Conversation, conversation_id)
-            if not conversation:
-                logger.warning(f"后台 AI 任务：会话不存在 {conversation_id}")
-                return
-
-            # === BYOD 关键词拦截（仅文本消息）===
-            # 图片消息的 content 是占位符（如 "[图片] 截图"），跳过关键词拦截
-            if msg_type == "text" and _byod_keyword_prefilter(content):
-                await _handle_byod_query(db, conversation, employee_id, content)
-                return
-
-            # === 业务路由检测（仅文本消息）===
-            if msg_type == "text" and routing_keyword_prefilter(content):
-                routed = await _handle_routing(db, conversation, employee_id, content)
-                if routed:
-                    return
-
-            # === 本地快判断：打招呼 / 呼叫人工（仅文本消息）===
-            if msg_type == "text" and (ai_handler.is_greeting(content) or ai_handler.is_call_human(content)):
-                result = await ai_handler.handle_message(
-                    content=content,
-                    dify_conversation_id=dify_conversation_id,
-                    user_id=employee_id,
-                )
-                await _persist_and_push(
-                    db, conversation, employee_id, result.content,
-                    result.is_guidance, result.should_count,
-                    result.should_transfer, result.dify_conversation_id,
-                )
-                return
-
-            # === ★ v2.1 图片消息处理（Phase 4A/4B）===
-            # 做什么：检测到图片消息 → 调用 VisionService 分析截图 →
-            #         将视觉描述与用户文字融合 → 传给 Dify 推理
-            # 为什么：Dify 文本模型无法"看"图片，需要先将图片转为文字描述
-            # 降级：VisionService 失败 → 使用原始 content 继续流程
-            enriched_content = content  # 默认使用原始内容
-            if msg_type == "image" and media_url:
-                logger.info(
-                    f"图片消息检测: conversation={conversation_id}, "
-                    f"media_url={media_url}"
-                )
-                try:
-                    enriched_content = await _enrich_image_content(
-                        db=db,
-                        media_url=media_url,
-                        original_content=content,
-                        conversation_id=conversation_id,
-                        employee_id=employee_id,
-                    )
-                    logger.info(
-                        f"图片内容增强完成: original_len={len(content)}, "
-                        f"enriched_len={len(enriched_content)}"
-                    )
-                except Exception as vision_err:
-                    logger.error(
-                        f"VisionService 处理失败，降级为纯文本: {vision_err}"
-                    )
-                    # 降级：使用原始 content，AI 会收到 "[图片] 截图" 这样的占位符
-                    # Dify 会回复"我收到了您的截图，请描述一下问题"
-
-            # === ★ v2.0 结构化 AI 回复（替代流式）===
-            # 1. 立即推送 "正在思考..." 指示器
-            #    同时推给员工（气泡动画）和坐席（状态指示）
-            await ws_manager.broadcast_to_employees([employee_id], {
-                "type": "ai_thinking",
-                "data": {
-                    "conversation_id": conversation_id,
-                },
-            })
-            # 坐席端也通知：AI 正在处理此会话的消息
-            try:
-                await ws_manager.broadcast({
-                    "type": "ai_thinking",
-                    "data": {
-                        "conversation_id": conversation_id,
-                        "employee_id": employee_id,
-                    },
-                })
-            except Exception:
-                pass  # 坐席端通知失败不影响主流程
-
-            # 2. 启动延迟 "仍在思考" 后台任务（15 秒后触发）
-            #    如果 Dify 在 15 秒内返回，此任务会被取消
-            async def _push_still_thinking():
-                """15 秒后推送 "仍在思考" 提示，缓解用户等待焦虑。"""
-                await asyncio.sleep(15)
