group_fqcd_jr

2 Commits

Include renames

Author SHA1 Message Date

Author	SHA1	Message	Date
张胜宇	d5e813b726	feat(model-gateway)+docs(W19): embedding 端点唯一性配置守卫 + 三份完整版/收敛版索引口径补注 + 门槛口径更正 + D3.7 难例口径统一一、代码（2 文件 + 2 工具脚本注记） * app/service/model_gateway.py：DatabaseModelEndpointResolver.resolve() 加配置守卫 —— required == "embedding" 且 len(matched) > 1 时 logger.warning（只告警、不改行为）。多个 embedding 端点会让索引向量与查询向量可能来自不同模型（维度同为 1024、不报错）， COSINE 相似度整体失真，表现为"越答越差"的哑故障。顺手删掉重复的 return endpoints（死代码）。 * tests/unit/service/test_model_gateway.py：新增 2 条单测（多端点告警且返回顺序不变 / 单端点静默）。 * tools/configure_embedding_endpoint.py：加「已废弃，勿重跑」标注 —— 它写的是 qwen-embedding / qwen3.7-text-embedding-flash，与现役端点 knowledge-embedding-qwen-v3 / text-embedding-v3 不一致，重跑会凭空多出一个 embedding 端点。 * tools/build_knowledge_chunks.py：删掉与新口径冲突的注释「不泄露档位与门槛」，改为「registered 的依据是权益明细而非门槛；门槛属公开宣传口径」。二、文档（8 份；D-1 选乙 + D-3 统一为 18） * D2.4 v1.6 → v1.7：§4.4 + 附录B 更正「门槛金额不再单独构成 registered 的理由」（public 的 FAQ-0014 已完整给出五档门槛、FAQ-0050 含钻石门槛）； HNW-004—HNW-007 保持 registered，依据收窄为"各层级权益明细"；HNW-* 档位不动（分区键）。 * D3.1 v2.5 → v2.6：§5.3 加索引口径落地注（覆盖 §2.5 决策表 / FR-CS-007 / 排期 T4） + 补「字段表同属初稿」（实库 18 字段全 NOT NULL、doc_id 主键、无 metadata JSON）。 * D3.2 v1.2 → v1.6：§4.1 加同口径注 + 版本位追平（顶栏 v1.1 / doc-meta v1.2 落后于自身记录 v1.5）。 * D2.2 v2.6 → v2.7：§1.4.2 域 B 加注（TopK / 阈值 / 度量 / 集合选择均未变 ⇒ 不影响验收）。 * D3.7：§3 难例口径统一 —— 难例 32 条（改写 8 + 口语 16 + 多轮 4 + 禁忌 4）为定义式总数， M-2b 分母 = 其中带期望证据家族的 18 条；并补正 §3 初稿表格条数（以 cases_46.json 为准）。 * D1.1 v1.8 → v1.9：新增 §28；四处版本位同步；顺带修正两处历史遗留（D2.4 版本位长期停在 v1.3、D2.2 日期列停在 2026-09-17）。 * D1.6：新增 §4.47（含自我失误留痕）。 * D2.1 v6.33 → v6.34：新增本轮修订要点段。三、实测门口（本机） * tests/unit/service/test_model_gateway.py：10 passed * pytest -q -p no:cacheprovider（全量，跑前已停 Worker）：1917 passed / 3 skipped / 0 failed * tools/check_authoritative_docs.py：54 文档无编号冲突（exit 0） * _consistency.py：失效锚点 0、交叉引用全 ✅（exit 0） * _fe_boundary_http.py（重建件）：12/12 符合预期 * 服务已重启：/internal/health/ready 三依赖全绿（mysql / redis / milvus）四、如实留痕（自我失误）本轮清理临时文件时删除判据过宽，误删 _consistency.py（已原样恢复）、 _legacy_customer_service.py（已按 `f72a545` 逐字节重建，40,554 字节）、 _fe_boundary_http.py（原件不可恢复，已按既有判据重建并实跑 12/12）与若干历史轮次原始日志。详见 D1.6 §4.47 五。	2026-09-20 17:53:06 +08:00
