כתיבה מחדש של ה-prompt להיות מצומצם, פשוט ומדויק עם כל השדות ודוגמאות

app/sql_service.py

@@ -131,144 +131,85 @@ class SQLFeedbackService:
         if self.df is None:
             return "No data available"
         
-        # Build complete schema with all columns - be very specific about types, meanings, business context, and examples
+        # Build compact schema info with all fields, examples, and usage
         all_columns_info = ""
         
-        # ID field
-        all_columns_info += "- ID: מזהה ייחודי של כל משוב\n"
-        all_columns_info += "  * סוג: UUID/טקסט (מזהה ייחודי גלובלי)\n"
-        all_columns_info += "  * משמעות עסקית: מזהה ייחודי לכל משוב במערכת, מאפשר מעקב אחר משוב ספציפי, קישור בין משובים, ומניעת כפילויות\n"
-        all_columns_info += "  * דוגמאות: '71BE94CF-A408-47EC-9443-CA2385B6BFCF', '6E36E9B9-45D5-4143-AF24-216C2A889217'\n"
-        all_columns_info += "  * שימוש בשאילתות: WHERE ID = '...', COUNT(DISTINCT ID), GROUP BY ID\n\n"
-        
-        # ServiceName field
-        all_columns_info += "- ServiceName: שם השירות הדיגיטלי\n"
-        all_columns_info += "  * סוג: טקסט (שם השירות)\n"
-        all_columns_info += "  * משמעות עסקית: מזהה את השירות הדיגיטלי הממשלתי שעליו ניתן המשוב. מאפשר ניתוח לפי שירות, השוואה בין שירותים, וזיהוי שירותים בעייתיים או מצטיינים\n"
-        all_columns_info += "  * דוגמאות: '1050_NifAvoda@btl.gov.il', '7112@btl.gov.il', 'שירות דיגיטלי אחר'\n"
-        all_columns_info += "  * שימוש בשאילתות: WHERE ServiceName = '...', GROUP BY ServiceName, COUNT(*) GROUP BY ServiceName\n\n"
-        
-        # Level field
-        all_columns_info += "- Level: הציון שהמשתמש נתן לשירות\n"
-        all_columns_info += "  * סוג: מספר שלם (1-5)\n"
-        all_columns_info += "  * משמעות עסקית: מדד שביעות רצון המשתמש מהשירות. 1=גרוע מאוד, 2=גרוע, 3=בינוני, 4=טוב, 5=מעולה. מאפשר מדידת שביעות רצון, זיהוי בעיות, ומעקב אחר שיפורים\n"
-        all_columns_info += "  * דוגמאות: 1, 2, 3, 4, 5\n"
-        all_columns_info += "  * שימוש בשאילתות: WHERE Level >= 4 (משובים חיוביים), WHERE Level <= 2 (משובים שליליים), AVG(Level), GROUP BY Level\n\n"
-        
-        # Text field
-        all_columns_info += "- Text: הטקסט החופשי שהמשתמש הזין כחלק מהפידבק\n"
-        all_columns_info += "  * סוג: טקסט (ארוך, יכול להכיל מספר משפטים)\n"
-        all_columns_info += "  * משמעות עסקית: התוכן המפורט של המשוב - ביקורות, הצעות לשיפור, תלונות, מחמאות. מאפשר ניתוח איכותי של המשובים, זיהוי נושאים חוזרים, וקבלת תובנות עסקיות מעמיקות\n"
-        all_columns_info += "  * דוגמאות: 'כי זה לא מנפיק את המספר', 'הכל מעולה!', 'במקרה של בעיה אין טלפון לבירורים...'\n"
-        all_columns_info += "  * שימוש בשאילתות: WHERE Text LIKE '%...%', WHERE Text LIKE '%בעיה%', LENGTH(Text), COUNT(*) WHERE Text IS NOT NULL\n\n"
-        
-        # Add optional columns if they exist
+        # Get sample values for each column
+        def get_sample_values(col_name, n=3):
+            try:
+                samples = self.df[col_name].dropna().head(n).tolist()
+                return [str(s) for s in samples]
+            except:
+                return []
+        
+        # ID
+        samples = get_sample_values('ID', 2)
+        all_columns_info += f"• ID (UUID): מזהה ייחודי. דוגמאות: {', '.join(samples[:2])}\n"
+        
+        # ServiceName
+        samples = get_sample_values('ServiceName', 3)
+        unique_services = self.df['ServiceName'].nunique() if 'ServiceName' in self.df.columns else 0
+        all_columns_info += f"• ServiceName (טקסט): שם השירות. דוגמאות: {', '.join(samples[:2])}. יש {unique_services} שירותים ייחודיים\n"
+        
+        # Level
+        all_columns_info += "• Level (מספר 1-5): דירוג שביעות רצון. 1=גרוע מאוד, 5=מעולה. דוגמאות: 1, 2, 3, 4, 5\n"
+        
+        # Text
+        samples = get_sample_values('Text', 1)
+        if samples:
+            sample_text = samples[0][:50] + "..." if len(samples[0]) > 50 else samples[0]
+            all_columns_info += f"• Text (טקסט ארוך): תוכן המשוב. דוגמה: '{sample_text}'\n"
+        else:
+            all_columns_info += "• Text (טקסט ארוך): תוכן המשוב - ביקורות, תלונות, מחמאות\n"
+        
+        # ReferenceNumber
         if 'ReferenceNumber' in self.df.columns:
-            all_columns_info += "- ReferenceNumber: מספר הפניה של המשוב\n"
-            all_columns_info += "  * סוג: מספר שלם (יכול להיות NULL)\n"
-            all_columns_info += "  * משמעות עסקית: מספר הפניה פנימי של המשוב במערכת. מאפשר קישור למסמכים או בקשות קשורות, מעקב אחר תהליכים, וניהול בקשות\n"
-            all_columns_info += "  * דוגמאות: 6928, 6938, NULL\n"
-            all_columns_info += "  * שימוש בשאילתות: WHERE ReferenceNumber = 6928, WHERE ReferenceNumber IS NOT NULL, COUNT(*) WHERE ReferenceNumber IS NULL\n\n"
+            samples = get_sample_values('ReferenceNumber', 3)
+            all_columns_info += f"• ReferenceNumber (מספר, יכול להיות NULL): מספר הפניה. דוגמאות: {', '.join([str(s) for s in samples[:2]])}\n"
         
