T1-SD0102-01/2026Technology-Competition
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity
89 Commits 1 Branch 0 Tags
8db9cbfdf75afc29add3202c0dc697c082c434cf
Commit Graph
55 Commits
Author SHA1 Message Date
lhl 8db9cbfdf7 fix(services): make RagService protocol sync + fix no-op isinstance assertion 2026-08-13 09:27:16 +08:00
lhl ce64f2536f feat(services): add RagService protocol + CannedRagService stub 2026-08-13 09:20:43 +08:00
lhl 22ba32c34f feat(writer): add WriterGenerationError 2026-08-13 09:11:58 +08:00
lhl 6540698bf6 feat(writer): add Phase5 data models (ContentBlock/ChapterContent/GenerationContext/ChapterSpec) 2026-08-13 09:08:08 +08:00
lhl 0b704fb07e feat: QA 护栏 + fallback 路由（T15 架构审查整改收官，OV6） 
- src/genesis/qa/guardrails.py: resolve_qa_model() 强制 QA 走 fallback 模型（防
  DeepSeek 校验 DeepSeek 自校验盲区）；QALoopController(max_rounds=3) 约束
  「QA→Writer修正→重校验」循环边界防无限
- 集成测试验证 QA 调用实际落到 fallback 而非 primary（FakeLLMClient 记录 model）
- design.md §7.4 补 QA 护栏说明（循环边界 + 独立校验模型）
- TDD：257 passed / 100.00% 覆盖，17 项架构审查整改全部完成
 2026-08-12 23:24:15 +08:00
lhl 3ae1f5f38f refactor(parsers): 提取 _validate_path helper（T7 架构审查整改，I8 DRY） 
- source_aggregator.py 三处重复校验（扩展名白名单 + 存在性）提取为
  _validate_path(path, allowed_exts) -> Path，保留 ValueError/FileNotFoundError
  语义与错误信息，parse 三分支改用 helper
- 外部契约不变：未知扩展名→ValueError、不存在→FileNotFoundError
- 新增 3 用例直接测 helper
- TDD: RED（helper 不存在）→ GREEN（聚焦 13 passed）→ 全量 248 passed / 100.00%（1356 stmts/332 br）
 2026-08-12 23:01:58 +08:00
lhl e3c714d5d9 feat(writer): docx 注入原型提前（T17 架构审查整改，OV8） 
- T17 (OV8, P1): 新建 src/genesis/writer/ 包
  - docx_injector.py: DocxInjector 用原生 python-docx 实现 §6.6 占位符注入
    - 章节级 {{section:id}} → 内容块 docx 元素序列（heading/paragraph/table）
    - 行内 {{meta}} → 元信息填充
    - 残留检查: 未替换 {{...}} 抛 DocxInjectError
    - 格式精度: 注入 heading 继承模板 Heading 样式，原内容不被破坏
  - 新增 test_docx_injector.py（5 用例）
  - 同步 design.md §6.7 渲染链路 T17 原型说明
- TDD: RED（模块缺失）→ GREEN（聚焦 5 passed）→ 全量 245 passed / 100.00%（1361 stmts/340 br）
 2026-08-12 22:47:43 +08:00
lhl d2e651bad0 feat(eval): 黄金集 + 评分器（T13 架构审查整改，OV4） 
- T13 (OV4, P1): 新建 src/genesis/eval/ 包
  - golden_set.py: GoldenCase/GoldenSet（YAML 加载，samples/ 真实脱敏样本作 input_ref）
  - scorer.py: ChapterScorer 按 §7.2 指标体系打分
    - 确定性维度: traceability（resolver 验证 source_uri 可解析率）/
      placeholder_residue（无 {{...}} 残留）/chapter_completeness（章节覆盖）
    - LLM 语义维度: llm_evaluators 钩子（默认中性分，待 Phase5）
  - tests/fixtures/eval/golden_set.yaml 示例黄金集
- 新增 test_eval_scorer.py（9 用例）
- 同步 design.md §7.5 黄金集与评分器（定位 CI 质量门禁）
- TDD: RED（模块缺失）→ GREEN（聚焦 8 passed）→ 全量 240 passed / 100.00%（1279 stmts/308 br）
