chore: update

22ce87b3 · 王鹏飞 · 2a12bcd2 · 22ce87b3 · 22ce87b3 · 22ce87b3
--- a/package-lock.json
+++ b/package-lock.json
@@ -27,7 +27,8 @@
        "react-dom": "^18.3.1",
        "react-markdown": "^10.1.0",
        "react-router": "^7.4.0",
-        "react-syntax-highlighter": "^15.6.1",
+        "rehype-highlight": "^7.0.2",
+        "rehype-raw": "^7.0.0",
        "remark-gfm": "^4.0.1",
        "xlsx": "https://cdn.sheetjs.com/xlsx-0.20.3/xlsx-0.20.3.tgz",
        "zustand": "^5.0.3"
@@ -4272,6 +4273,18 @@
        "node": ">=10.13.0"
      }
    },
+    "node_modules/entities": {
+      "version": "4.5.0",
+      "resolved": "https://registry.npmjs.org/entities/-/entities-4.5.0.tgz",
+      "integrity": "sha512-V0hjH4dGPh9Ao5p0MoRY6BVqtwCjhz6vI5LT8AJ55H+4g9/4vbHx1I54fS0XuclLhDHArPQCiMjDxjaL8fPxhw==",
+      "license": "BSD-2-Clause",
+      "engines": {
+        "node": ">=0.12"
+      },
+      "funding": {
+        "url": "https://github.com/fb55/entities?sponsor=1"
+      }
+    },
    "node_modules/es-abstract": {
      "version": "1.23.9",
      "resolved": "https://registry.npmjs.org/es-abstract/-/es-abstract-1.23.9.tgz",
@@ -4805,19 +4818,6 @@
        "reusify": "^1.0.4"
      }
    },
-    "node_modules/fault": {
-      "version": "1.0.4",
-      "resolved": "https://registry.npmjs.org/fault/-/fault-1.0.4.tgz",
-      "integrity": "sha512-CJ0HCB5tL5fYTEA7ToAq5+kTwd++Borf1/bifxd9iT70QcXr4MRrO3Llf8Ifs70q+SJcGHFtnIE/Nw6giCtECA==",
-      "license": "MIT",
-      "dependencies": {
-        "format": "^0.2.0"
-      },
-      "funding": {
-        "type": "github",
-        "url": "https://github.com/sponsors/wooorm"
-      }
-    },
    "node_modules/fecha": {
      "version": "4.2.3",
      "resolved": "https://registry.npmjs.org/fecha/-/fecha-4.2.3.tgz",
@@ -5039,14 +5039,6 @@
        "node": ">= 6"
      }
    },
-    "node_modules/format": {
-      "version": "0.2.2",
-      "resolved": "https://registry.npmjs.org/format/-/format-0.2.2.tgz",
-      "integrity": "sha512-wzsgA6WOq+09wrU1tsJ09udeR/YZRaeArL9e1wPbFg3GG2yDnC2ldKpxs4xunpFF9DgqCqOIra3bc1HWrJ37Ww==",
-      "engines": {
-        "node": ">=0.4.x"
-      }
-    },
    "node_modules/fs.realpath": {
      "version": "1.0.0",
      "resolved": "https://registry.npmjs.org/fs.realpath/-/fs.realpath-1.0.0.tgz",
@@ -5434,11 +5426,89 @@
        "node": ">= 0.4"
      }
    },
-    "node_modules/hast-util-parse-selector": {
-      "version": "2.2.5",
-      "resolved": "https://registry.npmjs.org/hast-util-parse-selector/-/hast-util-parse-selector-2.2.5.tgz",
-      "integrity": "sha512-7j6mrk/qqkSehsM92wQjdIgWM2/BW61u/53G6xmC8i1OmEdKLHbk419QKQUjz6LglWsfqoiHmyMRkP1BGjecNQ==",
+    "node_modules/hast-util-from-parse5": {
+      "version": "8.0.3",
+      "resolved": "https://registry.npmjs.org/hast-util-from-parse5/-/hast-util-from-parse5-8.0.3.tgz",
+      "integrity": "sha512-3kxEVkEKt0zvcZ3hCRYI8rqrgwtlIOFMWkbclACvjlDw8Li9S2hk/d51OI0nr/gIpdMHNepwgOKqZ/sy0Clpyg==",
      "license": "MIT",
+      "dependencies": {
+        "@types/hast": "^3.0.0",
+        "@types/unist": "^3.0.0",
+        "devlop": "^1.0.0",
+        "hastscript": "^9.0.0",
+        "property-information": "^7.0.0",
+        "vfile": "^6.0.0",
+        "vfile-location": "^5.0.0",
+        "web-namespaces": "^2.0.0"
+      },
+      "funding": {
+        "type": "opencollective",
+        "url": "https://opencollective.com/unified"
+      }
+    },
+    "node_modules/hast-util-from-parse5/node_modules/hast-util-parse-selector": {
+      "version": "4.0.0",
+      "resolved": "https://registry.npmjs.org/hast-util-parse-selector/-/hast-util-parse-selector-4.0.0.tgz",
+      "integrity": "sha512-wkQCkSYoOGCRKERFWcxMVMOcYE2K1AaNLU8DXS9arxnLOUEWbOXKXiJUNzEpqZ3JOKpnha3jkFrumEjVliDe7A==",
+      "license": "MIT",
+      "dependencies": {
+        "@types/hast": "^3.0.0"
+      },
+      "funding": {
+        "type": "opencollective",
+        "url": "https://opencollective.com/unified"
+      }
+    },
+    "node_modules/hast-util-from-parse5/node_modules/hastscript": {
+      "version": "9.0.1",
+      "resolved": "https://registry.npmjs.org/hastscript/-/hastscript-9.0.1.tgz",
+      "integrity": "sha512-g7df9rMFX/SPi34tyGCyUBREQoKkapwdY/T04Qn9TDWfHhAYt4/I0gMVirzK5wEzeUqIjEB+LXC/ypb7Aqno5w==",
+      "license": "MIT",
+      "dependencies": {
+        "@types/hast": "^3.0.0",
+        "comma-separated-tokens": "^2.0.0",
+        "hast-util-parse-selector": "^4.0.0",
+        "property-information": "^7.0.0",
+        "space-separated-tokens": "^2.0.0"
+      },
+      "funding": {
+        "type": "opencollective",
+        "url": "https://opencollective.com/unified"
+      }
+    },
+    "node_modules/hast-util-is-element": {
+      "version": "3.0.0",
+      "resolved": "https://registry.npmjs.org/hast-util-is-element/-/hast-util-is-element-3.0.0.tgz",
+      "integrity": "sha512-Val9mnv2IWpLbNPqc/pUem+a7Ipj2aHacCwgNfTiK0vJKl0LF+4Ba4+v1oPHFpf3bLYmreq0/l3Gud9S5OH42g==",
+      "license": "MIT",
+      "dependencies": {
+        "@types/hast": "^3.0.0"
+      },
+      "funding": {
+        "type": "opencollective",
+        "url": "https://opencollective.com/unified"
+      }
+    },
+    "node_modules/hast-util-raw": {
+      "version": "9.1.0",
+      "resolved": "https://registry.npmjs.org/hast-util-raw/-/hast-util-raw-9.1.0.tgz",
+      "integrity": "sha512-Y8/SBAHkZGoNkpzqqfCldijcuUKh7/su31kEBp67cFY09Wy0mTRgtsLYsiIxMJxlu0f6AA5SUTbDR8K0rxnbUw==",
+      "license": "MIT",
+      "dependencies": {
+        "@types/hast": "^3.0.0",
+        "@types/unist": "^3.0.0",
+        "@ungap/structured-clone": "^1.0.0",
+        "hast-util-from-parse5": "^8.0.0",
+        "hast-util-to-parse5": "^8.0.0",
+        "html-void-elements": "^3.0.0",
+        "mdast-util-to-hast": "^13.0.0",
+        "parse5": "^7.0.0",
+        "unist-util-position": "^5.0.0",
+        "unist-util-visit": "^5.0.0",
+        "vfile": "^6.0.0",
+        "web-namespaces": "^2.0.0",
+        "zwitch": "^2.0.0"
+      },
      "funding": {
        "type": "opencollective",
        "url": "https://opencollective.com/unified"
@@ -5471,99 +5541,64 @@
        "url": "https://opencollective.com/unified"
      }
    },
-    "node_modules/hast-util-whitespace": {
-      "version": "3.0.0",
-      "resolved": "https://registry.npmjs.org/hast-util-whitespace/-/hast-util-whitespace-3.0.0.tgz",
-      "integrity": "sha512-88JUN06ipLwsnv+dVn+OIYOvAuvBMy/Qoi6O7mQHxdPXpjy+Cd6xRkWwux7DKO+4sYILtLBRIKgsdpS2gQc7qw==",
-      "license": "MIT",
-      "dependencies": {
-        "@types/hast": "^3.0.0"
-      },
-      "funding": {
-        "type": "opencollective",
-        "url": "https://opencollective.com/unified"
-      }
-    },
-    "node_modules/hastscript": {
-      "version": "6.0.0",
-      "resolved": "https://registry.npmjs.org/hastscript/-/hastscript-6.0.0.tgz",
-      "integrity": "sha512-nDM6bvd7lIqDUiYEiu5Sl/+6ReP0BMk/2f4U/Rooccxkj0P5nm+acM5PrGJ/t5I8qPGiqZSE6hVAwZEdZIvP4w==",
+    "node_modules/hast-util-to-parse5": {
+      "version": "8.0.0",
+      "resolved": "https://registry.npmjs.org/hast-util-to-parse5/-/hast-util-to-parse5-8.0.0.tgz",
+      "integrity": "sha512-3KKrV5ZVI8if87DVSi1vDeByYrkGzg4mEfeu4alwgmmIeARiBLKCZS2uw5Gb6nU9x9Yufyj3iudm6i7nl52PFw==",
      "license": "MIT",
      "dependencies": {
-        "@types/hast": "^2.0.0",
-        "comma-separated-tokens": "^1.0.0",
-        "hast-util-parse-selector": "^2.0.0",
-        "property-information": "^5.0.0",
-        "space-separated-tokens": "^1.0.0"
+        "@types/hast": "^3.0.0",
+        "comma-separated-tokens": "^2.0.0",
+        "devlop": "^1.0.0",
+        "property-information": "^6.0.0",
+        "space-separated-tokens": "^2.0.0",
+        "web-namespaces": "^2.0.0",
+        "zwitch": "^2.0.0"
      },
      "funding": {
        "type": "opencollective",
        "url": "https://opencollective.com/unified"
      }
    },
-    "node_modules/hastscript/node_modules/@types/hast": {
-      "version": "2.3.10",
-      "resolved": "https://registry.npmjs.org/@types/hast/-/hast-2.3.10.tgz",
-      "integrity": "sha512-McWspRw8xx8J9HurkVBfYj0xKoE25tOFlHGdx4MJ5xORQrMGZNqJhVQWaIbm6Oyla5kYOXtDiopzKRJzEOkwJw==",
-      "license": "MIT",
-      "dependencies": {
-        "@types/unist": "^2"
-      }
-    },
-    "node_modules/hastscript/node_modules/@types/unist": {
-      "version": "2.0.11",
-      "resolved": "https://registry.npmjs.org/@types/unist/-/unist-2.0.11.tgz",
-      "integrity": "sha512-CmBKiL6NNo/OqgmMn95Fk9Whlp2mtvIv+KNpQKN2F4SjvrEesubTRWGYSg+BnWZOnlCaSTU1sMpsBOzgbYhnsA==",
-      "license": "MIT"
-    },
-    "node_modules/hastscript/node_modules/comma-separated-tokens": {
-      "version": "1.0.8",
-      "resolved": "https://registry.npmjs.org/comma-separated-tokens/-/comma-separated-tokens-1.0.8.tgz",
-      "integrity": "sha512-GHuDRO12Sypu2cV70d1dkA2EUmXHgntrzbpvOB+Qy+49ypNfGgFQIC2fhhXbnyrJRynDCAARsT7Ou0M6hirpfw==",
+    "node_modules/hast-util-to-parse5/node_modules/property-information": {
+      "version": "6.5.0",
