pbl_evidence

PBL（项目式学习）的产出物与学习证据模块。它做两件事：维护学生产出物（pbl_artifact），以及把运行时产生的学习事件幂等地采集成学习证据（pbl_evidence）。

模块类型：业务模块（Python 包），不是独立部署单元 —— 没有 app.py、没有自己的端口、没有 Dockerfile；由宿主应用（apps/pbls）调用 load_pbl_evidence() 挂载后运行。
交付里程碑：M5a（事件 → 证据幂等采集 + 产出物 CRUD）、M5b（回放 / 增量游标 / 统计）。
下游：M6 评估（Rubric 加权打分）以本模块的证据表为唯一事实源。

Features（能力清单）

能力	契约函数	DSPY 路径	说明
产出物新增	`pbl_artifact_create`	`/pbl_evidence/api/pbl_artifact_create.dspy`	自动补 `tenant_id` / `artifact_uid` / `created_at`
产出物读取	`pbl_artifact_read`	`/pbl_evidence/api/pbl_artifact_read.dspy`	按 id 读，强制租户过滤
产出物更新	`pbl_artifact_update`	`/pbl_evidence/api/pbl_artifact_update.dspy`	白名单列更新，禁改 `tenant_id`
产出物删除	`pbl_artifact_delete`	`/pbl_evidence/api/pbl_artifact_delete.dspy`	带归属校验
产出物列表	`pbl_artifact_list`	`/pbl_evidence/api/pbl_artifact_list.dspy`	分页 + 会话/蓝图/作者过滤
单事件落证据	`pbl_evidence_collect`	`/pbl_evidence/api/pbl_evidence_collect.dspy`	一条事件 → 一条证据，重复调用返回 `deduped=True`
批量采集（M5a 主能力）	`pbl_evidence_collect_from_events`	`/pbl_evidence/api/pbl_evidence_collect_from_events.dspy`	扫 `pbl_runtime_event` → 映射 → 幂等落库，返回 scanned/created/skipped/updated/ignored/failed + watermark
证据列表	`pbl_evidence_list`	`/pbl_evidence/api/pbl_evidence_list.dspy`	学习者/产出物/会话/蓝图/类型/时间窗过滤 + 分页
证据统计	`pbl_evidence_stats`	`/pbl_evidence/api/pbl_evidence_stats.dspy`	证据类型分布，供 M6 与概览页
增量游标	`pbl_evidence_watermark`	（无独立 dspy，供 M5b 回放 / cron 与内部调用）	已采集最大事件时间 + 总量，3s 轮询兜底的起点

模块入口页：/pbl_evidence/index.ui（bricks 卡片导航，聚合上述 9 个 .dspy）。

幂等语义（本模块的核心承诺）

重复采集绝不产生第二条证据，也绝不报错（学生侧无感）：

数据库层：唯一索引 uk_ev_dedup(tenant_id, source_event_id, evidence_type) —— 同一租户下「同一来源事件 + 同一证据类型」最多一行。这是唯一可信的防重屏障。
应用层双保险：写入前先按 (tenant_id, source_event_id, evidence_type) 预查，命中即 skipped（或 update_existing=True 时刷新 payload）；未命中才 INSERT ... ON DUPLICATE KEY UPDATE，因此并发/重放同时命中也不会抛 IntegrityError。
去重键：dedup_key = md5(tenant_id|source_event_id|evidence_type)（32 位定长，与 VARCHAR(32) 严格对齐），便于外部对账与排障。
事件 → 证据映射是配置化常量表（evidence_map.EVENT_TO_EVIDENCE，37 条同义词映射 + 7 条忽略黑名单），未知事件类型降级为 observation 而不丢事件；不靠 SQL 硬编码、不靠猜。

硬约束 C-3（上线顺序，必须遵守）

本模块批量采集读取的 pbl_runtime_event 表由 scense_runtime 的 M11b 建表并写入。

M5 不得早于 M11b 上线，且 M5 与 M11 不得并行开发联调。
事件表缺失时 collector.resolve_event_table() 返回 None → 抛 CollectError → 契约层转成明确错误码 PBL_E_DB_UNAVAILABLE，不会静默返回空成功（fail-closed，便于运维定位）。
兼容层：事件表名按候选顺序发现 pbl_runtime_event → runtime_event → pbl_event；列名一律经 information_schema 发现，不猜列名（分区表/改名不会导致整链 500）。

Data tables（数据表）

表定义在 models/{table}.json（四段式 summary/fields/indexes/codes），DDL 由 json2ddl 生成，建表 SQL 快照在 sql/pbl_evidence.sql。

