xsl
67d9754823
tests/golden：JSON 用例 + 阈值配置 + runner（规则 pass_rate=1.0、检索 0.8 起步）+ pytest 壳；规则/检索两子集种子，Agent/报告子集占位（T-P2-11）。 实现： - runner.py 为普通模块（不依赖 pytest）：加载/执行/指标（pass_rate、 first_hit_in_top3）/逐用例差异明细；test_golden.py 只是薄壳（marker=golden， 无 MEIDA_RUN_INTEGRATION 时整体 skip）。用例与 expect 的未知键一律判 fail（封闭词汇表，防断言静默失效）。 - 规则子集 13 例（rules_cases.json，走 packages.rules DSL/evaluate）： 含 3 个硬禁忌场景（无条件合规硬拦、正式场合硬拦、复合优先级链 100硬>95禁忌>90体型>50趋势）+ 禁忌压制/维度隔离/多规则叠加/温度边界/ 缺字段静默/include 子集语义等。 - 检索子集 13 例（retrieval_cases.json，DeterministicEmbedder+hybrid_search）： 含 7 个 must_miss 红线场景（禁忌体型/draft/archived/场景外/类型外/组合红线）。 种子实体以 golden: 前缀命名，跑前先删（幂等重跑）；跑后也删——CI 防线 5c 与集成测试共用长活库，留下假实体会破坏其它用例对结果列表的精确断言。 确定性策略：query=目标 chunk 原文（余弦距离 0 必排第 1）+ 每例独立 marker token（gqNN）隔离关键词路；检索参数（1024 维/top_k 50/默认 RRF 权重）钉死在 runner，不读 env。 - thresholds.json：规则 pass_rate_min=1.0（硬结论子集一条不许退）； 检索 pass_rate_min=0.8 + first_hit_in_top3_min=0.8 起步。 - README.md：四子集 330 例规划、两格式 spec、加用例流程、阈值口径与 “为什么规则必须 1.0”。 测试： - MEIDA_RUN_INTEGRATION=1 pytest -m golden --no-cov：2 passed（规则 13/13=1.0，检索 13/13=1.0、first_hit_in_top3=13/13）；连续重跑幂等， 跑后库内 golden:% 残留为 0；不设 env 时 2 skipped；基线单测 473 passed、 集成 38 passed 不受影响；ruff check/format、lint-imports 全绿。 - 阻断语义自证（已改回，提交里只有正确版本）：临时把规则用例 user-taboo-overrides-trend-recommendation 的 must_avoid 改成不存在的 取值并把 hard_blocks_nonempty 翻转为 true → 规则子集 12/13=0.9231 <1.0 fail，明细输出“must_avoid 未命中：期望 top[length=九分裤脚]，实际 avoid=[top[length=[短款, 露脐]]]”与“hard_blocks_nonempty 期望 True， 实际 False（硬拦截规则：无）”；再临时破坏 3 条检索用例（2 条 must_hit 换成不存在的实体名、1 条 must_miss 加入本应命中的实体）→ 检索子集 10/13=0.7692<0.8 fail，明细含“must_miss 红线违规：golden:r12-good 出现在第 1 位——硬过滤零漏被破坏”。验证完三条全部改回，复跑全绿。 （注：检索阈值 0.8 起步，单条退化 0.92 尚不拦截、≥3 条即拦截，符合 种子期口径；规则阈值 1.0 单条即拦截。） 偏差说明：无
meida_backend · 美搭服务端
「美搭」智能穿搭美学助手的服务端。当前状态是工程地基 + 一条打通的纵向切片
（登录取 token → 配额预扣 → 真实调用 DeepSeek → 记成本 → 提交配额），
业务域大多只有目录与 README，见各 packages/*/README.md。
技术选型与分层依据见仓库外的《技术架构文档》《技术选型与调研报告》，本文只讲怎么跑起来。
快速开始
cp .env.example .env # 填入 DEEPSEEK_API_KEY
make install # uv sync + 装 pre-commit
make up # PostgreSQL(pgvector) + Redis，端口 55432 / 56379
make migrate # 建表并创建 vector 扩展
make run # http://localhost:8000/api/v1/docs
验证真实链路（会产生真实 API 费用，是唯一花钱的入口）：
make smoke
它会起依赖、迁移、拉起 API、发一次真实对话，然后把 ob_ai_call
的成本行与 bl_ledger 的配额流水打出来。跑通即证明「计量 + 配额 + 大模型」三者串通。
目录结构
| 目录 | 职责 |
|---|---|
apps/api |
HTTP 入口。只做鉴权、校验、幂等、配额、统一响应，不放业务规则 |
apps/worker |
Celery 长耗时任务入口 |
packages/domain |
纯领域逻辑，不许 import 任何框架与 I/O |
packages/llm |
大模型网关：场景路由、Prompt 版本、结构化输出、成本计量、预算熔断 |
packages/shared |
配置、日志脱敏、DB、Redis、错误码、中间件 |
packages/<业务域> |
identity / billing / task / agent / kb / retrieval / report … |
services/ |
需要独立伸缩的重型服务（换装、抠图、视觉），V1 为占位 |
prompts/ |
按 <prompt_id>/<version>.txt 归档，与 ob_ai_call.prompt_version 对应 |
migrations/ |
Alembic；CI 强制 upgrade → downgrade → upgrade 往返可用 |
依赖方向由 lint-imports 强制（pyproject.toml 的 [tool.importlinter]）。
apps → packages → domain 是单向的，业务包也不得绕过网关直连 provider。
提交前
make check # lint + typecheck + imports + test + secrets，与 CI 同一套
单测不连库、不发网络请求。需要真实中间件的用例在 tests/integration，
默认跳过，用 make test-integration 显式开启。
两件容易踩的事
- Prompt 固定前缀不许含时间戳、随机值等易变内容。 命中缓存的输入单价只有未命中的
约 1/30，前缀被污染会让输入成本翻数十倍。
LLM_CACHE_PREFIX_MODE=strict下启动即失败。 - DeepSeek 自 2026-08-17 起峰谷定价，高峰（北京时间 09:00-12:00、14:00-18:00）
单价是空闲时段的 2 倍。单价配两套，由
packages/llm/cost.py按调用时刻选择； 成本在调用当时算好落库，事后不按当前价重算。