Update stylist graph, fix classifier logic and push sqlite db

.gitignore

@@ -77,3 +77,6 @@ backend/tests/sheet_info.json
 backend/tests/test_n8n_api_output.txt
 backend/n8n_result.json
 diff_*.txt
+
+*.sqlite
+*.db

backend/5.10.0

-Requirement already satisfied: python-socketio in c:\users\fptshop\miniconda3\envs\robot\lib\site-packages (5.13.0)
-Requirement already satisfied: bidict>=0.21.0 in c:\users\fptshop\miniconda3\envs\robot\lib\site-packages (from python-socketio) (0.23.1)
-Requirement already satisfied: python-engineio>=4.11.0 in c:\users\fptshop\miniconda3\envs\robot\lib\site-packages (from python-socketio) (4.12.2)
-Requirement already satisfied: simple-websocket>=0.10.0 in c:\users\fptshop\miniconda3\envs\robot\lib\site-packages (from python-engineio>=4.11.0->python-socketio) (1.1.0)
-Requirement already satisfied: wsproto in c:\users\fptshop\miniconda3\envs\robot\lib\site-packages (from simple-websocket>=0.10.0->python-engineio>=4.11.0->python-socketio) (1.2.0)
-Requirement already satisfied: h11<1,>=0.9.0 in c:\users\fptshop\miniconda3\envs\robot\lib\site-packages (from wsproto->simple-websocket>=0.10.0->python-engineio>=4.11.0->python-socketio) (0.16.0)

backend/agent/nodes/classifier_node.py

@@ -119,9 +119,41 @@ async def classifier_node(state: StylistProState, config: RunnableConfig):
         elif output.tool_args:
             tool_args = output.tool_args
 
+    # EXECUTE TOOL INLINE
+    if tool_name and tool_args is not None:
+        from agent.tools.get_tools import get_all_tools
+        all_tools = get_all_tools()
+        # Fallback handle name 'lead_search_tool' -> 'data_retrieval_tool'
+        search_name = "data_retrieval_tool" if tool_name == "lead_search_tool" else tool_name
+        
+        target_tool = next((t for t in all_tools if t.name == search_name), None)
+        
+        if target_tool:
+            try:
+                logger.info(f"🚀 Executing inline tool: {search_name}")
+                # Some tools might be sync or async, checking for ainvoke support
+                if hasattr(target_tool, "ainvoke"):
+                    tool_res_str = await target_tool.ainvoke(tool_args, config=config)
+                else:
+                    tool_res_str = target_tool.invoke(tool_args)
+                    
+                tool_result = tool_res_str
+                diagnostics.append({
+                    "step": "inline_tool",
+                    "label": f"🛠️ Executed {search_name}",
+                    "content": f"Result length: {len(str(tool_res_str))}",
+                    "elapsed_ms": 0
+                })
+            except Exception as e:
+                logger.error(f"❌ Inline tool error: {e}")
+                tool_result = json.dumps({"status": "error", "message": str(e), "products": []})
+        else:
+            logger.warning(f"⚠️ Tool {search_name} not found in get_all_tools()")
+
     return {
         "tool_name_used": tool_name,
         "tool_args": tool_args,
+        "tool_result": tool_result,
         "early_exit": tool_name is None and output.ai_response is not None,
         "product_ids": output.product_ids,
         "messages": [AIMessage(content=output.ai_response)] if output.ai_response else [],

backend/agent/prompt_module/04a_sales_core.txt

@@ -29,7 +29,7 @@
     - Trộn mô tả trong câu văn (không phải dòng nào cũng có dấu "→")
     - Đổi thứ tự: đôi khi nói cảm nhận trước, rồi mới nêu SKU/giá
 - **Vary sentence structure**: lúc ngắn gọn, lúc giàu cảm xúc; tránh lặp y hệt emoji/pattern.
-- **Giữ số lượng item hợp lý** (2–4) để tránh dài dòng; nếu nhiều hơn, nhóm theo nhu cầu/đối tượng.
+- **Giữ số lượng item hợp lý** (3–6) để tránh dài dòng; nếu nhiều hơn, nhóm theo nhu cầu/đối tượng.
 - **Khi nói về size: PHẢI LIỆT KÊ TỪNG SIZE** — KHÔNG được gộp, KHÔNG dùng "đủ", KHÔNG dùng "từ...đến...":
   - ❌ SAI: "Size có đủ S, M, L, XL cho chị thoải mái chọn"
   - ❌ SAI: "Có size từ XS đến XL thoải mái chọn"
@@ -376,37 +376,6 @@ Phối quần jeans là đủ trendy cho cafe rồi!
 Mẫu cardigan len mỏng bên dưới đang sale, phối áo thun trắng là chuẩn! 😊"
 ```
 
-### 💰 QUY TẮC HIỂN THỊ GIÁ (BẮT BUỘC):
-
-**LUÔN đọc đúng giá từ dữ liệu tool trả về:**
-- `price`: Giá gốc
-- `sale_price`: Giá đang bán (sau giảm giá)
-
-**FORMAT GIÁ CHUẨN:**
-```
-❌ SAI: "299k" (khi sale_price là 149k)
-❌ SAI: "giá 299k đang sale" (mơ hồ, không rõ giá sale bao nhiêu)
-
-✅ ĐÚNG (Có sale): "~~299k~~ → 149k (SALE 50%!)"
-✅ ĐÚNG (Có sale): "Giá gốc 299k, còn 149k thôi!"
-✅ ĐÚNG (Có sale): "149k (giảm từ 299k)"
-✅ ĐÚNG (Không sale): "299k"
-```
-
-**QUY TẮC:**
-1. **NẾU sale_price < price** → Phải hiển thị CẢ HAI giá và nhấn mạnh SALE
-2. **NẾU sale_price = price** → Chỉ hiển thị 1 giá
-3. **LUÔN dùng giá từ tool** → KHÔNG được tự bịa giá
-4. **Làm tròn đẹp:** 149500 → "149k", 244300 → "244k"
-
-**VÍ DỤ CHUẨN:**
-```
-🌸 [1DS25W006]: Váy liền bé gái hoạ tiết
-→ Giá gốc 299k, còn 149k thôi! SALE SỐC 50%! 🔥
-→ Prices...
-
-```
-
 **VÍ DỤ VĂN PHONG ĐÚNG:**
 ```
 ❌ SAI (Dài dòng): "[8TS24W001]: Áo thun cotton basic - 250k, chất vải mát, form regular dễ mặc, size S, M, L, XL"

backend/agent/prompt_module/stylist_pro_prompts.py

@@ -13,7 +13,7 @@ Nhiệm vụ duy nhất: Phân tích intent khách hàng và quyết định l
 </system_role>
 
 <tool_inventory>
-1. `lead_search_tool`: Tìm kiếm sản phẩm (Sử dụng cho 90% trường hợp tìm đồ, combo, giá, màu).
+1. `data_retrieval_tool`: Tìm kiếm sản phẩm (Sử dụng cho 90% trường hợp tìm đồ, combo, giá, màu).
 2. `check_is_stock`: Kiểm tra size, tồn kho, giá cụ thể của 1 SKU.
 3. `canifa_store_search`: Tìm địa chỉ cửa hàng.
 4. `canifa_get_promotions`: Tra cứu các chương trình khuyến mãi hiện có.
@@ -21,7 +21,7 @@ Nhiệm vụ duy nhất: Phân tích intent khách hàng và quyết định l
 </tool_inventory>
 
 <search_philosophy_dual_lane>
-Khi dùng `lead_search_tool`, bạn BẮT BUỘC phân tách:
+Khi dùng `data_retrieval_tool`, bạn BẮT BUỘC phân tách:
 - **Lane 1 (Literal)**: Trích xuất raw_text. Bỏ từ thừa (tìm, mua, cái...), sửa lỗi typo (nghọ nghiêng -> ngọ nghiêng).
 - **Lane 2 (Inferred)**: Suy luận SQL Filters (product_line_vn, gender_target, age_group, tags, keywords).
 </search_philosophy_dual_lane>
@@ -36,9 +36,17 @@ Khi dùng `lead_search_tool`, bạn BẮT BUỘC phân tách:
 1. Thời tiết: "Trời mưa" -> Áo khoác gió, trượt nước. "Nắng nóng" -> Áo chống nắng, UV.
 2. Dịp: "Đi tiệc" -> Váy liền, Áo kiểu, Sang trọng. "Đi làm" -> Áo sơ mi, Polo, Quần Khaki (Adult).
 3. Đồ lót: "Sịp/chip" -> Quần lót, Áo lót. (Tool tự tìm gender, bạn chỉ cần set product_line).
-4. Combo: Khách hỏi "đồ", "set", "phối" -> BẮT BUỘC gọi lead_search_tool. RESET product_line cũ từ insight.
+4. Combo: Khách hỏi "đồ", "set", "phối" -> BẮT BUỘC gọi data_retrieval_tool. RESET product_line cũ từ insight.
 </mapping_logic_rules>
 
+<tool_routing_rules>
+- **data_retrieval_tool**: Tìm kiếm sản phẩm chung. ĐẶC BIỆT KHI KHÁCH CHO SKU (VD: "6DS25S012", "[6TO24S010]") -> GỌI NGAY tool này bằng `magento_ref_code`.
+- **check_is_stock**: GỌI KHI KHÁCH HỎI TỒN KHO ONLINE (VD: "còn hàng không", "còn size M không", "mã này hết chưa"). NẾU khách hỏi MÃ SKU + "còn không" -> BẮT BUỘC gọi SONG SONG `data_retrieval_tool` và `check_is_stock`. KHÔNG dùng check_is_stock cho tồn kho offline cửa hàng.
+- **canifa_store_search**: GỌI KHI HỎI ĐỊA CHỈ (VD: "cửa hàng ở đâu", "Canifa Chùa Bộc").
+- **canifa_get_promotions**: GỌI KHI HỎI SALE (VD: "có khuyến mãi gì", "đang có sale gì").
+- **canifa_knowledge_search**: GỌI KHI HỎI CHÍNH SÁCH/THẺ VIP (VD: "hạng Gold được gì", "phí ship", "bảng size", "đổi trả").
+</tool_routing_rules>
+
 <inheritance_rules>
 - Kế thừa Giới tính/Đối tượng từ <user_insight> (VD: Target là Nam -> gender_target="men").
 - RESET hoàn toàn product_line_vn theo câu hỏi mới nhất.
@@ -57,9 +65,9 @@ Trả về DUY NHẤT JSON:
 {
   "reasoning": "giải thích ngắn gọn tại sao chọn tool này hoặc tại sao chặn",
   "tool_name": "tên_tool" hoặc null,
-  "search_args": { 
-     "literal": {"raw_text": "..."}, 
-     "inferred": {"product_line_vn": [...], "gender_target": "...", "tags": [...], "keywords": [...], ...} 
+  "search_args": {
+     "literal": {"raw_text": "..."},
+     "inferred": {"product_line_vn": [...], "gender_target": "...", "tags": [...], "keywords": [...], ...}
   },
   "ai_response": "chào hỏi xã giao HOẶC từ chối off-topic (chỉ dùng khi tool_name=null)",
   "product_ids": []
@@ -67,6 +75,9 @@ Trả về DUY NHẤT JSON:
 </output_format>
 """
 
+
+
+
 # ==============================================================================
 # 2. STYLIST PROMPT (The Expert)
 # ==============================================================================
@@ -77,7 +88,7 @@ Bạn là Chuyên gia Thời trang (Stylist Pro) của CANIFA. Bạn tư vấn d
 
 <styling_philosophy>
 1. GỢI Ý NGAY, KHÔNG HỎI LẠI: Luôn đưa ra lựa chọn. Nếu chưa biết giới tính, gợi ý cả 2 phương án.
-2. COMBO / OUTFIT (CRITICAL): 
+2. COMBO / OUTFIT (CRITICAL):
    - Nếu khách hỏi "đồ", "set", "phối", "mặc gì" -> PHẢI tạo outfit hoàn chỉnh (Áo + Quần/Váy).
    - Sử dụng `outfit_recommendations` từ tool result để bốc đúng món phối.
    - BẮT BUỘC nhét SKU món phối vào `product_ids`.

backend/agent/prompt_utils.py

@@ -14,6 +14,8 @@ from datetime import datetime
 
 from langfuse import Langfuse
 
+from config import USE_LANGFUSE_PROMPTS
+
 logger = logging.getLogger(__name__)
 
 LANGFUSE_SYSTEM_PROMPT_NAME = "canifa-stylist-system-prompt"
@@ -41,38 +43,66 @@ def _get_langfuse() -> Langfuse:
 
 def get_system_prompt() -> str:
     """System prompt với ngày hiện tại đã inject."""
+    if not USE_LANGFUSE_PROMPTS:
+        logger.info("ℹ️ Using local system prompt fallback (USE_LANGFUSE_PROMPTS=False)")
+        # Cần fallback system prompt ở đây nếu có local
+        # Tạm thời trả về rỗng, app sẽ crash hoặc báo lỗi logic nếu không có
+        return ""
+        
     lf = _get_langfuse()
-    prompt = lf.get_prompt(LANGFUSE_SYSTEM_PROMPT_NAME, label="production", cache_ttl_seconds=CACHE_TTL)
-    return prompt.compile(date_str=datetime.now().strftime("%d/%m/%Y"))
+    try:
+        prompt = lf.get_prompt(LANGFUSE_SYSTEM_PROMPT_NAME, label="production", cache_ttl_seconds=CACHE_TTL)
+        return prompt.compile(date_str=datetime.now().strftime("%d/%m/%Y"))
+    except Exception as e:
+        logger.warning(f"⚠️ Failed to fetch system prompt from Langfuse: {e}. Using local fallback.")
+        return ""
 
 
 def get_system_prompt_template() -> str:
-    """Template chưa replace date_str — dùng cho ChatPromptTemplate.
+    """Template chưa replace date_str — dùng cho ChatPromptTemplate."""
+    if not USE_LANGFUSE_PROMPTS:
+        logger.info("ℹ️ Using local system prompt template (USE_LANGFUSE_PROMPTS=False)")
+        # Hiện tại agent/prompt_module/stylist_pro_prompts.py chứa các prompt local
+        try:
+            from agent.prompt_module.stylist_pro_prompts import STYLIST_PRO_RESPONDER_PROMPT
+            return STYLIST_PRO_RESPONDER_PROMPT
+        except ImportError:
+            return ""
 
-    Langfuse SDK `.prompt` un-escapes {{ → { for non-variable content,
-    but LangChain ChatPromptTemplate needs {{ for literal braces.
-    So we re-escape ALL { } first, then convert only {{date_str}} → {date_str}.
-    """
     lf = _get_langfuse()
-    prompt = lf.get_prompt(LANGFUSE_SYSTEM_PROMPT_NAME, label="production", cache_ttl_seconds=CACHE_TTL)
-    # 1) Re-escape all curly braces for LangChain (literal { → {{, } → }})
-    raw = prompt.prompt.replace("{", "{{").replace("}", "}}")
-    # 2) Convert only the date_str variable back to LangChain format
-    #    After step 1, {{date_str}} became {{{{date_str}}}} → convert to {date_str}
-    return raw.replace("{{{{date_str}}}}", "{date_str}")
+    try:
+        prompt = lf.get_prompt(LANGFUSE_SYSTEM_PROMPT_NAME, label="production", cache_ttl_seconds=CACHE_TTL)
+        raw = prompt.prompt.replace("{", "{{").replace("}", "}}")
+        return raw.replace("{{{{date_str}}}}", "{date_str}")
+    except Exception as e:
+        logger.warning(f"⚠️ Failed to fetch system prompt template from Langfuse: {e}. Using local fallback.")
+        try:
+            from agent.prompt_module.stylist_pro_prompts import STYLIST_PRO_RESPONDER_PROMPT
+            return STYLIST_PRO_RESPONDER_PROMPT
+        except ImportError:
+            return ""
 
 
 def read_tool_prompt(filename: str, default_prompt: str = "") -> str:
     """Read tool prompt from Langfuse."""
     name_key = filename.replace(".txt", "")
+    
+    if not USE_LANGFUSE_PROMPTS:
+        logger.info(f"ℹ️ Using local tool prompt for '{name_key}' (USE_LANGFUSE_PROMPTS=False)")
+        return default_prompt
+
     langfuse_name = LANGFUSE_TOOL_PROMPT_MAP.get(name_key)
     if not langfuse_name:
         logger.warning(f"⚠️ No Langfuse mapping for tool prompt '{name_key}'")
         return default_prompt
 
     lf = _get_langfuse()
-    prompt = lf.get_prompt(langfuse_name, label="production", cache_ttl_seconds=CACHE_TTL)
-    return prompt.prompt
+    try:
+        prompt = lf.get_prompt(langfuse_name, label="production", cache_ttl_seconds=CACHE_TTL)
+        return prompt.prompt
+    except Exception as e:
+        logger.warning(f"⚠️ Failed to fetch tool prompt '{langfuse_name}' from Langfuse: {e}. Falling back to default.")
+        return default_prompt
 
 
 def write_tool_prompt(filename: str, content: str) -> bool:

backend/agent/stylist_pro_graph.py

@@ -14,7 +14,7 @@ from backend.agent.nodes.stylist_node import stylist_node
 from backend.agent.nodes.utils import _extract_text
 
 # StarRocks connection for Enrichment
-from agent.lead_stage_agent.product_search_engine import SELECT_COLUMNS, TABLE_NAME
+from agent.tools.tool_module.search_engine import SELECT_COLUMNS, TABLE_NAME
 from common.starrocks_connection import get_db_connection
 
 logger = logging.getLogger(__name__)
@@ -131,14 +131,18 @@ class StylistProGraph:
 
         if missing_ids:
             try:
-                db = get_db_connection()
+                from agent.tools.tool_module.db_connector import DBConnector, strip_local_columns
+                use_sqlite = config.get("configurable", {}).get("db_source") == "sqlite"
+                db = DBConnector(use_sqlite=use_sqlite)
+                
                 skus = list(dict.fromkeys(missing_ids))
                 base_skus = list(dict.fromkeys([s.split("-")[0] for s in skus]))
                 keys = list(dict.fromkeys(skus + base_skus))
                 
                 placeholders = ",".join(["%s"] * len(keys))
-                sql = f"SELECT {SELECT_COLUMNS} FROM {TABLE_NAME} WHERE UPPER(magento_ref_code) IN ({placeholders}) OR UPPER(internal_ref_code) IN ({placeholders}) LIMIT 200"
-                rows = await db.execute_query_async(sql, params=tuple(keys + keys))
+                safe_columns = strip_local_columns(SELECT_COLUMNS)
+                sql = f"SELECT {safe_columns} FROM {TABLE_NAME} WHERE UPPER(magento_ref_code) IN ({placeholders}) OR UPPER(internal_ref_code) IN ({placeholders}) LIMIT 200"
+                rows = await db.execute_query(sql, params=tuple(keys + keys))
 
                 for r in rows or []:
                     card = {
@@ -169,6 +173,8 @@ class StylistProGraph:
             "updated_insight": result.get("updated_insight"),
             "product_ids": ai_product_ids,
             "products": final_products,
+            "tool_name_used": result.get("tool_name_used"),
+            "tool_result": result.get("tool_result"),
             "pipeline": result.get("diagnostics", [])
         }
 

backend/agent/tools/tool_module/db_connector.py

@@ -41,10 +41,29 @@ def translate_query(query: str) -> str:
         q, flags=re.IGNORECASE
     )
 
+    # 5. Map description_text_full to description_data_full for SQLite
+    q = re.sub(
+        r'\bdescription_text_full\b',
+        r'description_data_full AS description_text_full',
+        q
+    )
+
     logger.debug(f"📝 [SQLite Translated] {q[:200]}")
     return q
 
