Modify ov search trigger

skills/smart-data-developer/SKILL.md

@@ -1,218 +1,300 @@
 ---
 name: smart-data-developer
-description: 智能数据开发员工。本项目为数据开发专用项目，唯一任务是将业务需求转化为可执行SQL。【任何用户消息都必须立即触发此技能】。无论是需求描述、问题咨询、闲聊问候、或其他任何形式的用户输入，都应触发此技能启动知识检索→需求分析→模型设计→SQL编写的工作流程。此技能是本项目的核心入口，无例外、无条件触发。
+description: 智能数据开发员工。本项目为数据开发专用项目，唯一任务是将业务需求转化为可执行SQL。【任何用户消息都必须立即触发此技能】。无论是需求描述、问题咨询、闲聊问候、或其他任何形式的用户输入，都应触发此技能启动需求分析→模型设计→SQL编写的工作流程。此技能是本项目的核心入口，无例外、无条件触发。
 ---
 
 # 智能数据开发员工
 
 ## 技能定位
 
-按序调用三个子技能完成端到端数据开发。**不体现角色身份**，确认发言自然融入工作流程。
+按序调用子技能完成端到端数据开发。
 
 | 步骤 | 子技能 | 产出物 |
 |-----|--------|--------|
-| 0 | 知识检索 | OpenViking 资源库相关知识 |
 | 1 | requirement-analyzer | 《数据需求技术规范文档》 |
 | 2 | model-design-generator | 《模型设计技术规范文档》 |
 | 3 | write-sql | 可执行SQL脚本 |
 
 ---
 
-## 步骤0：知识检索（前置步骤 - 必须执行）
+## Conda 环境配置
 
-**⚠️ 在接收用户消息后，进入任何工作步骤之前，必须先检索 OpenViking 资源库获取相关知识。**
+不同子技能和 OV 检索需要在不同 conda 环境中运行：
 
-### 资源库结构
+| 功能 | 环境 | 激活方式 |
+|-----|------|---------|
+| data-structure-fetcher（数据源匹配） | `my_opencode` | `conda run -n my_opencode python script.py` |
+| ov 检索（OpenViking 知识库） | `py13` | `conda run -n py13 ov ...` |
 
-```
-viking://resources/sql-snippets/
-├── AWT_PRD_PD_INST_MBL/          # 宽带流量分类与宽表构建
-├── ADS_RPT_7542_DTL_WHWX_CDMA_D/ # ADS层报表7542明细
-├── DWM_NET_SAT_EVT_FIXDDR_SUM_D/ # DWM层网络事件汇总
-├── SBJ_LAB_AWT_CUST_INFO_ALL_D/  # 客户宽带移动流量统计
-├── PRJ025_GSJY_DTL_*/            # CDMA移动用户月度流量
-├── DWA_*/                        # DWA层各类数据处理模块
-├── PAIMON_LABEL_*/               # Paimon标签处理模块
-└── ...                           # 更多SQL示例目录
-```
-
-### 检索策略矩阵
-
-| 检索类型 | 适用场景 | 命令示例 | 结果特点 |
-|---------|---------|---------|---------|
-| **语义搜索 (find)** | 需求内容、业务概念、功能描述、模糊需求 | `ov find "流量统计按月聚合" --uri "viking://resources/sql-snippets" --node-limit 10 --threshold 0.2` | 按语义相关性排序 |
-| **精确搜索 (grep)** | 表名、字段名、变量名、特定关键词 | `ov grep "dwd_user_info" --uri "viking://resources/sql-snippets" --node-limit 5` | 精确匹配，高效 |
-| **混合搜索** | 同时包含语义概念和具体名称 | `ov find "CDMA用户月度流量" --uri "viking://resources/sql-snippets" --threshold 0.2` + `ov grep` 补充 | 覆盖面更广 |
-| **目录浏览 (ls/tree)** | 不确定具体内容，需要探索结构 | `ov tree viking://resources/sql-snippets --level-limit 2` | 结构概览 |
-| **概述读取 (overview)** | 快速了解某个目录的功能 | `ov overview viking://resources/sql-snippets/{目录名}` | L1层摘要 |
-
-### 执行流程
-
-```
-用户消息 → [分析消息] → [选择检索策略] → [执行检索] → [读取相关内容] → [整合知识] → 开始步骤1
-```
-
-#### 1. 分析用户消息
-
-识别两类信息：
-- **语义概念**：如"流量统计"、"客户聚合"、"月度报表"、"宽带移动"
-- **具体标识符**：如表名 `dwd_user_info`、字段名 `cust_id`、项目代号 `PRJ025`
-
-#### 2. 选择检索策略
+### conda run 示例
 
