yilunjiang/AgentLab
1
0
Fork 0
mirror of https://github.com/ThearchyHelios/AgentLab.git synced 2026-11-15 04:41:57 +00:00
Code Issues Packages Projects Releases Wiki Activity
1,284 Commits 4 Branches 0 Tags
97cd9498a4c993e08aa98241a4d65ab055decd94
Commit Graph

1284 Commits

This Branch
This Branch
All Branches
Author SHA1 Message Date
ThearchyHelios 97cd9498a4 入口字段声明不一致时合并，不把整份草稿判死 
同一份文档分十轮起草，各轮对 factory_code 的必填/类型声明常对不上。原先直接抛错，34 条
指标的草稿因为一个字段的 required 不同整份作废。现在必填取并集、类型取更宽，每一处不一致
记一条说明摆在入口字段下面；建图和界面共用同一套合并逻辑。
 2026-11-04 09:54:16 +08:00
ThearchyHelios 0d5f9609e7 起草轮询窗口放到 15 分钟 
实测 10 轮起草要 7 分钟，10 分钟窗口在慢一点的环境里会提前报超时。
 2026-11-04 09:37:20 +08:00
ThearchyHelios 939f0f3448 起草上限放到 10 轮 60 条 
实测同文档 6 轮只覆盖 22 条（每轮 3–5 条），剩 23 条撞在轮数上限上。按实测节奏放到 10 轮。
 2026-11-04 09:28:54 +08:00
ThearchyHelios bf07944cf7 草稿页：起草进度、截断分两种说法、几十条指标可扫读 
轮询窗口放宽到十分钟；文档被截和目录被截分开提示；指标默认收起摘要行，一屏看得到名字和
试运行的值。
 2026-11-04 09:24:37 +08:00
ThearchyHelios ec8ee6c92a 起草自动续跑：多轮覆盖 uncovered，最多 6 轮 40 条 
每轮收一组指标、写一次进度（第几轮、覆盖几条、还剩几条），直到没有新指标、uncovered
空了或到上限。中途每轮落库，页面能看到「第 2 轮 · 已覆盖 12 条 · 还有 27 条」，不再是
一个转圈的空白。
 2026-11-04 09:24:37 +08:00
ThearchyHelios e6c8ee2827 一张草稿图支持多个取数节点 
一份文档里的指标常常分属不同粒度、不同表，一条 SQL 装不下。build_graph 改成接收多组
{sql, entry_fields, metrics}：一组仍叫 fetch，多组叫 fetch_1…，每组指标的表达式改写到
自己的取数节点，指标 id 全局重排，入口字段合并（同名不同类型直接报错，不静默取舍）。

同时把「文档被截」和「目录被截」拆开：以前目录超长也报「文档太长」，界面在骗人。
 2026-11-04 09:24:37 +08:00
ThearchyHelios 8b2f01d15d 目录按文档点到的表优先展开；模型提问不再算起草失败 
这个数据源的目录渲染出来十万字符，被截到两万四，kpi_info 的 attribute01…54 全在被砍掉的
后半段，模型看不到列就只能如实列问题——界面却把它记成「起草失败」。

