Neo-ZQYY/.kiro/specs/05-miniapp-ai-integration/tasks.md

# 实现计划：P5 AI 集成层（miniapp-ai-integration）

## 概述

基于 P5-A 阶段设计，在 `apps/backend/app/ai/` 新建 AI 模块，实现百炼 API 封装、SSE 对话、事件调度、缓存服务、8 个 AI 应用（其中 App2/App8 含完整 Prompt，App3/4/5/6/7 仅骨架）。每个任务增量构建，最终通过路由和事件调度器串联所有组件。

## 任务

- [ ] 1. 数据库表结构与基础模块搭建
  - [x] 1.1 创建 DDL 迁移脚本，在 `biz` schema 下建表 `ai_conversations`、`ai_messages`、`ai_cache`
    - 按设计文档中的 DDL 创建三张表，包含所有字段、CHECK 约束、索引
    - DDL 文件放置于 `db/zqyy_app/migrations/` 目录，日期前缀命名
    - _需求: 1.1, 1.2, 1.3, 1.4, 1.5_

  - [x] 1.2 创建 AI 模块目录结构和 Pydantic Schema
    - 创建 `apps/backend/app/ai/` 目录及 `__init__.py`
    - 创建 `apps/backend/app/ai/apps/` 子目录及 `__init__.py`
    - 创建 `apps/backend/app/ai/prompts/` 子目录及 `__init__.py`
    - 在 `apps/backend/app/ai/schemas.py` 中定义所有 Pydantic 模型：
      - `ChatStreamRequest`（message, source_page, page_context, screen_content）
      - `SSEEvent`（type, content, conversation_id, tokens_used, message）
      - `CacheTypeEnum`（7 个枚举值）
      - `ClueItem`（category, summary, detail, emoji）
      - `ConsolidatedClueItem`（含 providers）
      - `App2InsightItem`、`App4Result`、`App5TacticsItem`、`App6Result`、`App7Result`
      - `App2Result`、`App3Result`、`App8Result`
    - _需求: 4.4, 5.2, 5.3, 6.3, 7.3, 8.2, 8.3, 9.2, 10.4, 10.5_

  - [x] 1.3 编写属性测试：AI 应用输出 JSON 结构验证
    - **Property 8: AI 应用输出 JSON 结构验证**
    - 使用 hypothesis 生成随机 JSON，验证各应用 Pydantic 模型的解析和校验
    - 验证 App3 category ∈ {客户基础, 消费习惯, 玩法偏好}，App6/8 category ∈ 6 个枚举值
    - 测试文件：`tests/test_p5_ai_integration_properties.py`
    - **验证: 需求 4.4, 5.2, 5.3, 5.4, 6.3, 7.3, 8.2, 8.3, 8.4, 9.2, 10.4, 10.5**

- [ ] 2. 百炼 API 统一封装层（BailianClient）
  - [x] 2.1 实现 BailianClient 核心逻辑
    - 文件：`apps/backend/app/ai/bailian_client.py`
    - 使用 `openai` Python SDK，`base_url` 指向百炼端点
    - 实现 `chat_stream`（流式，AsyncGenerator[str, None]）
    - 实现 `chat_json`（非流式，返回 tuple[dict, int]）
    - 实现 `_inject_current_time`（首条消息注入 current_time）
    - 实现 `_call_with_retry`（指数退避，最多 3 次，1s→2s→4s）
    - 定义异常类：`BailianApiError`、`BailianJsonParseError`、`BailianAuthError`
    - 环境变量：`BAILIAN_API_KEY`、`BAILIAN_BASE_URL`、`BAILIAN_MODEL`
    - _需求: 2.1, 2.2, 2.3, 2.4, 2.5, 2.6_

  - [x] 2.2 编写属性测试：双模式调用一致性
    - **Property 1: BailianClient 双模式调用一致性**
    - Mock 百炼 API，验证 `chat_stream` 返回非空 chunk 序列，`chat_json` 返回可解析 JSON + 正整数 tokens_used
    - 测试文件：`apps/backend/tests/test_ai_bailian.py`
    - **验证: 需求 2.1, 2.3, 2.4**

  - [x] 2.3 编写属性测试：指数退避重试策略
    - **Property 2: 指数退避重试策略**
    - Mock 可控失败次数的 API，验证重试间隔为 base_interval × 2^(n-1)，超过 max_retries 抛出 BailianApiError
    - 测试文件：`apps/backend/tests/test_ai_bailian.py`
    - **验证: 需求 2.2**

