T16 · 报告流水线·视觉分析与 32 维诊断装配（mock vision）

对应任务：T-P3-01（各项返回置信度与质量标记）、T-P3-06 🔴（32 维度每维四要素完整，缺失显式标注）｜分支：task/t16-report-diagnosis ｜ worktree：/home/xsl/meida_backend-t16 先读《README.md（协作规程）》，遵守全部纪律。第四批拼流水线：T15 定 Stage 接口（协调提交的 pipeline 骨架），你供视觉与诊断两个阶段，文件名与类名已由 T15 的任务契约定死——按下面 §2 的 dotted path 精确落位。

2. 你要创建的文件（与流水线的挂点，禁差分毫）

文件	导出	挂进流水线的名字
`packages/report/dimensions.py`	`DIMENSIONS`（32 项冻结结构）等	—（纯字典）
`packages/report/vision.py`	`VisionProvider` Protocol、`DeterministicVisionProvider`、`build_vision_provider(settings)`	—（被 vision_stage 用）
`packages/report/vision_stage.py`	`class VisionStage`	`packages.report.vision_stage:VisionStage`
`packages/report/diagnosis_stage.py`	`class DiagnosisStage`	`packages.report.diagnosis_stage:DiagnosisStage`

Stage 接口以协调提交的 packages/report/pipeline.py 骨架 docstring 为准（name + async run(ctx)；ctx.report.result[stage.name] 写产物；ctx.rp_input.derived_features 是你的中间态位）。

3. 维度字典（dimensions.py——本任务的事实核心）

必读：G:\meida\docs\美学报告-需求文档.md 的 §4 诊断维度字典（32 行表）。逐行编码成：

@dataclass(frozen=True, slots=True)
class DimensionSpec:
    number: int            # 1~32（33/34 已永久废弃，不复用）
    key: str               # 稳定英文键，如 body_shape / season_code / face_shape
    name_cn: str
    source: str            # questionnaire | vision | color | kb | rule | llm（按表「数据来源」列归类）
    basic_coverage: str    # "full" | "label" | "partial" | "none"（按「初级」列的 ✅/标签/部分/❌）

DIMENSIONS: tuple[DimensionSpec, ...] 必须恰好 32 项、number 1~32 连续；模块常量 BASIC_FULL_KEYS（初级 full 覆盖集，验收「初级 21/32」口径的机器可读形态——以你逐行统计为准并写注释）。
key 命名参考 kb/记忆系统已有词汇（body_shape、face_shape、season_code…），全库一致。

4. 视觉分析（vision.py + vision_stage.py）

VisionProvider Protocol：async def analyze(photo_meta: dict, questionnaire: dict) -> dict（返回派生特征 dict：体型、脸型、肤色 Lab 采样、量感/直曲粗判……形状由你定，写进 docstring——这是 T9 SPIKE 之后的正式接口位，真实 RTMPose/BiRefNet 实现后续替换）。
DeterministicVisionProvider：不读照片字节（V1 骨架根本没有照片下载步骤），从 questionnaire + photo_meta["object_key"] 的 sha256 派生确定性特征（同输入同输出——黄金集与集成测试才能断言）。特征生成规则写注释：哪个问题驱动哪个维度、哈希驱动哪些枚举选择。
build_vision_provider(settings)：按 settings.report_vision_provider 选择（当前只认 "deterministic"，其它 → AppError(CONFIG_ERROR)）。
VisionStage（name="vision"）：ctx.rp_input.derived_features 已存在且非空 → 跳过（写 ctx.report.result["vision"] = {"skipped": true, "reused": true}——这就是 T-P3-09 的实现点）；否则 provider.analyze → 写 derived_features 并 flush → result["vision"] = {"status": "ok", "dimensions_touched": [...]}。质量标记：photo_meta 里可选 quality_flags（模糊/背光等，mock 下默认空列表）透传进产物（T-P3-01 的形状）。

