|
|
@@ -1,793 +1,810 @@
|
|
|
-#!/usr/bin/env python3
|
|
|
-# -*- coding: utf-8 -*-
|
|
|
-r"""**反向**呼应审计：自输出 → 功能与算法 → 输入（用户令 2026-09-17）。
|
|
|
-
|
|
|
-## 与 `inventory_products.py` 的区别（两个方向，各管一件事）
|
|
|
-
|
|
|
-· `inventory_products.py` 是**正向**：从 `data/raw/<场>/` 的每一类输入出发，找它喂出来的产物，
|
|
|
- 比跨度/条数（"输入到了 2026-07，产物只到 2026-04 → 未重算"）。它只覆盖 5 类输入、十几件产物。
|
|
|
-· 本器是**反向**：从 `outputs/<场>/` 的**每一件产物**出发，问三个问题：
|
|
|
- ① 它是谁算出来的？（功能与算法 = 生成端）
|
|
|
- ② 它从哪份输入算出来的？（`data/raw/<场>/` 的哪一类）
|
|
|
- ③ 这条"输出 ↔ 输入"的呼应关系**成立吗**？（生成端在位 ∧ 输入在位 ∧ 可机检的对应判据通过）
|
|
|
- 逐件判定，最后给出"成立 / 不成立（无生成端）/ 无法验证"三类账。
|
|
|
-
|
|
|
-## 为什么必须做反向
|
|
|
-
|
|
|
-正向只查"我关心的输入有没有被算成产物"，查不出**"盘上这件产物到底有没有来路"**。
|
|
|
-2026-09-17 现场就是栽在这里：清了产物之后，页面缺的 `windscada/index.html`、
|
|
|
-`m5_cms_tcm/handoff_vibration_v2.json` 这类件**根本没有生成端**（全库 0 处写入方），
|
|
|
-正向那几条跨度判据一条都不会报 —— 它们压根不在 `INPUTS` 的 `feeds` 里。
|
|
|
-反向一对账就清楚了：**有来路的件**（生成端 + 输入 + 判据都过）与**没来路的件**（只能从交付包补）。
|
|
|
-
|
|
|
-## 判定口径（每条都写进结果里，不含糊）
|
|
|
-
|
|
|
- ✓ 呼应成立 生成端在位 ∧ 输入在位 ∧ 判据通过（跨度 ⊆ 输入 / 键集 ⊆ 输入 / 计数一致 / 行数 > 0）
|
|
|
- ~ 输入不在位 生成端知道，但 `data/raw/<场>/<类>` 不在 ⇒ **现在无法验证**（放数据后复跑本器）
|
|
|
- ✗ 无生成端 全库 0 处写入方 ⇒ **输出↔输入的呼应在原理上不成立**：这件产物无法由输入推导出来，
|
|
|
- **无法由重算生出来**；按用户令 2026-09-17 #1 运行期也不从交付包补齐 ⇒ 只能由研发补生成端（本器 --feasibility 给出逐族可逆性）
|
|
|
- ? 未归类 既不在族表里、台账里也没有 —— 需要人工认领（本器把它当缺口报出来）
|
|
|
-
|
|
|
-## 用法
|
|
|
-
|
|
|
- python scripts/products_reverse_audit.py # 全量反向审计（人看）
|
|
|
- python scripts/products_reverse_audit.py --check # 只出结论（有 ✗/? 时退出码 5）
|
|
|
- python scripts/products_reverse_audit.py --write-doc # 把族表写进 docs/系统设计说明.md §13.6
|
|
|
-
|
|
|
-退出码: 0 全部成立（允许 ✗，只要它们都在台账里如实标了 shipped）· 5 有未归类件或判据失败
|
|
|
-"""
|
|
|
-from __future__ import annotations
|
|
|
-
|
|
|
-import argparse
|
|
|
-import fnmatch
|
|
|
-import json
|
|
|
-import pathlib
|
|
|
-import sys
|
|
|
-
|
|
|
-ROOT = pathlib.Path(__file__).resolve().parents[1]
|
|
|
-sys.path.insert(0, str(ROOT))
|
|
|
-sys.path.insert(0, str(ROOT / 'scripts'))
|
|
|
-from src import paths as P # noqa: E402
|
|
|
-import inventory_products as INV # noqa: E402
|
|
|
-
|
|
|
-DOC_BEGIN, DOC_END = '<!-- REVERSE-AUDIT:BEGIN -->', '<!-- REVERSE-AUDIT:END -->'
|
|
|
-
|
|
|
-# ── 族表: 输出(glob) → 功能 / 算法(生成端) / 输入类 / 判据 ────────────────────────────
|
|
|
-# pred: span=产物时间跨度必须落在输入跨度内; turbines=产物机组集 ⊆ 输入机组集;
|
|
|
-# rows=行数>0; count=件数/计数与说明一致; manifest=与清单自记一致
|
|
|
-FAMILIES: list[dict] = [
|
|
|
- dict(id='vib_window_index', glob='m5_cms_tcm/windows/*/index.parquet', kind='raw-derived',
|
|
|
- func='振动摄入 · 窗索引', algo='scripts/rudong_tcm_index.py（逐 decode JSON 解析 54 列：turbine/'
|
|
|
- 'sensor_name/meas_name/trigger_time/rpm/condition_key/alarm_type）',
|
|
|
- gen='scripts/rudong_tcm_index.py', input='windcms', pred=('span', 'turbines', 'rows'),
|
|
|
- time_col='trigger_time'),
|
|
|
- dict(id='vib_spectra', glob=['m5_cms_tcm/windows/*/spectra/**', 'm5_cms_tcm/windows/*/spectra_meta.parquet'],
|
|
|
- kind='raw-derived',
|
|
|
- func='振动摄入 · 谱库', algo='scripts/rudong_tcm_spectra.py（FFT_ 测量 → npz 幅值数组, 分片存 `spectra/p<NN>/`）',
|
|
|
- gen='scripts/rudong_tcm_spectra.py', input='windcms', pred=('npz',)),
|
|
|
- dict(id='vib_raw_manifest', glob='m5_cms_tcm/vib_raw_manifest.json', kind='raw-derived',
|
|
|
- func='振动摄入 · 清单', algo='scripts/vib_raw_build.py（汇总窗/谱件数、时间跨度、missing_chain 缺口）',
|
|
|
- gen='scripts/vib_raw_build.py', input='windcms', pred=('manifest',)),
|
|
|
- dict(id='scada_alarms', glob='windscada/alarms.parquet', kind='raw-derived',
|
|
|
- func='三门台账 · 报警', algo='scripts/windscada_alarms_ingest.py（SpreadsheetML *.xls → 事件表）',
|
|
|
- gen='scripts/windscada_alarms_ingest.py', input='故障报警', pred=('span', 'rows'), time_col='t_on'),
|
|
|
- dict(id='scada_workorders', glob='windscada/workorders.parquet', kind='raw-derived',
|
|
|
- func='三门台账 · 工单', algo='scripts/windscada_workorder_ingest.py（检修台账 → 工单表）',
|
|
|
- gen='scripts/windscada_workorder_ingest.py', input='风机故障记录', pred=('span', 'rows'),
|
|
|
- time_col='t_report'),
|
|
|
- dict(id='scada_oil', glob='windscada/oil_samples_index.parquet', kind='raw-derived',
|
|
|
- func='三门台账 · 油样', algo='scripts/windscada_watch_channels_build.py（油样 PDF → 索引）',
|
|
|
- gen='scripts/windscada_watch_channels_build.py', input='油样报告', pred=('span', 'rows'),
|
|
|
- time_col='date'),
|
|
|
- dict(id='scada_monthly', glob='windscada/temp_monthly.parquet', kind='raw-derived',
|
|
|
- func='月度派生件', algo='scripts/windscada_monthly_build.py（逐值对齐随包件 19,494/19,494）',
|
|
|
- gen='scripts/windscada_monthly_build.py', input='scada_10min', pred=('span', 'rows'), time_col='month'),
|
|
|
- dict(id='scada_derived', glob='windscada/*.parquet', kind='raw-derived',
|
|
|
- func='SCADA 派生分析（功率曲线/损失/曲线/控制/停机/温度/偏航/液压/热链/系统辅助）',
|
|
|
- algo='src/windscada/perf/{powercurve,availability,curves,control,faults} + subsys/{temp_nbm,yaw,'
|
|
|
- 'hydraulic,thermal_chain} + taxonomy.py',
|
|
|
- gen='src/windscada/perf/powercurve.py', input='scada_10min', pred=('rows',)),
|
|
|
- dict(id='ontology_core', glob='ontology/{objects.json,retrieval_index.json,turbine_params.parquet}',
|
|
|
- kind='raw-derived',
|
|
|
- func='本体层 · 码表/对象库/检索索引/实机参数',
|
|
|
- algo='python -m src.ontology.kb_ingest → populate → chain_ingest → trend_ingest；'
|
|
|
- 'src.ontology.retrieval.build；src.ontology.maintenance.refresh_params',
|
|
|
- gen='src/ontology/kb_ingest.py', input='西门子4.0技术资料', pred=('rows',)),
|
|
|
-
|
|
|
- dict(id='ontology_aux_build', glob=['ontology/_id_alias.json', 'ontology/retrieval_vec.npy'],
|
|
|
- kind='raw-derived',
|
|
|
- func='本体层 · 别名表与向量索引缓存', algo='src.ontology.kb_ingest（别名）/ '
|
|
|
- 'src.ontology.retrieval.build(use_vec=True)（向量）',
|
|
|
- gen='src/ontology/kb_ingest.py', input='西门子4.0技术资料', pred=('rows',)),
|
|
|
- dict(id='ontology_domain', glob=['ontology/oil_2026H2_huabiao.json', 'ontology/parts_cost_public.json',
|
|
|
- 'ontology/scenario_29_repair.json'],
|
|
|
- kind='shipped',
|
|
|
- func='本体层 · 领域数据件（油样台账/备件价格/场景修复）', algo='（无生成端, 领域正本出件）',
|
|
|
- gen=None, input=None, pred=(), why='领域正本随包发来, 不由 data/raw 推导'),
|
|
|
-
|
|
|
- # ── 以下族: 全库 0 处写入方 ⇒ 反向呼应**在原理上不成立**（如实记账, 不假装成立）────
|
|
|
- # ★2026-09-18 用户令补充: 这些件**运行期一律不从交付包补**(用户令 2026-09-17 #1 的延伸),
|
|
|
- # 页面如实为空/降级; 要出件只有两条路 —— ① 研发补生成端; ② 现场正本随原始件进 data/raw。
|
|
|
- # 故本表的 why 里不再写"从交付包补齐"那种话(那是**离线人工补救**, 见 products_restore_missing.py)。
|
|
|
- dict(id='vib_model_run_l6', glob=['m5_cms_tcm/model_run_l6.parquet', 'm5_cms_tcm/model_run_summary.json'],
|
|
|
- kind='raw-derived',
|
|
|
- func='六层链 model_run 步 · L6 过闸谱线表 + 层小结',
|
|
|
- algo='scripts/rudong_model_run.py（候选线=oem_scan_plan 的 11 部件×{BPFI,BPFO,BSF}; 过闸='
|
|
|
- 'src/sop/discriminators.py::spectral_line_gates G1–G8; 定级=vib_verdict_and_writeback）',
|
|
|
- gen='scripts/rudong_model_run.py', input='m5_cms_tcm', pred=('rows',),
|
|
|
- why='★2026-09-19 按口径重建（**无标准答案**: 这两件从未随包, 无法逐值对拍）; 峰值拾取仍是本器自定'
|
|
|
- '(目标频率 ±2 bin 取最大), 不得当"复现"用 —— 见 docs/振动六层链_接口规格与缺口_v0.1.md §3'),
|
|
|
- dict(id='vib_fusion_38', glob='m5_cms_tcm/fusion_38.csv', kind='raw-derived',
|
|
|
- func='六层链 fusion 步 · 逐台融合表（报告"融合级"列的来源）',
|
|
|
- algo='scripts/rudong_fusion_run.py::fusion_table（模型侧=model_run_l6 过闸线; CMS 侧=窗索引 '
|
|
|
- 'RedMask/YellowMask; 裁决=src/sop/fusion_diag.py::fuse）',
|
|
|
- gen='scripts/rudong_fusion_run.py', input='m5_cms_tcm', pred=('rows',),
|
|
|
- why='★按口径重建（无标准答案）: 台号用 WTGnn 形态（消费端 registry 的键）, 与 l6 的 f"{n}#" 不同'),
|
|
|
- dict(id='vib_fleet_scalar_z', glob='m5_cms_tcm/fleet_scalar_z.parquet', kind='raw-derived',
|
|
|
- func='振动线 · 全场标量 z 值 (fusion 步出件)',
|
|
|
- algo='scripts/rudong_fusion_run.py（逆向工程实现: 窗索引 scalar_value → 同 (传感器,测量,工况) 族中位 '
|
|
|
- '→ 稳健 z=(val−med)/(1.4826·MAD); 与随包样件 8,887 行逐值对拍 val 列 100% 一致）',
|
|
|
- # input 写**原始件目录名**(族表口径: data/raw/<场>/<input>); 真实取数经窗索引一跳,
|
|
|
- # 而窗索引本身是 raw-derived(vib_window_index 族) —— 写 windows/_*.parquet 会让审计判"输入不在位"。
|
|
|
- gen='scripts/rudong_fusion_run.py', input='m5_cms_tcm', pred=('rows',),
|
|
|
- why='2026-09-18 上链: 由 vib_raw_build.py 的 --with-report 分支按当次窗名调用, '
|
|
|
- '使 /api/fleet 的振动标量 z 面不再空白'),
|
|
|
- dict(id='vib_fusion_handoff', glob='m5_cms_tcm/handoff_vibration_v2.json', kind='raw-derived',
|
|
|
- func='融合面 handoff (观澜自算, 同结构于振动线手交件)',
|
|
|
- algo='scripts/rudong_fusion_handoff.py（报告状态等级 + fusion_38 融合裁决 + L6 过闸线 → 同结构, '
|
|
|
- 'meta.from 标明"观澜自算"）',
|
|
|
- gen='scripts/rudong_fusion_handoff.py', input='m5_cms_tcm', pred=('rows',),
|
|
|
- why='★2026-09-19 用户令「所有的计算均要形成观澜的源代码」: 这件此前全库 0 处写入方(振动线人写), '
|
|
|
- '新机器装完 `/detail/v2` 的「需要关注/全场状态」必然空白。现由观澜自算出同结构件; '
|
|
|
- '盘上若有**振动线正本**, 生成端不覆盖(正本含人工裁决, 优先)'),
|
|
|
- dict(id='vib_handoff_and_scans', glob='m5_cms_tcm/*.{json,parquet,csv,md,txt}',
|
|
|
- kind='shipped',
|
|
|
- func='振动线出件与专项扫描（handoff / 历史 / 基线 / 各类 freq scan / 判级台账）', algo='（无生成端）',
|
|
|
- gen=None, input=None, pred=(), why='振动六层链四步脚本未随包（oem_frequency_scan 等）⇒ '
|
|
|
- '运行期不从交付包补(用户令 2026-09-17); 要出件须研发补生成端, '
|
|
|
- '或由现场正本随原始件进 data/raw 后重算'),
|
|
|
- dict(id='vib_figs', glob='m5_cms_tcm/figs/*', kind='shipped',
|
|
|
- func='振动线出图（谱图/趋势图）', algo='（无生成端）', gen=None, input=None, pred=(),
|
|
|
- why='随包快照（振动线出件）'),
|
|
|
- # ★2026-09-19 拆族 (用户令「所有的计算均要形成观澜的源代码」): `windscada/index.html` 是
|
|
|
- # `/detail/v2` 的「全场状态总览」iframe 目标, 此前整族记为"无生成端" ⇒ 新机器上那块必然显示
|
|
|
- # "产物不在位"。现在它由 `scripts/windscada_overview_build.py` 用**组件同一个快照烘焙器**
|
|
|
- # (src/windscada/ui/snapshot.py::bake, /v2/snapshot 用的就是它)从重算产物生成 ⇒ 单列一族。
|
|
|
- dict(id='windscada_overview', glob='windscada/index.html', kind='raw-derived',
|
|
|
- func='总览「全场状态」页 (单文件: 接口响应烤进页面, 离线可开)',
|
|
|