  - [x] 2.4 编写属性测试：JSON 解析失败错误处理
    - **Property 3: JSON 解析失败错误处理**
    - Mock 返回非法 JSON 字符串，验证 `chat_json` 抛出 BailianJsonParseError
    - 测试文件：`apps/backend/tests/test_ai_bailian.py`
    - **验证: 需求 2.5**

  - [x] 2.5 编写属性测试：current_time 注入不变量
    - **Property 4: current_time 注入不变量**
    - 纯函数测试，随机消息列表，验证首条消息注入 current_time（ISO 格式精确到秒），其余消息不变
    - 测试文件：`apps/backend/tests/test_ai_bailian.py`
    - **验证: 需求 2.6**

- [x] 3. 对话记录持久化服务（ConversationService）
  - [x] 3.1 实现 ConversationService
    - 文件：`apps/backend/app/ai/conversation_service.py`
    - `create_conversation`：创建 ai_conversations 记录，系统调用时 user_id='system'
    - `add_message`：写入 ai_messages 记录（role, content, tokens_used）
    - `get_conversations`：按 user_id + site_id 查询，created_at DESC，分页（page_size=20）
    - `get_messages`：按 conversation_id 查询所有消息
    - _需求: 3.2, 3.4, 3.5, 3.7, 13.1, 13.2, 13.3_

  - [x] 3.2 编写属性测试：AI 调用记录持久化 round-trip
    - **Property 5: AI 调用记录持久化 round-trip**
    - 使用 test_zqyy_app 数据库，随机 app_id 和消息内容，验证写入后查询一致
    - 测试文件：`apps/backend/tests/test_ai_conversation.py`
    - **验证: 需求 3.2, 3.4, 3.5, 13.1, 13.2, 13.3**

  - [x] 3.3 编写属性测试：历史对话列表排序与分页
    - **Property 6: 历史对话列表排序与分页**
    - 使用 test_zqyy_app 数据库，随机时间戳创建对话，验证返回严格降序且每页 ≤ page_size
    - 测试文件：`apps/backend/tests/test_ai_conversation.py`
    - **验证: 需求 3.7**

- [ ] 4. AI 缓存读写服务（AICacheService）
  - [x] 4.1 实现 AICacheService
    - 文件：`apps/backend/app/ai/cache_service.py`
    - `get_latest`：按 (cache_type, site_id, target_id) 查询最新记录
    - `get_history`：查询历史记录（created_at DESC，默认 limit=2），用于 Prompt reference
    - `write_cache`：写入缓存记录，写入后异步清理超限记录
    - `_cleanup_excess`：保留最近 500 条，删除最旧的
    - _需求: 12.1, 12.2, 12.3, 12.4, 12.5_

  - [-] 4.2 编写属性测试：缓存写入 round-trip
    - **Property 7: 缓存写入 round-trip**
    - 使用 test_zqyy_app 数据库，随机 cache_type、target_id、result_json，验证写入后查询一致
    - 测试文件：`apps/backend/tests/test_ai_cache.py`
    - **验证: 需求 4.7, 5.6, 6.6, 7.5, 8.6, 9.5, 10.10**

  - [-] 4.3 编写属性测试：缓存查询 site_id 隔离
    - **Property 13: 缓存查询 site_id 隔离**
    - 使用 test_zqyy_app 数据库，写入 site_id=A 的记录，以 site_id=B 查询应返回空
    - 测试文件：`apps/backend/tests/test_ai_cache.py`
    - **验证: 需求 12.1, 12.5**

  - [-] 4.4 编写属性测试：缓存保留上限
    - **Property 14: 缓存保留上限**
    - 使用 test_zqyy_app 数据库，批量写入 >500 条记录，验证清理后 ≤ 500
    - 测试文件：`apps/backend/tests/test_ai_cache.py`
    - **验证: 需求 12.3**

- [ ] 5. 检查点 - 基础服务验证
  - 确保所有测试通过，ask the user if questions arise.
  - 验证 BailianClient、ConversationService、AICacheService 三个核心服务可独立工作

