3.6 KiB

Raw Permalink Blame History

Round 88：对话指定数据包与排产算法

目标

让用户可以用一条自然语言指令同时指定数据来源和算法，例如：

使用 Optimize synthetic debug V1 数据，用 EDD 算法生成排产方案

也支持指定本机目录里的文件：

使用 D:\aps-data 目录下的 orders.xlsx 数据用 EDD 算法生成排产方案

系统应解析出 dataPackRef、engine=OPTIMIZE 和 sortMode=EDD，从已登记的数据包加载完整世界，再通过现有柔性闭环流程生成方案。

设计

已登记数据包使用 server/state/packs.py 的通用注册表解析，不增加某个客户或某个文件的专用 loader。目录/文件指令复用 analyze_project_deep 的通用 Excel/CSV/SQL 读取器；路径不存在时不回退到旧世界。
对话解析器识别 Optimize 算法及 EDD/SPT/PRIORITY/FIFO/LPT/CR/ATC 等排产规则，并保留原有未点名算法时的默认行为。
_run_flex 在明确指定数据包时替换当前会话世界、重置 ID 计数器并记录所选包；随后把算法交给现有 run_flex_schedule(..., engine_type="OPTIMIZE")，不复制调度逻辑。
结果块增加数据包和算法证据，文本明确显示“使用哪个数据包、哪个算法、生成多少虚拟产线/工单”。

实施范围

server/state/packs.py：包别名和通用引用解析。
server/agent_core/intent.py：数据包引用、算法槽位和自然语言参数。
server/aps_domain/workflow.py：加载包、重置计数器、结果证据和未找到包的错误提示。
server/data/packs/optimize-simulation-v1.json：补充可读 aliases（仅包元数据）。
tests/golden/test_optimize_chat_data_selection.py：解析和端到端柔性排产验证。

验收标准

指令 使用 Optimize synthetic debug V1 数据，用 EDD 算法生成排产方案 命中 flex.schedule，参数包含 dataPackRef、engine=OPTIMIZE、sortMode=EDD。
指令 使用 D:\\aps-data 目录下的 orders.xlsx 数据用 EDD 算法生成排产方案 命中 flex.schedule，参数包含 dataDir、dataFile、dataPath、engine=OPTIMIZE、sortMode=EDD。
在干净会话中执行后得到 FEASIBLE、10 条虚拟产线、72 条工单，结果块能看到数据包名称和算法。
未知数据包不会创建排产版本，并返回可用数据包提示。
不存在的目录或文件不会使用当前旧数据排产，而是直接返回路径错误。
普通“生成一版柔性排产方案”仍走原来的 CLOSED_LOOP 默认路径。

验证命令

pytest -q tests/golden/test_optimize_chat_data_selection.py tests/golden/test_optimize_chat_trigger.py tests/golden/test_optimize_simulation_world_pack.py tests/golden/test_optimize_engine.py

再使用独立 APS_HOME 启动后端和前端，通过 /api/chat 发送上述完整中文指令，检查 SSE 中的 intent 参数、FEASIBLE 结果及 10/72 统计。

风险与边界

数据包选择是显式的会话世界替换，只允许来自注册表的路径；本轮不开放任意路径加载。
规则名由 Optimize 适配器支持的 dispatch rule 白名单约束，未知算法不会被静默当成 EDD。
当前轮次只在 round/88-chat-data-algorithm-selection 验证；完成后停在合并前，等待用户确认是否合并到 codex/integrate-optimize。

计划审计

PLAN AUDIT: PASS

Blocking issues: none

Clarification needed: none

Non-blocking improvements: 后续可再把算法白名单从代码抽到能力描述接口；目录导入仍沿用现有 P2 确认流程的审计策略。

3.6 KiB Raw Permalink Blame History Unescape Escape