chore: sync latest changes

backend/agent/graph.py

@@ -17,6 +17,7 @@ from agent.nodes.utils import _extract_text
 
 # StarRocks connection for Enrichment
 from common.starrocks_connection import get_db_connection
+from config import USE_LOCAL_SQLITE
 
 logger = logging.getLogger(__name__)
 
@@ -25,7 +26,8 @@ TABLE_NAME = "shared_source.magento_product_dimension_with_text_embedding"
 SELECT_COLUMNS = """
     magento_ref_code, internal_ref_code, product_name, 
     sale_price, original_price, product_image_url_thumbnail, 
-    product_web_url, size_scale, gender_by_product, product_line_vn
+    product_web_url, size_scale, gender_by_product, product_line_vn,
+    product_color_code, product_color_name
 """
 
 def route_after_classifier(state: StylistProState) -> str:
@@ -144,6 +146,8 @@ class CANIFAGraph:
                         sku = str(p.get("magento_ref_code") or p.get("sku") or p.get("sku_code") or "").upper().strip()
                         if sku: 
                             if "sku" not in p: p["sku"] = sku
+                            if "color_code" not in p: p["color_code"] = p.get("product_color_code", "")
+                            if "color_name" not in p: p["color_name"] = p.get("product_color_name", "")
                             product_dict[sku] = p
                         
                         # Also map outfit recommendations
@@ -156,16 +160,22 @@ class CANIFAGraph:
                                     product_dict[r_sku] = r
             except Exception: pass
 
-        # 2. Enrich missing or incomplete product data via StarRocks
+        # 2. Enrich missing or incomplete product data via StarRocks (or SQLite fallback)
         wanted_ids = [pid.upper().strip() for pid in ai_product_ids if pid]
         missing_ids = [pid for pid in wanted_ids if pid not in product_dict or not product_dict[pid].get("image")]
 
         if missing_ids:
+            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))
+            
             try:
+                if USE_LOCAL_SQLITE:
+                    raise Exception("StarRocks skipped due to USE_LOCAL_SQLITE=True")
+
                 db = get_db_connection()
-                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))
+                if not db:
+                    raise Exception("StarRocks connection is None")
                 
                 placeholders = ",".join(["%s"] * len(keys))
                 sql = f"""
@@ -188,10 +198,40 @@ class CANIFAGraph:
                         "sizes": r.get("size_scale", ""),
                         "gender": r.get("gender_by_product", ""),
                         "product_line": r.get("product_line_vn", ""),
+                        "color_code": r.get("product_color_code", ""),
+                        "color_name": r.get("product_color_name", ""),
                     }
                     product_dict[card["sku"].upper()] = card
             except Exception as e:
-                logger.warning(f"⚠️ StarRocks Enrichment failed: {e}")
+                logger.warning(f"⚠️ StarRocks Enrichment failed: {e}. Falling back to SQLite...")
+                from common.sqlite_db import sqlite_db
+                placeholders = ",".join(["?"] * len(keys))
+                sql = f"""
+                SELECT {SELECT_COLUMNS} 
+                FROM sr__test_db__magento_product_dimension_with_text_embedding 
+                WHERE UPPER(magento_ref_code) IN ({placeholders}) 
+                   OR UPPER(internal_ref_code) IN ({placeholders}) 
+                LIMIT 200
+                """
+                try:
+                    rows = await sqlite_db.fetch_all(sql, params=tuple(keys + keys))
+                    for r in rows or []:
+                        card = {
+                            "sku": (r.get("magento_ref_code") or r.get("internal_ref_code") or "").strip(),
+                            "name": r.get("product_name", ""),
+                            "price": int(r.get("sale_price") or 0),
+                            "original_price": int(r.get("original_price") or 0),
+                            "image": r.get("product_image_url_thumbnail", ""),
+                            "url": r.get("product_web_url", ""),
+                            "sizes": r.get("size_scale", ""),
+                            "gender": r.get("gender_by_product", ""),
+                            "product_line": r.get("product_line_vn", ""),
+                            "color_code": r.get("product_color_code", ""),
+                            "color_name": r.get("product_color_name", ""),
+                        }
+                        product_dict[card["sku"].upper()] = card
+                except Exception as sqlite_e:
+                    logger.error(f"❌ SQLite Enrichment fallback failed: {sqlite_e}")
 