现在文本按「概览 → 全量表索引 → 全量列名 → 文档点到的表展开」排，预算不够先丢最后一段，
列名一个不少。模型一条指标都没写、但把缺什么说清楚时，草稿落在 questions_open，问题原样
留下来，不再报失败。
 2026-11-04 08:54:42 +08:00
ThearchyHelios a7b8f05587 草稿页列出这次没起草的指标 
一组能共用一条 SQL 的指标起草完，文档里其余的按名称列出来，提示可以再起一份接着做。
 2026-11-04 08:37:52 +08:00
ThearchyHelios 8682deb447 起草按「能共用一条 SQL 的一组」进行，并抢救被截断的回复 
实测：一条 SQL 枚举十几列 CASE WHEN 就把输出额度吃光，文档里十几条指标一条都写不出来，
界面只报「没有一条指标通过校验」。现在提示模型一次只起草同组指标（最多 6 条）、SQL 写短，
其余的进 uncovered；回复被截断时按完整片段抢救指标和 SQL，失败原因里写清模型实际交回了
什么形状，不再只说没有指标。
 2026-11-04 08:37:52 +08:00
ThearchyHelios d9d430dab6 草稿页改成看「定义、数、引用」再签字 
试运行结果和入口字段直接摆在页面上；主按钮是去画布审改并发布，接上一次运行收进次要入口。
数据源改为必选并默认选中：没有目录就写不出取数 SQL。
 2026-11-04 00:30:26 +08:00
ThearchyHelios 13f1158191 口径起草一次到位：生成取数图并自动试运行，不再要求人工接一次运行 
「不从指标定义编译 SQL」管的是事后比对的基准，不是起草。起草照样让模型写 SQL，但只允许
目录里的表和列、单条只读 SELECT、入口字段必须先声明；每条定义仍要能逐字对上原文。

起草成功即建工作流与 v1；试运行只跑取数与口径卡（derive.caliber_probe），不触发报告撰写，
也不会因为没有可用模型就判这份口径不行。接上一次运行保留为辅助入口。
 2026-11-04 00:30:26 +08:00
ThearchyHelios 5a29bcd8a6 口径试跑归入不参与「最近一次封存」的来源 
加了来源没归类，test_shares 会先失败。试跑是探索运行，不该被看板当成最近一次正式运行。
 2026-11-03 23:26:36 +08:00
ThearchyHelios 91754e05bd 补上 caliber_trial 进系统来源时漏改的断言 
试跑是服务端派生的只读运行，计进使用统计会把「试一下」算成「在用」。
 2026-11-03 23:11:45 +08:00
ThearchyHelios 1cd9cab7b4 同义词随定义一起留在口径卡上 
文档里叫「月活」，卡上指标叫「月度活跃买家」；同义词丢了，以后按名字找这份口径就永远对不上。
合并时带上（大小写与空白不算新说法），并让口径描述把它交出去。
 2026-11-03 23:08:28 +08:00
ThearchyHelios 43a38e926c 起草失败单独记一种状态，别再停在「起草中」 
没有可用模型、模型回复读不懂时，草稿此前一直留在 drafting，界面会以为还在跑。现在置 failed
并把原因写进 error；补上真指标后 PATCH 仍能把它推回正常流程。
 2026-11-03 23:07:01 +08:00
ThearchyHelios f697ab7ed2 口径详情给模型看定义说明 
文档起草过来的口径，定义是它唯一带着的业务边界（适用范围、不包含什么）。此前 look 只给
指标式和单位，模型只能凭名字猜这份口径答的是不是这个问题。定义压成一句、限 240 字，
概览一行不加。
 2026-11-03 23:04:58 +08:00
ThearchyHelios 1e6fec98c1 补一条端到端：文档草稿接上运行后图能过校验，且在发布前对问数不可见 2026-11-03 22:59:47 +08:00
ThearchyHelios 8b80b59a15 口径草稿页：看引用原文、清未决问题、接上一次真实运行 
列表按状态筛，抽取完成后轮询到出结果；被丢弃的条目单独列出原因，未决问题逐条处理完才
能接数据路径。入口挂在口径目录页头，不动全局导航。
 2026-11-03 22:59:47 +08:00
ThearchyHelios 7f66985dba 口径草稿：从业务文档抽定义，再从一次真实运行接上取数路径 
新增 caliber_drafts 表与 /api/ledger/drafts 一组接口：抽取在后台跑，文档缺失整单拒绝，
有未决问题时停在 questions_open，问题清完才到 path_pending。