- algo='scripts/windscada_overview_build.py（ctx 取数函数与在线 /api/* 同一实现; 经 '
|
|
|
- 'src/windscada/ui/snapshot.py::bake 烘焙）',
|
|
|
- gen='scripts/windscada_overview_build.py', input='scada_10min', pred=('rows',),
|
|
|
- why='2026-09-19 用户令后上链: 该页此前是随包件(全库 0 处写入方), 清过产物的机器上 iframe 只能'
|
|
|
- '显示"产物不在位"; 现在由观澜自算, 每次重算随数据更新'),
|
|
|
- dict(id='windscada_pages', glob='windscada/{turbines/*,review/*}', kind='shipped',
|
|
|
- func='逐台静态页 + 评审记录（当前由组件按请求动态出页, 静态件仍属随包快照）', algo='（无生成端）',
|
|
|
- gen=None, input=None, pred=(), why='逐台页在运行期由 /turbine/<台> 动态生成, 静态副本无写入方; '
|
|
|
- '运行期不从交付包补(用户令 2026-09-17)'),
|
|
|
- # ★2026-09-18 补: `windcms/cache/*` 是**读侧缓存**(标量按内容哈希落盘), 它不是随包快照 ——
|
|
|
- # 原先 `windcms_pages`(shipped) 先认领了它, 于是重算后新写的缓存被记成"包内无生成端"。
|
|
|
- # 写方在 src/windcms/data.py::load_scalars (窗索引 → 标量), 故单列一族并放在 windcms_pages 之前。
|
|
|
- dict(id='windcms_cache', glob='windcms/cache/*', kind='raw-derived',
|
|
|
- func='CMS 报告侧 · 标量缓存', algo='src/windcms/data.py::load_scalars（窗索引 → 标量数组, '
|
|
|
- '按内容哈希命名落 cache/）', gen='src/windcms/data.py', input='windcms', pred=('rows',)),
|
|
|
- # ★2026-09-18 补 (用户令"页面只能基于输入数据重算"之后): `windcms/**` 整族原先一律按
|
|
|
- # "无生成端"记账 —— 但**报告两步的生成端就在包内**(scripts/windcms.py report → src/windcms/
|
|
|
- # report.py + report_std.py), 只要 data/raw/<场>/windcms 里有 decode 导出就出得来。
|
|
|
- # 实测(2026-09-18): 从重算出的窗 w0316 一键跑出标准模版报告 + 38 台逐台页 + 总览, 判级 38 台
|
|
|
- # (报警 3 / 优秀 35), 缺的只有 model_run/fusion 两步的融合级列(如实写 —)。故拆成两族按 raw-derived 记。
|
|
|
- dict(id='windcms_report_std', glob=['windcms/报告_CMS振动状态评估报告_*.md',
|
|
|
- 'windcms/报告_CMS振动状态评估报告_*.docx',
|
|
|
- 'windcms/登记_三轴_38台.csv'], kind='raw-derived',
|
|
|
- func='CMS 标准模版评估报告 (三轴: 状态等级 × 证据状态 × 行动等级建议)',
|
|
|
- algo='src/windcms/report_std.py::build（结构化判级 → 报告 md + docx + 登记 csv; '
|
|
|
- '由 scripts/windcms.py report 调用）',
|
|
|
- gen='src/windcms/report_std.py', input='windcms', pred=('rows',),
|
|
|
- why='★同名件有两种来源: 观澜自算(本族: 从 data/raw/<场>/windcms 的 *_decode.json 算) 与 '
|
|
|
- '厂家报告转录(scripts/vib_reports_build.py, 输入是现场振动分析报告 PDF)。按名字认领不了'
|
|
|
- '这层区别 ⇒ 以"是否由本步生成"为准, 判据看 m5_cms_tcm/vib_raw_manifest.json 的 steps'),
|
|
|
- dict(id='windcms_report_overview', glob=['windcms/report.md', 'windcms/index.html',
|
|
|
- 'windcms/index_eng.html', 'windcms/overview.html',
|
|
|
- 'windcms/turbines/*'], kind='raw-derived',
|
|
|
- func='CMS 诊断总览页 + 逐台页 + 结构化层报告',
|
|
|
- algo='src/windcms/report.py::build（逐台 turbines/<台>.html + 总览 overview/index.html + '
|
|
|
- 'report.md; 融合级列要 model_run/fusion 出件, 缺则如实写"—"）',
|
|
|
- gen='src/windcms/report.py', input='windcms', pred=('rows',)),
|
|
|
- dict(id='windcms_kb', glob='windcms/kb.json', kind='raw-derived',
|
|
|
- func='CMS 知识库索引 (问答检索用)',
|
|
|
- algo='src/windcms/knowledge.py::build（由 scripts/windcms.py kb 调用; 离线无模型时 0 chunks 也算跑成）',
|
|
|
- gen='src/windcms/knowledge.py', input='windcms', pred=('rows',)),
|
|
|
- dict(id='windcms_pages', glob='windcms/**', kind='shipped',
|
|
|
- func='windcms 里其余件 (厂家报告转录 / 知识库出件等)',
|
|
|
- algo='（无随包生成端）', gen=None, input=None, pred=(),
|
|
|
- why='上述两族与 cache 之外剩下的 windcms 件: 运行期不从交付包补(用户令 2026-09-17), '
|
|
|
- '要出件须研发补生成端'),
|
|
|
- dict(id='sop_workspace', glob='sop/**', kind='shipped',
|
|
|
- func='SOP 中间件/评审/事实契约底稿', algo='（无生成端）', gen=None, input=None, pred=(),
|
|
|
- why='评审过程件, 属人工作业留痕'),
|
|
|
- dict(id='tcm_replay', glob='tcm_compatible_replay/**', kind='shipped',
|
|
|
- func='TCM 兼容链回放资产（模型表/掩码阈值/裁决记录）', algo='（无生成端）', gen=None, input=None,
|
|
|
- pred=(), why='随包快照'),
|
|
|
- dict(id='paradigm_r1', glob='paradigm_r1/**', kind='shipped',
|
|
|
- func='范式实验件（E3/E5/E8 底稿）', algo='（无生成端）', gen=None, input=None, pred=(),
|
|
|
- why='实验底稿, 事实契约的输入'),
|
|
|
- dict(id='pitch_shipped', glob='pitch/**', kind='shipped',
|
|
|
- func='变桨侧派生件（零位/日粒度）', algo='（无生成端；rebuild_from_raw --scada 只覆盖其中一部分）',
|
|
|
- gen=None, input=None, pred=(), why='无生成端 ⇒ 运行期不从交付包补(用户令 2026-09-17), '
|
|
|
- '页面降级; 要出件须研发补生成端'),
|
|
|
- dict(id='ontology_releases', glob='ontology/release_*/*', kind='shipped',
|
|
|
- func='本体发布层 r1/r2（只读暴露给网关 /release/）', algo='（无生成端）', gen=None, input=None,
|
|
|
- pred=(), why='发布层清单, 由研发出件'),
|
|
|
- dict(id='guanlan_contract', glob='guanlan/**', kind='shipped',
|
|
|
- func='事实契约与对外派生（门户结论段/取数）', algo='scripts/guanlan_facts_contract.py（读者在包内, '
|
|
|
- '输入是 sop/findings.json + paradigm_r1 三份**人裁底稿**）', gen=None, input=None, pred=(),
|
|
|
- why='派生链的中间层: 它的"输入"本身是产物而非 data/raw ⇒ 与 raw 之间隔着不止一跳; '
|
|
|
- '运行期不从交付包补(用户令 2026-09-17) ⇒ `/api/facts` 如实回 503 缺件'),
|
|
|
- dict(id='windscada_release_manifest', glob='windscada/release-manifest.json', kind='source-derived',
|
|
|
- func='发布清单快照（`/healthz` 与版本信息读它）',
|
|
|
- algo='scripts/guanlan_baseline_manifest.py（从 src/windscada/ui 源重建 zh 页 → 摘要 '
|
|
|
- '{css_tokens, nav, dom, sha256, source blobs}）',
|
|
|
- gen='scripts/guanlan_baseline_manifest.py', input=None, pred=(),
|
|
|
- why='★ 2026-09-17 修正: 它一度被我按"交证件"错分成非产物; 实际**包内有生成端**'
|
|
|
- '(guanlan_baseline_manifest.py 就写这个路径), 且 guanlan_gateway.py 运行期读它 ⇒ 是产物'),
|
|
|
- dict(id='human_deliverables',
|
|
|
- glob=['windscada/mblub_alarm_cross.json', 'windscada/review_presented.json',
|
|
|
- 'windscada/给振动线_温度轴回复_20260826.json', 'windscada/给振动线_温度轴回复_20260826.md',
|
|
|
- 'windscada/送审_系统结论与判定_20260828.md'],
|
|
|
- kind='human',
|
|
|
- func='**人工正本/交证件**：与振动线的跨线通知、送审结论、发布评审快照',
|
|
|
- algo='（人写的, 不是算出来的）', gen=None, input=None, pred=(),
|
|
|
- why='这几件是"人对人的交证件/回执", 内容由分析结论抄写与人判断坐实而成; '
|
|
|
- 'mblub_alarm_cross.json 还被 src/ontology/populate.py 当作**证据来源**引用 ⇒ '
|
|
|
- '必须随包留在原位, 但**不参与呼应校验**(它本来就没有生成端, 也不该有)'),
|
|
|
- dict(id='scratch_in_products', glob=['**/_*.js', '**/_*audit*.md', '**/*.out', '**/*.err',
|
|
|
- '**/*_test_*.parquet', '**/*_test_*.json'],
|
|
|
- kind='not-product',
|
|
|
- func='**非产物**：自审脚本/记录与模型测试输出（躺在产物仓里）', algo='（工具脚本与运行痕迹, 不是产物）',
|
|
|
- gen=None, input=None, pred=(),
|
|
|
- why='2026-09-17: 17 件已移出到 reference/非产物留痕_20260917/ 并留了 _来源说明.json ⇒ '
|
|
|
- '本族现在应为空; 一旦再出现(新脚本往产物仓里写 .out/_audit.js 之类), 本器当场报出来'),
|
|
|
-]
|
|
|
-
|
|
|
-
|
|
|
-def _files_of(glob) -> list[str]:
|
|
|
- """族 glob（str 或 list）→ 台账里的相对键（支持 `{a,b}` 花括号与 `*`）。
|
|
|
-
|
|
|
- ★ 深度必须**显式对齐**（2026-09-17 第一版踩过）: `fnmatch` 的 `*` 是**跨 `/`** 的, 于是
|
|
|
- `windscada/*.parquet` 会把 `windscada/turbines/xx.parquet`、`windscada/_pre_rebuild_*/xx.parquet`
|
|
|
- 一起吞进来 —— 反向审计最怕"族把不该管的件认领了", 那样账就假了。
|
|
|
- 规则: 模式里没有 `**` 时, 要求的 `/` 个数必须与键的 `/` 个数**相等**(逐条展开后各自判)。
|
|
|
- """
|
|
|
- pats = []
|
|
|
- for g in ([glob] if isinstance(glob, str) else list(glob)):
|
|
|
- if '{' in g:
|
|
|
- head, tail = g.split('{', 1)
|
|
|
- opts, rest = tail.split('}', 1)
|
|
|
- pats += [head + o + rest for o in opts.split(',')]
|
|
|
- else:
|
|
|
- pats.append(g)
|
|
|
- out = []
|
|
|
- for rel in LEDGER:
|
|
|
- for pt in pats:
|
|
|
- if '**' not in pt and rel.count('/') != pt.count('/'):
|
|
|
- continue
|
|
|
- if fnmatch.fnmatch(rel, pt) or rel == pt:
|
|
|
- out.append(rel)
|
|
|
- break
|
|
|
- return sorted(out)
|
|
|
-
|
|
|
-
|
|
|
-LEDGER: dict[str, dict] = {}
|
|
|
-
|
|
|
-
|
|
|
-def load_ledger(farm: str) -> dict[str, dict]:
|
|
|
- """台账 = `_provenance.json`(逐件来源) + `_derived_manifest.json`(生成端自登记)。"""
|
|
|
- out: dict[str, dict] = {}
|
|
|
- root = P.out_root(farm)
|
|
|
- for fn in ('_provenance.json', '_derived_manifest.json'):
|
|
|
- f = root / fn
|
|
|
- if not f.is_file():
|
|
|
- continue
|
|
|
- try:
|
|
|
- d = json.loads(f.read_text(encoding='utf-8'))
|
|
|
- except Exception:
|
|
|
- continue
|
|
|
- for rel, v in (d.get('files') or {}).items():
|
|
|
- if isinstance(v, dict):
|
|
|
- out.setdefault(rel, dict(source=v.get('source') or 'raw-derived',
|
|
|
- builder=v.get('builder') or v.get('by') or '',
|
|
|
- why=v.get('why') or '',))
|
|
|
- return out
|
|
|
-
|
|
|
-
|
|
|
-def _input_home(station: pathlib.Path, sub: str) -> pathlib.Path | None:
|
|
|
- """输入类目录在哪 —— 优先场站目录下, 其次 raw 根下。
|
|
|
-
|
|
|
- ★ 机理层资料按 A2 约定**不在场站目录下**（`data/raw/西门子4.0技术资料/`, 见 src/windscada/config.py）。
|
|
|
- 只查场站目录会把本体层判成"输入不在位"（2026-09-17 第一版就这么误报过 3 件）。
|
|
|
- """
|
|
|
- for base in (station, station.parent):
|
|
|
- d = base / sub
|
|
|
- if d.is_dir():
|
|
|
- return base
|
|
|
- return None
|
|
|
-
|
|
|
-
|
|
|
-def _parquet_span(p: pathlib.Path, col: str | None):
|
|
|
- import pandas as pd
|
|
|
- try:
|
|
|
- d = pd.read_parquet(p)
|
|
|
- except Exception:
|
|
|
- return None, None, 0
|
|
|
- n = len(d)
|
|
|
- if col and col in d.columns:
|
|
|
- s = pd.to_datetime(d[col], errors='coerce')
|
|
|
- if s.notna().any():
|
|
|
- return str(s.min())[:10], str(s.max())[:10], n
|
|
|
- return None, None, n
|
|
|
-
|
|
|
-
|
|
|
-def _npz_ok(p: pathlib.Path) -> bool:
|
|
|
- """振动谱件: npz 能读出来且非空（列数不是"行", 不能拿 parquet 的行数判它）。"""
|
|
|
- try:
|
|
|
- import numpy as np
|
|
|
- with np.load(p, allow_pickle=False) as z:
|
|
|
- return any(z[k].size > 0 for k in z.files)
|
|
|
- except Exception:
|
|
|
- return False
|
|
|
-
|
|
|
-
|
|
|
-# 已知"含人工裁决/校准"的随包快照（按用户令 2026-09-17 #3 显式登记为人工件）。依据是文档里已经写明的性质:
|
|
|
-# docs §7「handoff_vibration_v2.json / component_history.json 是随包快照, 该件含人工裁决/校准更新,
|
|
|
-# 不是测量数据的函数」; baseline_38.json 的三层基线 self/absolute 两层由人工坐实; findings.json 是判级发现台账。
|
|
|
-HUMAN_SNAPSHOTS = {
|
|
|
- 'm5_cms_tcm/component_history.json',
|
|
|
- 'm5_cms_tcm/baseline_38.json',
|
|
|
- 'm5_cms_tcm/handoff_vibration_v1.json',
|
|
|
- 'm5_cms_tcm/findings.json',
|
|
|
-}
|
|
|
-
|
|
|
-# ── 逆向工程可行性 (用户令 2026-09-17 #2) ────────────────────────────────────────────
|
|
|
-# 问的是: "这批没有生成端的产物, 能不能从原始件/在包生成端**推**出来?"
