@hupan56/wlkj 2.7.12 → 3.1.2

package/templates/qoder/scripts/{enrich_prompt.py → domain/kg/search/enrich_prompt.py}

@@ -1,226 +1,238 @@
-#!/usr/bin/env python3
-# -*- coding: utf-8 -*-
-"""enrich_prompt.py - 极速提示词润色 (用户提问后第 0 步)
-
-目标: 在用户提问后, <10ms 内判断这句话命中哪些业务关键词,
-输出一个「润色后的提示词」给用户确认, 再走原命令。
-
-设计:
-  - 纯内存查表 (不跑重检索 context_pack, 那个留给确认后)
-  - 中文分词复用 common/terms.py 的 expand_chinese_query
-  - 命中 keyword-index / api-index / prd-index 的键
-  - 命中 0 个 = 非业务消息 (谢谢/继续), 直接放行不润色
-
-用法:
-  python .qoder/scripts/enrich_prompt.py "保险批改那个异常统计页加个审批按钮"
-  python .qoder/scripts/enrich_prompt.py "保险批改..." --json     # 机器可读
-
-输出 (默认人类可读):
-  ── 极速润色 ──
-  业务词: 保险→insurance, 批改→amend, 异常→abnormal...
-  相关代码符号: 108 处 (abnormalovertime, approval-cell...)
-  相关API: 5 个
-  历史 PRD: 2 篇
-  ──────────────
-  将以上下文继续。回复"改:xxx"调整, 任意其它内容=接受。
-"""
-import os, sys, json, time
-
-if sys.platform == 'win32':
-    try:
-        sys.stdout.reconfigure(encoding='utf-8')
-    except Exception:
-        pass
-
-BASE = os.path.dirname(os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
-sys.path.insert(0, os.path.join(BASE, '.qoder', 'scripts'))
-
-IDX_DIR = os.path.join(BASE, 'data', 'index')
-# 缓存: 同一进程内只加载一次索引
-_CACHE = {}
-
-
-def _load(name):
-    """加载索引 (优先 DuckDB, 回退 JSON)。复用 search_index.load_index 的 fallback 逻辑。"""
-    if name in _CACHE:
-        return _CACHE[name]
-    try:
-        from search_index import load_index
-        d = load_index(name) or {}
-    except ImportError:
-        # search_index 不可用时, 直接读 JSON (老逻辑)
-        d = {}
-        path = os.path.join(IDX_DIR, name)
-        if os.path.isfile(path):
-            try:
-                for enc in ('utf-8', 'gbk'):
-                    try:
-                        with open(path, encoding=enc) as f:
-                            d = json.load(f)
-                        break
-                    except (OSError, UnicodeDecodeError):
-                        continue
-            except Exception:
-                pass
-    _CACHE[name] = d
-    return d
-
-
-# 短而无意义的英文 token 黑名单 (避免子串误命中 'cs'/'fl'/'in' 这类噪声)
-# 提到模块级: _match_keys 和 code_total 共用一份
-NOISE_KEYS = {
-    'app', 'api', 'all', 'add', 'age', 'and', 'are', 'ars', 'ase', 'ask',
-    'ate', 'aud', 'bar', 'big', 'btn', 'can', 'car', 'cas', 'cat', 'code',
-    'con', 'cor', 'cs', 'cur', 'dae', 'dat', 'day', 'del', 'dep', 'des',
-    'det', 'dim', 'div', 'doc', 'dos', 'ear', 'ecs', 'ema', 'end', 'ent',
-    'err', 'eva', 'exe', 'exp', 'ext', 'fil', 'fix', 'fl', 'for', 'ge',
-    'gen', 'get', 'has', 'her', 'his', 'ics', 'idx', 'imp', 'int', 'inv',
-    'io', 'is', 'iso', 'ite', 'its', 'key', 'lab', 'lan', 'lat', 'let',
-    'lin', 'lis', 'log', 'ma', 'map', 'max', 'min', 'mod', 'msg', 'new',
-    'nil', 'not', 'now', 'num', 'obj', 'off', 'one', 'opt', 'ord', 'out',
-    'ove', 'own', 'pag', 'par', 'pas', 'pay', 'pen', 'per', 'pos', 'pre',
-    'pro', 'put', 'que', 'rec', 'red', 'ref', 'reg', 'rep', 'res', 'ret',
-    'rev', 'row', 'run', 'sa', 'sel', 'set', 'sev', 'sie', 'sit', 'sor',
-    'src', 'sta', 'sub', 'sum', 'sys', 'tab', 'tar', 'tes', 'tex', 'tim',