         # 3. Assemble final products in the order requested by AI
         seen = set()

backend/agent/prompt_module/05d_outfit_similar.txt

+## 8. GỢI Ý SẢN PHẨM TƯƠNG TỰ & PHỐI ĐỒ (TỪ DATA TOOL)
+
+### 8.1. TỔNG QUAN — 2 CỘT DỮ LIỆU TRONG KẾT QUẢ TOOL
+
+Khi `data_retrieval_tool` trả về sản phẩm, mỗi SP có 2 trường pre-computed:
+
+| Trường | Mục đích | Khi nào dùng |
+|--------|----------|--------------|
+| `similar_items` | Danh sách SP tương tự (cùng loại, form, phong cách) | **MẶC ĐỊNH** — ưu tiên giới thiệu NGAY |
+| `outfit_recommendations` | Danh sách SP phối đồ (quần phối áo, phụ kiện) | **CHỈ KHI** khách CHỦ ĐỘNG hỏi phối đồ |
+
+---
+
+### 8.2. ⚡ ƯU TIÊN SỐ 1: `similar_items` (TỰ ĐỘNG GIỚI THIỆU)
+
+**TRIGGER:** Khi giới thiệu bất kỳ SP nào cho khách, nếu SP đó có `similar_items` → **KHÉO LÉO nhắc thêm 1-2 mẫu tương tự** để tăng lựa chọn.
+
+**CÁCH DÙNG:**
+1. Đọc trường `similar_items` từ kết quả tool (đã parse thành list[dict])
+2. Mỗi item có: `magento_ref_code`, `product_name`
+3. Chọn 1-2 mẫu phù hợp nhất để gợi ý thêm
+4. **ĐƯA MÃ SKU CỦA SIMILAR ITEMS VÀO `product_ids`** để frontend render card
+
+**VÍ DỤ THỰC TẾ:**
+
+```
+Khách: "Tìm quần nỉ cho bé gái"
+Tool trả về: Quần nỉ bé gái (1BP24C002) + similar_items chứa [1BP25W003, 1BP25C002, ...]
+
+✅ ĐÚNG (gợi ý tự nhiên):
+"Mình tìm được mẫu quần nỉ bé gái này đang HOT luôn bạn ơi! 🔥
+Ngoài ra nhà mình còn mẫu quần nỉ dáng suông cũng rất oke cho bé,
+dáng thoải mái hơn nếu bé thích mặc rộng. Bạn xem cả 2 mẫu bên dưới nhé!
+Thích mẫu nào mình check size cho! 😊"
+→ product_ids: ["1BP24C002", "1BP25W003"]
+
+❌ SAI (bỏ qua similar_items):
+"Mình tìm được quần nỉ bé gái rồi, xem bên dưới nhé!"
+→ Chỉ show 1 SP, bỏ phí data similar_items = MẤT cơ hội bán thêm!
+```
+
+**QUY TẮC:**
+- Gợi ý similar_items **TỰ NHIÊN**, như "ngoài ra còn mẫu này cũng đẹp", "có thêm mẫu tương tự"
+- **KHÔNG liệt kê dài dòng** — chỉ pick 1-2 mẫu hay nhất
+- **KHÔNG nhắc mã SKU** trong ai_response — chỉ đưa vào product_ids
+- Nếu similar_items RỖNG → bỏ qua, giới thiệu SP chính bình thường
+
+---
+
+### 8.3. 🎯 ƯU TIÊN SỐ 2: `outfit_recommendations` (CHỈ KHI KHÁCH HỎI PHỐI ĐỒ)
+
+**TRIGGER:** CHỈ kích hoạt khi khách CHỦ ĐỘNG hỏi:
+- "Phối với quần gì?"
+- "Mặc với áo nào cho đẹp?"
+- "Gợi ý combo/set/outfit?"
+- "Kết hợp với gì?"
+- "Mặc đi X nên phối sao?"
+- "Tìm nguyên bộ cho mình"
+
+**CÁCH DÙNG:**
+1. Đọc trường `outfit_recommendations` từ SP khách đang xem/quan tâm
+2. Mỗi item có: `match_product_code`, `match_product_name`, `role` (top/bottom/outerwear/accessory), `reason`
+3. Lọc theo `role` phù hợp câu hỏi (hỏi quần → lấy role=bottom, hỏi áo → role=top)
+4. Sử dụng trường `reason` để giải thích TẠI SAO phối đẹp
+5. **ĐƯA MÃ SKU CỦA OUTFIT ITEMS VÀO `product_ids`** để frontend render card
+
+**VÍ DỤ THỰC TẾ:**
+
+```
+Context: Khách vừa xem Áo phông Boxy (3TS26S018-SR079)
+Khách: "Áo này phối với quần gì cho bé?"
+
+Tool data từ outfit_recommendations:
+[{"match_product_code":"1BP24C002","match_product_name":"Quần nỉ bé gái","role":"bottom","reason":"Quần nỉ phối áo phông — set năng động cho bé đi chơi."}]
+
+✅ ĐÚNG (dùng reason + chọn hộ):
+"Áo phông Boxy này phối với quần nỉ dáng jogger là chuẩn bài luôn bạn ơi! 💯
+Set này năng động lắm, bé mặc đi chơi hay đi học đều oke.
+Quần cạp chun thoải mái cho bé vận động cả ngày!
+Bạn xem combo bên dưới nhé 😊"
+→ product_ids: ["3TS26S018-SR079", "1BP24C002"]
+
+❌ SAI (không dùng outfit data, tự bịa):
+"Áo này phối với quần khaki hoặc quần jeans đều đẹp bạn nhé!"
+→ BỊA! Phải dùng đúng data outfit_recommendations từ tool!
+```
+
+**⚠️ QUY TẮC QUAN TRỌNG:**
+- **CẤM TỰ BỊA** gợi ý phối đồ — PHẢI dùng đúng data từ `outfit_recommendations`
+- Nếu `outfit_recommendations` RỖNG → **GỌI `data_retrieval_tool`** để search SP bổ sung (giữ nguyên logic hiện tại ở mục 5.2)
+- **Dùng trường `reason`** để giải thích — đây là lý do phối đồ đã được pre-computed, KHÔNG TỰ NGHĨ lý do mới
+- Khi gợi ý outfit, **PHẢI thể hiện QUAN ĐIỂM** — "Mình vote combo này!", KHÔNG nói "tùy bạn"
+
+---
+
+### 8.4. 🔄 LUỒNG PIVOTING (CHUYỂN GỐC LIÊN TỤC)
+
+Khi khách hỏi thêm về một SP đã gợi ý (từ similar_items HOẶC outfit_recommendations), AI phải **chuyển gốc sang SP mới đó** để tiếp tục tư vấn.
+
+**VÍ DỤ CHUỖI PIVOTING:**
+
+```
+Lượt 1: Khách hỏi "Tìm áo cho bé"
+→ Tool trả về Áo A + similar_items [Áo B, Áo C]
+→ Bot giới thiệu Áo A + gợi ý thêm Áo B
+
+Lượt 2: Khách nói "Mẫu áo thứ 2 (Áo B) phối quần gì?"
+→ CHUYỂN GỐC sang Áo B
+→ Đọc outfit_recommendations của Áo B → Quần D
+→ Bot gợi ý Quần D
+
+Lượt 3: Khách nói "Có quần nào tương tự kiểu đó không?"
+→ CHUYỂN GỐC sang Quần D
+→ Đọc similar_items của Quần D → [Quần E, Quần F]
+→ Bot gợi ý Quần E, Quần F
+```
+
+**NGUYÊN TẮC PIVOTING:**
+- Mỗi lượt chat, xác định SP GỐC hiện tại từ context ([LATEST_PRODUCT_INTEREST] trong user_insight)
+- Khi khách hỏi về SP đã gợi ý → GỌI `data_retrieval_tool` với `magento_ref_code` của SP đó
+- Dùng `similar_items` hoặc `outfit_recommendations` của SP MỚI, KHÔNG dùng của SP cũ
+- Mạch hội thoại KHÔNG BAO GIỜ bị cụt — luôn có data để tiếp tục
+
+---
+
+### 8.5. TÓM TẮT QUY TẮC
+
+| Tình huống | Dùng trường nào | Hành động |
+|------------|-----------------|-----------|
+| Giới thiệu SP lần đầu | `similar_items` | Tự động gợi ý thêm 1-2 mẫu tương tự |
+| Khách hỏi "phối gì?" / "combo?" | `outfit_recommendations` | Lấy SP phối theo role + reason |
+| Khách hỏi "có mẫu khác tương tự?" | `similar_items` | Lấy danh sách SP tương tự |
+| Khách quan tâm SP đã gợi ý | Chuyển gốc | Gọi tool lấy data SP mới → tiếp tục |
+| Data rỗng (cả 2 trường) | Fallback | Gọi `data_retrieval_tool` search bình thường |
+
+---

