优化对话到工单的处理逻辑，新增进度条显示，调整日期参数的默认值，并修复日志目录创建的冗余代码。同时，更新DifyExporter类以支持按日期范围过滤消息，重构查询日志加载逻辑，新增备注提取功能，提升代码可读性和可维护性。

rag2_0/intent_recognition/IntentRecognition.py

@@ -288,8 +288,10 @@ class AsyncIntentRecognizer:
         # 步骤2: 使用向量检索找到相似的专业名词
         try:
             vector_start_time = time.time()
-            # 对matched_terms中的每个关键字进行向量检索
-            for current_key in query_keys:
+            
+            # 创建并行任务列表
+            async def process_single_keyword(current_key: str) -> List[Term]:
+                """处理单个关键词的向量检索和重排序"""
                 vector_results = await self._noun_retriever.query_async(current_key, top_k=5, use_intersection=False)
                 current_key_terms = set()
                 # 添加向量检索结果
@@ -304,7 +306,17 @@ class AsyncIntentRecognizer:
                     current_key_terms.add(term)
                 if len(current_key_terms) > 0:
                     reranked_terms = await self._rerank_matched_terms_async(current_key, current_key_terms)
-                    matched_terms.extend(reranked_terms)
+                    return reranked_terms
+                return []
+            
+            # 并行处理所有关键词
+            keyword_tasks = [process_single_keyword(current_key) for current_key in query_keys]
+            keyword_results = await asyncio.gather(*keyword_tasks)
+            
+            # 合并所有结果
+            for result in keyword_results:
+                matched_terms.extend(result)
+                
             vector_end_time = time.time()
             vector_time = vector_end_time - vector_start_time
         except Exception as e:
@@ -649,7 +661,7 @@ class AsyncIntentRecognizer:
         formatted_prompt = step_back_prompt.format(
             query=query,
             chat_history=json.dumps(chat_history, ensure_ascii=False) if chat_history else "[]",
-            conversation_context=conversation_context,
+            # conversation_context=conversation_context,
             output_format=step_back_parser.get_format_instructions()
         )
         
@@ -688,7 +700,7 @@ class AsyncIntentRecognizer:
         formatted_prompt = follow_up_questions_prompt.format(
             query=query,
             chat_history=json.dumps(chat_history, ensure_ascii=False) if chat_history else "[]",
-            conversation_context=conversation_context,
+            # conversation_context=conversation_context,
             output_format=follow_up_parser.get_format_instructions()
         )
         
@@ -727,7 +739,7 @@ class AsyncIntentRecognizer:
         formatted_prompt = hyde_prompt.format(
             query=query,
             chat_history=json.dumps(chat_history, ensure_ascii=False) if chat_history else "[]",
-            conversation_context=conversation_context,
+            # conversation_context=conversation_context,
             output_format=hyde_parser.get_format_instructions()
         )
         
@@ -766,7 +778,7 @@ class AsyncIntentRecognizer:
         formatted_prompt = multi_questions_prompt.format(
             query=query,
             chat_history=json.dumps(chat_history, ensure_ascii=False) if chat_history else "[]",
-            conversation_context=conversation_context,
+            # conversation_context=conversation_context,
             output_format=multi_questions_parser.get_format_instructions()
         )
         

rag2_0/intent_recognition/PromptTemplates.py

@@ -226,30 +226,30 @@ step_back_prompt = """
    - 涵盖原始问题的核心主题
    - 去除过于具体的限制条件（如时间、地点、特定版本、特定工程等）
    - 保持在同一领域和主题范围内
+   - 依次移除问题中的限定词或者修饰词
 
 ## 输入
 用户原始问题: {query}
 历史对话记录: {chat_history}
-会话背景: {conversation_context}
 
 ## 输出格式
 {output_format}
 
 ## 示例
-原始问题: "配网D3软件2023版本如何在Windows 11系统上导入单位工程量清单？"
+原始问题: "2023版本如何在Windows 11系统上导入单位工程量清单？"
 后退问题: 
 {{
-    "original_query": "配网D3软件2023版本如何在Windows 11系统上导入单位工程量清单？",
+    "original_query": "2023版本如何在Windows 11系统上导入单位工程量清单？",
     "can_use_back_prompt": True,
-    "step_back_query": ["配网D3软件如何导入工程量清单？", "如何导入单位工程量清单？"]
+    "step_back_query": ["如何在Windows 11系统上导入单位工程量清单？", "如何导入单位工程量清单？"]
 }}
 
-原始问题: "技改T1软件中的某个设备更换后，如何在系统中更新对应的定额？"
+原始问题: "某个设备更换后，如何在系统中更新对应的定额？"
 后退问题: 
 {{
-    "original_query": "技改T1软件中的某个设备更换后，如何在系统中更新对应的定额？",
+    "original_query": "某个设备更换后，如何在系统中更新对应的定额？",
     "can_use_back_prompt": True,
-    "step_back_query": ["技改T1软件中如何更新设备对应的定额？", "如何更新设备对应的定额？"]
+    "step_back_query": ["如何更新设备对应的定额？", "如何更新定额？"]
 }}
 
 """
@@ -271,7 +271,6 @@ follow_up_questions_prompt = """
 ## 输入
 历史对话记录: {chat_history}
 当前用户问题: {query}
-会话背景: {conversation_context}
 
 ## 输出格式
 {output_format}
@@ -308,7 +307,6 @@ hyde_prompt = """
 ## 输入
 用户问题: {query}
 历史对话记录: {chat_history}
-会话背景: {conversation_context}
 
 ## 输出格式
 {output_format}
@@ -343,7 +341,6 @@ multi_questions_prompt = """
 ## 输入
 用户原始问题: {query}
 历史对话记录: {chat_history}
-会话背景: {conversation_context}
 
 ## 输出格式
 {output_format}