@dazitech/cli 3.0.7 → 3.0.9

package/dist/examples/onto//351/224/200/345/224/256/347/244/272/344/276/213/setup/sales_seed_data.py

@@ -0,0 +1,163 @@
+"""产品销售演示数据灌入 — space__misc_01
+
+前置：先执行 sales_ontology_init.py 建表。
+幂等：fact_sales_order_line 已有数据则跳过。
+
+放置：项目/DAZI_TEST/本体/ontos/销售本体示例/setup/sales_seed_data.py
+发布：dazi onto script publish 项目/DAZI_TEST/本体/ontos/销售本体示例/setup/sales_seed_data.py --space space__misc_01 --type data
+"""
+
+import json
+import random
+from datetime import date, datetime, timedelta
+
+
+_SEED_DT = datetime(2025, 1, 1, 0, 0, 0)
+
+
+def main():
+    space_id = "space__misc_01"
+    s = space.get(space_id)
+
+    output.print("=== 产品销售演示数据灌入 ===")
+
+    # 检查是否已有数据
+    try:
+        n = int(s.sql.query_one("SELECT count() FROM fact_sales_order_line") or 0)
+    except Exception:
+        n = 0
+    if n > 0:
+        output.print(f"fact_sales_order_line 已有 {n} 行，跳过灌数")
+        output.print("__JSON_SUMMARY__" + json.dumps({"ok": True, "skipped": True, "rows": n}, ensure_ascii=False))
+        return
+
+    # 1. 灌入 dim_date
+    output.print("\n[1/4] 灌入 dim_date...")
+    dim_date_rows = []
+    start_date = date(2025, 1, 1)
+    end_date = date(2026, 6, 30)
+    current = start_date
+    while current <= end_date:
+        date_key = int(current.strftime("%Y%m%d"))
+        year = current.year
+        month = current.month
+        quarter = (month - 1) // 3 + 1
+        week_of_year = current.isocalendar()[1]
+        day_of_week = current.weekday()
+        is_weekend = 1 if day_of_week >= 5 else 0
+        year_month = current.strftime("%Y-%m")
+        dim_date_rows.append({
+            "date_key": date_key,
+            "calendar_date": current,
+            "year": year,
+            "quarter": quarter,
+            "month": month,
+            "week_of_year": week_of_year,
+            "day_of_week": day_of_week,
+            "is_weekend": is_weekend,
+            "year_month": year_month,
+        })
+        current += timedelta(days=1)
+    s.sql.insert_rows("dim_date", dim_date_rows)
+    output.print(f"OK dim_date 插入 {len(dim_date_rows)} 行")
+
+    # 2. 灌入维表
+    output.print("\n[2/4] 灌入维表...")
+
+    products = [
+        {"product_id": "P001", "product_code": "OIL-92", "product_name": "92号汽油", "product_category": "成品油", "product_subcategory": "汽油", "brand": "潘达", "unit": "吨", "list_price": 8200.0, "cost_price": 7100.0, "status": "在售"},
+        {"product_id": "P002", "product_code": "OIL-0", "product_name": "0号柴油", "product_category": "成品油", "product_subcategory": "柴油", "brand": "潘达", "unit": "吨", "list_price": 7500.0, "cost_price": 6500.0, "status": "在售"},
+        {"product_id": "P003", "product_code": "CHEM-LLDPE", "product_name": "线性低密度聚乙烯", "product_category": "化工品", "product_subcategory": "聚乙烯", "brand": "潘达", "unit": "吨", "list_price": 9200.0, "cost_price": 8100.0, "status": "在售"},
+        {"product_id": "P004", "product_code": "CHEM-PP", "product_name": "聚丙烯PP", "product_category": "化工品", "product_subcategory": "聚丙烯", "brand": "潘达", "unit": "吨", "list_price": 8800.0, "cost_price": 7800.0, "status": "在售"},
+        {"product_id": "P005", "product_code": "LUB-BASE", "product_name": "润滑油基础油", "product_category": "润滑油", "product_subcategory": "基础油", "brand": "潘达", "unit": "吨", "list_price": 6800.0, "cost_price": 5900.0, "status": "在售"},
+        {"product_id": "P006", "product_code": "COKE-1", "product_name": "石油焦", "product_category": "副产品", "product_subcategory": "石油焦", "brand": "潘达", "unit": "吨", "list_price": 3200.0, "cost_price": 2600.0, "status": "在售"},
+    ]
+    for p in products:
+        p["created_at"] = _SEED_DT
+        p["updated_at"] = _SEED_DT
+
+    customers = [
+        {"customer_id": "C001", "customer_code": "CUS-001", "customer_name": "华东油品经销", "customer_region": "华东", "customer_type": "战略", "industry": "经销"},
+        {"customer_id": "C002", "customer_code": "CUS-002", "customer_name": "华北炼化贸易", "customer_region": "华北", "customer_type": "VIP", "industry": "贸易"},