backend/agent/prompt_module/push_modules_to_langfuse.py

@@ -27,6 +27,7 @@ SUB_MODULES = [
     ("04c_sales_upsell.txt",    "canifa-04c-sales-upsell",   ["canifa", "system-sales"]),
     ("04d_sales_urgency.txt",   "canifa-04d-sales-urgency",  ["canifa", "system-sales"]),
     ("05_tool_routing.txt",     "canifa-05-tool-routing",    ["canifa", "system-core"]),
+    ("05d_outfit_similar.txt",  "canifa-05d-outfit-similar", ["canifa", "system-core"]),
     ("06_user_insight.txt",     "canifa-06-user-insight",    ["canifa", "system-core"]),
     ("07_output_format.txt",    "canifa-07-output-format",   ["canifa", "system-core"]),
 ]
@@ -142,6 +143,7 @@ def verify(lf: Langfuse):
         ("04c Upsell",           "UPSELL & CROSS-SELL"),
         ("04d Urgency",          "URGENCY"),
         ("05 Tool Routing",      "KHI NÀO GỌI TOOL"),
+        ("05d Outfit/Similar",   "GỢI Ý SẢN PHẨM TƯƠNG TỰ"),
         ("06 User Insight",      "USER INSIGHT 2.0"),
         ("07 Output Format",     "FORMAT ĐẦU RA"),
         ("08 Season",            "HƯỚNG DẪN TƯ VẤN THEO MÙA"),

backend/agent/prompt_module/stylist_pro_prompts.py

@@ -87,13 +87,21 @@ Bạn là Chuyên gia Thời trang (Stylist Pro) của CANIFA. Bạn tư vấn d
 </system_role>
 
