feat: 问数金标准评测集 + 迭代路线文档

- scripts/eval-ask.js（npm run eval）：隔离湖直跑工具链，15 例口径断言
  （加权比率 0.0709 vs 算术平均 0.0567 可区分、环比可比集剔除新开店、
  缺数按实算、层间核对、同行对标、跨主体、报告钳制、参数防呆），
  末尾附真机金标准问句清单；上线即抓到 query_report 参数键不一致真 bug
- 修复：query_report 门店过滤参数双键兼容（文档键 shops / 历史键 shopNames），
  此前按文档传参会被静默忽略导致门店过滤失效
- docs/问数迭代路线.md：行业实践对照的 P0/P1/P2 迭代路线
- package.json：补 smoke / eval 脚本入口

docs/问数迭代路线.md

@@ -0,0 +1,40 @@
+# 智能问数 · 迭代路线（行业最佳实践对照）
+
+> 2026-10 定稿。对照 2026 年 Data Agent/ChatBI 业界共识（语义层+指标层为可信问数基础设施、
+> 评测金标准是从「能演示」到「可规模化」的分水岭、动态 few-shot 与反馈飞轮提准确率），
+> 结合本产品定位（单机部署 / flash 模型 / 零依赖 / 餐饮多主体运营）排定优先级。
+
+## 当前成熟度定位
+
+已具备（不需要推翻）：
+- 受控工具调用而非裸 Text2SQL（业界生产共识路线）+ 语义层雏形（REPORT_COLUMNS 列注册表）
+- 验证层：verdict 卡（体检/恒等式/层间一致性/完整性/云端一致性）+ 数字溯源 post-check
+- 可审计：运行留痕与回放（编排时间线）；评测基建雏形（NAPOS_AGENT_MOCK 确定性假模型 + 隔离湖）
+
+## P0（下一迭代，高价值 × 低成本）
+
+| 项 | 内容 | 落点 | 状态 |
+| --- | --- | --- | --- |
+| 评测金标准集 | 真实业务问句 → 期望工具/参数/关键数字的口径断言；改 prompt/工具/模型后跑一遍即知退化 | `npm run eval`（= scripts/eval-ask.js，隔离湖直跑工具链，零网络）。已覆盖 15 例：TopN/按日趋势/加权比率/门店部分匹配/环比可比集/显式区间与缺数实算/体检/层间核对/同行对标/源侧字段/跨主体/报告钳制/参数防呆 + 真机问句清单 | ✅ 2026-10-17（上线即抓到 query_report shops/shopNames 参数键不一致的真 bug） |
+| 主动式分析闭环 | autoSync 后自动 体检+层间核对+环比 → 钉钉群机器人晨报卡片（verdict 天然带可信度标签） | 复用 autoSync 调度 + agent 工具 + aitable 凭据 | ⬜ |
+| 动态 few-shot + 问答复用 | 人工追问收敛的问答对沉淀为「已验证语料」；相似问命中直接复用查询参数（秒回零成本），未命中注入 few-shot | sessions.json 扩展 + 相似度匹配（先编辑距离/关键词，够用） | ⬜ |
+
+## P1（答题质量与成本）
+
+| 项 | 内容 | 落点 |
+| --- | --- | --- |
+| 指标层升级 | 列注册表 → 指标对象（维度×聚合×时间粒度×口径），支持基于基础指标动态派生（同店环比/7日移动平均/周内节律归一），模型引用指标 key 而非自组口径 | REPORT_COLUMNS 旁新建 metrics 注册表，query/compare 工具参数引用 |
+| Schema linking | 门店清单不再 300 行常驻 prompt：按问题检索 top-k 门店 + 别名表（俗称/简称）；指标说明按相关性裁剪 | prompt.js + 新工具 resolve_shops |
+| 模型路由与结构化解码 | 快问 flash / 深度分析可配更强模型；网关支持 JSON mode 时动作协议走结构化输出；流式打字机 | llm.js + context.js 模型配置 |
+| 反馈闭环 | 答案卡「采纳/纠错」，纠错进入评测集与 few-shot 池（数据飞轮） | ask.js + sessions.json |
+
+## P2（平台化，按需）
+
+- 统计异常检测：移动平均 ±kσ、季节修正寒暑假基线，verdict 新增「统计异常」类；LMDI 归因从趋势模板抽成 agent 工具
+- 深度报告 agent：周报自动生成（plan → 并行子查询 → 汇总 HTML/钉钉文档）
+- 物化聚合：按月/店/日预聚合物；换查询引擎沿用既定触发条件（单主体 >50MB / 卡顿 / 跨主体 SQL）
+- 治理：多用户按主体授权、run 成本展示与预算联动（tokens 已捕获）
+
+## 不追的方向
+
+向量库/嵌入式检索（同行均值已在 raw 里）、裸 Text2SQL 兜底（破坏口径可控）、大而全 BI 平台化（单机工具定位）。

nl-query.js

@@ -103,11 +103,13 @@ function sanitizeQuery(raw, shops, dateRange) {
   const mode = ['detail', 'shop', 'date'].includes(q.mode) ? q.mode : 'shop';
   const from = normDay(q.from) || daysAgoYmd(30);
   const to = normDay(q.to) || daysAgoYmd(1);
+  // 门店名参数双键兼容：shopNames（两段式 prompt 的原始键）/ shops（工具清单文档键）
+  const shopNames = Array.isArray(q.shopNames) ? q.shopNames : (Array.isArray(q.shops) ? q.shops : undefined);
   const clamped = {
     mode,
     from: from < dateRange.from ? dateRange.from : from,
     to: to > dateRange.to ? dateRange.to : (to > from ? to : dateRange.to),
-    shopIds: matchShopsByName(shops, q.shopNames),
+    shopIds: matchShopsByName(shops, shopNames),
     metrics: (Array.isArray(q.metrics) ? q.metrics : ['grossAmt'])
