"""模型能力矩阵核心模型 AI 开发团队专属垂直能力矩阵的数据模型，包括： - ModelCapabilityGap: 模型能力差距记录（认知差预警） - CostTracking: 算力成本跟踪与 ROI 核算 - ModelUpdateImpact: 模型更新影响评估（阶段2） - ExperimentTruthNodeSync: 实验与宪章同步记录（阶段2） """ from datetime import datetime from typing import Optional from sqlalchemy import BigInteger, DECIMAL, Boolean, Float, ForeignKey, Integer, Text, VARCHAR, TIMESTAMP from sqlalchemy.orm import Mapped, mapped_column from .base import Base from .types import JSONB class ModelCapabilityGap(Base): """模型能力差距记录 - AI 预警认知差 当需求与绑定的模型能力不匹配时，自动生成差距记录， 提前预警产品经理和技术团队，规避返工风险。 """ __tablename__ = "model_capability_gaps" id: Mapped[int] = mapped_column(Integer, primary_key=True, autoincrement=True) model_version_id: Mapped[int] = mapped_column( BigInteger, ForeignKey("model_versions.id"), nullable=False, index=True ) truth_node_id: Mapped[int] = mapped_column( BigInteger, ForeignKey("truth_nodes.id"), nullable=False, index=True ) # 差距类型：capability（能力不足）、cost（成本过高）、performance（性能不符）、risk（兼容性风险） gap_type: Mapped[str] = mapped_column(VARCHAR(50), nullable=False, index=True) # 严重程度：critical（严重，必须解决）、high（高，建议解决）、medium（中）、low（低） severity: Mapped[str] = mapped_column(VARCHAR(20), nullable=False, index=True) # 差距描述和 AI 分析 description: Mapped[str] = mapped_column(Text, nullable=False) ai_analysis: Mapped[dict] = mapped_column(JSONB, nullable=False, default=dict) # 状态：open（待处理）、acknowledged（已确认）、resolved（已解决）、ignored（已忽略） status: Mapped[str] = mapped_column( VARCHAR(50), nullable=False, default="open", index=True ) # 解决时间 resolved_at: Mapped[Optional[datetime]] = mapped_column(TIMESTAMP, nullable=True) # 解决方案备注 resolution_notes: Mapped[Optional[str]] = mapped_column(Text, nullable=True) class CostTracking(Base): """算力成本跟踪与 ROI 核算 跟踪每个需求（宪章）、每个任务的算力成本， 自动计算 ROI，实现成本透明化。 """ __tablename__ = "cost_trackings" id: Mapped[int] = mapped_column(Integer, primary_key=True, autoincrement=True) # 关联的宪章（需求） truth_node_id: Mapped[Optional[int]] = mapped_column( BigInteger, ForeignKey("truth_nodes.id"), nullable=True, index=True ) # 关联的模型版本 model_version_id: Mapped[Optional[int]] = mapped_column( BigInteger, ForeignKey("model_versions.id"), nullable=True ) # 关联的任务（可选，用于任务级成本追踪） task_id: Mapped[Optional[int]] = mapped_column( BigInteger, ForeignKey("tasks.id"), nullable=True, index=True ) # 周期：daily、weekly、monthly、project（项目全周期） period: Mapped[str] = mapped_column(VARCHAR(20), nullable=False, index=True) # Token 数量 estimated_tokens: Mapped[int] = mapped_column(Integer, nullable=False, default=0) actual_tokens: Mapped[int] = mapped_column(Integer, nullable=False, default=0) # 成本（美元） estimated_cost_usd: Mapped[float] = mapped_column( DECIMAL(10, 4), nullable=False, default=0.0 ) actual_cost_usd: Mapped[float] = mapped_column( DECIMAL(10, 4), nullable=False, default=0.0 ) # ROI 评分（0-10） roi_score: Mapped[Optional[float]] = mapped_column(Float, nullable=True) # ROI 分析详情 roi_analysis: Mapped[dict] = mapped_column(JSONB, nullable=False, default=dict) # 成本优化建议 optimization_suggestions: Mapped[dict] = mapped_column( JSONB, nullable=False, default=dict ) class ModelUpdateImpact(Base): """模型更新影响评估 当监控到新模型发布时，自动评估对现有项目的影响， 生成迁移任务和调整建议。 """ __tablename__ = "model_update_impacts" id: Mapped[int] = mapped_column(Integer, primary_key=True, autoincrement=True) # 旧模型和新模型 old_model_version_id: Mapped[int] = mapped_column( BigInteger, ForeignKey("model_versions.id"), nullable=False ) new_model_version_id: Mapped[int] = mapped_column( BigInteger, ForeignKey("model_versions.id"), nullable=False ) # 受影响的宪章及其影响评分 {node_id: impact_score} affected_truth_nodes: Mapped[dict] = mapped_column(JSONB, nullable=False, default=dict) # 成本变化百分比 cost_change_percentage: Mapped[Optional[float]] = mapped_column(Float, nullable=True) # 性能变化 {speed_change_percent, quality_change_percent, etc.