+        {"customer_id": "C003", "customer_code": "CUS-003", "customer_name": "华南化工采购", "customer_region": "华南", "customer_type": "VIP", "industry": "化工"},
+        {"customer_id": "C004", "customer_code": "CUS-004", "customer_name": "西南区域物流", "customer_region": "西南", "customer_type": "普通", "industry": "物流"},
+        {"customer_id": "C005", "customer_code": "CUS-005", "customer_name": "华中制造集团", "customer_region": "华中", "customer_type": "普通", "industry": "制造"},
+    ]
+    for c in customers:
+        c["created_at"] = _SEED_DT
+
+    channels = [
+        {"channel_id": "CH01", "channel_code": "DIR", "channel_name": "直销", "channel_type": "直销"},
+        {"channel_id": "CH02", "channel_code": "DIST", "channel_name": "经销渠道", "channel_type": "经销"},
+        {"channel_id": "CH03", "channel_code": "B2B", "channel_name": "B2B平台", "channel_type": "线上"},
+    ]
+
+    s.sql.insert_rows("dim_product", products)
+    s.sql.insert_rows("dim_customer", customers)
+    s.sql.insert_rows("dim_channel", channels)
+    output.print(f"OK dim_product {len(products)} 行, dim_customer {len(customers)} 行, dim_channel {len(channels)} 行")
+
+    # 3. 生成销售事实数据
+    output.print("\n[3/4] 生成销售事实数据...")
+    random.seed(627)
+    regions = {c["customer_id"]: c["customer_region"] for c in customers}
+    ctypes = {c["customer_id"]: c["customer_type"] for c in customers}
+    pcats = {p["product_id"]: p["product_category"] for p in products}
+    prices = {p["product_id"]: p["list_price"] for p in products}
+
+    fact_rows = []
+    line_seq = 1
+    days = (end_date - start_date).days + 1
+
+    for d_offset in range(days):
+        order_date = start_date + timedelta(days=d_offset)
+        if random.random() > 0.35:
+            continue
+        daily_orders = random.randint(2, 8)
+        for _ in range(daily_orders):
+            order_id = f"O{order_date.strftime('%Y%m%d')}{random.randint(100, 999)}"
+            customer_id = random.choice(list(regions.keys()))
+            channel_id = random.choice(["CH01", "CH02", "CH03"])
+            lines = random.randint(1, 3)
+            for _ in range(lines):
+                product_id = random.choice(list(pcats.keys()))
+                qty = random.randint(5, 200)
+                unit_price = round(prices[product_id] * random.uniform(0.92, 1.0), 2)
+                discount = round(unit_price * qty * random.uniform(0, 0.05), 2)
+                sales_amount = round(unit_price * qty - discount, 2)
+                date_key = int(order_date.strftime("%Y%m%d"))
+                fact_rows.append({
+                    "order_id": order_id,
+                    "order_line_id": f"L{line_seq:06d}",
+                    "date_key": date_key,
+                    "order_date": order_date,
+                    "product_id": product_id,
+                    "product_category": pcats[product_id],
+                    "customer_id": customer_id,
+                    "customer_region": regions[customer_id],
+                    "customer_type": ctypes[customer_id],
+                    "channel_id": channel_id,
+                    "quantity": qty,
+                    "unit_price": unit_price,
+                    "discount_amount": discount,
+                    "sales_amount": sales_amount,
+                    "currency": "CNY",
+                    "order_status": random.choice(["已完成", "已完成", "已发货"]),
+                })
+                line_seq += 1
+
+    s.sql.insert_rows("fact_sales_order_line", fact_rows)
+    output.print(f"OK fact_sales_order_line 插入 {len(fact_rows)} 行")
+
+    # 4. 完成
+    summary = {
+        "ok": True,
+        "space_id": space_id,
+        "dim_date": len(dim_date_rows),
+        "products": len(products),
+        "customers": len(customers),
+        "channels": len(channels),
+        "fact_inserted": len(fact_rows),
+    }
+    output.success("灌数完成")
+    output.print("__JSON_SUMMARY__" + json.dumps(summary, ensure_ascii=False, default=str))

