使用legacy fallback搜索的时候需要告知用户获得同意；运行ov之前要先看相关reference；ov优先搜索field-process-memory然后到table-metada和sql-snippets获取更多信息

one-skill/smart-data-developer/SKILL.md

@@ -47,9 +47,11 @@ description: 智能数据开发员工。支持数据开发和简单取数两种
 
 | 资源路径 | 用途 | 搜索策略 |
 |---------|------|---------|
+| `viking://resources/field-process-memory` | 字段处理经验、常用数据源判断、业务经验 | **优先检索**：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/sql_snippets` | 成功 SQL 代码片段 | 语义 find + 精确 grep |
-| `viking://resources/field-process-memory` | 字段处理经验、常用数据源判断、业务经验 | 语义 find + 精确 grep |
+
+运行任何 OV 命令之前，先读取相关 reference，默认先看 `references/ov-search-context.md` 确认命令用法；涉及 SQL 引擎语法时，再看 `references/sql/reference/{engine}-sql-syntax.md`。
 
 ### OV 搜索强制执行时机
 
@@ -66,20 +68,26 @@ description: 智能数据开发员工。支持数据开发和简单取数两种
 
 | 困惑场景 | 优先检索 |
 |---------|---------|
-| 不知道用哪张表 | `viking://resources/table-metadata` + `viking://resources/field-process-memory` |
-| 表名或字段含义不确定 | `viking://resources/table-metadata` |
+| 不知道用哪张表 | 先查 `viking://resources/field-process-memory`，再查 `viking://resources/table-metadata` |
+| 表名或字段含义不确定 | 先查 `viking://resources/field-process-memory`，再查 `viking://resources/table-metadata` |
 | 需要字段处理经验、口径经验、常用数据源判断 | `viking://resources/field-process-memory` |
-| 需要 SQL 写法、历史成功案例、代码参考 | `viking://resources/sql_snippets` |
+| 需要 SQL 写法、历史成功案例、代码参考 | 先查 `viking://resources/field-process-memory` 判断业务口径，再查 `viking://resources/sql_snippets` |
 | SQL 语法或引擎差异不确定 | 先查 `references/sql/reference/`，再查 `viking://resources/sql_snippets` |
 
 ### OV 优先 + legacy fallback
 
-默认使用 OV 搜索，不主动调用 legacy data-structure-fetcher。只有以下情况才读取 `references/legacy-data-structure-fetcher/SKILL.md` 并运行其脚本：
+默认使用 OV 搜索，不主动调用 legacy data-structure-fetcher。只有以下情况才可以考虑 legacy fallback，且**必须先告知用户原因并获得明确同意**，再读取 `references/legacy-data-structure-fetcher/SKILL.md` 并运行其脚本：
 
 1. OV 命令失败或本地不可用；
 2. OV 搜索返回的候选表不足以进入用户确认；
 3. 用户明确要求使用旧数据字典匹配脚本。
 
+告知模板：
+
+```text
+OV 检索结果不足/不可用。是否同意我使用 legacy data-structure-fetcher 脚本补充搜索数据源？
+```
+
 ---
 
 ## 工作流程

one-skill/smart-data-developer/agents/requirement-analyzer.md

@@ -164,28 +164,36 @@ description: 通过分模块多轮对话引导业务人员补充需求信息，
 
 ## 模块 3：OV 优先匹配数据源
 
-**目标**：使用 OV 搜索表结构、历史成功 SQL、字段处理经验和业务语义，推荐可用数据源。`legacy-data-structure-fetcher` 只作为 fallback。
+**目标**：使用 OV 搜索字段处理经验、表结构、历史成功 SQL 和业务语义，推荐可用数据源。`legacy-data-structure-fetcher` 只作为用户同意后的 fallback。
 