+**数据源匹配（my_opencode 环境）**：
 ```bash
-# 情况A：纯语义内容（用户说"统计用户流量"）
-ov find "用户流量统计聚合" --uri "viking://resources/sql-snippets" --node-limit 10 --threshold 0.2
+# 直接使用 conda run 执行 Python 脚本
+conda run -n my_opencode python /path/to/data_fetcher_script.py
 
-# 情况B：包含具体名称（用户说"查询dwd_cust_info表")
-ov grep "dwd_cust_info" --uri "viking://resources/sql-snippets" --node-limit 5
-
-# 情况C：混合情况（用户说"用dwm_net_sat_evt表做流量汇总")
-# 先语义搜索找相关目录
-ov find "流量汇总网络事件" --uri "viking://resources/sql-snippets" --threshold 0.2
-# 再精确搜索确认表名
-ov grep "dwm_net_sat_evt" --uri "viking://resources/sql-snippets"
-
-# 情况D：完全不确定（首次接触某业务）
-ov tree viking://resources/sql-snippets --level-limit 2 --abs-limit 100
-# 根据目录名/摘要判断相关性
-ov overview viking://resources/sql-snippets/{相关目录}
+# 或先激活环境再执行
+conda activate my_opencode
+python /path/to/data_fetcher_script.py
 ```
 
-#### 3. 读取相关内容
-
+**OV 检索（py13 环境）**：
 ```bash
-# 获取目录概述（快速了解功能，推荐先看）
-ov overview viking://resources/sql-snippets/AWT_PRD_PD_INST_MBL
-ov read viking://resources/sql-snippets/AWT_PRD_PD_INST_MBL/.overview.md
+# 精确 grep 搜索表结构
+conda run -n py13 ov grep "dim_intnl_org" --uri "viking://resources/table-metadata" --node-limit 5
 
-# 读取完整SQL文件（深入参考）
-ov read viking://resources/sql-snippets/{目录}/{具体文件}.sql
+# 语义 find 搜索成功案例
+conda run -n py13 ov find "窗口函数" --uri "viking://resources/sql_snippets" --threshold 0.2
 
-# 读取摘要（最快速了解）
-ov abstract viking://resources/sql-snippets/{目录}
-ov read viking://resources/sql-snippets/{目录}/.abstract.md
+# 读取资源内容
+conda run -n py13 ov read viking://resources/sql_snippets/{目录}/{文件}.sql
 ```
 
-#### 4. 整合知识
+---
 
-将检索到的以下信息纳入上下文：
-- SQL 代码模式（JOIN、聚合、窗口函数等用法）
-- 表结构规范（字段命名、分区策略）
-- 业务逻辑（计算口径、过滤条件）
-- 项目规范（命名约定、分层架构）
+## OpenViking 资源库
 
-### 检索结果控制
+加载`ov-search-context`技能来查找数据开发相关的资源
+
+### 核心资源
+
+| 资源路径 | 用途 | 搜索策略 |
+|---------|------|---------|
+| `viking://resources/sql_snippets` | 成功SQL代码片段 | 语义find + 精确grep |
+| `viking://resources/table-metadata` | 表元信息（表结构、字段定义） | 精确grep + 语义find |
+| `viking://resources/field-process-memory` | 字段处理经验笔记 | 语义find + 精确grep |
+
+### 搜索参数推荐
 
 | 参数 | 推荐值 | 说明 |
 |-----|-------|------|
 | `--node-limit` | 5-15 | 避免上下文膨胀 |
 | `--threshold` | 0.2 | 过滤低相关性结果（语义搜索） |
-| `--level-limit` | 2 | tree浏览深度限制 |
 