 <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):
-   - 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`.
-3. KIỂM TRA SỰ PHÙ HỢP: Đừng gợi ý đồ đông cho mùa hè, đừng gợi ý đồ đi làm là áo hoạt hình.
-4. KHÔNG TRẦN TÌNH THUẬT TOÁN: Đừng nói "Hệ thống trả về...", hãy nói "Canifa đang có sẵn...".
+1. CHIẾN THUẬT SIMILAR ITEMS (AUTO):
+   - Mặc định khi giới thiệu 1 sản phẩm chính, LUÔN gợi ý kèm 1-2 sản phẩm tương tự lấy từ mảng `similar_items` (nếu có).
+   - Mục đích: Tránh bế tắc, cho khách thêm lựa chọn (VD: "Ngoài ra, Canifa còn có mẫu [SKU tương tự] cực kỳ hợp dáng...").
+
+2. CHIẾN THUẬT OUTFIT (ON-DEMAND):
+   - CHỈ tung đồ phối khi khách có ý định rõ ràng (hỏi "phối", "mix", "mặc với gì", "combo", "set"). KHÔNG tự động phối đồ nếu khách chỉ tìm áo/quần đơn lẻ.
+   - Khi phối đồ: BẮT BUỘC lấy sản phẩm từ mảng `outfit_recommendations`. Dùng `role` và `reason` trong dữ liệu để giải thích thuyết phục (VD: "Với màu Xanh của áo, bạn nên phối với quần [SKU] vì...").
+
+3. NGUYÊN TẮC KIM CHỈ NAM (PIVOTING):
+   - Nếu khách đang xem SKU A nhưng lại hỏi sang SKU B (từ gợi ý similar/outfit), bạn phải đổi gốc, LẤY SKU B LÀM KIM CHỈ NAM MỚI.
+   - Các gợi ý tiếp theo phải xoay quanh metadata của SKU mới này.
+
+4. GỢI Ý NGAY & KHÔNG TRẦN TÌNH:
+   - Gợi ý luôn, không hỏi ngược lại trừ phi cực kỳ cần thiết.
+   - Không được nói "Theo hệ thống...", "Dữ liệu trả về...", hãy nói một cách tự nhiên như 1 stylist.
 </styling_philosophy>
 
 <user_memory_update>
@@ -104,11 +112,23 @@ Cập nhật 12 trường Insight:
 </user_memory_update>
 
 <formatting_rules>
+- VĂN PHONG NGẮN GỌN, TRỰC DIỆN: Cắt bỏ mọi lời lẽ dông dài, giải thích lan man. Đi thẳng vào việc giới thiệu sản phẩm.
+- TỐI ĐA HÓA SỰ LỰA CHỌN (CHỐT DEAL): Rất khuyến khích đưa ra 3-5 lựa chọn sản phẩm để khách có nhiều cơ hội chốt đơn. TUY NHIÊN, mỗi sản phẩm chỉ mô tả bằng 1 câu cực ngắn (Tên + SKU + 1 ưu điểm).
+- TRÌNH BÀY COMBO/OUTFIT GỌN GÀNG: Tuyệt đối không viết tổ hợp lộn xộn kiểu "Áo A + Quần B/C/D". Nếu giới thiệu 1 áo và 4 quần, chỉ cần nói ngắn gọn: "Gợi ý phối đồ: Áo polo [SKU] kết hợp với bất kỳ mẫu quần nào ở trên đều cực kỳ tôn dáng".
 - SKU sản phẩm phải bọc trong ngoặc tròn, ví dụ: (6TS25S001).
-- MỌI SKU nhắc đến trong text BẮT BUỘC phải nằm trong mảng product_ids.
-- Tối đa 250 từ. Không dán URL.
+- MỌI SKU nhắc đến trong text BẮT BUỘC phải nằm trong mảng product_ids. Không dán URL.
 </formatting_rules>
 
+<example_response>
+Dạ Canifa gợi ý 4 mẫu quần kaki nam dáng ôm (slim fit) vừa tôn dáng vừa thoải mái cho anh:
+1. Quần khaki nam dáng ôm (8BK25A004): Lên form khá sát nhưng co giãn tốt, hợp đi làm/đi chơi.
+2. Quần khaki nam cạp chun (8BK26A001): Cạp thun ẩn, ôm gọn nhưng rất dễ mặc.
+3. Quần khaki nam regular (8BK25W001): Dáng ôm vừa phải, ít kén dáng người.
+4. Quần khaki nam cạp trơn (8BK23A002): Bản giá tối ưu, giữ tinh thần lịch sự.
+
+💡 Gợi ý phối đồ: Để có outfit hoàn hảo, anh có thể kết hợp Áo polo nam (8TP26A003) với bất kỳ chiếc quần kaki nào ở trên đều cực kỳ hợp và thanh lịch.
+</example_response>
+
 <output_format>
 Trả về DUY NHẤT JSON:
 {{

backend/agent/tools/data_retrieval_tool.py

@@ -13,6 +13,8 @@ from .tool_module import SearchEngine as LegacySearchEngine
 
 logger = logging.getLogger(__name__)
 
+USE_LOCAL_SQLITE = True
+
 PROJECT_ROOT = Path(__file__).resolve().parents[3]
 if str(PROJECT_ROOT) not in sys.path:
     sys.path.append(str(PROJECT_ROOT))
@@ -20,7 +22,6 @@ if str(PROJECT_ROOT) not in sys.path:
 # Preference module is deprecated; use internal SearchEngine only.
 ProductSearchEngine = None
 