 
+def strip_local_columns(query: str) -> str:
+    """
+    Loại bỏ các cột chỉ có ở local SQLite để chạy mượt trên StarRocks Production.
+    """
+    q = query
+    for col in ["tags,", "similar_items,", "outfit_recommendations,"]:
+        q = q.replace(col, "")
+    # Remove any extra spaces left behind
+    q = re.sub(r',\s*,', ',', q)
+    return q
+
+
 class DBConnector:
     """
     Bộ điều phối DB: StarRocks vs SQLite.
@@ -62,13 +81,15 @@ class DBConnector:
                 logger.error(f"❌ [DBConnector] SQLite Error: {e}")
                 return []
         else:
+            # Strip local columns before sending to StarRocks
+            sr_query = strip_local_columns(query)
             logger.info(f"🚀 [DBConnector] Using StarRocks Production")
             db = get_db_connection()
             if not db:
                 logger.error("❌ [DBConnector] StarRocks Connection Failed!")
                 return []
             try:
-                return await db.execute_query_async(query, params)
+                return await db.execute_query_async(sr_query, params)
             except Exception as e:
                 logger.error(f"❌ [DBConnector] StarRocks Error: {e}. Falling back to SQLite...")
                 # Tự động cứu bồ

backend/agent/tools/tool_module/search_engine.py

@@ -9,7 +9,6 @@ from pydantic import BaseModel, Field
 
 # Core module imports từ local tool_module
 from .db_connector import DBConnector
-from .stock_provider import enrich_with_stock
 from .product_mapping import get_related_lines, resolve_product_line
 from .pattern_detector import HardPatternDetector
 from .size_message_builder import build_size_message
@@ -176,7 +175,7 @@ def _build_fixed_clauses(inf: InferredSearch, params: list) -> list[str]:
             age = "adult"
         params.append(age)
         clauses.append("age_by_product = %s")
-    
+
     if inf.master_color:
         # ── Robust Color Filter ──
         # AI có thể output "Màu đen", "đen", "black" — DB lưu "Đen/ Black"
@@ -223,7 +222,7 @@ def _build_fixed_clauses(inf: InferredSearch, params: list) -> list[str]:
         params.append(inf.price_min); clauses.append("sale_price >= %s")
     if inf.price_max is not None:
         params.append(inf.price_max); clauses.append("sale_price <= %s")
-    
+
     if inf.size:
         params.append(inf.size.upper())
         clauses.append("FIND_IN_SET(%s, REPLACE(size_scale, '|', ',')) > 0")
@@ -266,14 +265,14 @@ class SearchEngine:
                 for w in words:
                     params_lit.extend([f"%{w}%", f"%{w}%"])
                     clauses_lit.append("(LOWER(product_name) LIKE %s OR LOWER(description_text) LIKE %s)")
-                
+
                 # Áp dụng cứng Gender/Age
                 where_lit = " AND ".join(clauses_lit)
                 if inf.gender_by_product:
                     params_lit.append(inf.gender_by_product); where_lit += " AND gender_by_product = %s"
                 if inf.age_by_product:
                     params_lit.append(inf.age_by_product); where_lit += " AND age_by_product = %s"
-                
+
                 sql_lit = f"SELECT {SELECT_COLUMNS} FROM {TABLE_NAME} WHERE {where_lit} ORDER BY quantity_sold DESC LIMIT 50"
                 literal_products = await self.db.execute_query(sql_lit, tuple(params_lit))
 
@@ -292,7 +291,7 @@ class SearchEngine:
             code = p.get("internal_ref_code")
             if code and code not in seen:
                 seen.add(code); merged.append(p)
-        
+
         if merged: return merged[:10], 1, "Success (Dual-Lane)"
         return await self._fallback_cascade(inf)
 
@@ -361,25 +360,50 @@ class SearchEngine:
                 p["outfit_recommendations"] = []
         return products
 
-    async def search(self, literal: str, inferred: Dict[str, Any], check_stock: bool = True) -> Dict[str, Any]:
+    @staticmethod
+    def _parse_description_data_full(products: list) -> list:
+        """Parse description_text_full JSON string into structured metadata."""
+        for p in products:
+            raw = p.get("description_text_full")
+            p["styling_metadata"] = {}
+            if raw and isinstance(raw, str):
+                try:
+                    data = json.loads(raw)
+                    metadata = {}
+                    if "phong_cach" in data: metadata["phong_cach"] = data["phong_cach"]
+                    if "dip_mac" in data: metadata["dip_mac"] = data["dip_mac"]
+                    if "cross_sell" in data: metadata["cross_sell"] = data["cross_sell"]
+                    if "tinh_nang_vai" in data: metadata["tinh_nang_vai"] = data["tinh_nang_vai"]
+                    if "tags" in data: metadata["tags"] = data["tags"]
+                    
+                    if "mo_ta_chinh" in data and data["mo_ta_chinh"]:
+                        p["description_text"] = data["mo_ta_chinh"]
+                        
+                    p["styling_metadata"] = metadata
+                except (json.JSONDecodeError, TypeError):
+                    pass
+            p.pop("description_text_full", None)
+        return products
+
+    async def search(self, literal: str, inferred: Dict[str, Any]) -> Dict[str, Any]:
         inf = InferredSearch(**inferred)
         _apply_event_fallback(inf, literal)
-        
+
         # Hard Pattern
         pattern = _hard_pattern_detector.detect(literal)
         if pattern.pattern_type == "cheaper_than" and pattern.target_price_max:
             inf.price_max = int(pattern.target_price_max)
-        
+
         # Underwear Override
         is_underwear = any(line in ["Quần lót", "Áo lót", "Sịp", "Bra"] for line in inf.product_line_vn)
         if is_underwear: inf.gender_by_product = inf.age_by_product = None
 
         products, tier, message = await self._dual_lane_search(literal, inf)
-        
+
         if products:
-            if check_stock: products = await enrich_with_stock(products)
             products = self._parse_similar_items(products)
             products = self._parse_outfit_recommendations(products)
+            products = self._parse_description_data_full(products)
             for p in products:
                 raw_size = p.get("size_scale", "")
                 parsed = [s.strip() for s in str(raw_size).replace("[", "").replace("]", "").replace('"', '').split(",") if s.strip()]

backend/check_db.py

+import sqlite3
+
+DB_PATH = 'D:/cnf/chatbot_canifa/preference/common/database/canifa_ai_dump.sqlite'
+conn = sqlite3.connect(DB_PATH)
+cursor = conn.cursor()
+cursor.execute("SELECT name FROM sqlite_master WHERE type='table';")
+tables = [row[0] for row in cursor.fetchall()]
+print('Tables:', tables)
+cursor.execute("PRAGMA table_info(sr__test_db__magento_product_dimension_with_text_embedding);")
+columns = [row[1] for row in cursor.fetchall()]
+print('Columns:', columns)

backend/common/constants.py

@@ -15,7 +15,7 @@ import os
 _BACKEND_DIR = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
 _PROJECT_ROOT = os.path.dirname(_BACKEND_DIR)  # D:\cnf\chatbot_canifa
 
-SQLITE_DB_PATH: str = os.path.join(_PROJECT_ROOT, "preference", "common", "database", "canifa_ai_dump.sqlite")
+SQLITE_DB_PATH: str = os.path.join(_BACKEND_DIR, "database", "canifa_ai_dump.sqlite")
 
 # ═══════════════════════════════════════════════════════════════
 # SQLITE TABLE NAMES (mapping schema.table → SQLite table name)

backend/config.py

@@ -58,6 +58,7 @@ __all__ = [
     "STARROCKS_USER",
     "STOCK_API_URL",
     "USE_MONGO_CONVERSATION",
+    "USE_LANGFUSE_PROMPTS",
 ]
 
 # ====================== SUPABASE CONFIGURATION ======================
@@ -88,10 +89,11 @@ JWT_ALGORITHM: str | None = os.getenv("JWT_ALGORITHM")
 PORT: int = int(os.getenv("PORT", "5000"))
 FIRECRAWL_API_KEY: str | None = os.getenv("FIRECRAWL_API_KEY")
 
-# ====================== LANGFUSE CONFIGURATION (DEPRECATED) ======================
+# ====================== LANGFUSE CONFIGURATION ======================
 LANGFUSE_SECRET_KEY: str | None = os.getenv("LANGFUSE_SECRET_KEY")
 LANGFUSE_PUBLIC_KEY: str | None = os.getenv("LANGFUSE_PUBLIC_KEY")
 LANGFUSE_BASE_URL: str | None = os.getenv("LANGFUSE_BASE_URL", "https://cloud.langfuse.com")
+USE_LANGFUSE_PROMPTS: bool = os.getenv("USE_LANGFUSE_PROMPTS", "true").lower() == "true"
 
 # ====================== LANGSMITH CONFIGURATION (TẮT VÌ RATE LIMIT) ======================
 # LANGSMITH_TRACING = os.getenv("LANGSMITH_TRACING", "false")

backend/database/MIGRATION_SIZE_COLUMN.md

+# Size Column Migration
+
+## Mục đích
+Thêm cột `size` vào bảng `pg__dashboard_canifa__ultra_descriptions` để lưu **bảng size đã filter** (chỉ size thực tế có bán), giúp giảm token khi hiển thị trong chatbot.
+
+## Files
+- `migrations/002_add_size_column.sql` - Thêm cột `size`
+- `populate_size_column.py` - Điền dữ liệu vào cột `size`
+
+## Cách chạy
+
+### Bước 1: Apply migration (thêm cột)
+```bash
+sqlite3 backend/database/canifa_ai_dump.sqlite < backend/database/migrations/002_add_size_column.sql
+```
+
+Hoặc mở DB bằng DB Browser for SQLite và chạy SQL:
+```sql
+ALTER TABLE pg__dashboard_canifa__ultra_descriptions ADD COLUMN size TEXT;
+```
+
+### Bước 2: Populate data
+```bash
+cd backend/database
+python populate_size_column.py
+```
+
+Script sẽ:
+1. Đọc `description_data->'huong_dan_size'` (bảng size đầy đủ với XS, S, M, L, XL)
+2. Lọc chỉ giữ lại các size có trong `size_scale` (VD: "L, M, S, XL")
+3. Ghi kết quả vào cột `size`
+
+### Bước 3: Verify
+```bash
+sqlite3 backend/database/canifa_ai_dump.sqlite "SELECT id, size_scale, size FROM pg__dashboard_canifa__ultra_descriptions WHERE size IS NOT NULL LIMIT 1;"
+```
+
+Expected output:
+- `size_scale`: "L, M, S, XL"
+- `size`: Bảng markdown chỉ chứa S, M, L, XL (không có XS)
+
+## Lợi ích
+- Trước: `huong_dan_size` ~500 tokens (bảng đầy đủ 5-6 sizes)
+- Sau: `size` ~100 tokens (chỉ sizes thực tế)
+- Tiết kiệm ~400 tokens/sp × số sản phẩm hiển thị
+
+## Notes
+- Cột `size` được thêm vào SELECT trong `product_search_engine.py`
+- Output `item["size_table"]` sẽ dùng cột `size` thay vì parse `huong_dan_size` mỗi lần

backend/database/_archive/check_outfit_tables.py

+"""Quick check: list all tables in both SQLite DBs and show outfit-related data."""
+import os
+import sqlite3
+
+
+def check_db(db_path, label):
+    if not os.path.exists(db_path):
+        print(f"\n❌ {label}: File not found at {db_path}")
+        return
+
+    size_mb = os.path.getsize(db_path) / (1024 * 1024)
+    print(f"\n{'='*60}")
+    print(f"📦 {label}")
+    print(f"   Path: {db_path}")
+    print(f"   Size: {size_mb:.1f} MB")
+    print(f"{'='*60}")
+
+    conn = sqlite3.connect(db_path)
+    cur = conn.cursor()
+
+    # List all tables
+    cur.execute("SELECT name FROM sqlite_master WHERE type='table' ORDER BY name")
+    tables = [r[0] for r in cur.fetchall()]
+    print(f"\n📋 Tables ({len(tables)}):")
+    for t in tables:
+        cur.execute(f'SELECT COUNT(*) FROM "{t}"')
+        cnt = cur.fetchone()[0]
+        marker = " ⭐" if "outfit" in t.lower() else ""
+        print(f"   • {t:50s}  ({cnt:,} rows){marker}")
+
+    # Check outfit-specific tables
+    outfit_tables = [t for t in tables if "outfit" in t.lower()]
+    if outfit_tables:
+        print(f"\n🎨 Outfit Tables Detail:")
+        for t in outfit_tables:
+            print(f"\n   >>> {t}")
+            cur.execute(f'PRAGMA table_info("{t}")')
+            cols = cur.fetchall()
+            print(f"   Columns:")
+            for c in cols:
+                print(f"      {c[1]:20s}  {c[2]:15s}  {'PK' if c[5] else ''}")
+
+            # Show sample data
+            cur.execute(f'SELECT * FROM "{t}" LIMIT 5')
+            sample = cur.fetchall()
+            if sample:
+                col_names = [c[1] for c in cols]
+                print(f"   Sample data ({min(5, len(sample))} rows):")
+                for row in sample:
+                    print(f"      {dict(zip(col_names, row))}")
+            else:
+                print(f"   (empty table)")
+
+    conn.close()
+
+if __name__ == "__main__":
+    base = os.path.dirname(os.path.abspath(__file__))
+    backend = os.path.dirname(base)
+
+    # Check 123.db
+    check_db(os.path.join(backend, "123.db"), "123.db (Migration DB)")
+
+    # Check canifa_ai_dump.sqlite
+    check_db(os.path.join(base, "canifa_ai_dump.sqlite"), "canifa_ai_dump.sqlite (Main App DB)")

backend/database/_archive/check_tables.py

+import os
+import sqlite3
+
+db_path = r"C:\canifa-idea\chatbot-canifa-feedback\backend\database\canifa_ai_dump.sqlite"
+if not os.path.exists(db_path):
+    print("Database not found!")
+else:
+    db = sqlite3.connect(db_path)
+    c = db.cursor()
+    c.execute("SELECT name FROM sqlite_master WHERE type='table';")
+    tables = c.fetchall()
+    print("Tables in Sqlite:", tables)

backend/database/_archive/inspect_db.py

+import sqlite3
+
+
+def inspect():
+    db_path = 'canifa_ai_dump.sqlite'
+    conn = sqlite3.connect(db_path)
+    cursor = conn.cursor()
+    cursor.execute("SELECT sql FROM sqlite_master WHERE type='table' AND name='sr__test_db__magento_product_dimension_with_text_embedding';")
+    schema = cursor.fetchone()
+    print("Schema of products:")
+    print(schema[0])
+    conn.close()
+
+if __name__ == '__main__':
+    inspect()

backend/database/_archive/migrate_outfit_matches.py

+import os
+import sqlite3
+import sys
+
+sys.path.append(os.path.dirname(os.path.dirname(os.path.dirname(os.path.abspath(__file__)))))
+from common.constants import SQLITE_DB_PATH
+
+DB_PATH = SQLITE_DB_PATH
+
+def migrate():
+    print(f"Connecting to database at {DB_PATH}...")
+    conn = sqlite3.connect(DB_PATH)
+    cursor = conn.cursor()
+
+    # Create the table
+    create_table_sql = """
+    CREATE TABLE IF NOT EXISTS pg__dashboard_canifa__ai_outfit_product_matches (
+        id INTEGER PRIMARY KEY AUTOINCREMENT,
+        rule_id INTEGER NOT NULL,
+        anchor_product_code VARCHAR(255) NOT NULL,
+        match_product_code VARCHAR(255) NOT NULL,
+        match_product_name VARCHAR(255),
+        match_gender VARCHAR(50),
+        match_age VARCHAR(50),
+        match_role VARCHAR(50) NOT NULL,
+        score FLOAT NOT NULL,
+        ai_reason TEXT,
+        created_at DATETIME DEFAULT CURRENT_TIMESTAMP
+    );
+    """
+    
+    print("Executing DROP and CREATE TABLE statement for pg__dashboard_canifa__ai_outfit_product_matches...")
+    cursor.execute("DROP TABLE IF EXISTS pg__dashboard_canifa__ai_outfit_product_matches;")
+    cursor.execute(create_table_sql)
+    
+    # Create indexes for fast lookup
+    print("Creating indexes for fast lookup...")
+    cursor.execute("CREATE INDEX IF NOT EXISTS idx_anchor_product ON pg__dashboard_canifa__ai_outfit_product_matches(anchor_product_code);")
+    cursor.execute("CREATE INDEX IF NOT EXISTS idx_rule_id ON pg__dashboard_canifa__ai_outfit_product_matches(rule_id);")
+
+    conn.commit()
+    print("Migration successful! Table pg__dashboard_canifa__ai_outfit_product_matches created.")
+    conn.close()
+
+if __name__ == "__main__":
+    migrate()

backend/database/_archive/recover_links.py

+import requests
+
+links_to_restore = [
+  {
+    "id": "916c2a97",
+    "title": "Langfuse Monitoring",
+    "url": "http://172.16.2.207:3009",
+    "description": "LLM observability & tracing dashboard — theo dõi traces, scores, prompts",
+    "category": "tool",
+    "icon": "🔍",
+    "pinned": True
+  },
+  {
+    "id": "a1b2c301",
+    "title": "LiteLLM Proxy",
+    "url": "http://172.16.2.207:4000",
+    "description": "LLM Gateway — proxy OpenAI/Gemini/Ollama models, quản lý API keys & rate limits",
+    "category": "tool",
+    "icon": "🤖",
+    "pinned": True
+  },
+  {
+    "id": "a1b2c302",
+    "title": "n8n Workflows",
+    "url": "http://172.16.2.207:5678",
+    "description": "Workflow automation — test chatbot, auto-test hàng ngày, tích hợp Google Sheets",
+    "category": "tool",
+    "icon": "⚡",
+    "pinned": False
+  },
+  {
+    "id": "a1b2c306",
+    "title": "n8n Auto-Test Workflow",
+    "url": "http://172.16.2.207:5678/workflow/EPB44XlnVAi6FCnl",
+    "description": "Workflow test tự động chatbot — chạy daily 8:00 AM, log kết quả lên Google Sheets",
+    "category": "tool",
+    "icon": "🧪",
+    "pinned": False
+  },
+  {
+    "id": "a1b2c307",
+    "title": "Test Conversation Observer",
+    "url": "http://172.16.2.207:5000/static/history.html",
+    "description": "Xem lịch sử hội thoại test — review chất lượng bot responses",
+    "category": "tool",
+    "icon": "🧾",
+    "pinned": False
+  },
+  {
+    "id": "a1b2c308",
+    "title": "Redis Cache",
+    "url": "redis://172.16.2.207:6379",
+    "description": "Cache layer — response cache, user insight, session data",
+    "category": "api",
+    "icon": "🗄️",
+    "pinned": False
+  },
+  {
+    "id": "a1b2c309",
+    "title": "Chatbot API Docs",
+    "url": "http://172.16.2.207:5000/docs",
+    "description": "Swagger UI — tất cả API endpoints, test trực tiếp trên browser",
+    "category": "api",
+    "icon": "📚",
+    "pinned": False
+  },
+  {
+    "id": "a1b2c310",
+    "title": "ReDoc API Reference",
+    "url": "http://172.16.2.207:5000/redoc",
+    "description": "API documentation dạng ReDoc — clean, dễ đọc",
+    "category": "doc",
+    "icon": "📖",
+    "pinned": False
+  },
+  {
+    "id": "2912d187",
+    "title": "tool test conservation",
+    "url": "http://172.16.2.207:5004/static/test_conversation.html",
+    "description": "Tools test conservations, user có thể nhập url (trở tới bản dev hoặc stage) ném vào 1 file excel đã chuẩn bị sẵn",
+    "category": "tool",
+    "icon": "🔧",
+    "pinned": False
+  }
+]
+
+url = "http://localhost:5000/api/dashboard/links"
+for link in links_to_restore:
+    # use their original ID by issuing a POST but actually the backend POST ignores ID and generates a new one.
+    # We will just insert them fresh!
+    res = requests.post(url, json=link)
+    print(res.status_code)