 ---
 
-## 困惑时主动检索（贯穿所有步骤）
+## OV搜索强制执行时机
 
-**核心原则：遇到任何不确定的知识点，立即检索 OpenViking 资源库，不要猜测。**
+**为什么必须 OV 搜索**：OV 知识库包含历史成功案例、表结构信息、字段处理经验。**不检索会导致**：
+- 猜测表结构 → 字段选错 → SQL 失败
+- 缺乏成功案例参考 → 重复踩坑 → 代码质量差
+- 猜测字段含义 → 口径偏差 → 业务错误
+- 猜测处理方式 → 维护困难 → 返工成本高
 
-### 常见困惑场景与检索建议
+---
 
-| 步骤 | 困惑场景 | 检索方式 |
-|-----|---------|---------|
-| **步骤1** | 不清楚某业务概念含义 | `ov find "{概念名称}" --uri "viking://resources/sql-snippets"` |
-| **步骤1** | 不确定某指标计算口径 | `ov find "{指标名称} 计算口径" --threshold 0.3` |
-| **步骤2** | 不确定表结构/字段 | `ov grep "{表名}" --uri "viking://resources/sql-snippets" --node-limit 5` |
-| **步骤2** | 不清楚分层架构规范 | `ov find "DWA层 DWM层 ADS层 规范" --threshold 0.2` |
-| **步骤3** | 不确定SQL语法用法 | `ov find "{语法关键词} 用法示例" --threshold 0.2` |
-| **步骤3** | 不确定窗口函数写法 | `ov find "窗口函数 row_number rank" --threshold 0.2` |
-| **任意** | 不确定命名规范 | `ov find "命名规范 表名 字段名" --threshold 0.3` |
+**强制触发时机（不可跳过）**
 
-### 主动检索触发条件
+| 时机 | 触发点 | 搜索内容 | 强制性 | 检索数量 |
+|-----|--------|---------|--------|---------|
+| 步骤1 - 数据源匹配后 | data-structure-fetcher 返回源表列表后 | **每个推荐表执行 4 类检索**：表结构、成功SQL、字段处理经验、业务语义 | ✅ MUST | 每表 4 次 |
+| 步骤1 - 核心字段确认后 | 用户确认核心字段时 | 对核心字段进行专项检索 | ✅ MUST | 每字段 3 次 |
+| 步骤2 - 模型设计前 | 用户确认需求后，开始模型设计 | OV 检索分层规范、参考案例 | ✅ MUST | 2-3 次 |
+| 步骤3 - SQL 编写前 | 用户确认模型设计后，开始编写 SQL | OV 检索语法、成功案例 | ✅ MUST | 3-5 次 |
 
-遇到以下情况**必须**主动检索：
-1. **概念模糊**：用户提到不熟悉的业务术语
-2. **表名陌生**：遇到从未见过的表名
-3. **字段歧义**：字段含义可能有多种解释
-4. **语法不确定**：不确定Spark SQL/Flink SQL的具体语法
-5. **规范疑问**：不确定是否符合项目规范
+---
 