接上运行沿用从运行固化的建图逻辑，定义按同名或同义词并入指标卡，expression 与 id 不动；
文档引用记进 origin.documents，复核能落回具体段落。接入只产出可试跑的草稿，不发布、不发起运行。
 2026-11-03 22:50:14 +08:00
ThearchyHelios 51daa7b96c 把从运行固化的建图部分抽成 build_graph，供文档草稿接上数据路径时复用 
行为逐字不变：节点 id、顺序、报告配置、出口契约都与原来一致，test_ledger_certify
的断言一条未改。
 2026-11-03 22:42:32 +08:00
ThearchyHelios 4f0aa62dcc 业务文档起草口径草稿：只产出定义与逐字引用，不产出取数 
文档里写的是业务说法，不是库里的表和 SQL。模型回复里出现 SQL、表名、列名的一律丢弃；
每条定义必须能在原文里按归一化空白逐字定位，定位不到就不进草稿。草稿在 path_pending
状态下不是合法图，因此不写进 workflows.graph。
 2026-11-03 22:42:28 +08:00
ThearchyHelios 753c35918d 复盘修正：试运行不计入统计、评估标签遮罩、规则/评估卡可组合 2026-11-03 21:23:08 +08:00
ThearchyHelios 4bf9e56979 支持评估型指标：rubric 加权评分、等级与 assessed 标签 2026-11-03 20:52:29 +08:00
ThearchyHelios e1d63e7389 规则 DSL 编译成只读 SQL，并用 fixture 验证 2026-11-03 20:50:06 +08:00
ThearchyHelios 6e7f2a5ce8 支持规则型指标：单元格条件确定性求值与 derived 标签 2026-11-03 20:36:04 +08:00
ThearchyHelios 37657e24c3 支持外部常量指标：来源、生效日期、过期降档与 external 标签 2026-11-03 20:32:55 +08:00
ThearchyHelios 214a3367ff 指标定义卡与参数进入校验、descriptor 和目录页 2026-11-03 19:45:41 +08:00
ThearchyHelios 68af29a180 增加口径目录页与试跑：入口表单、依赖说明和只读试跑 2026-11-03 19:43:39 +08:00
ThearchyHelios aeaca4ce69 记录口径调用审计：compose 与正式出具各记一条参数指纹 2026-11-03 19:38:00 +08:00
ThearchyHelios 5eb1c8ff00 增加口径可调用 descriptor：入口 Schema、依赖与出具策略 2026-11-03 19:34:28 +08:00
ThearchyHelios 97710463fe 补子图查询进入父图账本比对的回归测试 2026-11-03 19:14:23 +08:00
ThearchyHelios 89817a6ef4 修正旧图金样对新增口径内容指纹的断言 2026-11-03 19:12:41 +08:00
ThearchyHelios 539119cf5c 分析结论记录说法模板版本：复算时版本不同不误报文字差异 2026-11-03 19:12:27 +08:00
ThearchyHelios 174375c6c7 新设遮罩列时清理目录里的码值、含义与备注 2026-11-03 18:53:39 +08:00
ThearchyHelios 90597d5540 口径增加内容指纹：指标集与账本候选记录定义哈希 2026-11-03 18:47:32 +08:00
ThearchyHelios ce2f68a373 口径取数 SQL 增加书写 lint：取整、补 0 在画布提示并在受管发布时拦截 2026-11-03 18:36:26 +08:00
ThearchyHelios 80a479d723 合入：分析能力一轮（算、想、核六项 + 评测） 
平台补上一层「确定性的数据分析」，补的是原来缺的那半：报告里站得住的数只来自 SQL 的格、口径卡的标量式和运行输入，而写作者被要求「说清变化和原因」，系统既不给原因从哪来、也不核对原因。本轮把「算什么」「怎么想」「怎么说」都做成可复算、可点开、可核对的东西。