+      "resolved": "https://registry.npmjs.org/property-information/-/property-information-6.5.0.tgz",
+      "integrity": "sha512-PgTgs/BlvHxOu8QuEN7wi5A0OmXaBcHpmCSTehcs6Uuu9IkDIEo13Hy7n898RHfrQ49vKCoGeWZSaAK01nwVig==",
      "license": "MIT",
      "funding": {
        "type": "github",
        "url": "https://github.com/sponsors/wooorm"
      }
    },
-    "node_modules/hastscript/node_modules/property-information": {
-      "version": "5.6.0",
-      "resolved": "https://registry.npmjs.org/property-information/-/property-information-5.6.0.tgz",
-      "integrity": "sha512-YUHSPk+A30YPv+0Qf8i9Mbfe/C0hdPXk1s1jPVToV8pk8BQtpw10ct89Eo7OWkutrwqvT0eicAxlOg3dOAu8JA==",
+    "node_modules/hast-util-to-text": {
+      "version": "4.0.2",
+      "resolved": "https://registry.npmjs.org/hast-util-to-text/-/hast-util-to-text-4.0.2.tgz",
+      "integrity": "sha512-KK6y/BN8lbaq654j7JgBydev7wuNMcID54lkRav1P0CaE1e47P72AWWPiGKXTJU271ooYzcvTAn/Zt0REnvc7A==",
      "license": "MIT",
      "dependencies": {
-        "xtend": "^4.0.0"
+        "@types/hast": "^3.0.0",
+        "@types/unist": "^3.0.0",
+        "hast-util-is-element": "^3.0.0",
+        "unist-util-find-after": "^5.0.0"
      },
      "funding": {
-        "type": "github",
-        "url": "https://github.com/sponsors/wooorm"
+        "type": "opencollective",
+        "url": "https://opencollective.com/unified"
      }
    },
-    "node_modules/hastscript/node_modules/space-separated-tokens": {
-      "version": "1.1.5",
-      "resolved": "https://registry.npmjs.org/space-separated-tokens/-/space-separated-tokens-1.1.5.tgz",
-      "integrity": "sha512-q/JSVd1Lptzhf5bkYm4ob4iWPjx0KiRe3sRFBNrVqbJkFaBm5vbbowy1mymoPNLRa52+oadOhJ+K49wsSeSjTA==",
+    "node_modules/hast-util-whitespace": {
+      "version": "3.0.0",
+      "resolved": "https://registry.npmjs.org/hast-util-whitespace/-/hast-util-whitespace-3.0.0.tgz",
+      "integrity": "sha512-88JUN06ipLwsnv+dVn+OIYOvAuvBMy/Qoi6O7mQHxdPXpjy+Cd6xRkWwux7DKO+4sYILtLBRIKgsdpS2gQc7qw==",
      "license": "MIT",
+      "dependencies": {
+        "@types/hast": "^3.0.0"
+      },
      "funding": {
-        "type": "github",
-        "url": "https://github.com/sponsors/wooorm"
-      }
-    },
-    "node_modules/highlight.js": {
-      "version": "10.7.3",
-      "resolved": "https://registry.npmjs.org/highlight.js/-/highlight.js-10.7.3.tgz",
-      "integrity": "sha512-tzcUFauisWKNHaRkN4Wjl/ZA07gENAjFl3J/c480dprkGTg5EQstgaNFqBfUqCq54kZRIEcreTsAgF/m2quD7A==",
-      "license": "BSD-3-Clause",
-      "engines": {
-        "node": "*"
+        "type": "opencollective",
+        "url": "https://opencollective.com/unified"
      }
    },
-    "node_modules/highlightjs-vue": {
-      "version": "1.0.0",
-      "resolved": "https://registry.npmjs.org/highlightjs-vue/-/highlightjs-vue-1.0.0.tgz",
-      "integrity": "sha512-PDEfEF102G23vHmPhLyPboFCD+BkMGu+GuJe2d9/eH4FsCwvgBpnc9n0pGE+ffKdph38s6foEZiEjdgHdzp+IA==",
-      "license": "CC0-1.0"
-    },
    "node_modules/html-url-attributes": {
      "version": "3.0.1",
      "resolved": "https://registry.npmjs.org/html-url-attributes/-/html-url-attributes-3.0.1.tgz",
@@ -5574,6 +5609,16 @@
        "url": "https://opencollective.com/unified"
      }
    },
+    "node_modules/html-void-elements": {
+      "version": "3.0.0",
+      "resolved": "https://registry.npmjs.org/html-void-elements/-/html-void-elements-3.0.0.tgz",
+      "integrity": "sha512-bEqo66MRXsUGxWHV5IP0PUiAWwoEjba4VCzg0LjFJBpchPaTfyfCKTG6bc5F8ucKec3q5y6qOdGyYTSBEvhCrg==",
+      "license": "MIT",
+      "funding": {
+        "type": "github",
+        "url": "https://github.com/sponsors/wooorm"
+      }
+    },
    "node_modules/hull.js": {
      "version": "1.0.6",
      "resolved": "https://registry.npmjs.org/hull.js/-/hull.js-1.0.6.tgz",
@@ -6399,20 +6444,6 @@
        "loose-envify": "cli.js"
      }
    },
-    "node_modules/lowlight": {
-      "version": "1.20.0",
-      "resolved": "https://registry.npmjs.org/lowlight/-/lowlight-1.20.0.tgz",
-      "integrity": "sha512-8Ktj+prEb1RoCPkEOrPMYUN/nCggB7qAWe3a7OpMjWQkh3l2RD5wKRQ+o8Q8YuI9RG/xs95waaI/E6ym/7NsTw==",
-      "license": "MIT",
-      "dependencies": {
-        "fault": "^1.0.0",
-        "highlight.js": "~10.7.0"
-      },
-      "funding": {
-        "type": "github",
-        "url": "https://github.com/sponsors/wooorm"
-      }
-    },
    "node_modules/lucide-react": {
      "version": "0.484.0",
      "resolved": "https://registry.npmjs.org/lucide-react/-/lucide-react-0.484.0.tgz",
@@ -7635,6 +7666,18 @@
      "integrity": "sha512-CmBKiL6NNo/OqgmMn95Fk9Whlp2mtvIv+KNpQKN2F4SjvrEesubTRWGYSg+BnWZOnlCaSTU1sMpsBOzgbYhnsA==",
      "license": "MIT"
    },
+    "node_modules/parse5": {
+      "version": "7.2.1",
+      "resolved": "https://registry.npmjs.org/parse5/-/parse5-7.2.1.tgz",
+      "integrity": "sha512-BuBYQYlv1ckiPdQi/ohiivi9Sagc9JG+Ozs0r7b/0iK3sKmrb0b9FdWdBbOdx6hBCM/F9Ir82ofnBhtZOjCRPQ==",
+      "license": "MIT",
+      "dependencies": {
+        "entities": "^4.5.0"
+      },
+      "funding": {
+        "url": "https://github.com/inikulin/parse5?sponsor=1"
+      }
+    },
    "node_modules/path-exists": {
      "version": "4.0.0",
      "resolved": "https://registry.npmjs.org/path-exists/-/path-exists-4.0.0.tgz",
@@ -7759,15 +7802,6 @@
        "node": ">= 0.8.0"
      }
    },
-    "node_modules/prismjs": {
-      "version": "1.30.0",
-      "resolved": "https://registry.npmjs.org/prismjs/-/prismjs-1.30.0.tgz",
-      "integrity": "sha512-DEvV2ZF2r2/63V+tK8hQvrR2ZGn10srHbXviTlcv7Kpzw8jWiNTqbVgjO3IY8RxrrOUF8VPMQQFysYYYv0YZxw==",
-      "license": "MIT",
-      "engines": {
-        "node": ">=6"
-      }
-    },
    "node_modules/property-information": {
      "version": "7.0.0",
      "resolved": "https://registry.npmjs.org/property-information/-/property-information-7.0.0.tgz",
@@ -8528,23 +8562,6 @@
        }
      }
    },
-    "node_modules/react-syntax-highlighter": {
-      "version": "15.6.1",
-      "resolved": "https://registry.npmjs.org/react-syntax-highlighter/-/react-syntax-highlighter-15.6.1.tgz",
-      "integrity": "sha512-OqJ2/vL7lEeV5zTJyG7kmARppUjiB9h9udl4qHQjjgEos66z00Ia0OckwYfRxCSFrW8RJIBnsBwQsHZbVPspqg==",
-      "license": "MIT",
-      "dependencies": {
-        "@babel/runtime": "^7.3.1",
-        "highlight.js": "^10.4.1",
-        "highlightjs-vue": "^1.0.0",
-        "lowlight": "^1.17.0",
-        "prismjs": "^1.27.0",
-        "refractor": "^3.6.0"
-      },
-      "peerDependencies": {
-        "react": ">= 0.14.0"
-      }
-    },
    "node_modules/reflect.getprototypeof": {
      "version": "1.0.10",
      "resolved": "https://registry.npmjs.org/reflect.getprototypeof/-/reflect.getprototypeof-1.0.10.tgz",
@@ -8567,146 +8584,86 @@
        "url": "https://github.com/sponsors/ljharb"
      }
    },
-    "node_modules/refractor": {
-      "version": "3.6.0",
-      "resolved": "https://registry.npmjs.org/refractor/-/refractor-3.6.0.tgz",
-      "integrity": "sha512-MY9W41IOWxxk31o+YvFCNyNzdkc9M20NoZK5vq6jkv4I/uh2zkWcfudj0Q1fovjUQJrNewS9NMzeTtqPf+n5EA==",
+    "node_modules/regenerator-runtime": {
+      "version": "0.14.1",
+      "resolved": "https://registry.npmjs.org/regenerator-runtime/-/regenerator-runtime-0.14.1.tgz",
+      "integrity": "sha512-dYnhHh0nJoMfnkZs6GmmhFknAGRrLznOu5nc9ML+EJxGvrx6H7teuevqVqCuPcPK//3eDrrjQhehXVx9cnkGdw==",
+      "license": "MIT"
+    },
+    "node_modules/regexp.prototype.flags": {
+      "version": "1.5.4",
+      "resolved": "https://registry.npmjs.org/regexp.prototype.flags/-/regexp.prototype.flags-1.5.4.tgz",
+      "integrity": "sha512-dYqgNSZbDwkaJ2ceRd9ojCGjBq+mOm9LmtXnAnEGyHhN/5R7iDW2TRw3h+o/jCFxus3P2LfWIIiwowAjANm7IA==",
      "license": "MIT",
      "dependencies": {
-        "hastscript": "^6.0.0",
-        "parse-entities": "^2.0.0",
-        "prismjs": "~1.27.0"
+        "call-bind": "^1.0.8",
+        "define-properties": "^1.2.1",
+        "es-errors": "^1.3.0",
+        "get-proto": "^1.0.1",
+        "gopd": "^1.2.0",
+        "set-function-name": "^2.0.2"
+      },
+      "engines": {
+        "node": ">= 0.4"
      },
      "funding": {
-        "type": "github",
-        "url": "https://github.com/sponsors/wooorm"
-      }
-    },
-    "node_modules/refractor/node_modules/character-entities": {
-      "version": "1.2.4",
-      "resolved": "https://registry.npmjs.org/character-entities/-/character-entities-1.2.4.tgz",
-      "integrity": "sha512-iBMyeEHxfVnIakwOuDXpVkc54HijNgCyQB2w0VfGQThle6NXn50zU6V/u+LDhxHcDUPojn6Kpga3PTAD8W1bQw==",
-      "license": "MIT",
-      "funding": {
-        "type": "github",
-        "url": "https://github.com/sponsors/wooorm"
-      }
-    },
-    "node_modules/refractor/node_modules/character-entities-legacy": {
-      "version": "1.1.4",
-      "resolved": "https://registry.npmjs.org/character-entities-legacy/-/character-entities-legacy-1.1.4.tgz",
-      "integrity": "sha512-3Xnr+7ZFS1uxeiUDvV02wQ+QDbc55o97tIV5zHScSPJpcLm/r0DFPcoY3tYRp+VZukxuMeKgXYmsXQHO05zQeA==",
-      "license": "MIT",
-      "funding": {