lzf_0626	d2aff7c129	feat: 建客服知识库（Milvus 三集合）并修复模型端点筛选缺陷一、知识库建设 - 新增 tools/build_knowledge_chunks.py：把 knowledge/ 下文档切成可检索知识块。采用「叶子标题」策略（其后没有更深标题的标题即切分点），同时覆盖三种真实结构：带子条款的按子条款切、无子条款的条款单独成块、无小节的章整章成块。第一版按固定标题级别切是失败的——适当性指南的条款是 ### 而没有 ####，产品手册的 ### 1.1 又不匹配「第X条」，两条规则互相打架，导致 4 个文件一块都没切出来。 - 新增 tools/load_knowledge_milvus.py：向量化并写入 Milvus，用 upsert 保证幂等。 schema 按方案 §4.2 统一字段，另加 chapter/section/source_file/doc_no/visibility 五个检索与合规必需字段；索引 IVF_FLAT + COSINE + nlist=128；向量输入取「标题+正文」，标题含条款号与章节名，是比正文更干净的检索信号。 - 知识内容按业务范围裁剪：反洗钱合规操作手册不入客服知识库（业务只做公募基金、不涉及资金划付，且该手册标注内部机密、禁止向客户透露可疑交易信息），留给后续风控；高净值客户服务规范只保留「客户分层标准」与「各层级专属权益」两章，家族信托、资产配置流程、客户经理考核、隐私应急预案等内部管理章节不入库。 - 入库现状：fin_faq_collection 61 块、fin_product_collection 26 块、 fin_policy_collection 73 块，合计 160 块。检索自检 5/6——未命中的一条分数 0.660 落在中置信区间，按三档兜底策略本应提示信息可能不完整，属于预期行为。二、embedding 端点 - 新增 tools/configure_embedding_endpoint.py：走管理 API（draft→approved→active）配置并激活 qwen-embedding 端点，而不是直接写库。理由是状态机与审计都要留痕，且 DatabaseModelGateway 只认 status='active'，手工写错状态会报成与病因无关的「模型端点未注册或未激活」。脚本先查 endpoint_code 是否已存在，幂等可重跑。三、修复模型端点筛选缺陷（app/service/model_gateway.py） - 原 DatabaseModelEndpointResolver 忽略 agent_type 与 task_type、直接返回全部 active 端点，而 ModelDispatchService 只按顺序尝试前 max_attempts（默认 2）个。两者叠加使「能否选到支持该任务的端点」取决于端点表顺序：实测每次 embedding 都先拿文本生成端点失败一次再落到向量端点（0.61s，修复后 0.42s）。 - 新增 TASK_CAPABILITY 显式映射后按能力筛选。用映射而不是同名筛选是必需的： memory_extraction 并不是任何端点的能力名（deepseek 声明的是 text_generation 等），按同名筛会得到空集、把记忆抽取打成失败关闭——这是本次修复最容易引入的回归。 - 保守兜底：未映射的 task_type、以及没有任何端点声明该能力时，都退回全部端点，让配置缺口表现为调用失败，而不是让上层收到「解析为空」这种与病因无关的报错。 - 验证结果：embedding→[qwen-embedding]、intent_classification→[deepseek-flash]、 memory_extraction→[deepseek-flash]、未映射 task_type→全部；ruff 通过、 mypy 103 文件无错、unit+contract 447 passed。四、需求文档提取物 - 新增 _flows/：三份流程文档（智能客服 Agent 专项设计方案、投资顾问流程、基金运营流程）的纯文本提取，供开发期对照。原始 .docx/.html 保留在业务方目录侧。说明：本次仅本地提交，未推送远程仓库。knowledge/ 内含公司内部制度与产品资料，是否入远程库待确认。	2026-09-10 20:15:09 +08:00

d5e813b726

feat(model-gateway)+docs(W19): embedding 端点唯一性配置守卫 + 三份完整版/收敛版索引口径补注 + 门槛口径更正 + D3.7 难例口径统一

