9.8 KiB
布莱迪压力表 - 订单附件识别工具
根据"总排号"从 SQL Server 查询"新参数"字段，调用大语言模型判断该订单是否携带 附件，并以 JSON 输出结果。支持粗分类（资料/配件/耗材）和精分类（"大类:细分 类目"，具体到针型阀、说明书等）两种粒度。
安装
pip install -r requirements.txt
pyodbc 需要系统已安装对应的 ODBC 驱动（如 "ODBC Driver 17 for SQL Server"）。
若服务器上已有 SQL Server 管理工具/客户端环境，通常已包含该驱动；否则需自行
安装 Microsoft 官方 ODBC Driver。
配置
编辑 config.yaml，填入以下三部分（模板中的 CHANGE_ME 必须替换）：
database：SQL Server 连接信息（含schema）、表名、字段名llm：OpenAI 兼容接口的base_url、api_key、modelbusiness：并发数、日志级别、默认分类模式(default_mode)、日志目录(log_dir)、 是否启用"其他"兜底类目(enable_other_category，默认关闭)
使用
# 单个总排号，默认粗分类
python main.py --id 26B742
# 批量，逗号分隔
python main.py --id 26B742,26B743,26B744
# 批量，文件输入（每行一个总排号）
python main.py --ids-file ids.txt
# 精分类：输出"大类:细分类目"组合
python main.py --id 26B742 --mode fine
# 指定其他配置文件
python main.py --id 26B742 --config other_config.yaml
# 临时覆盖日志目录
python main.py --id 26B742 --log-dir /tmp/debug_logs
# 格式化输出（默认是紧凑的 JSON Lines，每行一条）
python main.py --id 26B742,26B743 --pretty
# 允许模型使用"其他"兜底类目
python main.py --id 26B742 --mode fine --enable-other
分类粒度：coarse / fine
由 --mode 参数或配置文件 business.default_mode 指定，--mode 优先级更高。
- coarse（默认）：只判断三个大类——资料 / 配件 / 耗材
- fine：在同一个
types字段里直接给出"大类:细分类目"，例如 "配件:针型阀""资料:说明书"
两种模式对应的提示词都定义在 src/prompts.py 中，修改分类边界或细分类目
枚举，只需要改这一个文件。
分类体系（已与业务方确认边界）
资料类（12 个细分）：出厂检测检验报告、材质证明类、说明书、 检验记录过程性、图纸类、标定校验证书、质量证明书、原产地证明、检验合格证书 综合、其他交工文件、营业执照、型式检验报告
配件类（25 个细分）：针型阀、球阀、截止阀、旋塞阀、角阀、阀组、冷凝圈、 冷凝管、冷凝弯、虹吸管、表弯管、缓冲管缓冲弯、法兰隔膜、隔离器、过压保护器、 散热器散热片、铅封、转换接头、焊接接头短节短管、卡箍抱箍、紧固件、活接头、 接线盒、电缆插头、变送器
耗材类（1 个细分）：垫片（四氟/紫铜/缠绕/密封圈等各种材质，单列为 第三大类，不算在配件里，避免大量小垫片稀释"配件"标签的信息量）
其他类（可选，默认关闭）：由 --enable-other 或配置文件
business.enable_other_category 开启。开启后新增第四大类"其他"，只有
唯一细分值"其他"，作为兜底——遇到确实是随货附件、但不属于以上任何一个
具体细分类目的情况才使用。关闭时模型和格式校验都不知道这个选项的存在，
行为与不支持"其他"之前完全一致。
明确不算配件：位号牌/铭牌/标牌（标识件）；缓冲钉/阻尼钉/阻尼帽（均为 工艺处理，不算随货实物配件）
明确不算资料：装箱单/送货单/贴箱等物流包装指令；合格证（无论参数文本 是否提到，一律忽略——既不影响"是否携带附件"的判断，也不会出现在细分 类目里）
输出格式
默认逐行输出 JSON（JSON Lines），便于管道处理和逐条消费：
{"zong_pai_hao": "26B742", "status": "ok", "has_attachment": true, "types": ["资料"]}
{"zong_pai_hao": "26B744", "status": "ok", "has_attachment": true, "types": ["配件:针型阀", "配件:表弯管"]}
{"zong_pai_hao": "26B999", "status": "not_found", "has_attachment": null, "types": []}
types 是唯一的类型字段，不再有单独的 fine_types：
coarse模式下，types是大类列表，如["资料", "配件"]。fine模式下，types里每一项都是"大类:细分类目"，如["资料:说明书", "配件:针型阀"]，同一个订单可能同时出现多个大类、多个细分。- 若启用了"其他"兜底类目，对应项会体现为
"其他:其他"，格式与其余项保持一致。
status 字段说明
| status | 含义 |
