Neo-ZQYY/docs/prd/Neo_Specs/review-audit/P5.1-NS3-10.md

P5.1→NS3 缺失项 #10：AI 生成内容的审计日志

简要结论

• 状态：✅ 已解决
• 风险等级：🟡 低
• biz.ai_conversations + biz.ai_messages 两张表已完整记录"谁在什么时候对哪个客户生成了什么"，满足审计日志需求

详细审查

审查范围

• apps/backend/app/ai/conversation_service.py — 对话持久化服务
• apps/backend/app/services/chat_service.py — Chat 模块服务
• docs/database/ddl/zqyy_app__biz.sql — biz schema DDL 基线
• db/zqyy_app/migrations/2026-03-20__rns14_chat_module_extend.sql — Chat 模块扩展迁移
• apps/backend/app/ai/apps/app5_tactics.py — 典型 App 调用流程（审计写入示例）

发现

✅ 审计信息完整记录

1. biz.ai_conversations 表 — 对话级审计

字段	类型	审计用途
id	bigint PK	对话唯一标识
user_id	varchar(50) NOT NULL	谁：操作用户 ID（系统自动调用时为 'system'）
nickname	varchar(100)	用户昵称
app_id	varchar(30) NOT NULL	什么应用：app1_chat / app2_finance / ... / app8_consolidation
site_id	bigint NOT NULL	哪个门店
source_page	varchar(100)	触发来源页面
source_context	jsonb	上下文信息（含 assistant_id、member_id 等 → 对哪个客户）
context_type	varchar(20)	对话关联类型：task/customer/coach/general
context_id	varchar(50)	关联 ID（taskId/customerId/coachId）
title	varchar(200)	对话标题
created_at	timestamptz	什么时候

2. biz.ai_messages 表 — 消息级审计

字段	类型	审计用途
id	bigint PK	消息唯一标识
conversation_id	bigint FK	关联对话
role	varchar(10)	system / user / assistant
content	text NOT NULL	生成了什么：完整的 AI 输入和输出内容
tokens_used	integer	Token 消耗量
reference_card	jsonb	引用卡片数据
created_at	timestamptz	消息时间戳

3. 写入时机

所有 8 个 AI 应用在每次调用时都通过 ConversationService 写入完整审计链：

create_conversation(user_id, nickname, app_id, site_id, source_context)
  → add_message(role="system", content=prompt)
  → add_message(role="user", content=user_input)
  → 调用百炼 API
  → add_message(role="assistant", content=ai_output, tokens_used=N)

4. 索引支持审计查询

-- 按用户+门店查询历史对话
CREATE INDEX idx_ai_conv_user_site ON biz.ai_conversations (user_id, site_id, created_at DESC);
-- 按应用+门店查询
CREATE INDEX idx_ai_conv_app_site ON biz.ai_conversations (app_id, site_id, created_at DESC);
-- 按上下文查询（客户/任务/助教维度）
CREATE INDEX idx_ai_conv_context ON biz.ai_conversations (user_id, site_id, context_type, context_id, ...);
-- 按对话查询消息
CREATE INDEX idx_ai_msg_conv ON biz.ai_messages (conversation_id, created_at);

证据

App5 审计写入示例（app5_tactics.py L240-268）：

# 创建对话记录
conversation_id = conv_svc.create_conversation(
    user_id=user_id, nickname=nickname,
    app_id=APP_ID, site_id=site_id,
    source_context={"assistant_id": assistant_id, "member_id": member_id},
)
# 写入 system + user 消息
conv_svc.add_message(conversation_id=conversation_id, role="system", content=...)
conv_svc.add_message(conversation_id=conversation_id, role="user", content=...)
# 调用 AI 后写入 assistant 消息
result, tokens_used = await bailian.chat_json(messages)
conv_svc.add_message(
    conversation_id=conversation_id, role="assistant",
    content=json.dumps(result, ensure_ascii=False),
    tokens_used=tokens_used,
)

DDL 基线确认（zqyy_app__biz.sql）：

CREATE TABLE biz.ai_conversations (
    id bigint ... NOT NULL,
    user_id character varying(50) NOT NULL,
    nickname character varying(100) ...,
    app_id character varying(30) NOT NULL,
    site_id bigint NOT NULL,
    source_page character varying(100),
    source_context jsonb,
    context_type character varying(20),
    context_id character varying(50),
    ...
    created_at timestamp with time zone DEFAULT now() NOT NULL
);

CREATE TABLE biz.ai_messages (
    id bigint ... NOT NULL,
    conversation_id bigint NOT NULL,
    role character varying(10) NOT NULL,
    content text NOT NULL,
    tokens_used integer,
    reference_card jsonb,
    created_at timestamp with time zone DEFAULT now() NOT NULL
);

建议

审计日志功能已完整实现，以下为可选增强方向（非必须）：

1. 审计查询 API：当前仅有面向用户的历史对话查询（get_conversations），可增加面向管理员的审计查询接口（按时间范围、app_id、site_id 筛选）
2. 数据保留策略：当前无自动清理机制，长期运行后 ai_messages.content 可能占用大量存储，建议制定保留策略