+        # RequestID
         if 'RequestID' in self.df.columns:
-            all_columns_info += "- RequestID: מזהה בקשה\n"
-            all_columns_info += "  * סוג: UUID/טקסט (יכול להיות NULL)\n"
-            all_columns_info += "  * משמעות עסקית: מזהה ייחודי של הבקשה המקורית שקשורה למשוב. מאפשר קישור בין בקשות למשובים, מעקב אחר תהליכים, וניתוח הקשר בין בקשה למשוב\n"
-            all_columns_info += "  * דוגמאות: 'D02E2BB5-079B-44AD-AC35-9D30A22715F9', '463B8D9A-C85B-474C-895D-D73CE067EF27', NULL\n"
-            all_columns_info += "  * שימוש בשאילתות: WHERE RequestID = '...', COUNT(DISTINCT RequestID), WHERE RequestID IS NOT NULL\n\n"
+            samples = get_sample_values('RequestID', 2)
+            all_columns_info += f"• RequestID (UUID, יכול להיות NULL): מזהה בקשה. דוגמאות: {samples[0][:20]}...\n"
         
+        # ProcessID
         if 'ProcessID' in self.df.columns:
-            all_columns_info += "- ProcessID: מזהה תהליך\n"
-            all_columns_info += "  * סוג: UUID/טקסט (יכול להיות NULL)\n"
-            all_columns_info += "  * משמעות עסקית: מזהה ייחודי של התהליך העסקי שקשור למשוב. מאפשר ניתוח לפי תהליכים, זיהוי תהליכים בעייתיים, ומעקב אחר ביצועים של תהליכים ספציפיים\n"
-            all_columns_info += "  * דוגמאות: UUID או NULL\n"
-            all_columns_info += "  * שימוש בשאילתות: WHERE ProcessID = '...', COUNT(DISTINCT ProcessID), WHERE ProcessID IS NOT NULL\n\n"
-        
-        # Add info about date/time columns - these are PRE-CALCULATED and MUST be used for time-based queries
-        date_columns = ['יום_בחודש', 'יום_בשבוע', 'שנה', 'חודש', 'שעה', 'יום_לילה']
-        existing_date_columns = [col for col in date_columns if col in self.df.columns]
-        date_columns_info = ""
-        if existing_date_columns:
-            date_columns_info = "\n\n⚠️⚠️⚠️ שדות תאריך/זמן מחושבים (כבר מולאו בנתונים - חובה להשתמש בהם לשאילתות זמן!):\n"
-            
-            if 'שנה' in existing_date_columns:
-                # Get actual year range from data
-                try:
-                    year_min = int(self.df['שנה'].min())
-                    year_max = int(self.df['שנה'].max())
-                    year_range = f"{year_min}-{year_max}"
-                except:
-                    year_range = "למשל 2020"
-                
-                date_columns_info += "- שנה: שנה שבה ניתן המשוב\n"
-                date_columns_info += "  * סוג: מספר שלם\n"
-                date_columns_info += f"  * טווח: {year_range}\n"
-                date_columns_info += "  * משמעות עסקית: מאפשר ניתוח מגמות לאורך שנים, השוואה בין שנים, זיהוי שיפורים או הידרדרות, ותכנון אסטרטגי לטווח ארוך\n"
-                date_columns_info += f"  * דוגמאות: {year_min}, {year_max}\n"
-                date_columns_info += "  * שימוש בשאילתות: WHERE שנה = 2020, GROUP BY שנה, SELECT שנה, COUNT(*) GROUP BY שנה\n\n"
-            
-            if 'חודש' in existing_date_columns:
-                date_columns_info += "- חודש: חודש בשנה שבו ניתן המשוב\n"
-                date_columns_info += "  * סוג: מספר שלם (1-12)\n"