-
 class LiteralSearch(BaseModel):
     model_config = {"extra": "ignore"}
 
@@ -36,7 +37,18 @@ class InferredSearch(BaseModel):
     gender_target: Optional[str] = Field(default=None, description="Alias cu cua gender_by_product.")
     age_group: Optional[str] = Field(default=None, description="Alias cu cua age_by_product.")
     master_color: Optional[str] = Field(default=None, description="Mau sac.")
-    tags: List[str] = Field(default_factory=list, description="Intent tags: occ/style/fit/weather/function.")
+    tags: List[str] = Field(
+        default_factory=list,
+        description=(
+            "AI suy luận ý định khách -> chọn từ 4 TRỤC CỐ ĐỊNH (BẮT BUỘC có prefix!): "
+            "Trục 1 (occ:): occ:di_lam, occ:di_choi, occ:di_tiec, occ:di_hoc, occ:mac_nha, occ:the_thao, occ:di_bien, occ:du_lich, occ:da_ngoai, occ:di_ngu. "
+            "Trục 2a (wthr:): wthr:mua_he, wthr:mua_dong, wthr:giao_mua, wthr:troi_mua, wthr:troi_nang. "
+            "Trục 2b (func:): func:thoang_mat, func:giu_am, func:tham_hut, func:nhanh_kho, func:chong_uv, func:can_gio. "
+            "Trục 3 (style:): style:thanh_lich, style:nang_dong, style:basic, style:ca_tinh, style:de_thuong, style:tre_trung, style:toi_gian, style:smart_casual. "
+            "Trục 4 (fit:): fit:oversize, fit:slim, fit:regular, fit:wide_leg, fit:cropped, fit:relaxed. "
+            "KHÔNG tự nghĩ tag mới! PHẢI giữ prefix! Tối đa 3."
+        )
+    )
     keywords: List[str] = Field(default_factory=list, description="Tu khoa bo tro cho search.")
     price_min: Optional[int] = Field(default=None, description="Gia thap nhat.")
     price_max: Optional[int] = Field(default=None, description="Gia cao nhat.")
@@ -314,7 +326,12 @@ async def data_retrieval_tool(
     """
     configurable = config.get("configurable", {}) if config else {}
     db_source = configurable.get("db_source", "starrocks")
-    use_sqlite = db_source == "sqlite"
+
+    if USE_LOCAL_SQLITE:
+        use_sqlite = True
+    else:
+        use_sqlite = (db_source == "sqlite")
+
     shared_user_insight = user_insight or configurable.get("user_insight")
 
     per_search_results: List[Dict[str, Any]] = []

backend/agent/tools/tool_module/search_engine.py

@@ -9,6 +9,7 @@ from pydantic import BaseModel, Field
 
 # Core module imports từ local tool_module
 from .db_connector import DBConnector
+from .tags_mapping import TAG_TO_BITMAP_COL, TAG_TEXT_MAPPING
 from .product_mapping import get_related_lines, resolve_product_line
 from .pattern_detector import HardPatternDetector
 from .size_message_builder import build_size_message
@@ -229,6 +230,49 @@ def _build_fixed_clauses(inf: InferredSearch, params: list) -> list[str]:
 
     return clauses
 
+def _build_tag_clauses(tags: list[str], params: list) -> str:
+    if not tags: return ""
+    bitmap_by_col: dict[str, list[str]] = {}
+    text_terms: list[str] = []
+
+    for tag in tags:
+        tag_lower = tag.strip().lower()
+        if tag_lower in TAG_TO_BITMAP_COL:
+            col, val = TAG_TO_BITMAP_COL[tag_lower]
+            bitmap_by_col.setdefault(col, []).append(val)
+        elif tag_lower in TAG_TEXT_MAPPING:
+            text_terms.append(TAG_TEXT_MAPPING[tag_lower])
+        else:
+            # Fallback for hallucinated tags
+            clean_tag = tag_lower.replace("occ:", "").replace("style:", "").replace("fit:", "").replace("wthr:", "").replace("func:", "")
+            text_terms.append(clean_tag.replace("_", " "))
+
+    all_clauses = []
+    for col, values in bitmap_by_col.items():
+        if len(values) == 1:
+            params.append(values[0])
+            all_clauses.append(f"{col} = %s")
+        else:
+            placeholders = ", ".join(["%s"] * len(values))
+            params.extend(values)
+            all_clauses.append(f"{col} IN ({placeholders})")
+
+    if text_terms:
+        term_clauses = []
+        for term in text_terms:
+            term = term.strip()
+            if not term: continue
+            params.append(f"%{term}%")
+            params.append(f"%{term}%")
+            params.append(f"%{term}%")
+            term_clauses.append(f"(LOWER(description_text) LIKE %s OR LOWER(product_name) LIKE %s OR LOWER(tags) LIKE %s)")
+        if term_clauses:
+            all_clauses.append(f"({' OR '.join(term_clauses)})")
+
+    if all_clauses:
+        return f"({' OR '.join(all_clauses)})"
+    return ""
+
 
 def _build_exclusion_clauses(keywords: list, params: list) -> list[str]:
     clauses = []
@@ -279,9 +323,10 @@ class SearchEngine:
         # Lane 2: Inferred Structured Search
         params_inf = []
         fixed_inf = _build_fixed_clauses(inf, params_inf)
+        tag_search_clause = _build_tag_clauses(inf.tags, params_inf)
         ex_params = []
         exclusions = _build_exclusion_clauses(inf.keywords, ex_params)
-        sql_inf = _build_full_query(fixed_inf, None, exclusions)
+        sql_inf = _build_full_query(fixed_inf, tag_search_clause, exclusions)
         inferred_products = await self.db.execute_query(sql_inf, tuple(params_inf + ex_params))
 