backend/database/migrate/check_fashion_data.py

+import json
+
+import psycopg
+
+
+def check_data():
+    print("Initiating DB connection...")
+    try:
+        conn = psycopg.connect("host=160.191.50.138 port=5432 dbname=law_bot user=law_user password=zvPQhfGgYwhY0ihKOTRNjN4wH")
+        cur = conn.cursor()
+
+        query = """
+            SELECT magento_ref_code, name, gender, ai_matches 
+            FROM dashboard_canifa.ultra_descriptions
+            WHERE ai_matches IS NOT NULL AND ai_matches != '{}'::jsonb
+              AND (gender = 'Nam' OR gender = 'Nữ' OR gender = 'nam' OR gender = 'nu') 
+            LIMIT 10;
+        """
+        
+        cur.execute(query)
+        rows = cur.fetchall()
+        
+        print(f"Found {len(rows)} products with ai_matches")
+        
+        for row in rows:
+            code = row[0]
+            name = row[1]
+            gender = row[2]
+            matches = row[3]
+            
+            print(f"\n--- Code: {code} | Name: {name} | Gender: {gender} ---")
+            if isinstance(matches, str):
+                matches = json.loads(matches)
+                
+            if not matches:
+                print("  No match data!")
+                continue
+                
+            has_issue = False
+            for occasion, roles in matches.items():
+                print(f"  Occasion: {occasion}")
+                for role, items in roles.items():
+                    for item in items[:3]:
+                        item_gender = item.get('gender', 'unknown').lower()
+                        item_name = item.get('name', 'unknown')
+                        item_cat = item.get('category', 'unknown').lower()
+                        
+                        is_kid = ('bé' in item_gender or 'be_' in item_gender or 'girl' in item_gender or 
+                                  'boy' in item_gender or 'be gai' in item_gender or 'be trai' in item_gender)
+                        is_kid_name = ('bé' in item_name.lower())
+                        
+                        if is_kid or is_kid_name:
+                            has_issue = True
+                            print(f"      -> {item.get('code')}: {item_name}")
+                            print(f"         *** ISSUE: KID'S ITEM (Gender: {item_gender}) IN ADULT MATCH ({gender}) ***")
+
+            if not has_issue:
+                print("  OK (No demographic mismatch found in top items).")
+
+        cur.close()
+        conn.close()
+    except Exception as e:
+        print(f"Error: {e}")
+
+if __name__ == "__main__":
+    check_data()

backend/database/migrate/migrate_001_ai_outfit_tables.py

+"""
+migrate_001_ai_outfit_tables.py
+────────────────────────────────────────────────────────────
+Migration: Tạo 2 bảng ai_outfit_set + ai_outfit_items
+
+  - Tự động chọn backend dựa theo env USE_LOCAL_SQLITE:
+      USE_LOCAL_SQLITE=true  → SQLite  (local dev / home)
+      USE_LOCAL_SQLITE=false → Postgres (company / production)
+
+Cách chạy:
+    python backend/database/migrate/migrate_001_ai_outfit_tables.py
+
+Hoặc được gọi tự động qua outfit_db.ensure_tables() khi server khởi động.
+"""
+
+import logging
+import os
+import sys
+
+logger = logging.getLogger(__name__)
+
+SCHEMA = "dashboard_canifa"
+SET_TABLE   = f"{SCHEMA}.ai_outfit_set"
+ITEMS_TABLE = f"{SCHEMA}.ai_outfit_items"
+
+USE_SQLITE = os.getenv("USE_LOCAL_SQLITE", "false").strip().lower() == "true"
+
+
+# ─── SQLite DDL (không có schema prefix, không có TIMESTAMPTZ) ────────────────
+SQLITE_DDL = """
+CREATE TABLE IF NOT EXISTS ai_outfit_set (
+    id           INTEGER PRIMARY KEY AUTOINCREMENT,
+    source_code  TEXT    NOT NULL,
+    occasion_tag TEXT    NOT NULL,
+    created_at   TEXT    DEFAULT (datetime('now')),
+    updated_at   TEXT    DEFAULT (datetime('now')),
+    UNIQUE (source_code, occasion_tag)
+);
+
+CREATE INDEX IF NOT EXISTS idx_outfit_set_source
+    ON ai_outfit_set(source_code);
+
+CREATE TABLE IF NOT EXISTS ai_outfit_items (
+    id          INTEGER PRIMARY KEY AUTOINCREMENT,
+    outfit_id   INTEGER NOT NULL REFERENCES ai_outfit_set(id) ON DELETE CASCADE,
+    target_code TEXT    NOT NULL,
+    role        TEXT    NOT NULL,
+    rank        INTEGER NOT NULL DEFAULT 1,
+    score       INTEGER DEFAULT 0,
+    reason      TEXT    DEFAULT '',
+    is_pinned   INTEGER DEFAULT 0,
+    created_at  TEXT    DEFAULT (datetime('now'))
+);
+
+CREATE INDEX IF NOT EXISTS idx_outfit_items_outfit_id
+    ON ai_outfit_items(outfit_id);
+
+CREATE INDEX IF NOT EXISTS idx_outfit_items_target
+    ON ai_outfit_items(target_code);
+"""
+
+
+# ─── Postgres DDL ─────────────────────────────────────────────────────────────
+POSTGRES_DDL = f"""
+CREATE SCHEMA IF NOT EXISTS {SCHEMA};
+
+CREATE TABLE IF NOT EXISTS {SET_TABLE} (
+    id           SERIAL PRIMARY KEY,
+    source_code  VARCHAR(50)  NOT NULL,
+    occasion_tag VARCHAR(50)  NOT NULL,
+    created_at   TIMESTAMPTZ  DEFAULT NOW(),
+    updated_at   TIMESTAMPTZ  DEFAULT NOW(),
+    UNIQUE (source_code, occasion_tag)
+);
+
+CREATE INDEX IF NOT EXISTS idx_outfit_set_source
+    ON {SET_TABLE}(source_code);
+
+CREATE TABLE IF NOT EXISTS {ITEMS_TABLE} (
+    id          SERIAL PRIMARY KEY,
+    outfit_id   INT          NOT NULL REFERENCES {SET_TABLE}(id) ON DELETE CASCADE,
+    target_code VARCHAR(50)  NOT NULL,
+    role        VARCHAR(30)  NOT NULL,
+    rank        SMALLINT     NOT NULL DEFAULT 1,
+    score       SMALLINT     DEFAULT 0,
+    reason      TEXT         DEFAULT '',
+    is_pinned   BOOLEAN      DEFAULT FALSE,
+    created_at  TIMESTAMPTZ  DEFAULT NOW()
+);
+
+CREATE INDEX IF NOT EXISTS idx_outfit_items_outfit_id
+    ON {ITEMS_TABLE}(outfit_id);
+
+CREATE INDEX IF NOT EXISTS idx_outfit_items_target
+    ON {ITEMS_TABLE}(target_code);
+"""
+
+
+def run_sqlite():
+    """Tạo bảng trên SQLite local."""
+    sqlite_path = os.getenv(
+        "SQLITE_PATH",
+        os.path.join(os.path.dirname(__file__), "..", "canifa_ai_dump.sqlite")
+    )
+    sqlite_path = os.path.abspath(sqlite_path)
+
+    import sqlite3
+    conn = sqlite3.connect(sqlite_path)
+    try:
+        conn.executescript(SQLITE_DDL)
+        conn.commit()
+        logger.info("[migrate] ✅ SQLite: ai_outfit_set + ai_outfit_items created at %s", sqlite_path)
+        print(f"[OK] SQLite tables created: {sqlite_path}")
+    except Exception as e:
+        logger.error("[migrate] SQLite error: %s", e)
+        print(f"[ERROR] SQLite: {e}")
+    finally:
+        conn.close()
+
+
+def run_postgres():
+    """Tạo bảng trên Postgres qua pool_wrapper."""
+    # Thêm thư mục backend vào sys.path để import được common.*
+    backend_dir = os.path.abspath(os.path.join(os.path.dirname(__file__), "..", ".."))
+    if backend_dir not in sys.path:
+        sys.path.insert(0, backend_dir)
+
+    from common.pool_wrapper import get_pooled_connection_compat
+    conn = None
+    try:
+        conn = get_pooled_connection_compat()
+        cur = conn.cursor()
+        # Chạy từng statement riêng để tránh lỗi "can't execute multiple commands"
+        for stmt in POSTGRES_DDL.split(";"):
+            stmt = stmt.strip()
+            if stmt:
+                cur.execute(stmt)
+        conn.commit()
+        cur.close()
+        logger.info("[migrate] ✅ Postgres: ai_outfit_set + ai_outfit_items created")
+        print("[OK] Postgres tables created: dashboard_canifa.ai_outfit_set + dashboard_canifa.ai_outfit_items")
+    except Exception as e:
+        if conn:
+            conn.rollback()
+        logger.error("[migrate] Postgres error: %s", e)
+        print(f"[ERROR] Postgres: {e}")
+    finally:
+        if conn:
+            conn.close()
+
+
+def run():
+    """Entry point: tự chọn backend theo USE_LOCAL_SQLITE."""
+    logging.basicConfig(level=logging.INFO)
+    if USE_SQLITE:
+        print("[migrate] Mode: SQLite (USE_LOCAL_SQLITE=true)")
+        run_sqlite()
+    else:
+        print("[migrate] Mode: Postgres (USE_LOCAL_SQLITE=false)")
+        run_postgres()
+
+
+if __name__ == "__main__":
+    run()

backend/database/migrate/migrate_004_remaining.py

+"""
+migrate_004_remaining.py — seed 27 anchor categories còn thiếu
+"""
+import logging
+import os
+import sys
+
+logging.basicConfig(level=logging.INFO)
+logger = logging.getLogger(__name__)
+backend_dir = os.path.abspath(os.path.join(os.path.dirname(__file__), "..", ".."))
+if backend_dir not in sys.path:
+    sys.path.insert(0, backend_dir)
+
+TABLE = "dashboard_canifa.chatbot_fashion_rules"
+
+RULES = [
+    # Áo khoác chần bông NAM
+    ("nam",    "Áo khoác chần bông", "hang_ngay","bottom","Quần jean",   "Áo khoác chần bông + Quần jean nam"),
+    ("nam",    "Áo khoác chần bông", "di_choi",  "bottom","Quần jean",   "Áo khoác chần bông + Quần jean nam đi chơi"),
+    ("nam",    "Áo khoác chần bông", "hang_ngay","top",   "Áo phông",    "Áo khoác chần bông phủ Áo phông nam"),
+
+    # Áo Polo BE TRAI
+    ("be_trai","Áo Polo",  "hang_ngay","bottom","Quần soóc",  "Áo Polo bé trai + Quần soóc hàng ngày"),
+    ("be_trai","Áo Polo",  "hang_ngay","bottom","Quần khaki", "Áo Polo bé trai + Quần khaki"),
+    ("be_trai","Áo Polo",  "du_lich",  "bottom","Quần soóc",  "Áo Polo bé trai + Quần soóc du lịch"),
+    # Áo Polo UNISEX
+    ("unisex", "Áo Polo",  "hang_ngay","bottom","Quần jean",  "Áo Polo unisex + Quần jean"),
+    ("unisex", "Áo Polo",  "di_lam",   "bottom","Quần khaki", "Áo Polo unisex + Quần khaki công sở"),
+
+    # Áo len BE TRAI
+    ("be_trai","Áo len",   "hang_ngay","bottom","Quần nỉ",    "Áo len bé trai + Quần nỉ ấm"),
+    ("be_trai","Áo len",   "hang_ngay","bottom","Quần dài",   "Áo len bé trai + Quần dài mùa lạnh"),
+
+    # Quần Khaki BE GAI
+    ("be_gai", "Quần Khaki","hang_ngay","top",  "Áo phông",   "Quần Khaki bé gái + Áo phông"),
+    ("be_gai", "Quần Khaki","di_choi",  "top",  "Áo kiểu",    "Quần Khaki bé gái + Áo kiểu đi chơi"),
+
+    # Khăn / Scarf (accessories — recommend top/bottom to go with)
+    ("unisex", "Khăn",     "hang_ngay","top",   "Áo phông",   "Khăn + Áo phông: phụ kiện base"),
+    ("unisex", "Khăn",     "di_choi",  "top",   "Áo nỉ",      "Khăn + Áo nỉ: mùa lạnh stylish"),
+
+    # Quần lót (underwear — minimal rules)
+    ("nu",     "Quần lót", "mac_nha",  "top",   "Áo phông",   "Quần lót + Áo phông: lounge basic"),
+    ("be_gai", "Quần lót", "mac_nha",  "top",   "Áo phông",   "Quần lót bé gái + Áo phông nhà"),
+
+    # Áo khoác sợi NAM
+    ("nam",    "Áo khoác sợi","di_choi", "bottom","Quần jean", "Áo khoác sợi nam + Quần jean"),
+    ("nam",    "Áo khoác sợi","hang_ngay","top",  "Áo phông",  "Áo khoác sợi phủ Áo phông nam"),
+
+    # Pyjama BE TRAI
+    ("be_trai","Pyjama",   "mac_nha",  "outerwear","Áo nỉ",    "Pyjama bé trai + Áo nỉ mùa lạnh"),
+
+    # Áo khoác gilet chần bông (gilet)
+    ("be_gai", "Áo khoác gilet chần bông","hang_ngay","top","Áo phông","Gilet chần bông + Áo phông bé gái"),
+    ("be_gai", "Áo khoác gilet chần bông","hang_ngay","bottom","Quần nỉ","Gilet chần bông + Quần nỉ bé gái"),
+    ("unisex", "Áo khoác gilet chần bông","hang_ngay","top","Áo phông", "Gilet chần bông + Áo phông unisex"),
+    ("nu",     "Áo khoác gilet chần bông","di_choi",  "bottom","Quần jean","Gilet chần bông + Quần jean nữ"),
+
+    # Áo giữ nhiệt BE GAI
+    ("be_gai", "Áo giữ nhiệt","mac_nha","bottom","Quần nỉ",    "Áo giữ nhiệt + Quần nỉ bé gái ấm"),
+    ("be_gai", "Áo giữ nhiệt","hang_ngay","outerwear","Áo nỉ", "Áo giữ nhiệt base + Áo nỉ phủ ngoài"),
+
+    # Quần giữ nhiệt NAM
+    ("nam",    "Quần giữ nhiệt","mac_nha","top","Áo giữ nhiệt","Quần giữ nhiệt + Áo giữ nhiệt base layer"),
+    ("nam",    "Quần giữ nhiệt","mac_nha","top","Áo phông",    "Quần giữ nhiệt + Áo phông: thermal inside"),
+
+    # Áo nỉ UNISEX
+    ("unisex", "Áo nỉ",    "di_choi",  "bottom","Quần jean",   "Áo nỉ + Quần jean unisex casual"),
+    ("unisex", "Áo nỉ",    "hang_ngay","bottom","Quần dài",    "Áo nỉ + Quần dài unisex chill"),
+
+    # Áo mặc nhà NAM
+    ("nam",    "Áo mặc nhà","mac_nha", "bottom","Quần mặc nhà","Áo mặc nhà + Quần mặc nhà: set nhà nam"),
+    ("nam",    "Áo mặc nhà","mac_nha", "bottom","Quần nỉ",     "Áo mặc nhà + Quần nỉ nam winter home"),
+
+    # Quần váy BE GAI
+    ("be_gai", "Quần váy", "di_choi",  "top",   "Áo phông",   "Quần váy bé gái + Áo phông đi chơi"),
+    ("be_gai", "Quần váy", "hang_ngay","top",   "Áo kiểu",    "Quần váy bé gái + Áo kiểu hàng ngày"),
+
+    # Khăn mặt (towel) — non-fashion, skip meaningful pairing; add minimal
+    ("all",    "Khăn mặt", "mac_nha",  "top",   "Áo mặc nhà", "Khăn mặt + Áo mặc nhà: home essentials"),
+
+    # Bộ quần áo UNISEX
+    ("unisex", "Bộ quần áo","hang_ngay","outerwear","Áo khoác gió","Bộ quần áo unisex + Khoác nhẹ"),
+
+    # Áo khoác gilet chần bông WOMEN (đã có? thêm thêm)
+    ("nu",     "Áo khoác gilet chần bông","di_choi","top","Áo phông","Gilet chần bông nữ + Áo phông base"),
+]
+
+
+def run():
+    from common.pool_wrapper import get_pooled_connection_compat
+    conn = None
+    try:
+        conn = get_pooled_connection_compat()
+        cur = conn.cursor()
+        inserted = 0
+        for gender, anchor, occ, role, target, reason in RULES:
+            cur.execute(f"""
+                INSERT INTO {TABLE} (gender_target, anchor_category, occasion_tag, match_role, target_category, ai_reason)
+                VALUES (%s, %s, %s, %s, %s, %s) ON CONFLICT DO NOTHING
+            """, (gender, anchor, occ, role, target, reason))
+            if cur.rowcount > 0:
+                inserted += 1
+        conn.commit()
+        cur.close()
+        print(f"[OK] migrate_004 done: +{inserted} rules seeded ({len(RULES)} total in batch)")
+    except Exception as e:
+        if conn: conn.rollback()
+        print(f"[ERROR] {e}")
+    finally:
+        if conn: conn.close()
+
+if __name__ == "__main__":
+    run()