-                date_columns_info += "  * משמעות: 1=ינואר, 2=פברואר, 3=מרץ, 4=אפריל, 5=מאי, 6=יוני, 7=יולי, 8=אוגוסט, 9=ספטמבר, 10=אוקטובר, 11=נובמבר, 12=דצמבר\n"
-                date_columns_info += "  * משמעות עסקית: מאפשר ניתוח עונתי, זיהוי חודשים בעייתיים או מצטיינים, תכנון משאבים לפי עונות, וזיהוי דפוסים חודשיים\n"
-                date_columns_info += "  * דוגמאות: 1 (ינואר), 6 (יוני), 12 (דצמבר)\n"
-                date_columns_info += "  * שימוש בשאילתות: WHERE חודש = 1, GROUP BY חודש, SELECT חודש, COUNT(*) GROUP BY חודש ORDER BY חודש\n\n"
-            
-            if 'יום_בחודש' in existing_date_columns:
-                date_columns_info += "- יום_בחודש: יום בחודש שבו ניתן המשוב\n"
-                date_columns_info += "  * סוג: מספר שלם (1-31)\n"
-                date_columns_info += "  * משמעות עסקית: מאפשר ניתוח לפי ימים בחודש, זיהוי ימים בעייתיים (למשל סוף חודש), וניתוח דפוסים יומיים\n"
-                date_columns_info += "  * דוגמאות: 1, 15, 31\n"
-                date_columns_info += "  * שימוש בשאילתות: WHERE יום_בחודש = 1, GROUP BY יום_בחודש, SELECT יום_בחודש, COUNT(*) GROUP BY יום_בחודש\n\n"
-            
-            if 'יום_בשבוע' in existing_date_columns:
-                date_columns_info += "- יום_בשבוע: יום בשבוע שבו ניתן המשוב\n"
-                date_columns_info += "  * סוג: טקסט (אנגלית)\n"
-                date_columns_info += "  * ערכים אפשריים: Monday, Tuesday, Wednesday, Thursday, Friday, Saturday, Sunday\n"
-                date_columns_info += "  * משמעות עסקית: מאפשר ניתוח לפי ימי השבוע, זיהוי ימים בעייתיים (למשל ראשון), תכנון כוח אדם, וזיהוי דפוסים שבועיים\n"
-                date_columns_info += "  * דוגמאות: 'Monday', 'Wednesday', 'Friday'\n"
-                date_columns_info += "  * שימוש בשאילתות: WHERE יום_בשבוע = 'Monday', GROUP BY יום_בשבוע, SELECT יום_בשבוע, COUNT(*) GROUP BY יום_בשבוע\n\n"
-            
-            if 'שעה' in existing_date_columns:
-                date_columns_info += "- שעה: שעה ביום שבה ניתן המשוב\n"
-                date_columns_info += "  * סוג: מספר שלם (0-23)\n"
-                date_columns_info += "  * משמעות: 0=חצות (00:00), 12=צהריים (12:00), 23=23:00\n"
-                date_columns_info += "  * משמעות עסקית: מאפשר ניתוח לפי שעות היום, זיהוי שעות שיא, תכנון זמינות שירות, וזיהוי דפוסים יומיים (למשל שעות בוקר מול ערב)\n"
-                date_columns_info += "  * דוגמאות: 0 (חצות), 9 (9 בבוקר), 14 (2 בצהריים), 18 (6 בערב), 23 (11 בלילה)\n"
-                date_columns_info += "  * שימוש בשאילתות: WHERE שעה >= 9 AND שעה <= 17 (שעות עבודה), GROUP BY שעה, SELECT שעה, COUNT(*) GROUP BY שעה ORDER BY שעה\n\n"
-            
-            if 'יום_לילה' in existing_date_columns:
-                date_columns_info += "- יום_לילה: האם המשוב ניתן בשעות היום או הלילה\n"
-                date_columns_info += "  * סוג: טקסט\n"
-                date_columns_info += "  * ערכים אפשריים: 'יום' או 'לילה'\n"
-                date_columns_info += "  * הגדרה: יום=6:00-18:00, לילה=18:00-6:00\n"
-                date_columns_info += "  * משמעות עסקית: מאפשר ניתוח לפי שעות פעילות, זיהוי הבדלים בין יום ללילה, תכנון זמינות שירות, וזיהוי בעיות בשעות מסוימות\n"