 **调用方式**：
 1. 提取模块 1+2 的业务口径描述关键词
-2. 读取 `../references/ov-search-context.md` 了解 OV 命令
-3. 先用业务关键词语义召回候选表：
+2. 运行任何 OV 命令之前，先读取 `../references/ov-search-context.md` 了解 OV 命令用法
+3. 先搜索 `field-process-memory`，用历史经验判断常用数据源、业务口径和候选方向：
+   - `conda run -n py13 ov find "{业务口径/核心实体}" --uri "viking://resources/field-process-memory" --threshold 0.2 --node-limit 10`
+   - `conda run -n py13 ov grep "{核心实体|关键词}" --uri "viking://resources/field-process-memory" --node-limit 10`
+4. 再用 `table-metadata` 补充确认表结构和字段：
    - `conda run -n py13 ov find "{业务口径/核心实体}" --uri "viking://resources/table-metadata" --threshold 0.2 --node-limit 10`
    - `conda run -n py13 ov grep "{核心实体|关键词}" --uri "viking://resources/table-metadata" --node-limit 10`
-4. 对每个推荐表执行 5 类 OV 检索：
-   - 表结构：`conda run -n py13 ov grep "{表名}" --uri "viking://resources/table-metadata" --node-limit 10`
-   - 成功 SQL：`conda run -n py13 ov grep "{表名}" --uri "viking://resources/sql_snippets" --node-limit 15`
+5. 对每个推荐表按顺序执行 OV 深度检索：
    - 常用数据源判断：`conda run -n py13 ov grep "{表名}" --uri "viking://resources/field-process-memory" --node-limit 10`
    - 字段处理经验：`conda run -n py13 ov grep "{表名}.*{字段名}" --uri "viking://resources/field-process-memory" --node-limit 10`
    - 业务语义：`conda run -n py13 ov find "{表名} {业务场景}" --uri "viking://resources/field-process-memory" --threshold 0.2 --node-limit 10`
-5. 获取推荐的数据源列表（库、表、字段、技术负责人、字段类型），并给出常用数据源判断
-6. 仅当 OV 命令失败、候选表不足、或用户明确要求旧方案时，读取 `../references/legacy-data-structure-fetcher/SKILL.md` 并使用其中脚本补充推荐
+   - 表结构：`conda run -n py13 ov grep "{表名}" --uri "viking://resources/table-metadata" --node-limit 10`
+   - 成功 SQL：`conda run -n py13 ov grep "{表名}" --uri "viking://resources/sql_snippets" --node-limit 15`
+6. 获取推荐的数据源列表（库、表、字段、技术负责人、字段类型），并给出常用数据源判断
+7. 仅当 OV 命令失败、候选表不足、或用户明确要求旧方案时，先告知用户原因并获得明确同意；同意后再读取 `../references/legacy-data-structure-fetcher/SKILL.md` 并使用其中脚本补充推荐
+
+**legacy fallback 同意模板**：
+```text
+OV 检索结果不足/不可用。是否同意我使用 legacy data-structure-fetcher 脚本补充搜索数据源？
+```
 
 **输出格式**：
 ```markdown
 【模块 3】数据源匹配结果
 
-根据您的需求描述，我使用 OV 搜索了表结构、历史 SQL 和字段处理经验，推荐以下数据源：
+根据您的需求描述，我先使用 OV 搜索字段处理经验和历史记忆，再补充搜索表结构与历史 SQL，推荐以下数据源：
 
 ### 推荐数据源（按综合得分排序）
 
@@ -378,7 +386,7 @@ description: 通过分模块多轮对话引导业务人员补充需求信息，
 1. **模块1+2合并引导**：基础信息和详细信息在同一轮对话中同时向用户收集，减少交互轮次
 2. **分模块推进**：按 模块1+2 → 模块3 → 模块4 → 模块5 顺序执行，每模块完成后需用户确认
 3. **智能校验**：检查必填项是否完整，格式是否正确
-4. **数据源优先**：模块 3 先使用 OV 匹配数据源，模块 4 再基于数据源生成输出字段；legacy data-structure-fetcher 只在 OV 不可用、召回不足或用户指定时使用
+4. **数据源优先**：模块 3 先读取 OV reference，再按 `field-process-memory` → `table-metadata` → `sql_snippets` 顺序匹配数据源，模块 4 再基于数据源生成输出字段；legacy data-structure-fetcher 只在 OV 不可用、召回不足或用户指定且用户明确同意后使用
 5. **文档保存**：模块 5 生成文档后，必须使用 write 工具将文档保存到 `./ai_text/{需求编号}.md`
 6. **灵活跳转**：允许用户随时补充或修改之前模块的信息
 7. **多轮对话记忆**：记住用户之前提供的信息，避免重复询问

one-skill/smart-data-developer/references/legacy-data-structure-fetcher/SKILL.md

@@ -5,7 +5,7 @@ description: 通过文本实体匹配→向量检索→大模型加权汇总三
 
 # 数据结构获取 Skill
 
-> Legacy fallback: 本文件只在 OV 不可用、OV 召回不足，或用户明确要求旧数据字典匹配脚本时使用。默认优先使用 `../ov-search-context.md` 中的 OV 搜索。
+> Legacy fallback: 本文件只在 OV 不可用、OV 召回不足，或用户明确要求旧数据字典匹配脚本时使用。使用前必须告知用户原因并获得明确同意。默认优先使用 `../ov-search-context.md` 中的 OV 搜索。
 
 ## 技能描述
 
@@ -102,4 +102,4 @@ conda run -n my_opencode python ./references/legacy-data-structure-fetcher/scrip
 
 ## 被 requirement-analyzer 调用
 
-当 `requirement-analyzer` 进入模块 3 且 OV 不可用、召回不足或用户指定旧方案时，按上述流程执行脚本并汇总结果。
+当 `requirement-analyzer` 进入模块 3 且 OV 不可用、召回不足或用户指定旧方案时，先询问用户是否同意使用 legacy fallback；用户同意后，才按上述流程执行脚本并汇总结果。