feat: Improve expert diversity and description reliability

- Add random seed and diversity hints to expert generation prompt
- Explicitly avoid common professions (醫生、工程師、教師、律師等)
- Change description generation from batch to one-by-one for reliability
- Increase default temperature from 0.7 to 0.95 for more creative output
- Add description_progress SSE event for real-time feedback

🤖 Generated with [Claude Code](https://claude.com/claude-code)

Co-Authored-By: Claude <noreply@anthropic.com>

backend/app/prompts/expert_transformation_prompt.py

@@ -10,20 +10,40 @@ def get_expert_generation_prompt(
     custom_experts: Optional[List[str]] = None
 ) -> str:
     """Step 0: 生成專家團隊（不依賴主題，純隨機多元）"""
+    import time
+    import random
+
     custom_text = ""
     if custom_experts and len(custom_experts) > 0:
         custom_text = f"（已指定：{', '.join(custom_experts[:expert_count])}）"
 
+    # 加入時間戳和隨機數來增加多樣性
+    seed = int(time.time() * 1000) % 10000
+    diversity_hints = [
+        "冷門、非主流、跨領域",
+        "罕見職業、新興領域、邊緣學科",
+        "非傳統、創新、小眾專業",
+        "未來趨向、實驗性、非常規",
+        "跨文化、混合領域、獨特視角"
+    ]
+    hint = random.choice(diversity_hints)
+
     return f"""/no_think
 隨機組建 {expert_count} 個來自完全不同領域的專家團隊{custom_text}。
 
+【創新要求】（隨機種子:{seed}）
+- 優先選擇{hint}的專家
+- 避免常見職業（如醫生、工程師、教師、律師等）
+- 每個專家必須來自完全不相關的領域
+- 越罕見、越創新越好
+
 回傳 JSON：
 {{"experts": [{{"id": "expert-0", "name": "職業", "domain": "領域", "perspective": "角度"}}, ...]}}
 
 規則：
 - id 為 expert-0 到 expert-{expert_count - 1}
 - name 填寫職業名稱（非人名），2-5字
-- 各專家的 domain 必須來自截然不同的領域，越多元越好"""
+- domain 要具體且獨特，不可重複類型"""
 
 
 def get_expert_keyword_generation_prompt(
@@ -48,31 +68,20 @@ def get_expert_keyword_generation_prompt(
 共需 {len(experts) * keywords_per_expert} 個關鍵字。"""
 
 
-def get_expert_batch_description_prompt(
+def get_single_description_prompt(
     query: str,
-    category: str,
-    expert_keywords: List[dict]  # List[ExpertKeyword]
+    keyword: str,
+    expert_id: str,
+    expert_name: str,
+    expert_domain: str
 ) -> str:
-    """Step 2: 批次生成專家關鍵字的描述"""
-    keywords_info = ", ".join([
-        f"{kw['expert_name']}:{kw['keyword']}"
-        for kw in expert_keywords
-    ])
-
-    # 建立 keyword -> (expert_id, expert_name) 的對照
-    keyword_expert_map = ", ".join([
-        f"{kw['keyword']}→{kw['expert_id']}/{kw['expert_name']}"
-        for kw in expert_keywords
-    ])
-
+    """Step 2: 為單一關鍵字生成描述"""
     return f"""/no_think
 物件：「{query}」
-關鍵字（專家:詞彙）：{keywords_info}
-對照：{keyword_expert_map}
+專家：{expert_name}（{expert_domain}）
+關鍵字：{keyword}
 
-為每個關鍵字生成創新描述（15-30字），說明如何將該概念應用到「{query}」上。
+從這位專家的視角，生成一段創新應用描述（15-30字），說明如何將「{keyword}」的概念應用到「{query}」上。
 
 回傳 JSON：
-{{"descriptions": [{{"keyword": "詞彙", "expert_id": "expert-X", "expert_name": "名稱", "description": "應用描述"}}, ...]}}
-
-共需 {len(expert_keywords)} 個描述。"""
+{{"description": "應用描述"}}"""