-    'tmp', 'tok', 'tom', 'top', 'tot', 'tru', 'try', 'typ', 'udp', 'uni',
-    'upd', 'url', 'use', 'usr', 'val', 'ver', 'vid', 'vio', 'vis', 'voi',
-    'was', 'way', 'who', 'why', 'win', 'wri', 'xml', 'you', 'your', 'zone',
-}
-
-
-def _match_keys(query_lower, keys, max_hits=15, min_len=3):
-    """在 keys 里找被 query 包含的 (子串匹配), 返回命中列表 + 总数。
-    min_len: 短于这个长度的键忽略 (避免 'cs'/'fl'/'in' 这类噪声子串)。"""
-    hits = []
-    for k in keys:
-        kl = k.lower()
-        if len(kl) < min_len:
-            continue
-        if kl in NOISE_KEYS:
-            continue
-        if kl in query_lower:
-            hits.append(k)
-            if len(hits) >= max_hits:
-                break
-    return hits
-    for k in keys:
-        kl = k.lower()
-        if len(kl) < min_len:
-            continue
-        if kl in NOISE:
-            continue
-        if kl in query_lower:
-            hits.append(k)
-            if len(hits) >= max_hits:
-                break
-    return hits
-
-
-def enrich(query):
-    """润色主函数。返回 dict:
-       {
-         'is_business': bool,        # 是否业务消息 (有命中才算)
-         'cn_words': [...],          # 中文分词出的英文搜索词
-         'code_hits': [...],         # 命中的代码符号 (样例)
-         'code_total': int,          # 代码命中总数
-         'api_hits': [...],          # 命中的 API
-         'prd_hits': [...],          # 命中的历史 PRD
-         'elapsed_ms': float,        # 耗时
-         'polished': str,            # 润色后的提示词 (人类可读)
-       }
-    """
-    t0 = time.perf_counter()
-    from common.terms import expand_chinese_query
-
-    # 1. 中文分词 → 英文搜索词
-    cn_words = list(dict.fromkeys(expand_chinese_query(query)))  # 去重保序
-
-    # 2. 构造匹配串: 原句 + 扩展出的英文词, 一起拿去命中索引
-    match_str = query.lower()
-    for w in cn_words:
-        match_str += ' ' + w.lower()
-
-    # 3. 命中三类索引
-    code_idx = _load('code-keyword.json')
-    code_keys = list(code_idx.keys()) if isinstance(code_idx, dict) else []
-    code_hits = _match_keys(match_str, code_keys)
-
-    api_idx = _load('code-api.json')
-    api_keys = []
-    if isinstance(api_idx, dict):
-        api_keys = list(api_idx.keys())
-    api_hits = _match_keys(match_str, api_keys)
-
-    prd_idx = _load('prd-index.json')
-    prd_keys = []
-    if isinstance(prd_idx, dict):
-        prd_keys = list(prd_idx.keys())
-    prd_hits = _match_keys(match_str, prd_keys, max_hits=5)
-
-    # 4. 代码命中总数 (不限 max, 用于展示规模; 用与 _match_keys 一致的过滤)
-    code_total = 0
-    if code_keys:
-        code_total = sum(1 for k in code_keys
-                         if len(k) >= 3 and k.lower() not in NOISE_KEYS
-                         and k.lower() in match_str)
-
-    elapsed_ms = (time.perf_counter() - t0) * 1000
-    is_business = bool(code_hits or api_hits or prd_hits or cn_words)
-
-    # 5. 组装润色后提示词 (人类可读)
-    lines = []
-    if not is_business:
-        lines.append('（非业务消息，无需润色，直接放行）')
-    else:
-        if cn_words:
-            shown = ', '.join(cn_words[:8])
-            lines.append('业务词: ' + shown)
-        if code_total:
-            sample = ', '.join(code_hits[:8])
-            more = '' if code_total <= len(code_hits) else ' ...'