-### 检索后的决策
+**数据源匹配后的具体检索内容**
 
-- **找到明确参考** → 按参考模式继续工作
-- **找到多个版本** → 选择最相关/最新的，必要时询问用户
-- **未找到参考** → 使用通用最佳实践，并在产出物中注明"无历史参考"
+| 检索类型 | 目的 | 命令（py13 环境） |
+|---------|------|-----------------|
+| ① 表结构检索 | 确认字段定义 | `conda run -n py13 ov grep "{表名}" --uri "viking://resources/table-metadata" --node-limit 10` |
+| ② 成功SQL检索 | 找历史代码案例 | `conda run -n py13 ov grep "{表名}" --uri "viking://resources/sql_snippets" --node-limit 15` |
+| ③ 字段处理经验 | 了解处理方式 | `conda run -n py13 ov grep "{表名}" --uri "viking://resources/field-process-memory" --node-limit 10` |
+| ④ 业务语义检索 | 业务使用经验 | `conda run -n py13 ov find "{表名} {业务}" --uri "viking://resources/field-process-memory" --threshold 0.2` |
+
+---
+
+**困惑场景（立即检索）**：
+- 表名陌生 → 立刻 `conda run -n py13 ov grep "{表名}" --uri "viking://resources/table-metadata"`
+- 字段歧义 → 立刻 `conda run -n py13 ov grep "{表名}.*{字段}" --uri "viking://resources/table-metadata"`
+- 语法不确定 → 立刻 `conda run -n py13 ov find "{语法}" --uri "viking://resources/sql_snippets" --threshold 0.2`
+- 找不到成功案例 → 立刻 `conda run -n py13 ov find "{业务场景}" --uri "viking://resources/sql_snippets" --threshold 0.2`
+
+---
+
+## OV命令速查
+
+**注意：OV 检索需要在 `py13` conda 环境中运行，使用 `conda run -n py13 ov ...`**
+
+```bash
+# === 精确grep：定位具体表/字段 ===
+用表名搜索：
+conda run -n py13 ov grep "{表名}" --uri "viking://resources/table-metadata" --node-limit 5
+
+表名加字段名组合搜索:
+conda run -n py13 ov grep "dim_intnl_org.*org_id" --uri viking://resources/table-metadata -n 5
+
+多表名 OR 搜索:
+conda run -n py13 ov grep "table1|table2|table3" --uri viking://resources/table-metadata -n 5
+
+# === 语义find：召回相关内容 ===
+conda run -n py13 ov find "{业务概念}" --uri "viking://resources/sql_snippets" --threshold 0.2
+conda run -n py13 ov find "{问题描述}" --uri "viking://resources/field-process-memory" --threshold 0.2
+
+# === 使用源表信息搜索成功案例 ===
+conda run -n py13 ov grep "{源表表名}" --uri "viking://resources/sql_snippets" --node-limit 10
+conda run -n py13 ov grep "{源表表名}.*{字段}" --uri "viking://resources/field-process-memory" --node-limit 10
+conda run -n py13 ov find "{字段名} 问题描述" --uri "viking://resources/field-process-memory" --node-limit 5
+
+# === 读取内容 ===
+conda run -n py13 ov overview viking://resources/table-metadata/{表名}
+conda run -n py13 ov read viking://resources/sql_snippets/{目录}/{文件}.sql
+conda run -n py13 ov read viking://resources/field-process-memory/{文件}.md
+```
 
 ---
 
 ## 工作流程
 
 ```
-用户消息 → [步骤0:知识检索] → [步骤1:需求分析] → [确认] → [步骤2:模型设计] → [确认] → [步骤3:SQL编写] → 交付
-                    ↑                              ↑                          ↑
-                    │                              │                          │
-              困惑时主动检索                  困惑时主动检索              困惑时主动检索
+步骤1：需求分析 → 调用 requirement-analyzer + 数据源匹配的同时进行OV检索 + 困惑时OV检索
+    ↓
+步骤2：模型设计 → 调用 model-design-generator + 困惑时OV检索
+    ↓
+步骤3：SQL编写 → 调用 write-sql + 困惑时OV检索
+    ↓
+交付完成
 ```
 
 ---
 
 ## 执行流程详细步骤
 
-### 步骤0：知识检索（前置）- 必须执行
+### 步骤1：需求分析
 
-**收到用户消息后立即执行，无例外。**
+**执行前检查**：无（直接开始）。
 
-1. 分析用户消息中的语义概念和具体标识符
-2. 按检索策略矩阵选择合适的搜索方式
-3. 执行检索命令
-4. 读取相关概述和完整内容
-5. 整合知识到上下文
+调用 `skill(name="requirement-analyzer")`
 
-**检索完成后自然衔接**：
-```
-已从知识库检索到相关内容：{简要描述检索到的关键信息，如"找到CDMA月度流量统计模式、dwm层表结构规范"}
+**困惑时检索（py13 环境）**：
+- 不熟悉业务概念 → `conda run -n py13 ov find "{概念}" --uri "viking://resources/field-process-memory" --threshold 0.2`
+- 不确定指标口径 → `conda run -n py13 ov find "{指标名称} 口径" --uri "viking://resources/field-process-memory" --threshold 0.3`
 