-        "type": "github",
-        "url": "https://github.com/sponsors/wooorm"
-      }
-    },
-    "node_modules/refractor/node_modules/character-reference-invalid": {
-      "version": "1.1.4",
-      "resolved": "https://registry.npmjs.org/character-reference-invalid/-/character-reference-invalid-1.1.4.tgz",
-      "integrity": "sha512-mKKUkUbhPpQlCOfIuZkvSEgktjPFIsZKRRbC6KWVEMvlzblj3i3asQv5ODsrwt0N3pHAEvjP8KTQPHkp0+6jOg==",
-      "license": "MIT",
-      "funding": {
-        "type": "github",
-        "url": "https://github.com/sponsors/wooorm"
-      }
-    },
-    "node_modules/refractor/node_modules/is-alphabetical": {
-      "version": "1.0.4",
-      "resolved": "https://registry.npmjs.org/is-alphabetical/-/is-alphabetical-1.0.4.tgz",
-      "integrity": "sha512-DwzsA04LQ10FHTZuL0/grVDk4rFoVH1pjAToYwBrHSxcrBIGQuXrQMtD5U1b0U2XVgKZCTLLP8u2Qxqhy3l2Vg==",
-      "license": "MIT",
-      "funding": {
-        "type": "github",
-        "url": "https://github.com/sponsors/wooorm"
+        "url": "https://github.com/sponsors/ljharb"
      }
    },
-    "node_modules/refractor/node_modules/is-alphanumerical": {
-      "version": "1.0.4",
-      "resolved": "https://registry.npmjs.org/is-alphanumerical/-/is-alphanumerical-1.0.4.tgz",
-      "integrity": "sha512-UzoZUr+XfVz3t3v4KyGEniVL9BDRoQtY7tOyrRybkVNjDFWyo1yhXNGrrBTQxp3ib9BLAWs7k2YKBQsFRkZG9A==",
+    "node_modules/rehype-highlight": {
+      "version": "7.0.2",
+      "resolved": "https://registry.npmjs.org/rehype-highlight/-/rehype-highlight-7.0.2.tgz",
+      "integrity": "sha512-k158pK7wdC2qL3M5NcZROZ2tR/l7zOzjxXd5VGdcfIyoijjQqpHd3JKtYSBDpDZ38UI2WJWuFAtkMDxmx5kstA==",
      "license": "MIT",
      "dependencies": {
-        "is-alphabetical": "^1.0.0",
-        "is-decimal": "^1.0.0"
+        "@types/hast": "^3.0.0",
+        "hast-util-to-text": "^4.0.0",
+        "lowlight": "^3.0.0",
+        "unist-util-visit": "^5.0.0",
+        "vfile": "^6.0.0"
      },
      "funding": {
-        "type": "github",
-        "url": "https://github.com/sponsors/wooorm"
-      }
-    },
-    "node_modules/refractor/node_modules/is-decimal": {
-      "version": "1.0.4",
-      "resolved": "https://registry.npmjs.org/is-decimal/-/is-decimal-1.0.4.tgz",
-      "integrity": "sha512-RGdriMmQQvZ2aqaQq3awNA6dCGtKpiDFcOzrTWrDAT2MiWrKQVPmxLGHl7Y2nNu6led0kEyoX0enY0qXYsv9zw==",
-      "license": "MIT",
-      "funding": {
-        "type": "github",
-        "url": "https://github.com/sponsors/wooorm"
+        "type": "opencollective",
+        "url": "https://opencollective.com/unified"
      }
    },
-    "node_modules/refractor/node_modules/is-hexadecimal": {
-      "version": "1.0.4",
-      "resolved": "https://registry.npmjs.org/is-hexadecimal/-/is-hexadecimal-1.0.4.tgz",
-      "integrity": "sha512-gyPJuv83bHMpocVYoqof5VDiZveEoGoFL8m3BXNb2VW8Xs+rz9kqO8LOQ5DH6EsuvilT1ApazU0pyl+ytbPtlw==",
-      "license": "MIT",
-      "funding": {
-        "type": "github",
-        "url": "https://github.com/sponsors/wooorm"
+    "node_modules/rehype-highlight/node_modules/highlight.js": {
+      "version": "11.11.1",
+      "resolved": "https://registry.npmjs.org/highlight.js/-/highlight.js-11.11.1.tgz",
+      "integrity": "sha512-Xwwo44whKBVCYoliBQwaPvtd/2tYFkRQtXDWj1nackaV2JPXx3L0+Jvd8/qCJ2p+ML0/XVkJ2q+Mr+UVdpJK5w==",
+      "license": "BSD-3-Clause",
+      "engines": {
+        "node": ">=12.0.0"
      }
    },
-    "node_modules/refractor/node_modules/parse-entities": {
-      "version": "2.0.0",
-      "resolved": "https://registry.npmjs.org/parse-entities/-/parse-entities-2.0.0.tgz",
-      "integrity": "sha512-kkywGpCcRYhqQIchaWqZ875wzpS/bMKhz5HnN3p7wveJTkTtyAB/AlnS0f8DFSqYW1T82t6yEAkEcB+A1I3MbQ==",
+    "node_modules/rehype-highlight/node_modules/lowlight": {
+      "version": "3.3.0",
+      "resolved": "https://registry.npmjs.org/lowlight/-/lowlight-3.3.0.tgz",
+      "integrity": "sha512-0JNhgFoPvP6U6lE/UdVsSq99tn6DhjjpAj5MxG49ewd2mOBVtwWYIT8ClyABhq198aXXODMU6Ox8DrGy/CpTZQ==",
      "license": "MIT",
      "dependencies": {
-        "character-entities": "^1.0.0",
-        "character-entities-legacy": "^1.0.0",
-        "character-reference-invalid": "^1.0.0",
-        "is-alphanumerical": "^1.0.0",
-        "is-decimal": "^1.0.0",
-        "is-hexadecimal": "^1.0.0"
+        "@types/hast": "^3.0.0",
+        "devlop": "^1.0.0",
+        "highlight.js": "~11.11.0"
      },
      "funding": {
        "type": "github",
        "url": "https://github.com/sponsors/wooorm"
      }
    },
-    "node_modules/refractor/node_modules/prismjs": {
-      "version": "1.27.0",
-      "resolved": "https://registry.npmjs.org/prismjs/-/prismjs-1.27.0.tgz",
-      "integrity": "sha512-t13BGPUlFDR7wRB5kQDG4jjl7XeuH6jbJGt11JHPL96qwsEHNX2+68tFXqc1/k+/jALsbSWJKUOT/hcYAZ5LkA==",
-      "license": "MIT",
-      "engines": {
-        "node": ">=6"
-      }
-    },
-    "node_modules/regenerator-runtime": {
-      "version": "0.14.1",
-      "resolved": "https://registry.npmjs.org/regenerator-runtime/-/regenerator-runtime-0.14.1.tgz",
-      "integrity": "sha512-dYnhHh0nJoMfnkZs6GmmhFknAGRrLznOu5nc9ML+EJxGvrx6H7teuevqVqCuPcPK//3eDrrjQhehXVx9cnkGdw==",
-      "license": "MIT"
-    },
-    "node_modules/regexp.prototype.flags": {
-      "version": "1.5.4",
-      "resolved": "https://registry.npmjs.org/regexp.prototype.flags/-/regexp.prototype.flags-1.5.4.tgz",
-      "integrity": "sha512-dYqgNSZbDwkaJ2ceRd9ojCGjBq+mOm9LmtXnAnEGyHhN/5R7iDW2TRw3h+o/jCFxus3P2LfWIIiwowAjANm7IA==",
+    "node_modules/rehype-raw": {
+      "version": "7.0.0",
+      "resolved": "https://registry.npmjs.org/rehype-raw/-/rehype-raw-7.0.0.tgz",
+      "integrity": "sha512-/aE8hCfKlQeA8LmyeyQvQF3eBiLRGNlfBJEvWH7ivp9sBqs7TNqBL5X3v157rM4IFETqDnIOO+z5M/biZbo9Ww==",
      "license": "MIT",
      "dependencies": {
-        "call-bind": "^1.0.8",
-        "define-properties": "^1.2.1",
-        "es-errors": "^1.3.0",
-        "get-proto": "^1.0.1",
-        "gopd": "^1.2.0",
-        "set-function-name": "^2.0.2"
-      },
-      "engines": {
-        "node": ">= 0.4"
+        "@types/hast": "^3.0.0",
+        "hast-util-raw": "^9.0.0",
+        "vfile": "^6.0.0"
      },
      "funding": {
-        "url": "https://github.com/sponsors/ljharb"
+        "type": "opencollective",
+        "url": "https://opencollective.com/unified"
      }
    },
    "node_modules/remark-gfm": {
@@ -10452,6 +10409,20 @@
        "url": "https://opencollective.com/unified"
      }
    },
+    "node_modules/unist-util-find-after": {
+      "version": "5.0.0",
+      "resolved": "https://registry.npmjs.org/unist-util-find-after/-/unist-util-find-after-5.0.0.tgz",
+      "integrity": "sha512-amQa0Ep2m6hE2g72AugUItjbuM8X8cGQnFoHk0pGfrFeT9GZhzN5SW8nRsiGKK7Aif4CrACPENkA6P/Lw6fHGQ==",
+      "license": "MIT",
+      "dependencies": {
+        "@types/unist": "^3.0.0",
+        "unist-util-is": "^6.0.0"
+      },
+      "funding": {
+        "type": "opencollective",
+        "url": "https://opencollective.com/unified"
+      }
+    },
    "node_modules/unist-util-is": {
      "version": "6.0.0",
      "resolved": "https://registry.npmjs.org/unist-util-is/-/unist-util-is-6.0.0.tgz",
@@ -10582,6 +10553,20 @@
        "url": "https://opencollective.com/unified"
      }
    },
+    "node_modules/vfile-location": {
+      "version": "5.0.3",
+      "resolved": "https://registry.npmjs.org/vfile-location/-/vfile-location-5.0.3.tgz",
+      "integrity": "sha512-5yXvWDEgqeiYiBe1lbxYF7UMAIm/IcopxMHrMQDq3nvKcjPKIhZklUKL+AE7J7uApI4kwe2snsK+eI6UTj9EHg==",
+      "license": "MIT",
+      "dependencies": {
+        "@types/unist": "^3.0.0",
+        "vfile": "^6.0.0"
+      },
+      "funding": {
+        "type": "opencollective",
+        "url": "https://opencollective.com/unified"
+      }
+    },
    "node_modules/vfile-message": {
      "version": "4.0.2",
      "resolved": "https://registry.npmjs.org/vfile-message/-/vfile-message-4.0.2.tgz",
@@ -10700,6 +10685,16 @@
        "node": ">=10.13.0"
      }
    },
+    "node_modules/web-namespaces": {
+      "version": "2.0.1",
+      "resolved": "https://registry.npmjs.org/web-namespaces/-/web-namespaces-2.0.1.tgz",
+      "integrity": "sha512-bKr1DkiNa2krS7qxNtdrtHAmzuYGFQLiQ13TsorsdT6ULTkPLKuu5+GsFpDlg6JFjUTwX2DyhMPG2be8uPrqsQ==",
+      "license": "MIT",
+      "funding": {
+        "type": "github",
+        "url": "https://github.com/sponsors/wooorm"
+      }
+    },
    "node_modules/webpack": {
      "version": "5.98.0",
      "resolved": "https://registry.npmjs.org/webpack/-/webpack-5.98.0.tgz",
@@ -10958,15 +10953,6 @@
        "node": ">=0.8"
      }
    },
-    "node_modules/xtend": {
-      "version": "4.0.2",
-      "resolved": "https://registry.npmjs.org/xtend/-/xtend-4.0.2.tgz",
-      "integrity": "sha512-LKYU1iAXJXUgAXn9URjiu+MWhyUXHsvfp7mcuYm9dSUKK0/CjtrUwFAxD82/mCWbtLsGjFIad0wIsod4zrTAEQ==",
-      "license": "MIT",
-      "engines": {
-        "node": ">=0.4"
-      }
-    },
    "node_modules/yargs": {
      "version": "3.10.0",
      "resolved": "https://registry.npmjs.org/yargs/-/yargs-3.10.0.tgz",