一、代码（2 文件 + 2 工具脚本注记）
* app/service/model_gateway.py：DatabaseModelEndpointResolver.resolve() 加配置守卫
  —— required == "embedding" 且 len(matched) > 1 时 logger.warning（只告警、不改行为）。
  多个 embedding 端点会让索引向量与查询向量可能来自不同模型（维度同为 1024、不报错），
  COSINE 相似度整体失真，表现为"越答越差"的哑故障。顺手删掉重复的 return endpoints（死代码）。
* tests/unit/service/test_model_gateway.py：新增 2 条单测（多端点告警且返回顺序不变 / 单端点静默）。
* tools/configure_embedding_endpoint.py：加「已废弃，勿重跑」标注 —— 它写的是
  qwen-embedding / qwen3.7-text-embedding-flash，与现役端点 knowledge-embedding-qwen-v3 /
  text-embedding-v3 不一致，重跑会凭空多出一个 embedding 端点。
* tools/build_knowledge_chunks.py：删掉与新口径冲突的注释「不泄露档位与门槛」，
  改为「registered 的依据是权益明细而非门槛；门槛属公开宣传口径」。

二、文档（8 份；D-1 选乙 + D-3 统一为 18）
* D2.4 v1.6 → v1.7：§4.4 + 附录B 更正「门槛金额不再单独构成 registered 的理由」
  （public 的 FAQ-0014 已完整给出五档门槛、FAQ-0050 含钻石门槛）；
  HNW-004—HNW-007 保持 registered，依据收窄为"各层级权益明细"；HNW-* 档位不动（分区键）。
* D3.1 v2.5 → v2.6：§5.3 加索引口径落地注（覆盖 §2.5 决策表 / FR-CS-007 / 排期 T4）
  + 补「字段表同属初稿」（实库 18 字段全 NOT NULL、doc_id 主键、无 metadata JSON）。
* D3.2 v1.2 → v1.6：§4.1 加同口径注 + 版本位追平（顶栏 v1.1 / doc-meta v1.2 落后于自身记录 v1.5）。
* D2.2 v2.6 → v2.7：§1.4.2 域 B 加注（TopK / 阈值 / 度量 / 集合选择均未变 ⇒ 不影响验收）。
* D3.7：§3 难例口径统一 —— 难例 32 条（改写 8 + 口语 16 + 多轮 4 + 禁忌 4）为定义式总数，
  M-2b 分母 = 其中带期望证据家族的 18 条；并补正 §3 初稿表格条数（以 cases_46.json 为准）。
* D1.1 v1.8 → v1.9：新增 §28；四处版本位同步；顺带修正两处历史遗留
  （D2.4 版本位长期停在 v1.3、D2.2 日期列停在 2026-09-17）。
* D1.6：新增 §4.47（含自我失误留痕）。
* D2.1 v6.33 → v6.34：新增本轮修订要点段。

三、实测门口（本机）
* tests/unit/service/test_model_gateway.py：10 passed
* pytest -q -p no:cacheprovider（全量，跑前已停 Worker）：1917 passed / 3 skipped / 0 failed
* tools/check_authoritative_docs.py：54 文档无编号冲突（exit 0）
* _consistency.py：失效锚点 0、交叉引用全 ✅（exit 0）
* _fe_boundary_http.py（重建件）：12/12 符合预期
* 服务已重启：/internal/health/ready 三依赖全绿（mysql / redis / milvus）

四、如实留痕（自我失误）
本轮清理临时文件时删除判据过宽，误删 _consistency.py（已原样恢复）、
_legacy_customer_service.py（已按 f72a545 逐字节重建，40,554 字节）、
_fe_boundary_http.py（原件不可恢复，已按既有判据重建并实跑 12/12）与若干历史轮次原始日志。
详见 D1.6 §4.47 五。