-                await ws_manager.broadcast_to_employees([employee_id], {
-                    "type": "ai_thinking",
-                    "data": {
-                        "conversation_id": conversation_id,
-                        "status": "still_thinking",
-                    },
-                })
-
-            thinking_task = asyncio.create_task(_push_still_thinking())
-
-            # 3. 调用 Dify（blocking 模式 + JSON 解析 + 30 秒硬超时）
-            #    get_structured_reply 内部处理 HTTP 错误和 JSON 解析失败
-            #    asyncio.wait_for 处理 30 秒硬超时 → 建议转人工
-            #    注意：图片消息使用 enriched_content（视觉描述+用户文字融合）
-            try:
-                result = await asyncio.wait_for(
-                    ai_handler.ai_service.get_structured_reply(
-                        message=enriched_content,
-                        conversation_id=dify_conversation_id,
-                        user_id=employee_id,
-                    ),
-                    timeout=30,
-                )
-            except asyncio.TimeoutError:
-                # 30 秒硬超时 → 建议转人工
-                thinking_task.cancel()
-                logger.warning(f"Dify 30 秒超时: conversation={conversation_id}")
-                await ws_manager.broadcast_to_employees([employee_id], {
-                    "type": "ai_reply_failed",
-                    "data": {
-                        "conversation_id": conversation_id,
-                        "message": "AI 响应时间较长，建议转人工坐席处理。",
-                    },
-                })
-                return
-
-            # 4. 取消 "仍在思考" 任务（Dify 已返回）
-            thinking_task.cancel()
-            try:
-                await thinking_task  # 等待 task 真正取消，避免 warning
-            except asyncio.CancelledError:
-                pass
-
-            # 5. 持久化 + 双 WS 推送（ai_reply + dynamic_recommend）
-            await _persist_and_push_structured(
-                db, conversation, employee_id, result,
-            )
-
-        except Exception as e:
-            logger.error(f"后台 AI 任务异常: {e}", exc_info=True)
-            try:
-                await ws_manager.broadcast_to_employees([employee_id], {
-                    "type": "ai_reply_failed",
-                    "data": {
-                        "conversation_id": conversation_id,
-                        "message": "AI 服务异常，请转人工坐席或稍后重试。",
-                    },
-                })
-            except Exception:
-                # 推送失败也无所谓，员工端 3 秒轮询兜底
-                pass
@@ -1,29 +0,0 @@
-import sqlite3
-conn = sqlite3.connect('it_smart_desk.db')
-cursor = conn.cursor()
-
-# Check employee table
-cursor.execute("SELECT name FROM sqlite_master WHERE type='table' AND name='employees'")
-if cursor.fetchone():
-    cursor.execute('PRAGMA table_info(employees)')
-    cols = [row[1] for row in cursor.fetchall()]
-    print('Employee columns:')
-    for c in cols:
-        print(f'  {c}')
-    
-    missing = ['it_level', 'it_level_source', 'notes']
-    for m in missing:
-        status = "EXISTS" if m in cols else "MISSING!"
-        print(f'{m}: {status}')
-else:
-    print("No employees table found")
-
-# Check todo_items and troubleshooting_templates tables
-for table in ['todo_items', 'troubleshooting_templates']:
-    cursor.execute(f"SELECT name FROM sqlite_master WHERE type='table' AND name='{table}'")
-    if cursor.fetchone():
-        print(f"\n{table} table: EXISTS")
-    else:
-        print(f"\n{table} table: NOT FOUND (will be auto-created by SQLAlchemy on first access)")
-
-conn.close()
@@ -1,84 +0,0 @@
-# -*- coding: utf-8 -*-
-"""内容审核服务 真实验证（#81 敏感词检测 / 隐私泄露识别）
-
-真实验证点（来自功能规格说明书 + 状态看板验收标准）：
- moderate("你爱找谁找谁") → WARN + matched 含该词
- check_privacy_leak("电话13800138000") → 含 "phone"
- 命中敏感词动作是 WARN（仅警告，不阻断发送）