       .map(String).filter((k) => COLUMN_KEYS.has(k)).slice(0, 4),
     sort: COLUMN_KEYS.has(q.sort) ? q.sort : 'grossAmt',

package.json

@@ -3,7 +3,9 @@
   "version": "1.0.0",
   "description": "智慧运营中台（淘宝闪购专业版）",
   "scripts": {
-    "start": "node server.js"
+    "start": "node server.js",
+    "smoke": "node scripts/smoke.js",
+    "eval": "node scripts/eval-ask.js"
   },
   "dependencies": {
     "jpeg-js": "^0.4.4",

scripts/eval-ask.js

@@ -0,0 +1,277 @@
+#!/usr/bin/env node
+'use strict';
+
+/**
+ * 智能问数 · 金标准评测（口径回归）
+ * ----------------------------------------------------------------------------
+ * 在隔离数据湖上直跑工具链（sanitize → handler），对真实业务问句断言
+ * 「期望工具 + 期望关键数字」。专测口径：加权比率、可比门店集、缺失日、
+ * 层间一致性、同行对标、跨主体对比与参数防呆。零网络、零真实模型。
+ *
+ * 与 smoke 的分工：smoke 管「端点行为没坏」，本脚本管「数字算得对不对」——
+ * 改 prompt / 工具 / 口径 / 换模型前后都应跑一遍：node scripts/eval-ask.js
+ *
+ * 末尾附「真机金标准问句清单」：接真实模型后人工抽查的多轮与表述变体。
+ */
+
+const fs = require('fs');
+const os = require('os');
+const path = require('path');
+
+const ROOT = path.resolve(__dirname, '..');
+
+// ---------- 隔离湖夹具（数字为断言而设计） ----------
+// 主体 eval「金标准主体」：一食堂(101)/二食堂(102)@第一餐厅 + 三食堂(103)@第二餐厅
+// 本期 20261001-1007（7 天全齐）；上期 0924-0930 中 0925 全体缺数、二食堂 0927 缺数；
+// 三食堂仅本期 1004-1007 有数（模拟新开店，测可比集剔除）。
+// 关键期望值：compare 可比集(一+二) 10500 vs 7900（+32.9%）；加权进店率 0.0709
+// （算术平均会是 0.0567，故意设计两套算法可区分）。
+
+function mkRow(date, scope, ids, m) {
+  return {
+    date, scope,
+    shopId: ids.shopId || '', shopName: ids.shopName || '',
+    chainId: ids.chainId || '', chainName: ids.chainName || '',
+    bizHours: null, abnormalCloseHours: null, goodsSaleAmt: null,
+    syncedAt: new Date().toISOString(),
+    validOrderCnt: m.orders || 0, incomeAmt: m.income || 0, grossAmt: m.gross || 0,
+    expenseAmt: m.expense || 0, expUv: m.uv || 0, orderUserCnt: m.buyers || 0,
+    clkExpRate: m.clk || 0, ordClkRate: 0, perActualPay: 0,
+    actOrdCnt: 0, actSubsidyAmt: 0, shopRoi: 0, rebuyRate30d: 0,
+    raw: {
+      gross_amt: m.gross || 0, valid_order_cnt: m.orders || 0,
+      gross_amt_mall_avg: 800,
+      gross_amt_mall_avg_rank: m.rank != null ? m.rank : 9,
+      valid_order_cnt_diff: m.orders || 0,
+    },
+  };
+}
+
+function buildFixture(lakeDir) {
+  const now = new Date().toISOString();
+  const rows = [];
+  const put = (date, scope, ids, m) => rows.push(mkRow(date, scope, ids, m));
+  const A = { shopId: '101', shopName: '一食堂', chainId: '9', chainName: '第一餐厅' };
+  const B = { shopId: '102', shopName: '二食堂', chainId: '9', chainName: '第一餐厅' };
+  const C = { shopId: '103', shopName: '三食堂', chainId: '8', chainName: '第二餐厅' };
+  const curDays = ['20261001', '20261002', '20261003', '20261004', '20261005', '20261006', '20261007'];
+  const prevDays = ['20260924', '20260926', '20260927', '20260928', '20260929', '20260930'];
+  const Acur = { gross: 1000, income: 800, expense: 200, orders: 100, uv: 2000, clk: 0.10, rank: 1 };
+  const Aprev = { gross: 900, income: 720, expense: 180, orders: 90, uv: 1800, clk: 0.10, rank: 1 };