2026-09-20 17:53:06 +08:00

lzf_0626

d2aff7c129

feat: 建客服知识库（Milvus 三集合）并修复模型端点筛选缺陷

一、知识库建设
- 新增 tools/build_knowledge_chunks.py：把 knowledge/ 下文档切成可检索知识块。
  采用「叶子标题」策略（其后没有更深标题的标题即切分点），同时覆盖三种真实结构：
  带子条款的按子条款切、无子条款的条款单独成块、无小节的章整章成块。
  第一版按固定标题级别切是失败的——适当性指南的条款是 ### 而没有 ####，产品手册的
  ### 1.1 又不匹配「第X条」，两条规则互相打架，导致 4 个文件一块都没切出来。
- 新增 tools/load_knowledge_milvus.py：向量化并写入 Milvus，用 upsert 保证幂等。
  schema 按方案 §4.2 统一字段，另加 chapter/section/source_file/doc_no/visibility 五个
  检索与合规必需字段；索引 IVF_FLAT + COSINE + nlist=128；向量输入取「标题+正文」，
  标题含条款号与章节名，是比正文更干净的检索信号。
- 知识内容按业务范围裁剪：反洗钱合规操作手册不入客服知识库（业务只做公募基金、
  不涉及资金划付，且该手册标注内部机密、禁止向客户透露可疑交易信息），留给后续风控；
  高净值客户服务规范只保留「客户分层标准」与「各层级专属权益」两章，
  家族信托、资产配置流程、客户经理考核、隐私应急预案等内部管理章节不入库。
- 入库现状：fin_faq_collection 61 块、fin_product_collection 26 块、
  fin_policy_collection 73 块，合计 160 块。检索自检 5/6——未命中的一条分数 0.660
  落在中置信区间，按三档兜底策略本应提示信息可能不完整，属于预期行为。

二、embedding 端点
- 新增 tools/configure_embedding_endpoint.py：走管理 API（draft→approved→active）
  配置并激活 qwen-embedding 端点，而不是直接写库。理由是状态机与审计都要留痕，
  且 DatabaseModelGateway 只认 status='active'，手工写错状态会报成与病因无关的
  「模型端点未注册或未激活」。脚本先查 endpoint_code 是否已存在，幂等可重跑。

三、修复模型端点筛选缺陷（app/service/model_gateway.py）
- 原 DatabaseModelEndpointResolver 忽略 agent_type 与 task_type、直接返回全部 active
  端点，而 ModelDispatchService 只按顺序尝试前 max_attempts（默认 2）个。两者叠加使
  「能否选到支持该任务的端点」取决于端点表顺序：实测每次 embedding 都先拿文本生成
  端点失败一次再落到向量端点（0.61s，修复后 0.42s）。
- 新增 TASK_CAPABILITY 显式映射后按能力筛选。用映射而不是同名筛选是必需的：
  memory_extraction 并不是任何端点的能力名（deepseek 声明的是 text_generation 等），
  按同名筛会得到空集、把记忆抽取打成失败关闭——这是本次修复最容易引入的回归。
- 保守兜底：未映射的 task_type、以及没有任何端点声明该能力时，都退回全部端点，
  让配置缺口表现为调用失败，而不是让上层收到「解析为空」这种与病因无关的报错。
- 验证结果：embedding→[qwen-embedding]、intent_classification→[deepseek-flash]、
  memory_extraction→[deepseek-flash]、未映射 task_type→全部；ruff 通过、
  mypy 103 文件无错、unit+contract 447 passed。

四、需求文档提取物
- 新增 _flows/：三份流程文档（智能客服 Agent 专项设计方案、投资顾问流程、基金运营流程）
  的纯文本提取，供开发期对照。原始 .docx/.html 保留在业务方目录侧。

说明：本次仅本地提交，未推送远程仓库。knowledge/ 内含公司内部制度与产品资料，
是否入远程库待确认。

2026-09-10 20:15:09 +08:00