|
|
|
-# 判定不靠印象, 靠两条机器证据:
|
|
|
-# ① 生成端在不在包内（在 → 只是没接上, 跑一次就有）;
|
|
|
-# ② 产物正文里有没有**人工判断**的痕迹（"裁决/审核/校准/评审/经验"这类字段）——
|
|
|
-# 含人工判断的件不是任何输入的纯函数, 逆向工程推不出来, 只能把那一步人工工作重做。
|
|
|
-import re as _re # noqa: E402
|
|
|
-JUDGE_PAT = _re.compile(r'人工|裁决|审核|复核|校准|评审|经验值|专家|judg|review|manual|calibrat|verdict|sign[_ ]?off',
|
|
|
- _re.I)
|
|
|
-# ★ 只认"**字段**叫这个名字"（`"裁决": …` / `裁决,`），不认正文里顺嘴提一句 ——
|
|
|
-# 2026-09-17 第一版拿整篇子串匹配, 结果把**页面**里的展示标签(`index.html` 里的"评审/人工")当成
|
|
|
-# 人工判断, 于是把"页面"整族误判成不可逆。这属于"判据太糙 → 结论假"。
|
|
|
-JUDGE_KEY_PAT = _re.compile(r'["\']?[^"\',:]{0,24}(人工|裁决|审核|复核|校准|评审|经验值|专家|'
|
|
|
- r'judg|review|manual|calibrat|verdict|sign[_ ]?off)[^"\',:]{0,24}["\']?\s*[:=]',
|
|
|
- _re.I)
|
|
|
-
|
|
|
-
|
|
|
-def judgement_evidence(farm: str, rels: list[str], cap: int = 8) -> tuple[int, list[str], int]:
|
|
|
- """→ (含人工判断字段的抽样比例%, 样例, 被检查件数)。
|
|
|
-
|
|
|
- 只查**数据/文本件**(.json/.csv/.md/.txt); **页面(.html/.js)不算** —— 页面是产物的渲染,
|
|
|
- 里面出现"评审/人工"是展示标签, 不代表这份件内含判断。
|
|
|
- """
|
|
|
- hit, samples, checked, pages = 0, [], 0, 0
|
|
|
- for rel in rels[:cap]:
|
|
|
- p = P.out_root(farm) / rel
|
|
|
- suf = p.suffix.lower()
|
|
|
- if suf in ('.html', '.js', '.css', '.htm'):
|
|
|
- pages += 1
|
|
|
- continue
|
|
|
- try:
|
|
|
- if suf == '.json':
|
|
|
- txt = p.read_text(encoding='utf-8', errors='replace')[:200000]
|
|
|
- pat = JUDGE_KEY_PAT
|
|
|
- elif suf in ('.csv', '.txt'):
|
|
|
- txt = p.read_text(encoding='utf-8', errors='replace')[:50000]
|
|
|
- pat = JUDGE_KEY_PAT
|
|
|
- elif suf == '.md':
|
|
|
- txt = p.read_text(encoding='utf-8', errors='replace')[:50000]
|
|
|
- pat = JUDGE_PAT
|
|
|
- else:
|
|
|
- continue
|
|
|
- except Exception:
|
|
|
- continue
|
|
|
- checked += 1
|
|
|
- if pat.search(txt):
|
|
|
- hit += 1
|
|
|
- samples.append(rel)
|
|
|
- return (100 * hit // checked if checked else 0), samples, pages
|
|
|
-
|
|
|
-
|
|
|
-def feasibility(fam: dict, rels: list[str], gen_ok: bool, in_ok: bool,
|
|
|
- judge_pct: int, judge_samples: list[str], pages: int = 0) -> tuple[str, str]:
|
|
|
- """→ (可逆性判定, 依据)。四类: 可逆(直接) / 可逆(需反推口径) / 不可逆(人工判断) / 应移出产物仓。"""
|
|
|
- if fam['kind'] == 'not-product':
|
|
|
- return '应移出产物仓', '它本就不是产物(工具脚本/交证件/测试输出) ⇒ 该从产物仓移走, 而不是"补生成端"'
|
|
|
- if gen_ok and in_ok:
|
|
|
- return '可逆(直接)', f"生成端在包内({fam['gen']})且输入在位 ⇒ 接上/重跑即可"
|
|
|
- if pages and pages >= max(3, len(rels[:8]) // 2):
|
|
|
- return '可逆(页面可再生)', ('这一族主要是**页面**(.html): 页面是产物的渲染, 不是独立数据 ⇒ '
|
|
|
- '接上在包的页面生成端重出即可(未必逐字节同, 能力与数据一致)')
|
|
|
- m_n = sum(1 for r in rels if r.endswith(('.parquet', '.csv', '.npz')))
|
|
|
- t_n = len(rels) - m_n
|
|
|
- split = f'（{m_n} 件测量形态 / {t_n} 件文本·判断件）' if (m_n and t_n) else ''
|
|
|
- # 两类都占相当比重时, 结论必须是"混合"而不是挑一类代表全族 —— 否则一句判定就把另一半骗过去了
|
|
|
- if m_n and t_n and min(m_n, t_n) * 4 >= len(rels):
|
|
|
- return '混合(测量件可反推 / 文本件需人定)', split + \
|
|
|
- '测量形态的件可由 data/raw 反推口径 + 逐值对拍; 文本/判断件(评审、裁决、回复)推不出来'
|
|
|
- if judge_pct >= 50 and judge_samples:
|
|
|
- return '不可逆(人工判断)', (f"抽样 {len(judge_samples)} 件里都写着人工判断字段(如 {judge_samples[0]}) "
|
|
|
- f"⇒ 不是输入的纯函数, 逆向工程推不出来")
|
|
|
- if m_n and m_n * 2 >= len(rels):
|
|
|
- return '可逆(需反推口径)', split + '测量形态的件是测量数据的函数 ⇒ 可从 data/raw 反推口径 + 逐值对拍' \
|
|
|
- '(做法同 temp_monthly: 反推 → 逐值一致才敢用)'
|
|
|
- if gen_ok:
|
|
|
- return '半可逆(生成端在包, 输入不足)', '生成端在包内, 缺的是上游输入 ⇒ 上游补齐后即可重出'
|
|
|
- if judge_pct > 0:
|
|
|
- return '半可逆(需人工裁定)', f'抽样里 {judge_pct}% 的件含人工判断字段 ⇒ 机器部分可推、判断部分要人定'
|
|
|
- return '需人工裁定', '既无生成端、形态也不是测量函数 ⇒ 需研发给口径或领域正本'
|
|
|
-
|
|
|
-
|
|
|
-def _turbines_of(p: pathlib.Path, col: str = 'turbine', cap: int = 200000):
|
|
|
- import pandas as pd
|
|
|
- try:
|
|
|
- d = pd.read_parquet(p, columns=[col]) if col else pd.read_parquet(p)
|
|
|
- except Exception:
|
|
|
- return None
|
|
|
- try:
|
|
|
- return {str(x).upper() for x in d[col].dropna().unique()} if col in d.columns else None
|
|
|
- except Exception:
|
|
|
- return None
|
|
|
-
|
|
|
-
|
|
|
-def _input_turbines(station: pathlib.Path, sub: str):
|
|
|
- """输入侧机组集合: 逐台 CSV 文件名 / 目录名里的 WTG 号。"""
|
|
|
- d = station / sub
|
|
|
- if not d.is_dir():
|
|
|
- return None
|
|
|
- out = set()
|
|
|
- for p in d.rglob('*'):
|
|
|
- if p.is_file():
|
|
|
- for m in __import__('re').finditer(r'(WTG\s?\d{1,2})', p.name.upper()):
|
|
|
- out.add(m.group(1).replace(' ', ''))
|
|
|
- return out or None
|
|
|
-
|
|
|
-
|
|
|
-def classify_human(farm: str, rels: list[str], cap: int = 600) -> set[str]:
|
|
|
- """逐件判"是不是人工件"（用户令 2026-09-17 #3：人工件不再按自动产物参与呼应校验）。
|
|
|
-
|
|
|
- 判据：**非测量形态**的件（.md/.json/.csv/.txt）里出现人工判断字段（按字段名匹配）。
|
|
|
- 测量形态件（.parquet/.csv 数值、.npz）一律不算人工件 —— 它们是数据的函数，属"可反推"那一路。
|
|
|
- """
|
|
|
- human: set[str] = set()
|
|
|
- for rel in rels[:cap]:
|
|
|
- if rel in HUMAN_SNAPSHOTS: # ① 文档里已写明含人工裁决/校准的随包快照
|
|
|
- human.add(rel)
|
|
|
- continue
|
|
|
- suf = pathlib.Path(rel).suffix.lower()
|
|
|
- if suf == '.md': # ② 产物仓里的 .md 一律是报告/交证/评审记录(人写的)
|
|
|
- human.add(rel)
|
|
|
- continue
|
|
|
- if suf == '.txt':
|
|
|
- pat = JUDGE_PAT
|
|
|
- elif suf in ('.json', '.csv'):
|
|
|
- pat = JUDGE_KEY_PAT
|
|
|
- else:
|
|
|
- continue
|
|
|
- p = P.out_root(farm) / rel
|
|
|
- try:
|
|
|
- txt = p.read_text(encoding='utf-8', errors='replace')[:120000]
|
|
|
- except Exception:
|
|
|
- continue
|
|
|
- if pat.search(txt): # ③ 正文里有"人工判断字段"
|
|
|
- human.add(rel)
|
|
|
- return human
|
|
|
-
|
|
|
-
|
|
|
-def write_human_manifest(farm: str | None = None) -> int:
|
|
|
- """把人工件逐件落成 `outputs/<场>/_human_artifacts.json`（机器台账，供自检与审计引用）。"""
|
|
|
- farm = farm or P.farm()
|
|
|
- global LEDGER
|
|
|
- LEDGER = load_ledger(farm)
|
|
|
- entries: dict[str, dict] = {}
|
|
|
- for fam in FAMILIES:
|
|
|
- if fam['kind'] not in ('shipped', 'human', 'not-product'):
|
|
|
- continue
|
|
|
- rels = [r for r in _files_of(fam['glob']) if r not in entries]
|
|
|
- if not rels:
|
|
|
- continue
|
|
|
- if fam['kind'] == 'human':
|
|
|
- for r in rels:
|
|
|
- entries[r] = dict(kind='human', family=fam['id'], evidence='族内显式登记为人工正本/交证件')
|
|
|
- continue
|
|
|
- for r in classify_human(farm, rels):
|
|
|
- if r not in entries:
|
|
|
- entries[r] = dict(kind='human', family=fam['id'],
|
|
|
- evidence='件内含人工判断字段（按字段名匹配），不是输入的纯函数')
|
|
|
- out = P.out_root(farm) / '_human_artifacts.json'
|
|
|
- out.write_text(json.dumps(dict(
|
|
|
- at=__import__('time').strftime('%Y-%m-%d %H:%M:%S'),
|
|
|
- note='人工件台账（用户令 2026-09-17 #3）：这些件由人写成/坐实，不是任何输入的纯函数 ⇒ '
|
|
|
- '不参与"输出↔输入呼应"校验；随包留在原位，重算不会也不该重写它们。'
|
|
|
- '本文件由 scripts/products_reverse_audit.py --write-human-manifest 生成。',
|
|
|
- count=len(entries), files=entries), ensure_ascii=False, indent=1), encoding='utf-8')
|
|
|
- by_fam: dict[str, int] = {}
|
|
|
- for v in entries.values():
|
|
|
- by_fam[v['family']] = by_fam.get(v['family'], 0) + 1
|
|
|
- print(f'人工件台账: {len(entries)} 件 → {P.rel(out)}')
|
|
|
- for k, v in sorted(by_fam.items(), key=lambda kv: -kv[1]):
|
|
|
- print(f' {k:24s} {v:4d} 件')
|
|
|
- return 0
|
|
|
-
|
|
|
-
|
|
|
-def audit(farm: str | None = None, verbose: bool = True):
|
|
|
- farm = farm or P.farm()
|
|
|
- global LEDGER
|
|
|
- LEDGER = load_ledger(farm)
|
|
|
- # ★ 场站原始件目录用唯一取用口 (场站名可与 farm 键不同: 键 = rudong, 目录 = data/raw/如东)
|
|
|
- from src.windscada.config import raw_station_dir
|
|
|
- station = pathlib.Path(raw_station_dir(farm))
|
|
|
- verdict: dict[str, dict] = {}
|
|
|
- fam_rows = []
|
|
|
- fails: list[str] = []
|
|
|
-
|
|
|
- for fam in FAMILIES:
|
|
|
- # ★ 族按**声明顺序**认领, 先声明的先拿 (否则 `m5_cms_tcm/*` 这种宽通配会把 windows/ 下
|
|
|
- # 1704 件也吞进来 —— fnmatch 的 `*` 是跨 `/` 的, 2026-09-17 第一版就这么误判过)
|
|
|
- rels = [r for r in _files_of(fam['glob']) if r not in verdict]
|
|
|
- rels = [r for r in rels if not r.lower().endswith(('.log', '.jsonl'))]
|
|
|
- if not rels:
|
|
|
- continue
|
|
|
- row = dict(id=fam['id'], n=len(rels), func=fam['func'], algo=fam['algo'], input=fam['input'],
|
|
|
- pred='+'.join(fam['pred']) or '—', verdict='', note='')
|
|
|
- if fam['kind'] == 'not-product':
|
|
|
- # ★ 不是产物, 却躺在产物仓里: 反向审计对它的结论是"它压根不该按产物管" ——
|
|
|
- # 既不需要生成端, 也谈不上与输入呼应（这一类最该被人看见, 故单独一类, 不当失败计）。
|
|
|
- jp, js, pg = judgement_evidence(farm, rels)
|
|
|
- fv, fw = feasibility(fam, rels, False, False, jp, js, pg)
|
|
|
- row['verdict'] = '✗ 非产物'
|
|
|
- row['note'] = fam.get('why', '')
|
|
|
- row['rev'], row['rev_why'] = fv, fw
|
|
|
- for r in rels:
|
|
|
- verdict[r] = dict(fam=fam['id'], verdict='✗',
|
|
|
- why='非产物（过程留痕/工具脚本躺在产物仓里）: ' + fam.get('why', ''))
|
|
|
- elif fam['kind'] == 'human':
|
|
|
- # ★ 人工正本/交证件 (用户令 2026-09-17 #3): 由人写、被运行期当证据引用,
|
|
|
- # **不参与呼应校验**——它本来就没有、也不该有生成端; 单独计数, 不混进"无生成端"的失败堆里。
|
|
|
- row['verdict'] = '◆ 人工件'
|
|
|
- row['note'] = fam.get('why', '')
|
|
|
- row['rev'], row['rev_why'] = '人工件(正本/交证)', '人写的, 不参与呼应校验; 随包留在原位'
|
|
|
- for r in rels:
|
|
|
- verdict[r] = dict(fam=fam['id'], verdict='◆',
|
|
|
- why='人工件（人工正本/交证件）: ' + fam.get('why', ''))
|
|
|
- elif fam['kind'] == 'shipped':
|
|
|
- jp, js, pg = judgement_evidence(farm, rels)
|
|
|
- gen_file = ROOT / fam['gen'] if fam.get('gen') else None
|
|
|
- gen_ok0 = bool(gen_file and gen_file.is_file())
|
|
|
- # ★ 逐件分人工件 (用户令 2026-09-17 #3): 含人工判断字段的件**不按自动产物参与呼应校验**,
|
|
|
- # 单独计 ◆; 余下才是真正的"无生成端"。
|
|
|
- human = classify_human(farm, rels)
|
|
|
- rest = [r for r in rels if r not in human]
|
|
|
- fv, fw = feasibility(fam, rest or rels, gen_ok0, False, jp, js, pg)
|
|
|
- row['verdict'] = '✗ 无生成端' if not human else f'✗ 无生成端 + ◆ 人工件 {len(human)}'
|
|
|
- row['n'] = len(rest)
|
|
|
- row['note'] = fam.get('why', '')
|
|
|
- row['rev'], row['rev_why'] = fv, fw
|
|
|
- if jp:
|
|
|
- row['rev_why'] += f'；人工判断字段抽样命中 {jp}%' + (f'（如 {js[0]}）' if js else '')
|
|
|
- for r in rest:
|
|
|
- verdict[r] = dict(fam=fam['id'], verdict='✗', why='无生成端（全库 0 处写入方）: ' + fam['why'])
|
|
|
- for r in human:
|
|
|
- verdict[r] = dict(fam=fam['id'], verdict='◆',
|
|
|
- why='人工件（含人工判断字段）: 不参与呼应校验, 随包留在原位')
|
|
|
- else:
|
|
|
- # ① 生成端在位
|
|
|
- gen = ROOT / fam['gen'] if fam.get('gen') else None
