diff --git a/desktop/src/lib/llm-service.ts b/desktop/src/lib/llm-service.ts
index 2439efe..7888087 100644
--- a/desktop/src/lib/llm-service.ts
+++ b/desktop/src/lib/llm-service.ts
@@ -646,17 +646,21 @@ const HARDCODED_PROMPTS: Record<string, { system: string; user: (arg: string) =>
   },
 
   suggestions: {
-    system: `你是对话分析助手。根据最近的对话内容，生成 3 个用户可能想继续探讨的问题。
+    system: `你是对话分析助手和智能管家。根据对话内容和用户画像信息，生成 3 个个性化建议。
 
-要求：
-- 每个问题必须与对话内容直接相关，具体且有针对性
-- 帮助用户深入理解、实际操作或拓展思路
-- 每个问题不超过 30 个中文字符
-- 不要重复对话中已讨论过的内容
-- 使用与用户相同的语言
+## 生成规则
+1. 2 条对话续问（深入当前话题，帮助用户继续探索）
+2. 1 条管家关怀（基于用户消息中提供的痛点、经验或技能信息）
+   - 如果有未解决痛点 → 回访建议，如"上次你提到X，后来解决了吗？"
+   - 如果有相关经验 → 引导复用，如"上次用X方法解决了类似问题，要再试试吗？"
+   - 如果有匹配技能 → 推荐使用，如"你可以试试 [技能名] 来处理这个"
+   - 如果没有提供痛点/经验/技能信息 → 全部生成对话续问
+3. 每个不超过 30 个中文字符
+4. 不要重复对话中已讨论过的内容
+5. 使用与用户相同的语言
 
 只输出 JSON 数组，包含恰好 3 个字符串。不要输出任何其他内容。
-示例：["如何在生产环境中部署？", "这个方案的成本如何？", "有没有更简单的替代方案？"]`,
+示例：["科室绩效分析可以按哪些维度拆解？", "上次的 researcher 技能能用在查房数据整理上吗？", "自动生成合规检查报告的模板有哪些？"]`,
     user: (context: string) => `以下是对话中最近的消息：\n\n${context}\n\n请生成 3 个后续问题。`,
   },
 };
diff --git a/desktop/src/store/chat/streamStore.ts b/desktop/src/store/chat/streamStore.ts
index d70751c..224a5e6 100644
--- a/desktop/src/store/chat/streamStore.ts
+++ b/desktop/src/store/chat/streamStore.ts
@@ -34,7 +34,7 @@ import {
 } from './conversationStore';
 import { useMessageStore } from './messageStore';
 import { useArtifactStore } from './artifactStore';
-import { llmSuggest } from '../../lib/llm-service';
+import { llmSuggest, LLM_PROMPTS } from '../../lib/llm-service';
 import { detectNameSuggestion, detectAgentNameSuggestion } from '../../lib/cold-start-mapper';
 import { fetchSuggestionContext, type SuggestionContext } from '../../lib/suggestion-context';
 
@@ -687,17 +687,7 @@ async function llmSuggestViaSaaS(userMessage: string): Promise<string> {
   }
 }
 
-const LLM_PROMPTS_SYSTEM = `你是对话分析助手。根据最近的对话内容，生成 3 个用户可能想继续探讨的问题。
-
-要求：
-- 每个问题必须与对话内容直接相关，具体且有针对性
-- 帮助用户深入理解、实际操作或拓展思路
-- 每个问题不超过 30 个中文字符
-- 不要重复对话中已讨论过的内容
-- 使用与用户相同的语言
-
-只输出 JSON 数组，包含恰好 3 个字符串。不要输出任何其他内容。
-示例：["如何在生产环境中部署？", "这个方案的成本如何？", "有没有更简单的替代方案？"]`;
+const LLM_PROMPTS_SYSTEM = LLM_PROMPTS.suggestions.system;
 
 // ---------------------------------------------------------------------------
 // ChatStore injection (avoids circular imports)