+  const Bcur = { gross: 500, income: 400, expense: 100, orders: 40, uv: 1000, clk: 0.02, rank: 4 };
+  const Bprev = { gross: 500, income: 400, expense: 100, orders: 40, uv: 1000, clk: 0.02, rank: 4 };
+  const Cm = { gross: 300, income: 240, expense: 60, orders: 30, uv: 600, clk: 0.05, rank: 6 };
+  for (const d of curDays) {
+    put(d, 'shop', A, Acur);
+    put(d, 'shop', B, Bcur);
+    put(d, 'chain', { chainId: '9', chainName: '第一餐厅' }, { gross: 1500, income: 1200, expense: 300, orders: 140, uv: 3000, clk: 0.08 });
+    if (d >= '20261004') {
+      put(d, 'shop', C, Cm);
+      put(d, 'chain', { chainId: '8', chainName: '第二餐厅' }, { gross: 300, income: 240, expense: 60, orders: 30, uv: 600, buyers: 30, clk: 0.05 });
+    }
+    const c = { gross: d >= '20261004' ? 1800 : 1500, income: d >= '20261004' ? 1440 : 1200, expense: d >= '20261004' ? 360 : 300, orders: d >= '20261004' ? 170 : 140, uv: d >= '20261004' ? 3600 : 3000, clk: 0.08 };
+    put(d, 'company', { chainId: '-1' }, c);
+  }
+  for (const d of prevDays) {
+    put(d, 'shop', A, Aprev);
+    if (d !== '20260927') {
+      put(d, 'shop', B, Bprev);
+      // 连锁/公司行 = 门店合计（一 900 + 二 500）
+      put(d, 'chain', { chainId: '9', chainName: '第一餐厅' }, { gross: 1400, income: 1120, expense: 280, orders: 130, uv: 2800, clk: 0.08 });
+      put(d, 'company', { chainId: '-1' }, { gross: 1400, income: 1120, expense: 280, orders: 130, uv: 2800, clk: 0.08 });
+    } else {
+      // 二食堂缺数日：连锁/公司行 = 仅一食堂
+      put(d, 'chain', { chainId: '9', chainName: '第一餐厅' }, { gross: 900, income: 720, expense: 180, orders: 90, uv: 1800, clk: 0.10 });
+      put(d, 'company', { chainId: '-1' }, { gross: 900, income: 720, expense: 180, orders: 90, uv: 1800, clk: 0.10 });
+    }
+  }
+  fs.writeFileSync(path.join(lakeDir, 'entities.json'), JSON.stringify({ entities: [
+    { key: 'eval', firstSeen: now, lastSeen: now, merchantId: 'eval', name: '金标准主体', chainCount: 2, shopCount: 3,
+      chains: [{ chainId: '9', chainName: '第一餐厅' }, { chainId: '8', chainName: '第二餐厅' }],
+      shops: [
+        { shopId: '101', shopName: '一食堂', chainId: '9', chainName: '第一餐厅' },
+        { shopId: '102', shopName: '二食堂', chainId: '9', chainName: '第一餐厅' },
+        { shopId: '103', shopName: '三食堂', chainId: '8', chainName: '第二餐厅' },
+      ] },
+    { key: 'evalb', firstSeen: now, lastSeen: now, merchantId: 'evalb', name: '对照主体', chainCount: 1, shopCount: 1,
+      chains: [{ chainId: '8', chainName: '第二餐厅' }],
+      shops: [{ shopId: '201', shopName: '样本店', chainId: '8', chainName: '第二餐厅' }] },
+  ] }));
+  fs.mkdirSync(path.join(lakeDir, 'eval'), { recursive: true });
+  const byMonth = (list) => JSON.stringify({ version: 2, updated: now, rows: list });
+  fs.writeFileSync(path.join(lakeDir, 'eval', 'daily-202609.json'), byMonth(rows.filter((r) => r.date < '20261000')));
+  fs.writeFileSync(path.join(lakeDir, 'eval', 'daily-202610.json'), byMonth(rows.filter((r) => r.date >= '20261000')));
+  // 对照主体：本期每天 100 元（跨主体对比第二名）
+  fs.mkdirSync(path.join(lakeDir, 'evalb'), { recursive: true });
+  const bRows = curDays.map((d) => mkRow(d, 'shop', { shopId: '201', shopName: '样本店', chainId: '8', chainName: '第二餐厅' }, { gross: 100, income: 80, expense: 20, orders: 10, uv: 300, clk: 0.03 }));
+  fs.writeFileSync(path.join(lakeDir, 'evalb', 'daily-202610.json'), byMonth(bRows));
+}
+
+// ---------- 评测执行 ----------
+
+const results = [];
+function check(name, fn) {
+  try { fn(); results.push({ name, ok: true }); }
+  catch (e) { results.push({ name, ok: false, error: e.message }); }
+}
+function expect(cond, msg) { if (!cond) throw new Error(msg); }
+function near(a, b, tol) { return Math.abs(a - b) <= (tol || 1e-6); }
+
+function main() {
+  const lakeDir = fs.mkdtempSync(path.join(os.tmpdir(), 'genpic-eval-'));
+  process.env.GENPIC_LAKE_DIR = lakeDir;
+  buildFixture(lakeDir);
+
+  // env 先行，require 在后：确保湖指向隔离目录
+  const svc = require(path.join(ROOT, 'napos-service.js'));
+  const nlQuery = require(path.join(ROOT, 'nl-query.js'));
+  const registry = require(path.join(ROOT, 'server/agent/tools/registry.js'));
+  const meta = svc.store.getEntity('eval');
+  const ctx = { svc, entityKey: 'eval', meta, shops: meta.shops || [], dateRange: nlQuery.lakeDateRange('eval', svc) };
+
+  const run = (toolName, args) => {
+    const tool = registry.get(toolName);
+    expect(tool, `工具未注册：${toolName}`);
+    return tool.handler(ctx, tool.sanitize(args || {}, ctx));
+  };
+  const runRaw = (toolName, args) => {
+    const tool = registry.get(toolName);
+    return tool.sanitize(args || {}, ctx);
+  };
+
+  // ---- 查询口径 ----
+  check('TopN 排行：一食堂 7000 > 二食堂 3500（二食堂上期缺数不影响本期）', () => {
+    const out = run('query_report', { mode: 'shop', from: '20261001', to: '20261007', sort: 'grossAmt', limit: 2 });
+    expect(out.data.rows.length === 2, `行数 ${out.data.rows.length}`);
+    expect(out.data.rows[0].shopName === '一食堂' && out.data.rows[0].grossAmt === 7000, JSON.stringify(out.data.rows[0]));
+    expect(out.data.rows[1].shopName === '二食堂' && out.data.rows[1].grossAmt === 3500, JSON.stringify(out.data.rows[1]));
+  });
+  check('按日趋势：7 天、缺数日不含三食堂时合计正确', () => {
+    const out = run('query_report', { mode: 'date', from: '20261001', to: '20261007', metrics: ['grossAmt', 'validOrderCnt'] });
+    expect(out.data.rows.length === 7, `行数 ${out.data.rows.length}`);
+    const d3 = out.data.rows.find((r) => r.date === '20261003');
+    const d5 = out.data.rows.find((r) => r.date === '20261005');
+    expect(d3.grossAmt === 1500 && d5.grossAmt === 1800, `1003=${d3.grossAmt} 1005=${d5.grossAmt}`);
+    expect(out.data.summary.grossAmt === 11700 && out.data.summary.validOrderCnt === 1100, JSON.stringify(out.data.summary));
+  });
+  check('加权比率：进店率按曝光加权 0.0709（算术平均 0.0567 是错的）', () => {
+    const out = run('query_report', { mode: 'shop', from: '20261001', to: '20261007', metrics: ['clkExpRate'] });
+    const w = out.data.summary.clkExpRate;