|
|
|
- gen_ok = bool(gen and gen.is_file())
|
|
|
- # ② 输入在位（场站目录优先, 机理层资料在 raw 根下 —— 见 _input_home）
|
|
|
- spec = INV.INPUTS.get(fam['input'] or '')
|
|
|
- i_s = i_e = None
|
|
|
- i_n = 0
|
|
|
- i_gran = '年'
|
|
|
- home = _input_home(station, fam['input']) if fam['input'] else None
|
|
|
- if home and spec:
|
|
|
- i_s, i_e, i_n, _note, i_gran = INV.input_span(home, fam['input'], spec)
|
|
|
- elif home:
|
|
|
- # 机理层资料这类"没有跨度判据"的输入: 按件数清点即算在位（INV.INPUTS 里没有它们的
|
|
|
- # 跨度口径 —— 技术资料是文档而不是时序数据, 拿跨度比毫无意义）
|
|
|
- i_n = sum(1 for p in (home / fam['input']).rglob('*') if p.is_file())
|
|
|
- i_gran = '年'
|
|
|
- elif fam['kind'] == 'source-derived':
|
|
|
- # ★ 输入是**包内源码**而不是 data/raw（如发布清单快照: 从 src/windscada/ui 重建页再摘要）。
|
|
|
- # 生成端在位 = 输入在位, 这类产物的"呼应"是对源码的, 不是对原始件的。
|
|
|
- i_n = 1
|
|
|
- i_s = i_e = '包内源码'
|
|
|
- in_ok = i_n > 0
|
|
|
- passed, notes = [], []
|
|
|
- if fam['pred'] and in_ok:
|
|
|
- if 'span' in fam['pred']:
|
|
|
- p_s, p_e, n = _parquet_span(P.out_root(farm) / rels[0], fam.get('time_col'))
|
|
|
- if p_s and i_s and (p_s[:7] < i_s[:7]):
|
|
|
- # ★ 年粒度输入（按文件名年份推的）不判失败: 与正向检查同一条教训 ——
|
|
|
- # 台账 xls 里可能含比文件名年份更早的历史记录, 拿年粒度当"输入起点"会造假缺口
|
|
|
- # (2026-09-17 实测: 工单产物起点 2020-01 而输入文件名最早 2021 ⇒ 不是数据串了)。
|
|
|
- msg = f'产物起点 {p_s} 早于输入起点 {i_s}'
|
|
|
- if i_gran in ('日', '月'):
|
|
|
- fails.append(f"{fam['id']}: {msg}（跨窗混入 / 键错）")
|
|
|
- notes.append('⚠ ' + msg)
|
|
|
- else:
|
|
|
- notes.append(f'{msg}（输入为年粒度, 只作参考: 台账可能含更早的历史行）')
|
|
|
- passed.append(f'跨度 {p_s}~{p_e} ⊆ 输入 {i_s}~{i_e}')
|
|
|
- if 'turbines' in fam['pred']:
|
|
|
- pt = _turbines_of(P.out_root(farm) / rels[0])
|
|
|
- it = _input_turbines(home, fam['input']) if home else None
|
|
|
- if pt and it:
|
|
|
- extra = pt - it
|
|
|
- if extra:
|
|
|
- fails.append(f"{fam['id']}: 产物含输入里没有的机组 {sorted(extra)[:5]}")
|
|
|
- passed.append(f'机组 {len(pt)} 台 ⊆ 输入 {len(it)} 台')
|
|
|
- if 'rows' in fam['pred']:
|
|
|
- tot = 0
|
|
|
- for r in rels[:400]:
|
|
|
- _s, _e, n = _parquet_span(P.out_root(farm) / r, None) if r.endswith('.parquet') \
|
|
|
- else (None, None, 1)
|
|
|
- tot += n
|
|
|
- if tot <= 0:
|
|
|
- fails.append(f"{fam['id']}: 产物行数合计为 0")
|
|
|
- passed.append(f'件内数据行合计 {tot:,}' + ('（抽样 400 件）' if len(rels) > 400 else ''))
|
|
|
- if 'npz' in fam['pred']:
|
|
|
- sample = rels[:5]
|
|
|
- bad = [r for r in sample if not _npz_ok(P.out_root(farm) / r)]
|
|
|
- if bad:
|
|
|
- fails.append(f"{fam['id']}: 抽样 {len(bad)}/{len(sample)} 件 npz 读不出或为空")
|
|
|
- passed.append(f'{len(rels)} 件谱（抽样 {len(sample)} 件 npz 均可读非空）· 输入源 {i_n} 件')
|
|
|
- if 'manifest' in fam['pred']:
|
|
|
- try:
|
|
|
- mf = json.loads((P.out_root(farm) / rels[0]).read_text(encoding='utf-8'))
|
|
|
- passed.append('清单自记: ' + ', '.join(f'{k}={v}' for k, v in list(mf.items())[:3]))
|
|
|
- except Exception as e:
|
|
|
- fails.append(f"{fam['id']}: 清单读不出来 ({type(e).__name__})")
|
|
|
- if not gen_ok:
|
|
|
- row['verdict'] = '✗ 生成端不在位'
|
|
|
- row['note'] = f"缺 {fam['gen']}"
|
|
|
- fails.append(f"{fam['id']}: 生成端不在位 {fam['gen']}")
|
|
|
- elif not in_ok:
|
|
|
- row['verdict'] = '~ 输入不在位'
|
|
|
- row['note'] = (f"缺 {(home / fam['input']) if home else station / str(fam['input'])}"
|
|
|
- ' ⇒ 现在无法验证（放数据后复跑本器）')
|
|
|
- else:
|
|
|
- row['verdict'] = '✓ 呼应成立'
|
|
|
- row['note'] = '；'.join(notes + passed)
|
|
|
- row['rev'], row['rev_why'] = '已在重算链上', '生成端在位、输入在位、判据通过 —— 无需逆向工程'
|
|
|
- for r in rels:
|
|
|
- verdict[r] = dict(fam=fam['id'], verdict=row['verdict'][0],
|
|
|
- why=row['note'] if row['verdict'][0] != '✓' else row['note'][:120])
|
|
|
- fam_rows.append(row)
|
|
|
-
|
|
|
- # 未归类件 (台账里有, 但没有任何族接住)
|
|
|
- unclassified = []
|
|
|
- for rel, v in LEDGER.items():
|
|
|
- if rel.lower().endswith(('.log', '.jsonl')):
|
|
|
- continue
|
|
|
- if rel in verdict:
|
|
|
- continue
|
|
|
- # 产物走通配没接住的, 也按台账来源判定
|
|
|
- unclassified.append(rel)
|
|
|
- verdict[rel] = dict(fam='(未归类)', verdict='?', why='既不在族表、也无法从台账判定来路')
|
|
|
-
|
|
|
- counts = {}
|
|
|
- for v in verdict.values():
|
|
|
- counts[v['verdict']] = counts.get(v['verdict'], 0) + 1
|
|
|
- if verbose:
|
|
|
- print(f'== 反向呼应审计 · 场站 {farm} · 台账 {len(LEDGER)} 件 · 判定 {len(verdict)} 件 ==')
|
|
|
- print(f' 输入根: {P.rel(station)}')
|
|
|
- print()
|
|
|
- print(f'{"族":26s} {"件数":>6s} {"判定":14s} {"输入类":12s} {"功能 / 算法 / 依据"}')
|
|
|
- for r in fam_rows:
|
|
|
- print(f' {r["id"]:24s} {r["n"]:6d} {r["verdict"]:14s} {str(r["input"] or "—"):12s} '
|
|
|
- f'{r["func"][:34]}')
|
|
|
- if r['note']:
|
|
|
- print(f' └─ {r["note"][:150]}')
|
|
|
- if unclassified:
|
|
|
- print(f'\n 【未归类 {len(unclassified)} 件】')
|
|
|
- for r in unclassified[:20]:
|
|
|
- print(f' ? {r}')
|
|
|
- print('\n 判定汇总: ' + ' · '.join(f'{k}={v}' for k, v in sorted(counts.items())))
|
|
|
- print(f' 判据失败 {len(fails)} 条' + ('：' + '；'.join(fails[:3]) if fails else ''))
|
|
|
- ok = counts.get('✓', 0)
|
|
|
- print(f' 结论: 输出↔输入呼应**成立** {ok} 件 / **不成立(无生成端)** {counts.get("✗", 0)} 件 / '
|
|
|
- f'**人工件** {counts.get("◆", 0)} 件 / 无法验证 {counts.get("~", 0)} 件 / 未归类 {counts.get("?", 0)} 件')
|
|
|
- # ── 逆向工程可行性 (用户令 #2): 没有呼应关系的那些, 能不能推出来 ──
|
|
|
- import collections as _c
|
|
|
- by_rev = _c.Counter()
|
|
|
- for r in fam_rows:
|
|
|
- by_rev[r.get('rev', '?')] += r['n']
|
|
|
- print()
|
|
|
- print('== 反向「可逆性」矩阵（用户令 2026-09-17 #2: 无生成端的件能否从原件推出来）==')
|
|
|
- print(f'{"族":26s} {"件数":>6s} {"可逆性":22s} 依据')
|
|
|
- for r in fam_rows:
|
|
|
- if r['verdict'][0] == '✓':
|
|
|
- continue
|
|
|
- print(f' {r["id"]:24s} {r["n"]:6d} {r.get("rev", "?"):22s} {r.get("rev_why", "")[:96]}')
|
|
|
- print(' 按件数汇总: ' + ' · '.join(f'{k}={v}' for k, v in by_rev.most_common()))
|
|
|
- rc = 5 if (fails or unclassified) else 0
|
|
|
- return fam_rows, verdict, counts, fails, unclassified, rc
|
|
|
-
|
|
|
-
|
|
|
-def doc_block(farm: str) -> str:
|
|
|
- fam_rows, verdict, counts, fails, unclassified, _rc = audit(farm, verbose=False)
|
|
|
- L = [DOC_BEGIN, '### 13.6 反向呼应审计：自输出 → 功能与算法 → 输入（自动生成，勿手改）', '',
|
|
|
- f'台账 {len(verdict)} 件产物逐件回溯：**呼应成立 {counts.get("✓", 0)} 件** · '
|
|
|
- f'**不成立（无生成端）{counts.get("✗", 0)} 件** · 无法验证 {counts.get("~", 0)} 件 · '
|
|
|
- f'未归类 {counts.get("?", 0)} 件。'
|
|
|
- '判据：① 生成端在位 ② 输入在位 ③ 跨度 ⊆ 输入 / 机组集 ⊆ 输入 / 行数 > 0 / 计数与清单一致。', '',
|
|
|
- '| 输出族（产物 glob） | 件数 | 反向判定 | 功能 | 算法 / 生成端 | 输入（data/raw/<场>/） | 判据 | 说明 |',
|
|
|
- '|---|---:|---|---|---|---|---|---|']
|
|
|
- for r in fam_rows:
|
|
|
- fam = next(f for f in FAMILIES if f['id'] == r['id'])
|
|
|
- L.append(f'| `{fam["glob"]}` | {r["n"]} | {r["verdict"]} | {r["func"]} | {r["algo"]} | '
|
|
|
- f'{r["input"] or "—（无生成端）"} | {r["pred"]} | {r["note"][:160]} |')
|
|
|
- if unclassified:
|
|
|
- L += ['', f'**未归类 {len(unclassified)} 件**（需人工认领）：' + '、'.join(f'`{x}`' for x in unclassified[:12])]
|
|
|
- L += ['', '#### 反向「可逆性」：没有呼应关系的那批，能否从原始件推出来（用户令 2026-09-17 #2）', '',
|
|
|
- '判据两条机器证据：① 生成端在不在包内 ② 产物正文里有没有**人工判断**字段'
|
|
|
- '（`人工/裁决/审核/校准/评审/经验/judge/review/calibrat/verdict`，抽样读件统计命中率）。'
|
|
|
- '含人工判断的件不是任何输入的纯函数 ⇒ 逆向工程推不出来，只能把那一步人工工作重做。', '',
|
|
|
- '| 输出族 | 件数 | 可逆性 | 依据 |', '|---|---:|---|---|']
|
|
|
- for r in fam_rows:
|
|
|
- if r['verdict'][0] == '✓':
|
|
|
- continue
|
|
|
- L.append(f'| `{r["id"]}` | {r["n"]} | {r.get("rev", "?")} | {r.get("rev_why", "")} |')
|
|
|
- import collections as _c
|
|
|
- by_rev = _c.Counter()
|
|
|
- for r in fam_rows:
|
|
|
- by_rev[r.get('rev', '?')] += r['n']
|
|
|
- L += ['', '**按件数汇总**：' + ' · '.join(f'{k} = {v} 件' for k, v in by_rev.most_common()), '',
|
|
|
- '**人工件**：含人工判断字段的件已逐件登记在 outputs/<场>/_human_artifacts.json（用户令 2026-09-17 #3），'
|
|
|
- '它们**不参与**呼应校验（人写成/坐实的东西不是任何输入的纯函数）；生成方式：'
|
|
|
- 'python scripts/products_reverse_audit.py --write-human-manifest。', '',
|
|
|
- '> 结论口径：`可逆(直接)` = 包内已有生成端，接上即可；`可逆(需反推口径)` = 内容是测量数据的函数，'
|
|
|
- '照 `temp_monthly` 的办法反推 + 逐值对拍；`不可逆(人工判断)` = 逆向工程推不出来，'
|
|
|
- '要么由研发补生成端、要么承认它是人工件（不该按产物管）。', DOC_END]
|
|
|
- return '\n'.join(L)
|
|
|
-
|
|
|
-
|
|
|
-def write_doc(farm: str) -> int:
|
|
|
- doc = ROOT / 'docs' / '系统设计说明.md'
|
|
|
- txt = doc.read_text(encoding='utf-8')
|
|
|
- blk = doc_block(farm)
|
|
|
- i, j = txt.find(DOC_BEGIN), txt.find(DOC_END)
|
|
|
- if i >= 0 and j > i:
|
|
|
- txt = txt[:i] + blk + txt[j + len(DOC_END):]
|
|
|
- else: # 首次: 追加到文末
|
|
|
- txt = txt.rstrip('\n') + '\n\n' + blk + '\n'
|
|
|
- doc.write_text(txt, encoding='utf-8', newline='\n')
|
|
|
- print(f'已写入 {P.rel(doc)} (§13.6 反向呼应审计块)')
|
|
|
- return 0
|
|
|
-
|
|
|
-
|
|
|
-def main() -> int:
|
|
|
- ap = argparse.ArgumentParser(description='反向呼应审计: 输出 → 功能与算法 → 输入')
|
|
|
- ap.add_argument('--farm', default=None)
|
|
|
- ap.add_argument('--check', action='store_true', help='只出结论 (有未归类/判据失败 → rc=5)')
|
|
|
- ap.add_argument('--write-doc', action='store_true', help='把族表写进 docs/系统设计说明.md §13.6')
|
|
|
- ap.add_argument('--write-human-manifest', action='store_true',
|
|
|
- help='生成人工件台账 outputs/<场>/_human_artifacts.json (用户令 2026-09-17 #3)')
|
|
|
- a = ap.parse_args()
|
|
|
- if a.write_human_manifest:
|
|
|
- return write_human_manifest(a.farm)
|
|
|
- if a.write_doc:
|
|
|
- return write_doc(a.farm or P.farm())
|
|
|
- _rows, _v, counts, fails, uncl, rc = audit(a.farm, verbose=True)
|
|
|
- if a.check:
|
|
|
- print(f'[{"OK" if rc == 0 else "X"}] 反向呼应审计 rc={rc}'
|
|
|
- + (f'（未归类 {len(uncl)} 件 / 判据失败 {len(fails)} 条）' if rc else '（未归类 0 件、判据无失败）'))
|
|
|
- return rc
|
|
|
-
|
|
|
-
|
|
|
-if __name__ == '__main__':
|
|
|
- for _s in (sys.stdout, sys.stderr):
|
|
|
- try:
|
|
|
- _s.reconfigure(errors='replace')
|
|
|
- except Exception:
|
|
|
- pass
|
|
|
- sys.exit(main())
|
|
|
+#!/usr/bin/env python3
|
|
|
+# -*- coding: utf-8 -*-
|
|
|
+r"""**反向**呼应审计：自输出 → 功能与算法 → 输入（用户令 2026-09-17）。
|
|
|
+
|
|
|
+## 与 `inventory_products.py` 的区别（两个方向，各管一件事）
|
|
|
+
|
|
|
+· `inventory_products.py` 是**正向**：从 `data/raw/<场>/` 的每一类输入出发，找它喂出来的产物，
|
|
|
+ 比跨度/条数（"输入到了 2026-07，产物只到 2026-04 → 未重算"）。它只覆盖 5 类输入、十几件产物。
|
|
|
+· 本器是**反向**：从 `outputs/<场>/` 的**每一件产物**出发，问三个问题：