- [ ] 6. 应用 1 通用对话 SSE 端点
  - [~] 6.1 实现 App1 Chat 核心逻辑
    - 文件：`apps/backend/app/ai/apps/app1_chat.py`
    - 每次进入 chat 页面新建 ai_conversations 记录（不复用）
    - 首条消息注入页面上下文（source_page、page_context、screen_content）
    - 用户消息立即写入 ai_messages（role=user）
    - 流式返回完成后写入完整 assistant 回复（含 tokens_used）
    - 通过 `biz_params.user_prompt_params` 传入 User_ID、Role、Nickname
    - 上下文注入框架留接口（页面文本化工具 P5-B 实现）
    - _需求: 3.1, 3.2, 3.3, 3.4, 3.5, 3.6, 3.8_

  - [~] 6.2 实现 SSE 路由端点
    - 文件：`apps/backend/app/routers/xcx_ai_chat.py`
    - `POST /api/ai/chat/stream`：SSE 协议推送，Content-Type: text/event-stream
    - SSE 事件格式：chunk / done / error
    - `GET /api/ai/conversations`：历史对话列表（分页，每页 20 条）
    - `GET /api/ai/conversations/{conversation_id}/messages`：对话消息列表
    - JWT 认证，从 token 提取 user_id、site_id、nickname、role
    - 注册路由到 FastAPI app
    - _需求: 3.1, 3.7_

  - [~] 6.3 编写单元测试：SSE 端点
    - 验证 SSE Content-Type 和事件格式（chunk/done/error）
    - 验证未认证返回 401、空消息返回 422
    - 测试文件：`apps/backend/tests/test_ai_chat.py`
    - _需求: 3.1_

- [ ] 7. 应用 2 财务洞察（完整 Prompt）
  - [~] 7.1 实现 App2 Finance Prompt 模板
    - 文件：`apps/backend/app/ai/prompts/app2_finance_prompt.py`
    - 完整 Prompt 包含：当期和上期收入结构（table_fee=table_charge_money、assistant_pd=assistant_pd_money、assistant_cx=assistant_cx_money、goods=goods_money、recharge=充值 pay_amount settle_type=5）
    - 包含储值资产、费用汇总、平台结算数据
    - 使用 items_sum 口径，禁止 consume_money
    - _需求: 4.5, 4.6_

  - [~] 7.2 实现 App2 Finance 核心逻辑
    - 文件：`apps/backend/app/ai/apps/app2_finance.py`
    - 8 个时间维度独立调用（this_month, last_month, this_week, last_week, last_3_months, this_quarter, last_quarter, last_6_months）
    - 营业日分界点 08:00（`BUSINESS_DAY_START_HOUR` 环境变量）
    - 每次调用结果写入 ai_cache（cache_type=app2_finance，target_id=时间维度编码）
    - 每次调用创建 ai_conversations + ai_messages 记录
    - 返回结构化 JSON（insights 数组：seq + title + body）
    - _需求: 4.1, 4.2, 4.3, 4.4, 4.7_

  - [~] 7.3 编写单元测试：App2 时间维度计算
    - 验证 8 个时间维度编码的计算逻辑（营业日分界点 08:00）
    - 验证 Prompt 使用 items_sum 口径字段映射
    - 测试文件：`apps/backend/tests/test_ai_app2.py`
    - _需求: 4.3, 4.6_

- [ ] 8. 应用 3/4/5/6/7 骨架实现
  - [~] 8.1 实现 App3 Clue 骨架
    - 文件：`apps/backend/app/ai/apps/app3_clue.py`
    - `run` 函数：构建 Prompt → 调用百炼 → 写入 conversation + cache
    - `build_prompt`：留接口，返回占位 Prompt，标注待细化字段（consumption_records 等待 P9-T1）
    - 线索 category 限定 3 个枚举值，providers 标记为"系统"
    - 使用 items_sum 口径
    - Prompt reference 包含 App6 线索 + 最近 2 套 App8 历史（附 generated_at）
    - 结果写入 ai_cache（cache_type=app3_clue，target_id=member_id）
    - _需求: 5.1, 5.2, 5.3, 5.4, 5.5, 5.6, 5.7, 5.8_

  - [~] 8.2 实现 App4 Analysis 骨架
    - 文件：`apps/backend/app/ai/apps/app4_analysis.py`
    - `build_prompt`：留接口（service_history、assistant_info 待 P6-T4）
    - Prompt reference 包含 App8 最新 + 最近 2 套历史（附 generated_at）
    - 缓存不存在时 reference 传空对象，标注"暂无历史线索"
    - 结果写入 ai_cache（cache_type=app4_analysis，target_id=`{assistant_id}_{member_id}`）
    - _需求: 6.1, 6.2, 6.3, 6.4, 6.5, 6.6, 6.7_