-            lines.append('相关代码符号: %d 处 (%s%s)' % (code_total, sample, more))
-        if api_hits:
-            lines.append('相关 API: %d 个 (%s)' % (len(api_hits), ', '.join(api_hits[:5])))
-        if prd_hits:
-            lines.append('历史 PRD: %s' % ', '.join(prd_hits[:5]))
-
-    polished = '\n'.join(lines)
-
-    return {
-        'is_business': is_business,
-        'cn_words': cn_words,
-        'code_hits': code_hits,
-        'code_total': code_total,
-        'api_hits': api_hits,
-        'prd_hits': prd_hits,
-        'elapsed_ms': round(elapsed_ms, 2),
-        'polished': polished,
-    }
-
-
-def main():
-    args = sys.argv[1:]
-    if not args:
-        print(__doc__)
-        print('错误: 缺少查询参数。用法: enrich_prompt.py "你的问题"')
-        sys.exit(2)
-    query = ' '.join(args[:1]) if args[0] in ('--json',) else ' '.join(args)
-    # 处理 --json 标志
-    as_json = '--json' in args
-    query = query.replace('--json', '').strip()
-
-    result = enrich(query)
-    if as_json:
-        print(json.dumps(result, ensure_ascii=False))
-        return
-
-    # 人类可读输出
-    print('── 极速润色 (%.1fms) ──' % result['elapsed_ms'])
-    print(result['polished'])
-    if result['is_business']:
-        print('──────────────')
-        print('将以上下文继续。回复"改:xxx"调整，任意其它内容=接受。')
-
-
-if __name__ == '__main__':
-    main()
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+# v3.0 路径自举: 引导到 common/bootstrap, 统一 sys.path 逻辑
+import os as _o, sys as _s
+_f = _o.path.abspath(__file__)
+for _ in range(10):
+    _f = _o.path.dirname(_f)
+    _cp = _o.path.join(_f, 'foundation')
+    if _o.path.isfile(_o.path.join(_cp, 'bootstrap.py')):
+        break
+if _cp not in _s.path: _s.path.insert(0, _cp)
+from bootstrap import setup; setup()
+from foundation.core.paths import get_repo_root
+
+"""enrich_prompt.py - 极速提示词润色 (用户提问后第 0 步)
+
+目标: 在用户提问后, <10ms 内判断这句话命中哪些业务关键词,
+输出一个「润色后的提示词」给用户确认, 再走原命令。
+
+设计:
+  - 纯内存查表 (不跑重检索 context_pack, 那个留给确认后)
+  - 中文分词复用 common/terms.py 的 expand_chinese_query
+  - 命中 keyword-index / api-index / prd-index 的键
+  - 命中 0 个 = 非业务消息 (谢谢/继续), 直接放行不润色
+
+用法:
+  python .qoder/scripts/enrich_prompt.py "保险批改那个异常统计页加个审批按钮"
+  python .qoder/scripts/enrich_prompt.py "保险批改..." --json     # 机器可读
+
+输出 (默认人类可读):
+  ── 极速润色 ──
+  业务词: 保险→insurance, 批改→amend, 异常→abnormal...
+  相关代码符号: 108 处 (abnormalovertime, approval-cell...)