算（五个算子，app/analysis）
- 可比性检查：两份查询是否只差日期、窗口是否一样长、本期是否整期、星期构成是否相同；按 SQL 里的格式串认周号算法（SQLite %W / %U、MySQL %U / %u / %V / %v、to_char WW / IW），算不出真实起止就判「核对不了」，绝不判完整；口径卡的指标用到两份同形只差字面量的查询时自动做一次，结果挂在指标上，出具时不可比记缺口、有条件可比只标注。
- 变化拆解：可加按维度算贡献（各段之和与总数闭合，不闭合不给占比、不下集中判断）、比率拆出结构效应与各段自身效应（中点对称拆法，能识别辛普森悖论）、乘积按 LMDI 拆因子，逐层下钻（上一层那一段的值做闭合）。
- 波动基线：把本期放回过去 N 期的历史，用中位数与 MAD 判常规波动、超出、明显超出；本期不完整、缺期、历史不够都照实说算不了。
- 趋势：Theil–Sen 斜率 + Mann–Kendall（小样本精确分布、并列修正、连续性校正），末尾连续同向期数。
- 差异检验：Wilson / Newcombe 区间、合并比例 z 检验与 Fisher 精确、Welch t、Holm 多重比较校正、去掉极值的敏感性。
- 统计全是纯 Python（不加依赖）；数与判定语规范化、同输入逐字节相同；每份结论记方法版本、实际阈值、输入快照、现查的表范围、判定标准，按内容哈希寻址，复算逐字段相同才算核对通过。

想（分析型问数）
- 五个 agent 分析工具（analysis_decompose / baseline / trend / differ / comparable），参数只有「算什么」、没有阈值；绑了就注入一套分析方法（先可比性和基线、再拆因子与结构、由粗到细拆维度、找到主要来源再下钻一层、写明假设、拆了不集中也是结论、不作因果断言、算不了照实说）。
- 问题意图词表判断「为什么 / 是否异常 / 趋势 / 差异」这类问题；助手按分析类问题的形状建图并自查是否绑了分析工具（只挡一轮）。
- 结论末尾由系统写「分析范围」：查了什么、排除了什么、没拆的是哪些候选维度（候选维度从数据目录算，目录没维护就照实说没维护）。
- 内置模板 ⑪「异动分析（可追溯）」；评测变体加「分析工具开 / 关」对照与预设。

核（分析说法核对）
- 报告里的判断词（主要来自、集中在、拖累、分散、结构变化、异常、大幅、新高新低、正常波动、持续、趋势、显著高于、差异不大）必须挂对应的分析结论，而且判定、点名的段、方向要对得上；因果说法要有知识库原话或运行输入作依据，否则写成推测。
- 判定语由系统渲染，写作者只引用（[[a:A1]]、[[a:A1.top_share]]、[[table:A1 …]]），不再自己下判断；分析结论里的占比、变化率按百分数、比率之差按百分点、有量纲的比率（客单价这类）照原值显示。
- 缺省「重写一次后标出」、不影响出具档位；受管级要求严格（重写后仍有就进出具缺口），出口独立复核。
- 修掉一个口子：引用模式下被引指标的输入追不到原始数据时，受管级记缺口降档，和证据面板的说法一致。

证据与界面
- 分析结论进证据台账编号 A1、A2…，按内容哈希寻址、随运行封存；出处链六步（判定 → 方法 → 计算 → 输入 → 复算 → 封存），网页证据面板、报告导出、可验证报告三处同一套；证据图多一种「派生自」的边。
- 分析卡：画布新增节点类型，模板里固定要做哪些分析、可写阈值覆盖、产出可接分支；分析卡里随数据变化的错误记成「算不了」不让卡失败。
- 前端：分析卡与分析项编辑器、设置「分析」一节（17 项）、问数据时间线的分析步骤、运行对比的分析卡一区、正文里判定语可点与说法违规标注、分析范围一段、出具横幅三项。
- 设置「偏好设置 → 分析」：阈值只来自这里的快照和分析卡上的覆盖，模型改不了。

评测
- 两种新期望：贡献（按维度的主要来源与方向）、判定（波动基线 / 趋势 / 差异检验 / 可比性），期望值由期望 SQL 的快照加同一套算子算出来，仍不许人填；评分沿用五种结论，评分规则第 3 版，提示词指纹包含分析方法与写作者的分析规则。
- 新建虚构库 retail_trends（26 周、埋了八个效应）与分析题集，现有零售库不动。