package/dist/prompts/index.json

@@ -1,6 +1,6 @@
 {
-  "version": "3.0.5",
-  "updatedAt": "2026-05-26T00:00:00.000Z",
+  "version": "3.0.9",
+  "updatedAt": "2026-06-05T00:00:00.000Z",
   "prompts": [
     {
       "id": "onto/script-publish-run",

package/dist/prompts/onto/action-design.md

@@ -40,10 +40,13 @@ def main(params: dict, context: dict, s=None) -> dict:
     return {"status": "ok"}
 ```
 
+脚本落盘路径：`项目/<业务名>/本体/ontos/<实现名>/setup/` 或 `functions/`（按脚本类型选择）。  
+`space_id` 取自 `ontos/<实现名>/README.md`。
+
 发布命令（v3；**勿用** `dazi-onto`）：
 
 ```powershell
-dazi onto script publish 项目/onto_<名>/脚本/<file>.py --space <space-id> --register-action-id <action_code> --register-action-permission-tag "finance.write"
+dazi onto script publish 项目/<业务名>/本体/ontos/<实现名>/setup/<file>.py --space <space-id> --register-action-id <action_code> --register-action-permission-tag "finance.write"
 ```
 
 详见提示词 `onto/script-publish-run`。

package/dist/prompts/onto/function-design.md

@@ -7,40 +7,67 @@
 
 你是一名搭子平台本体工程师。请根据以下需求设计一个本体函数（ontology function）。
 
+**执行脚本前必读**：`资源/docs/onto/脚本运行纠错_商务成本方案开发过程.md`（`onto/script-run-troubleshooting`）。  
+**必须复制结构**：`资源/examples/onto/_templates/ontology_function_template.py` 或 `销售示例/functions/sales_fn_get_summary.py`。
+
 ## 函数需求
 
 {{function_description}}
 
 ## 要求
 
-1. 函数名使用 snake_case，以动词开头（如 `calc_balance`、`get_user_info`）
-2. `main(params: dict) -> dict` 为入口函数
-3. 参数通过 `params` 字典传入，输出通过 return 返回
-4. 包含完整的 docstring（中文），说明：函数目的、参数说明、返回值说明
-5. 包含基本的错误处理（try/except）
-6. 引用的搭子数据空间对象通过 `s` 上下文访问
+1. 文件名 `snake_case`，如 `cost_fn_get_summary.py`；`function_id` 如 `domain.fn.get_summary`
+2. **`def main():` 无参** — 禁止 `main(params: dict)`；入参来自 `ctx.params`
+3. 业务逻辑写在 **`_ontology_fn_body(p)`**；`main()` 末尾 **`return _ontology_fn_body(p)`**
+4. 输出使用 **`return p.function_result(columns=..., data=..., row_count=...)`** — **禁止** `output.print_json()`、`print()` 作为平台输出
+5. SQL 用 **`p.sql.query()`** 取多列；聚合勿误用 `query_one().get()`
+6. 脚本顶部 **`TEST_ARGUMENTS`** 与 `functions/test_arguments/<function_id>.json` 同步
+7. 中文 docstring：目的、参数、返回值、发布命令
 
-## 输出格式
+## 输出格式（必须遵循）
 