5. 诊断装配（diagnosis_stage.py）

DiagnosisStage（name="diagnosis"）：

输入 = questionnaire（ctx.rp_input.questionnaire）+ derived_features；逐个维度产四要素（T-P3-06 验收原文）：

@dataclass(frozen=True, slots=True)
class DimensionResult:
    number: int
    key: str
    value: Any            # 结论值（枚举/数值/列表）
    confidence: float     # 0~1：问卷自评 0.6、确定性视觉 0.85、规则推导 0.9（口径写注释，对齐记忆系统 §3.5）
    source: str           # questionnaire | vision | rule | derived
    evidence: str         # 一句人话依据（将出现在报告里）
    rule_hits: list[str]  # 命中的 rule_key
    status: str           # "ok" | "skipped"——**缺失/输入不足的维度必须显式 skipped + 原因，不允许缺键**（验收红线）

数据流：问卷字段直接映射（性别/身高体重/职业/生日/核心诉求/场景权重/心理风格/偏好禁忌…）；视觉字段映射（体型/脸型/肤色档位/季型/量感/直曲/基因风格…）；规则引擎联动：构造 RuleContext（body_shape/face_shape/features/goals…）→ RulesService 载入 published 规则 → evaluate() → verdict 的 recommend/avoid 聚合进「核心诉求/偏好与禁忌」相关维度的 rule_hits 与 evidence。规则服务接口以 packages/rules/service.py 实际代码为准。
产物：ctx.report.result["diagnosis"] = {"dimensions": [32 个 DimensionResult 的 dict], "coverage": {"basic_full": N, "total": 32}}；序列化用 dataclass asdict。
色板维度（#19/21）：V1 骨架从 kb_color 读该季型 base/accent/avoid 各取若干（库空则该维度 skipped+「色板未录入」——显式缺失优于编造，这正是 skipped 语义的用例）。

6. 测试要求

单测 tests/unit/test_report_dimensions.py：32 项、number 连续、33/34 不存在、basic_coverage 枚举合法、BASIC_FULL_KEYS 与逐行统计一致。
单测 tests/unit/test_report_vision.py：确定性（同输入同输出）、不同问卷驱动不同体型、工厂未知名拒绝。
单测 tests/unit/test_report_diagnosis.py：四要素齐全性——构造故意缺问卷+缺视觉的场景，断言缺失维度 status=skipped 且 32 键全在；规则命中进 rule_hits（用内置最小规则集，不连库——RulesService 若需 DB，把规则求值抽成可注入纯函数 evaluate_dimensions(ctx_data, verdict)）。
集成 tests/integration/test_report_stages.py（新文件，只测你的两个阶段，不测整条流水线——T15 的集成已覆盖编排）：建 rp_report/rp_input + 种 2 条 published 规则 → VisionStage → DiagnosisStage 断言 derived_features 落库、32 维全键、规则 rule_hits 出现、kb_color 为空时色板维度 skipped。

7. 禁改清单

通用禁改之外：packages/report/ 除你四个文件外全部（pipeline/service/repo/schemas 归 T15，copy*/validation* 归 T17）、apps/**、全部已有测试。

8. 验收标准（T-P3-01/06）

DIMENSIONS 与需求文档 §4 逐行一致（32 项、编号连续、初级覆盖口径机器可读）；
32 维四要素全量输出，缺失显式 skipped——任何输入组合下 result["diagnosis"]["dimensions"] 恒 32 键（单测证明）；
视觉中间态复用：derived_features 存在时 vision 阶段 skipped/reused；
规则引擎硬结论进入 rule_hits/evidence；
全部检查绿（mypy 范围同 T15 + 你的文件；packages/report 整包进列表）。

9. 提交信息

feat(report): deterministic vision provider and 32-dimension diagnosis assembly

dimensions.py 逐行编码需求文档 §4（32 项四要素、缺失显式 skipped）+
VisionProvider 接口位与确定性实现 + 规则引擎联动 rule_hits（T-P3-01/06）。

偏差说明：<如有写在这里，无则写"无">

7.7 KiB Raw Blame History Unescape Escape