- 自定义词库为写死的若干条（生产应从配置加载，当前未接）
-"""
-import pytest
-
-from app.services.content_moderation_service import (
-    ContentModerationService,
-    ModerationAction,
-)
-
-
-@pytest.fixture
-def moderation_service():
-    # 直接使用构造函数（单例亦可，这里用新实例避免跨测试状态）
-    return ContentModerationService()
-
-
-def test_moderate_returns_warn_with_matched_word(moderation_service):
-    """验收点1: 命中自定义敏感词 → WARN 且 matched 含该词"""
-    result = moderation_service.moderate("你爱找谁找谁")
-    assert result.action == ModerationAction.WARN
-    assert "你爱找谁找谁" in result.matched_words
-
-
-def test_moderate_all_known_custom_words_warn(moderation_service):
-    """所有已知自定义敏感词均能命中并返回 WARN"""
-    words = ["投诉我", "你爱找谁找谁", "自己不会百度吗", "这点小事"]
-    for w in words:
-        r = moderation_service.moderate(w)
-        assert r.action == ModerationAction.WARN, f"{w} 应被 warn"
-        assert w in r.matched_words, f"{w} 应在 matched 中"
-
-
-def test_moderate_clean_text_passes(moderation_service):
-    """正常文本 → PASS，无命中词"""
-    r = moderation_service.moderate("您好，我的电脑无法开机了")
-    assert r.action == ModerationAction.PASS
-    assert r.matched_words == []
-
-
-def test_moderate_empty_string_passes(moderation_service):
-    """空字符串 → PASS"""
-    r = moderation_service.moderate("")
-    assert r.action == ModerationAction.PASS
-    assert r.matched_words == []
-
-
-def test_default_action_is_warn_not_block(moderation_service):
-    """关键事实: 当前命中动作是 WARN 而非 BLOCK（仅警告、不阻断发送）"""
-    r = moderation_service.moderate("自己不会百度吗")
-    assert r.action != ModerationAction.BLOCK
-    assert r.action == ModerationAction.WARN
-
-
-def test_check_privacy_leak_phone(moderation_service):
-    """验收点2: 手机号被识别为 phone"""
-    leaked = moderation_service.check_privacy_leak("我的电话13800138000")
-    assert "phone" in leaked
-
-
-def test_check_privacy_leak_id_card(moderation_service):
-    """身份证号被识别为 id_card"""
-    leaked = moderation_service.check_privacy_leak("身份证11010119900307123X")
-    assert "id_card" in leaked
-
-
-def test_check_privacy_leak_clean_text_empty(moderation_service):
-    """正常沟通内容不触发隐私识别"""
-    leaked = moderation_service.check_privacy_leak("这是正常的工作沟通内容")
-    assert leaked == []
-
-
-def test_custom_word_list_is_hardcoded(moderation_service):
-    """确认自定义词库是写死的（生产应从配置加载，当前未接）"""
-    words = moderation_service.custom_sensitive_words
-    assert len(words) >= 4
-    for w in ["投诉我", "你爱找谁找谁", "自己不会百度吗", "这点小事"]:
-        assert w in words
@@ -0,0 +1,68 @@
+# =============================================================================
+# 根目录 .dockerignore
+# 用途: 优化 docker build 体积 + 速度 + 安全
+# =============================================================================
+
+# Git
+.git/
+.gitignore
+.gitattributes
+.git-blame-ignore-revs
+
+# 文档(只 README 入)
+docs/
+*.md
+!backend/README.md
+README.md
+
+# 测试
+tests/
+**/test_*.py
+**/*_test.py
+**/*.test.ts
+**/*.spec.ts
+coverage/
+.coverage
+htmlcov/
+.pytest_cache/
+
+# 开发工具
+.vscode/
+.idea/
+*.swp
+.DS_Store
+Thumbs.db
+
+# 构建产物
+frontend-*/dist/
+frontend-*/node_modules/
+
+# 部署包 / 备份
+deploy-*.tar
+deploy-*.tar.gz
+*.log
+*.log.err
+build_logs/
+
+# Python
+__pycache__/
+*.py[cod]
+*$py.class
+.venv/
+venv/
+*.egg-info/
+
+# 环境变量(敏感)
+.env
+.env.*
+!.env.example
+
+# Docker(自身)
+Dockerfile
+.dockerignore
+docker-compose*.yml
+deploy-nas/
+deploy-server/
+
+# workbuddy(不需入镜像)
+.workbuddy/
@@ -0,0 +1,249 @@
+# Python
+__pycache__/
+*.py[cod]
+*$py.class
+*.egg-info/
+dist/
+build/
+.venv/
+venv/
+.eggs/
+
+# 环境变量
+.env
+.env.local
+.env.*
+
+# IDE
+.vscode/
+.idea/
+*.swp
+*.swo
+
+# 系统
+.DS_Store
+Thumbs.db
+
+# Node
+node_modules/
+npm-debug.log*
+yarn-debug.log*
+yarn-error.log*
+
+# 前端构建
+frontend-agent/dist/
+frontend-h5/dist/
