v1.2.3 底部快捷问题AI预测：对话进行中由大模型预测用户可能追问的问题(每个≤30字)，个数后台可配(默认3，1-6)，异步刷新防串扰；初始与开场白一致

chat.py

@@ -272,3 +272,53 @@ def boot_info():
         "suggestions": suggest_questions(),
         "footer_text": cfg.get("footer_text", "NBA球迷大全 · 数据为模拟演示数据（2025-26 赛季）"),
     }
+
+
+def _parse_json_array(text):
+    """从 LLM 输出中解析 JSON 数组（容错：直接 JSON / 提取中括号段）"""
+    if not text:
+        return []
+    text = text.strip()
+    try:
+        arr = json.loads(text)
+        if isinstance(arr, list):
+            return arr
+    except Exception:
+        pass
+    m = re.search(r"\[.*\]", text, re.S)
+    if m:
+        try:
+            arr = json.loads(m.group(0))
+            if isinstance(arr, list):
+                return arr
+        except Exception:
+            pass
+    return []
+
+
+def predict_suggestions(history=None, n=3):
+    """基于对话历史，让大模型预测用户接下来最可能追问的 n 个问题（底部快捷语句）。
+    每个问题不超过 30 字；LLM 异常时回退到默认快捷问题。"""
+    n = max(1, min(int(n or 3), 6))
+    history = history or []
+    msgs = [{"role": "system", "content": (
+        f"你是「NBA球迷大全」智能助手。根据对话历史，站在用户角度预测他接下来最可能追问的{n}个问题。\n"
+        "要求：\n"
+        "1. 每个问题不超过30个汉字，简洁口语化\n"
+        "2. 必须是用户会直接发送的提问，不要编号、不要引号、不要解释\n"
+        "3. 只输出JSON数组，例如：[\"库里今天拿了几分\",\"湖人下一场什么时候\"]，不要输出任何其他内容")}]
+    for h in history[-6:]:
+        msgs.append({"role": "user", "content": h.get("user", "")})
+        if h.get("assistant"):
+            msgs.append({"role": "assistant", "content": str(h["assistant"])[:600]})
+    if len(msgs) == 1:
+        return DEFAULT_SUGGESTIONS[:n]
+    try:
+        resp = llm.chat(msgs, temperature=0.9, max_tokens=200)
+        arr = _parse_json_array(llm.parse_content(resp))
+        out = [str(x).strip()[:30] for x in arr if str(x).strip()][:n]
+        if out:
+            return out
+    except Exception as e:
+        log.warning("快捷问题预测失败(%s)，回退默认", e)
+    return DEFAULT_SUGGESTIONS[:n]