  - [~] 8.3 实现 App5 Tactics 骨架
    - 文件：`apps/backend/app/ai/apps/app5_tactics.py`
    - 接收 App4 完整返回结果作为 Prompt 中的 task_suggestion 字段
    - `build_prompt`：留接口（service_history、assistant_info 随 App4 同步在 P6-T4）
    - Prompt reference 包含最近 2 套 App8 历史（附 generated_at）
    - 结果写入 ai_cache（cache_type=app5_tactics，target_id=`{assistant_id}_{member_id}`）
    - _需求: 7.1, 7.2, 7.3, 7.4, 7.5, 7.6_

  - [~] 8.4 实现 App6 Note 骨架
    - 文件：`apps/backend/app/ai/apps/app6_note.py`
    - `build_prompt`：留接口（consumption_data 待 P9-T1）
    - 返回 score（1-10）+ clues 数组，category 限定 6 个枚举值
    - 线索提供者标记为当前备注提供人
    - 评分规则：6 分为标准分
    - Prompt reference 包含 App3 线索 + 最近 2 套 App8 历史（附 generated_at）
    - 结果写入 ai_cache（cache_type=app6_note_analysis，target_id=member_id），score 存入 ai_cache.score
    - _需求: 8.1, 8.2, 8.3, 8.4, 8.5, 8.6, 8.7, 8.8_

  - [~] 8.5 实现 App7 Customer 骨架
    - 文件：`apps/backend/app/ai/apps/app7_customer.py`
    - `build_prompt`：留接口（objective_data 待 P9-T1）
    - 使用 items_sum 口径
    - 对主观信息标注【来源：XXX，请甄别信息真实性】
    - Prompt reference 包含最新 + 最近 2 套 App8 历史（附 generated_at）
    - 结果写入 ai_cache（cache_type=app7_customer_analysis，target_id=member_id）
    - _需求: 9.1, 9.2, 9.3, 9.4, 9.5, 9.6, 9.7_

  - [~] 8.6 编写属性测试：Prompt reference 历史注入
    - **Property 9: Prompt reference 历史注入**
    - Mock 缓存数据，验证各应用 build_prompt 的 reference 字段包含正确的缓存结果和 generated_at 时间戳
    - 缓存不存在时 reference 为空对象
    - 测试文件：`apps/backend/tests/test_ai_apps_prompt.py`
    - **验证: 需求 5.8, 6.4, 6.5, 7.2, 7.4, 8.8, 9.7**

- [ ] 9. 应用 8 维客线索整理（完整 Prompt）+ ClueWriter
  - [~] 9.1 实现 App8 Consolidation Prompt 模板
    - 文件：`apps/backend/app/ai/prompts/app8_consolidation_prompt.py`
    - 完整 Prompt：接收 App3 和 App6 全部线索（附 generated_at），整合去重
    - 分类标签限定 6 个枚举值（与 member_retention_clue CHECK 约束一致）
    - 合并相似线索（多提供者逗号分隔），其余原文返回，最小改动原则
    - _需求: 10.3, 10.4, 10.5, 10.6_

  - [~] 9.2 实现 ClueWriter 全量替换逻辑
    - 集成在 `apps/backend/app/ai/apps/app8_consolidation.py`
    - DELETE source IN ('ai_consumption', 'ai_note') → INSERT 新线索（事务）
    - 字段映射：emoji+summary 拼接、providers→recorded_by_name、source 判断逻辑
    - recorded_by_assistant_id 填 NULL
    - 人工线索（source='manual'）不受影响
    - _需求: 10.7, 10.8, 10.9_

  - [~] 9.3 实现 App8 Consolidation 核心逻辑
    - 文件：`apps/backend/app/ai/apps/app8_consolidation.py`
    - `run` 函数：构建 Prompt → 调用百炼 → 写入 conversation + cache + member_retention_clue
    - 结果同时写入 ai_cache（cache_type=app8_clue_consolidated，target_id=member_id）
    - _需求: 10.1, 10.2, 10.10_

  - [~] 9.4 编写属性测试：ClueWriter 全量替换不变量
    - **Property 12: ClueWriter 全量替换不变量**
    - 使用 test_zqyy_app 数据库，随机线索列表 + 预置人工线索
    - 验证：AI 线索数量 = new_clues 数量、人工线索不变、recorded_by_assistant_id=NULL、summary=emoji+空格+原始 summary
    - 测试文件：`apps/backend/tests/test_ai_clue_writer.py`
    - **验证: 需求 10.7, 10.8, 10.9**