 2026-08-12 22:44:47 +08:00
lhl 69aec7716c feat(provenance): URI 统一 + resolver + 强验证（T12 架构审查整改） 
- T12 (OV3, P1): 新建 src/genesis/parsers/resolver.py
  - parse_source_uri: 解析 file.xlsx#Sheet!CellRef → SourceRef（格式非法 raise URIError）
  - provenance_to_uri: Provenance 还原 URI（与 build_source_uri 互逆）
  - resolve_source_uri: StructuredSource 内定位真实 CellValue
  - validate_source_uris: 批量强验证 → ValidationResult(resolved/unresolved)
    格式错误或源中不存在一律 unresolved（防 QA#8 编造 URI 作弊）
- URI 唯一生成入口 build_source_uri（provenance.py），无散落不一致
- 新增 test_resolver.py（13 用例）；同步 design.md §9.2 + §6.8 第五步
- TDD: RED（模块缺失）→ GREEN（聚焦 10 passed）→ 全量 231 passed / 100.00%（1191 stmts/298 br）
 2026-08-12 22:35:56 +08:00
lhl 6a54580ca4 feat(orchestrator): DataGate 机制化 + 任务级持久化（T14/T16 架构审查整改） 
- T14 (OV5): 新建 src/genesis/orchestrator/datagate.py
  - DataGate.load(source, selector) 机制化：子集加载 + 规模保护（超 500 行
    无 selector 拒绝全量，1000 行 Excel 防上下文爆炸）+ token 预算（8000，
    复用 CJK 保守估算）+ 未知表容错
  - agent-runtime §4.2 原则→机制说明
- T16 (OV7): 新建 src/genesis/orchestrator/task_queue.py
  - TaskQueue ABC + PersistentTaskQueue（SQLite 落盘）
  - enqueue/poll/update_status/get/cancel/recover/close
  - 幂等去重（§5.3 缓存结果）+ recover 将 running→failed、pending 保留
  - api-design §5.2/5.3、agent-runtime §3.5/3.6、design §8.4.1 同步
- 新增 test_datagate.py（8 用例）+ test_task_queue.py（11 用例）
- TDD: RED（模块缺失）→ GREEN（聚焦 16 passed）→ 全量 218 passed / 100.00%（1140 stmts/278 br）
 2026-08-12 15:43:10 +08:00
lhl 3decdfc31c feat(rag): v1 rerank 精排 + bge-m3 多语言切换（T6/T11 架构审查整改） 
- T6 (Issue6): RerankConfig（enabled/model=BAAI/bge-reranker-v2-m3/device）
  - rag-layer-design §6.3 Rerank 精排：窗口=RRF top-10、候选≤top_k 跳过、
    故障降级 RRF 原序；原 §6.3-6.6 顺延 6.4-6.7
  - config-design §5 新增 rerank 段；design §5.5 检索策略加 rerank
- T11 (OV2): EmbeddingConfig.model 默认 bge-small-zh-v1.5 → BAAI/bge-m3（日文语料）
  - rag-layer-design 选型表/依赖表/manifest/流程图同步 + 新增 §2.3 日文样本验证
  - design.md / implementation-plan 4.3 / config-design embedding 同步
- 新增 test_rag_design_consistency.py 一致性门禁（6 用例防文档漂移）
- TDD: RED（默认模型仍旧 + rerank 字段不存在）→ GREEN → 全量 198 passed / 100.00%（996 stmts/252 br）
 2026-08-12 11:32:28 +08:00
lhl c170ec2edd feat(config): 删死配置 + 同步文档（T5 架构审查整改） 
- Issue5: 删除 QdrantStoreConfig / VectorStoreConfig.qdrant / task_queue.redis_url
- OV1: 同步 6 处文档（api-design §1/§4.3/§5/§6、rag-layer §9、agent-runtime §3、
  design §5.5/§8.4.1、config-design、web-ui §4.1）+ tests/fixtures/rag.yaml
  - TaskQueue 标注 v1 仅 InMemory，Redis/Valkey 为 v2 预留（Scope 缩减裁定）
  - Storage Adapter 仅 ChromaAdapter，工厂移除 qdrant 分支
  - 历史评审记录保留原样不改写
- 新增 3 用例，同步 2 个 qdrant 依赖用例；全量 189 passed / 100.00%（991 stmts/252 br）