 ```python
-def main(params: dict, s=None) -> dict:
-    """
-    [函数说明]
+TEST_ARGUMENTS = {
+    "v": 1,
+    "arguments": { ... },
+    "object_type_code": "<ObjectTypeCode>",
+}
+
 
-    Args:
-        params: 包含 xxx（说明）
+def _ontology_fn_body(p):
+    params = dict(p.get_params() or {})
+    # ... p.sql.query(...)
+    return p.function_result(
+        columns=[...],
+        data=[{...}],
+        row_count=1,
+    )
 
-    Returns:
-        包含 xxx（说明）
-    """
-    # 实现
+
+def main():
+    s = space.get(ctx.space_id or "")
+    _Ports = type(
+        "_Ports",
+        (),
+        {
+            "get_params": lambda self: dict(ctx.params or {}),
+            "function_result": lambda self, **kw: onto.function_result(**kw),
+        },
+    )
+    p = _Ports()
+    p.sql = s.sql
+    return _ontology_fn_body(p)
 ```
 
-发布与运行（v3，工作区根目录；**勿用** `dazi-onto`）：
+脚本落盘：`项目/<业务名>/本体/ontos/<实现名>/functions/<file>.py`
+
+发布与运行（dazi-work 根；**勿用** `dazi-onto`）：
 
 ```powershell
-dazi onto script publish 项目/onto_<名>/脚本/functions/<file>.py --space <space-id> --register-function-id <id>
+dazi onto script publish 项目/<业务名>/本体/ontos/<实现名>/functions/<file>.py --space <space-id> --register-function-id <id>
 dazi onto function run <id> --space <space-id>
+dazi onto function save-test-arguments <ofn_internal_id> --space <space-id> `
+  --arguments-json-file 项目/<业务名>/本体/ontos/<实现名>/functions/test_arguments/<id>.json
 ```
 
-详见提示词 `onto/script-publish-run`（侧栏 帮助 → 提示词）。
+详见 `onto/script-publish-run`、`onto/function-guide`。

package/dist/prompts/onto/rule-seed.md

@@ -13,6 +13,9 @@
 
 ## 种子脚本模板
 
+建议将种子脚本保存到 `项目/<业务名>/本体/ontos/<实现名>/setup/<stem>_seed_rules.py`（与同实现的 init/seed 脚本并列）。  
+`space_id` 取自 `ontos/<实现名>/README.md`。
+
 ```python
 def main(params: dict, s=None) -> dict:
     """
@@ -34,9 +37,10 @@ def main(params: dict, s=None) -> dict:
     return {"upserted": len(rules), "result": result}
 ```
 
-执行命令（v3；**勿用** `dazi-onto`）：
+发布与执行（v3；**勿用** `dazi-onto`）：
 