         # Merge & Dedup (Ưu tiên Inferred trước để chuẩn phân loại)
@@ -347,13 +392,56 @@ class SearchEngine:
         return products
 
     @staticmethod
-    def _parse_outfit_recommendations(products: list) -> list:
+    def _parse_outfit_recommendations(products: list, inf=None) -> list:
         """Parse outfit_recommendations JSON string from One Big Table into list[dict]."""
+        # Determine occasion from inferred tags
+        occasion_context = ""
+        if inf and hasattr(inf, "tags") and inf.tags:
+            from agent.tools.tool_module.tags_mapping import TAG_TEXT_MAPPING
+            occasions = [TAG_TEXT_MAPPING.get(t) for t in inf.tags if t.startswith("occ:") and TAG_TEXT_MAPPING.get(t)]
+            if occasions:
+                occasion_context = f" Phù hợp mặc đi {', '.join(occasions)}."
+
         for p in products:
             raw = p.get("outfit_recommendations")
+            
+            # Fallback to product DB tags if no inferred occasion
+            prod_occ = occasion_context
+            if not prod_occ:
+                prod_tags_raw = p.get("tags")
+                if prod_tags_raw:
+                    try:
+                        import json
+                        if isinstance(prod_tags_raw, str):
+                            try:
+                                t_list = json.loads(prod_tags_raw)
+                            except:
+                                t_list = [t.strip() for t in prod_tags_raw.split(",")]
+                        elif isinstance(prod_tags_raw, list):
+                            t_list = prod_tags_raw
+                        else:
+                            t_list = []
+                            
+                        found_occ = [t for t in t_list if any(o in str(t).lower() for o in ["công sở", "đi làm", "đi chơi", "dạo phố", "mặc nhà", "mặc ngủ", "thể thao", "đi tiệc"])]
+                        if found_occ:
+                            prod_occ = f" Rất hợp để {found_occ[0].lower()}."
+                    except Exception:
+                        pass
+
             if raw and isinstance(raw, str):
                 try:
-                    p["outfit_recommendations"] = json.loads(raw)
+                    import json
+                    parsed = json.loads(raw)
+                    # Giới hạn max 5 outfit để tránh hàng trăm SP
+                    parsed = parsed[:5]
+                    
+                    # Thêm context dịp mặc vào reason
+                    if prod_occ:
+                        for outfit in parsed:
+                            if "reason" in outfit and prod_occ not in outfit["reason"]:
+                                outfit["reason"] += prod_occ
+                                
+                    p["outfit_recommendations"] = parsed
                 except (json.JSONDecodeError, TypeError):
                     p["outfit_recommendations"] = []
             elif not raw:
@@ -402,7 +490,7 @@ class SearchEngine:
 
         if products:
             products = self._parse_similar_items(products)
-            products = self._parse_outfit_recommendations(products)
+            products = self._parse_outfit_recommendations(products, inf)
             products = self._parse_description_data_full(products)
             for p in products:
                 raw_size = p.get("size_scale", "")

backend/agent/tools/tool_module/tags_mapping.py

+"""
+Centralized mapping for AI Stylist tags to Database constraints.
+This file maintains the exact mapping between LLM generated prefix tags (e.g., 'occ:di_lam') 
+and their corresponding SQLite/StarRocks database queries (either BITMAP columns or LIKE strings).
+"""
+
+TAG_TO_BITMAP_COL: dict[str, tuple[str, str]] = {
+    # Style
+    "style:thanh_lich":  ("style", "Feminine"),
+    "style:nang_dong":   ("style", "Dynamic"),
+    "style:basic":       ("style", "Basic"),
+    "style:ca_tinh":     ("style", "Street"),
+    "style:de_thuong":   ("style", "Cute"),
+    "style:tre_trung":   ("style", "Trend"),
+    "style:toi_gian":    ("style", "Essential"),
+    "style:smart_casual":("style", "Smart Casual"),
+    
+    # Fit
+    "fit:oversize":  ("fitting", "Oversize"),
+    "fit:slim":      ("fitting", "Slim"),
+    "fit:regular":   ("fitting", "Regular"),
+    "fit:wide_leg":  ("fitting", "Relax"),
+    "fit:cropped":   ("fitting", "Boxy"),
+    "fit:relaxed":   ("fitting", "Relax"),
+    
+    # Weather / Season
+    "wthr:mua_he":   ("season_sale", "Summer"),
+    "wthr:mua_dong": ("season_sale", "Winter"),
+    "wthr:giao_mua": ("season_sale", "Basic"),
+    
+    # Occasion mapped to Bitmap (e.g., season_sale or style)
+    "occ:di_bien":   ("season_sale", "Summer"),
+    "occ:du_lich":   ("season_sale", "Summer"),
+    "occ:the_thao":  ("style", "Athleisure"),
+}
+
+TAG_TEXT_MAPPING: dict[str, str] = {
+    # Occasion
+    "occ:di_lam": "công sở",
+    "occ:di_choi": "dạo phố",
+    "occ:di_tiec": "tiệc",
+    "occ:di_hoc": "đi học",
+    "occ:mac_nha": "mặc ngủ",
+    "occ:da_ngoai": "dã ngoại",
+    "occ:di_ngu": "mặc ngủ",
+    "occ:hang_ngay": "hàng ngày",
+    
+    # Weather
+    "wthr:troi_mua": "trời mưa",
+    "wthr:troi_nang": "trời nắng",
+    
+    # Function
+    "func:thoang_mat": "thoáng mát",
+    "func:giu_am": "giữ ấm",
+    "func:tham_hut": "thấm hút",
+    "func:nhanh_kho": "nhanh khô",
+    "func:chong_uv": "chống uv",
+    "func:can_gio": "cản gió",
+}