-开始需求分析...
+**完成后衔接**：`📄 已保存：{路径}。需求分析完成，开始模型设计...`
+
+#### ✅ MUST：数据源匹配后 OV 深度检索
+
+**强制性说明**：data-structure-fetcher 返回推荐数据源后，**必须对每个推荐表进行全方位 OV 检索**。不检索会导致：
+- 猜测表结构 → 字段选错 → SQL 失败
+- 缺乏成功案例参考 → 重复踩坑 → 代码质量差
+- 不了解字段处理经验 → 口径偏差 → 业务错误
+
+---
+
+**触发时机**：requirement-analyzer 模块3，data-structure-fetcher 返回推荐表列表后，立即执行
+
+**执行环境**：py13 conda 环境，使用 `conda run -n py13 ov ...`
+
+---
+
+**检索策略：每个推荐表必须执行以下 4 类检索**
+
+| 检索类型 | 目的 | 命令模板 | node-limit |
+|---------|------|---------|------------|
+| ① 表结构检索 | 确认表字段定义、数据类型 | `conda run -n py13 ov grep "{表名}" --uri "viking://resources/table-metadata"` | 5-10 |
+| ② 成功SQL案例检索 | 查找该表的历史成功 SQL 代码 | `conda run -n py13 ov grep "{表名}" --uri "viking://resources/sql_snippets"` | 10-15 |
+| ③ 字段处理经验检索 | 了解该表字段的常见处理方式、注意事项 | `conda run -n py13 ov grep "{表名}" --uri "viking://resources/field-process-memory"` | 5-10 |
+| ④ 业务语义检索 | 了解该表在业务场景中的使用经验 | `conda run -n py13 ov find "{表名} {业务场景}" --uri "viking://resources/field-process-memory" --threshold 0.2` | 5-10 |
+
+---
+
+**具体执行流程（py13 环境）**
+
+```bash
+# 对每个推荐表（如：dwd_crm_srv_complaint_rt），依次执行：
+
+# ① 表结构检索（确认字段）
+conda run -n py13 ov grep "dwd_crm_srv_complaint_rt" --uri "viking://resources/table-metadata" --node-limit 10
+
+# ② 成功SQL案例检索（找历史代码）
+conda run -n py13 ov grep "dwd_crm_srv_complaint_rt" --uri "viking://resources/sql_snippets" --node-limit 15
+
+# ③ 字段处理经验检索（找处理笔记）
+conda run -n py13 ov grep "dwd_crm_srv_complaint_rt" --uri "viking://resources/field-process-memory" --node-limit 10
+
+# ④ 业务语义检索（结合业务场景）
+conda run -n py13 ov find "dwd_crm_srv_complaint_rt 投诉统计" --uri "viking://resources/field-process-memory" --threshold 0.2 --node-limit 10
 ```
 
 ---
 
-### 步骤1：需求分析
+**检索结果利用**
 
-**执行前检查**：是否已完成步骤0的知识检索？如果未完成，先执行步骤0。
+检索完成后，必须：
 
-调用 `skill(name="requirement-analyzer")`
+1. **汇总展示**：将检索结果整理成摘要，展示给用户
+   ```
+   📊 OV 检索结果摘要：
+   
+   【dwd_crm_srv_complaint_rt】
+   - 表结构：包含 complaint_id、create_org_id、assist_dept_org_id 等字段
+   - 成功案例：找到 3 个历史 SQL（投诉量统计、投诉处理时效分析）
+   - 处理经验：create_org_id 字段需关联组织架构表获取部门名称
+   
+   【dim_intnl_org_new】
+   - 表结构：包含 org_id、org_name、accnt_bureau 等字段
+   - 成功案例：找到 5 个历史 SQL（部门维度统计）
+   - 处理经验：org_name 有多级命名规范，需按业务口径标准化
+   ```
 
-**困惑时检索**：
-- 遇到不熟悉的业务概念 → `ov find "{概念}" --uri "viking://resources/sql-snippets"`
-- 需要了解现有指标口径 → `ov find "{指标名称} 口径" --threshold 0.3`
+2. **辅助源表选择**：基于成功案例数量和质量，建议用户优先选择哪些表
+   ```
+   建议：dwd_crm_srv_complaint_rt 有 3 个成功案例，历史使用稳定，推荐优先选择
+   ```
 
-**子技能完成后，自然衔接**：
+3. **预加载到上下文**：检索到的成功案例和字段处理经验，需在后续模型设计和 SQL 编写时引用
+
+---
+
+**检索时机强制触发表**
+
+| 时间点 | 触发条件 | 检索内容 | 强制性 |
+|-------|---------|---------|--------|
+| data-structure-fetcher 返回后 | 推荐表列表返回 | 每个表的 4 类检索 | ✅ MUST |
+| 用户补充新表名时 | 用户提及陌生表名 | 立刻 OV 检索该表 | ✅ MUST |
+| 用户询问字段含义时 | 用户对字段有疑问 | OV grep 该表.字段 | ✅ MUST |
+| 发现字段歧义时 | 同一字段有多来源 | OV find 语义检索 | ✅ MUST |
+
+---
+
+**并行检索策略**
+
+为提高效率，对多个推荐表的检索可并行执行：
+
+```bash
+# 并行检索多个表（使用 task agent 或 bash 后台）
+conda run -n py13 ov grep "table1" --uri "viking://resources/table-metadata" --node-limit 10 &
+conda run -n py13 ov grep "table2" --uri "viking://resources/table-metadata" --node-limit 10 &
+conda run -n py13 ov grep "table3" --uri "viking://resources/table-metadata" --node-limit 10 &
 ```
-📄 已保存：{路径}
 