验收
- 后端全量 16026 通过；PostgreSQL 全量未跑（本轮没改表结构、没加迁移）；tsc、check-copy、check-docs 通过；浏览器检查 14 项 5599 项通过，最后受影响的 5 项 2229 项重跑通过。
- 真实模型验收：隔离数据目录、虚构库，8 道分析题 × 分析工具开 / 关 × 每臂 3 次（48 次作答）。开：准确率 75.0%、可追溯准确率 58.3%；关：20.8%、0%；配对检验 p=0.031（开对关错 6 题、关对开错 0 题）。人工核 8 次作答的证据链、判定、说法，查出并修掉了：比率本身被套百分数（客单价 160.76 显示成 16,076.0%）、有量纲比率的效应值乘了一百、判定语整句搬进正文与「核对不了」当结论、因子正确主来源被判不符、目录没维护时的误导话术、评测估不出花费时按 0 预留却记成已计价。
- 遗留：可追溯匹配不核主口径一致性（会略微抬高准确率）；未计价模型的金额上限不起作用（设计如此）；「问数据」里有的模型会绕开题目要的口径（模型行为，评测分数会体现）。

升级说明
- 报告节点新增两个配置：分析说法核对（缺省「重写一次后标出」）、分析范围（缺省有分析结论时附上）。已发布的版本照常运行，只多一次重写和一处标注、不改档位；下次发布时按新的受管要求（严格）检查。
- 数据目录、数据库表结构、迁移都没有变化；老报告按记下的显示规则版本复核，结果不变。
 2026-10-22 00:05:39 +00:00
ThearchyHelios cf30f999f6 验收复核查出的三处：有量纲比率的效应值（结构效应、自身效应、合计影响、变化）照原值显示，不再乘一百说成百分点（客单价影响 -11.12 元 / 单以前显示 -1,112.1 个百分点）；只读一张表、目录还没维护时分析范围照实说目录没维护，不说成对不上目录里的列；写作规则补一条不写重复判定语开头的引言 2026-10-21 18:08:59 +00:00
ThearchyHelios 9219df8190 真实模型验收查出的五条修正：①比率拆解里比率本身是有量纲的比率（客单价，元 / 单）时不套百分数，以前 160.76 显示成 16,076.0%，各段分子都不超过分母（退款率这类占比）照旧按百分数；②写作规则补两条——判定语一句只引用一份结论、不把几份判定语用逗号拼成一句，「核对不了」是系统的核对说明不是结论；③说法核对的来源判断看整个分句（主来源写在判断词后面的「主要由订单量放大带来」也能认），点名的段按去掉结尾量词的词根兜底（订单量 认 订单数）；④数据目录还没维护时候选维度照实说目录没维护、提示怎么补，不说成认不出事实表；⑤评测估不出每题花费时金额照 0 记但记成未计价，账本上看得出；金额上限照旧按累计金额判 2026-10-21 17:33:49 +00:00
ThearchyHelios 30423a0686 可验证报告那条新测试按列名找结果表的格：S8 起出处面板写结果表记的列名（占变化的比重），不把列 id（share）当叫法 2026-10-21 16:27:43 +00:00
ThearchyHelios 7b47ce1724 合入第 2 波复核修复 S1：分析结论的占比、变化率、比率之差按百分数 / 百分点显示——结果表带每列的显示格式、具名的数带格式，证据渲染、整表、写作目录、证据面板、导出、可验证报告都按它；显示规则 4 版，老文档按记下的版本复核；空格写「—」 
# Conflicts:
#	backend/tests/test_analysis_pages.py
 2026-10-21 16:23:39 +00:00
ThearchyHelios 709a50208a 合入第 2 波复核修复 S2、S5、S6：关分析工具那一臂挡分析卡与用了分析的子工作流、节点手册里不再出现分析；问题意图词表与自查那句进评测的提示词指纹；问题意图不把问构成当来源、不把问数据质量当异常 2026-10-21 16:22:21 +00:00