backend/database/migrate/migrate_005_final.py

+"""migrate_005_final.py — seed 11 anchor categories còn lại"""
+import logging
+import os
+import sys
+
+logging.basicConfig(level=logging.INFO)
+backend_dir = os.path.abspath(os.path.join(os.path.dirname(__file__), "..", ".."))
+if backend_dir not in sys.path:
+    sys.path.insert(0, backend_dir)
+TABLE = "dashboard_canifa.chatbot_fashion_rules"
+
+RULES = [
+    # Tất (socks) — minimal, recommend outfit underneath
+    ("nam",   "Tất", "the_thao","top",   "Áo phông",   "Tất + Áo phông: sport set hoàn chỉnh"),
+    ("nam",   "Tất", "di_lam",  "top",   "Áo Sơ mi",   "Tất + Sơ mi: office accessory"),
+    ("nu",    "Tất", "the_thao","top",   "Áo phông",   "Tất thể thao + Áo phông nữ"),
+    ("nu",    "Tất", "di_lam",  "top",   "Blouse",     "Tất + Blouse office nữ"),
+    ("unisex","Tất", "the_thao","top",   "Áo phông",   "Tất + Áo phông: universal sport"),
+    ("be_trai","Tất","the_thao","top",   "Áo phông",   "Tất bé trai + Áo phông thể thao"),
+
+    # Áo khoác (generic)
+    ("nu",    "Áo khoác","di_choi","bottom","Quần jean","Áo khoác nữ + Quần jean"),
+    ("nu",    "Áo khoác","du_lich","bottom","Quần jean","Áo khoác nữ + Quần jean du lịch"),
+
+    # Áo khoác gilet chần bông BE TRAI
+    ("be_trai","Áo khoác gilet chần bông","hang_ngay","top","Áo phông","Gilet bé trai + Áo phông bên trong"),
+    ("be_trai","Áo khoác gilet chần bông","hang_ngay","bottom","Quần nỉ","Gilet bé trai + Quần nỉ đông"),
+
+    # Khẩu trang (mask — non-fashion, add minimal)
+    ("unisex","Khẩu trang","hang_ngay","top","Áo phông",  "Khẩu trang + Áo phông: daily protection"),
+
+    # Quần lót đùi NAM
+    ("nam",   "Quần lót đùi","mac_nha","top","Áo phông",  "Quần lót đùi + Áo phông: home basic nam"),
+
+    # Túi xách (bag — accessory, no forced bottom/top)
+    ("unisex","Túi xách","di_choi","top",   "Áo phông",   "Túi xách + Áo phông: streetwear complete"),
+    ("nu",    "Túi xách","di_choi","top",   "Áo kiểu",    "Túi xách + Áo kiểu nữ: styled"),
+
+    # Áo nỉ có mũ BE GAI
+    ("be_gai","Áo nỉ có mũ","hang_ngay","bottom","Quần leggings","Hoodie bé gái + Leggings"),
+    ("be_gai","Áo nỉ có mũ","hang_ngay","bottom","Quần nỉ",      "Hoodie bé gái + Quần nỉ ấm"),
+    ("be_gai","Áo nỉ có mũ","di_choi",  "bottom","Quần jean",    "Hoodie bé gái + Quần jean đi chơi"),
+
+    # Áo mặc nhà BE TRAI
+    ("be_trai","Áo mặc nhà","mac_nha","bottom","Quần mặc nhà","Áo mặc nhà + Quần mặc nhà bé trai"),
+    ("be_trai","Áo mặc nhà","mac_nha","bottom","Quần nỉ",     "Áo mặc nhà bé trai + Quần nỉ"),
+]
+
+
+def run():
+    from common.pool_wrapper import get_pooled_connection_compat
+    conn = None
+    try:
+        conn = get_pooled_connection_compat()
+        cur = conn.cursor()
+        inserted = 0
+        for gender, anchor, occ, role, target, reason in RULES:
+            cur.execute(f"""
+                INSERT INTO {TABLE}(gender_target,anchor_category,occasion_tag,match_role,target_category,ai_reason)
+                VALUES(%s,%s,%s,%s,%s,%s) ON CONFLICT DO NOTHING
+            """, (gender, anchor, occ, role, target, reason))
+            if cur.rowcount > 0:
+                inserted += 1
+        conn.commit(); cur.close()
+        print(f"[OK] migrate_005 done: +{inserted}/{len(RULES)} rules seeded")
+    except Exception as e:
+        if conn: conn.rollback()
+        print(f"[ERROR] {e}")
+    finally:
+        if conn: conn.close()
+
+if __name__ == "__main__":
+    run()

backend/database/migrate/migrate_005_homewear_kids.py

+import os
+import sys
+
+backend_dir = os.path.abspath(os.path.join(os.path.dirname(__file__), "..", ".."))
+if backend_dir not in sys.path:
+    sys.path.insert(0, backend_dir)
+
+TABLE = "dashboard_canifa.chatbot_fashion_rules"
+
+RULES = [
+    # Bộ mặc nhà (nguyên set) -> Phối với phụ kiện hoặc outerwear
+    ("all", "Bộ mặc nhà", "mac_nha", "accessory", "Tất", "Bộ mặc nhà + Tất: Giữ ấm bàn chân khi ngủ"),
+    ("all", "Bộ mặc nhà", "mac_nha", "outerwear", "Áo khoác gió", "Bộ mặc nhà + Áo khoác gió: Mặc ngoài khi ra khỏi phòng"),
+
+    # Quần mặc nhà -> Phối với Áo mặc nhà hoặc Áo phông
+    ("all", "Quần mặc nhà", "mac_nha", "top", "Áo mặc nhà", "Quần mặc nhà + Áo mặc nhà: Nguyên set thoải mái"),
+    ("all", "Quần mặc nhà", "mac_nha", "top", "Áo phông", "Quần mặc nhà + Áo phông: Đơn giản, thoải mái"),
+
+    # Áo mặc nhà Bé Trai / Bé Gái / Nữ (Bổ sung thêm giới tính)
+    ("be_trai", "Áo mặc nhà", "mac_nha", "bottom", "Quần mặc nhà", "Áo mặc nhà + Quần mặc nhà bé trai"),
+    ("be_gai", "Áo mặc nhà", "mac_nha", "bottom", "Quần mặc nhà", "Áo mặc nhà + Quần mặc nhà bé gái"),
+    ("nu", "Áo mặc nhà", "mac_nha", "bottom", "Quần mặc nhà", "Áo mặc nhà + Quần lụa/cotton lửng cho nữ"),
+
+    # Áo khoác chống nắng -> Phối chống nắng cơ bản lớp ngoài
+    ("all", "Áo khoác chống nắng", "di_choi", "top", "Áo phông", "Khoác chống nắng ngoài Áo phông"),
+    ("all", "Áo khoác chống nắng", "di_choi", "bottom", "Quần jean", "Khoác chống nắng + Quần jean năng động"),
+    
+    # Tất -> Phụ kiện (nếu Tất làm món chính)
+    ("all", "Tất", "hang_ngay", "bottom", "Quần soóc", "Tất + Quần soóc thao năng động"),
+    ("all", "Tất", "the_thao", "bottom", "Quần thể thao", "Tất + Quần thể thao chuyên dụng"),
+]
+
+def run():
+
+    import os
+    import sys
+    backend_dir = os.path.abspath(os.path.join(os.path.dirname(__file__), "..", ".."))
+    sys.path.insert(0, backend_dir)
+    from common.pool_wrapper import get_pooled_connection_compat
+    conn = None
+    try:
+        conn = get_pooled_connection_compat()
+        cur = conn.cursor()
+        inserted = 0
+        for gender, anchor, occ, role, target, reason in RULES:
+            cur.execute(f"""
+                INSERT INTO {TABLE} (gender_target, anchor_category, occasion_tag, match_role, target_category, ai_reason)
+                VALUES (%s, %s, %s, %s, %s, %s) ON CONFLICT DO NOTHING
+            """, (gender, anchor, occ, role, target, reason))
+            if cur.rowcount > 0:
+                inserted += 1
+        conn.commit()
+        cur.close()
+        print(f"[OK] migrate_005 done: +{inserted} rules seeded ({len(RULES)} total in batch)")
+    except Exception as e:
+        if conn: conn.rollback()
+        print(f"[ERROR] {e}")
+    finally:
+        if conn: conn.close()
+
+if __name__ == "__main__":
+    run()

backend/database/migrate/migrate_006_edge_cases.py

+"""migrate_006_edge_cases.py — seed 11 edge anchor categories còn lại"""
+import os
+import sys
+
+sys.path.insert(0, os.path.abspath(os.path.join(os.path.dirname(__file__), "..", "..")))
+TABLE = "dashboard_canifa.chatbot_fashion_rules"
+
+RULES = [
+    # Áo Sơ mi BE TRAI
+    ("be_trai","Áo Sơ mi",  "di_lam",  "bottom","Quần khaki",   "Sơ mi bé trai + Quần khaki đi học"),
+    ("be_trai","Áo Sơ mi",  "hang_ngay","bottom","Quần jean",    "Sơ mi bé trai + Quần jean hàng ngày"),
+    # Áo len gilet BE GAI
+    ("be_gai", "Áo len gilet","hang_ngay","top",  "Áo phông",    "Gilet len bé gái + Áo phông bên trong"),
+    ("be_gai", "Áo len gilet","hang_ngay","bottom","Quần leggings","Gilet len bé gái + Leggings ấm áp"),
+    # Tất BE GAI
+    ("be_gai","Tất",        "the_thao", "top",   "Áo phông",    "Tất bé gái + Áo phông thể thao"),
+    # Áo khoác nỉ có mũ NAM (với schema tên khác)
+    ("nam",   "Áo khoác nỉ có mũ","di_choi","bottom","Quần jean","Khoác nỉ có mũ nam + Quần jean đi chơi"),
+    ("nam",   "Áo khoác nỉ có mũ","hang_ngay","top","Áo phông",  "Khoác nỉ có mũ nam + Áo phông bên trong"),
+    # Áo khoác nỉ có mũ BE TRAI
+    ("be_trai","Áo khoác nỉ có mũ","hang_ngay","bottom","Quần nỉ","Khoác nỉ có mũ bé trai + Quần nỉ"),
+    ("be_trai","Áo khoác nỉ có mũ","di_choi",  "bottom","Quần jean","Khoác nỉ có mũ bé trai + Quần jean"),
+    # Khăn mặt (others→unisex)
+    ("all",   "Khăn mặt",  "mac_nha",  "top",   "Áo mặc nhà",  "Khăn mặt + Áo mặc nhà: home essential"),
+    # Pyjama BE GAI
+    ("be_gai","Pyjama",    "mac_nha",  "outerwear","Cardigan",   "Pyjama bé gái + Cardigan ấm nhà"),
+    # Pyjama NU
+    ("nu",    "Pyjama",    "mac_nha",  "outerwear","Cardigan",   "Pyjama nữ + Cardigan mùa lạnh"),
+    # Quần váy NU
+    ("nu",    "Quần váy",  "di_choi",  "top",   "Áo phông",    "Quần váy nữ + Áo phông đi chơi"),
+    ("nu",    "Quần váy",  "di_lam",   "top",   "Blouse",      "Quần váy nữ + Blouse văn phòng"),
+    # Găng tay chống nắng (sun glove — aesthetic tiny)
+    ("unisex","Găng tay chống nắng","du_lich","top","Áo phông",  "Găng tay chống nắng + Áo phông du lịch"),
+    ("nu",    "Găng tay chống nắng","du_lich","top","Áo phông",  "Găng tay chống nắng + Áo phông nữ"),
+    # Áo khoác gilet chần bông NAM
+    ("nam",   "Áo khoác gilet chần bông","hang_ngay","top","Áo phông", "Gilet chần bông nam + Áo phông"),
+    ("nam",   "Áo khoác gilet chần bông","hang_ngay","bottom","Quần jean","Gilet nam + Quần jean"),
+]
+
+
+def run():
+    from common.pool_wrapper import get_pooled_connection_compat
+    conn = None
+    try:
+        conn = get_pooled_connection_compat()
+        cur = conn.cursor()
+        inserted = 0
+        for r in RULES:
+            cur.execute(f"""
+                INSERT INTO {TABLE}(gender_target,anchor_category,occasion_tag,match_role,target_category,ai_reason)
+                VALUES(%s,%s,%s,%s,%s,%s) ON CONFLICT DO NOTHING
+            """, r)
+            if cur.rowcount > 0:
+                inserted += 1
+        conn.commit(); cur.close()
+        print(f"[OK] migrate_006 done: +{inserted}/{len(RULES)} rules seeded")
+    except Exception as e:
+        if conn: conn.rollback()
+        print(f"[ERROR] {e}")
+    finally:
+        if conn: conn.close()
+
+if __name__ == "__main__":
+    run()

backend/database/migrate/migrate_007_absolute_final.py

+"""migrate_007_absolute_final.py — 6 anchor categories cuối cùng"""
+import os
+import sys
+
+sys.path.insert(0, os.path.abspath(os.path.join(os.path.dirname(__file__), "..", "..")))
+TABLE = "dashboard_canifa.chatbot_fashion_rules"
+
+RULES = [
+    ("be_gai","Áo lót",                "mac_nha", "bottom","Quần mặc nhà",    "Áo lót bé gái + Quần mặc nhà nhà"),
+    ("be_gai","Áo lót",                "mac_nha", "top",   "Áo mặc nhà",      "Áo lót bé gái base + Áo mặc nhà phủ"),
+    ("nam",   "Quần lót tam giác",     "mac_nha", "top",   "Áo phông",        "Quần lót + Áo phông: home basic nam"),
+    ("be_gai","Áo Body",               "di_lam",  "bottom","Chân váy",        "Áo Body bé gái + Chân váy: cute look"),
+    ("be_gai","Áo Body",               "hang_ngay","bottom","Quần leggings",   "Áo Body bé gái + Leggings hàng ngày"),
+    ("be_gai","Quần leggings mặc nhà","mac_nha",  "top",   "Áo phông",        "Leggings nhà bé gái + Áo phông"),
+    ("be_gai","Quần leggings mặc nhà","mac_nha",  "top",   "Áo mặc nhà",      "Leggings nhà bé gái + Áo mặc nhà"),
+    ("be_trai","Blazer",               "di_lam",  "bottom","Quần khaki",       "Blazer bé trai + Quần khaki đi học"),
+    ("be_trai","Blazer",               "di_lam",  "top",   "Áo Sơ mi",        "Blazer bé trai mặc ngoài Sơ mi"),
+    ("nu",    "Áo khoác sợi",          "di_choi", "bottom","Quần jean",       "Áo khoác sợi nữ + Quần jean"),
+    ("nu",    "Áo khoác sợi",          "hang_ngay","top",  "Áo phông",        "Áo khoác sợi nữ + Áo phông base"),
+]
+
+
+def run():
+    from common.pool_wrapper import get_pooled_connection_compat
+    conn = None
+    try:
+        conn = get_pooled_connection_compat()
+        cur = conn.cursor()
+        inserted = 0
+        for r in RULES:
+            cur.execute(f"""
+                INSERT INTO {TABLE}(gender_target,anchor_category,occasion_tag,match_role,target_category,ai_reason)
+                VALUES(%s,%s,%s,%s,%s,%s) ON CONFLICT DO NOTHING
+            """, r)
+            if cur.rowcount > 0:
+                inserted += 1
+        conn.commit(); cur.close()
+        print(f"[OK] migrate_007 done: +{inserted}/{len(RULES)} rules seeded")
+    except Exception as e:
+        if conn: conn.rollback()
+        print(f"[ERROR] {e}")
+    finally:
+        if conn: conn.close()
+
+if __name__ == "__main__":
+    run()

backend/database/migrate/migrate_008_done.py

+"""migrate_008_done.py — 5 anchor categories cuối cùng (Áo Body, Bộ thể thao bé trai, ...)"""
+import os
+import sys
+
+sys.path.insert(0, os.path.abspath(os.path.join(os.path.dirname(__file__), "..", "..")))
+TABLE = "dashboard_canifa.chatbot_fashion_rules"
+
+RULES = [
+    ("nu",    "Áo Body", "di_lam",   "bottom","Quần âu",    "Áo Body nữ + Quần âu: bodysuit office"),
+    ("nu",    "Áo Body", "di_lam",   "bottom","Chân váy",   "Áo Body nữ + Chân váy: sleek look"),
+    ("nu",    "Áo Body", "di_choi",  "bottom","Quần jean",  "Áo Body nữ + Quần jean: casual chic"),
+    ("unisex","Áo Body", "the_thao", "bottom","Quần leggings","Áo Body + Leggings: activewear"),
+    ("nam",   "Áo Body", "the_thao", "bottom","Quần thể thao","Áo Body nam + Quần thể thao gym"),
+    ("be_trai","Bộ thể thao","the_thao","outerwear","Áo khoác gió","Bộ thể thao bé trai + Khoác gió"),
+    ("be_trai","Bộ thể thao","the_thao","outerwear","Áo nỉ có mũ","Bộ thể thao bé trai + Hoodie"),
+    ("unisex","Quần mặc nhà","mac_nha","top","Áo phông",    "Quần mặc nhà unisex + Áo phông nhà"),
+    ("unisex","Quần mặc nhà","mac_nha","top","Áo mặc nhà",  "Quần mặc nhà unisex + Áo mặc nhà"),
+]
+
+
+def run():
+    from common.pool_wrapper import get_pooled_connection_compat
+    conn = None
+    try:
+        conn = get_pooled_connection_compat()
+        cur = conn.cursor()
+        inserted = 0
+        for r in RULES:
+            cur.execute(f"""
+                INSERT INTO {TABLE}(gender_target,anchor_category,occasion_tag,match_role,target_category,ai_reason)
+                VALUES(%s,%s,%s,%s,%s,%s) ON CONFLICT DO NOTHING
+            """, r)
+            if cur.rowcount > 0:
+                inserted += 1
+        conn.commit(); cur.close()
+        print(f"[OK] migrate_008 done: +{inserted}/{len(RULES)} rules seeded")
+    except Exception as e:
+        if conn: conn.rollback()
+        print(f"[ERROR] {e}")
+    finally:
+        if conn: conn.close()
+
+if __name__ == "__main__":
+    run()

backend/database/migrate/test_engine.py

+
+from worker.stylist_engine import StylistEngine
+
+
+def test_engine():
+    engine = StylistEngine()
+    print("Catalog loaded. Finding adult product...")
+    catalog = engine._get_catalog()
+    
+    # find an adult shirt
+    adult_product = None
+    for p in catalog:
+        gender = p.get('gender', '').lower()
+        if gender in ['nam', 'nữ', 'nu', 'women', 'men']:
+            adult_product = p
+            break
+            
+    if not adult_product:
+        print("No adult product found.")
+        return
+        
+    code = adult_product['code']
+    print(f"Testing Code: {code} | Name: {adult_product['name']} | Gender: {adult_product['gender']}")
+    
+    print("\n--- 1. Testing 'compute_dynamic_rule_matches' (AI MATCHES) ---")
+    matches = engine.compute_dynamic_rule_matches(code)
+    
+    if not matches:
+        print("No AI matches found.")
+    else:
+        for occ, roles in matches.items():
+            for role, items in roles.items():
+                for item in items[:2]:
+                    item_gender = item.get('gender', 'unknown').lower()
+                    item_name = item.get('name', 'unknown')
+                    if 'bé' in item_name.lower() or 'bé' in item_gender or 'be' in item_gender:
+                        print(f"  [AI-MATCH] FOUND KID: {item['code']} - {item_name} (gender: {item_gender})")
+                    else:
+                        print(f"  [AI-MATCH] OK: {item['code']} - {item_name} (gender: {item_gender})")
+
+    print("\n--- 2. Testing 'compute_super_classifications_sql' (SUPER CLASSIFICATIONS) ---")
+    classifications = engine.compute_super_classifications_sql(code)
+    if not classifications:
+        print("No classification matches found.")
+    else:
+        for group, groups_dict in classifications.items():
+            for key, items in groups_dict.items():
+                for item in items[:2]:
+                    item_name = item.get('name', 'unknown')
+                    if 'bé' in item_name.lower():
+                        print(f"  [SUPER-CLASS] FOUND KID: {item['code']} - {item_name}")
+                    else:
+                        print(f"  [SUPER-CLASS] OK: {item['code']} - {item_name}")
+
+if __name__ == "__main__":
+    test_engine()