-                date_columns_info += "  * דוגמאות: 'יום', 'לילה'\n"
-                date_columns_info += "  * שימוש בשאילתות: WHERE יום_לילה = 'יום', GROUP BY יום_לילה, SELECT יום_לילה, COUNT(*) GROUP BY יום_לילה\n\n"
-        
-        schema_info = f"""
-⚠️⚠️⚠️ שם הטבלה: 'Feedback_transformed' (עם אות גדולה F ו-underscore) - זה הקובץ feedback_transformed.csv
-
-טבלת Feedback_transformed מכילה את השדות הבאים:
-{all_columns_info}{date_columns_info}
-
-⚠️⚠️⚠️ קריטי: שם הטבלה ב-SQL הוא 'Feedback_transformed' (עם אות גדולה F ו-underscore). 
-כל שאילתה חייבת להתחיל ב-SELECT ולהשתמש ב-FROM Feedback_transformed.
-אסור להשתמש בשמות אחרים!
-
-🚫🚫🚫 אזהרה חשובה מאוד:
-- השדה CreationDate לא קיים בטבלה! הוא נמחק!
-- אסור להשתמש ב-CreationDate בשום שאילתה!
-- אסור להשתמש ב-strftime() או DATE() על CreationDate - השדה לא קיים!
-- כל המידע על תאריכים נמצא בשדות המחושבים: שנה, חודש, יום_בשבוע, שעה, יום_לילה, יום_בחודש
-- אם אתה רואה CreationDate ב-schema - זה שגיאה! השתמש רק בשדות המחושבים!
-
-סטטיסטיקות כלליות:
-- סך הכל משובים: {len(self.df)}
-- מספר שירותים ייחודיים: {self.df['ServiceName'].nunique()}
-- חלוקת דירוגים: {dict(self.df['Level'].value_counts().sort_index())}
-- דירוג ממוצע: {self.df['Level'].mean():.2f}
+            all_columns_info += "• ProcessID (UUID, יכול להיות NULL): מזהה תהליך\n"
+        
+        # Date/Time fields - PRE-CALCULATED, use these for time queries
+        all_columns_info += "\nשדות תאריך/זמן מחושבים (מוכנים לשימוש - השתמש בהם לשאילתות זמן!):\n"
+        
+        if 'שנה' in self.df.columns:
+            try:
+                year_min = int(self.df['שנה'].min())
+                year_max = int(self.df['שנה'].max())
+                all_columns_info += f"• שנה (מספר): שנה. טווח: {year_min}-{year_max}. דוגמאות: {year_min}, {year_max}\n"
+            except:
+                all_columns_info += "• שנה (מספר): שנה. דוגמאות: 2020, 2021\n"
+        
+        if 'חודש' in self.df.columns:
+            all_columns_info += "• חודש (מספר 1-12): חודש. 1=ינואר, 12=דצמבר. דוגמאות: 1, 6, 12\n"
+        
+        if 'יום_בחודש' in self.df.columns:
+            all_columns_info += "• יום_בחודש (מספר 1-31): יום בחודש. דוגמאות: 1, 15, 31\n"
+        
+        if 'יום_בשבוע' in self.df.columns:
+            samples = get_sample_values('יום_בשבוע', 3)
+            all_columns_info += f"• יום_בשבוע (טקסט): יום בשבוע באנגלית. ערכים: Monday-Sunday. דוגמאות: {', '.join(samples[:3])}\n"
+        
+        if 'שעה' in self.df.columns:
+            all_columns_info += "• שעה (מספר 0-23): שעה ביום. 0=חצות, 12=צהריים, 23=23:00. דוגמאות: 0, 9, 14, 18, 23\n"
+        
+        if 'יום_לילה' in self.df.columns:
+            samples = get_sample_values('יום_לילה', 2)
+            all_columns_info += f"• יום_לילה (טקסט): 'יום' או 'לילה'. יום=6:00-18:00, לילה=18:00-6:00. דוגמאות: {', '.join(samples[:2])}\n"
+        
+        schema_info = f"""שם הטבלה: Feedback_transformed (עם אות גדולה F)
+
+שדות בטבלה:
+{all_columns_info}
+
+סטטיסטיקות: {len(self.df)} משובים, {self.df['ServiceName'].nunique()} שירותים, דירוג ממוצע: {self.df['Level'].mean():.2f}
 """
         return schema_info
     