 ```powershell
+dazi onto script publish 项目/<业务名>/本体/ontos/<实现名>/setup/<stem>_seed_rules.py --space <space-id> --type data
 dazi onto rule run-seed --space <space-id> --stem <seed_file_stem>
 ```
 

package/dist/prompts/onto/script-publish-run.md

@@ -6,7 +6,17 @@
 
 ---
 
-你是搭子平台 **dazi-vscode v3** 本体实施助手。用户已完成或正在完成 `项目/onto_<名称>/规划/` 中的方案，你的任务是编写 `脚本/` 下 Python，并**用正确命令**发布与运行。
+你是搭子平台 **dazi-vscode v3** 本体实施助手。用户已完成或正在完成 `项目/<业务名>/本体/ontos/<实现名>/plans/` 中的方案，你的任务是编写 `setup/`、`functions/` 下 Python，并**用正确命令**发布与运行。
+
+> **规划阶段提醒**：`plans/` 方案须含 **Cube 层独立章节**（维度/度量/派生度量、`bind_source` 对照）。若规划缺 Cube，**不得**开始 init 脚本；先补规划并对照 `本体规划指南.md` **§规划文档完整性自检清单**。
+
+## 执行前必读（强制）
+
+在终端执行 **`dazi onto script publish` / `script run` / `function run` / `save-test-arguments` 之前**，须阅读同步文档：
+
+- **`资源/docs/onto/脚本运行纠错_商务成本方案开发过程.md`**（`dazi docs show onto/script-run-troubleshooting`）
+
+重点：setup API 勿猜方法名；多列聚合用 `query()` 勿误用 `query_one()`；**本体函数 `main()` 须 `return _ontology_fn_body(p)`，禁止 `output.print_json()`**；`function run` **不支持** `--arguments-json-file`；`save-test-arguments` 须 **`ofn_xxx` 内部 id**。
 
 ## 强制规则（违反会导致 CommandNotFound 或 404）
 
@@ -17,20 +27,35 @@
    - **仅开发仓库**：`node bundled/clis/dazi.js onto ...`（维护方打包用；客户环境用 `dazi.ps1`）
    - **完整路径**：`node <搭子仓库>/dazi/dazi-vscode/bundled/clis/dazi.js onto <子命令> ...`，并设置环境变量 `DAZI_BUNDLED_DIR=<同目录 bundled/clis>`
 4. **工作目录**必须是搭子工作区根（含 `项目/` 目录），例如 `dazi-work`。
-5. **`space_id`** 只从 `项目/onto_<名称>/README.md` 的「数据空间 ID」读取，禁止猜测。
+5. **`space_id`** 只从 `项目/<业务名>/本体/ontos/<实现名>/README.md` 的「数据空间 ID」读取，禁止猜测。
 
 ## 工作区目录（v3）
 
 ```text
 <工作区根>/
-  项目/onto_<名称>/
-    README.md          ← space_id（权威）
-    规划/              ← 规划 Markdown（本阶段不 publish）
-    脚本/
-      setup/           ← 初始化、灌数（先 init 后 seed）
-      functions/       ← 本体函数
-  资源/docs/           ← dazi docs sync 后的指南
-  scripts/             ← dazi.ps1 / dazi.cmd 包装（客户工作区模板应包含）
+  项目/<业务名>/
+    README.md                    ← 业务项目元信息
+    本体/
+      README.md                  ← 容器说明（onto-assets + ontos 索引）
+      onto-assets/               ← 平台元数据缓存（业务项目级，侧栏懒拉取）
+        objects/ functions/ actions/ rules/
+      ontos/
+        <实现名>/                ← ★ 本体实现工作单元
+          README.md              ← space_id（权威）
+          快速启动_<实现名>.md   ← 动态生成，含本实现命令模板
+          plans/                 ← 规划 Markdown（本阶段不 publish）
+          setup/                 ← 初始化、灌数（先 init 后 seed）
+          functions/             ← 本体函数
+            test_arguments/      ← 各 function_id 的默认测试入参 JSON
+            save_test_arguments.ps1  ← 可选：批量 save-test-arguments
+    流程/
+      plans/
+      flows/<流程名>/...
+    应用/
+      plans/
+      apps/<组件名>/...
+  资源/docs/                     ← dazi docs sync 后的指南
+  scripts/                       ← dazi.ps1 / dazi.cmd 包装（客户工作区模板应包含）
 ```
 
 本地开发路径 **不是** `onto/<space_id>/editorial/`；发布时 CLI 自动映射为平台路径  
@@ -49,24 +74,25 @@ dazi auth login
 
 ## 标准发布与运行顺序
 
-将 `<空间>`、`<项目路径>` 替换为实际值，例如 `space__0519`、`项目/onto_本体项目01`。
+将 `<业务名>`、`<实现名>`、`<空间>` 替换为实际值，例如 `潘达石化`、`本体01`、`space__0519`。  
+脚本路径前缀记为 `<项目路径>` = `项目/<业务名>/本体/ontos/<实现名>`。
 
 ### 1. 预检（可选）
 