--- a/package.json
+++ b/package.json
@@ -29,7 +29,8 @@
    "react-dom": "^18.3.1",
    "react-markdown": "^10.1.0",
    "react-router": "^7.4.0",
-    "react-syntax-highlighter": "^15.6.1",
+    "rehype-highlight": "^7.0.2",
+    "rehype-raw": "^7.0.0",
    "remark-gfm": "^4.0.1",
    "xlsx": "https://cdn.sheetjs.com/xlsx-0.20.3/xlsx-0.20.3.tgz",
    "zustand": "^5.0.3"

--- a/src/components/MarkdownRender.scss
+++ b/src/components/MarkdownRender.scss
+// 变量定义
+$font-family: -apple-system, BlinkMacSystemFont, 'Segoe UI', Roboto, 'Helvetica Neue', Arial, sans-serif;
+$monospace-font: 'SFMono-Regular', Consolas, 'Liberation Mono', Menlo, monospace;
+$border-color: #eaecef;
+$table-border-color: #d0d7de;
+$link-color: #0366d6;
+$code-bg-color: rgba(27, 31, 35, 0.05);
+$code-color: #e01e5a;
+$blockquote-color: #6a737d;
+$table-bg-color: #f6f8fa;
+
+// 基础样式
+.markdown-render {
+  font-family: $font-family;
+  line-height: 1.6;
+  color: #333;
+
+  // 标题样式
+  h1,
+  h2,
+  h3 {
+    font-weight: 600;
+    margin: 1em 0;
+  }
+
+  h1 {
+    font-size: 2em;
+    margin: 0.67em 0;
+    border-bottom: 1px solid $border-color;
+    padding-bottom: 0.3em;
+  }
+
+  h2 {
+    font-size: 1.5em;
+    margin: 0.83em 0;
+    border-bottom: 1px solid $border-color;
+    padding-bottom: 0.3em;
+  }
+
+  h3 {
+    font-size: 1.25em;
+  }
+
+  // 段落样式
+  p {
+    margin: 1em 0;
+  }
+
+  // 列表样式
+  ul,
+  ol {
+    padding-left: 2em;
+    margin: 1em 0;
+
+    li {
+      margin: 0.5em 0;
+    }
+  }
+
+  // 链接样式
+  a {
+    color: $link-color;
+    text-decoration: none;
+
+    &:hover {
+      text-decoration: underline;
+    }
+  }
+
+  // 引用样式
+  blockquote {
+    margin: 1em 0;
+    padding: 0 1em;
+    color: $blockquote-color;
+    border-left: 0.25em solid $border-color;
+  }
+
+  // 表格样式
+  table {
+    display: block;
+    width: 100%;
+    max-width: 100%;
+    overflow: auto;
+    margin: 1em 0;
+    border-spacing: 0;
+    border-collapse: collapse;
+
+    thead,
+    tbody {
+      display: table-header-group;
+      vertical-align: middle;
+      border-color: inherit;
+    }
+
+    tbody {
+      display: table-row-group;
+    }
+
+    tr {
+      display: table-row;
+      vertical-align: inherit;
+      border-color: inherit;
+      background-color: #fff;
+
+      &:nth-child(2n) {
+        background-color: $table-bg-color;
+      }
+    }
+
+    th,
+    td {
+      display: table-cell;
+      padding: 6px 13px;
+      border: 1px solid $table-border-color;
+      text-align: left;
+    }
+
+    th {
+      font-weight: 600;
+      background-color: $table-bg-color;
+    }
+
+    td {
+      vertical-align: top;
+    }
+  }
+
+  // 代码块样式
+  pre {
+    background-color: $table-bg-color;
+    border-radius: 6px;
+    padding: 16px;
+    overflow: auto;
+    margin: 1em 0;
+
+    code {
+      background-color: transparent;
+      padding: 0;
+      border-radius: 0;
+      font-family: $monospace-font;
+      font-size: 85%;
+      line-height: 1.45;
+    }
+  }
+
+  // 行内代码样式
+  :not(pre) > code {
+    color: $code-color;
+    background-color: $code-bg-color;
+    padding: 0.2em 0.4em;
+    border-radius: 3px;
+    font-family: $monospace-font;
+    font-size: 85%;
+  }
+
+  // 代码高亮颜色
+  .hljs {
+    color: #24292e;
+
+    &-keyword,
+    &-selector-tag,
+    &-subst {
+      color: #d73a49;
+    }
+
+    &-string,
+    &-doctag {
+      color: #032f62;
+    }
+
+    &-title,
+    &-section,
+    &-selector-id {
+      color: #6f42c1;
+    }
+
+    &-comment,
+    &-quote {
+      color: #6a737d;
+    }
+
+    &-number,
+    &-literal {
+      color: #005cc5;
+    }
+  }
+}
--- a/src/components/MarkdownRender.tsx
+++ b/src/components/MarkdownRender.tsx
 import Markdown from 'react-markdown'
 import remarkGfm from 'remark-gfm'
-import { Prism as SyntaxHighlighter } from 'react-syntax-highlighter'
-import { dark } from 'react-syntax-highlighter/dist/esm/styles/prism'
+import rehypeHighlight from 'rehype-highlight'
+import rehypeRaw from 'rehype-raw'
+import './MarkdownRender.scss'
+
+interface MarkdownRenderProps {
+  children?: string
+}
+
+const MarkdownRender = function MarkdownRender({ children }: MarkdownRenderProps) {
+  if (!children) {
+    return null
+  }

-export default function MarkdownRender(props: { children?: string }) {
  return (
-    <Markdown
-      remarkPlugins={[remarkGfm]}
-      components={{
-        code(props) {
-          console.log(props)
-          const { children, className, ...rest } = props
-          const match = /language-(\w+)/.exec(className || '')
-          return match ? (
-            <SyntaxHighlighter
-              {...rest}
-              PreTag="div"
-              children={String(children).replace(/\n$/, '')}
-              language={match[1]}
-              style={dark}
-            />
-          ) : (
-            <code {...rest} className={className}>
-              {children}
-            </code>
-          )
-        },
-      }}>
-      {props.children}
-    </Markdown>
+    <div className="markdown-render">
+      <Markdown remarkPlugins={[remarkGfm]} rehypePlugins={[rehypeRaw, rehypeHighlight]}>
+        {children}
+      </Markdown>
+    </div>
  )
 }
+
+export default MarkdownRender
--- a/src/components/data/AIModal.tsx
+++ b/src/components/data/AIModal.tsx
+import { Button, Flex, Modal, Spin } from 'antd'
+import { useEffect, useState } from 'react'
+import { useAI } from '@/hooks/useAI'
+import MarkdownRender from '@/components/MarkdownRender'
+
+export default function AIModal({ prompt }: { prompt: string }) {
+  const [open, setOpen] = useState(false)
+  const { post, isLoading, message } = useAI()
+
+  useEffect(() => {
+    if (open) {
+      post({
+        messages: [{ role: 'user', content: prompt }],
+      })
+    }
+  }, [open, prompt])
+  return (
+    <>
+      <Button type="primary" onClick={() => setOpen(true)}>
+        AI建议
+      </Button>
+      <Modal title="AI建议" open={open} footer={null} width={1000} onCancel={() => setOpen(false)} destroyOnClose>
+        <MarkdownRender>{message?.content}</MarkdownRender>
+        <Flex justify="center">
+          <Spin size="large" spinning={isLoading}></Spin>
+        </Flex>
+      </Modal>
+    </>
+  )
+}
--- a/src/components/data/DataWrap.tsx
+++ b/src/components/data/DataWrap.tsx
@@ -9,10 +9,12 @@ export default function DataWrap({
  title,
  headerRender,
  buttons,
+  extraButtons,
  empty,
 }: {
  title: string
  buttons?: ReactNode
+  extraButtons?: ReactNode
  headerRender?: (data: any) => ReactNode
  empty?: ReactNode
 }) {
@@ -41,7 +43,10 @@ export default function DataWrap({
                <Flex wrap gap={10}>
                  {buttons}
                </Flex>
-                <ViewDataFiledButtonModal></ViewDataFiledButtonModal>
+                <Flex wrap gap={10}>
+                  {extraButtons}
+                  <ViewDataFiledButtonModal></ViewDataFiledButtonModal>
+                </Flex>
              </Flex>
            )}
            <DataRender rowKey={'pk_id'} loading={isPending} dataSource={data.list} columns={columns} />

--- a/src/modules/data/digging/apriori/prompt.ts
+++ b/src/modules/data/digging/apriori/prompt.ts
+export const prompt = `任务目标
+
+Apriori算法设计需求说明，结构化分析和建模建议
+
+数据样本：[在此粘贴数据片段或上传文件（CSV/XLSX）]  
+
+1. 问题定义与目标明确
+请明确回答以下问题：
+
+   核心问题 ：该数据集拟解决的业务问题是什么？（例如：发现商品购买关联规则、优化商品推荐策略等）  
+
+   关联目标：  
+
+    - 需要挖掘的关联模式类型（如"购买T恤的用户是否常搭配购买牛仔裤"）  
+
+    - 业务价值目标（如"提升交叉销售转化率10%"）  
+
+2. 特征工程与事务准备
+请分步骤给出建议：
+
+  (1) 特征筛选标准：  
+
+      保留字段：  
+
+  | 字段名             | 处理方式        | 保留理由（满足以下条件） |  
+
+  | 商品名称          | 转为事务列表  | 核心交易项，用于挖掘关联规则 |  
+
+  | 品类                | 转为事务列表  | 分析品类间的共现模式 |  
+
+  | 用户ID（可选） | 分组分析          按用户挖掘个性化购买模式 | 
+
+    排除字段：  
+
+  | 字段名 | 排除原因 |  
+
+  | 订单时间 | 无直接关联规则挖掘价值 |  
+
+  | 物流信息 | 与购买行为无关 |  
+
+ 
+
+  (2) 特征处理建议：  
+
+     事务格式要求：  
+
+  - 数据需转换为\`[[事务1商品列表], [事务2商品列表], ...]\`格式  
+
+  - 示例：\`[["T恤", "牛仔裤"], ["连衣裙", "帆布鞋"]]\`  
+
+     缺失值处理：  
+
+  - 策略：删除空值或填充（如"其他"类别） 
+
+    数据降维：  
+
+  - 是否需要合并商品层级？[是/否及理由]（如"合并到品类层级以减少项数量"）
+
+3. 模型输入设计
+    事务数据格式：  
+
+    订单ID | 购买项列表
+
+      A123 | [女裤, 泫雅风T恤, 双11优惠]
+
+     A456 | [连衣裙, 氨纶材质]
+
+    参数配置建议：  
+
+      \`min_support\`：[建议值及理由]（如"设置为0.05以筛选高频项集"）  
+
+      \`min_confidence\`：[建议值及理由]（如"设置为0.6以保证规则实用性"） 
+
+ 
+
+4. 算法实现建议
+    模型适配性：  
+
+      是否适合Apriori？[是/否及理由]
+
+      若否，推荐调整：  
+
+      尝试FP-Growth（如"数据规模过大时更高效"） 
+
+    关键参数建议：  
+
+      \`min_support\`：0.03-0.1（高频商品组合筛选）  
+
+      \`min_confidence\`：0.5+（保证规则可信度）  
+
+      \`max_length\`：5（限制规则复杂度）     
+
+   业务规则过滤：  
+
+     推荐设置\`min_lift>1.5\`以筛选强关联规则（如"购买T恤的用户更可能购买配套裤子"）
+
+   计算资源建议：  
+
+     特征维度>100时，建议先进行商品聚类降维
+
+5. 输出格式要求
+请以以下结构分点输出，便于模型生成清晰结论：
+
+1. 问题定义：[一句话描述业务问题及目标]  
+
+2. 事务构建建议：  
+
+   - 保留字段：[字段列表及处理方式和理由]  
+
+   - 排除字段：[字段列表及排除原因]  
+
+3. 关键特征分析：  
+
+      高频项集：  
+
+       强关联规则：  
+
+4. 模型建议：  
+
+   参数配置：  
+
+      \`min_support=0.05\`（筛选高频商品组合）  
+
+      \`min_confidence=0.6\`（保证业务价值）    
+
+   业务验证方式：  
+
+   推荐验证方法：人工审核规则合理性（如"是否符合业务常识"）  
+
+   关键评估指标：lift值、置信度、支持度   `
--- a/src/modules/data/digging/apriori/views/Index.tsx
+++ b/src/modules/data/digging/apriori/views/Index.tsx
 import { lazy } from 'react'
 import DataWrap from '@/components/data/DataWrap'
+import { prompt } from '../prompt'

 const ButtonModal = lazy(() => import('../components/ButtonModal'))
+const AIModal = lazy(() => import('@/components/data/AIModal'))

 export default function DataProcess() {
-  return <DataWrap title="数据挖掘：Apriori" buttons={<ButtonModal />}></DataWrap>
+  return (
+    <DataWrap title="数据挖掘：Apriori" buttons={<ButtonModal />} extraButtons={<AIModal prompt={prompt} />}></DataWrap>
+  )
 }
--- a/src/modules/data/digging/forest/prompt.ts
+++ b/src/modules/data/digging/forest/prompt.ts
+export const prompt = `任务目标
+
+随机森林算法设计需求说明，结构化分析和建模建议 
+
+数据样本：[在此粘贴数据片段或上传文件（CSV/XLSX）]  
+
+1. 问题定义与目标明确
+请明确回答以下问题：
+
+1.
+核心问题 ：该数据集拟解决的业务问题是什么？（例如：预测用户购买品类、识别高价值客户流失风险等）
+2.
+因变量（目标）选择 ：
+    字段名：[目标变量字段名]  
+
+     - 选择依据：  
+
+        - 业务相关性说明（如"直接关联用户购买行为"）  
+
+        - 数据类型匹配（如分类问题需离散变量、回归问题需连续变量）
+
+    模型预期 ：
+
+         预期性能指标（如准确率>85%、F1-score>0.7）  
+
+         或业务目标（如"将客户流失预测准确率提升15%"）
+
+2. 特征工程与自变量选择
+请分步骤给出建议：
+
+  (1) 特征筛选标准：  
+
+      保留字段：  
+
+  | 字段名 | 处理方式 | 保留理由（满足以下条件） |  
+
+  | [字段1] | 标签编码/One-Hot | 与因变量信息增益高、业务逻辑相关 |  
+
+  | [字段2] | 处理缺失值（如填充/删除） | 数据质量达标（缺失率<5%）、分布合理 |  
+
+    排除字段：  
+
+  | 字段名 | 排除原因 |  
+
+  | [字段X] | 多重共线性（VIF>10）、无关变量、数据噪声 |  
+
+ 
+
+  (2) 特征处理建议：  
+
+     分类特征：  
+
+  - 编码方式：[标签编码/One-Hot]（如"品类字段需One-Hot编码以保留类别信息"）  
+
+     缺失值处理：  
+
+  - 策略：[填充/删除/模型内置处理]（如"年龄字段缺失率3%，用中位数填充"）  
+
+    异常值处理：  
+
+  - 策略：[离群值截断/删除]（如"销量字段存在极端值，使用IQR法处理"）  
+
+3. 模型输入设计
+请给出最终的模型输入方案 ：
+
+    自变量（X）：  
+
+    字段列表及预处理方法：  
+
+       [字段A]：标签编码 → 转换为整数类型  
+
+      [字段B]：One-Hot编码 → 扩展为N个二元变量  
+
+    因变量（Y）：  
+
+    字段名：[字段名]  
+
+    是否需要离散化？[是/否及方法]（如"销售额连续值转为高/中/低三类"）  
+
+ 
+
+4. 算法实现建议
+    模型适配性：  
+
+      是否适合随机森林？[是/否及理由]  
+
+      若否，推荐调整：  
+
+      尝试XGBoost/梯度提升树（如"特征间交互复杂，需更深度学习"）
+
+    关键参数建议：  
+
+      \`n_estimators\`：[建议值及理由]（如"设置为100以平衡计算效率与精度"）  
+
+      \`max_depth\`：[建议值及理由]（如"防止过拟合，设置为5"）  
+
+      \`max_features\`：[建议值及理由]（如"sqrt型特征子集"）  
+
+      \`class_weight\`：[平衡/不均衡]（如"类别分布不均衡时设置'balanced'"）    
+
+ 计算资源建议：  
+
+     是否需要特征选择？[是/否及方法]（如"使用特征重要性筛选Top 10字段"）  
+
+     验证与评估：  
+
+       验证策略：[分层5折交叉验证]（如"数据类别分布不均衡"）  
+
+       关键指标：[准确率、F1-score、特征重要性图表]  
+
+5. 输出格式要求
+请以以下结构分点输出，便于模型生成清晰结论：
+
+1. 问题定义：[一句话描述]  
+
+2. 因变量选择：[字段名] + [选择理由]  
+
+3. 自变量选择：  
+
+   - 保留字段：[字段列表及处理方式]  
+
+   - 排除字段：[字段列表及排除原因]  
+
+4. 关键特征分析：  
+
+   - 相关性最高特征：[字段名]（相关系数值）  
+
+   - 高共线性特征对：[字段对及VIF值]  
+
+5. 模型建议：  
+
+   - 是否需要正则化？[是/否及理由]  
+
+   - 推荐验证方式：[方法名称]  
+
+   - 核心参数建议`
--- a/src/modules/data/digging/forest/views/Index.tsx
+++ b/src/modules/data/digging/forest/views/Index.tsx
 import { lazy } from 'react'
 import DataWrap from '@/components/data/DataWrap'
+import { prompt } from '../prompt'

 const ButtonModal = lazy(() => import('../components/ButtonModal'))
+const AIModal = lazy(() => import('@/components/data/AIModal'))

 export default function DataProcess() {
-  return <DataWrap title="数据挖掘：随机森林" buttons={<ButtonModal />}></DataWrap>
+  return (
+    <DataWrap
+      title="数据挖掘：随机森林"
+      buttons={<ButtonModal />}
+      extraButtons={<AIModal prompt={prompt} />}></DataWrap>
+  )
 }
--- a/src/modules/data/digging/fpgrowth/prompt.ts
+++ b/src/modules/data/digging/fpgrowth/prompt.ts
+export const prompt = `任务目标
+
+FP-Growth算法设计需求说明，结构化分析和建模建议
+
+数据样本：[在此粘贴数据片段或上传文件（CSV/XLSX）]  
+
+1. 问题定义与目标明确
+请明确回答以下问题：
+
+   核心问题 ：该数据集拟解决的业务问题是什么？（例如：挖掘商品关联购买模式、优化库存组合、设计推荐系统）
+
+   分析目标：  
+
+    - 需要发现的关联模式类型（如“购买连衣裙的用户常搭配高跟鞋”）  
+
+    - 业务价值目标（如"提升购物车添加率10%"）  
+
+2. 特征工程与事务构建
+请分步骤给出建议：
+
+  (1) 特征筛选标准：  
+
+      保留字段：  
+
+  | 字段名       | 处理方式        | 保留理由（满足以下条件） |  
+
+  | 品类          | 直接使用        | 核心商品分类维度 |  
+
+  | 颜色          | 直接使用        | 影响购买组合的因素 |  
+
+  | 材质          | 直接使用        | 商品属性关联性分析 |  
+
+  | 优惠类型    | 直接使用        | 购买决策驱动因素 | 
+
+    排除字段：  
+
+  | 字段名 | 排除原因 |  
+
+  | 订单ID | 无业务解释性 |  
+
+  | 用户年龄 | 非事务型特征 |  
+
+  | 交易时间 | 与关联规则无直接关系 | 
+
+ 
+
+  (2) 数据转换建议：  
+
+     事务格式要求：  
+
+  - 将数据转换为\`订单ID→[购买项列表]\`的事务格式（如\`订单A→[连衣裙_红色_氨纶, T恤_白色_棉质]\`） 
+
+     缺失值处理：  
+
+  - 策略：[删除/填充]（如"空购物车订单需排除"）  
+
+     特征组合建议：  
+
+  - 是否组合字段？[是/否及示例]（如"将'品类+颜色+材质'合并为复合项以提升规则实用性"）
+
+3. 模型输入设计
+    事务数据格式：  
+
+    订单ID | 购买项列表
+
+      A123 | [女裤, 泫雅风T恤, 双11优惠]
+
+     A456 | [连衣裙, 氨纶材质]
+
+    参数配置建议：  
+
+    \`min_support\`：[建议值及理由]（如"设置为0.03以筛选高频商品组合"）  
+
+    \`min_threshold\`：[建议值及理由]（如"设置为0.5以保证规则实用性"）  
+
+ 
+
+4. 算法实现建议
+    模型适配性：  
+
+      是否适合FP-Growth？[是/否及理由]
+
+      若否，推荐调整：  
+
+      尝试Apriori（如"小规模数据或低维度场景"） 
+
+    关键参数建议：  
+
+      \`min_support=0.03-0.05\`（高频项集筛选）  
+
+      \`use_collector=True\`（优化内存占用）    
+
+   业务规则过滤：  
+
+     推荐设置\`min_confidence>0.5\`和\`lift>2\`筛选强关联规则 
+
+   计算资源建议：  
+
+     特征维度>100时，建议先进行商品聚类降维 
+
+5. 输出格式要求
+请以以下结构分点输出，便于模型生成清晰结论：
+
+1. 问题定义：[一句话描述业务问题及目标]  
+
+2. 事务构建建议：  
+
+   - 保留字段：[字段列表及处理方式和理由]  
+
+   - 排除字段：[字段列表及排除原因]  
+
+3. 关键特征分析：  
+
+      高频项集：  
+
+       强关联规则：  
+
+4. 模型建议：  
+
+   参数配置：  
+
+      \`min_support=0.05\`（筛选高频商品组合）  
+
+      \`min_confidence=0.6\`（保证规则可信度）  
+
+   业务验证方式：  
+
+   推荐验证方法：人工审核规则合理性（如"是否符合业务常识"）  
+
+   关键评估指标：lift值、置信度、支持度   `
--- a/src/modules/data/digging/fpgrowth/views/Index.tsx
+++ b/src/modules/data/digging/fpgrowth/views/Index.tsx
 import { lazy } from 'react'
 import DataWrap from '@/components/data/DataWrap'
+import { prompt } from '../prompt'

 const ButtonModal = lazy(() => import('../components/ButtonModal'))
+const AIModal = lazy(() => import('@/components/data/AIModal'))

 export default function DataProcess() {
-  return <DataWrap title="数据挖掘：FP-Growth" buttons={<ButtonModal />}></DataWrap>
+  return (
+    <DataWrap
+      title="数据挖掘：FP-Growth"
+      buttons={<ButtonModal />}
+      extraButtons={<AIModal prompt={prompt} />}></DataWrap>
+  )
 }
--- a/src/modules/data/digging/hierarchical/prompt.ts
+++ b/src/modules/data/digging/hierarchical/prompt.ts
+export const prompt = `任务目标
+
+层次聚类算法设计需求说明，结构化分析和建模建议
+
+数据样本：[在此粘贴数据片段或上传文件（CSV/XLSX）]  
+
+1. 问题定义与目标明确
+请明确回答以下问题：
+
+   核心问题 ：该数据集拟解决的业务问题是什么？（例如：识别用户消费行为分群、分析商品品类相似性等）
+
+   聚类目标：  
+
+    - 需要发现的群体类型（如高价值客户群、相似商品类型群）  
+
+    - 业务价值目标（如"通过分群优化营销策略"）
+
+2. 特征工程与自变量选择
+请分步骤给出建议：
+
+  (1) 特征筛选标准：  
+
+      保留字段：  
+
+  | 字段名    | 处理方式        | 保留理由（满足以下条件） |  
+
+  | 销量       | 标准化           | 核心业务指标，量纲统一需求 |  
+
+  | 实际付款 | 标准化           | 反映消费能力，数值型特征 |  
+
+  | 品类       | One-Hot编码 | 类别型特征需转化为数值型 | 
+
+    排除字段：  
+
+  | 字段名 | 排除原因 |  
+
+  | 订单ID | 无业务意义，唯一标识符 |  
+
+  | 省份 | 分类层级过高（与城市字段冗余） |  
+
+ 
+
+  (2) 特征处理建议：  
+
+     标准化要求：  
+
+  - 强制标准化：层次聚类对特征量纲敏感，必须进行标准化（\`StandardScaler\`）
+
+    分类特征：  
+
+  - 编码方式：[One-Hot/标签编码]（如"品类字段需One-Hot编码以保留类别信息"）  
+
+     缺失值处理：  
+
+  - 策略：[填充/删除]（如"年龄字段缺失率<5%，用均值填充"） 
+
+    降维建议：  
+
+  - 是否需要 PCA？[是/否及理由]（如"特征维度>20时降低计算复杂度"）
+
+3. 模型输入设计
+请给出最终的模型输入方案 ：
+
+    自变量（X）：  
+
+    字段列表及预处理方法：  
+
+    [销量]：标准化 → 均值0，方差1  
+
+    [实际付款]：标准化 → 均值0，方差1  
+
+    [品类]：One-Hot编码 → 扩展为N个二元变量
+
+    距离度量：  
+
+    推荐方法：[欧氏距离/余弦相似度]（如"数值型特征适合欧氏距离"）  
+
+ 
+
+4. 算法实现建议
+    模型适配性：  
+
+      是否适合层次聚类？[是/否及理由] 
+
+      若否，推荐调整：  
+
+      尝试 K-Means（如"数据规模过大时更高效"）  
+
+    关键参数建议：  
+
+     链接方法：[ward/complete/average]（如"ward方法对球形簇效果最佳"）  
+
+     距离度量：[欧氏距离/余弦相似度]  
+
+     聚类数量：[建议值及理由]（如"通过 dendrogram 确定 elbow 点"）  
+
+ 计算资源建议：  
+
+     数据量>1e4时，建议使用近似算法（如"凝聚聚类替代层次聚类"）
+
+5. 输出格式要求
+请以以下结构分点输出，便于模型生成清晰结论：
+
+1. 问题定义：[一句话描述]  
+
+2. 特征选择：  
+
+   - 保留字段：[字段列表及处理方式]  
+
+   - 排除字段：[字段列表及排除原因]  
+
+3. 关键特征分析：  
+
+      对聚类影响最大的特征：  
+
+      \`实际付款\`（贡献度：32%）  
+
+       特征冗余性分析：  
+
+       \`销量\` & \`销售额\`（VIF=8.5，需删除其一）  
+
+4. 模型建议：  
+
+   算法参数：  
+
+     链接方法：\`ward\`（最小化簇内方差）  
+
+     距离度量：\`欧氏距离\`（数值型特征适用）  
+
+   聚类数量：  
+
+     建议3-5类（通过 dendrogram 的 elbow 点判断）  
+
+   可视化建议：  
+
+     绘制 dendrogram 分析层次结构  
+
+     使用 t-SNE/PCA 降维后观察聚类分布  
+
+5. 有效性验证  
+
+    推荐验证方式：  
+
+       内部指标：轮廓系数（Silhouette Score）  
+
+       业务验证：  
+
+         检查簇内用户特征一致性（如高付款簇的品类偏好）  
+
+         对比 K-Means 聚类结果   `
--- a/src/modules/data/digging/hierarchical/views/Index.tsx
+++ b/src/modules/data/digging/hierarchical/views/Index.tsx
 import { lazy } from 'react'
 import DataWrap from '@/components/data/DataWrap'
+import { prompt } from '../prompt'

 const ButtonModal = lazy(() => import('../components/ButtonModal'))
+const AIModal = lazy(() => import('@/components/data/AIModal'))

 export default function DataProcess() {
-  return <DataWrap title="数据挖掘：层次聚类" buttons={<ButtonModal />}></DataWrap>
+  return (
+    <DataWrap
+      title="数据挖掘：层次聚类"
+      buttons={<ButtonModal />}
+      extraButtons={<AIModal prompt={prompt} />}></DataWrap>
+  )
 }
--- a/src/modules/data/digging/holtwinters/prompt.ts
+++ b/src/modules/data/digging/holtwinters/prompt.ts
+export const prompt = `任务目标
+
+Holt-Winters算法设计需求说明，结构化分析和建模建议
+
+数据样本：[在此粘贴数据片段或上传文件（CSV/XLSX）]  
+
+1. 问题定义与目标明确
+请明确回答以下问题：
+
+   核心问题 ：该数据集拟解决的业务问题是什么？（例如：预测未来30天商品销量、分析销售季节性规律等）  
+
+   预测目标：  
+
+    - 需要预测的指标（如"实际付款金额"、"日订单量"）  
+
+    - 业务价值目标（如"提升库存规划准确性"）  
+
+2. 时间序列特征配置
+请分步骤给出建议：
+
+  (1) 关键字段选择：  
+
+   时间列：  
+
+  字段名：[字段名]  
+
+  - 处理方式：[标准化为datetime格式、设置频率（如'D'表示日）]
+
+    目标列：  
+
+ 字段名：[字段名]（如\`实际付款\`、\`销量\`）  
+
+  - 选择理由：  
+
+    - 业务目标直接关联（如"预测销售额以优化库存"）  
+
+    - 数据需满足时间序列连续性（无缺失或稀疏时间段）
+
+    预测步长：  
+
+  - 步数：[N步]（如预测未来7天）  
+
+  - 频率单位：[日/周/月]  
+
+ 
+
+  (2) 数据预处理建议：  
+
+     平稳性处理：  
+
+  - 是否需要差分？[是/否及理由]（如"存在明显趋势需一阶差分"）  
+
+  - 是否需要Box-Cox变换？[是/否及理由]（如"数据呈指数增长"） 
+
+     缺失值处理：  
+
+  - 策略：[插值/删除]（如"用线性插值填充缺失日期"）   
+
+     季节性周期检测：  
+
+  - 推荐周期：[N个月/周]（如"发现12个月的年季节性"）
+
+3. 模型输入设计
+    数据格式要求：  
+
+    时间列        | 目标列
+
+    2023-11-01 | 415.46
+
+    2023-11-02 | 514.28
+
+    参数配置建议：  
+
+   \`seasonal='add'/'mul'\`：[建议类型及理由]（如"乘法季节性适合销售额"）  
+
+   \`period=12\`：[周期值及检测依据]  
+
+ 
+
+4. 算法实现建议
+    模型适配性：  
+
+      是否适合Holt-Winters？[是/否及理由]
+
+      若否，推荐调整：  
+
+      尝试ARIMA（如"存在复杂趋势和噪声"）  
+
+      或 Prophet（如"需加入外生变量"）  
+
+    关键参数建议：  
+
+   \`smoothing_level (α)\`：[建议值及理由]（如"0.3捕捉趋势变化"）  
+
+   \`smoothing_trend (β)\`：[建议值及理由]（如"0.1平滑趋势波动"）  
+
+   \`smoothing_seasonal (γ)\`：[建议值及理由]（如"0.4捕捉季节性"）  
+
+   验证与评估：  
+
+     推荐验证方法：滚动窗口验证（如"每30天滚动预测未来7天"）  
+
+     关键指标：MAE、RMSE、MAPE
+
+   计算资源建议：  
+
+     数据量>1e4时，建议使用\`statsmodels\`的\`ExponentialSmoothing\`实现 
+
+5. 输出格式要求
+请以以下结构分点输出，便于模型生成清晰结论：
+
+1. 问题定义：[一句话描述业务问题及目标]  
+
+2. 时间序列配置：  
+
+   时间列：\`交易成功时间\`（已转换为\`datetime\`格式，频率为日）  
+
+   目标列：\`实际付款\`（连续型数值，需进行Box-Cox变换以稳定方差）  
+
+   预测步长：30步（预测未来30天）  
+
+3. 关键特征分析：  
+
+      季节性周期检测：
+
+      周期：12个月（ACF图显示显著峰值）   
+
+      趋势稳定性：
+
+      需一阶差分（ADF检验p<0.05，原序列非平稳）  
+
+4. 模型建议：  
+
+   参数配置：  
+
+    \`seasonal='mul'\`（乘法季节性适合销售额增长趋势）  
+
+    \`period=12\`（年季节性周期）  
+
+    \`α=0.3, β=0.1, γ=0.4\`（通过网格搜索优化）   
+
+   验证方式：  
+
+   滚动窗口验证：最后1年数据作为测试集，每30天滚动预测  
+
+   关键指标：MAPE<15%（业务可接受误差范围）  
+
+    数据预处理**：  
+
+- 执行Box-Cox变换（λ=0.5）以消除异方差性   `
--- a/src/modules/data/digging/holtwinters/views/Index.tsx
+++ b/src/modules/data/digging/holtwinters/views/Index.tsx
 import { lazy } from 'react'
 import DataWrap from '@/components/data/DataWrap'
+import { prompt } from '../prompt'

 const ButtonModal = lazy(() => import('../components/ButtonModal'))
+const AIModal = lazy(() => import('@/components/data/AIModal'))

 export default function DataProcess() {
-  return <DataWrap title="数据挖掘：Holt-Winters" buttons={<ButtonModal />}></DataWrap>
+  return (
+    <DataWrap
+      title="数据挖掘：Holt-Winters"
+      buttons={<ButtonModal />}
+      extraButtons={<AIModal prompt={prompt} />}></DataWrap>
+  )
 }
--- a/src/modules/data/digging/kmeans/prompt.ts
+++ b/src/modules/data/digging/kmeans/prompt.ts
+export const prompt = `任务目标
+
+K-Means算法设计需求说明，结构化分析和建模建议
+
+数据样本：[在此粘贴数据片段或上传文件（CSV/XLSX）]  
+
+1. 问题定义与目标明确
+请明确回答以下问题：
+
+   核心问题 ：该数据集拟解决的业务问题是什么？（例如：客户分群、商品品类聚类、物流路径优化等）
+
+   聚类目标：  
+
+    - 需要发现的群体类型（如高价值客户群、相似商品类型群）  
+
+    - 业务价值目标（如"通过分群优化营销策略"）  
+
+2. 特征工程与自变量选择
+请分步骤给出建议：
+
+  (1) 特征筛选标准：  
+
+      保留字段：  
+
+  | 字段名    | 处理方式        | 保留理由（满足以下条件） |  
+
+  | 销量       | 标准化           | 核心业务指标，量纲统一需求 |  
+
+  | 实际付款 | 标准化           | 消费能力关键指标 |  
+
+  | 客户年龄 | 标准化           | 与购买行为相关（如年龄分层） |  
+
+  | 品类       | One-Hot编码 | 类别型特征需转化为数值型 |  
+
+    排除字段：  
+
+  | 字段名 | 排除原因 |  
+
+  | 订单编号 | 无业务意义，唯一标识符 |  
+
+  | 交易时间 | 非数值型且无直接业务解释性 |  
+
+  | 物流信息 | 与客户/商品特征无关 |  
+
+ 
+
+  (2) 特征处理建议：  
+
+     标准化要求：  
+
+  - 强制标准化：K-Means对特征量纲敏感，必须进行标准化（\`StandardScaler\`）  
+
+    分类特征：  
+
+  - 编码方式：[One-Hot/标签编码]（如"品类字段需One-Hot编码以保留类别信息"）  
+
+     缺失值处理：  
+
+  - 策略：[填充/删除]（如"年龄字段缺失率<5%，用均值填充"） 
+
+    降维建议：  
+
+  - 是否需要 PCA？[是/否及理由]（如"特征维度>20时降低计算复杂度"）
+
+3. 模型输入设计
+请给出最终的模型输入方案 ：
+
+    自变量（X）：  
+
+    字段列表及预处理方法：  
+
+    [销量]：标准化 → 均值0，方差1  
+
+    [实际付款]：标准化 → 均值0，方差1  
+
+    [品类]：One-Hot编码 → 扩展为N个二元变量
+
+    距离度量：  
+
+    推荐方法：欧氏距离（K-Means默认）
+
+ 
+
+4. 算法实现建议
+    模型适配性：  
+
+      是否适合K-Means？[是/否及理由]  
+
+      若否，推荐调整：  
+
+      尝试层次聚类（如"需要层次结构解释"）或DBSCAN（如"存在噪声数据"）  
+
+    关键参数建议：  
+
+     簇数（n_clusters）：[建议值及理由]（如"通过肘部法则确定为3类"）  
+
+     初始化方法：[k-means++/随机]（推荐k-means++以提高收敛稳定性）  
+
+     max_iter：[建议值及理由]（如"设置为300次迭代以确保收敛"）   
+
+   计算资源建议：  
+
+     数据量>1e4时，建议使用Mini-Batch K-Means加速  
+
+   有效性验证：  
+
+     推荐指标：轮廓系数、Calinski-Harabasz指数  
+
+     业务验证：检查簇内特征一致性（如高付款簇的品类偏好）
+
+5. 输出格式要求
+请以以下结构分点输出，便于模型生成清晰结论：
+
+1. 问题定义：[一句话描述]  
+
+2. 特征选择：  
+
+   - 保留字段：[字段列表及处理方式]  
+
+   - 排除字段：[字段列表及排除原因]  
+
+3. 关键特征分析：  
+
+      对聚类影响最大的特征：  
+
+      \`实际付款\`（贡献度：32%）  
+
+       特征冗余性分析：  
+
+       \`销量\` & \`销售额\`（VIF=8.5，需删除其一）  
+
+4. 模型建议：  
+
+   簇数建议：  
+
+     推荐3类（肘部法则显示WCSS在k=3时显著下降）  
+
+   参数配置：  
+
+      \`init='k-means++'\`（避免随机初始化陷阱）  
+
+      \`max_iter=300\`（平衡计算效率与收敛性）  
+
+   有效性验证：  
+
+      内部指标：轮廓系数（目标>0.7）  
+
+       业务验证：  
+
+       检查簇内客户特征一致性（如高付款簇的品类偏好）  
+
+       对比层次聚类结果   `
--- a/src/modules/data/digging/kmeans/views/Index.tsx
+++ b/src/modules/data/digging/kmeans/views/Index.tsx
 import { lazy } from 'react'
 import DataWrap from '@/components/data/DataWrap'
+import { prompt } from '../prompt'