@@ -347,77 +288,26 @@ class SQLFeedbackService:
         
         schema_info = self._get_schema_info()
         
-        prompt = f"""אתה אנליסט נתונים מומחה. המשתמש שאל שאלה על משובי משתמשים.
+        prompt = f"""צור שאילתות SQL לשאלה: {query}
 
-🚫🚫🚫 אזהרה קריטית - קרא היטב:
-- השדה CreationDate לא קיים בטבלה! הוא נמחק לחלוטין!
-- אסור להשתמש ב-CreationDate בשום שאילתה!
-- אסור להשתמש ב-strftime() או DATE() על CreationDate - השדה לא קיים!
-- כל המידע על תאריכים נמצא בשדות המחושבים: שנה, חודש, יום_בשבוע, שעה, יום_לילה, יום_בחודש
-- אם השאלה מתייחסת לתאריכים/זמן - השתמש רק בשדות המחושבים האלה!
+טבלה: Feedback_transformed (חובה להשתמש בשם זה!)
 
-שאלת המשתמש: {query}
-
-מידע על הטבלה:
 {schema_info}
 
-המשימה שלך: צור 1 עד 3 שאילתות SQL ממוקדות שיעזרו לענות על השאלה.
-
-⚠️ חשוב מאוד:
-- לא חייב להריץ כמה שאילתות - לפעמים מספיקה שאילתה אחת!
-- שאילתות צריכות להיות ממוקדות ולא מפוזרות
-- כל שאילתה צריכה להיות שימושית ונחוצה לענות על השאלה
-- אם השאלה פשוטה, מספיקה שאילתה אחת
-- אם השאלה מורכבת, אפשר 2-3 שאילתות ממוקדות
-
-       כללים חשובים:
-       1. ⚠️⚠️⚠️ שם הטבלה הוא 'Feedback_transformed' (עם אות גדולה F ו-underscore) - זה קריטי!
-          - כל שאילתה חייבת להתחיל ב-SELECT ולהשתמש ב-FROM Feedback_transformed
-          - אסור להשתמש בשמות אחרים כמו 'feedback', 'Feedback', 'feedback_transformed' (עם אות קטנה)
-          - רק 'Feedback_transformed' (עם אות גדולה F) הוא הנכון!
-          - דוגמה נכונה: SELECT * FROM Feedback_transformed
-          - דוגמה שגויה: SELECT * FROM feedback (זה לא יעבוד!)
-          - דוגמה שגויה: SELECT * FROM Feedback (זה לא יעבוד!)
-       2. השתמש בשמות השדות המדויקים: ID, ServiceName, Level, Text, ReferenceNumber, RequestID, ProcessID, שנה, חודש, יום_בשבוע, שעה, יום_לילה, יום_בחודש
-       3. Level הוא מספר שלם מ-1 עד 5 (1=גרוע, 5=מעולה)
-       4. ServiceName הוא טקסט
-       5. Text הוא הטקסט החופשי של המשוב
-       6. ⚠️⚠️⚠️ שאילתות מבוססות זמן - קריטי:
-          - השדה CreationDate לא קיים! הוא נמחק! אל תשתמש בו!
-          - השדות שנה, חודש, יום_בשבוע, שעה, יום_לילה, יום_בחודש כבר מחושבים ומולאו בנתונים!
-          - תמיד השתמש ישירות בשדות המחושבים - הם כבר מוכנים לשימוש!
-          - אם השאלה מתייחסת לתאריכים/זמן - השתמש רק בשדות: שנה, חודש, יום_בשבוע, שעה, יום_לילה, יום_בחודש
-          - דוגמה לשאילתה לפי שנה: SELECT שנה, COUNT(*) as count FROM Feedback_transformed GROUP BY שנה ORDER BY שנה
-          - דוגמה לשאילתה לפי חודש: SELECT חודש, COUNT(*) as count FROM Feedback_transformed GROUP BY חודש ORDER BY חודש