+    expect(near(w, 0.0709, 1e-6), `加权进店率 ${w}（期望 0.0709）`);
+    expect(Math.abs(w - 0.0567) > 0.001, '与算术平均不可区分，加权实现可疑');
+  });
+  check('门店部分匹配：问「二」只出二食堂', () => {
+    const out = run('query_report', { mode: 'shop', from: '20261001', to: '20261007', shops: ['二'] });
+    expect(out.data.rows.length === 1 && out.data.rows[0].shopName === '二食堂' && out.data.rows[0].grossAmt === 3500,
+      JSON.stringify(out.data.rows));
+  });
+
+  // ---- 同比环比口径 ----
+  check('环比：可比集剔除新开店，10500 vs 7900（+32.9%）', () => {
+    const out = run('compare_periods', {});
+    const gross = out.data.deltas.find((d) => d.key === 'grossAmt');
+    expect(gross.cur === 10500 && gross.prev === 7900, `环比数字 ${JSON.stringify(gross)}`);
+    expect(near(gross.deltaPct, 0.3291, 0.0005), `变化率 ${gross.deltaPct}`);
+    expect(out.data.comparableShopCount === 2, `可比门店 ${out.data.comparableShopCount}`);
+    expect(out.data.opened.length === 1 && out.data.opened[0].shopName === '三食堂', '新开店未单列');
+    expect(out.data.missingDays.length === 0, '本期不应缺日');
+  });
+  check('环比 verdict：恒等式通过 + 可比集警告（有新开店）', () => {
+    const out = run('compare_periods', {});
+    const vs = out.data.verdicts || [];
+    expect(vs.filter((v) => v.kind === 'identity' && v.status === 'ok').length === 2, '恒等式 verdict 异常');
+    const cov = vs.find((v) => v.kind === 'coverage');
+    expect(cov && cov.status === 'warn' && /新出现/.test(cov.detail), `coverage verdict 异常：${JSON.stringify(cov)}`);
+  });
+  check('显式区间环比：等长平移取上期，缺数按实算', () => {
+    const out = run('compare_periods', { from: '20261001', to: '20261003' });
+    const gross = out.data.deltas.find((d) => d.key === 'grossAmt');
+    // 基期 = 0928-0930（三天全齐）：一 2700 + 二 1500 = 4200；本期 = 一 3000 + 二 1500 = 4500
+    expect(gross.cur === 4500 && gross.prev === 4200, `环比数字 ${JSON.stringify(gross)}`);
+    expect(near(gross.deltaPct, 0.0714, 0.0005), `变化率 ${gross.deltaPct}`);
+  });
+  check('显式区间环比：上期缺数日按实算不虚构（0925 全体缺数、0927 二食堂缺数）', () => {
+    const out = run('compare_periods', { from: '20260926', to: '20260928' });
+    const gross = out.data.deltas.find((d) => d.key === 'grossAmt');
+    // 本期窗口 0926-0928：1400 + 900 + 1400 = 3700；基期 0923(无)/0924(1400)/0925(无) = 1400
+    expect(gross.cur === 3700 && gross.prev === 1400, `环比数字 ${JSON.stringify(gross)}`);
+  });
+
+  // ---- 质量与校验 ----
+  check('数据体检：缺 1/14 天为 info、无全零误报', () => {
+    const out = run('data_quality', {});
+    expect(out.summary.includes('缺 1/14'), `缺日未识别：${out.summary}`);
+    expect(out.summary.includes('未发现全零行'), `全零误报：${out.summary}`);
+    expect(!out.summary.includes('[fail]'), `健康湖误报 fail：${out.summary}`);
+    expect((out.data.verdicts || []).length >= 5, 'verdicts 未产出');
+  });
+  check('层间核对：13 天 × 双指标全一致', () => {
+    const out = run('cross_check', {});
+    expect(out.data.checked === 52 && out.data.mismatchCount === 0 && out.data.severe === false,
+      `checked=${out.data.checked} mismatch=${out.data.mismatchCount}`);
+  });
+
+  // ---- 同行对标与源侧 ----