+
+# 日志
+*.log
+logs/
+
+# Docker
+*.pid
+*.seed
+*.pid.lock
+
+# =============================================================================
+# P0 安全: SSL 私钥 / 部署包 / 历史日志 (2026-06-14 强化)
+# =============================================================================
+
+# SSL 私钥 + 证书请求
+*.key
+*.pem
+*.csr
+
+# docs/ 下所有 servyou.com.cn 证书(目录 + 文件 + zip 全部,** 匹配任意深度)
+docs/servyou.com.cn**
+docs/*证书*/
+docs/*ssl*/
+docs/*SSL*/
+docs/*证书*.zip
+/docs/*证书*.zip
+
+# 部署包 + 部署产物(体积大 + 经常含私钥)
+deploy-*.tar
+deploy-*.tar.gz
+deploy-packages/
+deploy-patch.tar
+deploy-admin.tar
+deploy-agent.tar
+deploy-backend.tar
+deploy-h5.tar
+deploy-portal.tar
+*.tar
+*.tar.gz
+
+# 历史日志 + 构建日志(stderr 噪声)
+*.log.err
+build_logs/
+agent_build.log.err
+build-agent.log.err
+build-agent2.log.err
+build-h5.log.err
+build-h5-fix.log.err
+build_all.log.err
+
+# 本地部署脚本 + 部署目录
+build.ps1
+build_all.ps1
+deploy-frontend-nas.bat
+deploy-nas/
+
+# 部署产物 zip(体积大 + 含 dist)
+frontend-*-dist-fix*.zip
+frontend-*-dist-fix-*.zip
+it-smart-desk-*-deploy.zip
+
+# deploy-server/ 部署配置(nginx conf 入仓, .env 排除)
+deploy-server/**/.env*
+deploy-server/**/secrets/
+deploy-server/**/*.pem
+deploy-server/**/*.key
+
+# SQLite 本地测试库
+it_smart_desk.db
+*.db
+*.sqlite
+*.sqlite3
+
+# Base64 编码凭据(部署脚本用,含 admin token / 证书)
+# 2026-06-22: gen_admin_token.b64 含生产 admin token,不能入仓
+*.b64
+
+# pytest / 临时
+.pytest_cache/
+/tmp/
+*.pid
+.coverage
+htmlcov/
+
+# 本地开发脚本 + 临时文件(2026-06-14 强化)
+dev-start.bat
+dev-start.ps1
+start-backend.ps1
+temp_*.txt
+temp_*.py
+wecom-it-desk-nas.zip
+wecom-it-desk-server-deploy.zip
+
+# =============================================================================
+# P0 安全: workbuddy 凭据(2026-06-14 强化)
+# =============================================================================
+# workbuddy config 含 Gitea access token,绝对不入仓
+# 类比 .git/config: 工作目录可写,但 git add . 时排除
+.workbuddy/config.json
+.workbuddy/config.local.json
+.workbuddy/*.token
+.workbuddy/credentials*
+.workbuddy/.env*
+# workbuddy 临时日志(评审/任务跑批的中间产物)
+.workbuddy/logs/
+.workbuddy/*.log
+.workbuddy/*.log.err
+# workbuddy 记忆目录(个人上下文,不 入仓)
+.workbuddy/memory/
+
+# =============================================================================
+# 工作树清理 (2026-07-09): 产物 / 临时 / 上传 / 调试 dump 不入仓
+# 说明: 仅停止版本跟踪, 文件保留在磁盘 (git rm --cached), 全部可逆
+# =============================================================================
+
+# 部署/构建产物 zip (体积大, 含 dist)
+*.zip
+*-dist/
+
+# 压缩包 / 备份 dump
+*.tar.xz
+*.dump
+
+# 后端运行时上传 (员工上传的 pdf/png, 非源码)
+backend/media/files/
+backend/media/images/
+
+# 调试 dump
+backend/*_dump.txt
+backend/all_routes.txt
+backend/auto_routes.txt
+backend/route_dump*.txt
+backend/api_router_dump.txt
+
+# 根目录 scratch 脚本 (一次性修复/检查/测试)
+check_*.py
+fix_*.py
+extract_and_migrate.py
+update_password.py
+upload_*.py
+_ctrt_transform.py
+encoded_knowledge_suggestion.txt
+deploy_to_container.py
+test_login*.py
+test_login*.json
+test_login*.sh
+test_redis*.py
+test_redis*.sh
+test_send.sh
+test_redis_conn.py
+keep_alive.ps1
+start_backend.sh
+start_dev_services.bat
+start_dev_services.ps1
+otp-bind.sh
+
+# 部署 scratch
+deploy-*.bat
+deploy-staging/
+deploy-scripts/
+deploy-temp/
+chunks/
+dify/
+ragflow/
+neo4j5*
+
+# nginx 实验配置 (nginx/nginx.dev.conf 如需则解除忽略)
+nginx*.conf
+nginx.conf.bak
+itdesk-nginx-block.conf
+
+# 截图 / 录屏
+login_*.png
+login_shot.mjs
+docs/06-测试质量/e2e-screenshots/
+
+# base64 头 dump
+*_b64_head.txt
+
+# scratch SQL (一次性)
+disable_mfa.sql
+check_sxn.sql
+reset_pass.sql
+reset_pwd.sql
+
+# 杂项
+-w
+
+# 补充忽略 (2026-07-09 收尾): 残余 scratch / 构建缓存
+ops-tools/
+dist-new/
+_tmp_*
+*.timestamp-*.mjs
+fix_redis.sh
+/test/
+backend/scripts/create_test_agent.py
+
+# 补充忽略 (2026-07-09 WIP 提交): 新增构建产物