-下一步将生成模型设计。请确认以上需求是否正确，或指出需要修改的内容。
+---
+
+**关键字段专项检索**
+
+当推荐表中包含**核心业务字段**时，必须额外进行字段级检索：
+
+```bash
+# 对核心字段（如：complaint_id、org_id）进行专项检索
+conda run -n py13 ov grep "dwd_crm_srv_complaint_rt.complaint_id" --uri "viking://resources/table-metadata" --node-limit 5
+conda run -n py13 ov grep "complaint_id" --uri "viking://resources/field-process-memory" --node-limit 10
+conda run -n py13 ov find "complaint_id 去重计数" --uri "viking://resources/sql_snippets" --threshold 0.2 --node-limit 10
 ```
 
 ---
 
 ### 步骤2：模型设计
 
-**执行前检查**：用户已确认需求。
+**执行前检查**：需求分析已完成，用户已确认需求。
 
-调用 `skill(name="model-design-generator")`，传入需求文档路径
+调用 `skill(name="model-design-generator")`
 
-**困惑时检索**：
-- 需要确认表结构 → `ov grep "{表名}" --uri "viking://resources/sql-snippets"`
-- 需要了解分层规范 → `ov find "分层架构 DWA DWM ADS" --threshold 0.2`
-- 需要参考命名规范 → `ov find "命名规范 表名前缀" --threshold 0.3`
+**困惑时检索（py13 环境）**：
+- 确认表结构 → `conda run -n py13 ov grep "{表名}" --uri "viking://resources/table-metadata"`
+- 了解分层规范 → `conda run -n py13 ov find "分层架构 DWA DWM ADS" --uri "viking://resources/sql_snippets" --threshold 0.2`
 
-**子技能完成后，自然衔接**：
-```
-📄 已保存：{路径}
-
-下一步将编写SQL脚本。请确认以上设计是否正确，或指出需要修改的内容。
-```
+**完成后衔接**：`📄 已保存：{路径}。下一步将编写SQL脚本。请确认以上设计是否正确。`
 
 ---
 
@@ -220,14 +302,13 @@ ov read viking://resources/sql-snippets/{目录}/.abstract.md
 
 **执行前检查**：用户已确认模型设计。
 
-调用 `skill(name="write-sql")`，传入需求文档和模型设计文档
+调用 `skill(name="write-sql")`
 
-**困惑时检索**：
-- 不确定SQL语法 → `ov find "{语法关键词} 用法" --threshold 0.2`
-- 需要窗口函数示例 → `ov find "窗口函数 over partition" --threshold 0.2`
-- 需要 JOIN 模式参考 → `ov find "JOIN left join full join" --threshold 0.2`
+**困惑时检索（py13 环境）**：
+- SQL语法 → `conda run -n py13 ov find "{语法} 用法" --uri "viking://resources/sql_snippets" --threshold 0.2`
+- 窗口函数示例 → `conda run -n py13 ov find "窗口函数 over partition" --uri "viking://resources/sql_snippets" --threshold 0.2`
 
-**完成后自然衔接**：
+**完成后衔接**：
 ```
 📄 已保存：{路径}
 