- [ ] 10. 检查点 - 应用层验证
  - 确保所有测试通过，ask the user if questions arise.
  - 验证 8 个应用的 run 函数可独立调用（Mock 百炼 API）

- [ ] 11. 事件调度与调用链编排（AIDispatcher）
  - [~] 11.1 实现 AIDispatcher 核心逻辑
    - 文件：`apps/backend/app/ai/dispatcher.py`
    - `handle_consumption_event`：App3 → App8 → App7（+ App4 → App5 如有助教）
    - `handle_note_event`：App6 → App8
    - `handle_task_assign_event`：App4 → App5（读已有 App8 缓存）
    - `_run_chain`：串行执行调用链，某步失败记录日志后继续
    - 容错：失败应用记录错误日志 + 写入失败 conversation，后续应用使用已有缓存
    - 整条链后台异步执行，不阻塞业务请求
    - _需求: 11.1, 11.2, 11.3, 11.4, 11.5, 11.6, 11.7_

  - [~] 11.2 集成事件触发点
    - 在 `trigger_scheduler.fire_event()` 中注册 AI 事件处理器
    - 消费事件（consumption_settled）→ `ai_dispatcher.handle_consumption_event`
    - 备注事件（note_created）→ `ai_dispatcher.handle_note_event`
    - 任务分配事件（task_assigned）→ `ai_dispatcher.handle_task_assign_event`
    - _需求: 5.1, 6.1, 6.2, 7.1, 8.1, 9.1, 11.1, 11.2, 11.3, 11.4_

  - [~] 11.3 编写属性测试：事件调用链顺序正确性
    - **Property 10: 事件调用链顺序正确性**
    - Mock 所有应用，记录调用序列，验证四种事件链的严格顺序
    - 测试文件：`apps/backend/tests/test_ai_dispatcher.py`
    - **验证: 需求 11.1, 11.2, 11.3, 11.4, 11.5, 11.6**

  - [~] 11.4 编写属性测试：调用链容错不变量
    - **Property 11: 调用链容错不变量**
    - Mock 随机应用失败，验证后续应用继续执行且失败应用有错误日志
    - 测试文件：`apps/backend/tests/test_ai_dispatcher.py`
    - **验证: 需求 11.7**

- [ ] 12. 缓存查询路由与环境配置
  - [~] 12.1 实现缓存查询路由
    - 文件：`apps/backend/app/routers/xcx_ai_cache.py`
    - `GET /api/ai/cache/{cache_type}?target_id=xxx`：查询最新缓存
    - JWT 认证，site_id 从 token 提取强制过滤
    - 注册路由到 FastAPI app
    - _需求: 12.1, 12.2, 12.5_

  - [~] 12.2 新增环境变量配置
    - 在 `.env.template` 中添加 `BAILIAN_API_KEY`、`BAILIAN_BASE_URL`、`BAILIAN_MODEL`、`BUSINESS_DAY_START_HOUR`
    - 在后端配置加载逻辑中读取这些变量，缺失时报错
    - _需求: 2.1, 14.1, 14.2_

- [ ] 13. 百炼技术方案确认文档
  - [ ] 13.1 输出百炼技术方案确认文档
    - 文件：`docs/reports/bailian-technical-solution.md`
    - 确认流式返回方案（OpenAI 兼容 SSE）
    - 确认 JSON 输出模式（response_format + System Prompt 约束）
    - 确认 SDK 选择（openai Python SDK + base_url 指向百炼）
    - 作为 BailianClient 实现的依据
    - _需求: 14.1, 14.2, 14.3_

- [ ] 14. 最终检查点 - 全量验证
  - 确保所有测试通过，ask the user if questions arise.
  - 验证所有路由注册正确、事件触发点集成完毕、环境变量配置完整

## 备注

- 标记 `*` 的任务为可选，可跳过以加速 MVP 交付
- 每个任务引用具体需求编号以确保可追溯
- 属性测试验证设计文档中定义的 14 个正确性属性
- 使用 test_zqyy_app 测试库执行数据库相关测试，禁止连接正式库
- App3/4/5/6/7 的 Prompt 细化将在 P5-B 阶段（P6/P9 对应任务）中完成