+dist-deploy/
+dist-v2/
+
+# 补充忽略 (2026-07-13): 临时目录 / 备份 / 截图
+.workbuddy/tmp/
+.workbuddy/automations/
+deploy-staging-ki/
+dist-old-*/
+dist_deploy/
+screenshots/
+test-screenshots/
+tools/
+chat_export/
+deliverables/
+02meiti/
+data/
@@ -34,7 +34,7 @@ nav:
    - QA 综合报告: 06-测试质量/testing-测试/QA_COMPREHENSIVE_REPORT.md
  - 项目管理:
    - 任务总索引: 10-项目管理/01-任务总索引.md
-    - 项目状态看板: 10-项目管理/05-项目状态看板/01-项目状态看板.md
+    - 项目状态看板: 07-项目管理/看板/项目状态看板.md
    - 风险跟踪表: 10-项目管理/02-风险跟踪表.md
 markdown_extensions:
  - admonition
@@ -0,0 +1 @@
+lete(de)}}function re(A){var Y,de;if(P.value.has(A.message_id)){console.log(`[H5 WS去重] 跳过重复消息: ${A.message_id}`);return}if(console.log("[H5 WS] 收到 new_message:",{message_id:A.message_id,sender_type:A.sender_type,content:(Y=A.content)==null?void 0:Y.substring(0,40),msg_type:A.msg_type,lastSentOptionContent:$e.value,current_conv_id:(de=t.value)==null?void 0:de.conversation_id,data_conv_id:A.conversation_id}),A.sender_type==="employee"&&A.content===$e.value&&$e.value!==""){console.log(`[H5 WS去重] 跳过选项选择广播消息: ${A.message_id}, content: ${A.content}`),ae(A.message_id),$e.value="";return}ae(A.message_id),n.value.push({message_id:A.message_id,conversation_id:A.conversation_id,message_type:A.sender_type||"system",msg_type:A.msg_type||"text",content:typeof A.content=="string"?A.content:A.content?JSON.stringify(A.content):"",sender_name:A.sender_name||"",media_url:A.media_url,file_name:A.file_name,file_size:A.file_size,extra_data:A.extra_data,reply_to_id:A.reply_to_id,created_at:A.created_at||new Date().toISOString()}),f.value=A.message_id}async function ce(A,Y){await Rt().handleOAuthCallback(A,Y)}async function Re(){try{const A=Rt();A.employeeInfo&&(e.value={employee_id:A.employeeInfo.employee_id,employee_name:A.employeeInfo.employee_name,department:A.employeeInfo.department,position:A.employeeInfo.position,level:"",is_vip:A.employeeInfo.is_vip,avatar_url:A.employeeInfo.avatar});const Y=await Hw();e.value=Y,console.log("[Store] 获取用户信息成功:",Y.employee_name)}catch(A){throw console.error("[Store] 获取用户信息失败:",A),A}}async function ke(){try{const A=await Ww();t.value=A,i.value=(A==null?void 0:A.can_call_agent)??!1,y.value=(A==null?void 0:A.participants)||[],console.log("[Store] 获取当前会话:",A?A.conversation_id:"无活跃会话","参与者:",y.value.length)}catch(A){console.error("[Store] 获取当前会话失败:",A)}}async function oe(A,Y){var it,Mt,Gt,Jt;if(console.log("[Store] sendNewMessage 开始执行, content:",A,"options:",Y),!A.trim()){console.warn("[Store] content 为空，直接返回");return}const de=Rt(),xe=`temp_${Date.now()}_${Math.random().toString(36).slice(2,8)}`,Ie={message_id:xe,conversation_id:((it=t.value)==null?void 0:it.conversation_id)||"",message_type:"employee",msg_type:(Y==null?void 0:Y.msg_type)||"text",content:A.trim(),sender_name:de.employeeName||"我",created_at:new Date().toISOString(),status:"sending"};n.value.push(Ie),console.log("[Store] 乐观更新：临时消息已添加到列表, tempMessageId:",xe),s.value=!0;try{const Ge={content:A.trim()};Y!=null&&Y.msg_type&&(Ge.msg_type=Y.msg_type,Ge.media_url=Y.media_url,Ge.file_name
@@ -0,0 +1 @@
+){console.warn("[API] 401 处理失败，刷新页面:",n),window.location.reload()}finally{Hs=null}})(),Hs)}function Zr(e){return{message_id:e.id||e.message_id||"",conversation_id:e.conversation_id||"",message_type:e.sender_type||e.message_type||"text",msg_type:e.msg_type,content:typeof e.content=="string"?e.content:e.content?JSON.stringify(e.content):"",sender_name:e.sender_name||"",created_at:e.created_at||"",media_url:e.media_url,file_name:e.file_name,file_size:e.file_size,extra_data:e.extra_data,reply_to_id:e.reply_to_id}}function Gf(e){return(e||[]).map(Zr)}async function Hw(){return await Oe.get("/h5/user")}function qw(e){return e?