dsh-data-domain-knowledge 0.1.0-alpha.1

package/src/client/problem-domains.ts

@@ -0,0 +1,114 @@
+/**
+ * 三个问题域的**唯一数据源**。
+ *
+ * 0027 之前这里还有一个 React 组件（`problem-domains.tsx`），把三个问题域渲染成
+ * 三张卡挂在画布外面。结果是：「这张图要解决什么」和「这张图长什么样」分居两块表面，
+ * 而概览页存在的理由恰恰是把这两件事放在一起给人看。
+ *
+ * 现在问题域**画在画布自己的第四条带里**（见 `arch/model.ts` 的 `problemPlateHtml`），
+ * 点开后的完整论述（业界对照、衡量方式）落在画布内的浮层里。所以这个模块只剩数据：
+ * 纯函数、无 React、无 DOM —— 它要被画布几何层 import，而那一层是可以在 node:test 里
+ * 直接跑纯函数的（`tests/agent-overview.test.mjs` 就是打包 `arch/model.ts` 后断言的）。
+ * 一条 JSX 都不留，是为了让那条测试链路不必把 React 拖进来。
+ */
+
+import { ChartLine, Library, Stethoscope } from '@tita-data-agent/ui/icons'
+import type { LucideIcon } from '@tita-data-agent/ui/icons'
+import { noteCountOf, sourceCountOf, type KnowledgeStats, type NodeId, type Tone } from './architecture.tsx'
+
+export interface ProblemDomainAction {
+  label: string
+  /** 有节点 id 标签就是可点的入口；没有就是「还没落地」的静态标签。 */
+  node?: NodeId
+}
+
+export interface ProblemDomainProgress { label: string; value: string }
+
+export interface ProblemDomain {
+  id: string
+  index: string
+  title: string
+  /** 一句话说清「谁在什么时刻遇到它」，用业务语言，不写能力名词。 */
+  question: string
+  /** 业界同题的做法与代表产品；只写有公开资料支撑的，不写宣传话术。 */
+  industry: string
+  status: { label: string; tone: 'success' | 'warning' | 'neutral' }
+  actions: ProblemDomainAction[]
+  /** 用真实计数说明「现在走到哪一步」；没有真实数据的域不定义这个方法。 */
+  progress?: (stats: KnowledgeStats, version: number) => ProblemDomainProgress[]
+  /** 衡量方式：一个说不清怎么算解决的问题域，等于还没解决。 */
+  measure: string
+  icon: LucideIcon
+  tone: Tone
+}
+
+/**
+ * 三个问题域按重要性排序。
+ *
+ * 顺序就是画布上从左到右的顺序，也是「先有可信取数、再有归因、最后才谈预测」的
+ * 依赖顺序 —— 后一个域建立在前一个域之上，所以顺序不能按视觉平衡来排。
+ */
+export const PROBLEM_DOMAINS: ProblemDomain[] = [
+  {
+    id: 'asset',
+    index: '01',
+    title: '数据资产迭代',
+    question: '每一次问答与文档录入都沉淀为可复用的口径、结构与分析方法，同类问题的回答质量随使用次数提升。',
+    industry: 'Snowflake 用查询历史反向补全语义模型；ThoughtSpot Spotter 把 Liveboard 与对话沉淀为 Memory 与 business terms。',
+    status: { label: '运行中', tone: 'success' },
+    actions: [
+      { label: 'SourceRaw', node: 'source-raw' },
+      { label: '编译 wiki / wikiNotes', node: 'compile' },
+      { label: '构建向量与图谱', node: 'build' },
+      { label: '每日更新', node: 'daily-update' },
+    ],
+    progress: (stats, version) => [
+      { label: 'SourceRaw', value: String(sourceCountOf(stats)) },
+      { label: 'wiki 卡片', value: String(stats.cards ?? 0) },
+      { label: 'wikiNotes', value: String(noteCountOf(stats)) },
+      { label: '索引', value: version > 0 ? `v${version}` : '未构建' },
+    ],
+    measure: '可复用条目数 · 复用次数 · 首次命中率',
+    icon: Library,
+    tone: 'violet',
+  },
+  {
+    id: 'attribution',
+    index: '02',
+    title: '异常波动智能归因',
+    question: '指标出现异常波动时，输出候选原因的排序、依据与下一步排查动作，而不是一个孤立的数值。',
+    industry: 'ThoughtSpot SpotIQ 的 Change Analysis 做跨周期、跨维度对比并回答「变了什么、为什么变」，配合 anomaly alert 告警；SmartBI 用指标树 + 维度贡献度分解；经典算法为 Adtributor / HotSpot / iDice。',
+    status: { label: '设计中', tone: 'warning' },
+    actions: [
+      { label: '三路召回', node: 'recall' },
+      { label: '上下文包', node: 'context' },
+      { label: '排查图谱（0021）' },
+    ],
+    measure: '首次定位命中率 · 平均定位耗时 · 未归类占比',
+    icon: Stethoscope,
+    tone: 'green',
+  },
+  {
+    id: 'forecast',
+    index: '03',
+    title: '数据预测',
+    question: '基于历史数据与已知事件输出未来走势与区间，并显式声明所用假设、口径与置信水平。',
+    industry: 'ThoughtSpot SpotIQ Forecasting 把预测做成内置图表能力；阿里云 DMS 把「趋势推演」列为 Data Agent 要补的能力。多数 Data Agent 将预测作为工具调用（时序模型 / Python），不自行训练模型。',
+    status: { label: '规划中', tone: 'neutral' },
+    actions: [
+      { label: '回答与数据工具', node: 'answer' },
+      { label: 'Notebook 复现', node: 'data-notebook' },
+    ],
+    measure: 'MAPE / SMAPE · 区间覆盖率 · 方向命中率',
+    icon: ChartLine,
+    tone: 'blue',
+  },
+]
+
+/** 按 id 取一个域；找不到返回 undefined 而不是猜一个。 */
+export function problemDomainOf(id: string): ProblemDomain | undefined {
+  return PROBLEM_DOMAINS.find(domain => domain.id === id)
+}
+
+/** 三个域共用的底座说明：它是入场券，不是第四个问题域。 */
+export const PROBLEM_BASE_NOTE = '三个问题域都建立在「口径可信的自然语言取数」之上：业界用语义层与 trusted queries 保证（Databricks Genie、Snowflake 语义模型），本产品由 Runtime + Table 承担。'