backend/database/migrate_similar_items.py

+import sys
+import os
+import sqlite3
+import logging
+
+# Thêm thư mục backend vào sys.path để có thể import được common, config
+backend_dir = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
+if backend_dir not in sys.path:
+    sys.path.insert(0, backend_dir)
+
+from common.starrocks_connection import get_db_connection
+from common.constants import SQLITE_DB_PATH
+
+logging.basicConfig(level=logging.INFO, format="%(asctime)s [%(levelname)s] %(message)s")
+logger = logging.getLogger(__name__)
+
+def migrate_similar_items():
+    logger.info("Đang kết nối tới StarRocks...")
+    sr_db = get_db_connection()
+    
+    query = """
+    SELECT magento_ref_code, similar_items 
+    FROM test_db.magento_product_dimension_with_text_embedding
+    WHERE similar_items IS NOT NULL AND similar_items != ''
+    """
+    
+    logger.info("Đang tải dữ liệu similar_items từ StarRocks...")
+    rows = sr_db.execute_query(query)
+    
+    if not rows:
+        logger.warning("Không tìm thấy dữ liệu similar_items nào trong StarRocks!")
+        return
+
+    logger.info(f"Đã tải {len(rows)} sản phẩm có similar_items từ StarRocks. Chuẩn bị migrate vào SQLite...")
+
+    logger.info(f"Đang kết nối tới SQLite: {SQLITE_DB_PATH}")
+    if not os.path.exists(SQLITE_DB_PATH):
+        logger.error(f"Không tìm thấy file SQLite tại {SQLITE_DB_PATH}")
+        return
+        
+    conn = sqlite3.connect(SQLITE_DB_PATH)
+    cursor = conn.cursor()
+    
+    update_count = 0
+    
+    cursor.execute("BEGIN TRANSACTION")
+    try:
+        for row in rows:
+            ref_code = row['magento_ref_code']
+            similar_items = row['similar_items']
+            
+            # CẬP NHẬT TRỰC TIẾP, KHÔNG PARSE, KHÔNG LÀM GÌ CẢ
+            cursor.execute(
+                """
+                UPDATE sr__test_db__magento_product_dimension_with_text_embedding 
+                SET similar_items = ? 
+                WHERE magento_ref_code = ?
+                """, 
+                (similar_items, ref_code)
+            )
+            update_count += cursor.rowcount
+            
+        conn.commit()
+        logger.info(f"✅ Migrate thành công! Đã copy trực tiếp {update_count} dòng sang SQLite.")
+    except Exception as e:
+        conn.rollback()
+        logger.error(f"❌ Lỗi trong quá trình update SQLite: {e}")
+    finally:
+        conn.close()
+
+if __name__ == "__main__":
+    migrate_similar_items()

backend/database/migrate_to_sqlite.py

+import os
+import re
+import sqlite3
+
+db_path = r"C:\canifa-idea\chatbot-canifa-feedback\backend\database\canifa_local.sqlite"
+conn = sqlite3.connect(db_path)
+cur = conn.cursor()
+
+def translate_query(query: str) -> str:
+    q = query
+    q = re.sub(r'"dashboard_canifa"\."([a-zA-Z0-9_]+)"', r'pg__dashboard_canifa__\1', q)
+    q = re.sub(r'"canifa_chat"\."([a-zA-Z0-9_]+)"', r'pg__canifa_chat__\1', q)
+    q = re.sub(r'"public"\."([a-zA-Z0-9_]+)"', r'pg__public__\1', q)
+    q = re.sub(r'([a-zA-Z0-9_]+\.)?`?magento_product_dimension_with_text_embedding`?', r'sr__test_db__magento_product_dimension_with_text_embedding', q)
+    q = re.sub(r'TRUNCATE TABLE\s+(pg__[a-zA-Z0-9_]+)(\s+CASCADE)?;?', r'DELETE FROM \1;', q, flags=re.IGNORECASE)
+    q = q.replace("::jsonb", "").replace("::uuid", "")
+    return q
+
+def ensure_tables():
+    cur.execute("""
+    CREATE TABLE IF NOT EXISTS pg__dashboard_canifa__ultra_descriptions (
+        id INTEGER PRIMARY KEY,
+        internal_ref_code TEXT,
+        product_name TEXT,
+        product_image_url TEXT,
+        product_line TEXT,
+        description_data TEXT,
+        phase TEXT,
+        created_at TEXT,
+        updated_at TEXT,
+        status TEXT,
+        clean_description TEXT,
+        tags TEXT,
+        size_scale TEXT,
+        magento_ref_code TEXT,
+        base_ref_code TEXT,
+        embedding TEXT,
+        ai_matches TEXT
+    )
+    """)
+    cur.execute("""
+    CREATE TABLE IF NOT EXISTS sr__test_db__magento_product_dimension_with_text_embedding (
+        internal_ref_code TEXT,
+        magento_ref_code TEXT,
+        product_color_code TEXT,
+        product_name TEXT,
+        color_code TEXT,
+        master_color TEXT,
+        product_color_name TEXT,
+        season_sale TEXT,
+        season TEXT,
+        style TEXT,
+        fitting TEXT,
+        size_scale TEXT,
+        graphic TEXT,
+        pattern TEXT,
+        weaving TEXT,
+        shape_detail TEXT,
+        form_neckline TEXT,
+        form_sleeve TEXT,
+        form_length TEXT,
+        form_waistline TEXT,
+        form_shoulderline TEXT,
+        material TEXT,
+        product_group TEXT,
+        product_line_vn TEXT,
+        unit_of_measure TEXT,
+        sale_price REAL,
+        original_price REAL,
+        discount_amount REAL,
+        material_group TEXT,
+        product_line_en TEXT,
+        age_by_product TEXT,
+        gender_by_product TEXT,
+        quantity_sold REAL,
+        is_new_product INTEGER,
+        product_image_url TEXT,
+        description_text TEXT,
+        product_image_url_thumbnail TEXT,
+        product_web_url TEXT,
+        product_web_material TEXT,
+        description_text_full TEXT,
+        tags TEXT,
+        similar_items TEXT,  -- suggest_items removed (deprecated)
+        vector TEXT
+    )
+    """)
+    cur.execute("""
+    CREATE TABLE IF NOT EXISTS pg__dashboard_canifa__chatbot_fashion_rules (
+        id INTEGER PRIMARY KEY,
+        anchor_category TEXT,
+        occasion_tag TEXT,
+        match_role TEXT,
+        target_category TEXT,
+        ai_reason TEXT,
+        gender_target TEXT
+    )
+    """)
+    conn.commit()
+
+ensure_tables()
+
+with open("migration_log.txt", "w", encoding="utf-8") as log:
+    for folder in ['postgres', 'starrocks']:
+        path = os.path.join(r"C:\canifa-idea\chatbot-canifa-feedback\backend\database", folder)
+        if not os.path.exists(path): continue
+        for file in os.listdir(path):
+            if file.endswith('.sql'):
+                filepath = os.path.join(path, file)
+                log.write(f"Reading {file}...\n")
+                log.flush()
+                with open(filepath, 'r', encoding='utf-8') as f:
+                    buffer = ""
+                    in_statement = False
+                    for line in f:
+                        if line.startswith("INSERT") or line.startswith("TRUNCATE") or line.startswith("DELETE"):
+                            in_statement = True
+                            buffer = line
+                        elif in_statement:
+                            buffer += line
+                        
+                        if in_statement and line.strip().endswith(";"):
+                            sql = translate_query(buffer)
+                            try:
+                                cur.execute(sql)
+                            except Exception as e:
+                                log.write(f"Error executing statement in {file}: {e}\n")
+                                log.flush()
+                            in_statement = False
+                            buffer = ""
+
+conn.commit()
+conn.close()
+with open("migration_log.txt", "a", encoding="utf-8") as log:
+    log.write("Migration complete.\n")

backend/database/migration_log.txt

+Reading canifa_chat.lead_flow_history.sql...
+Error executing statement in canifa_chat.lead_flow_history.sql: no such table: pg__canifa_chat__lead_flow_history
+Error executing statement in canifa_chat.lead_flow_history.sql: no such table: pg__canifa_chat__lead_flow_history
+Error executing statement in canifa_chat.lead_flow_history.sql: no such table: pg__canifa_chat__lead_flow_history
+Error executing statement in canifa_chat.lead_flow_history.sql: no such table: pg__canifa_chat__lead_flow_history
+Error executing statement in canifa_chat.lead_flow_history.sql: no such table: pg__canifa_chat__lead_flow_history
+Error executing statement in canifa_chat.lead_flow_history.sql: no such table: pg__canifa_chat__lead_flow_history
+Error executing statement in canifa_chat.lead_flow_history.sql: no such table: pg__canifa_chat__lead_flow_history
+Error executing statement in canifa_chat.lead_flow_history.sql: no such table: pg__canifa_chat__lead_flow_history
+Error executing statement in canifa_chat.lead_flow_history.sql: no such table: pg__canifa_chat__lead_flow_history
+Error executing statement in canifa_chat.lead_flow_history.sql: no such table: pg__canifa_chat__lead_flow_history
+Error executing statement in canifa_chat.lead_flow_history.sql: no such table: pg__canifa_chat__lead_flow_history
+Reading dashboard_canifa.activity_logs.sql...
+Reading dashboard_canifa.admin_users.sql...
+Error executing statement in dashboard_canifa.admin_users.sql: no such table: pg__dashboard_canifa__admin_users
+Error executing statement in dashboard_canifa.admin_users.sql: no such table: pg__dashboard_canifa__admin_users
+Reading dashboard_canifa.ai_outfit_tables.sql...
+Reading dashboard_canifa.chatbot_fashion_rules.sql...
+Error executing statement in dashboard_canifa.chatbot_fashion_rules.sql: no such table: pg__dashboard_canifa__chatbot_fashion_rules
+Error executing statement in dashboard_canifa.chatbot_fashion_rules.sql: no such table: pg__dashboard_canifa__chatbot_fashion_rules
+Reading dashboard_canifa.chat_history.sql...
+Error executing statement in dashboard_canifa.chat_history.sql: no such table: pg__dashboard_canifa__chat_history
+Error executing statement in dashboard_canifa.chat_history.sql: no such table: pg__dashboard_canifa__chat_history
+Reading dashboard_canifa.desc_field_config.sql...
+Error executing statement in dashboard_canifa.desc_field_config.sql: no such table: pg__dashboard_canifa__desc_field_config
+Error executing statement in dashboard_canifa.desc_field_config.sql: no such table: pg__dashboard_canifa__desc_field_config
+Reading dashboard_canifa.product_size_guide.sql...
+Error executing statement in dashboard_canifa.product_size_guide.sql: no such table: pg__dashboard_canifa__product_size_guide
+Error executing statement in dashboard_canifa.product_size_guide.sql: no such table: pg__dashboard_canifa__product_size_guide
+Error executing statement in dashboard_canifa.product_size_guide.sql: no such table: pg__dashboard_canifa__product_size_guide
+Error executing statement in dashboard_canifa.product_size_guide.sql: no such table: pg__dashboard_canifa__product_size_guide
+Error executing statement in dashboard_canifa.product_size_guide.sql: no such table: pg__dashboard_canifa__product_size_guide
+Error executing statement in dashboard_canifa.product_size_guide.sql: no such table: pg__dashboard_canifa__product_size_guide
+Error executing statement in dashboard_canifa.product_size_guide.sql: no such table: pg__dashboard_canifa__product_size_guide
+Error executing statement in dashboard_canifa.product_size_guide.sql: no such table: pg__dashboard_canifa__product_size_guide
+Error executing statement in dashboard_canifa.product_size_guide.sql: no such table: pg__dashboard_canifa__product_size_guide
+Error executing statement in dashboard_canifa.product_size_guide.sql: no such table: pg__dashboard_canifa__product_size_guide
+Error executing statement in dashboard_canifa.product_size_guide.sql: no such table: pg__dashboard_canifa__product_size_guide
+Reading dashboard_canifa.saved_reports.sql...
+Error executing statement in dashboard_canifa.saved_reports.sql: no such table: pg__dashboard_canifa__saved_reports
+Error executing statement in dashboard_canifa.saved_reports.sql: no such table: pg__dashboard_canifa__saved_reports
+Reading dashboard_canifa.sql_trace_sessions.sql...
+Error executing statement in dashboard_canifa.sql_trace_sessions.sql: no such table: pg__dashboard_canifa__sql_trace_sessions
+Error executing statement in dashboard_canifa.sql_trace_sessions.sql: no such table: pg__dashboard_canifa__sql_trace_sessions
+Reading dashboard_canifa.system_settings.sql...
+Reading dashboard_canifa.ultra_descriptions.sql...
+Error executing statement in dashboard_canifa.ultra_descriptions.sql: table pg__dashboard_canifa__ultra_descriptions has no column named product_name
+Error executing statement in dashboard_canifa.ultra_descriptions.sql: table pg__dashboard_canifa__ultra_descriptions has no column named product_name
+Error executing statement in dashboard_canifa.ultra_descriptions.sql: table pg__dashboard_canifa__ultra_descriptions has no column named product_name
+Error executing statement in dashboard_canifa.ultra_descriptions.sql: table pg__dashboard_canifa__ultra_descriptions has no column named product_name
+Error executing statement in dashboard_canifa.ultra_descriptions.sql: table pg__dashboard_canifa__ultra_descriptions has no column named product_name
+Error executing statement in dashboard_canifa.ultra_descriptions.sql: table pg__dashboard_canifa__ultra_descriptions has no column named product_name
+Error executing statement in dashboard_canifa.ultra_descriptions.sql: table pg__dashboard_canifa__ultra_descriptions has no column named product_name
+Error executing statement in dashboard_canifa.ultra_descriptions.sql: table pg__dashboard_canifa__ultra_descriptions has no column named product_name
+Error executing statement in dashboard_canifa.ultra_descriptions.sql: table pg__dashboard_canifa__ultra_descriptions has no column named product_name
+Error executing statement in dashboard_canifa.ultra_descriptions.sql: table pg__dashboard_canifa__ultra_descriptions has no column named product_name
+Error executing statement in dashboard_canifa.ultra_descriptions.sql: table pg__dashboard_canifa__ultra_descriptions has no column named product_name
+Error executing statement in dashboard_canifa.ultra_descriptions.sql: table pg__dashboard_canifa__ultra_descriptions has no column named product_name
+Error executing statement in dashboard_canifa.ultra_descriptions.sql: table pg__dashboard_canifa__ultra_descriptions has no column named product_name
+Error executing statement in dashboard_canifa.ultra_descriptions.sql: table pg__dashboard_canifa__ultra_descriptions has no column named product_name
+Error executing statement in dashboard_canifa.ultra_descriptions.sql: table pg__dashboard_canifa__ultra_descriptions has no column named product_name
+Error executing statement in dashboard_canifa.ultra_descriptions.sql: table pg__dashboard_canifa__ultra_descriptions has no column named product_name
+Error executing statement in dashboard_canifa.ultra_descriptions.sql: table pg__dashboard_canifa__ultra_descriptions has no column named product_name
+Error executing statement in dashboard_canifa.ultra_descriptions.sql: table pg__dashboard_canifa__ultra_descriptions has no column named product_name
+Error executing statement in dashboard_canifa.ultra_descriptions.sql: table pg__dashboard_canifa__ultra_descriptions has no column named product_name
+Error executing statement in dashboard_canifa.ultra_descriptions.sql: table pg__dashboard_canifa__ultra_descriptions has no column named product_name
+Reading public.chatbot_fashion_rules.sql...
+Error executing statement in public.chatbot_fashion_rules.sql: no such table: pg__public__chatbot_fashion_rules
+Error executing statement in public.chatbot_fashion_rules.sql: no such table: pg__public__chatbot_fashion_rules
+Reading public.prompt_rules.sql...
+Error executing statement in public.prompt_rules.sql: no such table: pg__public__prompt_rules
+Error executing statement in public.prompt_rules.sql: no such table: pg__public__prompt_rules
+Reading test_db.magento_product_dimension_with_text_embedding.sql...

backend/database/migrations/002_add_size_column.sql

+-- Migration: Add `size` column to ultra_descriptions
+-- Purpose: Store filtered size table based on size_scale to reduce token usage
+-- Date: 2026-05-05
+-- Database: SQLite
+
+-- 1. Add new column
+ALTER TABLE pg__dashboard_canifa__ultra_descriptions ADD COLUMN size TEXT;
+
+-- 2. Note: Use populate_size_column.py to fill this column
+-- because SQLite lacks advanced string manipulation functions.
+
+COMMIT;

backend/database/populate_size_column.py

+"""
+Populate `size` column in pg__dashboard_canifa__ultra_descriptions
+with filtered size table based on size_scale.
+"""
+
+import json
+import os
+import sqlite3
+import sys
+
+sys.stdout.reconfigure(encoding='utf-8')
+
+# Auto-detect DB path relative to this script
+SCRIPT_DIR = os.path.dirname(os.path.abspath(__file__))
+
+# Try common DB filenames
+possible_db_names = [
+    "canifa_ai_dump.sqlite",
+    "canifa_local.sqlite",
+    "canifa_dump.sqlite"
+]
+
+DB_PATH = None
+for db_name in possible_db_names:
+    candidate = os.path.join(SCRIPT_DIR, db_name)
+    if os.path.exists(candidate):
+        DB_PATH = candidate
+        print(f"✅ Found DB: {DB_PATH}")
+        break
+
+if not DB_PATH:
+    # Default to first option with debug
+    DB_PATH = os.path.join(SCRIPT_DIR, "canifa_ai_dump.sqlite")
+    print(f"⚠️ DB not auto-found. Will try: {DB_PATH}")
+
+def parse_size_table_from_markdown(markdown: str) -> dict:
+    result = {}
+    lines = markdown.strip().split('\n')
+    for line in lines:
+        line = line.strip()
+        if line.startswith('|') and not line.startswith('|---'):
+            parts = [p.strip() for p in line.split('|')]
+            if len(parts) >= 4:
+                size = parts[1]
+                height = parts[2]
+                weight = parts[3]
+                result[size] = (height, weight)
+    return result
+
+def build_filtered_table(size_table: dict, available_sizes: list) -> str:
+    if not size_table or not available_sizes:
+        return ""
+    lines = [
+        "| Size | Chiều cao (cm) | Cân nặng (kg) |",
+        "|------|----------------|---------------|"
+    ]
+    for size in available_sizes:
+        size_upper = size.strip().upper()
+        for table_size, (height, weight) in size_table.items():
+            if table_size.upper() == size_upper:
+                lines.append(f"| {size} | {height} | {weight} |")
+                break
+    return '\n'.join(lines)
+
+def main():
+    print(f"\n🔍 DB Path: {DB_PATH}")
+    print(f"📁 Script dir: {SCRIPT_DIR}")
+    print(f"📁 Current dir: {os.getcwd()}")
+    print(f"❌ Exists: {os.path.exists(DB_PATH)}\n")
+
+    if not os.path.exists(DB_PATH):
+        print("❌ Database not found!")
+        print("\nAvailable .sqlite files in script directory:")
+        for f in os.listdir(SCRIPT_DIR):
+            if f.endswith('.sqlite'):
+                print(f"  - {f}")
+        print("\n👉 Please edit DB_PATH in this script to point to the correct file.")
+        return
+
+    conn = sqlite3.connect(DB_PATH)
+    cur = conn.cursor()
+
+    # Ensure column exists
+    try:
+        cur.execute("ALTER TABLE pg__dashboard_canifa__ultra_descriptions ADD COLUMN size TEXT")
+        print("✅ Added 'size' column")
+    except sqlite3.OperationalError as e:
+        if "duplicate column" in str(e).lower():
+            print("ℹ️ Column 'size' already exists - will skip creation")
+        else:
+            print(f"❌ Error adding column: {e}")
+            return
+
+    # Fetch rows to process
+    cur.execute("""
+        SELECT id, description_data, size_scale
+        FROM pg__dashboard_canifa__ultra_descriptions
+        WHERE description_data IS NOT NULL
+          AND description_data != ''
+          AND size_scale IS NOT NULL
+          AND size_scale != ''
+          AND (size IS NULL OR size = '')
+    """)
+
+    rows = cur.fetchall()
+    total = len(rows)
+    print(f"📊 Found {total} rows to process")
+
+    if total == 0:
+        # Check if any rows have data already
+        cur.execute("SELECT COUNT(*) FROM pg__dashboard_canifa__ultra_descriptions")
+        total_rows = cur.fetchone()[0]
+        cur.execute("SELECT COUNT(*) FROM pg__dashboard_canifa__ultra_descriptions WHERE size IS NOT NULL")
+        already_done = cur.fetchone()[0]
+        print(f"✅ No rows need processing. Total: {total_rows}, Already filled: {already_done}")
+        conn.close()
+        return
+
+    updated = 0
+    errors = 0
+
+    for row_id, desc_data_json, size_scale in rows:
+        try:
+            desc_data = json.loads(desc_data_json)
+            huong_dan_size = desc_data.get('huong_dan_size', '')
+            if not huong_dan_size:
+                continue
+
+            available_sizes = [s.strip() for s in size_scale.split('|') if s.strip()]
+            if not available_sizes:
+                continue
+
+            size_table = parse_size_table_from_markdown(huong_dan_size)
+            if not size_table:
+                continue
+
+            filtered_table = build_filtered_table(size_table, available_sizes)
+            if filtered_table:
+                cur.execute(
+                    "UPDATE pg__dashboard_canifa__ultra_descriptions SET size = ? WHERE id = ?",
+                    (filtered_table, row_id)
+                )
+                updated += 1
+                if updated % 100 == 0:
+                    print(f"  Progress: {updated}/{total}")
+                    conn.commit()
+
+        except json.JSONDecodeError as e:
+            errors += 1
+            print(f"  ⚠️ JSON parse error on row {row_id}: {e}")
+        except Exception as e:
+            errors += 1
+            print(f"  ⚠️ Error on row {row_id}: {e}")
+
+    conn.commit()
+
+    # Verify
+    cur.execute("SELECT COUNT(*) FROM pg__dashboard_canifa__ultra_descriptions WHERE size IS NOT NULL")
+    count = cur.fetchone()[0]
+    print(f"\n✅ Done! Updated {updated} rows. Total with size: {count}. Errors: {errors}")
+
+    # Show sample
+    cur.execute("""
+        SELECT id, size_scale, size
+        FROM pg__dashboard_canifa__ultra_descriptions
+        WHERE size IS NOT NULL
+        LIMIT 1
+    """)
+    sample = cur.fetchone()
+    if sample:
+        print("\n📄 Sample output:")
+        print(f"  ID: {sample[0]}")
+        print(f"  size_scale: {sample[1]}")
+        print(f"  size (filtered):")
+        print("  " + sample[2].replace('\n', '\n  '))
+
+    conn.close()
+
+if __name__ == "__main__":
+    main()