+  check('同行对标：排名升序、自身日均与同行均值正确', () => {
+    const out = run('peer_benchmark', { field: 'gross_amt' });
+    const shops = out.data.shops;
+    expect(shops.length === 3, `门店数 ${shops.length}`);
+    expect(shops[0].shopName === '一食堂' && shops[0].rankAvg === 1 && shops[0].peerAvg === 800, JSON.stringify(shops[0]));
+    expect(near(shops[0].own, 953.85, 0.01), `自身日均 ${shops[0].own}（期望 (6×900+7×1000)/13=953.85）`);
+    expect(shops[2].rankAvg === 6, `末位排名 ${shops[2].rankAvg}`);
+  });
+  check('源侧字段：raw_inspect 按包含匹配取到 mall 均值与排名', () => {
+    const out = run('raw_inspect', { date: '20261001', shops: ['一食堂'], keys: ['gross_amt'] });
+    expect(out.data.found && out.data.hasRaw && out.data.matched.length >= 3, JSON.stringify(out.data));
+    expect(out.data.values.gross_amt_mall_avg === 800, `均值 ${JSON.stringify(out.data.values)}`);
+  });
+
+  // ---- 跨主体与报告 ----
+  check('跨主体对比：两主体按本期营业额降序', () => {
+    const out = run('cross_entity', {});
+    expect(out.data.entities.length === 2, `主体数 ${out.data.entities.length}`);
+    expect(out.data.entities[0].name === '金标准主体' && out.data.entities[0].cur.gross === 11700, JSON.stringify(out.data.entities[0]));
+    expect(near(out.data.entities[0].grossDeltaPct, 48.1, 0.05), `环比 ${out.data.entities[0].grossDeltaPct}`);
+  });
+  check('分析报告：URL 组装且区间被钳制', () => {
+    const out = run('build_report', { from: '20200101', to: '20991231' });
+    expect(out.data.url.includes('entity=eval') && out.data.url.includes('from=20260924') && out.data.url.includes('to=20261007'),
+      out.data.url);
+  });
+
+  // ---- 参数防呆 ----
+  check('防呆：不存在的门店/非法字段/缺日期必须拒绝', () => {
+    for (const [tool, args] of [
+      ['compare_periods', { shops: ['不存在的店'] }],
+      ['peer_benchmark', { field: 'no_such_field' }],
+      ['raw_inspect', {}],
+    ]) {
+      let rejected = false;
+      try { runRaw(tool, args); } catch { rejected = true; }
+      expect(rejected, `${tool} 未拒绝非法参数：${JSON.stringify(args)}`);
+    }
+  });
+
+  // ---- 报告 ----
+  const failed = results.filter((r) => !r.ok);
+  console.log('\n========== 问数金标准评测 ==========');
+  for (const r of results) console.log(`${r.ok ? '✓' : '✗'} ${r.name}${r.ok ? '' : '  ← ' + r.error}`);
+  console.log(`\n通过 ${results.length - failed.length}/${results.length}`);
+
+  console.log('\n—— 真机金标准问句清单（接真实模型后人工抽查，覆盖表述变体与多轮） ——');
+  console.log('1. 上月营业额Top5门店 → 查询排行，数字与湖一致');
+  console.log('2. 最近7天营业额和单量趋势 → 按日折线，7 个点');
+  console.log('3. 本期比上期营业额变化多少？主要受哪些门店影响 → 可比集口径 + 主因店');
+  console.log('4. 二食堂最近进店转化率怎么样 → 加权比率（对照表格页数字）');
+  console.log('5. 那一食堂呢（追问） → 上下文门店切换');
+  console.log('6. 做一次数据体检，看看有没有问题 → 分级问题清单');
+  console.log('7. 哪家店同行对标掉队了 → peer_benchmark + 排名变化');
+  console.log('8. 几个食堂里哪家最近表现更好 → cross_entity');
+  console.log('9. 云端和本地的数据一致吗 → aitable_verify');
+  console.log('10. 给我出一份上周的经营报告 → build_report 链接可打开');
+
+  try { fs.rmSync(lakeDir, { recursive: true, force: true }); } catch { /* ignore */ }
+  if (failed.length) process.exit(1);
+}
+
+main();