+  相关API: 5 个
+  历史 PRD: 2 篇
+  ──────────────
+  将以上下文继续。回复"改:xxx"调整, 任意其它内容=接受。
+"""
+import os, sys, json, time
+
+if sys.platform == 'win32':
+    try:
+        sys.stdout.reconfigure(encoding='utf-8')
+    except Exception:
+        pass
+
+BASE = get_repo_root()
+sys.path.insert(0, os.path.join(BASE, '.qoder', 'scripts'))
+
+IDX_DIR = os.path.join(BASE, 'data', 'index')
+# 缓存: 同一进程内只加载一次索引
+_CACHE = {}
+
+
+def _load(name):
+    """加载索引 (优先 DuckDB, 回退 JSON)。复用 search_index.load_index 的 fallback 逻辑。"""
+    if name in _CACHE:
+        return _CACHE[name]
+    try:
+        from domain.kg.search.search_index import load_index
+        d = load_index(name) or {}
+    except ImportError:
+        # search_index 不可用时, 直接读 JSON (老逻辑)
+        d = {}
+        path = os.path.join(IDX_DIR, name)
+        if os.path.isfile(path):
+            try:
+                for enc in ('utf-8', 'gbk'):
+                    try:
+                        with open(path, encoding=enc) as f:
+                            d = json.load(f)
+                        break
+                    except (OSError, UnicodeDecodeError):
+                        continue
+            except Exception:
+                pass
+    _CACHE[name] = d
+    return d
+
+
+# 短而无意义的英文 token 黑名单 (避免子串误命中 'cs'/'fl'/'in' 这类噪声)
+# 提到模块级: _match_keys 和 code_total 共用一份
+NOISE_KEYS = {
+    'app', 'api', 'all', 'add', 'age', 'and', 'are', 'ars', 'ase', 'ask',
+    'ate', 'aud', 'bar', 'big', 'btn', 'can', 'car', 'cas', 'cat', 'code',
+    'con', 'cor', 'cs', 'cur', 'dae', 'dat', 'day', 'del', 'dep', 'des',
+    'det', 'dim', 'div', 'doc', 'dos', 'ear', 'ecs', 'ema', 'end', 'ent',
+    'err', 'eva', 'exe', 'exp', 'ext', 'fil', 'fix', 'fl', 'for', 'ge',
+    'gen', 'get', 'has', 'her', 'his', 'ics', 'idx', 'imp', 'int', 'inv',
+    'io', 'is', 'iso', 'ite', 'its', 'key', 'lab', 'lan', 'lat', 'let',
+    'lin', 'lis', 'log', 'ma', 'map', 'max', 'min', 'mod', 'msg', 'new',
+    'nil', 'not', 'now', 'num', 'obj', 'off', 'one', 'opt', 'ord', 'out',
+    'ove', 'own', 'pag', 'par', 'pas', 'pay', 'pen', 'per', 'pos', 'pre',
+    'pro', 'put', 'que', 'rec', 'red', 'ref', 'reg', 'rep', 'res', 'ret',
+    'rev', 'row', 'run', 'sa', 'sel', 'set', 'sev', 'sie', 'sit', 'sor',
+    'src', 'sta', 'sub', 'sum', 'sys', 'tab', 'tar', 'tes', 'tex', 'tim',
+    'tmp', 'tok', 'tom', 'top', 'tot', 'tru', 'try', 'typ', 'udp', 'uni',
+    'upd', 'url', 'use', 'usr', 'val', 'ver', 'vid', 'vio', 'vis', 'voi',
+    'was', 'way', 'who', 'why', 'win', 'wri', 'xml', 'you', 'your', 'zone',
+}
+
+
+def _match_keys(query_lower, keys, max_hits=15, min_len=3):
+    """在 keys 里找被 query 包含的 (子串匹配), 返回命中列表 + 总数。
+    min_len: 短于这个长度的键忽略 (避免 'cs'/'fl'/'in' 这类噪声子串)。"""
+    hits = []
+    for k in keys:
+        kl = k.lower()
+        if len(kl) < min_len:
+            continue
+        if kl in NOISE_KEYS:
+            continue
+        if kl in query_lower:
+            hits.append(k)
+            if len(hits) >= max_hits:
+                break
+    return hits
+    for k in keys:
+        kl = k.lower()
+        if len(kl) < min_len:
+            continue
+        if kl in NOISE:
+            continue
+        if kl in query_lower:
+            hits.append(k)
+            if len(hits) >= max_hits:
+                break
+    return hits
+
+
+def enrich(query):
+    """润色主函数。返回 dict:
+       {