|
|
|
+ ① 它是谁算出来的？（功能与算法 = 生成端）
|
|
|
+ ② 它从哪份输入算出来的？（`data/raw/<场>/` 的哪一类）
|
|
|
+ ③ 这条"输出 ↔ 输入"的呼应关系**成立吗**？（生成端在位 ∧ 输入在位 ∧ 可机检的对应判据通过）
|
|
|
+ 逐件判定，最后给出"成立 / 不成立（无生成端）/ 无法验证"三类账。
|
|
|
+
|
|
|
+## 为什么必须做反向
|
|
|
+
|
|
|
+正向只查"我关心的输入有没有被算成产物"，查不出**"盘上这件产物到底有没有来路"**。
|
|
|
+2026-09-17 现场就是栽在这里：清了产物之后，页面缺的 `windscada/index.html`、
|
|
|
+`m5_cms_tcm/handoff_vibration_v2.json` 这类件**根本没有生成端**（全库 0 处写入方），
|
|
|
+正向那几条跨度判据一条都不会报 —— 它们压根不在 `INPUTS` 的 `feeds` 里。
|
|
|
+反向一对账就清楚了：**有来路的件**（生成端 + 输入 + 判据都过）与**没来路的件**（只能从交付包补）。
|
|
|
+
|
|
|
+## 判定口径（每条都写进结果里，不含糊）
|
|
|
+
|
|
|
+ ✓ 呼应成立 生成端在位 ∧ 输入在位 ∧ 判据通过（跨度 ⊆ 输入 / 键集 ⊆ 输入 / 计数一致 / 行数 > 0）
|
|
|
+ ~ 输入不在位 生成端知道，但 `data/raw/<场>/<类>` 不在 ⇒ **现在无法验证**（放数据后复跑本器）
|
|
|
+ ✗ 无生成端 全库 0 处写入方 ⇒ **输出↔输入的呼应在原理上不成立**：这件产物无法由输入推导出来，
|
|
|
+ **无法由重算生出来**；按用户令 2026-09-17 #1 运行期也不从交付包补齐 ⇒ 只能由研发补生成端（本器 --feasibility 给出逐族可逆性）
|
|
|
+ ? 未归类 既不在族表里、台账里也没有 —— 需要人工认领（本器把它当缺口报出来）
|
|
|
+
|
|
|
+## 用法
|
|
|
+
|
|
|
+ python scripts/products_reverse_audit.py # 全量反向审计（人看）
|
|
|
+ python scripts/products_reverse_audit.py --check # 只出结论（有 ✗/? 时退出码 5）
|
|
|
+ python scripts/products_reverse_audit.py --write-doc # 把族表写进 docs/系统设计说明.md §13.6
|
|
|
+
|
|
|
+退出码: 0 全部成立（允许 ✗，只要它们都在台账里如实标了 shipped）· 5 有未归类件或判据失败
|
|
|
+"""
|
|
|
+from __future__ import annotations
|
|
|
+
|
|
|
+import argparse
|
|
|
+import fnmatch
|
|
|
+import json
|
|
|
+import pathlib
|
|
|
+import sys
|
|
|
+
|
|
|
+ROOT = pathlib.Path(__file__).resolve().parents[1]
|
|
|
+sys.path.insert(0, str(ROOT))
|
|
|
+sys.path.insert(0, str(ROOT / 'scripts'))
|
|
|
+from src import paths as P # noqa: E402
|
|
|
+import inventory_products as INV # noqa: E402
|
|
|
+
|
|
|
+DOC_BEGIN, DOC_END = '<!-- REVERSE-AUDIT:BEGIN -->', '<!-- REVERSE-AUDIT:END -->'
|
|
|
+
|
|
|
+# ── 族表: 输出(glob) → 功能 / 算法(生成端) / 输入类 / 判据 ────────────────────────────
|
|
|
+# pred: span=产物时间跨度必须落在输入跨度内; turbines=产物机组集 ⊆ 输入机组集;
|
|
|
+# rows=行数>0; count=件数/计数与说明一致; manifest=与清单自记一致
|
|
|
+FAMILIES: list[dict] = [
|
|
|
+ dict(id='vib_window_index', glob='m5_cms_tcm/windows/*/index.parquet', kind='raw-derived',
|
|
|
+ func='振动摄入 · 窗索引', algo='scripts/rudong_tcm_index.py（逐 decode JSON 解析 54 列：turbine/'
|
|
|
+ 'sensor_name/meas_name/trigger_time/rpm/condition_key/alarm_type）',
|
|
|
+ gen='scripts/rudong_tcm_index.py', input='windcms', pred=('span', 'turbines', 'rows'),
|
|
|
+ time_col='trigger_time'),
|
|
|
+ dict(id='vib_spectra', glob=['m5_cms_tcm/windows/*/spectra/**', 'm5_cms_tcm/windows/*/spectra_meta.parquet'],
|
|
|
+ kind='raw-derived',
|
|
|
+ func='振动摄入 · 谱库', algo='scripts/rudong_tcm_spectra.py（FFT_ 测量 → npz 幅值数组, 分片存 `spectra/p<NN>/`）',
|
|
|
+ gen='scripts/rudong_tcm_spectra.py', input='windcms', pred=('npz',)),
|
|
|
+ dict(id='vib_raw_manifest', glob='m5_cms_tcm/vib_raw_manifest.json', kind='raw-derived',
|
|
|
+ func='振动摄入 · 清单', algo='scripts/vib_raw_build.py（汇总窗/谱件数、时间跨度、missing_chain 缺口）',
|
|
|
+ gen='scripts/vib_raw_build.py', input='windcms', pred=('manifest',)),
|
|
|
+ dict(id='scada_alarms', glob='windscada/alarms.parquet', kind='raw-derived',
|
|
|
+ func='三门台账 · 报警', algo='scripts/windscada_alarms_ingest.py（SpreadsheetML *.xls → 事件表）',
|
|
|
+ gen='scripts/windscada_alarms_ingest.py', input='故障报警', pred=('span', 'rows'), time_col='t_on'),
|
|
|
+ dict(id='scada_workorders', glob='windscada/workorders.parquet', kind='raw-derived',
|
|
|
+ func='三门台账 · 工单', algo='scripts/windscada_workorder_ingest.py（检修台账 → 工单表）',
|
|
|
+ gen='scripts/windscada_workorder_ingest.py', input='风机故障记录', pred=('span', 'rows'),
|
|
|
+ time_col='t_report'),
|
|
|
+ dict(id='scada_oil', glob='windscada/oil_samples_index.parquet', kind='raw-derived',
|
|
|
+ func='三门台账 · 油样', algo='scripts/windscada_watch_channels_build.py（油样 PDF → 索引）',
|
|
|
+ gen='scripts/windscada_watch_channels_build.py', input='油样报告', pred=('span', 'rows'),
|
|
|
+ time_col='date'),
|
|
|
+ dict(id='scada_monthly', glob='windscada/temp_monthly.parquet', kind='raw-derived',
|
|
|
+ func='月度派生件', algo='scripts/windscada_monthly_build.py（逐值对齐随包件 19,494/19,494）',
|
|
|
+ gen='scripts/windscada_monthly_build.py', input='scada_10min', pred=('span', 'rows'), time_col='month'),
|
|
|
+ dict(id='scada_derived', glob='windscada/*.parquet', kind='raw-derived',
|
|
|
+ func='SCADA 派生分析（功率曲线/损失/曲线/控制/停机/温度/偏航/液压/热链/系统辅助）',
|
|
|
+ algo='src/windscada/perf/{powercurve,availability,curves,control,faults} + subsys/{temp_nbm,yaw,'
|
|
|
+ 'hydraulic,thermal_chain} + taxonomy.py',
|
|
|
+ gen='src/windscada/perf/powercurve.py', input='scada_10min', pred=('rows',)),
|
|
|
+ dict(id='ontology_core', glob='ontology/{objects.json,retrieval_index.json,turbine_params.parquet}',
|
|
|
+ kind='raw-derived',
|
|
|
+ func='本体层 · 码表/对象库/检索索引/实机参数',
|
|
|
+ algo='python -m src.ontology.kb_ingest → populate → chain_ingest → trend_ingest；'
|
|
|
+ 'src.ontology.retrieval.build；src.ontology.maintenance.refresh_params',
|
|
|
+ gen='src/ontology/kb_ingest.py', input='西门子4.0技术资料', pred=('rows',)),
|
|
|
+
|
|
|
+ dict(id='ontology_aux_build', glob=['ontology/_id_alias.json', 'ontology/retrieval_vec.npy'],
|
|
|
+ kind='raw-derived',
|
|
|
+ func='本体层 · 别名表与向量索引缓存', algo='src.ontology.kb_ingest（别名）/ '
|
|
|
+ 'src.ontology.retrieval.build(use_vec=True)（向量）',
|
|
|
+ gen='src/ontology/kb_ingest.py', input='西门子4.0技术资料', pred=('rows',)),
|
|
|
+ dict(id='ontology_domain', glob=['ontology/oil_2026H2_huabiao.json', 'ontology/parts_cost_public.json',
|
|
|
+ 'ontology/scenario_29_repair.json'],
|
|
|
+ kind='shipped',
|
|
|
+ func='本体层 · 领域数据件（油样台账/备件价格/场景修复）', algo='（无生成端, 领域正本出件）',
|
|
|
+ gen=None, input=None, pred=(), why='领域正本随包发来, 不由 data/raw 推导'),
|
|
|
+
|
|
|
+ # ── 以下族: 全库 0 处写入方 ⇒ 反向呼应**在原理上不成立**（如实记账, 不假装成立）────
|
|
|
+ # ★2026-09-18 用户令补充: 这些件**运行期一律不从交付包补**(用户令 2026-09-17 #1 的延伸),
|
|
|
+ # 页面如实为空/降级; 要出件只有两条路 —— ① 研发补生成端; ② 现场正本随原始件进 data/raw。
|
|
|
+ # 故本表的 why 里不再写"从交付包补齐"那种话(那是**离线人工补救**, 见 products_restore_missing.py)。
|
|
|
+ dict(id='vib_model_run_l6', glob=['m5_cms_tcm/model_run_l6.parquet', 'm5_cms_tcm/model_run_summary.json'],
|
|
|
+ kind='raw-derived',
|
|
|
+ func='六层链 model_run 步 · L6 过闸谱线表 + 层小结',
|
|
|
+ algo='scripts/rudong_model_run.py（候选线=oem_scan_plan 的 11 部件×{BPFI,BPFO,BSF}; 过闸='
|
|
|
+ 'src/sop/discriminators.py::spectral_line_gates G1–G8; 定级=vib_verdict_and_writeback）',
|
|
|
+ gen='scripts/rudong_model_run.py', input='m5_cms_tcm', pred=('rows',),
|
|
|
+ why='★2026-09-19 按口径重建（**无标准答案**: 这两件从未随包, 无法逐值对拍）; 峰值拾取仍是本器自定'
|
|
|
+ '(目标频率 ±2 bin 取最大), 不得当"复现"用 —— 见 docs/振动六层链_接口规格与缺口_v0.1.md §3'),
|
|
|
+ dict(id='vib_fusion_38', glob='m5_cms_tcm/fusion_38.csv', kind='raw-derived',
|
|
|
+ func='六层链 fusion 步 · 逐台融合表（报告"融合级"列的来源）',
|
|
|
+ algo='scripts/rudong_fusion_run.py::fusion_table（模型侧=model_run_l6 过闸线; CMS 侧=窗索引 '
|
|
|
+ 'RedMask/YellowMask; 裁决=src/sop/fusion_diag.py::fuse）',
|
|
|
+ gen='scripts/rudong_fusion_run.py', input='m5_cms_tcm', pred=('rows',),
|
|
|
+ why='★按口径重建（无标准答案）: 台号用 WTGnn 形态（消费端 registry 的键）, 与 l6 的 f"{n}#" 不同'),
|
|
|
+ dict(id='vib_fleet_scalar_z', glob='m5_cms_tcm/fleet_scalar_z.parquet', kind='raw-derived',
|
|
|
+ func='振动线 · 全场标量 z 值 (fusion 步出件)',
|
|
|
+ algo='scripts/rudong_fusion_run.py（逆向工程实现: 窗索引 scalar_value → 同 (传感器,测量,工况) 族中位 '
|
|
|
+ '→ 稳健 z=(val−med)/(1.4826·MAD); 与随包样件 8,887 行逐值对拍 val 列 100% 一致）',
|
|
|
+ # input 写**原始件目录名**(族表口径: data/raw/<场>/<input>); 真实取数经窗索引一跳,
|
|
|
+ # 而窗索引本身是 raw-derived(vib_window_index 族) —— 写 windows/_*.parquet 会让审计判"输入不在位"。
|
|
|
+ gen='scripts/rudong_fusion_run.py', input='m5_cms_tcm', pred=('rows',),
|
|
|
+ why='2026-09-18 上链: 由 vib_raw_build.py 的 --with-report 分支按当次窗名调用, '
|
|
|
+ '使 /api/fleet 的振动标量 z 面不再空白'),
|
|
|
+ dict(id='vib_fusion_handoff', glob='m5_cms_tcm/handoff_vibration_v2.json', kind='raw-derived',
|
|
|
+ func='融合面 handoff (观澜自算, 同结构于振动线手交件)',
|
|
|
+ algo='scripts/rudong_fusion_handoff.py（报告状态等级 + fusion_38 融合裁决 + L6 过闸线 → 同结构, '
|
|
|
+ 'meta.from 标明"观澜自算"）',
|
|
|
+ gen='scripts/rudong_fusion_handoff.py', input='m5_cms_tcm', pred=('rows',),
|
|
|
+ why='★2026-09-19 用户令「所有的计算均要形成观澜的源代码」: 这件此前全库 0 处写入方(振动线人写), '
|
|
|
+ '新机器装完 `/detail/v2` 的「需要关注/全场状态」必然空白。现由观澜自算出同结构件; '
|
|
|
+ '盘上若有**振动线正本**, 生成端不覆盖(正本含人工裁决, 优先)'),
|
|
|
+ dict(id='vib_handoff_and_scans', glob='m5_cms_tcm/*.{json,parquet,csv,md,txt}',
|
|
|
+ kind='shipped',
|
|
|
+ func='振动线出件与专项扫描（handoff / 历史 / 基线 / 各类 freq scan / 判级台账）', algo='（无生成端）',
|
|
|
+ gen=None, input=None, pred=(), why='振动六层链四步脚本未随包（oem_frequency_scan 等）⇒ '
|
|
|
+ '运行期不从交付包补(用户令 2026-09-17); 要出件须研发补生成端, '
|
|
|
+ '或由现场正本随原始件进 data/raw 后重算'),
|
|
|
+ dict(id='vib_figs', glob='m5_cms_tcm/figs/*', kind='shipped',
|
|
|
+ func='振动线出图（谱图/趋势图）', algo='（无生成端）', gen=None, input=None, pred=(),
|
|
|
+ why='随包快照（振动线出件）'),
|
|
|
+ # ★2026-09-19 拆族 (用户令「所有的计算均要形成观澜的源代码」): `windscada/index.html` 是
|
|
|
+ # `/detail/v2` 的「全场状态总览」iframe 目标, 此前整族记为"无生成端" ⇒ 新机器上那块必然显示
|
|
|
+ # "产物不在位"。现在它由 `scripts/windscada_overview_build.py` 用**组件同一个快照烘焙器**
|
|
|
+ # (src/windscada/ui/snapshot.py::bake, /v2/snapshot 用的就是它)从重算产物生成 ⇒ 单列一族。
|
|
|
+ dict(id='windscada_overview', glob='windscada/index.html', kind='raw-derived',
|
|
|
+ func='总览「全场状态」页 (单文件: 接口响应烤进页面, 离线可开)',
|
|
|
+ algo='scripts/windscada_overview_build.py（ctx 取数函数与在线 /api/* 同一实现; 经 '
|
|
|
+ 'src/windscada/ui/snapshot.py::bake 烘焙）',
|
|
|
+ gen='scripts/windscada_overview_build.py', input='scada_10min', pred=('rows',),
|
|
|
+ why='2026-09-19 用户令后上链: 该页此前是随包件(全库 0 处写入方), 清过产物的机器上 iframe 只能'
|
|
|
+ '显示"产物不在位"; 现在由观澜自算, 每次重算随数据更新'),
|
|
|
+ dict(id='windscada_pages', glob='windscada/{turbines/*,review/*}', kind='shipped',
|
|
|
+ func='逐台静态页 + 评审记录（当前由组件按请求动态出页, 静态件仍属随包快照）', algo='（无生成端）',
|
|
|
+ gen=None, input=None, pred=(), why='逐台页在运行期由 /turbine/<台> 动态生成, 静态副本无写入方; '
|
|
|
+ '运行期不从交付包补(用户令 2026-09-17)'),
|
|
|
+ # ★2026-09-18 补: `windcms/cache/*` 是**读侧缓存**(标量按内容哈希落盘), 它不是随包快照 ——
|
|
|
+ # 原先 `windcms_pages`(shipped) 先认领了它, 于是重算后新写的缓存被记成"包内无生成端"。
|
|
|
+ # 写方在 src/windcms/data.py::load_scalars (窗索引 → 标量), 故单列一族并放在 windcms_pages 之前。