 ```powershell
-dazi onto script publish-preview <项目路径>/脚本/setup/xxx_ontology_init.py --space <空间> --type setup
+dazi onto script publish-preview <项目路径>/setup/xxx_ontology_init.py --space <空间> --type setup
 ```
 
 ### 2. 发布初始化脚本（setup）
 
 ```powershell
-dazi onto script publish <项目路径>/脚本/setup/xxx_ontology_init.py --space <空间> --type setup
+dazi onto script publish <项目路径>/setup/xxx_ontology_init.py --space <空间> --type setup
 ```
 
 ### 3. 发布灌数脚本（data）
 
 ```powershell
-dazi onto script publish <项目路径>/脚本/setup/xxx_seed_data.py --space <空间> --type data
+dazi onto script publish <项目路径>/setup/xxx_seed_data.py --space <空间> --type data
 ```
 
 ### 4. 发布本体函数（**必须** `--register-function-id`，否则函数列表看不到）
@@ -76,7 +102,7 @@ dazi onto script publish <项目路径>/脚本/setup/xxx_seed_data.py --space <
 发布后必须确认输出含 `functionId` / `function_registration.ok`，并执行 `function list` 能看到该 id。
 
 ```powershell
-dazi onto script publish <项目路径>/脚本/functions/xxx_fn_yyy.py --space <空间> --register-function-id <domain>.fn.<name>
+dazi onto script publish <项目路径>/functions/xxx_fn_yyy.py --space <空间> --register-function-id <domain>.fn.<name>
 dazi onto function list --space <空间>
 ```
 
@@ -84,8 +110,8 @@ dazi onto function list --space <空间>
 
 ```powershell
 # 按 publish 返回的 scriptId，或：
-dazi onto script run --file <项目路径>/脚本/setup/xxx_ontology_init.py --space <空间>
-dazi onto script run --file <项目路径>/脚本/setup/xxx_seed_data.py --space <空间>
+dazi onto script run --file <项目路径>/setup/xxx_ontology_init.py --space <空间>
+dazi onto script run --file <项目路径>/setup/xxx_seed_data.py --space <空间>
 ```
 
 **顺序**：先 run init，再 run seed，再发布/运行函数。
@@ -96,6 +122,8 @@ dazi onto script run --file <项目路径>/脚本/setup/xxx_seed_data.py --space
 dazi onto function run <function_id> --space <空间>
 ```
 
+> **`function run` 不支持 `--arguments-json-file`**。须先用 §7 `save-test-arguments` 写入默认参数，再不带 JSON 文件运行。误用示例见 `资源/docs/onto/脚本运行纠错_商务成本方案开发过程.md`（`onto/script-run-troubleshooting`）。
+
 PowerShell 传 JSON 参数易丢引号；可省略 `--params` 使用函数默认，或：
 
 ```powershell
@@ -103,26 +131,58 @@ $env:DAZI_PARAMS='{"start_date":"2025-01-01","end_date":"2026-12-31"}'
 dazi onto function run <function_id> --space <空间> --params $env:DAZI_PARAMS
 ```
 
+### 7. 保存测试参数（test_arguments，**发布后必做**）
+
+`publish` + `function run` **不会**自动写入测试参数。侧栏 **Onto → 运行函数** 依赖函数定义上的 **`test_arguments`** 预填表单；未保存时侧栏参数为空。
+
+**本地约定**（与 `plans/` 规划文档一致）：
+
+1. 每个函数一份 JSON：`<项目路径>/functions/test_arguments/<function_id>.json`
+2. 脚本内常量 `TEST_ARGUMENTS` 与 JSON **保持同步**
+3. JSON 格式：`{"v":1,"arguments":{...},"object_type_code":"<ObjectTypeCode>"}`
+
+**保存到平台**（`function run` 验证通过后）：
+
+```powershell
+# 推荐：批量脚本（解析 function list，用内部 id ofn_xxx 调用 PATCH）
+.\<项目路径>\functions\save_test_arguments.ps1
+```
+
+单条保存（**须用平台内部 id `ofn_xxx`**，先 `dazi onto function list --space <空间>` 查看；直接传 `sales.fn.xxx` 等 function_id 字符串可能 **404**）：
+
+```powershell
+dazi onto function save-test-arguments <ofn_internal_id> --space <空间> `
+  --arguments-json-file <项目路径>/functions/test_arguments/<function_id>.json
+```
+
+验收：
+
+```powershell
+dazi onto function get <function_id> --space <空间>
+# 确认 test_arguments 非 null，且 arguments 与 JSON 一致
+```
+
 ## 脚本类型与路径推断
 