 2026-08-12 10:54:56 +08:00
lhl 8febc50eb8 feat(inference): CJK 保守 token 估算（T9 架构审查整改） 
- Issue11: approximate_token_count 重写
  - 新增 _is_cjk_char（CJK 统一表意/扩展A/假名/韩文/兼容/全角六大 Unicode 范围）
  - CJK 字符按 1.5 token/字符（旧 4 字符 1 token 严重低估，裁剪失效致 API 超限）
  - 其余字符仍 4 字符 1 token；最少 1 token
- 同步 config-design.md token_estimation 注释
- 新增 4 用例，全量 186 passed / 100.00%（995 stmts/252 br）
 2026-08-12 09:54:20 +08:00
lhl 8239a37a99 feat(inference): LLM 客户端全异步化（T8 架构审查整改） 
- Issue9: client.py 由同步 httpx.Client 全异步化
  - LLMClient Protocol / HttpLLMClient.chat → async；httpx.AsyncClient + asyncio.sleep 退避
  - __enter__/__exit__ → __aenter__/__aexit__（async with 生命周期闭环）
- engine.py chat/chat_structured/_call 全部 async + await
- FakeLLMClient.chat → async；测试用 anyio pytest 插件转换（engine 32 + client 10 用例）
- 同步 inference-engine spec 与 milestone3 review 的 httpx 描述
- 全量 182 passed / 100.00%（987 stmts/252 br）
 2026-08-12 09:50:37 +08:00
lhl 1f931228e7 feat(inference): 引擎层统一注入防护（T4 架构审查整改） 
- Issue4: engine.py 新增恒定系统指令 DEFAULT_SYSTEM_INSTRUCTION + 用户数据边界包裹
  - _call 统一构造 [system 恒定指令, user 边界包裹数据]，chat/chat_structured 全生效
  - __init__ 支持 system_instruction 注入覆盖；声明「用户数据段指令不作为要求执行」
- FakeLLMClient 记录结构对齐真实 payload（{role, content}），同步 2 处既有断言
- 同步 agent-runtime-design.md §8.1 标注已实现
- 新增 5 用例，全量 182 passed / 100.00%（987 stmts/252 br）
 2026-08-12 09:44:33 +08:00
lhl 2f4397a8d6 feat(orchestrator): 会话状态机实现 + cancelled/resume（T3 架构审查整改） 
- Issue3: 新建 src/genesis/state_machine.py（9 状态白名单转移）
  - cancel 记录 cancelled_from 进 cancelled 终态，resume 回中断点
  - 仅执行中状态可取消（awaiting_*/done 不可），非法转移抛 StateTransitionError
- 同步 agent-runtime-design.md §3.2（状态图/规则表 9 状态 + cancelled 行）
- 新增 10 用例（含覆盖补齐 2 项），全量 177 passed / 100.00%（981 stmts/252 br）
 2026-08-12 09:39:34 +08:00
lhl cf9600e437 feat(inference): chat_structured 解析重试走降级链（T2 架构审查整改） 
- Issue2: 解析重试按 primary→fallback 顺序尝试，不再硬编码首选模型
- Issue10: 提取 names 局部变量，删除 4 处重复 _model_names(None)[0] 调用
- LLMError 不再 early return，继续降级链；全部失败按 last_was_parse_error 区分 parse_error/failed
- 新增 2 用例（解析/网络失败降级 fallback），同步更新 7 个既有用例至降级链语义
- 全量 165 passed / 100.00% 覆盖（941 stmts/242 br），fail_under=99 达标
 2026-08-12 09:36:10 +08:00
lhl 25fc472d9b feat(inference): chat_structured 接入 jsonschema 真校验（T1 架构审查整改） 
- pyproject.toml 新增 jsonschema>=4.23 依赖
- engine.py: json.loads 后 jsonschema.validate，校验失败按解析失败重试（带错误信息）
- 新增 3 用例：违规重试成功/耗尽 parse_error 含详情/合法一次通过
- 全量 163 passed / 100.00% 覆盖（936 stmts/238 br），fail_under=99 达标
 2026-08-12 09:32:02 +08:00
lhl 31167c9314 chore: Phase3 Word 解析收尾（尾随换行/import 排序/契约注释） 2026-08-10 23:39:53 +08:00