|
|
|
+ dict(id='windcms_cache', glob='windcms/cache/*', kind='raw-derived',
|
|
|
+ func='CMS 报告侧 · 标量缓存', algo='src/windcms/data.py::load_scalars（窗索引 → 标量数组, '
|
|
|
+ '按内容哈希命名落 cache/）', gen='src/windcms/data.py', input='windcms', pred=('rows',)),
|
|
|
+ # ★2026-09-18 补 (用户令"页面只能基于输入数据重算"之后): `windcms/**` 整族原先一律按
|
|
|
+ # "无生成端"记账 —— 但**报告两步的生成端就在包内**(scripts/windcms.py report → src/windcms/
|
|
|
+ # report.py + report_std.py), 只要 data/raw/<场>/windcms 里有 decode 导出就出得来。
|
|
|
+ # 实测(2026-09-18): 从重算出的窗 w0316 一键跑出标准模版报告 + 38 台逐台页 + 总览, 判级 38 台
|
|
|
+ # (报警 3 / 优秀 35), 缺的只有 model_run/fusion 两步的融合级列(如实写 —)。故拆成两族按 raw-derived 记。
|
|
|
+ dict(id='windcms_report_std', glob=['windcms/报告_CMS振动状态评估报告_*.md',
|
|
|
+ 'windcms/报告_CMS振动状态评估报告_*.docx',
|
|
|
+ 'windcms/登记_三轴_38台.csv'], kind='raw-derived',
|
|
|
+ func='CMS 标准模版评估报告 (三轴: 状态等级 × 证据状态 × 行动等级建议)',
|
|
|
+ algo='src/windcms/report_std.py::build（结构化判级 → 报告 md + docx + 登记 csv; '
|
|
|
+ '由 scripts/windcms.py report 调用）',
|
|
|
+ gen='src/windcms/report_std.py', input='windcms', pred=('rows',),
|
|
|
+ why='★同名件有两种来源: 观澜自算(本族: 从 data/raw/<场>/windcms 的 *_decode.json 算) 与 '
|
|
|
+ '厂家报告转录(scripts/vib_reports_build.py, 输入是现场振动分析报告 PDF)。按名字认领不了'
|
|
|
+ '这层区别 ⇒ 以"是否由本步生成"为准, 判据看 m5_cms_tcm/vib_raw_manifest.json 的 steps'),
|
|
|
+ dict(id='windcms_report_overview', glob=['windcms/report.md', 'windcms/index.html',
|
|
|
+ 'windcms/index_eng.html', 'windcms/overview.html',
|
|
|
+ 'windcms/turbines/*'], kind='raw-derived',
|
|
|
+ func='CMS 诊断总览页 + 逐台页 + 结构化层报告',
|
|
|
+ algo='src/windcms/report.py::build（逐台 turbines/<台>.html + 总览 overview/index.html + '
|
|
|
+ 'report.md; 融合级列要 model_run/fusion 出件, 缺则如实写"—"）',
|
|
|
+ gen='src/windcms/report.py', input='windcms', pred=('rows',)),
|
|
|
+ dict(id='windcms_kb', glob='windcms/kb.json', kind='raw-derived',
|
|
|
+ func='CMS 知识库索引 (问答检索用)',
|
|
|
+ algo='src/windcms/knowledge.py::build（由 scripts/windcms.py kb 调用; 离线无模型时 0 chunks 也算跑成）',
|
|
|
+ gen='src/windcms/knowledge.py', input='windcms', pred=('rows',)),
|
|
|
+ dict(id='windcms_pages', glob='windcms/**', kind='shipped',
|
|
|
+ func='windcms 里其余件 (厂家报告转录 / 知识库出件等)',
|
|
|
+ algo='（无随包生成端）', gen=None, input=None, pred=(),
|
|
|
+ why='上述两族与 cache 之外剩下的 windcms 件: 运行期不从交付包补(用户令 2026-09-17), '
|
|
|
+ '要出件须研发补生成端'),
|
|
|
+ # ★2026-09-19 用户令「要让观澜从重算台账生成 claim」: findings 与三份底稿改由**观澜自算**
|
|
|
+ # (scripts/sop_findings_from_ledger.py 从 alarms/workorders/oil/temp_bins/powercurve_dev/loss_monthly/L6
|
|
|
+ # 算 claim, 按契约构建器要的字段结构写) ⇒ 单列一族; 契约四件随之由 scripts/guanlan_facts_contract.py 生成。
|
|
|
+ dict(id='ledger_claims', glob=['sop/findings.json', 'paradigm_r1/experiments/*/底稿*.json'],
|
|
|
+ kind='raw-derived',
|
|
|
+ func='事实契约的 claim 本体与底稿 (观澜自算, 替代人裁底稿)',
|
|
|
+ algo='scripts/sop_findings_from_ledger.py（六族 claim: 报警集中/重复检修/停机损失/温度离群/功率曲线偏离/振动过闸线; '
|
|
|
+ '每条带 coverage·缺证据·证伪判据, 相对判据封顶「候选」）',
|
|
|
+ gen='scripts/sop_findings_from_ledger.py', input='scada_10min', pred=('rows',),
|
|
|
+ why='输入是**重算产物**(windscada/*.parquet + m5_cms_tcm/*): 其 raw 祖先是 故障报警/风机故障记录/scada_10min; '
|
|
|
+ '本族单列以区别于旧的人裁底稿(同路径旧件无生成端)'),
|
|
|
+ dict(id='sop_workspace', glob='sop/**', kind='shipped',
|
|
|
+ func='SOP 中间件/评审/事实契约底稿', algo='（无生成端）', gen=None, input=None, pred=(),
|
|
|
+ why='评审过程件, 属人工作业留痕'),
|
|
|
+ dict(id='tcm_replay', glob='tcm_compatible_replay/**', kind='shipped',
|
|
|
+ func='TCM 兼容链回放资产（模型表/掩码阈值/裁决记录）', algo='（无生成端）', gen=None, input=None,
|
|
|
+ pred=(), why='随包快照'),
|
|
|
+ dict(id='paradigm_r1', glob='paradigm_r1/**', kind='shipped',
|
|
|
+ func='范式实验件（E3/E5/E8 底稿）', algo='（无生成端）', gen=None, input=None, pred=(),
|
|
|
+ why='实验底稿, 事实契约的输入'),
|
|
|
+ dict(id='pitch_shipped', glob='pitch/**', kind='shipped',
|
|
|
+ func='变桨侧派生件（零位/日粒度）', algo='（无生成端；rebuild_from_raw --scada 只覆盖其中一部分）',
|
|
|
+ gen=None, input=None, pred=(), why='无生成端 ⇒ 运行期不从交付包补(用户令 2026-09-17), '
|
|
|
+ '页面降级; 要出件须研发补生成端'),
|
|
|
+ dict(id='ontology_releases', glob='ontology/release_*/*', kind='shipped',
|
|
|
+ func='本体发布层 r1/r2（只读暴露给网关 /release/）', algo='（无生成端）', gen=None, input=None,
|
|
|
+ pred=(), why='发布层清单, 由研发出件'),
|
|
|
+ # ★2026-09-19 用户令「所有的计算均要形成观澜的源代码」+「从重算台账生成 claim」:
|
|
|
+ # 这一族从"无生成端"改成 raw-derived —— 生成端 guanlan_facts_contract.py 本来就在包内,
|
|
|
+ # 原来缺的是**它的输入**(人裁底稿); 现在输入由上游族 ledger_claims 自算
|
|
|
+ # (scripts/sop_findings_from_ledger.py) ⇒ 新机器上重算即得, /api/facts 不再 503。
|
|
|
+ dict(id='guanlan_contract', glob='guanlan/**', kind='raw-derived',
|
|
|
+ func='事实契约与对外派生（门户结论段/取数）',
|
|
|
+ algo='scripts/guanlan_facts_contract.py（build→render: 契约 + portal_claims/detail_cards/qa_refs/'
|
|
|
+ 'report_summary; 输入=上游族 ledger_claims 自算的 sop/findings.json + 三份底稿）',
|
|
|
+ gen='scripts/guanlan_facts_contract.py', input='scada_10min', pred=('rows',),
|
|
|
+ why='输入与 data/raw 隔着两跳(重算台账 → claims → 契约), 但**两跳的生成端都在包内**; '
|
|
|
+ 'claim 的判据/缺证据/证伪逐条写在件里, 相对判据封顶「候选」'),
|
|
|
+ dict(id='windscada_release_manifest', glob='windscada/release-manifest.json', kind='source-derived',
|
|
|
+ func='发布清单快照（`/healthz` 与版本信息读它）',
|
|
|
+ algo='scripts/guanlan_baseline_manifest.py（从 src/windscada/ui 源重建 zh 页 → 摘要 '
|
|
|
+ '{css_tokens, nav, dom, sha256, source blobs}）',
|
|
|
+ gen='scripts/guanlan_baseline_manifest.py', input=None, pred=(),
|
|
|
+ why='★ 2026-09-17 修正: 它一度被我按"交证件"错分成非产物; 实际**包内有生成端**'
|
|
|
+ '(guanlan_baseline_manifest.py 就写这个路径), 且 guanlan_gateway.py 运行期读它 ⇒ 是产物'),
|
|
|
+ dict(id='human_deliverables',
|
|
|
+ glob=['windscada/mblub_alarm_cross.json', 'windscada/review_presented.json',
|
|
|
+ 'windscada/给振动线_温度轴回复_20260826.json', 'windscada/给振动线_温度轴回复_20260826.md',
|
|
|
+ 'windscada/送审_系统结论与判定_20260828.md'],
|
|
|
+ kind='human',
|
|
|
+ func='**人工正本/交证件**：与振动线的跨线通知、送审结论、发布评审快照',
|
|
|
+ algo='（人写的, 不是算出来的）', gen=None, input=None, pred=(),
|
|
|
+ why='这几件是"人对人的交证件/回执", 内容由分析结论抄写与人判断坐实而成; '
|
|
|
+ 'mblub_alarm_cross.json 还被 src/ontology/populate.py 当作**证据来源**引用 ⇒ '
|
|
|
+ '必须随包留在原位, 但**不参与呼应校验**(它本来就没有生成端, 也不该有)'),
|
|
|
+ dict(id='scratch_in_products', glob=['**/_*.js', '**/_*audit*.md', '**/*.out', '**/*.err',
|
|
|
+ '**/*_test_*.parquet', '**/*_test_*.json'],
|
|
|
+ kind='not-product',
|
|
|
+ func='**非产物**：自审脚本/记录与模型测试输出（躺在产物仓里）', algo='（工具脚本与运行痕迹, 不是产物）',
|
|
|
+ gen=None, input=None, pred=(),
|
|
|
+ why='2026-09-17: 17 件已移出到 reference/非产物留痕_20260917/ 并留了 _来源说明.json ⇒ '
|
|
|
+ '本族现在应为空; 一旦再出现(新脚本往产物仓里写 .out/_audit.js 之类), 本器当场报出来'),
|
|
|
+]
|
|
|
+
|
|
|
+
|
|
|
+def _files_of(glob) -> list[str]:
|
|
|
+ """族 glob（str 或 list）→ 台账里的相对键（支持 `{a,b}` 花括号与 `*`）。
|
|
|
+
|
|
|
+ ★ 深度必须**显式对齐**（2026-09-17 第一版踩过）: `fnmatch` 的 `*` 是**跨 `/`** 的, 于是
|
|
|
+ `windscada/*.parquet` 会把 `windscada/turbines/xx.parquet`、`windscada/_pre_rebuild_*/xx.parquet`
|
|
|
+ 一起吞进来 —— 反向审计最怕"族把不该管的件认领了", 那样账就假了。
|
|
|
+ 规则: 模式里没有 `**` 时, 要求的 `/` 个数必须与键的 `/` 个数**相等**(逐条展开后各自判)。
|
|
|
+ """
|
|
|
+ pats = []
|
|
|
+ for g in ([glob] if isinstance(glob, str) else list(glob)):
|
|
|
+ if '{' in g:
|
|
|
+ head, tail = g.split('{', 1)
|
|
|
+ opts, rest = tail.split('}', 1)
|
|
|
+ pats += [head + o + rest for o in opts.split(',')]
|
|
|
+ else:
|
|
|
+ pats.append(g)
|
|
|
+ out = []
|
|
|
+ for rel in LEDGER:
|
|
|
+ for pt in pats:
|
|
|
+ if '**' not in pt and rel.count('/') != pt.count('/'):
|
|
|
+ continue
|
|
|
+ if fnmatch.fnmatch(rel, pt) or rel == pt:
|
|
|
+ out.append(rel)
|
|
|
+ break
|
|
|
+ return sorted(out)
|
|
|
+
|
|
|
+
|
|
|
+LEDGER: dict[str, dict] = {}
|
|
|
+
|
|
|
+
|
|
|
+def load_ledger(farm: str) -> dict[str, dict]:
|
|
|
+ """台账 = `_provenance.json`(逐件来源) + `_derived_manifest.json`(生成端自登记)。"""
|
|
|
+ out: dict[str, dict] = {}
|
|
|
+ root = P.out_root(farm)
|
|
|
+ for fn in ('_provenance.json', '_derived_manifest.json'):
|
|
|
+ f = root / fn
|
|
|
+ if not f.is_file():
|
|
|
+ continue
|
|
|
+ try:
|
|
|
+ d = json.loads(f.read_text(encoding='utf-8'))
|
|
|
+ except Exception:
|
|
|
+ continue
|
|
|
+ for rel, v in (d.get('files') or {}).items():
|
|
|
+ if isinstance(v, dict):
|
|
|
+ out.setdefault(rel, dict(source=v.get('source') or 'raw-derived',
|
|
|
+ builder=v.get('builder') or v.get('by') or '',
|
|
|
+ why=v.get('why') or '',))
|
|
|
+ return out
|
|
|
+
|
|
|
+
|
|
|
+def _input_home(station: pathlib.Path, sub: str) -> pathlib.Path | None:
|
|
|
+ """输入类目录在哪 —— 优先场站目录下, 其次 raw 根下。
|
|
|
+
|
|
|
+ ★ 机理层资料按 A2 约定**不在场站目录下**（`data/raw/西门子4.0技术资料/`, 见 src/windscada/config.py）。
|
|
|
+ 只查场站目录会把本体层判成"输入不在位"（2026-09-17 第一版就这么误报过 3 件）。
|
|
|
+ """
|
|
|
+ for base in (station, station.parent):
|
|
|
+ d = base / sub
|
|
|
+ if d.is_dir():
|
|
|
+ return base
|
|
|
+ return None
|
|
|
+
|
|
|
+
|
|
|
+def _parquet_span(p: pathlib.Path, col: str | None):
|
|
|
+ import pandas as pd
|
|
|
+ try:
|
|
|
+ d = pd.read_parquet(p)
|
|
|
+ except Exception:
|
|
|
+ return None, None, 0
|
|
|
+ n = len(d)
|
|
|
+ if col and col in d.columns:
|
|
|
+ s = pd.to_datetime(d[col], errors='coerce')
|
|
|
+ if s.notna().any():
|
|
|
+ return str(s.min())[:10], str(s.max())[:10], n
|
|
|
+ return None, None, n
|
|
|
+
|
|
|
+
|
|
|
+def _npz_ok(p: pathlib.Path) -> bool:
|
|
|
+ """振动谱件: npz 能读出来且非空（列数不是"行", 不能拿 parquet 的行数判它）。"""
|
|
|
+ try:
|
|
|
+ import numpy as np
|
|
|
+ with np.load(p, allow_pickle=False) as z:
|
|
|
+ return any(z[k].size > 0 for k in z.files)
|
|
|
+ except Exception:
|
|
|
+ return False
|
|
|
+
|
|
|
+
|
|
|
+# 已知"含人工裁决/校准"的随包快照（按用户令 2026-09-17 #3 显式登记为人工件）。依据是文档里已经写明的性质:
|
|
|
+# docs §7「handoff_vibration_v2.json / component_history.json 是随包快照, 该件含人工裁决/校准更新,
|
|
|
+# 不是测量数据的函数」; baseline_38.json 的三层基线 self/absolute 两层由人工坐实; findings.json 是判级发现台账。
|
|
|
+HUMAN_SNAPSHOTS = {
|
|
|
+ 'm5_cms_tcm/component_history.json',
|
|
|
+ 'm5_cms_tcm/baseline_38.json',
|
|
|
+ 'm5_cms_tcm/handoff_vibration_v1.json',
|
|
|
+ 'm5_cms_tcm/findings.json',
|
|
|
+}
|
|
|
+
|
|
|
+# ── 逆向工程可行性 (用户令 2026-09-17 #2) ────────────────────────────────────────────
|
|
|
+# 问的是: "这批没有生成端的产物, 能不能从原始件/在包生成端**推**出来?"
|
|
|
+# 判定不靠印象, 靠两条机器证据:
|
|
|
+# ① 生成端在不在包内（在 → 只是没接上, 跑一次就有）;
|
|
|
+# ② 产物正文里有没有**人工判断**的痕迹（"裁决/审核/校准/评审/经验"这类字段）——
|
|
|
+# 含人工判断的件不是任何输入的纯函数, 逆向工程推不出来, 只能把那一步人工工作重做。
|
|
|
+import re as _re # noqa: E402
|
|
|
+JUDGE_PAT = _re.compile(r'人工|裁决|审核|复核|校准|评审|经验值|专家|judg|review|manual|calibrat|verdict|sign[_ ]?off',
|
|
|
+ _re.I)
|
|
|
+# ★ 只认"**字段**叫这个名字"（`"裁决": …` / `裁决,`），不认正文里顺嘴提一句 ——
|
|
|
+# 2026-09-17 第一版拿整篇子串匹配, 结果把**页面**里的展示标签(`index.html` 里的"评审/人工")当成
|
|
|
+# 人工判断, 于是把"页面"整族误判成不可逆。这属于"判据太糙 → 结论假"。
|
|
|
+JUDGE_KEY_PAT = _re.compile(r'["\']?[^"\',:]{0,24}(人工|裁决|审核|复核|校准|评审|经验值|专家|'
|
|
|
+ r'judg|review|manual|calibrat|verdict|sign[_ ]?off)[^"\',:]{0,24}["\']?\s*[:=]',
|
|
|
+ _re.I)
|
|
|
+
|
|
|
+
|
|
|
+def judgement_evidence(farm: str, rels: list[str], cap: int = 8) -> tuple[int, list[str], int]:
|
|
|
+ """→ (含人工判断字段的抽样比例%, 样例, 被检查件数)。
|
|
|
+
|
|
|
+ 只查**数据/文本件**(.json/.csv/.md/.txt); **页面(.html/.js)不算** —— 页面是产物的渲染,
|
|
|
+ 里面出现"评审/人工"是展示标签, 不代表这份件内含判断。
|
|
|
+ """
|
|
|
+ hit, samples, checked, pages = 0, [], 0, 0
|
|
|
+ for rel in rels[:cap]:
|
|
|
+ p = P.out_root(farm) / rel
|
|
|
+ suf = p.suffix.lower()
|
|
|
+ if suf in ('.html', '.js', '.css', '.htm'):
|
|
|
+ pages += 1
|
|
|
+ continue
|
|
|
+ try:
|
|
|
+ if suf == '.json':
|
|
|
+ txt = p.read_text(encoding='utf-8', errors='replace')[:200000]
|
|
|
+ pat = JUDGE_KEY_PAT
|
|
|
+ elif suf in ('.csv', '.txt'):
|
|
|
+ txt = p.read_text(encoding='utf-8', errors='replace')[:50000]
|
|
|
+ pat = JUDGE_KEY_PAT
|
|
|
+ elif suf == '.md':
|
|
|
+ txt = p.read_text(encoding='utf-8', errors='replace')[:50000]
|
|
|
+ pat = JUDGE_PAT
|
|
|
+ else:
|
|
|
+ continue
|
|
|
+ except Exception:
|
|
|
+ continue
|
|
|
+ checked += 1
|
|
|
+ if pat.search(txt):
|
|
|
+ hit += 1
|
|
|
+ samples.append(rel)
|
|
|
+ return (100 * hit // checked if checked else 0), samples, pages
|
|
|
+
|
|
|
+
|
|
|
+def feasibility(fam: dict, rels: list[str], gen_ok: bool, in_ok: bool,
|
|
|
+ judge_pct: int, judge_samples: list[str], pages: int = 0) -> tuple[str, str]:
|
|
|
+ """→ (可逆性判定, 依据)。四类: 可逆(直接) / 可逆(需反推口径) / 不可逆(人工判断) / 应移出产物仓。"""
|
|
|
+ if fam['kind'] == 'not-product':
|
|
|
+ return '应移出产物仓', '它本就不是产物(工具脚本/交证件/测试输出) ⇒ 该从产物仓移走, 而不是"补生成端"'
|
|
|
+ if gen_ok and in_ok:
|
|
|
+ return '可逆(直接)', f"生成端在包内({fam['gen']})且输入在位 ⇒ 接上/重跑即可"
|
|
|
+ if pages and pages >= max(3, len(rels[:8]) // 2):
|
|
|
+ return '可逆(页面可再生)', ('这一族主要是**页面**(.html): 页面是产物的渲染, 不是独立数据 ⇒ '
|
|
|
+ '接上在包的页面生成端重出即可(未必逐字节同, 能力与数据一致)')
|
|
|
+ m_n = sum(1 for r in rels if r.endswith(('.parquet', '.csv', '.npz')))
|
|
|
+ t_n = len(rels) - m_n
|
|
|
+ split = f'（{m_n} 件测量形态 / {t_n} 件文本·判断件）' if (m_n and t_n) else ''
|
|
|
+ # 两类都占相当比重时, 结论必须是"混合"而不是挑一类代表全族 —— 否则一句判定就把另一半骗过去了
|
|
|
+ if m_n and t_n and min(m_n, t_n) * 4 >= len(rels):
|
|
|
+ return '混合(测量件可反推 / 文本件需人定)', split + \
|
|
|
+ '测量形态的件可由 data/raw 反推口径 + 逐值对拍; 文本/判断件(评审、裁决、回复)推不出来'
|
|
|
+ if judge_pct >= 50 and judge_samples:
|
|
|
+ return '不可逆(人工判断)', (f"抽样 {len(judge_samples)} 件里都写着人工判断字段(如 {judge_samples[0]}) "
|
|
|
+ f"⇒ 不是输入的纯函数, 逆向工程推不出来")
|
|
|
+ if m_n and m_n * 2 >= len(rels):
|
|
|
+ return '可逆(需反推口径)', split + '测量形态的件是测量数据的函数 ⇒ 可从 data/raw 反推口径 + 逐值对拍' \
|
|
|
+ '(做法同 temp_monthly: 反推 → 逐值一致才敢用)'
|
|
|
+ if gen_ok:
|
|
|
+ return '半可逆(生成端在包, 输入不足)', '生成端在包内, 缺的是上游输入 ⇒ 上游补齐后即可重出'
|
|
|
+ if judge_pct > 0:
|
|
|
+ return '半可逆(需人工裁定)', f'抽样里 {judge_pct}% 的件含人工判断字段 ⇒ 机器部分可推、判断部分要人定'
|
|
|
+ return '需人工裁定', '既无生成端、形态也不是测量函数 ⇒ 需研发给口径或领域正本'
|
|
|
+
|
|
|
+
|
|
|
+def _turbines_of(p: pathlib.Path, col: str = 'turbine', cap: int = 200000):
|
|
|
+ import pandas as pd
|
|
|
+ try:
|
|
|
+ d = pd.read_parquet(p, columns=[col]) if col else pd.read_parquet(p)
|
|
|
+ except Exception:
|
|
|
+ return None
|
|
|
+ try:
|
|
|
+ return {str(x).upper() for x in d[col].dropna().unique()} if col in d.columns else None
|
|
|
+ except Exception:
|
|
|
+ return None
|
|
|
+
|
|
|
+
|
|
|
+def _input_turbines(station: pathlib.Path, sub: str):
|
|
|
+ """输入侧机组集合: 逐台 CSV 文件名 / 目录名里的 WTG 号。"""
|
|
|
+ d = station / sub
|
|
|
+ if not d.is_dir():
|
|
|
+ return None
|
|
|
+ out = set()
|
|
|
+ for p in d.rglob('*'):
|
|
|
+ if p.is_file():
|
|
|
+ for m in __import__('re').finditer(r'(WTG\s?\d{1,2})', p.name.upper()):
|
|
|
+ out.add(m.group(1).replace(' ', ''))
|
|
|
+ return out or None
|
|
|
+
|
|
|
+
|
|
|
+def classify_human(farm: str, rels: list[str], cap: int = 600) -> set[str]:
|
|
|
+ """逐件判"是不是人工件"（用户令 2026-09-17 #3：人工件不再按自动产物参与呼应校验）。
|
|
|
+
|
|
|
+ 判据：**非测量形态**的件（.md/.json/.csv/.txt）里出现人工判断字段（按字段名匹配）。
|
|
|
+ 测量形态件（.parquet/.csv 数值、.npz）一律不算人工件 —— 它们是数据的函数，属"可反推"那一路。
|
|
|
+ """
|
|
|
+ human: set[str] = set()
|
|
|
+ for rel in rels[:cap]:
|
|
|
+ if rel in HUMAN_SNAPSHOTS: # ① 文档里已写明含人工裁决/校准的随包快照
|
|
|
+ human.add(rel)
|
|
|
+ continue
|
|
|
+ suf = pathlib.Path(rel).suffix.lower()
|
|
|
+ if suf == '.md': # ② 产物仓里的 .md 一律是报告/交证/评审记录(人写的)
|
|
|
+ human.add(rel)
|
|
|
+ continue
|
|
|
+ if suf == '.txt':
|
|
|
+ pat = JUDGE_PAT
|
|
|
+ elif suf in ('.json', '.csv'):
|
|
|
+ pat = JUDGE_KEY_PAT
|
|
|
+ else:
|
|
|
+ continue
|
|
|
+ p = P.out_root(farm) / rel
|
|
|
+ try:
|
|
|
+ txt = p.read_text(encoding='utf-8', errors='replace')[:120000]
|
|
|
+ except Exception:
|
|
|
+ continue
|
|
|
+ if pat.search(txt): # ③ 正文里有"人工判断字段"
|
|
|
+ human.add(rel)
|
|
|
+ return human
|
|
|
+
|
|
|
+
|
|
|
+def write_human_manifest(farm: str | None = None) -> int:
|
|
|
+ """把人工件逐件落成 `outputs/<场>/_human_artifacts.json`（机器台账，供自检与审计引用）。"""
|
|
|
+ farm = farm or P.farm()
|
|
|
+ global LEDGER
|
|
|
+ LEDGER = load_ledger(farm)
|
|
|
+ entries: dict[str, dict] = {}
|
|
|
+ for fam in FAMILIES:
|
|
|
+ if fam['kind'] not in ('shipped', 'human', 'not-product'):
|
|
|
+ continue
|
|
|
+ rels = [r for r in _files_of(fam['glob']) if r not in entries]
|
|
|
+ if not rels:
|
|
|
+ continue
|
|
|
+ if fam['kind'] == 'human':
|
|
|
+ for r in rels:
|
|
|
+ entries[r] = dict(kind='human', family=fam['id'], evidence='族内显式登记为人工正本/交证件')
|
|
|
+ continue
|
|
|
+ for r in classify_human(farm, rels):
|
|
|
+ if r not in entries:
|
|
|
+ entries[r] = dict(kind='human', family=fam['id'],
|
|
|
+ evidence='件内含人工判断字段（按字段名匹配），不是输入的纯函数')
|
|
|
+ out = P.out_root(farm) / '_human_artifacts.json'
|
|
|
+ out.write_text(json.dumps(dict(
|
|
|
+ at=__import__('time').strftime('%Y-%m-%d %H:%M:%S'),
|
|
|
+ note='人工件台账（用户令 2026-09-17 #3）：这些件由人写成/坐实，不是任何输入的纯函数 ⇒ '
|
|
|
+ '不参与"输出↔输入呼应"校验；随包留在原位，重算不会也不该重写它们。'
|
|
|
+ '本文件由 scripts/products_reverse_audit.py --write-human-manifest 生成。',
|
|
|
+ count=len(entries), files=entries), ensure_ascii=False, indent=1), encoding='utf-8')
|
|
|
+ by_fam: dict[str, int] = {}
|
|
|
+ for v in entries.values():
|
|
|
+ by_fam[v['family']] = by_fam.get(v['family'], 0) + 1
|
|
|
+ print(f'人工件台账: {len(entries)} 件 → {P.rel(out)}')
|
|
|
+ for k, v in sorted(by_fam.items(), key=lambda kv: -kv[1]):
|
|
|
+ print(f' {k:24s} {v:4d} 件')
|
|
|
+ return 0
|
|
|
+
|
|
|
+
|
|
|
+def audit(farm: str | None = None, verbose: bool = True):
|
|
|
+ farm = farm or P.farm()
|
|
|
+ global LEDGER
|
|
|
+ LEDGER = load_ledger(farm)
|
|
|
+ # ★ 场站原始件目录用唯一取用口 (场站名可与 farm 键不同: 键 = rudong, 目录 = data/raw/如东)
|
|
|
+ from src.windscada.config import raw_station_dir
|
|
|
+ station = pathlib.Path(raw_station_dir(farm))
|
|
|
+ verdict: dict[str, dict] = {}
|
|
|
+ fam_rows = []
|
|
|
+ fails: list[str] = []
|
|
|
+
|
|
|
+ for fam in FAMILIES:
|
|
|
+ # ★ 族按**声明顺序**认领, 先声明的先拿 (否则 `m5_cms_tcm/*` 这种宽通配会把 windows/ 下
|
|
|
+ # 1704 件也吞进来 —— fnmatch 的 `*` 是跨 `/` 的, 2026-09-17 第一版就这么误判过)
|
|
|
+ rels = [r for r in _files_of(fam['glob']) if r not in verdict]
|
|
|
+ rels = [r for r in rels if not r.lower().endswith(('.log', '.jsonl'))]
|
|
|
+ if not rels:
|
|
|
+ continue
|
|
|
+ row = dict(id=fam['id'], n=len(rels), func=fam['func'], algo=fam['algo'], input=fam['input'],
|
|
|
+ pred='+'.join(fam['pred']) or '—', verdict='', note='')
|
|
|
+ if fam['kind'] == 'not-product':
|
|
|
+ # ★ 不是产物, 却躺在产物仓里: 反向审计对它的结论是"它压根不该按产物管" ——
|
|
|
+ # 既不需要生成端, 也谈不上与输入呼应（这一类最该被人看见, 故单独一类, 不当失败计）。
|
|
|
+ jp, js, pg = judgement_evidence(farm, rels)
|
|
|
+ fv, fw = feasibility(fam, rels, False, False, jp, js, pg)
|
|
|
+ row['verdict'] = '✗ 非产物'
|
|
|
+ row['note'] = fam.get('why', '')
|
|
|
+ row['rev'], row['rev_why'] = fv, fw
|
|
|
+ for r in rels:
|
|
|
+ verdict[r] = dict(fam=fam['id'], verdict='✗',
|
|
|
+ why='非产物（过程留痕/工具脚本躺在产物仓里）: ' + fam.get('why', ''))
|
|
|
+ elif fam['kind'] == 'human':
|
|
|
+ # ★ 人工正本/交证件 (用户令 2026-09-17 #3): 由人写、被运行期当证据引用,
|
|
|
+ # **不参与呼应校验**——它本来就没有、也不该有生成端; 单独计数, 不混进"无生成端"的失败堆里。
|
|
|
+ row['verdict'] = '◆ 人工件'
|
|
|
+ row['note'] = fam.get('why', '')
|
|
|
+ row['rev'], row['rev_why'] = '人工件(正本/交证)', '人写的, 不参与呼应校验; 随包留在原位'
|
|
|
+ for r in rels:
|
|
|
+ verdict[r] = dict(fam=fam['id'], verdict='◆',
|
|
|
+ why='人工件（人工正本/交证件）: ' + fam.get('why', ''))
|
|
|
+ elif fam['kind'] == 'shipped':
|
|
|
+ jp, js, pg = judgement_evidence(farm, rels)
|
|
|
+ gen_file = ROOT / fam['gen'] if fam.get('gen') else None
|
|
|
+ gen_ok0 = bool(gen_file and gen_file.is_file())
|
|
|
+ # ★ 逐件分人工件 (用户令 2026-09-17 #3): 含人工判断字段的件**不按自动产物参与呼应校验**,
|
|
|
+ # 单独计 ◆; 余下才是真正的"无生成端"。
|
|
|
+ human = classify_human(farm, rels)
|
|
|
+ rest = [r for r in rels if r not in human]
|
|
|
+ fv, fw = feasibility(fam, rest or rels, gen_ok0, False, jp, js, pg)
|
|
|
+ row['verdict'] = '✗ 无生成端' if not human else f'✗ 无生成端 + ◆ 人工件 {len(human)}'
|
|
|
+ row['n'] = len(rest)
|
|
|
+ row['note'] = fam.get('why', '')
|
|
|
+ row['rev'], row['rev_why'] = fv, fw
|
|
|
+ if jp:
|
|
|
+ row['rev_why'] += f'；人工判断字段抽样命中 {jp}%' + (f'（如 {js[0]}）' if js else '')
|
|
|
+ for r in rest:
|
|
|
+ verdict[r] = dict(fam=fam['id'], verdict='✗', why='无生成端（全库 0 处写入方）: ' + fam['why'])
|
|
|
+ for r in human:
|