 const ButtonModal = lazy(() => import('../components/ButtonModal'))
+const AIModal = lazy(() => import('@/components/data/AIModal'))

 export default function DataProcess() {
-  return <DataWrap title="数据挖掘：K-Means" buttons={<ButtonModal />}></DataWrap>
+  return (
+    <DataWrap title="数据挖掘：K-Means" buttons={<ButtonModal />} extraButtons={<AIModal prompt={prompt} />}></DataWrap>
+  )
 }
--- a/src/modules/data/digging/linear/prompt.ts
+++ b/src/modules/data/digging/linear/prompt.ts
+export const prompt = `任务目标
+
+线性回归算法设计需求说明，结构化分析和建模建议。
+
+数据样本：[在此粘贴数据片段或上传文件（CSV/XLSX）]  
+
+1. 问题定义与目标明确
+请明确回答以下问题：
+
+1.
+核心问题 ：该数据集拟解决的业务问题是什么？（例如预测销售额、分析用户行为影响因素等）
+2.
+因变量（目标）选择 ：根据业务目标，选择最适合作为因变量（Y）的字段，并说明选择依据。
+3.
+模型预期 ：预期模型应达到的性能指标（如R²、RMSE等），或业务价值目标（如提升预测准确率10%）。
+2. 特征工程与自变量选择
+请分步骤给出建议：
+
+（1）特征筛选标准
+
+●
+从数据集中选择适合作为自变量（X）的特征，需满足以下条件：
+○
+相关性 ：与因变量有显著统计学关联（如皮尔逊相关系数>0.3或p值<0.05）；
+○
+可解释性 ：符合业务逻辑（例如广告投入与销售额应正相关）；
+○
+数据质量 ：无严重缺失值（缺失率<5%）且分布合理（无极端异常值）。
+ 
+
+（2）特征处理建议
+
+●
+数值型特征 ：是否需要标准化/归一化？（如线性回归对特征量纲敏感）
+●
+分类特征 ：是否需要独热编码或嵌入处理？（如性别、地区等字段）
+●
+交互特征 ：是否存在需要组合的特征？（例如广告投入×用户年龄的交互项）
+ 
+
+（3）排除特征
+
+列出应排除的特征并说明原因（如多重共线性、冗余字段、无关变量）。
+
+3. 模型输入设计
+请给出最终的模型输入方案 ：
+
+●
+自变量（X） ：具体字段名称及预处理方法；
+●
+因变量（Y） ：字段名称及是否需要转换（如对数变换）。
+ 
+
+4. 算法实现建议
+1.
+模型适配性 ：
+○
+线性回归是否适合该数据集？若否，是否需要调整（如添加正则化项变为岭回归/lasso）？
+○
+若数据存在非线性关系，是否需要先尝试多项式回归？
+1.
+计算资源建议 ：
+○
+特征维度是否需要降维（如PCA）以减少模型计算复杂度？
+1.
+评估与验证 ：
+○
+推荐的交叉验证策略（如K折交叉验证）；
+○
+需要监控的评估指标（如R²、调整R²、F统计量）。
+5. 输出格式要求
+请以以下结构分点输出，便于模型生成清晰结论：
+
+1. 问题定义：[一句话描述]  
+
+2. 因变量选择：[字段名] + [选择理由]  
+
+3. 自变量选择：  
+
+   - 保留字段：[字段列表及处理方式]  
+
+   - 排除字段：[字段列表及排除原因]  
+
+4. 关键特征分析：  
+
+   - 相关性最高特征：[字段名]（相关系数值）  
+
+   - 高共线性特征对：[字段对及VIF值]  
+
+5. 模型建议：  
+
+   - 是否需要正则化？[是/否及理由]  
+
+   - 推荐验证方式：[方法名称]  `
--- a/src/modules/data/digging/linear/views/Index.tsx
+++ b/src/modules/data/digging/linear/views/Index.tsx
 import { lazy } from 'react'
 import DataWrap from '@/components/data/DataWrap'
+import { prompt } from '../prompt'

 const ButtonModal = lazy(() => import('../components/ButtonModal'))
+const AIModal = lazy(() => import('@/components/data/AIModal'))

 export default function DataProcess() {
-  return <DataWrap title="数据挖掘：线性回归" buttons={<ButtonModal />}></DataWrap>
+  return (
+    <DataWrap
+      title="数据挖掘：线性回归"
+      buttons={<ButtonModal />}
+      extraButtons={<AIModal prompt={prompt} />}></DataWrap>
+  )
 }
--- a/src/modules/data/digging/logistic/prompt.ts
+++ b/src/modules/data/digging/logistic/prompt.ts
+export const prompt = `任务目标
+
+逻辑回归算法设计需求说明，结构化分析和建模建议。
+
+数据样本：[在此粘贴数据片段或上传文件（CSV/XLSX）]  
+
+输出要求 
+请以以下结构分点输出，确保结论清晰、逻辑严谨：
+
+ 
+
+1. 问题定义
+
+[一句话描述业务问题及建模目标，例如："预测用户是否购买高价值商品，以优化营销策略"]
+
+ 
+
+2. 因变量选择
+
+●
+字段名 ：[目标变量字段名]
+●
+选择理由 ：
+○
+[业务意义说明，如"该字段直接反映购买行为"]
+○
+[数据分布说明，如"二分类/多分类分布均衡"]
+3. 自变量选择
+
+保留字段 ：
+
+字段名     |     处理方式                   |         理由
+
+[字段1]     |    [标准化/One-Hot等]    |        [业务相关性/数据质量]
+
+[字段2     |      ...                            |        ...
+
+排除字段 ：
+
+字段名      |     排除原因
+
+[字段X]      |     [冗余/强共线性/数据缺失率>30%等]
+
+4. 关键特征分析
+
+●
+相关性最高特征 ：
+○
+[字段名]（与因变量相关系数：[数值]，如|r|=0.78）
+●
+高共线性特征对 ：
+○
+[字段A & 字段B]（VIF值：[数值]，如VIF=8.5，需处理）
+ 
+
+5. 模型建议
+
+●
+是否需要正则化 ：
+○
+[是/否]
+○
+理由 ：
+■
+[如"存在多重共线性（VIF>5），推荐L2正则化"]
+■
+[或"特征稀疏且无冗余，无需正则化"]
+●
+推荐验证方式 ：
+○
+[方法名称，如"分层5折交叉验证"]
+○
+理由 ：
+■
+[如"数据量较小且类别分布不均衡"]
+6. 输出格式要求
+请以以下结构分点输出，便于模型生成清晰结论：
+
+1. 问题定义：[一句话描述]  
+
+2. 因变量选择：[字段名] + [选择理由]  
+
+3. 自变量选择：  
+
+   - 保留字段：[字段列表及处理方式]  
+
+   - 排除字段：[字段列表及排除原因]  
+
+4. 关键特征分析：  
+
+   - 相关性最高特征：[字段名]（相关系数值）  
+
+   - 高共线性特征对：[字段对及VIF值]  
+
+5. 模型建议：  
+
+   - 是否需要正则化？[是/否及理由]  
+
+   - 推荐验证方式：[方法名称]  `
--- a/src/modules/data/digging/logistic/views/Index.tsx
+++ b/src/modules/data/digging/logistic/views/Index.tsx
 import { lazy } from 'react'
 import DataWrap from '@/components/data/DataWrap'
+import { prompt } from '../prompt'

 const ButtonModal = lazy(() => import('../components/ButtonModal'))
+const AIModal = lazy(() => import('@/components/data/AIModal'))