{conversation_id:e.id||e.conversation_id||"",employee_id:e.employee_id||"",employee_name:e.employee_name||"",status:e.status||"waiting",agent_id:e.assigned_agent_id||e.agent_id||"",agent_name:e.agent_name||"",created_at:e.created_at||"",updated_at:e.updated_at||"",ai_substantive_reply_count:e.ai_substantive_reply_count??0,can_call_agent:e.can_call_agent??!1,participants:e.participants||[]}:null}async function Ww(){const e=await Oe.get("/h5/conversations/current");return qw(e)}async function Oc(e){const t=await Oe.post("/h5/conversations/current/messages",e,{timeout:3e4});return{user_message:Zr(t.user_message),ai_reply:t.ai_reply?Zr(t.ai_reply):t.ai_reply,is_guidance:t.is_guidance,ai_reply_count:t.ai_reply_count,can_call_agent:t.can_call_agent}}async function Kw(e){const n=await Oe.get("/h5/conversations/current/messages/poll",{params:e}),s=(n==null?void 0:n.items)||n||[];return Gf(s)}async function Pc(e){const n=await Oe.get("/h5/conversations/current/messages",{params:e}),s=(n==null?void 0:n.items)||[];return{items:Gf(s),has_more:(n==null?void 0:n.has_mor
@@ -0,0 +1,20 @@
+-- 创建设备清单表
+CREATE TABLE IF NOT EXISTS device_inventory (
+    id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
+    computer_name VARCHAR(255) DEFAULT '',
+    ip_address VARCHAR(64) DEFAULT '',
+    mac_address VARCHAR(64) DEFAULT '',
+    employee_account VARCHAR(128) DEFAULT '',
+    employee_name VARCHAR(128) DEFAULT '',
+    department VARCHAR(255) DEFAULT '',
+    source VARCHAR(32) DEFAULT '',
+    asset_tag VARCHAR(64) DEFAULT '',
+    created_at TIMESTAMP WITH TIME ZONE DEFAULT NOW(),
+    updated_at TIMESTAMP WITH TIME ZONE DEFAULT NOW()
+);
+
+-- 创建索引加速查询
+CREATE INDEX IF NOT EXISTS idx_device_employee ON device_inventory(employee_account);
+CREATE INDEX IF NOT EXISTS idx_device_ip ON device_inventory(ip_address);
+CREATE INDEX IF NOT EXISTS idx_device_mac ON device_inventory(mac_address);
+CREATE INDEX IF NOT EXISTS idx_device_source ON device_inventory(source);
@@ -24,7 +24,7 @@ mkdir -p "$BACKUP_DIR"
 cp -r "$DEPLOY_DIR/frontend-h5/dist" "$BACKUP_DIR/frontend-h5-dist" 2>/dev/null || true
 cp -r "$DEPLOY_DIR/frontend-agent/dist" "$BACKUP_DIR/frontend-agent-dist" 2>/dev/null || true
 cp -r "$DEPLOY_DIR/frontend-admin/dist" "$BACKUP_DIR/frontend-admin-dist" 2>/dev/null || true
-cp -r "$DEPLOY_DIR/frontend-portal/dist" "$BACKUP_DIR/frontend-portal-dist" 2>/dev/null || true
+# ⚠️ 2026-08-03: frontend-portal 已下线（源码 + dist 不存在），跳过备份
 cp -r "$DEPLOY_DIR/backend" "$BACKUP_DIR/backend" 2>/dev/null || true
 echo "备份完成: $BACKUP_DIR"

@@ -50,10 +50,7 @@ rm -rf frontend-admin/dist
 tar -xf /tmp/deploy-admin.tar -C frontend-admin/
 echo "管理后台已更新"

-# Portal 统一入口
-rm -rf frontend-portal/dist
-tar -xf /tmp/deploy-portal.tar -C frontend-portal/ 2>/dev/null || echo "Portal 包未找到，跳过"
-echo "Portal 已更新"
+# ⚠️ 2026-08-03: Portal 已下线（commit bea288e4 删除源码），跳过此步骤

 # --------------------------------------------------------------------------
 # 3. 更新后端代码
@@ -142,11 +139,11 @@ echo "部署完成！"
 echo "=========================================="
 echo ""
 echo "访问地址:"
-echo "  统一入口: https://itsupport.servyou.com.cn/itportal/"
 echo "  H5 用户端: https://itsupport.servyou.com.cn/itdesk/"
 echo "  坐席工作台: https://itsupport.servyou.com.cn/itagent/"
 echo "  管理后台: https://itsupport.servyou.com.cn/itadmin/"
 echo ""
+echo "⚠️ 注: /itportal/ 入口已下线（2026-08-03 清理），根域名会自动重定向到 /itdesk/"
 echo "如需回滚，执行:"
 echo "  cp -r $BACKUP_DIR/frontend-h5-dist $DEPLOY_DIR/frontend-h5/dist"
 echo "  cp -r $BACKUP_DIR/frontend-agent-dist $DEPLOY_DIR/frontend-agent/dist"
@@ -43,7 +43,7 @@ services:
      - WECOM_SSO_CALLBACK_BASE=${WECOM_SSO_CALLBACK_BASE:-https://itsupport.servyou.com.cn}
      - BACKEND_HOST=0.0.0.0
      - BACKEND_PORT=8000