+         'is_business': bool,        # 是否业务消息 (有命中才算)
+         'cn_words': [...],          # 中文分词出的英文搜索词
+         'code_hits': [...],         # 命中的代码符号 (样例)
+         'code_total': int,          # 代码命中总数
+         'api_hits': [...],          # 命中的 API
+         'prd_hits': [...],          # 命中的历史 PRD
+         'elapsed_ms': float,        # 耗时
+         'polished': str,            # 润色后的提示词 (人类可读)
+       }
+    """
+    t0 = time.perf_counter()
+    from foundation.integrations.terms import expand_chinese_query
+
+    # 1. 中文分词 → 英文搜索词
+    cn_words = list(dict.fromkeys(expand_chinese_query(query)))  # 去重保序
+
+    # 2. 构造匹配串: 原句 + 扩展出的英文词, 一起拿去命中索引
+    match_str = query.lower()
+    for w in cn_words:
+        match_str += ' ' + w.lower()
+
+    # 3. 命中三类索引
+    code_idx = _load('code-keyword.json')
+    code_keys = list(code_idx.keys()) if isinstance(code_idx, dict) else []
+    code_hits = _match_keys(match_str, code_keys)
+
+    api_idx = _load('code-api.json')
+    api_keys = []
+    if isinstance(api_idx, dict):
+        api_keys = list(api_idx.keys())
+    api_hits = _match_keys(match_str, api_keys)
+
+    prd_idx = _load('prd-index.json')
+    prd_keys = []
+    if isinstance(prd_idx, dict):
+        prd_keys = list(prd_idx.keys())
+    prd_hits = _match_keys(match_str, prd_keys, max_hits=5)
+
+    # 4. 代码命中总数 (不限 max, 用于展示规模; 用与 _match_keys 一致的过滤)
+    code_total = 0
+    if code_keys:
+        code_total = sum(1 for k in code_keys
+                         if len(k) >= 3 and k.lower() not in NOISE_KEYS
+                         and k.lower() in match_str)
+
+    elapsed_ms = (time.perf_counter() - t0) * 1000
+    is_business = bool(code_hits or api_hits or prd_hits or cn_words)
+
+    # 5. 组装润色后提示词 (人类可读)
+    lines = []
+    if not is_business:
+        lines.append('（非业务消息，无需润色，直接放行）')
+    else:
+        if cn_words:
+            shown = ', '.join(cn_words[:8])
+            lines.append('业务词: ' + shown)
+        if code_total:
+            sample = ', '.join(code_hits[:8])
+            more = '' if code_total <= len(code_hits) else ' ...'
+            lines.append('相关代码符号: %d 处 (%s%s)' % (code_total, sample, more))
+        if api_hits:
+            lines.append('相关 API: %d 个 (%s)' % (len(api_hits), ', '.join(api_hits[:5])))
+        if prd_hits:
+            lines.append('历史 PRD: %s' % ', '.join(prd_hits[:5]))
+
+    polished = '\n'.join(lines)
+
+    return {
+        'is_business': is_business,
+        'cn_words': cn_words,
+        'code_hits': code_hits,
+        'code_total': code_total,
+        'api_hits': api_hits,
+        'prd_hits': prd_hits,
+        'elapsed_ms': round(elapsed_ms, 2),
+        'polished': polished,
+    }
+
+
+def main():
+    args = sys.argv[1:]
+    if not args:
+        print(__doc__)
+        print('错误: 缺少查询参数。用法: enrich_prompt.py "你的问题"')
+        sys.exit(2)
+    query = ' '.join(args[:1]) if args[0] in ('--json',) else ' '.join(args)
+    # 处理 --json 标志
+    as_json = '--json' in args
+    query = query.replace('--json', '').strip()
+
+    result = enrich(query)
+    if as_json:
+        print(json.dumps(result, ensure_ascii=False))
+        return
+
+    # 人类可读输出
+    print('── 极速润色 (%.1fms) ──' % result['elapsed_ms'])
+    print(result['polished'])
+    if result['is_business']:
+        print('──────────────')
+        print('将以上下文继续。回复"改:xxx"调整，任意其它内容=接受。')
+
+
+if __name__ == '__main__':
+    main()