 export default function DataProcess() {
-  return <DataWrap title="数据挖掘：逻辑回归" buttons={<ButtonModal />}></DataWrap>
+  return (
+    <DataWrap
+      title="数据挖掘：逻辑回归"
+      buttons={<ButtonModal />}
+      extraButtons={<AIModal prompt={prompt} />}></DataWrap>
+  )
 }
--- a/src/modules/data/digging/svm/prompt.ts
+++ b/src/modules/data/digging/svm/prompt.ts
+export const prompt = `任务目标
+
+支持向量机（SVM）算法设计需求说明，结构化分析和建模建议
+
+数据样本：[在此粘贴数据片段或上传文件（CSV/XLSX）]  
+
+1. 问题定义与目标明确
+请明确回答以下问题：
+
+1.
+核心问题 ：该数据集拟解决的业务问题是什么？（例如：预测用户购买品类、识别高价值客户流失风险等）
+2.
+因变量（目标）选择 ：
+    字段名：[目标变量字段名]  
+
+     - 选择依据：  
+
+        - 业务相关性说明（如"直接关联用户购买行为"）  
+
+        - 数据类型匹配（如分类问题需离散变量、回归问题需连续变量）
+
+    模型预期 ：
+
+         预期性能指标（如准确率>85%、F1-score>0.7）  
+
+         或业务目标（如"将客户流失预测准确率提升15%"）
+
+2. 特征工程与自变量选择
+请分步骤给出建议：
+
+  (1) 特征筛选标准：  
+
+      保留字段：  
+
+  | 字段名 | 处理方式 | 保留理由（满足以下条件） |  
+
+  | [字段1] | 标签编码/One-Hot | 标准化/One-Hot | 与因变量相关性显著（如|r|=0.5+）、业务逻辑相关 |
+
+  | [字段2] | 处理缺失值（如填充/删除） | 数据质量达标（缺失率<5%）、分布合理 |  
+
+    排除字段：  
+
+  | 字段名 | 排除原因 |  
+
+  | [字段X] | 多重共线性（VIF>10）、无关变量、数据噪声 |  
+
+ 
+
+  (2) 特征处理建议：  
+
+     标准化要求：  
+
+  - 强制标准化：SVM对特征量纲敏感，必须进行标准化（\`StandardScaler\`）   
+
+    分类特征：  
+
+  - 编码方式：[One-Hot/标签编码]（如"品类字段需One-Hot编码以保留类别信息"）   
+
+     缺失值处理：  
+
+  - 策略：[填充/删除/模型内置处理]（如"年龄字段缺失率3%，用中位数填充"）  
+
+    异常值处理：  
+
+  - 策略：[离群值截断/删除]（如"销量字段存在极端值，使用IQR法处理"）
+
+3. 模型输入设计
+请给出最终的模型输入方案 ：
+
+    自变量（X）：  
+
+    字段列表及预处理方法：  
+
+    [字段A]：标准化 → 均值0，方差1  
+
+    [字段B]：One-Hot编码 → 扩展为N个二元变量 
+
+    因变量（Y）：  
+
+    字段名：[字段名]  
+
+    是否需要离散化？[是/否及方法]（如"销售额连续值转为高/中/低三类"）  
+
+ 
+
+4. 算法实现建议
+    模型适配性：  
+
+      是否适合SVM？[是/否及理由]  
+
+      若否，推荐调整：  
+
+      尝试线性SVM（如"高维稀疏数据"）或核技巧（如"非线性边界问题用RBF核"） 
+
+    关键参数建议：  
+
+      \`C\`：[建议值及理由]（如"设置为1.0平衡分类边界与误分类惩罚"）  
+
+      \`kernel\`：[linear/rbf/poly等]（如"非线性问题推荐RBF核"）  
+
+      \`gamma\`：[建议值或'auto']（如"RBF核时设为'auto'或网格搜索优化"） 
+
+ 计算资源建议：  
+
+     是否需要降维？[是/否及方法]（如"特征维度>1e3时用PCA降维"）  
+
+     验证与评估：  
+
+       验证策略：[分层5折交叉验证]（如"数据类别分布不均衡"）  
+
+       关键指标：[准确率、F1-score、AUC-ROC（二分类时）]  
+
+5. 输出格式要求
+请以以下结构分点输出，便于模型生成清晰结论：
+
+1. 问题定义：[一句话描述]  
+
+2. 因变量选择：[字段名] + [选择理由]  
+
+3. 自变量选择：  
+
+   - 保留字段：[字段列表及处理方式]  
+
+   - 排除字段：[字段列表及排除原因]  
+
+4. 关键特征分析：  
+
+   - 相关性最高特征：[字段名]（相关系数值）  
+
+   - 高共线性特征对：[字段对及VIF值]  
+
+5. 模型建议：  
+
+   - 是否需要正则化？[是/否及理由]  
+
+   - 推荐验证方式：[方法名称]  
+
+   - 核心参数建议`
--- a/src/modules/data/digging/svm/views/Index.tsx
+++ b/src/modules/data/digging/svm/views/Index.tsx
 import { lazy } from 'react'
 import DataWrap from '@/components/data/DataWrap'
+import { prompt } from '../prompt'

 const ButtonModal = lazy(() => import('../components/ButtonModal'))
+const AIModal = lazy(() => import('@/components/data/AIModal'))
+
 export default function DataProcess() {
-  return <DataWrap title="数据挖掘：支持向量机" buttons={<ButtonModal />}></DataWrap>
+  return (
+    <DataWrap
+      title="数据挖掘：支持向量机"
+      buttons={<ButtonModal />}
+      extraButtons={<AIModal prompt={prompt} />}></DataWrap>
+  )
 }
--- a/src/modules/data/digging/tree/prompt.ts
+++ b/src/modules/data/digging/tree/prompt.ts
+export const prompt = `任务目标
+
+决策树算法设计需求说明，结构化分析和建模建议  
+
+数据样本：[在此粘贴数据片段或上传文件（CSV/XLSX）]  
+
+1. 问题定义与目标明确
+请明确回答以下问题：
+
+1.
+核心问题 ：该数据集拟解决的业务问题是什么？（例如：预测用户购买品类、识别高价值客户流失风险等）
+2.
+因变量（目标）选择 ：
+    字段名：[目标变量字段名]  
+
+     - 选择依据：  
+
+        - 业务相关性说明（如"直接关联用户购买行为"）  
+
+        - 数据类型匹配（如分类问题需离散变量、回归问题需连续变量）
+
+    模型预期 ：
+
+         预期性能指标（如准确率>85%、F1-score>0.7）  
+
+         或业务目标（如"将客户流失预测准确率提升15%"）
+
+2. 特征工程与自变量选择
+请分步骤给出建议：
+
+  (1) 特征筛选标准：  
+
+      保留字段：  
+
+  | 字段名 | 处理方式 | 保留理由（满足以下条件） |  
+
+  | [字段1] | 标签编码/One-Hot | 与因变量信息增益高、业务逻辑相关 |  
+
+  | [字段2] | 处理缺失值（如填充/删除） | 数据质量达标（缺失率<5%）、分布合理 |  
+
+    排除字段：  
+
+  | 字段名 | 排除原因 |  
+
+  | [字段X] | 多重共线性（VIF>10）、无关变量、数据噪声 |  
+
+ 
+
+  (2) 特征处理建议：  
+
+     分类特征：  
+
+  - 编码方式：[标签编码/One-Hot]（如"品类字段需One-Hot编码以保留类别信息"）  
+
+     缺失值处理：  
+
+  - 策略：[填充/删除/模型内置处理]（如"年龄字段缺失率3%，用中位数填充"）  
+
+    异常值处理：  
+
+  - 策略：[离群值截断/删除]（如"销量字段存在极端值，使用IQR法处理"）  
+
+3. 模型输入设计
+请给出最终的模型输入方案 ：
+
+    自变量（X）：  
+
+    字段列表及预处理方法：  
+
+       [字段A]：标签编码 → 转换为整数类型  
+
+      [字段B]：One-Hot编码 → 扩展为N个二元变量  
+
+    因变量（Y）：  
+
+    字段名：[字段名]  
+
+    是否需要离散化？[是/否及方法]（如"销售额连续值转为高/中/低三类"）  
+
+ 
+
+4. 算法实现建议
+    模型适配性：  
+
+      是否适合决策树？[是/否及理由]  
+
+      若否，推荐调整：  
+
+      尝试随机森林/梯度提升树（如"特征间交互复杂，需集成学习"）  
+
+    关键参数建议：  
+
+      \`max_depth\`：[建议值及理由]（如"防止过拟合，设置为5"）  
+
+      \`min_samples_split\`：[建议值及理由]（如"避免过分割，设置为10"）  
+
+      \`class_weight\`：[平衡/不均衡]（如"类别分布不均衡时设置'balanced'"）  
+
+    计算资源建议：  
+
+     是否需要特征选择？[是/否及方法]（如"使用特征重要性筛选Top 10字段"）  
+
+     验证与评估：  
+
+       验证策略：[分层5折交叉验证]（如"数据类别分布不均衡"）  
+
+       关键指标：[准确率、F1-score、特征重要性图表]  
+
+5. 输出格式要求
+请以以下结构分点输出，便于模型生成清晰结论：
+
+1. 问题定义：[一句话描述]  
+
+2. 因变量选择：[字段名] + [选择理由]  
+
+3. 自变量选择：  
+
+   - 保留字段：[字段列表及处理方式]  
+
+   - 排除字段：[字段列表及排除原因]  
+
+4. 关键特征分析：  
+
+   - 相关性最高特征：[字段名]（相关系数值）  
+
+   - 高共线性特征对：[字段对及VIF值]  
+
+5. 模型建议：  
+
+   - 是否需要正则化？[是/否及理由]  
+
+   - 推荐验证方式：[方法名称]  
+
+   - 核心参数建议`
--- a/src/modules/data/digging/tree/views/Index.tsx
+++ b/src/modules/data/digging/tree/views/Index.tsx
 import { lazy } from 'react'
 import DataWrap from '@/components/data/DataWrap'
+import { prompt } from '../prompt'

 const ButtonModal = lazy(() => import('../components/ButtonModal'))
+const AIModal = lazy(() => import('@/components/data/AIModal'))

 export default function DataProcess() {
-  return <DataWrap title="数据挖掘：决策树" buttons={<ButtonModal />}></DataWrap>
+  return (
+    <DataWrap title="数据挖掘：决策树" buttons={<ButtonModal />} extraButtons={<AIModal prompt={prompt} />}></DataWrap>
+  )
 }
--- a/src/modules/data/read/exploration/components/MaxButtonModal.tsx
+++ b/src/modules/data/read/exploration/components/MaxButtonModal.tsx
@@ -7,13 +7,14 @@ import { useAI } from '@/hooks/useAI'
 import prompt from '@/utils/prompt'

 interface ResultItem {
+  key: string
  name: string
  desc: string
 }

 export default function ButtonModal() {
  const [results, setResults] = useState<ResultItem[]>([])
-  const resultsOptions = results.map((result) => result.name)
+  const resultsOptions = results.map((result) => ({ label: result.name, value: result.key }))

  const { isLoading, post } = useAI({
    onComplete: (message) => {
@@ -34,7 +35,7 @@ export default function ButtonModal() {
  const [open, setOpen] = useState(false)
  const [current, setCurrent] = useState(0)

-  const [value, setValue] = useState(1)
+  const [value, setValue] = useState('')

  const onChange = (e: RadioChangeEvent) => {
    setValue(e.target.value)
@@ -79,7 +80,7 @@ export default function ButtonModal() {

            {current > 0 && <Button onClick={() => prev()}>上一步</Button>}
            {current < steps.length - 1 && (
-              <Button type="primary" onClick={() => next()} disabled={!!value}>
+              <Button type="primary" onClick={() => next()} disabled={!value}>
                下一步
              </Button>
            )}

--- a/src/modules/data/read/exploration/components/MinButtonModal.tsx
+++ b/src/modules/data/read/exploration/components/MinButtonModal.tsx
@@ -7,13 +7,14 @@ import { useAI } from '@/hooks/useAI'
 import prompt from '@/utils/prompt'

 interface ResultItem {
+  key: string
  name: string
  desc: string
 }

 export default function ButtonModal() {
  const [results, setResults] = useState<ResultItem[]>([])
-  const resultsOptions = results.map((result) => result.name)
+  const resultsOptions = results.map((result) => ({ label: result.name, value: result.key }))

  const { isLoading, post } = useAI({
    onComplete: (message) => {
@@ -34,7 +35,7 @@ export default function ButtonModal() {
  const [open, setOpen] = useState(false)
  const [current, setCurrent] = useState(0)

-  const [value, setValue] = useState(1)
+  const [value, setValue] = useState('')

  const onChange = (e: RadioChangeEvent) => {
    setValue(e.target.value)
@@ -72,7 +73,7 @@ export default function ButtonModal() {

            {current > 0 && <Button onClick={() => prev()}>上一步</Button>}
            {current < steps.length - 1 && (
-              <Button type="primary" onClick={() => next()} disabled={!!value}>
+              <Button type="primary" onClick={() => next()} disabled={!value}>
                下一步
              </Button>
            )}

--- a/src/modules/data/read/exploration/components/NullButtonModal.tsx
+++ b/src/modules/data/read/exploration/components/NullButtonModal.tsx
@@ -9,13 +9,14 @@ import prompt from '@/utils/prompt'
 const CheckboxGroup = Checkbox.Group

 interface ResultItem {
+  key: string
  name: string
  desc: string
 }

 export default function ButtonModal() {
  const [results, setResults] = useState<ResultItem[]>([])
-  const resultsOptions = results.map((result) => result.name)
+  const resultsOptions = results.map((result) => ({ label: result.name, value: result.key }))

  const { isLoading, post } = useAI({
    onComplete: (message) => {
@@ -49,7 +50,7 @@ export default function ButtonModal() {
  }

  const onCheckAllChange: CheckboxProps['onChange'] = (e) => {
-    setCheckedList(e.target.checked ? resultsOptions : [])
+    setCheckedList(e.target.checked ? resultsOptions.map((item) => item.value) : [])
  }

  const next = () => {