-          - דוגמה לשאילתה לפי יום בשבוע: SELECT יום_בשבוע, COUNT(*) as count FROM Feedback_transformed GROUP BY יום_בשבוע
-          - דוגמה לשאילתה לפי שעה: SELECT שעה, COUNT(*) as count FROM Feedback_transformed GROUP BY שעה ORDER BY שעה
-          - דוגמה לשאילתה לפי יום/לילה: SELECT יום_לילה, COUNT(*) as count FROM Feedback_transformed GROUP BY יום_לילה
-          - דוגמה לשאילתה לפי יום בחודש: SELECT יום_בחודש, COUNT(*) as count FROM Feedback_transformed GROUP BY יום_בחודש ORDER BY יום_בחודש
-          - דוגמה לשאילתה משולבת (שנה וחודש): SELECT שנה, חודש, COUNT(*) as count FROM Feedback_transformed GROUP BY שנה, חודש ORDER BY שנה, חודש
-       7. שדות תאריך/זמן: יום_בחודש, יום_בשבוע, שנה, חודש, שעה, יום_לילה - כל השדות האלה כבר מחושבים ומוכנים לשימוש ישיר!
-       8. כל שאילתה צריכה להיות תקפה SQLite
-       9. השתמש בפונקציות SQL סטנדרטיות: COUNT, AVG, GROUP BY, WHERE, LIKE, etc.
-       10. 🚫🚫🚫 אל תשתמש ב-CreationDate, DATE(), או strftime() - השדה CreationDate לא קיים! השדות המחושבים כבר מוכנים!
-       11. אם השאלה מתייחסת לטקסט, השתמש ב-LIKE או INSTR לחיפוש
-       12. אם השאלה מתייחסת לדירוגים, השתמש ב-Level עם תנאים מתאימים
-       13. אם השאלה מתייחסת לשירותים, השתמש ב-ServiceName
-       14. דוגמה לשאילתה נכונה: SELECT COUNT(*) FROM Feedback_transformed WHERE Level >= 4
-       15. ⚠️⚠️⚠️ זכור: כל שאילתה חייבת להתחיל ב-SELECT ולהשתמש ב-FROM Feedback_transformed (עם אות גדולה F ו-underscore)!
-       16. ⚠️⚠️⚠️ לפני שאתה שולח את השאילתה, ודא שהיא מכילה: FROM Feedback_transformed (עם אות גדולה F!)
-       17. 🚫🚫🚫 לפני שאתה שולח את השאילתה, ודא שאין שימוש ב-CreationDate, strftime(), או DATE() - השדה CreationDate לא קיים!
+כללים:
+1. שם הטבלה: Feedback_transformed (עם אות גדולה F) - חובה!
+2. שאילתות זמן: השתמש בשדות המחושבים (שנה, חודש, יום_בשבוע, שעה, יום_לילה, יום_בחודש) - אל תשתמש ב-CreationDate!
+3. Level: 1-5 (1=גרוע, 5=מעולה)
+4. Text: חיפוש עם LIKE '%מילה%'
+5. ServiceName: שם השירות
 
-פורמט התשובה - JSON בלבד:
-{{
-  "queries": [
-    "SELECT ...",
-    "SELECT ...",
-    ...
-  ]
-}}
-
-⚠️ זכור: לא חייב להריץ כמה שאילתות! אם השאלה פשוטה, מספיקה שאילתה אחת ממוקדת.
+דוגמאות:
+- SELECT שנה, COUNT(*) FROM Feedback_transformed GROUP BY שנה
+- SELECT ServiceName, AVG(Level) FROM Feedback_transformed GROUP BY ServiceName
+- SELECT COUNT(*) FROM Feedback_transformed WHERE Level >= 4
+- SELECT יום_בשבוע, COUNT(*) FROM Feedback_transformed GROUP BY יום_בשבוע
 
-תן רק את ה-JSON, ללא טקסט נוסף."""
+פורמט: JSON בלבד עם "queries": ["SELECT ...", ...]"""
 
         # Try Gemini first
         if settings.gemini_api_key and genai is not None: