group_fqcd_jr/tools/seed_profile_demo.py

"""画像模块演示/测试数据种子（6 条，三张表都写）。

用法：

    .\\.venv\\Scripts\\python.exe tools\\seed_profile_demo.py

## 为什么是"6 条 + 边界覆盖"

用户 2026-09-10 决定：**画像虚拟数据先做 5 条**，用于画像读取、适当性判定与后续演示。
5 条不是随机凑数，而是覆盖**风险等级与测评有效期的边界**。
**2026-09-19 `W7` 增补第 6 条（9105）并把过期边界从 9001 挪走**，理由见下。

### 为什么过期边界必须离开 9001（`W7` 实测，HTTP 层才暴露）

`app/api/dependencies/auth.py` 的**开户测评前置**会对 `customer` 角色调用
`RiskQuestionnaireService.is_required()`，只要该客户**没有有效期内的测评**就整站 403
「请先完成开户风险测评问卷」。9001 是 `cust_t` 这个**演示账号**，评测前把它的测评设成过期
⇒ 客户登录后**任何**接口都 403，演示直接停摆（进程内探针绕过了这层 HTTP 依赖，所以此前没暴露）。
因此：**9001 恢复有效测评（演示可用）**，过期边界移到新客户 **9105**（仅数据层覆盖
「过期测评不得放行」的失败关闭）。


| customer_id | 画像 | 等级 | 测评有效期 | 覆盖目的 |
|---|---|---|---|---|
| 9101 | 企业主 / 高净值 | C5 | 有效 | 最高风险等级 |
| 9102 | 中学教师 / 中产 | C3 | 有效 | 中间等级（R3 产品可买、R5 不可） |
| 9103 | 退休职工 | C1 | 有效 | 最低风险承受能力 |
| 9104 | 互联网产品经理 / 年轻白领 | C2 | 有效 | 新手 + 低资产 |
| 9001 | **既有演示账号 `cust_t`** | C1 | 有效 | 演示主账号：画像/分层/适当性问答都要走得通 |
| 9105 | 过期测评客户（新增） | C2 | **已过期 45 天** | **失败关闭**：过期测评不得放行 |

## 分层档位与总资产必须同口径（2026-09-19 修正）

`total_asset`（画像侧：客户在**本公司体系内**持有的可投资金融资产）与 `sys_user.customer_tier`
（分层）**必须落在同一个区间**，否则演示被追问「才 6 万怎么会是金卡」时自相矛盾。
公开门槛与 `knowledge/product/高净值客户服务规范.md` §1.1、`knowledge/faq/高频问答对.txt`
的 FAQ-0014 一致（`customer_service.py` 的 `TIER_LABELS` 负责中文化）：

| 分层 | 代码值 | 公开门槛 | 本种子的演示值 |
|---|---|---|---|
| 普通 | `normal` | 50 万元以下 | 9001 → 100,000.00 |
| 金卡 | `gold` | 50 万—200 万元 | 9103 → 620,000.00；9104 → 560,000.00 |
| 白金 | `platinum` | 200 万—600 万元 | 9102 → 2,600,000.00；9105 → 2,400,000.00 |
| 钻石 | `diamond` | 600 万—1,000 万元 | 9101 → 8,600,000.00 |

**9001 为什么是「普通」而不是「金卡」**：它是演示主账号，客户看板的资金来自场内模拟账户
（10 万初始资金，见 `tools/seed_sim_account_demo.py`），`docs/44-演示流程.md` 场景 2 的预期
也写着「总资产约 10 万」。10 万落在 50 万以下 ⇒ 只能标「普通」。要把演示账号包装成金卡，就得把
模拟账户抬到 50 万以上，那会一并改掉交易演示的资金口径 —— 本种子**不这样做**。
注意：**分层不由资产推导**（那是新增业务规则），这里只是把演示数据摆到自洽的位置。

## `risk_tags` 必须从「自述事实」长出（2026-09-19 修正）

`risk_tags` 不是自由展示位，而是 `ProfileAssemblyService` 的**自述类字段**：记忆重建时
`values["risk_tags"] = tags` **整体重算**，没有自述事实就清空。所以种子里直接写死一串英文标签
= 「种了也会被下一次重建抹掉」（客户 9001 实测由 `["conservative"]` 变空）。本种子改为两步：
① 给每个客户写一条 `user_facts` 自述事实 `preference:risk_level`；
② 列里写**重建后会得到的那一个值**：`自述:preference:risk_level=<客户自述>`。
两边一致 ⇒ 重建前后读到的标签相同，且标签**始终可追溯到一条事实**。

> ⚠️ 这不会动摇红线：`investor_type`（风险等级）**只来自问卷**（`fin_risk_assessment`），
> 自述只产出一条带 `自述:` 前缀的标签，与问卷等级分列。

## 采用"底座版"画像字段（不是老师需求文档的四维加权版）

用户已裁定：画像字段与采集规则**按底座做**。老师版要求**新增 7 个字段**，
而项目铁律禁止改已有字段定义 —— 故只能走底座既有的 16 字段。
来源：`docs/superpowers/analysis/2026-09-10-范围重定位与画像讨论记录.md`。

## 两个已实测的技术坑（实现时必须遵守）

1. **`profile_snapshots.current_customer_id` 不是生成列**，而是带唯一键
   `uk_profile_snapshot_current` 的普通列 —— `is_current=1` 时**必须显式写入**且等于 `customer_id`，
   否则同一个 NULL 会在第二条记录上撞唯一键。（与 `agent_reply_template.active_key` 那个**真生成列**不同。）
2. `uk_profile_snapshot_version (customer_id, version)`：版本号按客户唯一；脚本先清掉本脚本所造
   客户的快照，再由 `ProfileGenerationService` 生成，因此每客户恰好 `version=1`。
3. 快照由生产实现生成（`ProfileAssemblyService.rebuild()` → `build_snapshot()`），
   形状与读取侧白名单**等集**，不再是"只含本服务独占字段"的残片。
4. `investment_horizon` / `preferred_asset_class` 的权威来源是 **`user_facts`**，不是
   `fin_customer_profile` 的列（那两个列由重建服务独占，无事实即清空）—— 所以脚本写事实表。

## 幂等性

重复执行先删除**本脚本所造客户**（9101-9105 + 9001）在这些表里的数据再重建。
**不删 `interaction_audit`**（审计留痕不可删），也**不动其它客户**。
另需清 9001 的**漂移复核链**（`advisor_profile_drift_review` + 挂其上的
`advisor_profile_tag`）：它是派生复核产物、外键指向被测测评行，不清就删不掉
`fin_risk_assessment`。**历史 superseded 标签保留**（不挂复核，不受 FK 约束）。
"""

from __future__ import annotations

import asyncio
import hashlib
import json
import sys
from datetime import UTC, datetime, timedelta
from pathlib import Path

from sqlalchemy import bindparam, text as sql

sys.path.insert(0, str(Path(__file__).resolve().parents[1]))

from app.infrastructure.db import SessionFactory  # noqa: E402
from app.service.profile_generation_service import (  # noqa: E402
    ProfileGenerationService,
)

CUSTOMER_ROLE_ID = 9001

#: 5 条虚拟画像。`valid_days` 为负表示测评**已过期**（用于验证失败关闭）。
PROFILES: tuple[dict[str, object], ...] = (
    {
        "user_id": 9101, "user_no": "T-PRF-01", "username": "profile_c5",
        "real_name": "陈宏远", "birth_year": 1972, "occupation": "企业主",
        "investor_type": "C5", "valid_days": 300,
        "horizon": "long_term", "assets": ["equity_fund", "private_equity", "structured"],
        "frequency": "high", "total_asset": "8600000.00", "behavior": 88,
        "self_reported_risk": "进取型，能承受较大回撤",
        "tier": "diamond", "score": 92,
    },
    {
        "user_id": 9102, "user_no": "T-PRF-02", "username": "profile_c3",
        "real_name": "李静怡", "birth_year": 1985, "occupation": "中学教师",
        "investor_type": "C3", "valid_days": 200,
        "horizon": "medium_term", "assets": ["bond_fund", "money_fund", "bank_wm"],
        "frequency": "medium", "total_asset": "2600000.00", "behavior": 61,
        "self_reported_risk": "稳健型，能接受中等波动",
        "tier": "platinum", "score": 63,
    },
    {
        "user_id": 9103, "user_no": "T-PRF-03", "username": "profile_c1",
        "real_name": "王秀兰", "birth_year": 1958, "occupation": "退休职工",
        "investor_type": "C1", "valid_days": 120,
        "horizon": "short_term", "assets": ["money_fund", "bank_wm"],
        "frequency": "low", "total_asset": "620000.00", "behavior": 33,
        "self_reported_risk": "保守型，要求本金安全",
        "tier": "gold", "score": 31,
    },
    {
        "user_id": 9104, "user_no": "T-PRF-04", "username": "profile_c2",
        "real_name": "张一鸣", "birth_year": 1996, "occupation": "互联网产品经理",
        "investor_type": "C2", "valid_days": 180,
        "horizon": "medium_term", "assets": ["money_fund", "index_fund"],
        "frequency": "medium", "total_asset": "560000.00", "behavior": 47,
        "self_reported_risk": "稳健偏保守，刚开始学投资",
        "tier": "gold", "score": 42,
    },
    {
        # 演示主账号（`cust_t`）：测评**必须有效**，否则 HTTP 开户测评前置会 403 掉
        # 客户的所有接口（见模块 docstring「为什么过期边界必须离开 9001」）。
        "user_id": 9001, "user_no": None, "username": None,
        "real_name": "测试客户", "birth_year": 1990, "occupation": "软件工程师",
        "investor_type": "C1", "valid_days": 300,
        "horizon": "short_term", "assets": ["money_fund"],
        "frequency": "low", "total_asset": "100000.00", "behavior": 22,
        "self_reported_risk": "保守型，主要买货币基金",
        "tier": "normal", "score": 35,
    },
    {
        # 关键边界：测评**已过期**。用于验证画像读取与适当性判定的失败关闭。
        # 为什么不用 9001：它是演示账号，过期会让 HTTP 门禁把客户整条链路 403 掉。
        "user_id": 9105, "user_no": "T-PRF-05", "username": "profile_expired",
        "real_name": "林嘉宁", "birth_year": 1988, "occupation": "市场营销总监",
        "investor_type": "C2", "valid_days": -45,
        "horizon": "medium_term", "assets": ["bond_fund", "index_fund"],
        "frequency": "medium", "total_asset": "2400000.00", "behavior": 45,
        "self_reported_risk": "稳健型，偏好债券类产品",
        "tier": "platinum", "score": 47,
    },
)

def _risk_tags(spec: dict[str, object]) -> list[str]:
    """`risk_tags` 的正确形状：**与 `rebuild_profile()` 重算出的那一份逐字相同**。

    `risk_tags` 是自述类字段（记忆重建时整体重算），所以这里不能随手写一串英文标签
    —— 下一次重建就会把它抹掉。必须写 `自述:<事实键>=<事实值>`，且 `user_facts` 里
    真有这条自述（`_seed_facts` 的 `preference:risk_level`）。
    """
    return [f"自述:preference:risk_level={spec['self_reported_risk']}"]


#: 分层公开门槛（下界含、上界不含），与 `knowledge/product/高净值客户服务规范.md` §1.1 一致。
#: **只用于种子的自洽自检** —— 分层不由资产推导，这张表是"演示数据必须落在同一档位"的守卫。
TIER_BANDS: dict[str, tuple[int, int | None]] = {
    "normal": (0, 500_000),
    "gold": (500_000, 2_000_000),
    "platinum": (2_000_000, 6_000_000),
    "diamond": (6_000_000, 10_000_000),
    "exclusive": (10_000_000, None),
}

PROFILE_TABLE = "fin_customer_profile"
ASSESSMENT_TABLE = "fin_risk_assessment"
SNAPSHOT_TABLE = "profile_snapshots"
#: 删除顺序的真实依赖链（2026-09-19 连库实测撞出两层 1451，务必按此序）：
#:   `advisor_profile_tag.drift_review_id` → `advisor_profile_drift_review.id`
#:   → `fin_risk_assessment.id`
DRIFT_TABLE = "advisor_profile_drift_review"
TAG_TABLE = "advisor_profile_tag"
USER_FACT_TABLE = "user_facts"


async def _ensure_customer(session: object, spec: dict[str, object], now: datetime) -> None:
    """为新造客户建 `sys_user` 行与 customer 角色（9001 是既有账号，跳过）。"""
    if spec["user_no"] is None:
        return
    exists = await session.scalar(  # type: ignore[attr-defined]
        sql("SELECT id FROM sys_user WHERE id = :i"), {"i": spec["user_id"]}
    )
    if exists:
        return
    await session.execute(  # type: ignore[attr-defined]
        sql("""
            INSERT INTO sys_user (id, user_no, username, password_hash, user_type,
                professional_investor_status, fund_account_status, status, created_at, updated_at)
            VALUES (:id, :no, :name, :pwd, 'customer', 'none', 'opened', '正常', :now, :now)
        """),
        {"id": spec["user_id"], "no": spec["user_no"], "name": spec["username"],
         "pwd": hashlib.sha256(f"profile-{spec['user_id']}".encode()).hexdigest(), "now": now},
    )
    await session.execute(  # type: ignore[attr-defined]
        # 列名是 `assigned_at`（不是 `created_at`）——按现库 DDL 口径写入。
        sql("INSERT INTO sys_user_role (user_id, role_id, assigned_at) VALUES (:u, :r, :now)"),
        {"u": spec["user_id"], "r": CUSTOMER_ROLE_ID, "now": now},
    )


async def _seed_facts(session: object, spec: dict[str, object], now: datetime) -> None:
    """把三条**长期事实**写进 `user_facts`：投资期限偏好 / 偏好资产类别 / 自述风险偏好。

    为什么必须写事实表而不是直接写 `fin_customer_profile` 的列：
    `ProfileAssemblyService.rebuild_profile()` 把这两个字段列为**本服务独占**，
    "本轮没有对应事实即清空"（防止记忆失效后画像仍留着作废偏好）。所以直接写主表列，
    下一次重建就会被清成 NULL —— 实测客户 9001 正是这样丢掉投资期限与偏好资产类别的。
    事实表是这两个字段的**权威来源**，写在这里才持久。

    `id` 必须显式给（该列无 `auto_increment`）：沿用服务层"微秒时间戳"的口径，
    再按序号错开，保证同一批内不撞主键。
    """
    # ⚠️ `now` 在整轮种子里是**同一个**值，只用它算 base 会让每个客户拿到相同主键
    # （实测撞 `Duplicate entry ... for key 'user_facts.PRIMARY'`，第二个客户就炸）。
    # 按客户号再错开一档，保证跨客户唯一。
    base = int(now.timestamp() * 1_000_000) + (int(spec["user_id"]) % 1000) * 10
    rows = (
        ("preference:horizon", spec["horizon"]),
        ("preference:asset_class", spec["assets"]),
        # 自述风险偏好：唯一目的是让 `risk_tags` 有**事实来源**（见模块 docstring）。
        # 它**不会**改 `investor_type`（红线：等级只来自问卷），只产出一条
        # `自述:preference:risk_level=...` 标签；无这条事实时重建会把 `risk_tags` 清空。
        ("preference:risk_level", spec["self_reported_risk"]),
    )
    for offset, (key, value) in enumerate(rows, start=1):
        await session.execute(  # type: ignore[attr-defined]
            sql("""
                INSERT INTO user_facts (id, customer_id, fact_key, fact_value, source_portal,
                    source_episode_id, confidence, is_critical, created_at)
                VALUES (:id, :cid, :key, :val, 'seed', NULL, 0.95, 1, :now)
            """),
            {"id": base + offset, "cid": int(spec["user_id"]), "key": key,
             "val": json.dumps(value, ensure_ascii=False), "now": now},
        )


async def _fetch_count(session: object, table: str, ids: list[int]) -> int:
    """按 customer_id 集合计数（`IN` 的绑定值必须是**元组**，asyncmy 不接受 list）。"""
    return int(await session.scalar(  # type: ignore[attr-defined]
        sql(f"SELECT COUNT(*) FROM {table} WHERE customer_id IN :ids").bindparams(
            bindparam("ids", value=tuple(ids), expanding=True)
        )
    ))