-    command: ["/bin/sh", "-c", "echo '>>> Green Environment' && uvicorn app.main:app --host 0.0.0.0 --port 8000 --workers 2"]
+    command: ["/bin/sh", "-c", "echo '>>> Green Environment' && uvicorn app.main:app --host 0.0.0.0 --port 8000 --workers 1"]
    networks:
      - it-desk-internal
    healthcheck:
@@ -74,7 +74,6 @@ services:
      - ./html/itdesk:/usr/share/nginx/html/itdesk:ro
      - ./html/itagent:/usr/share/nginx/html/itagent:ro
      - ./html/itadmin:/usr/share/nginx/html/itadmin:ro
-      - ./html/itportal:/usr/share/nginx/html/itportal:ro
    environment:
      - NGINX_HOST=localhost
      - NGINX_PORT=80
@@ -388,7 +388,6 @@ services:
      - ./frontend-h5/dist:/usr/share/nginx/html/itdesk:ro
      - ./frontend-agent/dist:/usr/share/nginx/html/itagent:ro
      - ./frontend-admin/dist:/usr/share/nginx/html/itadmin:ro
-      - ./frontend-portal/dist:/usr/share/nginx/html/itportal:ro
    depends_on:
      core-svc:
        condition: service_healthy
@@ -112,7 +112,7 @@ services:
        condition: service_healthy
      redis:
        condition: service_healthy
-    command: ["/bin/sh", "-c", "echo '>>> Skipping DB migration' && uvicorn app.main:app --host 0.0.0.0 --port 8000 --workers 2"]
+    command: ["/bin/sh", "-c", "echo '>>> Skipping DB migration' && uvicorn app.main:app --host 0.0.0.0 --port 8000 --workers 1"]
    networks:
      - it-desk-internal
    healthcheck:
@@ -143,7 +143,6 @@ services:
      - ./html/itdesk:/usr/share/nginx/html/itdesk:ro
      - ./html/itagent:/usr/share/nginx/html/itagent:ro
      - ./html/itadmin:/usr/share/nginx/html/itadmin
-      - ./html/itportal:/usr/share/nginx/html/itportal:ro
      - ./html/h5:/usr/share/nginx/html/h5:ro
    depends_on:
      - backend
@@ -145,11 +145,7 @@ http {
            index index.html;
            try_files $uri /itadmin/index.html;
        }
-        location /itportal/ {
-            alias /usr/share/nginx/html/itportal/;
-            index index.html;
-            try_files $uri /itportal/index.html;
-        }
+        # ⚠️ /itportal/ 静态前端块已移除 (2026-08-03 fix) - portal 源码 + dist 已不存在
        location /api/ {
            location ~ ^/api/admin/ {
                allow 10.0.0.0/8;
@@ -210,7 +206,7 @@ http {
            proxy_read_timeout    300s;
        }
        location = / {
-            return 302 /itportal/;
+            return 302 /itdesk/;
        }
    }
 }
@@ -67,12 +67,7 @@ http {
            alias /usr/share/nginx/html/itadmin/;
            try_files $uri /itadmin/index.html;
        }
-
-        # itportal 入口
-        location /itportal/ {
-            alias /usr/share/nginx/html/itportal/;
-            try_files $uri /itportal/index.html;
-        }
+        # ⚠️ /itportal/ 静态前端块已移除 (2026-08-03 fix) - portal 源码 + dist 已不存在

        # API — Green 后端
        location /api/ {
@@ -120,9 +115,9 @@ http {
            proxy_read_timeout 86400s;
        }

-        # 根路径重定向
+        # 根路径重定向（2026-08-03 fix: /itportal/ → /itdesk/，因 portal 已下线）
        location = / {
-            return 302 /itportal/;
+            return 302 /itdesk/;
        }
    }
 }
--- a/Show More
+++ b/Show More
				`@@ -0,0 +1 @@`
				lete(de)}}function re(A){var Y,de;if(P.value.has(A.message_id)){console.log(`[H5 WS去重] 跳过重复消息: ${A.message_id}`);return}if(console.log("[H5 WS] 收到 new_message:",{message_id:A.message_id,sender_type:A.sender_type,content:(Y=A.content)==null?void 0:Y.substring(0,40),msg_type:A.msg_type,lastSentOptionContent:$e.value,current_conv_id:(de=t.value)==null?void 0:de.conversation_id,data_conv_id:A.conversation_id}),A.sender_type==="employee"&&A.content===$e.value&&$e.value!