-| 本地路径特征           | `--type`                   | 平台目录              |
-| ---------------------- | -------------------------- | --------------------- |
-| `脚本/setup/*init*.py` | `setup`                    | `setup/`              |
-| `脚本/setup/*seed*.py` | `data`                     | `data/`               |
-| `脚本/functions/*.py`  | （默认 ontology_function） | `ontology_functions/` |
+| 本地路径特征              | `--type`                   | 平台目录              |
+| ------------------------- | -------------------------- | --------------------- |
+| `.../setup/*init*.py`     | `setup`                    | `setup/`              |
+| `.../setup/*seed*.py`     | `data`                     | `data/`               |
+| `.../functions/*.py`      | （默认 ontology_function） | `ontology_functions/` |
 
 ## 编写脚本时注意
 
+- **本体函数**：复制 `资源/examples/onto/_templates/ontology_function_template.py`；`def main():` 无参，末尾 **`return _ontology_fn_body(p)`**；结果用 **`p.function_result(columns=..., data=..., row_count=...)`**。**禁止** `output.print_json()`、`main(params: dict)`。详见 `function-guide.md`、`onto/script-run-troubleshooting` §3。
 - 多列 SQL 聚合用 `s.sql.query()` 取 `rows[0]`，**勿**用 `query_one()`（只返回首列标量）。
 - ClickHouse：`DateTime` 用 `datetime` 对象，`Date` 用 `date` 对象；见同步文档 `dazi_script_seed_data_guide.md`。
-- 入口为 `main()`；函数脚本通过 `ctx.space_id`、`ctx.params` 与 `onto.function_result` 返回。
+- setup/seed 入口为 `main()`；函数脚本通过 `ctx.space_id`、`ctx.params` 与 `onto.function_result` 返回。
 
 ## 无 `scripts/dazi.ps1` 时的等价命令
 
 ```powershell
 $env:DAZI_BUNDLED_DIR = "<绝对路径>/dazi/dazi-vscode/bundled/clis"
 cd <工作区根>
-node "<绝对路径>/dazi/dazi-vscode/bundled/clis/dazi.js" onto script publish <相对路径> --space <空间> --type setup
+node "<绝对路径>/dazi/dazi-vscode/bundled/clis/dazi.js" onto script publish 项目/<业务名>/本体/ontos/<实现名>/setup/xxx_ontology_init.py --space <空间> --type setup
 ```
 
 VS Code 用户也可在侧栏 **搭子 → Onto 本体** 使用「发布脚本」「运行函数」，无需终端。
@@ -136,11 +196,13 @@ VS Code 用户也可在侧栏 **搭子 → Onto 本体** 使用「发布脚本
 - `本体规划指南.md`、`本体脚本编写指南.md`
 - `dazi_script_sdk_reference.md`、`dazi_script_seed_data_guide.md`
 - `function-guide.md`
+- `脚本运行纠错_商务成本方案开发过程.md`（API / CLI 踩坑实录）
 
 ---
 
 **用户补充上下文（可选）**：
 
-- 项目名称：{{project_name}}
+- 业务项目：{{business_name}}
+- 本体实现：{{item_name}}
 - 数据空间 ID：{{space_id}}
 - 当前任务：{{task}}（如：发布 training_ontology_init 并执行）