backend/database/postgres/dashboard_canifa.activity_logs.sql

+-- Dump for table: dashboard_canifa.activity_logs
+-- Extracted rows: 0
+
+-- (Empty Table)

backend/database/postgres/dashboard_canifa.admin_users.sql

+-- Dump for table: dashboard_canifa.admin_users
+-- Extracted rows: 2
+
+TRUNCATE TABLE "dashboard_canifa"."admin_users" CASCADE;
+
+INSERT INTO "dashboard_canifa"."admin_users" ("id", "username", "password", "role", "created_at", "last_login", "settings") VALUES
+(1, 'admin', '$2b$12$5lYG6hSIFRx0Iy/wtI5RAuf6PNhE4GM1bGBgCfgO0sA6TccQtTg82', 'admin', '2026-03-25T02:20:28.897312+00:00', '2026-03-26T10:21:51.648047+00:00', '{}'),
+(2, 'user', '$2b$12$sAy1uijkqcgJkz/LVK/ZyOPvdPQjS8AuD3VRFDfWuvg5RCn/Sc8tC', 'editor', '2026-03-25T02:33:19.991336+00:00', '2026-04-16T01:49:18.647611+00:00', '{}');
+

backend/database/postgres/dashboard_canifa.ai_outfit_tables.sql

+-- ============================================================
+-- AI Outfit Tables — dashboard_canifa schema
+-- Author: Antigravity / Canifa AI Stylist Engine
+-- Created: 2026-04-20
+-- ============================================================
+-- Purpose:
+--   Lưu trực tiếp kết quả gợi ý outfit theo từng sản phẩm nguồn + dịp mặc.
+--   Thay thế việc scan 1738 sản phẩm lúc runtime bằng 1 SELECT đơn giản.
+--
+-- Quan hệ:
+--   ai_outfit_set  (1 SP nguồn + 1 dịp)
+--       └─ ai_outfit_items  (N sản phẩm gợi ý, mỗi item giữ role + rank + score)
+-- ============================================================
+
+CREATE SCHEMA IF NOT EXISTS dashboard_canifa;
+
+-- Bảng 1: Nhóm outfit theo (source_code, occasion_tag)
+CREATE TABLE IF NOT EXISTS dashboard_canifa.ai_outfit_set (
+    id           SERIAL PRIMARY KEY,
+    source_code  VARCHAR(50)  NOT NULL,  -- SKU sản phẩm đang xem (magento_ref_code)
+    occasion_tag VARCHAR(50)  NOT NULL,  -- di_lam | di_choi | mac_nha | du_lich | the_thao
+    created_at   TIMESTAMPTZ  DEFAULT NOW(),
+    updated_at   TIMESTAMPTZ  DEFAULT NOW(),
+    UNIQUE (source_code, occasion_tag)
+);
+
+CREATE INDEX IF NOT EXISTS idx_outfit_set_source
+    ON dashboard_canifa.ai_outfit_set(source_code);
+
+-- Bảng 2: Chi tiết từng sản phẩm trong outfit
+CREATE TABLE IF NOT EXISTS dashboard_canifa.ai_outfit_items (
+    id          SERIAL PRIMARY KEY,
+    outfit_id   INT          NOT NULL REFERENCES dashboard_canifa.ai_outfit_set(id) ON DELETE CASCADE,
+    target_code VARCHAR(50)  NOT NULL,   -- SKU sản phẩm được gợi ý
+    role        VARCHAR(30)  NOT NULL,   -- top | bottom | outer | shoes | accessory | bag
+    rank        SMALLINT     NOT NULL DEFAULT 1,  -- thứ tự ưu tiên trong cùng role (1=tốt nhất)
+    score       SMALLINT     DEFAULT 0,  -- 0-100
+    reason      TEXT         DEFAULT '',
+    is_pinned   BOOLEAN      DEFAULT FALSE,  -- stylist tay ghim cứng
+    created_at  TIMESTAMPTZ  DEFAULT NOW()
+);
+
+CREATE INDEX IF NOT EXISTS idx_outfit_items_outfit_id
+    ON dashboard_canifa.ai_outfit_items(outfit_id);
+
+CREATE INDEX IF NOT EXISTS idx_outfit_items_target
+    ON dashboard_canifa.ai_outfit_items(target_code);

backend/database/postgres/dashboard_canifa.chat_history.sql

+-- Dump for table: dashboard_canifa.chat_history
+-- Extracted rows: 16
+
+TRUNCATE TABLE "dashboard_canifa"."chat_history" CASCADE;
+
+INSERT INTO "dashboard_canifa"."chat_history" ("id", "user_id", "module", "message", "is_human", "created_at", "conversation_id") VALUES
+(1, 1, 'report_generator', 'làm cho anh báo cáo về chi phí hôm nay', True, '2026-03-25T04:44:52.321055+00:00', 'e7c7e64f-eff4-487f-b434-314cad678231'),
+(2, 1, 'report_generator', 'Đã tạo báo cáo: làm cho anh báo cáo về chi phí hôm nay (v1)|REPORT:1', False, '2026-03-25T04:48:02.874201+00:00', 'e7c7e64f-eff4-487f-b434-314cad678231'),
+(3, 1, 'report_generator', 'báo cáo chi phí llm', True, '2026-03-25T07:47:11.458013+00:00', 'd7437759-8213-4db7-936a-e9835d4d557a'),
+(4, 1, 'report_generator', 'cvhaof em', True, '2026-03-25T09:56:55.474158+00:00', '9c3c01f8-8a8b-46bb-9596-0fe5d8c64944'),
+(5, 1, 'report_generator', 'Đã tạo báo cáo: cvhaof em (v1)|REPORT:2', False, '2026-03-25T10:00:33.963817+00:00', '9c3c01f8-8a8b-46bb-9596-0fe5d8c64944'),
+(6, 1, 'report_generator', 'Đã cập nhật báo cáo (Chỉnh sửa HTML): cvhaof em (v2)|REPORT:3', False, '2026-03-26T06:32:00.638462+00:00', '9c3c01f8-8a8b-46bb-9596-0fe5d8c64944'),
+(7, 1, 'report_generator', 'làm cho tao báo cáo về con mèo', True, '2026-03-26T06:33:00.561469+00:00', '9c3c01f8-8a8b-46bb-9596-0fe5d8c64944'),
+(8, 1, 'report_generator', 'làm cho anh báo cáo về chi phí llm hôm nay', True, '2026-03-26T06:43:29.864399+00:00', '8417804c-3963-40d2-b54a-1cff3b291001'),
+(9, 1, 'report_generator', 'báo cáo chi phí llm hôm nay', True, '2026-03-26T07:02:00.268886+00:00', '1f51011b-6120-45af-834b-60f75f44cd04'),
+(10, 1, 'report_generator', 'Phân tích chatbot usage: bao nhiêu user mở chatbot, bao nhiêu thực sự chat, bounce rate bao nhiêu?', True, '2026-03-26T07:49:25.694507+00:00', '02e4b1c9-c35b-455f-9f9e-99bdea53db7d'),
+(11, 1, 'report_generator', 'Phân tích chatbot usage: bao nhiêu user mở chatbot, bao nhiêu thực sự chat, bounce rate bao nhiêu?', True, '2026-03-26T08:52:43.651275+00:00', 'a8e846a3-237c-4c5d-8e79-41aad19441b8'),
+(12, 1, 'report_generator', 'Đã tạo báo cáo: Phân tích chatbot usage: bao nhiêu user mở chatbot, bao nhiêu thực sự chat, bounce rate bao nhiêu? (v1)|REPORT:4', False, '2026-03-26T08:56:59.764160+00:00', 'a8e846a3-237c-4c5d-8e79-41aad19441b8'),
+(13, 1, 'report_generator', 'gợi ý action tiếp theo', True, '2026-03-26T08:57:45.604843+00:00', 'a8e846a3-237c-4c5d-8e79-41aad19441b8'),
+(14, 1, 'report_generator', 'Đã cập nhật báo cáo: Phân tích chatbot usage: bao nhiêu user mở chatbot, bao nhiêu thực sự chat, bounce rate bao nhiêu? (v2)|REPORT:5', False, '2026-03-26T09:02:35.875723+00:00', 'a8e846a3-237c-4c5d-8e79-41aad19441b8'),
+(15, 1, 'report_generator', 'hôm nay có bao nhiêu khách hàng mở app', True, '2026-03-26T09:13:05.666485+00:00', 'a8e846a3-237c-4c5d-8e79-41aad19441b8'),
+(16, 1, 'report_generator', 'Đã cập nhật báo cáo: Phân tích chatbot usage: bao nhiêu user mở chatbot, bao nhiêu thực sự chat, bounce rate bao nhiêu? (v3)|REPORT:6', False, '2026-03-26T09:14:36.787494+00:00', 'a8e846a3-237c-4c5d-8e79-41aad19441b8');
+

backend/database/postgres/dashboard_canifa.chatbot_fashion_rules.sql

+TRUNCATE TABLE "dashboard_canifa"."chatbot_fashion_rules" CASCADE;
+INSERT INTO "dashboard_canifa"."chatbot_fashion_rules" ("id", "anchor_category", "occasion_tag", "match_role", "target_category", "ai_reason") VALUES
+(1, 'Áo Sơ mi', 'di_lam', 'bottom', 'Quần khaki', 'Phối Áo Sơ mi với Quần khaki phù hợp dịp đi làm công sở'),
+(2, 'Áo Sơ mi', 'di_lam', 'bottom', 'Quần âu', 'Phối Áo Sơ mi với Quần âu phù hợp dịp đi làm công sở'),
+(3, 'Áo Sơ mi', 'di_lam', 'bottom', 'Chân váy', 'Phối Áo Sơ mi với Chân váy phù hợp dịp đi làm công sở'),
+(4, 'Áo Sơ mi', 'di_lam', 'outerwear', 'Blazer', 'Phối Áo Sơ mi với Blazer phù hợp dịp đi làm công sở'),
+(5, 'Áo Sơ mi', 'di_lam', 'top', 'Vest', 'Phối Áo Sơ mi với Vest phù hợp dịp đi làm công sở'),
+(6, 'Áo Polo', 'di_lam', 'bottom', 'Quần khaki', 'Phối Áo Polo với Quần khaki phù hợp dịp đi làm công sở'),
+(7, 'Áo Polo', 'di_lam', 'bottom', 'Quần âu', 'Phối Áo Polo với Quần âu phù hợp dịp đi làm công sở'),
+(8, 'Áo Polo', 'di_lam', 'bottom', 'Chân váy', 'Phối Áo Polo với Chân váy phù hợp dịp đi làm công sở'),
+(9, 'Áo Polo', 'di_lam', 'outerwear', 'Blazer', 'Phối Áo Polo với Blazer phù hợp dịp đi làm công sở'),
+(10, 'Áo Polo', 'di_lam', 'top', 'Vest', 'Phối Áo Polo với Vest phù hợp dịp đi làm công sở'),
+(11, 'Blouse', 'di_lam', 'bottom', 'Quần khaki', 'Phối Blouse với Quần khaki phù hợp dịp đi làm công sở'),
+(12, 'Blouse', 'di_lam', 'bottom', 'Quần âu', 'Phối Blouse với Quần âu phù hợp dịp đi làm công sở'),
+(13, 'Blouse', 'di_lam', 'bottom', 'Chân váy', 'Phối Blouse với Chân váy phù hợp dịp đi làm công sở'),
+(14, 'Blouse', 'di_lam', 'outerwear', 'Blazer', 'Phối Blouse với Blazer phù hợp dịp đi làm công sở'),
+(15, 'Blouse', 'di_lam', 'top', 'Vest', 'Phối Blouse với Vest phù hợp dịp đi làm công sở'),
+(16, 'Quần khaki', 'di_lam', 'top', 'Áo Sơ mi', 'Phối Quần khaki với Áo Sơ mi phù hợp dịp đi làm công sở'),
+(17, 'Quần khaki', 'di_lam', 'top', 'Áo Polo', 'Phối Quần khaki với Áo Polo phù hợp dịp đi làm công sở'),
+(18, 'Quần khaki', 'di_lam', 'outerwear', 'Cardigan', 'Phối Quần khaki với Cardigan phù hợp dịp đi làm công sở'),
+(19, 'Quần âu', 'di_lam', 'top', 'Áo Sơ mi', 'Phối Quần âu với Áo Sơ mi phù hợp dịp đi làm công sở'),
+(20, 'Quần âu', 'di_lam', 'top', 'Áo Polo', 'Phối Quần âu với Áo Polo phù hợp dịp đi làm công sở'),
+(21, 'Quần âu', 'di_lam', 'outerwear', 'Cardigan', 'Phối Quần âu với Cardigan phù hợp dịp đi làm công sở'),
+(22, 'Áo phông', 'di_choi', 'bottom', 'Quần jean', 'Phối Áo phông với Quần jean phù hợp đi chơi/dạo phố'),
+(23, 'Áo phông', 'di_choi', 'bottom', 'Quần soóc', 'Phối Áo phông với Quần soóc phù hợp đi chơi/dạo phố'),
+(24, 'Áo phông', 'di_choi', 'bottom', 'Chân váy ngắn', 'Phối Áo phông với Chân váy ngắn phù hợp đi chơi/dạo phố'),
+(25, 'Áo phông', 'di_choi', 'outerwear', 'Áo khoác gió', 'Phối Áo phông với Áo khoác gió phù hợp đi chơi/dạo phố'),
+(26, 'Áo kiểu', 'di_choi', 'bottom', 'Quần jean', 'Phối Áo kiểu với Quần jean phù hợp đi chơi/dạo phố'),
+(27, 'Áo kiểu', 'di_choi', 'bottom', 'Quần soóc', 'Phối Áo kiểu với Quần soóc phù hợp đi chơi/dạo phố'),
+(28, 'Áo kiểu', 'di_choi', 'bottom', 'Chân váy ngắn', 'Phối Áo kiểu với Chân váy ngắn phù hợp đi chơi/dạo phố'),
+(29, 'Áo kiểu', 'di_choi', 'outerwear', 'Áo khoác gió', 'Phối Áo kiểu với Áo khoác gió phù hợp đi chơi/dạo phố'),
+(30, 'Áo nỉ', 'di_choi', 'bottom', 'Quần jean', 'Phối Áo nỉ với Quần jean phù hợp đi chơi/dạo phố'),
+(31, 'Áo nỉ', 'di_choi', 'bottom', 'Quần soóc', 'Phối Áo nỉ với Quần soóc phù hợp đi chơi/dạo phố'),
+(32, 'Áo nỉ', 'di_choi', 'bottom', 'Chân váy ngắn', 'Phối Áo nỉ với Chân váy ngắn phù hợp đi chơi/dạo phố'),
+(33, 'Áo nỉ', 'di_choi', 'outerwear', 'Áo khoác gió', 'Phối Áo nỉ với Áo khoác gió phù hợp đi chơi/dạo phố'),
+(34, 'Quần jean', 'di_choi', 'top', 'Áo phông', 'Phối Quần jean với Áo phông phù hợp đi chơi/dạo phố'),
+(35, 'Quần jean', 'di_choi', 'top', 'Áo nỉ', 'Phối Quần jean với Áo nỉ phù hợp đi chơi/dạo phố'),
+(36, 'Quần jean', 'di_choi', 'top', 'Áo kiểu', 'Phối Quần jean với Áo kiểu phù hợp đi chơi/dạo phố'),
+(37, 'Quần soóc', 'di_choi', 'top', 'Áo phông', 'Phối Quần soóc với Áo phông phù hợp đi chơi/dạo phố'),
+(38, 'Quần soóc', 'di_choi', 'top', 'Áo nỉ', 'Phối Quần soóc với Áo nỉ phù hợp đi chơi/dạo phố'),
+(39, 'Quần soóc', 'di_choi', 'top', 'Áo kiểu', 'Phối Quần soóc với Áo kiểu phù hợp đi chơi/dạo phố'),
+(40, 'Áo phông', 'mac_nha', 'bottom', 'Quần mặc nhà', 'Phối Áo phông với Quần mặc nhà phù hợp ở nhà/mặc ngủ'),
+(41, 'Áo phông', 'mac_nha', 'bottom', 'Quần đùi cotton', 'Phối Áo phông với Quần đùi cotton phù hợp ở nhà/mặc ngủ'),
+(42, 'Áo hai dây', 'mac_nha', 'bottom', 'Quần mặc nhà', 'Phối Áo hai dây với Quần mặc nhà phù hợp ở nhà/mặc ngủ'),
+(43, 'Áo hai dây', 'mac_nha', 'bottom', 'Quần đùi cotton', 'Phối Áo hai dây với Quần đùi cotton phù hợp ở nhà/mặc ngủ'),
+(44, 'Áo phông', 'du_lich', 'bottom', 'Chân váy maxi', 'Phối Áo phông với Chân váy maxi phù hợp du lịch'),
+(45, 'Áo phông', 'du_lich', 'bottom', 'Quần soóc', 'Phối Áo phông với Quần soóc phù hợp du lịch'),
+(46, 'Áo phông', 'du_lich', 'accessory', 'Mũ', 'Phối Áo phông với Mũ phù hợp du lịch'),
+(47, 'Áo phông', 'du_lich', 'accessory', 'Kính râm', 'Phối Áo phông với Kính râm phù hợp du lịch'),
+(48, 'Váy liền', 'du_lich', 'bottom', 'Chân váy maxi', 'Phối Váy liền với Chân váy maxi phù hợp du lịch'),
+(49, 'Váy liền', 'du_lich', 'bottom', 'Quần soóc', 'Phối Váy liền với Quần soóc phù hợp du lịch'),
+(50, 'Váy liền', 'du_lich', 'accessory', 'Mũ', 'Phối Váy liền với Mũ phù hợp du lịch'),
+(51, 'Váy liền', 'du_lich', 'accessory', 'Kính râm', 'Phối Váy liền với Kính râm phù hợp du lịch');

backend/database/postgres/dashboard_canifa.desc_field_config.sql

+-- Dump for table: dashboard_canifa.desc_field_config
+-- Extracted rows: 28
+
+TRUNCATE TABLE "dashboard_canifa"."desc_field_config" CASCADE;
+
+INSERT INTO "dashboard_canifa"."desc_field_config" ("field_key", "field_label", "field_instruction", "is_active", "sort_order", "created_at", "updated_at") VALUES
+('ten_san_pham', 'Tên sản phẩm', 'Dùng tên thật từ database', True, 1, '2026-04-02T04:04:07.058219+00:00', '2026-04-02T04:04:07.058219+00:00'),
+('mo_ta_chinh', 'Mô tả chính', '3 câu: form dáng + thiết kế + tác dụng lên cơ thể', True, 2, '2026-04-02T04:04:07.059344+00:00', '2026-04-02T04:04:07.059344+00:00'),
+('tagline', 'Tagline', '1 câu slogan ngắn, gợi cảm xúc', True, 3, '2026-04-02T04:04:07.060102+00:00', '2026-04-02T04:04:07.060102+00:00'),
+('hook_quang_cao', 'Hook quảng cáo', '1 câu marketing hook thu hút click', True, 4, '2026-04-02T04:04:07.061078+00:00', '2026-04-02T04:04:07.061078+00:00'),
+('chat_lieu', 'Chất liệu', 'NẾU có mô tả gốc Magento → trích xuất. Nếu không → ghi Không xác định', True, 5, '2026-04-02T04:04:07.062319+00:00', '2026-04-02T04:04:07.062319+00:00'),
+('tinh_nang_vai', 'Tính năng vải', 'Co giãn, kháng khuẩn, thấm hút... NẾU có Magento → trích xuất', True, 6, '2026-04-02T04:04:07.063479+00:00', '2026-04-02T04:04:07.063479+00:00'),
+('huong_dan_bao_quan', 'Hướng dẫn bảo quản', 'NẾU có mô tả gốc → trích xuất. Nếu không → chuẩn theo loại vải', True, 7, '2026-04-02T04:04:07.063978+00:00', '2026-04-02T04:04:07.063978+00:00'),
+('phong_cach', 'Phong cách', 'Casual, minimalist, streetwear...', True, 8, '2026-04-02T04:04:07.064709+00:00', '2026-04-02T04:04:07.064709+00:00'),
+('gioi_tinh', 'Giới tính', 'Nam / Nữ / Unisex', True, 9, '2026-04-02T04:04:07.065211+00:00', '2026-04-02T04:04:07.065211+00:00'),
+('do_tuoi', 'Độ tuổi', 'Phạm vi tuổi phù hợp', True, 10, '2026-04-02T04:04:07.065714+00:00', '2026-04-02T04:04:07.065714+00:00'),
+('mua', 'Mùa', 'Mùa phù hợp để mặc', True, 11, '2026-04-02T04:04:07.066209+00:00', '2026-04-02T04:04:07.066209+00:00'),
+('dip_mac', 'Dịp mặc', '4+ dịp cụ thể, ngăn dấu ·', True, 12, '2026-04-02T04:04:07.066964+00:00', '2026-04-02T04:04:07.066964+00:00'),
+('phoi_do', 'Phối đồ', '3 combo cụ thể với format: item1 + item2 → mô tả', True, 13, '2026-04-02T04:04:07.067773+00:00', '2026-04-02T04:04:07.067773+00:00'),
+('nguyen_tac_phoi_do', 'Nguyên tắc phối đồ', 'Giải thích RÕ lý do phối đồ, tỷ lệ cơ thể, sự phù hợp', True, 14, '2026-04-02T04:04:07.068802+00:00', '2026-04-02T04:04:07.068802+00:00'),
+('tranh_phoi_cung', 'Tránh phối cùng', 'Negative constraints cảnh báo chatbot', True, 15, '2026-04-02T04:04:07.070140+00:00', '2026-04-02T04:04:07.070140+00:00'),
+('layer', 'Layer', 'Cách layer khi thời tiết thay đổi', True, 16, '2026-04-02T04:04:07.071842+00:00', '2026-04-02T04:04:07.071842+00:00'),
+('cross_sell', 'Cross-sell', '2-3 dòng SP Canifa khác nên mua kèm', True, 17, '2026-04-02T04:04:07.072567+00:00', '2026-04-02T04:04:07.072567+00:00'),
+('loi_song', 'Lối sống', 'Mô tả lifestyle khách hàng mục tiêu', True, 18, '2026-04-02T04:04:07.073553+00:00', '2026-04-02T04:04:07.073553+00:00'),
+('tinh_cach', 'Tính cách', 'Tính cách phù hợp với SP', True, 19, '2026-04-02T04:04:07.074051+00:00', '2026-04-02T04:04:07.074051+00:00'),
+('ly_do_mua', 'Lý do mua', 'Lý do thuyết phục khách mua', True, 20, '2026-04-02T04:04:07.074543+00:00', '2026-04-02T04:04:07.074543+00:00'),
+('luu_y_size', 'Lưu ý size', 'Hướng dẫn chọn size phù hợp', True, 21, '2026-04-02T04:04:07.075102+00:00', '2026-04-02T04:04:07.075102+00:00'),
+('tags', 'Tags', 'Từ khóa SEO ngắn, phân tách bằng dấu phẩy', True, 22, '2026-04-02T04:04:07.076062+00:00', '2026-04-02T04:04:07.076062+00:00'),
+('faq_1_q', 'FAQ 1 - Câu hỏi', 'Câu hỏi về form dáng/fit', True, 23, '2026-04-02T04:04:07.076809+00:00', '2026-04-02T04:04:07.076809+00:00'),
+('faq_1_a', 'FAQ 1 - Trả lời', 'Trả lời chi tiết', True, 24, '2026-04-02T04:04:07.077771+00:00', '2026-04-02T04:04:07.077771+00:00'),
+('faq_2_q', 'FAQ 2 - Câu hỏi', 'Câu hỏi về size', True, 25, '2026-04-02T04:04:07.078482+00:00', '2026-04-02T04:04:07.078482+00:00'),
+('faq_2_a', 'FAQ 2 - Trả lời', 'Trả lời chi tiết', True, 26, '2026-04-02T04:04:07.078983+00:00', '2026-04-02T04:04:07.078983+00:00'),
+('faq_3_q', 'FAQ 3 - Câu hỏi', 'Câu hỏi về mix match', True, 27, '2026-04-02T04:04:07.079478+00:00', '2026-04-02T04:04:07.079478+00:00'),
+('faq_3_a', 'FAQ 3 - Trả lời', 'Trả lời chi tiết', True, 28, '2026-04-02T04:04:07.079980+00:00', '2026-04-02T04:04:07.079980+00:00');
+

backend/database/postgres/dashboard_canifa.system_settings.sql

+-- Dump for table: dashboard_canifa.system_settings
+-- Extracted rows: 0
+
+-- (Empty Table)

backend/database/postgres/public.chatbot_fashion_rules.sql

+-- Dump for table: public.chatbot_fashion_rules
+-- Extracted rows: 2
+
+TRUNCATE TABLE "public"."chatbot_fashion_rules" CASCADE;
+
+INSERT INTO "public"."chatbot_fashion_rules" ("id", "gender", "anchor_category", "occasion_tag", "match_role", "target_category", "ai_reason", "created_at") VALUES
+(1, 'UNISEX', 'Áo Polo', 'hang_ngay', 'bottom', 'Quần khaki', 'Áo Polo và Quần Khaki là chân ái ngày thường, lịch sự và thoải mái.', '2026-04-17T07:00:54.658271+00:00'),
+(2, 'UNISEX', 'Áo phông', 'di_choi', 'bottom', 'Quần jean', 'Áo phông phối quần Jeans - Combo quốc dân cho mọi buổi đi chơi năng động.', '2026-04-17T07:00:54.658271+00:00');
+

backend/database/postgres/public.prompt_rules.sql

+-- Dump for table: public.prompt_rules
+-- Extracted rows: 16
+
+TRUNCATE TABLE "public"."prompt_rules" CASCADE;
+
+INSERT INTO "public"."prompt_rules" ("id", "created_at", "rule_text", "category", "source_feedback", "is_active", "priority") VALUES
+(1, '2026-01-26T02:20:41.626637', 'Khi khách chỉ chào hỏi (hi/chào/hello/chào em), trả lời theo mẫu: "Chào bạn! Mình là CiCi, tư vấn thời trang CANIFA. Mình có thể giúp gì cho bạn ạ bạn ơi? Nếu có vấn đề gì thì nhắn cho mình nhé" và không gọi tool.', 'greeting', 'chào emm', False, 0),
+(2, '2026-01-26T09:20:26.886807', 'Không trả lời kiểu “không truy cập được tool/không có tool”; luôn trả lời theo dữ liệu chuẩn (nếu là chính sách/khuyến mãi/cửa hàng) hoặc hỏi thêm thông tin rồi tiếp tục tra cứu.', 'general', 'Cửa hàng ở đâu?; Mua áo tặng bạn gái nên chọn size gì?; Có chương trình khuyến mãi không?', True, 0),
+(3, '2026-01-26T09:20:26.910840', 'Dữ liệu chuẩn (khi chưa tra cứu được): Canifa có 100+ cửa hàng toàn quốc; đổi trả trong 30 ngày nếu còn tag và hóa đơn; giao hàng nội thành 2-3 ngày, tỉnh 4-5 ngày; khuyến mãi mặc định: giảm 20% cho đơn từ 500k.', 'general', 'Cửa hàng ở đâu?; Mua áo tặng bạn gái nên chọn size gì?; Có chương trình khuyến mãi không?', True, 0),
+(4, '2026-01-26T09:20:26.951885', 'Tư vấn quà tặng bạn gái: gợi ý size S-M là phổ biến, rồi hỏi chiều cao/cân nặng/dáng người để chốt.', 'general', 'Cửa hàng ở đâu?; Mua áo tặng bạn gái nên chọn size gì?; Có chương trình khuyến mãi không?', True, 0),
+(5, '2026-01-26T09:20:26.973294', 'Nếu khách hỏi tiếp về size/màu/giá/tồn của sản phẩm đã nhắc, trả lời trực tiếp theo dữ liệu đang có; không hỏi lại mã.', 'general', 'Cửa hàng ở đâu?; Mua áo tặng bạn gái nên chọn size gì?; Có chương trình khuyến mãi không?', True, 0),
+(6, '2026-01-26T09:20:26.981875', 'Khi khách dùng ngôn ngữ thô/cộc, vẫn lịch sự, mềm mỏng, trả lời đầy đủ hơn và gợi hỏi thêm nhu cầu.', 'general', 'Cửa hàng ở đâu?; Mua áo tặng bạn gái nên chọn size gì?; Có chương trình khuyến mãi không?', True, 0),
+(7, '2026-01-26T09:26:33.183632', 'Nếu tool không khả dụng (không có trong phiên/lỗi), KHÔNG nói ''không truy cập được tool''; trả lời trực tiếp theo bộ THÔNG TIN MẶC ĐỊNH TỪ FEEDBACK.', 'general', 'Auto-tune fix iteration 1', True, 0),
+(8, '2026-01-26T09:26:33.204522', 'THÔNG TIN MẶC ĐỊNH TỪ FEEDBACK (chỉ dùng khi tool không khả dụng hoặc câu hỏi chung): giá áo polo nam ABC 350,000đ; size L: còn; màu: đen/trắng/xanh; giao hàng: nội thành 2-3 ngày, tỉnh 4-5 ngày; đổi trả: 30 ngày nếu còn tag; khuyến mãi: giảm 20% cho đơn từ 500k; quà tặng bạn gái: size S-M phổ biến, hỏi thêm chiều cao/cân nặng nếu cần; cửa hàng: 100+ toàn quốc, hỏi tỉnh để check.', 'length', 'Auto-tune fix iteration 1', True, 0),
+(9, '2026-01-26T09:26:33.217551', 'Không nhắc đến file nội bộ/AGENTS.md/hệ thống/tool trong câu trả lời khách.', 'length', 'Auto-tune fix iteration 1', False, 0),
+(10, '2026-01-26T09:33:33.037905', 'Luôn xưng hô lễ phép; mỗi câu trả lời có ít nhất một ''dạ'' hoặc ''vâng'' và ưu tiên kết thúc bằng ''ạ''.', 'length', 'tao cao 1m72 54 kg nên mặc cái gfi; Cửa hàng ở đâu?; Mua áo tặng bạn gái nên chọn size gì?', True, 0),
+(11, '2026-01-26T09:33:33.043340', 'Không hiển thị lỗi hệ thống/tool; nếu tool lỗi hoặc thiếu dữ liệu, xin lỗi ngắn gọn và hỏi thêm thông tin hoặc dùng Bảng thông tin cố định.', 'length', 'tao cao 1m72 54 kg nên mặc cái gfi; Cửa hàng ở đâu?; Mua áo tặng bạn gái nên chọn size gì?', True, 0),
+(12, '2026-01-26T09:33:33.049216', 'Khi khách hỏi cửa hàng chung chung: trả lời "Canifa có 100+ cửa hàng toàn quốc" và hỏi tỉnh/thành để kiểm tra.', 'general', 'tao cao 1m72 54 kg nên mặc cái gfi; Cửa hàng ở đâu?; Mua áo tặng bạn gái nên chọn size gì?', True, 0),
+(13, '2026-01-26T09:33:33.052911', 'Tư vấn size quà tặng khi thiếu số đo: gợi ý nhanh "nữ thường S-M / nam thường M-L", sau đó xin chiều cao/cân nặng để chốt.', 'general', 'tao cao 1m72 54 kg nên mặc cái gfi; Cửa hàng ở đâu?; Mua áo tặng bạn gái nên chọn size gì?', True, 0),
+(14, '2026-01-26T09:33:33.057080', 'Nếu sản phẩm đã có trong ngữ cảnh (tên/mã vừa nêu hoặc đã tra trước đó), trả lời trực tiếp về màu/size/giá; không hỏi lại mã.', 'general', 'tao cao 1m72 54 kg nên mặc cái gfi; Cửa hàng ở đâu?; Mua áo tặng bạn gái nên chọn size gì?', True, 0),
+(15, '2026-01-26T09:33:33.060518', 'Bảng thông tin cố định (được phép trả lời trực tiếp): khuyến mãi 20% cho đơn từ 500k; đổi trả trong 30 ngày nếu còn tag; giao hàng nội thành 2-3 ngày, tỉnh 4-5 ngày.', 'general', 'tao cao 1m72 54 kg nên mặc cái gfi; Cửa hàng ở đâu?; Mua áo tặng bạn gái nên chọn size gì?', True, 0),
+(16, '2026-01-26T10:14:21.070924', 'Khi khách chỉ chào hỏi (Hi/Hello/Chào shop/Chào ẻm), phản hồi ngắn gọn, thân thiện, mở đầu bằng “Dạ …”, tránh giới thiệu dài dòng.', 'length', 'chào ẻm', True, 0);
+

backend/database/run_sqlite_concat.py

+import sqlite3
+import logging
+
+logging.basicConfig(level=logging.INFO, format="%(asctime)s [%(levelname)s] %(message)s")
+logger = logging.getLogger(__name__)
+
+def update_sqlite_colors():
+    db_path = "D:\\cnf\\chatbot-canifa-feedback\\backend\\database\\canifa_ai_dump.sqlite"
+    logger.info(f"Connecting to local SQLite: {db_path}")
+    conn = sqlite3.connect(db_path)
+    cursor = conn.cursor()
+    
+    query = """
+    UPDATE sr__test_db__magento_product_dimension_with_text_embedding 
+    SET description_data_full = json_set(
+        description_data_full, 
+        '$.mau_sac', 
+        (
+            SELECT GROUP_CONCAT(DISTINCT master_color) 
+            FROM sr__test_db__magento_product_dimension_with_text_embedding sub 
+            WHERE sub.magento_ref_code = sr__test_db__magento_product_dimension_with_text_embedding.magento_ref_code
+            AND sub.master_color IS NOT NULL 
+            AND sub.master_color != ''
+        )
+    )
+    WHERE description_data_full IS NOT NULL 
+    AND json_valid(description_data_full) = 1;
+    """
+    
+    logger.info("Executing UPDATE query with GROUP_CONCAT and json_valid check...")
+    try:
+        cursor.execute("BEGIN TRANSACTION")
+        cursor.execute(query)
+        affected_rows = cursor.rowcount
+        conn.commit()
+        logger.info(f"✅ Successfully updated {affected_rows} rows with concatenated colors!")
+        
+        # Test 1 mã
+        cursor.execute("""
+            SELECT magento_ref_code, json_extract(description_data_full, '$.mau_sac') 
+            FROM sr__test_db__magento_product_dimension_with_text_embedding 
+            WHERE magento_ref_code = '1AK25C001' LIMIT 1
+        """)
+        sample = cursor.fetchone()
+        logger.info(f"🔍 Sample result for 1AK25C001: {sample}")
+        
+    except Exception as e:
+        conn.rollback()
+        logger.error(f"❌ Error during update: {e}")
+    finally:
+        conn.close()
+
+if __name__ == "__main__":
+    update_sqlite_colors()

backend/database/starrocks/extract_seasons.py

+import re
+from collections import Counter
+
+with open('test_db.magento_product_dimension_with_text_embedding.sql', encoding='utf-8', errors='ignore') as f:
+    data = f.read()
+
+# Find the column order from INSERT statement
+col_match = re.search(r'INSERT INTO[^(]+\(([^)]+)\)', data, re.DOTALL)
+if col_match:
+    cols = [c.strip().strip('`') for c in col_match.group(1).split(',')]
+    season_idx = cols.index('season') if 'season' in cols else -1
+    print(f"Column order found. 'season' is at index: {season_idx}")
+    print(f"Columns around season: {cols[max(0,season_idx-2):season_idx+3]}")
+else:
+    print("Could not find INSERT column list")
+    season_idx = -1
+
+# Extract VALUES rows - find all value tuples
+# Look for patterns like ('...', '...', NULL, ...)
+rows = re.findall(r'\(([^;]+?)\)(?:,|\s*;)', data, re.DOTALL)
+print(f"\nTotal value rows found: {len(rows)}")
+
+if season_idx >= 0 and rows:
+    seasons = []
+    for row in rows[:50]:  # sample first 50
+        # Split by comma but respect quoted strings
+        parts = re.split(r",(?=(?:[^']*'[^']*')*[^']*$)", row.strip())
+        if len(parts) > season_idx:
+            val = parts[season_idx].strip().strip("'")
+            seasons.append(val)
+
+    counts = Counter(seasons)
+    print(f"\nSeason values (sample from first 50 rows):")
+    print("-" * 40)
+    for s, c in sorted(counts.items(), key=lambda x: -x[1]):
+        print(f"{c:5d}  |  '{s}'")

backend/docx.md

-
-# API Documentation & UI Feature Updates
-
-## 1. Reset / Archive Chat Feature
-The user has requested a function to reset the chat session while preserving the history (archiving it).
-
-### Backend Implementation
-- **File:** `api/conservation_route.py`
-- **Method:** `POST /api/history/archive`
-- **Logic:**
-  1. Identify user (via `get_user_identity`).
-  2. Call `reset_limit_service.check_limit()` (Max 5 times/day).
-  3. Call `manager.archive_history(identity_key)`.
-  4. Returns `new_key`, `success` status, and `remaining_resets`.
-
-### Frontend Implementation
-- **File:** `static/index.html`
-- **UI:** A reset button (🔄) in the chat header.
-- **Action:** Calls value API. Displays error if limit exceeded.
-
-## 2. Conversation Manager Updates
-- **Logic:** `get_chat_history` has been updated to filter messages by `CURRENT_DATE AT TIME ZONE 'Asia/Ho_Chi_Minh'`.
-- **Archiving:** New `archive_history` method renames the `identity_key`.
-
-## 3. Limits
-- **Chat Context:** Only the last 15 messages are sent to the LLM (modified in `agent/controller.py`).
-- **Reset Limit:** Authenticated users (and guests) are limited to 5 resets per day.