ThearchyHelios eade5aab5d 关分析工具那一臂挡分析卡：图里有分析卡、嵌套的子工作流里有分析卡或分析工具都挡回去改；关掉时节点手册里不再出现分析卡、分析工具和分析相关的配置（改写与整段去掉）；问题意图词表版本与自查交回的那句进评测的提示词指纹；问题意图不把「哪个贡献最多」当来源、不把「数据是否正常」当异常；评测「关」那一臂的替身改成照样试着加分析卡、靠真代码挡 2026-10-21 16:19:49 +00:00
ThearchyHelios 316863b2e0 零售样例题集的试算：退款金额两边都按两位小数比（SQLite 的 ROUND(SUM(amount), 2) 出来是浮点，6448.19 存成 6448.1900000000005，逐字比会随数据变而失败；main 上同样失败） 2026-10-21 16:19:28 +00:00
ThearchyHelios e225fcdd2c 合入第 2 波复核修复 S3、S7、S8、S10、P1：分析卡上写在验证什么的那句照实说是模板作者写的、分析步骤的编号写明是哪一层、证据面板的格写列名与总数按服务端渲染、注释归位、窄屏收起工具栏的改名图标 2026-10-21 16:17:20 +00:00
ThearchyHelios 74ab9d57f2 工作流工具栏：窄屏收起改名图标。768 宽、失败的运行加未保存加两枚芯片时，顶栏最右的控件伸到 791px、出了视口（main 上 3c5c9d3c 给名字旁边加的那枚铅笔）。照其它次要按钮的做法在窄于 880px 的容器里收起来，改名在「切换工作流」的列表里照样有。check-studio 加两条：窄屏工具栏上看不到它、列表里有 2026-10-21 16:08:55 +00:00
ThearchyHelios 3311fead7f check-runs 的「有出处」一组不再写死三行：第 2 波 S1 起报告多引了变化率、比重、一处没写换算的具名的数和整表展开的几格，行数照夹具里审计的「有出处」一组数对 2026-10-21 15:59:56 +00:00
ThearchyHelios 28e7b0e12b 测试：占比、变化率、权重按百分数显示（第 2 波 S1）——每种实测情况一条断言：正文引用 [[a:A1.top_share]]、[[v:A1.r0.share]]、[[v:A1.r0.pct]] 没写换算时取结论记的格式（61.9%、-14.6%），写了换算的照写作者的；整表按格式展开；写作目录的具名的数与结果表按格式写；证据面板接口的具名的数、结果表的格、整体比率那一格（空格写「—」）；导出页与可验证报告照引用渲染；老文档（3 版）照原样、复核不判对不上，按新规则重渲染才判对不上。另钉住各算子填了哪些列、pct 与 pp 的写法、同输入两次 run 逐字节相同、复算逐字段相同 2026-10-21 15:55:51 +00:00
ThearchyHelios 851506761c 文档：分析结论里的占比、变化率由系统按百分数显示，比率的变化按百分点，写作者照常引用、不用自己写换算（写了照他的）。分析能力、证据与出具两份文档的中英各补一句，标题层级不动，check-docs 0 问题 2026-10-21 15:55:41 +00:00
ThearchyHelios d3ba6de882 证据面板的前端夹具按第 2 波 S1 重新录制（真跑一次，模型换成脚本）：报告里多引了两处没写换算的格（变化率 [[v:A1.r0.pct]]、比重 [[v:A1.r0.share]]）、一处没写换算的具名的数（[[a:A1.top_share]]），另展开一张 [[table:A1 cols=region,delta,pct,share rows=0-1]]，文档记 cell_display: 4；计算一步的具名的数、结果表按结论记的格式写（88.2%、-30.0%），比率拆解的整体比率写成 3.5%。check-evidence 补四条：具名的数 88.2% 而不是 0.8823529412、结果表 -30.0%、没写换算的引用与整表按格式写、空格是「—」不是 null 2026-10-21 15:55:32 +00:00