backend/config.py

@@ -132,6 +132,7 @@ STARROCKS_PORT: int = int(os.getenv("STARROCKS_PORT", "9030"))
 STARROCKS_USER: str | None = os.getenv("STARROCKS_USER")
 STARROCKS_PASSWORD: str | None = os.getenv("STARROCKS_PASSWORD")
 STARROCKS_DB: str | None = os.getenv("STARROCKS_DB")
+USE_LOCAL_SQLITE: bool = os.getenv("USE_LOCAL_SQLITE", "false").lower() == "true"
 
 # Placeholder for backward compatibility if needed
 AI_MODEL_NAME = DEFAULT_MODEL

backend/di_lam.txt

+[('Chân váy', 'di_lam', 'outerwear'), ('Chân váy', 'di_lam', 'outerwear'), ('Găng tay chống nắng', 'di_lam', 'outerwear'), ('Khăn', 'di_lam', 'outerwear'), ('Khẩu trang', 'di_lam', 'outerwear'), ('Mũ', 'di_lam', 'outerwear'), ('Quần Body', 'di_lam', 'outerwear'), ('Quần Khaki', 'di_lam', 'outerwear'), ('Quần Khaki', 'di_lam', 'outerwear'), ('Quần Khaki', 'di_lam', 'outerwear'), ('Quần dài', 'di_lam', 'outerwear'), ('Quần dài', 'di_lam', 'outerwear'), ('Quần dài', 'di_lam', 'outerwear'), ('Quần dài', 'di_lam', 'outerwear'), ('Quần dài', 'di_lam', 'outerwear'), ('Quần dài', 'di_lam', 'outerwear'), ('Quần dài', 'di_lam', 'outerwear'), ('Quần giữ nhiệt', 'di_lam', 'outerwear'), ('Quần giữ nhiệt', 'di_lam', 'outerwear'), ('Quần jean', 'di_lam', 'outerwear'), ('Quần jean', 'di_lam', 'outerwear'), ('Quần jean', 'di_lam', 'outerwear'), ('Quần jean', 'di_lam', 'outerwear'), ('Quần jean', 'di_lam', 'outerwear'), ('Quần jean', 'di_lam', 'outerwear'), ('Quần leggings', 'di_lam', 'outerwear'), ('Quần nỉ', 'di_lam', 'outerwear'), ('Quần nỉ', 'di_lam', 'outerwear'), ('Quần nỉ', 'di_lam', 'outerwear'), ('Quần nỉ', 'di_lam', 'outerwear'), ('Quần nỉ', 'di_lam', 'outerwear'), ('Túi xách', 'di_lam', 'outerwear'), ('Túi xách', 'di_lam', 'outerwear'), ('Váy liền', 'di_lam', 'outerwear'), ('Váy liền', 'di_lam', 'outerwear'), ('Váy liền', 'di_lam', 'outerwear'), ('Váy liền', 'di_lam', 'outerwear'), ('Váy liền', 'di_lam', 'outerwear'), ('Áo Body', 'di_lam', 'outerwear'), ('Áo Body', 'di_lam', 'outerwear'), ('Áo Body', 'di_lam', 'outerwear'), ('Áo Body', 'di_lam', 'outerwear'), ('Áo Body', 'di_lam', 'outerwear'), ('Áo Sơ mi', 'di_lam', 'outerwear'), ('Áo Sơ mi', 'di_lam', 'outerwear'), ('Áo Sơ mi', 'di_lam', 'outerwear'), ('Áo Sơ mi', 'di_lam', 'outerwear'), ('Áo Sơ mi', 'di_lam', 'outerwear'), ('Áo Sơ mi', 'di_lam', 'outerwear'), ('Áo Sơ mi', 'di_lam', 'outerwear'), ('Áo Sơ mi', 'di_lam', 'outerwear'), ('Áo ba lỗ', 'di_lam', 'outerwear'), ('Áo ba lỗ', 'di_lam', 'outerwear'), ('Áo ba lỗ', 'di_lam', 'outerwear'), ('Áo ba lỗ', 'di_lam', 'outerwear'), ('Áo giữ nhiệt', 'di_lam', 'outerwear'), ('Áo giữ nhiệt', 'di_lam', 'outerwear'), ('Áo giữ nhiệt', 'di_lam', 'outerwear'), ('Áo giữ nhiệt', 'di_lam', 'outerwear'), ('Áo giữ nhiệt', 'di_lam', 'outerwear'), ('Áo giữ nhiệt', 'di_lam', 'outerwear'), ('Áo hai dây', 'di_lam', 'outerwear'), ('Áo kiểu', 'di_lam', 'outerwear'), ('Áo len', 'di_lam', 'outerwear'), ('Áo len', 'di_lam', 'outerwear'), ('Áo nỉ', 'di_lam', 'outerwear'), ('Áo nỉ', 'di_lam', 'outerwear'), ('Áo nỉ', 'di_lam', 'outerwear'), ('Áo nỉ', 'di_lam', 'outerwear'), ('Áo nỉ', 'di_lam', 'outerwear'), ('Áo nỉ có mũ', 'di_lam', 'outerwear'), ('Áo nỉ có mũ', 'di_lam', 'outerwear'), ('Áo nỉ có mũ', 'di_lam', 'outerwear'), ('Áo nỉ có mũ', 'di_lam', 'outerwear'), ('Áo phông', 'di_lam', 'outerwear'), ('Áo phông', 'di_lam', 'outerwear'), ('Áo phông', 'di_lam', 'outerwear'), ('Áo phông', 'di_lam', 'outerwear'), ('Áo phông', 'di_lam', 'outerwear'), ('Áo phông', 'di_lam', 'outerwear'), ('Áo phông', 'di_lam', 'outerwear'), ('Áo phông', 'di_lam', 'outerwear'), ('Áo phông', 'di_lam', 'outerwear'), ('Áo phông', 'di_lam', 'outerwear'), ('Áo phông', 'di_lam', 'outerwear'), ('Áo phông', 'di_lam', 'outerwear'), ('Áo phông', 'di_lam', 'outerwear')]
\ No newline at end of file

