Files
quality_analyse/README.md
T
lyun f1a2fbd494 统一:DSH 智能分析、Top100 与图表静默恢复
接入 DSH 专用运行时和对话界面,保留模型原始回答,支持会话分页、连续追问与显式报告。
补齐组合筛选、各维度 Top100、分组查询到排名图的转换,图表故障静默省略并基于保存数据自动恢复。
优化报告风格、图表顺序和表格换行,更新接入说明及构建输入。

验证:独立目录前后端构建通过;118 项 Java、102 项前端、102 项图表、14 项 DSH 应用和 13 项组合筛选检查通过。
仅提交相关源码、锁定依赖与测试;不包含凭据、会话、业务数据或本地产物。
2026-11-12 11:57:41 +08:00

65 lines
6.3 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 质量中心:质量数据分析平台
用于质量数据查询、分析、规则管理与数据治理的本地优先应用。
## 架构
- 前端:React、TypeScript、Vite。
- 后端:Java、Spring Boot、MySQL。
- 公网入口:[https://quality.lyunlab.me](https://quality.lyunlab.me)。服务器提供前端静态页面和 HTTPS;API 经 SSH 加密回连到本机后端。
- MySQL、模型凭据、业务来源文件和运行数据保存在本机,不包含在本仓库中。本机需保持开机联网且项目服务运行,其他电脑才能使用完整功能。
## 本机运行
Linux 容器部署、自动重启、空间回收、备份保留及容量告警见 [Docker 部署说明](deploy/docker/README.md)。这些配置随源码进入 Gitea;构建镜像使用手动入口,不要求配置 Gitea 自动构建。Mac 测试服务的开机启动与守护见 [本机服务说明](deploy/macos/README.md)。
本机启动脚本面向 macOS 15 及以上的 Apple Silicon。先准备 Python 3.11 及以上、Node.js/pnpm 和 [uv](https://docs.astral.sh/uv/getting-started/installation/)。首次运行需要安装项目运行依赖并构建:
python3 scripts/setup_runtime.py
pnpm --dir web install --frozen-lockfile
python3 scripts/project.py build
随后运行:
python3 scripts/project.py start
打开 http://127.0.0.1:5280/。停止服务:
python3 scripts/project.py stop
登录信息由本机启动流程生成并保存在 runtimedata/;凭据文件和运行配置被 Git 忽略。
## 数据与本地配置
本仓库只包含应用源码和必要的构建文件。业务工作簿、数据库、模型 API 密钥、登录凭据、验收报告和运行时文件均不上传。首次克隆后没有预置业务数据,需要在本机导入授权的数据来源。原工作簿迁移验收基线也保留在本机;缺少该私有基线时,对应的原始来源对账功能会明确报告未配置。
在系统设置中配置本机模型。设置保存在私有的 `.runtime/nao-model-config.json`;旧版根目录 `apikey.txt` 只作为未配置时的兼容入口,严禁提交任一凭据文件。
AI 助理使用固定的 Python 3.11.15、nao-core 0.3.26 和带哈希的 `requirements-nao.lock`。首次运行依赖安装命令会一并安装 AI 环境;已有环境只检查,不覆盖正在运行的会话。可单独运行 `python3 scripts/setup_nao_runtime.py --check` 检查版本、导入和原生服务器。检查不会调用模型。明确不使用 AI 时,可使用 `setup_runtime.py --without-ai`;需要 AI 时再运行 `setup_nao_runtime.py`。
质量智能分析现统一使用 DeepSeek Harness(DSH),正式入口为 `scripts/quality_analysis_runtime.py`。API 配置只管理模型、端点和思考选项,分析引擎固定为 DSH。运行时保留模型原始回答;正常问题直接对话,仅在明确要求时生成报告。会话按页加载并通过同一事件流更新,图表支持 Top100;图表转换和加载失败时静默省略,后台保留诊断。
DSH CLI 固定为 `0.2.2-rc.1`,依赖与官方 Python SDK 校验记录在 `runtime/dsh/`。可运行 `python3 scripts/setup_dsh_runtime.py --node /path/to/node24` 安装项目内运行环境,`--check` 检查真实启动且不调用模型。`scripts/build_dsh_application.py` 构建独立的 DSH 应用目录。当前系统隔离与正式服务已在 macOS 验证;Linux/Windows 等效隔离未完成验收时明确拒绝启动。接入方式和边界见 [正式接入说明](docs/DeepSeekHarness正式接入.md)。
## 旧版本时间迁移
连接与 MySQL 会话现在统一使用 UTC,界面仍按本地时区显示。V25 只校正旧代码按 UTC 墙上时间写入的截止/有效期、报告调度及报告租约列(前者由 Java 写入,租约使用 SQL UTC_TIMESTAMP),不改 SQL CURRENT_TIMESTAMP 自动生成的创建时间,也不修改业务日期或指标。若旧库存在此类值,迁移要求先备份并核实旧会话相对 UTC 的偏移,然后设置 `MYSQL_LEGACY_TIMESTAMP_OFFSET_SECONDS`(旧会话 UTC 为 `0`,旧会话中国标准时间为 `28800`)。本机启动可在私有 local-config 中记录 `legacyTimestampOffsetSeconds`;不能仅凭电脑当前时区猜测。全新空库不需要该参数;迁移标记和历史值修改在同一事务提交,防止提交确认丢失后重复平移。还原旧备份时应重新核实其原运行时区。
## 测试与原始工作簿验收
默认构建运行不依赖私有工作簿的测试。原始规则对账另外使用本机的独立基线、对应关系和哈希匹配来源文件;这些私有资产不随 Git 克隆分发,也不应为了构建而上传。
准备好授权的 `verification/baseline.json`、`verification/observed_mappings.json` 和基线中列出的原工作簿后,执行完整原表回归:
python3 scripts/project.py build --private-acceptance
如资产保存在独立目录,可用 `QUALITY_REGRESSION_ROOT` 指定该目录;其下保留 `verification/` 及基线中的相对来源路径。显式选择原表验收时,资产缺失会使验收失败,不会静默跳过。正常界面中的原表回归在未配置资产时返回“未配置”,不能据此启用规则。默认测试与私有原表验收的结果应分别记录。
AI 与图表的合成数据测试源码位于 `verification/test_*.py`,使用 `PYTHONPATH=scripts python3 -m unittest discover -s verification -p 'test_*.py'` 执行。该目录的私有基线、捕获结果和工作簿仍不提交。界面状态测试使用 `node --test web/verification/*.test.mjs verification/*.test.mjs`。
## 备份与异目录恢复
`python3 scripts/backup.py create-and-verify` 将数据库、来源归档、应用源码及私有配置保存在本机私有备份目录,并在新建的隔离数据库内核验恢复、来源路径和必要构建输入。分项结果保存在清单中;文件校验通过不等于应用启动已验证。
需要迁移副本时,使用 `python3 scripts/backup.py restore --help` 查看空目标目录及新隔离库参数。恢复只允许新的 `quality_restore_*` 库,不能覆盖在线库;来源归档的绝对引用会在新库中重新绑定。备份不内嵌 JDK、MySQL、Node/pnpm 或 AI 二进制环境,应先按本机运行步骤准备依赖。备份包含模型和数据库私有配置,不应上传、公开分享或提交到 Git。