async def seed() -> list[int]:
    """幂等写入 6 条画像数据，返回涉及的 customer_id 列表。"""
    now = datetime.now(UTC).replace(tzinfo=None)
    ids = [int(spec["user_id"]) for spec in PROFILES]
    id_tuple = tuple(ids)
    async with SessionFactory() as session:
        # 先断「漂移复核链」：只有挂着复核的标签才受 FK 约束（历史 superseded 标签不受）。
        await session.execute(sql(
            f"DELETE FROM {TAG_TABLE} WHERE customer_id IN :ids"
            " AND drift_review_id IS NOT NULL"
        ).bindparams(bindparam("ids", value=id_tuple, expanding=True)))

        # 顺序不可调：DRIFT 引用 ASSESSMENT，必须先删（否则 1451）。
        for table in (DRIFT_TABLE, SNAPSHOT_TABLE, ASSESSMENT_TABLE, PROFILE_TABLE,
                      USER_FACT_TABLE):
            await session.execute(
                sql(f"DELETE FROM {table} WHERE customer_id IN :ids").bindparams(
                    bindparam("ids", value=id_tuple, expanding=True)
                )
            )

        for spec in PROFILES:
            cid = int(spec["user_id"])
            await _ensure_customer(session, spec, now)
            # 客户分层写进**权威列** `sys_user.customer_tier`（不是写进快照）。
            # 快照里的分层由 `ProfileGenerationService` 从这一列 JOIN 出来 —— 数据只有一份来源。
            await session.execute(sql(
                "UPDATE sys_user SET customer_tier = :tier, updated_at = :now WHERE id = :cid"
            ), {"tier": spec["tier"], "cid": cid, "now": now})
            valid_until = now + timedelta(days=int(spec["valid_days"]))

            await session.execute(sql(f"""
                INSERT INTO {PROFILE_TABLE} (customer_id, trade_account, real_name, birth_date,
                    occupation, mobile_masked, investor_type, investment_horizon,
                    preferred_asset_class, trading_frequency, last_active_at, total_asset,
                    behavior_score, risk_tags, opened_at, updated_at)
                VALUES (:cid, :acct, :name, :birth, :occ, :mobile, :itype, :horizon,
                    :assets, :freq, :last_active, :total, :behavior, :tags, :opened, :now)
            """), {
                "cid": cid, "acct": f"TA{cid}0001", "name": spec["real_name"],
                "birth": f"{spec['birth_year']}-06-15", "occ": spec["occupation"],
                "mobile": f"138****{cid % 10000:04d}", "itype": spec["investor_type"],
                "horizon": spec["horizon"], "assets": json.dumps(spec["assets"]),
                "freq": spec["frequency"],
                "last_active": now - timedelta(days=3), "total": spec["total_asset"],
                "behavior": spec["behavior"],
                "tags": json.dumps(_risk_tags(spec), ensure_ascii=False),
                "opened": now - timedelta(days=800), "now": now,
            })

            # `fin_risk_assessment.id` **没有 AUTO_INCREMENT**（实测 AUTO_INCREMENT=None），
            # 必须显式给值；用 99xxx 段，避开任何自增序列。
            await session.execute(sql(f"""
                INSERT INTO {ASSESSMENT_TABLE} (id, customer_id, questionnaire_version, answers,
                    total_score, investor_type, assessed_at, valid_until, created_at)
                VALUES (:aid, :cid, 'v2026.1', :answers, :score, :itype, :assessed, :valid, :now)
            """), {
                "aid": 99000 + cid % 1000, "cid": cid,
                "answers": json.dumps({"q1": "A", "q2": "B", "q3": "C"}, ensure_ascii=False),
                "score": spec["score"], "itype": spec["investor_type"],
                "assessed": valid_until - timedelta(days=365), "valid": valid_until, "now": now,
            })

