fix: agent search uses smart_search for content queries

- Update system prompt to prioritize smart_search over find_file
- Add source prefix ([OCR], [ASRX], [ASRX+OCR]) to exec_smart_search results
- Users can now see chunk content with source indicators

src/api/agent_search.rs

@@ -86,19 +86,23 @@ const SYSTEM_PROMPT: &str = r#"你是 Momentry 影片分析助手。回答用戶
 - 只有當多個搜尋工具都返回空、且問題明顯指向特定影片時，才問用戶
 - 搜尋工具（find_file, list_files, smart_search, universal_search）的 file_uuid 參數可省略以搜尋全部
 
-## 工具使用規則
+## 工具使用規則（重要：優先使用 smart_search）
-1. 人物問題優先使用 tkg_query
+1. **內容/關鍵字問題優先使用 smart_search** — 可以找到影片內的具體文字內容（OCR、ASR）
-2. 人物台詞/發言問題使用 identities_search（輸入人名→回傳台詞片段）
+2. **如果 smart_search 找到結果，附帶顯示 chunk 文字內容**（包含 [OCR]、[ASRX] 標記）
-3. 人物對話互動（誰跟誰說話）使用 tkg_query 的 speaker_interaction
+3. find_file 僅用於搜尋片名，不適合搜尋內容關鍵字
-4. 人物台詞內容使用 tkg_query 的 speaker_dialogue
+4. 人物問題使用 tkg_query
-5. 用文字反查人物使用 identity_text（輸入關鍵字→找出誰說/提到這段話）
+5. 人物台詞/發言問題使用 identities_search（輸入人名→回傳台詞片段）
-6. 語意/內容問題使用 smart_search 或 universal_search
+6. 人物對話互動（誰跟誰說話）使用 tkg_query 的 speaker_interaction
-7. 畫面分析使用 analyze_frame — 可以分析影片中的任何畫面內容（場景、人物表情、動作、物件等）
+7. 人物台詞內容使用 tkg_query 的 speaker_dialogue
-8. **可以同時呼叫多個工具，但需符合以下條件：**
+8. 用文字反查人物使用 identity_text（輸入關鍵字→找出誰說/提到這段話）
+9. 畫面分析使用 analyze_frame — 可以分析影片中的任何畫面內容（場景、人物表情、動作、物件等）
+10. **可以同時呼叫多個工具，但需符合以下條件：**
     - ✅ 查詢多部影片的相同資訊（如：3部影片的人物列表）
     - ✅ 需要組合多個來源的資訊才能回答（如：file_info + tkg_query）
     - ❌ 不要為了「嘗試所有可能」而盲目並行呼叫
     - ❌ 如果單一工具已返回足夠答案，不需要額外呼叫
+    - ❌ 如果 smart_search 已找到相關 chunk，不需要再呼叫 find_file
+   - ❌ 如果單一工具已返回足夠答案，不需要額外呼叫
 
 ## 回答規則
 - 回答長度依問題類型調整：

src/core/agent/tools.rs

@@ -555,7 +555,7 @@ pub async fn exec_smart_search(
 
     let chunk_table = schema::table_name("chunk");
     let mut sql = format!(
-        "SELECT chunk_id, text_content, start_frame, end_frame, chunk_type \
+        "SELECT chunk_id, text_content, start_frame, end_frame, chunk_type, content \
          FROM {} WHERE text_content ILIKE $1",
         chunk_table
     );
@@ -566,21 +566,87 @@ pub async fn exec_smart_search(
 
     if let Some(fuid) = file_uuid {
         let like = format!("%{}%", query);
-        let rows: Vec<(String, Option<String>, i64, i64, String)> = sqlx::query_as(&sql)
+        let rows: Vec<(String, Option<String>, i64, i64, String, Option<serde_json::Value>)> = sqlx::query_as(&sql)
             .bind(&like)
             .bind(fuid)
             .fetch_all(pool)
             .await
             .map_err(|e| e.to_string())?;
-        Ok(serde_json::json!({"results": rows}).to_string())
+        
+        let results: Vec<Vec<serde_json::Value>> = rows.into_iter().map(|(chunk_id, text_content, start_frame, end_frame, chunk_type, content)| {
+            let source_prefix = if let Some(ref content) = content {
+                let text = content.get("text").and_then(|t| t.as_str()).unwrap_or("");
+                let ocr_text = content.get("ocr_text").and_then(|t| t.as_str()).unwrap_or("");
+                
+                let has_asrx = !text.trim().is_empty();
+                let has_ocr = !ocr_text.trim().is_empty();
+                
+                if has_asrx && has_ocr {
+                    "[ASRX+OCR] "
+                } else if has_asrx {
+                    "[ASRX] "
+                } else if has_ocr {
+                    "[OCR] "
+                } else {
+                    ""
+                }
+            } else {
+                ""
+            };
+            
+            let prefixed_text = text_content.map(|t| format!("{}{}", source_prefix, t));
+            
+            vec![
+                serde_json::json!(chunk_id),
+                serde_json::json!(prefixed_text),
+                serde_json::json!(start_frame),
+                serde_json::json!(end_frame),
+                serde_json::json!(chunk_type),
+            ]
+        }).collect();
+        
+        Ok(serde_json::json!({"results": results}).to_string())
     } else {
         let like = format!("%{}%", query);
-        let rows: Vec<(String, Option<String>, i64, i64, String)> = sqlx::query_as(&sql)
+        let rows: Vec<(String, Option<String>, i64, i64, String, Option<serde_json::Value>)> = sqlx::query_as(&sql)
             .bind(&like)
             .fetch_all(pool)
             .await
             .map_err(|e| e.to_string())?;
-        Ok(serde_json::json!({"results": rows}).to_string())
+        
+        let results: Vec<Vec<serde_json::Value>> = rows.into_iter().map(|(chunk_id, text_content, start_frame, end_frame, chunk_type, content)| {
+            let source_prefix = if let Some(ref content) = content {
+                let text = content.get("text").and_then(|t| t.as_str()).unwrap_or("");
+                let ocr_text = content.get("ocr_text").and_then(|t| t.as_str()).unwrap_or("");
+                
+                let has_asrx = !text.trim().is_empty();
+                let has_ocr = !ocr_text.trim().is_empty();
+                
+                if has_asrx && has_ocr {
+                    "[ASRX+OCR] "
+                } else if has_asrx {
+                    "[ASRX] "
+                } else if has_ocr {
+                    "[OCR] "
+                } else {
+                    ""
+                }
+            } else {
+                ""
+            };
+            
+            let prefixed_text = text_content.map(|t| format!("{}{}", source_prefix, t));
+            
+            vec![
+                serde_json::json!(chunk_id),
+                serde_json::json!(prefixed_text),
+                serde_json::json!(start_frame),
+                serde_json::json!(end_frame),
+                serde_json::json!(chunk_type),
+            ]
+        }).collect();
+        
+        Ok(serde_json::json!({"results": results}).to_string())
     }
 }