lhl 16921ecbb4 test: 真实样本 Word 解析集成测试（模板/规则/说明书画属write） 2026-08-10 15:17:44 +08:00
lhl 7f29cc9cf3 feat: SourceParser 门面全量输入聚合 StructuredSource 2026-08-10 14:57:04 +08:00
lhl 9ab11da87d feat: RuleDocParser 规则文档 Markdown 化与分类 2026-08-10 10:14:15 +08:00
lhl 00fcbf18c3 feat: WordTemplateParser 章构成/占位符/样式名提取 2026-08-10 09:38:37 +08:00
lhl e8771aa797 test: docx 测试基建（新建/落盘/规则文档快捷构造） 2026-08-10 09:21:55 +08:00
lhl 464423b7ef chore: 一致性门禁收尾（plan 计数、尾换行、消息与注释润色） 2026-08-09 17:11:38 +08:00
lhl bb38a47445 test: api §7 与异常树错误码一致性门禁测试（防文档漂移） 2026-08-09 16:48:12 +08:00
lhl f3a30256d5 chore: 清理 error_code 收尾（删冗余死代码行、补尾换行） 2026-08-09 13:58:53 +08:00
lhl aa9c63df73 feat: engine 透传 error_code（与 error 同源取最后一次异常） 2026-08-09 13:48:00 +08:00
lhl 3b98412492 feat: 结果对象 error_code 字段（默认 None 向后兼容） 2026-08-09 13:44:19 +08:00
lhl f61e7dadb7 feat: 异常树 error_code 类属性（对齐 api-design §7 错误码） 2026-08-09 13:38:59 +08:00
lhl cb2deda08a test: 清理 backlog——chat_structured 超限检测 + client 上下文管理器 2026-08-09 09:15:36 +08:00
lhl 14062d1954 fix: 客户端响应结构损坏归入 LLMResponseError；3xx 不再误判成功 2026-08-09 08:36:02 +08:00
lhl 8bc5e5e571 feat: InferenceEngine chat/chat_structured 全流程 + 文档补丁（补丁1/2/3） 2026-08-09 08:26:37 +08:00
lhl add7b1503c feat: HttpLLMClient（httpx + 重试退避/超时/鉴权） 2026-08-09 08:08:04 +08:00
lhl 59c1ea7abe feat: PromptRegistry 注册/版本/渲染（jinja2） 2026-08-09 08:03:17 +08:00
lhl 71d38b90bf feat: Token 估算（approximate 内置 / tiktoken 可选回落） 2026-08-09 05:58:16 +08:00
lhl c2fad77698 feat: 推理引擎数据模型与异常层（types/exceptions）及 httpx/jinja2 依赖 2026-08-09 05:53:55 +08:00
lhl 2fbff07d3f test: 覆盖率提升至 100%（fail_under 90→99，13 个防御/边界用例） 2026-08-09 04:49:29 +08:00
lhl d93cc77bae fix: 遗留清理（枚举同源/边界防御/断言补强） 2026-08-09 04:18:39 +08:00
lhl 75925168c7 test: MIXED 混合样本 + 端到端段落验证 2026-08-09 04:13:01 +08:00
lhl 1e3f702477 feat: MIXED 完整段落解析（分割→每段最优解析） 2026-08-09 04:07:07 +08:00
lhl 539945be67 feat: data_models 扩展 MixedParagraph/MixedSheet（段落容器） 2026-08-09 04:04:14 +08:00
lhl 34ef28be45 feat: 段落分割 split_paragraphs（通用空行分词） 2026-08-09 03:59:24 +08:00
lhl eebed38886 fix: 里程碑2 最终评审 must-fix（header_row 接线 + formatting 回填） 2026-08-09 03:25:32 +08:00
lhl 3307d7ba72 test: 真实样本集成测试（3 类型 xlsx） 2026-08-09 03:18:12 +08:00
lhl 18da20dc0a feat: ExcelParser 编排器（类型/性质/提取/汇总） 2026-08-09 03:13:53 +08:00
lhl a9cc3c9b90 feat: FreeTextExtractor（文本分段 + 占位结构化表） 2026-08-09 03:09:42 +08:00
lhl 5818dd01e4 feat: FormattingDetector（取消线/背景色/批注） 2026-08-09 03:00:01 +08:00
lhl 63d0c90940 feat: MergeHandler + TableExtractor（forward_fill / 表格提取） 2026-08-08 23:03:29 +08:00
lhl 4f61d24420 feat: Sheet 性质判定（table/free_text/mixed） 2026-08-08 22:54:30 +08:00