} performance_change: Mapped[dict] = mapped_column(JSONB, nullable=False, default=dict) # 兼容性风险列表 compatibility_risks: Mapped[dict] = mapped_column(JSONB, nullable=False, default=dict) # 自动生成的迁移任务 migration_tasks: Mapped[dict] = mapped_column(JSONB, nullable=False, default=dict) # 升级建议：immediate_upgrade（立即升级）、evaluate（评估后升级）、defer（暂缓升级） recommendation: Mapped[str] = mapped_column(VARCHAR(50), nullable=False) # 状态：pending_review（待审核）、approved（已批准）、in_progress（进行中）、completed（已完成） status: Mapped[str] = mapped_column( VARCHAR(50), nullable=False, default="pending_review" ) class ExperimentTruthNodeSync(Base): """实验与宪章同步记录 算法工程师的实验结果自动同步到项目宪章， 确保实验与落地不脱节。 """ __tablename__ = "experiment_truth_node_syncs" id: Mapped[int] = mapped_column(Integer, primary_key=True, autoincrement=True) # 关联的实验（需要 Experiment 表，如果不存在可以先创建外键约束） experiment_id: Mapped[Optional[int]] = mapped_column(BigInteger, nullable=True) # 实验标识（用于关联外部实验平台） experiment_external_id: Mapped[Optional[str]] = mapped_column(VARCHAR(255), nullable=True) # 关联的宪章 truth_node_id: Mapped[int] = mapped_column( BigInteger, ForeignKey("truth_nodes.id"), nullable=False, index=True ) # 同步类型：result_sync（结果同步）、metric_update（指标更新）、conclusion_sync（结论同步） sync_type: Mapped[str] = mapped_column(VARCHAR(50), nullable=False) # 同步数据（包含实验结果、建议的变更等） sync_data: Mapped[dict] = mapped_column(JSONB, nullable=False, default=dict) # AI 置信度（0-1） confidence_score: Mapped[Optional[float]] = mapped_column(Float, nullable=True) # 是否自动应用 auto_applied: Mapped[bool] = mapped_column(Boolean, nullable=False, default=False) # 应用状态：pending（待应用）、applied（已应用）、rejected（已拒绝）、requires_review（需审核） apply_status: Mapped[str] = mapped_column( VARCHAR(50), nullable=False, default="pending" ) # 审核意见 review_notes: Mapped[Optional[str]] = mapped_column(Text, nullable=True) # 审核人 reviewed_by: Mapped[Optional[int]] = mapped_column( BigInteger, ForeignKey("users.id"), nullable=True ) # 审核时间 reviewed_at: Mapped[Optional[datetime]] = mapped_column(TIMESTAMP, nullable=True) class Budget(Base): """预算设置 按租户、项目设置月度/季度预算， 实现硬性预算管控。 """ __tablename__ = "budgets" id: Mapped[int] = mapped_column(Integer, primary_key=True, autoincrement=True) # 预算类型：tenant（租户级）、project（项目级） budget_type: Mapped[str] = mapped_column(VARCHAR(20), nullable=False, index=True) # 关联项目（project 类型时使用） project_id: Mapped[Optional[int]] = mapped_column( BigInteger, ForeignKey("projects.id"), nullable=True, index=True ) # 周期：monthly、quarterly、yearly period: Mapped[str] = mapped_column(VARCHAR(20), nullable=False) # 预算金额（美元） budget_amount_usd: Mapped[float] = mapped_column( DECIMAL(12, 2), nullable=False, default=0.0 ) # 预警阈值（百分比，默认 80%） alert_threshold_percent: Mapped[float] = mapped_column( Float, nullable=False, default=80.0 ) # 硬性限制（是否启用硬性预算控制） hard_limit_enabled: Mapped[bool] = mapped_column(Boolean, nullable=False, default=True) # 当前已使用金额 current_usage_usd: Mapped[float] = mapped_column( DECIMAL(12, 2), nullable=False, default=0.0 ) # 当前周期（用于跟踪每月/每季度的使用情况） current_period_start: Mapped[Optional[datetime]] = mapped_column(TIMESTAMP, nullable=True) current_period_end: Mapped[Optional[datetime]] = mapped_column(TIMESTAMP, nullable=True) # 状态：active（激活）、suspended（暂停，超支后暂停）、overridden（被覆盖） status: Mapped[str] = mapped_column( VARCHAR(20), nullable=False, default="active" ) # 超支解锁记录（BOSS/ADMIN 可以临时解锁） override_history: Mapped[dict] = mapped_column(JSONB, nullable=False, default=dict) class BudgetAlert(Base): """预算预警记录 当预算使用达到预警阈值或超支时，自动生成预警记录。 """ __tablename__ = "budget_alerts" id: Mapped[int] = mapped_column(Integer, primary_key=True, autoincrement=True) # 关联预算 budget_id: Mapped[int] = mapped_column( BigInteger, ForeignKey("budgets.id"), nullable=False, index=True ) # 预警类型：threshold_reached（达到阈值）、exceeded（超支）、suspended（暂停服务） alert_type: Mapped[str] = mapped_column(VARCHAR(50), nullable=False, index=True) # 当前使用量 usage_usd: Mapped[float] = mapped_column(DECIMAL(12, 2), nullable=False) # 使用百分比 usage_percent: Mapped[float] = mapped_column(Float, nullable=False) # 预警消息 message: Mapped[str] = mapped_column(Text, nullable=False) # 是否已读 is_read: Mapped[bool] = mapped_column(Boolean, nullable=False, default=False) # 预警操作（如暂停服务） action_taken: Mapped[Optional[str]] = mapped_column(VARCHAR(50), nullable=True) # 状态：active（激活）、dismissed（已忽略）、resolved（已解决） status: Mapped[str] = mapped_column( VARCHAR(20), nullable=False, default="active" )