|
|
+ verdict[r] = dict(fam=fam['id'], verdict='◆',
|
|
|
+ why='人工件（含人工判断字段）: 不参与呼应校验, 随包留在原位')
|
|
|
+ else:
|
|
|
+ # ① 生成端在位
|
|
|
+ gen = ROOT / fam['gen'] if fam.get('gen') else None
|
|
|
+ gen_ok = bool(gen and gen.is_file())
|
|
|
+ # ② 输入在位（场站目录优先, 机理层资料在 raw 根下 —— 见 _input_home）
|
|
|
+ spec = INV.INPUTS.get(fam['input'] or '')
|
|
|
+ i_s = i_e = None
|
|
|
+ i_n = 0
|
|
|
+ i_gran = '年'
|
|
|
+ home = _input_home(station, fam['input']) if fam['input'] else None
|
|
|
+ if home and spec:
|
|
|
+ i_s, i_e, i_n, _note, i_gran = INV.input_span(home, fam['input'], spec)
|
|
|
+ elif home:
|
|
|
+ # 机理层资料这类"没有跨度判据"的输入: 按件数清点即算在位（INV.INPUTS 里没有它们的
|
|
|
+ # 跨度口径 —— 技术资料是文档而不是时序数据, 拿跨度比毫无意义）
|
|
|
+ i_n = sum(1 for p in (home / fam['input']).rglob('*') if p.is_file())
|
|
|
+ i_gran = '年'
|
|
|
+ elif fam['kind'] == 'source-derived':
|
|
|
+ # ★ 输入是**包内源码**而不是 data/raw（如发布清单快照: 从 src/windscada/ui 重建页再摘要）。
|
|
|
+ # 生成端在位 = 输入在位, 这类产物的"呼应"是对源码的, 不是对原始件的。
|
|
|
+ i_n = 1
|
|
|
+ i_s = i_e = '包内源码'
|
|
|
+ in_ok = i_n > 0
|
|
|
+ passed, notes = [], []
|
|
|
+ if fam['pred'] and in_ok:
|
|
|
+ if 'span' in fam['pred']:
|
|
|
+ p_s, p_e, n = _parquet_span(P.out_root(farm) / rels[0], fam.get('time_col'))
|
|
|
+ if p_s and i_s and (p_s[:7] < i_s[:7]):
|
|
|
+ # ★ 年粒度输入（按文件名年份推的）不判失败: 与正向检查同一条教训 ——
|
|
|
+ # 台账 xls 里可能含比文件名年份更早的历史记录, 拿年粒度当"输入起点"会造假缺口
|
|
|
+ # (2026-09-17 实测: 工单产物起点 2020-01 而输入文件名最早 2021 ⇒ 不是数据串了)。
|
|
|
+ msg = f'产物起点 {p_s} 早于输入起点 {i_s}'
|
|
|
+ if i_gran in ('日', '月'):
|
|
|
+ fails.append(f"{fam['id']}: {msg}（跨窗混入 / 键错）")
|
|
|
+ notes.append('⚠ ' + msg)
|
|
|
+ else:
|
|
|
+ notes.append(f'{msg}（输入为年粒度, 只作参考: 台账可能含更早的历史行）')
|
|
|
+ passed.append(f'跨度 {p_s}~{p_e} ⊆ 输入 {i_s}~{i_e}')
|
|
|
+ if 'turbines' in fam['pred']:
|
|
|
+ pt = _turbines_of(P.out_root(farm) / rels[0])
|
|
|
+ it = _input_turbines(home, fam['input']) if home else None
|
|
|
+ if pt and it:
|
|
|
+ extra = pt - it
|
|
|
+ if extra:
|
|
|
+ fails.append(f"{fam['id']}: 产物含输入里没有的机组 {sorted(extra)[:5]}")
|
|
|
+ passed.append(f'机组 {len(pt)} 台 ⊆ 输入 {len(it)} 台')
|
|
|
+ if 'rows' in fam['pred']:
|
|
|
+ tot = 0
|
|
|
+ for r in rels[:400]:
|
|
|
+ _s, _e, n = _parquet_span(P.out_root(farm) / r, None) if r.endswith('.parquet') \
|
|
|
+ else (None, None, 1)
|
|
|
+ tot += n
|
|
|
+ if tot <= 0:
|
|
|
+ fails.append(f"{fam['id']}: 产物行数合计为 0")
|
|
|
+ passed.append(f'件内数据行合计 {tot:,}' + ('（抽样 400 件）' if len(rels) > 400 else ''))
|
|
|
+ if 'npz' in fam['pred']:
|
|
|
+ sample = rels[:5]
|
|
|
+ bad = [r for r in sample if not _npz_ok(P.out_root(farm) / r)]
|
|
|
+ if bad:
|
|
|
+ fails.append(f"{fam['id']}: 抽样 {len(bad)}/{len(sample)} 件 npz 读不出或为空")
|
|
|
+ passed.append(f'{len(rels)} 件谱（抽样 {len(sample)} 件 npz 均可读非空）· 输入源 {i_n} 件')
|
|
|
+ if 'manifest' in fam['pred']:
|
|
|
+ try:
|
|
|
+ mf = json.loads((P.out_root(farm) / rels[0]).read_text(encoding='utf-8'))
|
|
|
+ passed.append('清单自记: ' + ', '.join(f'{k}={v}' for k, v in list(mf.items())[:3]))
|
|
|
+ except Exception as e:
|
|
|
+ fails.append(f"{fam['id']}: 清单读不出来 ({type(e).__name__})")
|
|
|
+ if not gen_ok:
|
|
|
+ row['verdict'] = '✗ 生成端不在位'
|
|
|
+ row['note'] = f"缺 {fam['gen']}"
|
|
|
+ fails.append(f"{fam['id']}: 生成端不在位 {fam['gen']}")
|
|
|
+ elif not in_ok:
|
|
|
+ row['verdict'] = '~ 输入不在位'
|
|
|
+ row['note'] = (f"缺 {(home / fam['input']) if home else station / str(fam['input'])}"
|
|
|
+ ' ⇒ 现在无法验证（放数据后复跑本器）')
|
|
|
+ else:
|
|
|
+ row['verdict'] = '✓ 呼应成立'
|
|
|
+ row['note'] = '；'.join(notes + passed)
|
|
|
+ row['rev'], row['rev_why'] = '已在重算链上', '生成端在位、输入在位、判据通过 —— 无需逆向工程'
|
|
|
+ for r in rels:
|
|
|
+ verdict[r] = dict(fam=fam['id'], verdict=row['verdict'][0],
|
|
|
+ why=row['note'] if row['verdict'][0] != '✓' else row['note'][:120])
|
|
|
+ fam_rows.append(row)
|
|
|
+
|
|
|
+ # 未归类件 (台账里有, 但没有任何族接住)
|
|
|
+ unclassified = []
|
|
|
+ for rel, v in LEDGER.items():
|
|
|
+ if rel.lower().endswith(('.log', '.jsonl')):
|
|
|
+ continue
|
|
|
+ if rel in verdict:
|
|
|
+ continue
|
|
|
+ # 产物走通配没接住的, 也按台账来源判定
|
|
|
+ unclassified.append(rel)
|
|
|
+ verdict[rel] = dict(fam='(未归类)', verdict='?', why='既不在族表、也无法从台账判定来路')
|
|
|
+
|
|
|
+ counts = {}
|
|
|
+ for v in verdict.values():
|
|
|
+ counts[v['verdict']] = counts.get(v['verdict'], 0) + 1
|
|
|
+ if verbose:
|
|
|
+ print(f'== 反向呼应审计 · 场站 {farm} · 台账 {len(LEDGER)} 件 · 判定 {len(verdict)} 件 ==')
|
|
|
+ print(f' 输入根: {P.rel(station)}')
|
|
|
+ print()
|
|
|
+ print(f'{"族":26s} {"件数":>6s} {"判定":14s} {"输入类":12s} {"功能 / 算法 / 依据"}')
|
|
|
+ for r in fam_rows:
|
|
|
+ print(f' {r["id"]:24s} {r["n"]:6d} {r["verdict"]:14s} {str(r["input"] or "—"):12s} '
|
|
|
+ f'{r["func"][:34]}')
|
|
|
+ if r['note']:
|
|
|
+ print(f' └─ {r["note"][:150]}')
|
|
|
+ if unclassified:
|
|
|
+ print(f'\n 【未归类 {len(unclassified)} 件】')
|
|
|
+ for r in unclassified[:20]:
|
|
|
+ print(f' ? {r}')
|
|
|
+ print('\n 判定汇总: ' + ' · '.join(f'{k}={v}' for k, v in sorted(counts.items())))
|
|
|
+ print(f' 判据失败 {len(fails)} 条' + ('：' + '；'.join(fails[:3]) if fails else ''))
|
|
|
+ ok = counts.get('✓', 0)
|
|
|
+ print(f' 结论: 输出↔输入呼应**成立** {ok} 件 / **不成立(无生成端)** {counts.get("✗", 0)} 件 / '
|
|
|
+ f'**人工件** {counts.get("◆", 0)} 件 / 无法验证 {counts.get("~", 0)} 件 / 未归类 {counts.get("?", 0)} 件')
|
|
|
+ # ── 逆向工程可行性 (用户令 #2): 没有呼应关系的那些, 能不能推出来 ──
|
|
|
+ import collections as _c
|
|
|
+ by_rev = _c.Counter()
|
|
|
+ for r in fam_rows:
|
|
|
+ by_rev[r.get('rev', '?')] += r['n']
|
|
|
+ print()
|
|
|
+ print('== 反向「可逆性」矩阵（用户令 2026-09-17 #2: 无生成端的件能否从原件推出来）==')
|
|
|
+ print(f'{"族":26s} {"件数":>6s} {"可逆性":22s} 依据')
|
|
|
+ for r in fam_rows:
|
|
|
+ if r['verdict'][0] == '✓':
|
|
|
+ continue
|
|
|
+ print(f' {r["id"]:24s} {r["n"]:6d} {r.get("rev", "?"):22s} {r.get("rev_why", "")[:96]}')
|
|
|
+ print(' 按件数汇总: ' + ' · '.join(f'{k}={v}' for k, v in by_rev.most_common()))
|
|
|
+ rc = 5 if (fails or unclassified) else 0
|
|
|
+ return fam_rows, verdict, counts, fails, unclassified, rc
|
|
|
+
|
|
|
+
|
|
|
+def doc_block(farm: str) -> str:
|
|
|
+ fam_rows, verdict, counts, fails, unclassified, _rc = audit(farm, verbose=False)
|
|
|
+ L = [DOC_BEGIN, '### 13.6 反向呼应审计：自输出 → 功能与算法 → 输入（自动生成，勿手改）', '',
|
|
|
+ f'台账 {len(verdict)} 件产物逐件回溯：**呼应成立 {counts.get("✓", 0)} 件** · '
|
|
|
+ f'**不成立（无生成端）{counts.get("✗", 0)} 件** · 无法验证 {counts.get("~", 0)} 件 · '
|
|
|
+ f'未归类 {counts.get("?", 0)} 件。'
|
|
|
+ '判据：① 生成端在位 ② 输入在位 ③ 跨度 ⊆ 输入 / 机组集 ⊆ 输入 / 行数 > 0 / 计数与清单一致。', '',
|
|
|
+ '| 输出族（产物 glob） | 件数 | 反向判定 | 功能 | 算法 / 生成端 | 输入（data/raw/<场>/） | 判据 | 说明 |',
|
|
|
+ '|---|---:|---|---|---|---|---|---|']
|
|
|
+ for r in fam_rows:
|
|
|
+ fam = next(f for f in FAMILIES if f['id'] == r['id'])
|
|
|
+ L.append(f'| `{fam["glob"]}` | {r["n"]} | {r["verdict"]} | {r["func"]} | {r["algo"]} | '
|
|
|
+ f'{r["input"] or "—（无生成端）"} | {r["pred"]} | {r["note"][:160]} |')
|
|
|
+ if unclassified:
|
|
|
+ L += ['', f'**未归类 {len(unclassified)} 件**（需人工认领）：' + '、'.join(f'`{x}`' for x in unclassified[:12])]
|
|
|
+ L += ['', '#### 反向「可逆性」：没有呼应关系的那批，能否从原始件推出来（用户令 2026-09-17 #2）', '',
|
|
|
+ '判据两条机器证据：① 生成端在不在包内 ② 产物正文里有没有**人工判断**字段'
|
|
|
+ '（`人工/裁决/审核/校准/评审/经验/judge/review/calibrat/verdict`，抽样读件统计命中率）。'
|
|
|
+ '含人工判断的件不是任何输入的纯函数 ⇒ 逆向工程推不出来，只能把那一步人工工作重做。', '',
|
|
|
+ '| 输出族 | 件数 | 可逆性 | 依据 |', '|---|---:|---|---|']
|
|
|
+ for r in fam_rows:
|
|
|
+ if r['verdict'][0] == '✓':
|
|
|
+ continue
|
|
|
+ L.append(f'| `{r["id"]}` | {r["n"]} | {r.get("rev", "?")} | {r.get("rev_why", "")} |')
|
|
|
+ import collections as _c
|
|
|
+ by_rev = _c.Counter()
|
|
|
+ for r in fam_rows:
|
|
|
+ by_rev[r.get('rev', '?')] += r['n']
|
|
|
+ L += ['', '**按件数汇总**：' + ' · '.join(f'{k} = {v} 件' for k, v in by_rev.most_common()), '',
|
|
|
+ '**人工件**：含人工判断字段的件已逐件登记在 outputs/<场>/_human_artifacts.json（用户令 2026-09-17 #3），'
|
|
|
+ '它们**不参与**呼应校验（人写成/坐实的东西不是任何输入的纯函数）；生成方式：'
|
|
|
+ 'python scripts/products_reverse_audit.py --write-human-manifest。', '',
|
|
|
+ '> 结论口径：`可逆(直接)` = 包内已有生成端，接上即可；`可逆(需反推口径)` = 内容是测量数据的函数，'
|
|
|
+ '照 `temp_monthly` 的办法反推 + 逐值对拍；`不可逆(人工判断)` = 逆向工程推不出来，'
|
|
|
+ '要么由研发补生成端、要么承认它是人工件（不该按产物管）。', DOC_END]
|
|
|
+ return '\n'.join(L)
|
|
|
+
|
|
|
+
|
|
|
+def write_doc(farm: str) -> int:
|
|
|
+ doc = ROOT / 'docs' / '系统设计说明.md'
|
|
|
+ txt = doc.read_text(encoding='utf-8')
|
|
|
+ blk = doc_block(farm)
|
|
|
+ i, j = txt.find(DOC_BEGIN), txt.find(DOC_END)
|
|
|
+ if i >= 0 and j > i:
|
|
|
+ txt = txt[:i] + blk + txt[j + len(DOC_END):]
|
|
|
+ else: # 首次: 追加到文末
|
|
|
+ txt = txt.rstrip('\n') + '\n\n' + blk + '\n'
|
|
|
+ doc.write_text(txt, encoding='utf-8', newline='\n')
|
|
|
+ print(f'已写入 {P.rel(doc)} (§13.6 反向呼应审计块)')
|
|
|
+ return 0
|
|
|
+
|
|
|
+
|
|
|
+def main() -> int:
|
|
|
+ ap = argparse.ArgumentParser(description='反向呼应审计: 输出 → 功能与算法 → 输入')
|
|
|
+ ap.add_argument('--farm', default=None)
|
|
|
+ ap.add_argument('--check', action='store_true', help='只出结论 (有未归类/判据失败 → rc=5)')
|
|
|
+ ap.add_argument('--write-doc', action='store_true', help='把族表写进 docs/系统设计说明.md §13.6')
|
|
|
+ ap.add_argument('--write-human-manifest', action='store_true',
|
|
|
+ help='生成人工件台账 outputs/<场>/_human_artifacts.json (用户令 2026-09-17 #3)')
|
|
|
+ a = ap.parse_args()
|
|
|
+ if a.write_human_manifest:
|
|
|
+ return write_human_manifest(a.farm)
|
|
|
+ if a.write_doc:
|
|
|
+ return write_doc(a.farm or P.farm())
|
|
|
+ _rows, _v, counts, fails, uncl, rc = audit(a.farm, verbose=True)
|
|
|
+ if a.check:
|
|
|
+ print(f'[{"OK" if rc == 0 else "X"}] 反向呼应审计 rc={rc}'
|
|
|
+ + (f'（未归类 {len(uncl)} 件 / 判据失败 {len(fails)} 条）' if rc else '（未归类 0 件、判据无失败）'))
|
|
|
+ return rc
|
|
|
+
|
|
|
+
|
|
|
+if __name__ == '__main__':
|
|
|
+ for _s in (sys.stdout, sys.stderr):
|
|
|
+ try:
|
|
|
+ _s.reconfigure(errors='replace')
|
|
|
+ except Exception:
|
|
|
+ pass
|
|
|
+ sys.exit(main())
|
zhouyang.xie