@@ -241,14 +322,12 @@ ov read viking://resources/sql-snippets/{目录}/.abstract.md
 
 ## 状态跟踪
 
-工作流状态：
-- step 0: 知识检索完成，准备进入需求分析
-- step 1: 需求分析完成，等待用户确认
-- step 2: 模型设计完成，等待用户确认
+- step 1: 需求分析完成 → 准备模型设计
+- step 2: 模型设计完成 → 等待用户确认
 - step 3: SQL编写完成
 - step 4: 全流程完成
 
-记录四个阶段产出物路径：检索知识摘要、需求文档、模型设计文档、SQL脚本。
+记录产出物路径：需求文档、模型设计文档、SQL脚本。
 
 ---
 
@@ -259,31 +338,51 @@ ov read viking://resources/sql-snippets/{目录}/.abstract.md
 | 用户确认 | 进入下一步 |
 | 用户修改意见 | 调整后重新等待确认 |
 | 中途修改 | 回到对应步骤重新执行 |
-| 用户提及陌生概念 | 先检索再回复 |
+| 用户提及陌生概念 | 先OV检索再回复，提供选项 |
 
 ---
 
-## 检索命令速查表
+## 交互工具
 
-```bash
-# 语义搜索
-ov find "流量统计聚合" --uri "viking://resources/sql-snippets" --node-limit 10 --threshold 0.2
+在需要补充和确认信息，检查和修改的时候，使用`question`工具提供选项供用户选择，例如下面的情况：
 
-# 精确搜索（表名/字段名）
-ov grep "dwd_user_info" --uri "viking://resources/sql-snippets" --node-limit 5
-
-# 目录结构浏览
-ov tree viking://resources/sql-snippets --level-limit 2
-
-# 目录概述（快速了解）
-ov overview viking://resources/sql-snippets/AWT_PRD_PD_INST_MBL
-
-# 读取完整文件
-ov read viking://resources/sql-snippets/{目录}/{文件}.sql
 ```
+例如下面的情况，请使用`question`工具：
+请补充/确认以下信息：
+1. 输出表中文名称：建议为"设备流量通话短信月均使用情况表"，是否需要修改？
+2. 输出表英文名称：请提供库名.表名（如：db_eda_xxx_prd.ads_device_usage_avg_6m）
+3. 数据目录：请提供数据目录路径（如：上海电信/大数据中心-xxx团队/xxx应用层）
+4. 业务口径细节确认：
+   - "近6个月"的具体时间范围是指：从当月向前推6个月（即统计月及之前5个月，共6个月）？
+   - "平均值"计算方式：是计算每个设备在这6个月的平均值，还是其他口径？
+   - 设备标识字段是什么？（如：设备号、用户ID、手机号等）
+请确认或补充以上信息，确认后进入模块3（数据源匹配）。
+```
+
+```
+请检查并修改：
+- 字段是否完整？需要补充或删除哪些字段？
+- 字段名称是否需要调整？
+- 字段加工逻辑是否准确？来源表.字段是否正确？
+- 负责人信息是否正确？
+```
+
+---
+
+## 困惑场景检索策略
+
+**注意：所有 OV 检索命令需在 py13 conda 环境中运行**
+
+| 困惑类型 | 检索资源 | 命令 |
+|---------|---------|------|
+| 不清楚表结构 | table-metadata | `conda run -n py13 ov grep "{表名}" --uri "viking://resources/table-metadata"` |
+| 不确定字段含义 | table-metadata | `conda run -n py13 ov grep "{表名}.*{字段名}" --uri "viking://resources/table-metadata"` 或者 `conda run -n py13 ov grep "{字段名}" --uri "viking://resources/table-metadata"` |
+| 不熟悉业务概念 | sql_snippets + field-process-memory | `conda run -n py13 ov find "{概念}" --uri "viking://resources/resources/field-process-memory" --threshold 0.2` |
+| 需要代码参考 | sql_snippets + field-process-memory | `conda run -n py13 ov find "{功能}" --uri "viking://resources/sql_snippets" --threshold 0.2` |
+| 找表成功案例 | sql_snippets + field-process-memory | 分别使用 `conda run -n py13 ov grep` 和 `conda run -n py13 ov find` 搜索两个资源 |
 
 ---
 
 ## 完成标志
 
-四步骤完成（知识检索 → 需求分析 → 模型设计 → SQL编写），用户已知交付物位置。
+三步骤完成（需求分析 → 模型设计 → SQL编写），用户已知交付物位置。