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "@dazitech/cli",
-  "version": "3.0.7",
+  "version": "3.0.9",
   "description": "搭子 v3 命令行工具（Onto / Flow / App），与 dazi-vscode 同版本",
   "license": "MIT",
   "engines": {

package/dist/examples/onto/function/profit_fn_customer_segmentation.py

@@ -1,117 +0,0 @@
-"""Customer Segmentation Function
-
-功能：基于利润贡献对客户进行分层
-参数：metric, method, start_date, end_date
-返回：客户分层数据（VIP/High/Medium/Low）
-
-放置位置：spaces/space__profit0520/editorial/scripts/ontology_functions/profit_fn_customer_segmentation.py
-检索关键字：profit customer_segmentation
-"""
-
-
-def _ontology_fn_body(p):
-    params = dict(p.get_params() or {})
-
-    metric = params.get("metric", "profit")
-    method = params.get("method", "quartile")
-    start_date = params.get("start_date", "")
-    end_date = params.get("end_date", "")
-
-    where_clause = ""
-    if start_date and end_date:
-        where_clause = f"WHERE order_date >= '{start_date}' AND order_date <= '{end_date}'"
-
-    sql = f"""
-    SELECT
-        customer_id,
-        customer_region,
-        sum(revenue) as revenue,
-        sum(cost) as cost,
-        sum(revenue) - sum(cost) as profit
-    FROM profit_analysis_fact
-    {where_clause}
-    GROUP BY customer_id, customer_region
-    ORDER BY profit DESC
-    """
-
-    result = p.sql.query(sql)
-
-    if not result:
-        return p.function_result(
-            columns=["customer_id", "customer_region", "revenue", "cost", "profit", "segment"],
-            data=[],
-            row_count=0
-        )
-
-    profits = [float(row.get("profit", 0) or 0) for row in result]
-    total = len(profits)
-
-    if total == 0:
-        return p.function_result(
-            columns=["customer_id", "customer_region", "revenue", "cost", "profit", "segment"],
-            data=[],
-            row_count=0
-        )
-
-    if method == "percentile":
-        sorted_profits = sorted(profits, reverse=True)
-        p80_idx = min(int(total * 0.8), total - 1)
-        p50_idx = min(int(total * 0.5), total - 1)
-        p20_idx = min(int(total * 0.2), total - 1)
-        p80 = sorted_profits[p80_idx]
-        p50 = sorted_profits[p50_idx]
-        p20 = sorted_profits[p20_idx]
-    else:
-        sorted_profits = sorted(profits, reverse=True)
-        q1_idx = min(int(total * 0.25), total - 1)
-        q2_idx = min(int(total * 0.5), total - 1)
-        q3_idx = min(int(total * 0.75), total - 1)
-        p80 = sorted_profits[q1_idx]
-        p50 = sorted_profits[q2_idx]
-        p20 = sorted_profits[q3_idx]
-
-    def get_segment(profit_val):
-        if profit_val >= p80:
-            return "VIP"
-        elif profit_val >= p50:
-            return "High"
-        elif profit_val >= p20:
-            return "Medium"
-        else:
-            return "Low"
-
-    data = []
-    for row in result:
-        profit = float(row.get("profit", 0) or 0)
-        data.append({
-            "customer_id": str(row.get("customer_id", "")),
-            "customer_region": str(row.get("customer_region", "")),
-            "revenue": round(float(row.get("revenue", 0) or 0), 2),
-            "cost": round(float(row.get("cost", 0) or 0), 2),
-            "profit": round(profit, 2),
-            "segment": get_segment(profit),
-        })
-
-    return p.function_result(
-        columns=["customer_id", "customer_region", "revenue", "cost", "profit", "segment"],
-        data=data,
-        row_count=len(data)
-    )
-
-
-def main():
-    s = space.get(ctx.space_id or "")
-
-    _Ports = type(
-        "_Ports",
-        (),
-        {
-            "get_params": lambda self: dict(ctx.params or {}),
-            "function_result": lambda self, **kw: onto.function_result(**kw),
-        },
-    )
-    p = _Ports()
-    p.space_id = str(ctx.space_id or "")
-    p.sql = s.sql
-
-    return _ontology_fn_body(p)