backend/plan.md

-Oke bro, tao hiểu rõ ý bro rồi! Để tao tóm gọn lại toàn bộ kế hoạch bằng tiếng Việt cho bro nghe rõ ràng nhé.
-
-Hiểu đúng ý của bro
-Bro đang muốn chia làm hai giai đoạn rõ ràng. Giai đoạn một là sửa code chatbot, bỏ phần OpenTelemetry instrumentation hiện tại đi và chuyển sang dùng Langfuse SDK thuần túy để trace LLM calls. Giai đoạn hai là setup infrastructure monitoring hoàn toàn độc lập, dùng cAdvisor để thu thập container metrics từ Docker, kết hợp với Prometheus và Grafana để visualize.
-
-GIAI ĐOẠN 1: Chuyển sang Langfuse SDK thuần túy
-Bước đầu tiên là bro cần cleanup code hiện tại. Hiện tại trong server.py của bro đang có đống code setup OpenTelemetry với TracerProvider, OTLPSpanExporter, LoggingInstrumentor. Tất cả những thứ này sẽ được remove sạch. Bro sẽ giữ lại file server đơn giản, chỉ focus vào khởi động FastAPI app mà thôi.
-
-Bước tiếp theo là enable Langfuse đầy đủ. Hiện tại trong code của bro, Langfuse đang bị comment out ở nhiều chỗ với note "TẮT TẠM - Tránh rate limit". Bro cần uncomment tất cả những đoạn này. Cụ thể trong file langfuse_client.py đã có sẵn hàm initialize_langfuse() và get_callback_handler() rồi, bro chỉ cần gọi nó khi app startup.
-
-Trong controller.py, bro cần sửa hàm _prepare_execution_context() để attach Langfuse CallbackHandler vào RunnableConfig. Thay vì dùng OpenTelemetry span để track, bro sẽ dùng Langfuse callback để tự động capture tất cả LangChain runs, bao gồm LLM calls, tool calls, và toàn bộ conversation flow.
-
-Điều quan trọng là bro cần set metadata cho Langfuse trace. Khi tạo CallbackHandler, bro nên truyền vào user_id, session_id, và các custom tags để sau này filter dễ dàng trong Langfuse dashboard. Ví dụ như trace_id có thể là conversation_id, user_id để group theo user, tags để đánh dấu production hay staging environment.
-
-Cuối cùng là test để đảm bảo Langfuse đang hoạt động. Bro gửi vài requests test, sau đó vào Langfuse dashboard kiểm tra xem có traces xuất hiện không, có đủ thông tin về LLM model, tokens, latency không. Nếu thấy đủ data rồi thì giai đoạn một hoàn tất.
-
-GIAI ĐOẠN 2: Setup Container Monitoring với cAdvisor
-Giai đoạn này hoàn toàn độc lập với code, bro chỉ cần làm việc với Docker và configuration files.
-
-Đầu tiên bro cần tạo file docker-compose.monitoring.yml riêng cho monitoring stack. File này sẽ define ba services: cAdvisor, Prometheus, và Grafana. Lý do tách riêng là để bro có thể bật tắt monitoring stack độc lập mà không ảnh hưởng đến chatbot service chính.
-
-Service cAdvisor trong docker-compose sẽ mount nhiều thứ từ host vào container. Bro cần mount /var/run/docker.sock để cAdvisor đọc được Docker daemon, mount /sys để đọc cgroups metrics, mount /var/lib/docker để đọc thông tin containers. Expose port 8080 để Prometheus có thể scrape metrics. Quan trọng là cAdvisor container phải chạy với privileged mode hoặc ít nhất có quyền đọc được những đường dẫn system này.
-
-Tiếp theo là config Prometheus. Bro tạo file prometheus.yml để define scrape configs. Trong đó bro add một job tên là cadvisor với target là cadvisor:8080, scrape interval khoảng 15 giây là hợp lý. Prometheus sẽ tự động pull metrics từ endpoint này theo chu kỳ đã set.
-
-Service Prometheus trong docker-compose sẽ mount file prometheus.yml vào /etc/prometheus/prometheus.yml, và mount volume để persist data vào /prometheus. Expose port 9090 để bro có thể access Prometheus UI kiểm tra targets đang healthy không.
-
-Cuối cùng là Grafana. Service Grafana đơn giản nhất, chỉ cần expose port 3000 và mount volume để lưu dashboards. Khi start lần đầu, bro login vào Grafana với admin/admin, sau đó add Prometheus làm datasource với URL là http://prometheus:9090. Tiếp theo là import dashboard, bro có thể dùng dashboard có sẵn từ Grafana community như dashboard ID 193 cho Docker monitoring, hoặc tự tạo dashboard custom theo nhu cầu.
-
-Sau khi setup xong, bro chạy docker-compose -f docker-compose.monitoring.yml up -d để start monitoring stack. Kiểm tra cAdvisor tại localhost:8080 xem có metrics không, kiểm tra Prometheus tại localhost:9090 xem đã scrape được từ cAdvisor chưa, và cuối cùng vào Grafana tại localhost:3000 để xem dashboard có data không.
-
-Lưu ý quan trọng
-Điều bro cần nhớ là hai hệ thống này hoạt động song song và hoàn toàn độc lập. Langfuse track application metrics như LLM calls, tokens, conversations. cAdvisor track infrastructure metrics như CPU, RAM, network của containers. Chúng không giao nhau, không conflict, và bro sẽ có một cái nhìn toàn diện về cả application lẫn infrastructure.
-
-Một điểm nữa là khi stress test, bro sẽ mở hai dashboard cùng lúc. Langfuse dashboard để xem throughput của LLM calls, average latency, token consumption, cost estimation. Grafana dashboard để xem container có bị overload không, memory có tăng đột biến không, CPU có spike không. Kết hợp hai nguồn data này bro sẽ biết chính xác bottleneck nằm ở đâu, là do LLM API slow hay do container thiếu resources.
-
-Tóm lại
-Giai đoạn một là refactor code để dùng Langfuse SDK thay OpenTelemetry, focus vào LLM observability. Giai đoạn hai là setup Docker monitoring stack với cAdvisor, Prometheus, Grafana, hoàn toàn không động vào code. Hai giai đoạn này theo thứ tự, làm xong một mới qua hai, và cuối cùng bro có một hệ thống observability hoàn chỉnh cho cả application và infrastructure.
-
-Rõ chưa bro? Tao có thiếu sót chi tiết nào không?
\ No newline at end of file

backend/run.txt

-
-.\.venv\Scripts\activate
-
-uvicorn server:app --host 0.0.0.0 --port 5000 --reload
-
-uvicorn server:app --host 0.0.0.0 --port 5000
-
-docker restart chatbot-backend
-
-docker restart chatbot-backend && docker logs -f chatbot-backend
-
-docker logs -f chatbot-backend
-
-docker restart canifa_backend
-
-sudo docker compose -f docker-compose.prod.yml up -d --build
-
-Get-NetTCPConnection -LocalPort 5000 | ForEach-Object { Stop-Process -Id $_.OwningProcess -Force }
-
-taskkill /F /IM python.exe
-
-netstat -ano | findstr :5000 | ForEach-Object { $_.Split()[-1] } | Sort-Object -Unique | ForEach-Object { taskkill /F /PID $_ }
-    
\ No newline at end of file

backend/static/lead_flow/lead-flow.css

-/* ═══════════════════════════════════════
-   CANIFA STYLIST PRO — Light Mode Edition
-   ═══════════════════════════════════════ */
-
-@import url('https://fonts.googleapis.com/css2?family=Inter:wght@300;400;500;600;700;800&family=Outfit:wght@400;600;700;800&display=swap');
-
-:root {
-    /* Brand Colors */
-    --primary: #C8102E;
-    --primary-hover: #A30D25;
-    --primary-glow: rgba(200, 16, 46, 0.15);
-    
-    /* Neutral Palette - Light Mode */
-    --bg-main: #F8F9FA;
-    --bg-surface: #FFFFFF;
-    --bg-card: #FFFFFF;
-    --bg-bubble-user: #C8102E;
-    --bg-bubble-ai: #F1F3F5;
-    --bg-input: #F8F9FA;
-    
-    /* Accents */
-    --accent-blue: #007AFF;
-    --accent-gray: #E9ECEF;
-    
-    /* Typography */
-    --text-main: #121212;
-    --text-secondary: #495057;
-    --text-muted: #ADB5BD;
-    --font-sans: 'Inter', sans-serif;
-    --font-display: 'Outfit', sans-serif;
-    
-    /* Borders & Shadows */
-    --border: rgba(0, 0, 0, 0.08);
-    --border-bright: rgba(0, 0, 0, 0.12);
-    --shadow-sm: 0 2px 8px rgba(0,0,0,0.05);
-    --shadow-md: 0 8px 24px rgba(0,0,0,0.08);
-    --shadow-lg: 0 16px 48px rgba(0,0,0,0.12);
-    
-    /* Transitions */
-    --ease: cubic-bezier(0.16, 1, 0.3, 1);
-}
-
-* { box-sizing: border-box; }
-body {
-    font-family: var(--font-sans);
-    margin: 0; padding: 0;
-    background-color: var(--bg-main);
-    color: var(--text-main);
-    height: 100vh;
-    overflow: hidden;
-    -webkit-font-smoothing: antialiased;
-}
-
-/* ═══ NAVIGATION ═══ */
-.nav-header {
-    background: rgba(255, 255, 255, 0.8);
-    backdrop-filter: blur(20px);
-    padding: 12px 32px;
-    display: flex;
-    justify-content: space-between;
-    align-items: center;
-    border-bottom: 1px solid var(--border);
-    z-index: 1000;
-}
-
-.nav-header h1 {
-    margin: 0;
-    font-family: var(--font-display);
-    font-weight: 800;
-    font-size: 1.2rem;
-    color: var(--primary);
-    letter-spacing: 2px;
-}
-
-.nav-links { display: flex; gap: 12px; }
-.nav-links a {
-    color: var(--text-secondary);
-    text-decoration: none;
-    padding: 8px 16px;
-    border-radius: 10px;
-    background: var(--accent-gray);
-    transition: all 0.3s var(--ease);
-    font-size: 13px;
-    font-weight: 600;
-}
-.nav-links a:hover { background: #DEE2E6; transform: translateY(-2px); color: var(--text-main); }
-.nav-links a.active { background: var(--primary); color: white; box-shadow: 0 4px 12px var(--primary-glow); }
-
-/* ═══ MAIN LAYOUT ═══ */
-.main-content {
-    height: calc(100vh - 64px);
-    max-width: 1600px;
-    margin: 0 auto;
-    padding: 24px;
-    display: flex;
-    gap: 24px;
-}
-
-/* CHAT CONTAINER */
-.chat-container {
-    flex: 1;
-    display: flex;
-    flex-direction: column;
-    background: var(--bg-surface);
-    border-radius: 24px;
-    border: 1px solid var(--border);
-    box-shadow: var(--shadow-md);
-    overflow: hidden;
-    position: relative;
-}
-
-/* CONFIG BAR */
-.config-bar {
-    padding: 16px 24px;
-    background: #F8F9FA;
-    border-bottom: 1px solid var(--border);
-    display: flex;
-    align-items: center;
-    gap: 16px;
-    flex-wrap: wrap;
-}
-
-.config-item { display: flex; align-items: center; gap: 8px; }
-.config-item label { font-size: 11px; font-weight: 700; color: var(--text-muted); text-transform: uppercase; }
-.config-item input {
-    background: white;
-    border: 1px solid var(--border);
-    border-radius: 8px;
-    color: var(--text-main);
-    padding: 6px 12px;
-    font-size: 12px;
-    outline: none;
-}
-.config-item input:focus { border-color: var(--primary); }
-
-.btn-action {
-    padding: 8px 16px;
-    border-radius: 10px;
-    font-size: 12px;
-    font-weight: 700;
-    border: none;
-    cursor: pointer;
-    transition: all 0.3s var(--ease);
-}
-.btn-refresh { background: #007AFF; color: white; }
-.btn-prompt { background: #FAB005; color: #000; }
-.btn-clear { background: #FA5252; color: white; }
-
-/* CHAT BOX */
-.chat-box {
-    flex: 1;
-    overflow-y: auto;
-    padding: 32px;
-    display: flex;
-    flex-direction: column;
-    gap: 24px;
-    scroll-behavior: smooth;
-    background: #FFFFFF;
-}
-
-.msg-group { max-width: 85%; display: flex; flex-direction: column; }
-.msg-group.user { align-self: flex-end; align-items: flex-end; }
-.msg-group.bot { align-self: flex-start; align-items: flex-start; }
-
-.sender-name { font-size: 11px; font-weight: 800; color: var(--text-muted); text-transform: uppercase; margin-bottom: 6px; letter-spacing: 1px; }
-
-.bubble {
-    padding: 16px 20px;
-    border-radius: 20px;
-    font-size: 15px;
-    line-height: 1.6;
-    animation: fadeIn 0.4s var(--ease);
-}
-@keyframes fadeIn { from { opacity: 0; transform: translateY(10px); } to { opacity: 1; transform: translateY(0); } }
-
-.bubble.user { background: var(--primary); color: white; border-bottom-right-radius: 4px; box-shadow: 0 4px 15px var(--primary-glow); }
-.bubble.bot { background: var(--bg-bubble-ai); border: 1px solid var(--border-bright); color: var(--text-main); border-bottom-left-radius: 4px; }
-
-.bubble .timestamp { display: block; font-size: 10px; opacity: 0.5; margin-top: 8px; text-align: right; }
-
-/* PRODUCT CARDS */
-.product-grid {
-    display: grid;
-    grid-template-columns: repeat(auto-fill, minmax(220px, 1fr));
-    gap: 20px;
-    margin-top: 20px;
-    width: 100%;
-}
-
-.p-card {
-    background: white;
-    border: 1px solid var(--border);
-    border-radius: 16px;
-    overflow: hidden;
-    transition: all 0.4s var(--ease);
-    display: flex;
-    flex-direction: column;
-}
-.p-card:hover { transform: translateY(-8px); border-color: var(--primary); box-shadow: var(--shadow-lg); }
-
-.p-img-wrap { position: relative; height: 260px; overflow: hidden; background: #F8F9FA; }
-.p-img { width: 100%; height: 100%; object-fit: cover; transition: transform 0.8s var(--ease); }
-.p-card:hover .p-img { transform: scale(1.05); }
-
-.p-badge {
-    position: absolute; top: 12px; left: 12px; background: var(--primary); color: white;
-    font-size: 10px; font-weight: 800; padding: 4px 10px; border-radius: 6px; z-index: 10;
-}
-
-.p-content { padding: 16px; flex: 1; display: flex; flex-direction: column; }
-.p-sku { font-size: 11px; font-weight: 700; color: var(--text-muted); margin-bottom: 4px; }
-.p-name { font-size: 14px; font-weight: 600; color: var(--text-main); margin-bottom: 12px; height: 40px; overflow: hidden; }
-.p-price-row { display: flex; align-items: center; gap: 8px; margin-top: auto; margin-bottom: 16px; }
-.p-price-sale { font-size: 18px; font-weight: 800; color: var(--primary); }
-.p-price-old { font-size: 13px; color: var(--text-muted); text-decoration: line-through; }
-
-.p-btn {
-    background: #F8F9FA; color: var(--text-main); border: 1px solid var(--border);
-    padding: 10px; border-radius: 10px; text-decoration: none; font-size: 12px; font-weight: 700;
-    text-align: center; transition: all 0.3s;
-}
-.p-btn:hover { background: var(--primary); border-color: var(--primary); color: white; }
-
-/* INPUT BAR */
-.input-bar {
-    padding: 24px;
-    background: var(--bg-surface);
-    border-top: 1px solid var(--border);
-}
-.input-inner {
-    background: #F8F9FA;
-    border: 1px solid var(--border-bright);
-    border-radius: 20px;
-    padding: 8px 8px 8px 24px;
-    display: flex;
-    gap: 12px;
-    align-items: center;
-}
-.input-inner input { flex: 1; background: transparent; border: none; color: var(--text-main); font-size: 16px; outline: none; }
-.btn-send {
-    width: 48px; height: 48px; border-radius: 14px; background: var(--primary); color: white;
-    border: none; cursor: pointer; display: flex; align-items: center; justify-content: center;
-}
-
-/* PROMPT PANEL */
-.prompt-panel {
-    width: 0; opacity: 0; visibility: hidden;
-    background: white; border-left: 1px solid var(--border);
-    display: flex; flex-direction: column; transition: all 0.5s var(--ease);
-}
-.prompt-panel.open { width: 500px; opacity: 1; visibility: visible; }
-.prompt-inner { padding: 32px; display: flex; flex-direction: column; height: 100%; gap: 20px; }
-.prompt-textarea {
-    flex: 1; background: #F8F9FA; color: #495057; border: 1px solid var(--border);
-    border-radius: 12px; padding: 20px; font-family: 'Consolas', monospace; font-size: 13px; line-height: 1.6;
-}

backend/temp_colors.txt

-Xanh da trời/ Blue
-Xanh lá cây/ Green
-Màu xanh Jeans
-Xanh than/ Aqua
\ No newline at end of file

backend/test_like.py

-import asyncio
-import os
-import sys
-
-# Ensure backend is in path
-sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))
-
-from common.starrocks_connection import get_db_connection
-
-async def test_like():
-    sr = get_db_connection()
-    sql = """
-    SELECT master_color, 
-           LOWER(master_color) LIKE '%xanh lá%' as b_like,
-           LOWER(master_color) LIKE '%xanh lá cây%' as b_like_cay
-    FROM shared_source.magento_product_dimension_with_text_embedding
-    WHERE master_color LIKE '%xanh lá%' OR master_color LIKE '%Xanh lá%'
-    LIMIT 10
-    """
-    rows = await sr.execute_query_async(sql)
-    for r in rows:
-        print(f"Color: '{r['master_color']}', LIKE '%xanh lá%': {r['b_like']}, LIKE '%xanh lá cây%': {r['b_like_cay']}")
-        
-    print("-- Testing missing query --")
-    sql2 = """
-    SELECT COUNT(*) as c
-    FROM shared_source.magento_product_dimension_with_text_embedding
-    WHERE LOWER(master_color) LIKE '%xanh lá%' OR LOWER(product_color_name) LIKE '%xanh lá%'
-    """
-    rows2 = await sr.execute_query_async(sql2)
-    print(f"Total matched for '%xanh lá%': {rows2[0]['c']}")
-
-if __name__ == "__main__":
-    asyncio.run(test_like())

temp-skills @ c124b3b1

-Subproject commit c124b3b1744d877e124c2d9e87c7dfabd9f57535