售后对话到第 22 轮，用户只问那这个呢，检索拿最后一句做 embedding，命中一堆无关文档，日志里 query 就是那这个呢六个字。
一开始怀疑是「没有把关键实体抽出来做会话级记忆」，查了一圈，方向不对。
真正麻烦的地方在于，几个原因的现象几乎一样。检索只用当前一句，指代和省略都没补全。另一种情况是历史裁剪按条数砍，早期提到的型号被丢掉。
少数情况下是查询改写那一步在长历史下输入被截断，改写失效。
第一件事是把最后一句与上文实体一起打印出来
python -c "print('上文实体: X200 电池\n当前问题: 那这个呢')"再往下加一步查询改写补全指代
python -c "from openai import OpenAI;print(OpenAI().chat.completions.create(model='gpt-4o-mini',messages=[{'role':'user','content':'把「那这个呢」改写为完整问题，上文是 X200 电池'}]).choices[0].message.content)"会话级缓存关键实体，不随裁剪丢失
python -c "print({'product':'X200','issue':'电池'})"末了对改写后的查询做一次命中检查
python -c "print(len('X200 电池 保修多久'))"别只看报错消失，验证要多做一步。第 22 轮的检索 query 带上 X200 与电池，命中文档与首轮同类，答案能直接回答保修问题。
这里还有个坑。查询改写的成本远低于答错的成本，长会话里这一步别省，改写失败要留回退到原句的策略。拖得越久，排查成本越高，因为现场状态会被后续操作覆盖。