|---|---|
ok |
识别成功 |
not_found |
数据库中查不到该总排号 |
empty_param |
总排号存在，但"新参数"字段为空，未调用 LLM |
llm_call_error |
LLM 调用失败（网络/接口错误），重试耗尽 |
llm_format_error |
LLM 输出内容不符合约定格式，重试耗尽 |
db_error |
数据库连接/查询失败，影响整批请求 |
status 非 ok 时，has_attachment 为 null，types 为空数组，
不会有猜测性的默认值混入结果。
对话日志
每个实际发起 LLM 调用的总排号，都会在日志目录（默认 logs/，可用
--log-dir 或配置文件 business.log_dir 指定）下生成一个独立的日志文件：
logs/26B742_20260723_153012_123456.log
日志内容为纯文本，完整记录：
- 发给模型的完整对话（system prompt + few-shot 示例 + 实际用户消息）
- 模型的每一次原始回复——包括被格式校验判定无效、触发重试的那些
- 每次尝试的格式校验结果（通过/失败及原因）
- 最终的解析结果和 status
同一总排号被重复处理不会覆盖旧日志（文件名带精确到微秒的时间戳），方便对比 "调整提示词前后，同一条记录的判断有没有变化"。
not_found（查不到）和 empty_param（参数为空）的总排号不会生成日志文件，
因为它们本就没有与 LLM 的对话内容可记。
故障排查：模型回复为空（推理型模型特有）
如果日志里出现"[调用结果] 已收到模型回复"但"[模型原始回复]"下面是空的（或
status 为 llm_call_error，错误信息提到"推理耗尽了max_tokens预算"），这是
带思维链（thinking/reasoning）能力的模型的已知行为——像 DeepSeek-V4 系列，
默认会先打一段思考草稿再给正文，而 max_tokens 限制的是"思考+正文"的总量。
如果思考阶段把预算用完，正文就会被截断成空字符串。
本工具通过两处配置应对：
llm.max_tokens：调大到能覆盖"思考+正文"的总量（默认 1024），而不是只按 正文那两三行的长度来设。llm.disable_thinking：设为true时会通过extra_body={"thinking": {"type": "disabled"}}关闭推理链——分类任务规则清晰、不需要模型思考，关闭 后响应更快、更省 token，也从根源上避免"思考耗尽预算"的问题。仅 DeepSeek-V4 系列等支持该参数的模型有效；换用其他不支持该参数的模型时改回false（多数接口对不认识的字段会直接忽略，但不保证所有厂商都是如此）。
设计说明
为什么 LLM 不直接输出 JSON？
JSON 的括号、引号、转义更容易被模型写错。约定 LLM 只输出"标签: 值"格式的
纯文本（coarse 模式 2 行，fine 模式 3 行），程序侧用严格的正则做格式校验——
校验通过才提取字段、组装成本工具自己定义的 JSON 结构；校验失败会触发重试
（次数由配置文件 business.format_retry 控制，与 LLM 网络层重试 llm.max_retry
分开计数），重试仍失败则标记 llm_format_error，绝不把不确定的内容硬凑进
最终结果。
fine 模式的交叉自洽校验：
第三行（细分类目）和第二行（大类）必须自洽——比如模型选了"针型阀"，第二行
就必须包含"配件"，否则视为模型输出自相矛盾，同样触发格式校验失败重试。
校验通过后，parser.py 会把每个细分类目和它所属的大类拼接成"大类:细分类目"
（如"配件:针型阀"），作为最终对外的 types；程序内部不再单独保留"大类列表"
和"细分类目列表"两份数据。
"其他"兜底类目是怎么接入这套校验体系的：
"其他"被当成第四个大类，且细分类目固定只有"其他"自身一个值（其他:其他），
不允许模型编造具体名称——这样既给了"枚举之外的附件"一个去处，又不破坏
"细分类目必须严格匹配枚举"这条不信任 LLM 输出的核心原则。是否启用由
enable_other 参数控制（对应 --enable-other 或配置文件
business.enable_other_category），并且同一次调用里，提示词（prompts.py）
和格式校验（parser.py）用的 enable_other 必须一致，否则会出现"提示词
允许但校验拒绝"的不一致——这层一致性由 classifier.py 统一负责传递。
项目结构
├── config.yaml # 配置文件
├── main.py # 命令行入口
├── requirements.txt
└── src/
├── config_loader.py # YAML 配置读取与校验
├── db.py # SQL Server 查询 (pyodbc)
├── prompts.py # 提示词与细分类目枚举（唯一需要改分类边界时编辑的文件）
├── llm_client.py # LLM 调用 (OpenAI 兼容接口)
├── parser.py # LLM 输出格式校验与清洗 → 结构化数据
├── order_logger.py # 每个总排号一份的完整对话日志
└── classifier.py # 编排：查库 -> 调LLM -> 校验解析 -> 记日志 -> 组装结果