==""){console.log(`[H5 WS去重] 跳过选项选择广播消息: ${A.message_id}, content: ${A.content}`),ae(A.message_id),$e.value="";return}ae(A.message_id),n.value.push({message_id:A.message_id,conversation_id:A.conversation_id,message_type:A.sender_type\|\|"system",msg_type:A.msg_type\|\|"text",content:typeof A.content=="string"?A.content:A.content?JSON.stringify(A.content):"",sender_name:A.sender_name\|\|"",media_url:A.media_url,file_name:A.file_name,file_size:A.file_size,extra_data:A.extra_data,reply_to_id:A.reply_to_id,created_at:A.created_at\|\|new Date().toISOString()}),f.value=A.message_id}async function ce(A,Y){await Rt().handleOAuthCallback(A,Y)}async function Re(){try{const A=Rt();A.employeeInfo&&(e.value={employee_id:A.employeeInfo.employee_id,employee_name:A.employeeInfo.employee_name,department:A.employeeInfo.department,position:A.employeeInfo.position,level:"",is_vip:A.employeeInfo.is_vip,avatar_url:A.employeeInfo.avatar});const Y=await Hw();e.value=Y,console.log("[Store] 获取用户信息成功:",Y.employee_name)}catch(A){throw console.error("[Store] 获取用户信息失败:",A),A}}async function ke(){try{const A=await Ww();t.value=A,i.value=(A==null?void 0:A.can_call_agent)??!1,y.value=(A==null?void 0:A.participants)\|\|[],console.log("[Store] 获取当前会话:",A?A.conversation_id:"无活跃会话","参与者:",y.value.length)}catch(A){console.error("[Store] 获取当前会话失败:",A)}}async function oe(A,Y){var it,Mt,Gt,Jt;if(console.log("[Store] sendNewMessage 开始执行, content:",A,"options:",Y),!A.trim()){console.warn("[Store] content 为空，直接返回");return}const de=Rt(),xe=`temp_${Date.now()}_${Math.random().toString(36).slice(2,8)}`,Ie={message_id:xe,conversation_id:((it=t.value)==null?void 0:it.conversation_id)\|\|"",message_type:"employee",msg_type:(Y==null?void 0:Y.msg_type)\|\|"text",content:A.trim(),sender_name:de.employeeName\|\|"我",created_at:new Date().toISOString(),status:"sending"};n.value.push(Ie),console.log("[Store] 乐观更新：临时消息已添加到列表, tempMessageId:",xe),s.value=!0;try{const Ge={content:A.trim()};Y!=null&&Y.msg_type&&(Ge.msg_type=Y.msg_type,Ge.media_url=Y.media_url,Ge.file_name
				`@@ -0,0 +1 @@`
				){console.warn("[API] 401 处理失败，刷新页面:",n),window.location.reload()}finally{Hs=null}})(),Hs)}function Zr(e){return{message_id:e.id\|\|e.message_id\|\|"",conversation_id:e.conversation_id\|\|"",message_type:e.sender_type\|\|e.message_type\|\|"text",msg_type:e.msg_type,content:typeof e.content=="string"?e.content:e.content?JSON.stringify(e.content):"",sender_name:e.sender_name\|\|"",created_at:e.created_at\|\|"",media_url:e.media_url,file_name:e.file_name,file_size:e.file_size,extra_data:e.extra_data,reply_to_id:e.reply_to_id}}function Gf(e){return(e\|\|[]).map(Zr)}async function Hw(){return await Oe.get("/h5/user")}function qw(e){return e?{conversation_id:e.id\|\|e.conversation_id\|\|"",employee_id:e.employee_id\|\|"",employee_name:e.employee_name\|\|"",status:e.status\|\|"waiting",agent_id:e.assigned_agent_id\|\|e.agent_id\|\|"",agent_name:e.agent_name\|\|"",created_at:e.created_at\|\|"",updated_at:e.updated_at\|\|"",ai_substantive_reply_count:e.ai_substantive_reply_count??0,can_call_agent:e.can_call_agent??!1,participants:e.participants\|\|[]}:null}async function Ww(){const e=await Oe.get("/h5/conversations/current");return qw(e)}async function Oc(e){const t=await Oe.post("/h5/conversations/current/messages",e,{timeout:3e4});return{user_message:Zr(t.user_message),ai_reply:t.ai_reply?Zr(t.ai_reply):t.ai_reply,is_guidance:t.is_guidance,ai_reply_count:t.ai_reply_count,can_call_agent:t.can_call_agent}}async function Kw(e){const n=await Oe.get("/h5/conversations/current/messages/poll",{params:e}),s=(n==null?void 0:n.items)\|\|n\|\|[];return Gf(s)}async function Pc(e){const n=await Oe.get("/h5/conversations/current/messages",{params:e}),s=(n==null?void 0:n.items)\|\|[];return{items:Gf(s),has_more:(n==null?void 0:n.has_mor