            # ② 长期事实（投资期限 / 偏好资产）—— 这两个字段的权威来源
            await _seed_facts(session, spec, now)

            # ③ 快照**不在这里手拼**，交给 `ProfileGenerationService`（唯一的画像投影实现）。
            # 手拼的后果实测过：种子里明明写了 `customer_tier: gold`，生产路径下一次重建就用
            # 残缺形状把它覆盖掉（客户 9001 的当前快照被压到只剩 `investor_type`）。
            # 种子的职责是造**权威事实**（`fin_customer_profile` / `fin_risk_assessment` /
            # `user_facts` / `sys_user.customer_tier`）；快照是**投影**，投影必须由投影器产出。
            #
            # 这里用 `generate()`（按权威表投影）而不是 `ProfileAssemblyService.rebuild()`：
            # `rebuild()` 会把"没有长期事实支撑"的画像字段**清空**（含本脚本写的 `risk_tags`），
            # 那是记忆变更后的收敛行为，不该在种子里发生。事实已在上一步写进 `user_facts`，
            # 之后真发生记忆重建时这两个字段能自动收敛回来。
            await ProfileGenerationService(session).generate(cid)
        await session.commit()
    return ids


async def verify(ids: list[int]) -> None:
    """自校验：三张表各有 6 条、每客户恰好一条 is_current=1、过期边界确实存在。"""
    id_tuple = tuple(ids)
    async with SessionFactory() as session:
        for table in (PROFILE_TABLE, ASSESSMENT_TABLE, SNAPSHOT_TABLE):
            n = await _fetch_count(session, table, ids)
            print(f"  {table:<24} {n} 行（期望 6）")

        dup = (await session.execute(sql(f"""
            SELECT customer_id, COUNT(*) AS n FROM {SNAPSHOT_TABLE}
            WHERE customer_id IN :ids AND is_current = 1
            GROUP BY customer_id HAVING n <> 1
        """).bindparams(bindparam("ids", value=id_tuple, expanding=True)))).mappings().all()
        print(f"  is_current=1 非唯一的客户: {[dict(d) for d in dup] or '无'}")

        expired = (await session.execute(sql(f"""
            SELECT customer_id FROM {ASSESSMENT_TABLE}
            WHERE customer_id IN :ids AND valid_until <= NOW()
        """).bindparams(bindparam("ids", value=id_tuple, expanding=True)))).scalars().all()
        print(f"  测评已过期的客户: {sorted(expired)}（期望 [9105]）")

        levels = (await session.execute(sql(f"""
            SELECT investor_type, COUNT(*) AS n FROM {PROFILE_TABLE}
            WHERE customer_id IN :ids GROUP BY investor_type ORDER BY investor_type
        """).bindparams(bindparam("ids", value=id_tuple, expanding=True)))).mappings().all()
        print(f"  风险等级分布: {[(r['investor_type'], r['n']) for r in levels]}")

        # 分层自洽：`customer_tier` 必须与 `total_asset` 落在同一档位区间。
        # 不这样做的话，演示会被一句「才 10 万怎么会是金卡」问穿（2026-09-19 实测 5/6 行不一致）。
        band_rows = (await session.execute(sql(f"""
            SELECT p.customer_id, p.total_asset, u.customer_tier
            FROM {PROFILE_TABLE} p LEFT JOIN sys_user u ON u.id = p.customer_id
            WHERE p.customer_id IN :ids ORDER BY p.customer_id
        """).bindparams(bindparam("ids", value=id_tuple, expanding=True)))).mappings().all()
        bad: list[str] = []
        for row in band_rows:
            tier = str(row["customer_tier"] or "")
            lo, hi = TIER_BANDS.get(tier, (None, None))
            amount = row["total_asset"]
            ok = (
                lo is not None and amount is not None
                and int(amount) >= lo and (hi is None or int(amount) < hi)
            )
            print(f"  分层自洽检查 {row['customer_id']}: tier={tier} total_asset={amount} -> {'OK' if ok else '不一致'}")
            if not ok:
                bad.append(f"{row['customer_id']}(tier={tier}, total_asset={amount})")
        assert not bad, (
            "分层与总资产不在同一档位区间（演示会被追问）：" + "、".join(bad)
            + f"；公开门槛见 TIER_BANDS={TIER_BANDS}"
        )


async def main() -> None:
    ids = await seed()
    print(f"已写入 {len(ids)} 条画像数据: {ids}")
    await verify(ids)


if __name__ == "__main__":
    asyncio.run(main())