backend/output.txt

 ----------------

backend/scratch/api_tester.py

@@ -37,18 +37,10 @@ def test_query(query, description):
         print(f"⚠️ Connection failed: {e}")
 
 if __name__ == "__main__":
-    print("🚀 Starting Canifa AI Stylist API Verification...")
+    print("🚀 Testing Canifa AI Stylist Tags Logic...")
     
-    # 1. Test Product Search (SQLite Mock Logic)
-    test_query("Tìm áo phông cho bé trai", "Product Search (SQLite Mock)")
-    
-    # 2. Test Promotion (StarRocks Production)
-    test_query("Hôm nay có khuyến mãi gì hot không?", "Promotion Search (StarRocks)")
-    
-    # 3. Test Knowledge (StarRocks Production)
-    test_query("Chính sách đổi trả của Canifa thế nào?", "Knowledge Search (StarRocks)")
-    
-    # 4. Test Store (StarRocks Production)
-    test_query("Tìm cửa hàng ở Cầu Giấy", "Store Search (StarRocks)")
+    # Test tags map
+    test_query("Tìm quần âu nam mặc đi làm công sở", "Test Tag: Đi làm công sở")
+    test_query("áo thun mặc ở nhà cho nữ", "Test Tag: Ở nhà / mặc ngủ")
     
     print("\n✅ Verification sequence completed.")

backend/scratch/api_tester_5005.py

+import requests
+
+BASE_URL = "http://localhost:5005/api/agent/chat-dev"
+
+def test_query(query, description):
+    print(f"\nTEST: {description}")
+    print(f"QUERY: '{query}'")
+    try:
+        response = requests.post(BASE_URL, json={"user_query": query}, timeout=60)
+        print("Status code:", response.status_code)
+    except Exception as e:
+        print(f"Connection failed: {e}")
+
+if __name__ == "__main__":
+    test_query("Tìm quần âu nam mặc đi làm công sở", "Test Tag")

backend/scratch/test_query.py

+import sys
+import asyncio
+sys.path.append(r"d:\cnf\chatbot_canifa\backend")
+from agent.tools.tool_module.search_engine import SearchEngine
+from agent.tools.data_retrieval_tool import InferredSearch
+
+async def main():
+    se = SearchEngine(use_sqlite=True)
+    inf = InferredSearch(tags=["occ:di_lam"], keywords=[])
+    res = await se._dual_lane_search("", inf)
+    print("Found:", len(res[0]) if res and isinstance(res, tuple) else res)
+
+asyncio.run(main())

backend/static/index.html

@@ -199,6 +199,9 @@ Always respond warmly in Vietnamese.</textarea>
                 const price = isObj ? (p.price || p.sale_price || 0) : 0;
                 const oldPrice = isObj ? ((p.original_price && p.price && p.original_price > p.price) ? p.original_price : null) : null;
                 const url = isObj ? (p.url ? (p.url.startsWith('http') ? p.url : `https://canifa.com/${p.url}`) : '#') : '#';
+                
+                const colorName = isObj ? (p.color_name || '') : '';
+                const colorDisplay = colorName ? `<div class="p-color" title="${colorName}" style="display:inline-block; font-size:11px; padding:2px 6px; background:#f5f5f5; color:#555; border-radius:4px; margin-bottom:4px; margin-top:4px;">${colorName}</div>` : '';
 
                 const card = document.createElement('a');
                 card.className = 'p-card';
@@ -210,6 +213,7 @@ Always respond warmly in Vietnamese.</textarea>
                     </div>
                     <div class="p-meta">
                         <div class="p-name" title="${name}">${name}</div>
+                        ${colorDisplay}
                         <div class="p-price-row">
                             <span class="p-price">${price.toLocaleString('vi-VN')}đ</span>
                             ${oldPrice ? `<span class="p-old">${oldPrice.toLocaleString('vi-VN')}đ</span>` : ''}