`pbl_artifact` —— 学生产出物

列	类型	说明
`id`	str(32) PK	主键
`tenant_id`	str(32) NOT NULL	租户（强制打头，缺失 fail-closed）
`artifact_uid`	str(64)	业务唯一码，与 tenant 组成唯一键
`session_id` / `blueprint_id` / `team_id`	str(32)	会话 / 蓝图 / 团队归属
`creator_id`	str(32)	作者（学习者）
`title`	str(255)	标题
`artifact_type`	str(64)	类型（编码 `pbl_artifact_type`）
`content_json`	text	产出物内容（序列化 JSON）
`version_no`	str(32)	版本号（内联，版本快照由蓝图侧维护）
`status`	str(32)	状态（编码 `pbl_artifact_status`）
`submitted_at` / `created_at` / `updated_at`	datetime	时间与审计列（应用层写入，sqlor 不自动填）

索引：uk_art_uid(tenant_id, artifact_uid) 唯一；idx_art_session / idx_art_blueprint / idx_art_creator（均以 tenant_id 打头）。

`pbl_evidence` —— 学习证据

列	类型	说明
`id`	str(32) PK	主键
`tenant_id`	str(32) NOT NULL	租户
`artifact_id`	str(32)	归属产出物（`'0'` = 无强归属的观测类证据）
`evidence_type`	str(64)	证据类型（编码 `pbl_evidence_type`，8 类）
`source_event_id`	str(32) NOT NULL	来源 runtime_event 事件 ID（幂等锚点）
`session_id` / `learner_id` / `blueprint_id`	str(32)	查询维度
`payload_json`	text	证据体（事件摘要序列化 JSON）
`occurred_at`	datetime	事件发生时间
`dedup_key`	str(32)	`md5(tenant\|event\|type)`
`collect_batch_id`	str(32)	采集批次（排障用）
`created_at` / `updated_at`	datetime	审计列（应用层写入）

索引：

uk_ev_dedup UNIQUE (tenant_id, source_event_id, evidence_type) —— 幂等的唯一事实源。含义：同一租户内，一条来源事件的一种证据类型只允许一行；重放、双通道（广播 + 3s 轮询兜底）命中同一事件时第二次写入被唯一键吸收，不产生重复证据。
idx_ev_learner(tenant_id, learner_id, occurred_at)、idx_ev_artifact(tenant_id, artifact_id)、 idx_ev_type_time(tenant_id, evidence_type, occurred_at)、idx_ev_batch(tenant_id, collect_batch_id)。

CRUD 定义在 json/evidence_pbl_artifact.json / json/evidence_pbl_evidence.json （tblname + params，editable 的 new/update/delete_data_url 指向 wwwroot/api/ 自定义 dspy）。

Installation

作为模块，它随宿主应用一起安装（不单独起服务）：

# 1) 安装 Python 包（在宿主 pkgs/ 或机构 modules/ 下）
cd pbl_evidence && pip install -e .

# 2) 生成建表 DDL 并执行（models/ 为四段式 JSON，用 json2ddl）
cd models && json2ddl mysql . > mysql.ddl.sql
mysql -h <db_host> -u<user> -p<pwd> <dbname> < mysql.ddl.sql
#    （手工建表务必带 COLLATE utf8mb4_unicode_ci，否则与 xls2ddl 产物 collation 混用报 1267）

# 3) 生成 CRUD 前端（可选；已有手写 api/ dspy 时按 build.sh 流程执行）
cd json && xls2ui -m ../models -o ../wwwroot pbl_evidence *.json

# 4) 登记 RBAC 权限（双层：模块层 + 中央宿主层，见下）
python3 scripts/load_path.py --check          # 清单与 wwwroot 磁盘一致性核对（不连库）
RBAC_SET_PERM=/path/to/set_role_perm.py python3 scripts/load_path.py   # 实际写权限

scripts/load_path.py 逐条显式登记（禁通配符）：/pbl_evidence/index.ui 与 wwwroot/api/ 下全部 9 个 .dspy，角色均为 logined。中央宿主 apps/pbls/scripts/load_path.py 另有一份等价的硬编码兜底清单（不同代码路径，模块脚本 import 失败时仍能登记）—— 双层 RBAC 回退，两层都必须在册。

自检（无需连库，可放 CI）：

python3 scripts/selfcheck_m5a.py    # 三处同步 / RBAC 清单 vs 磁盘 / 模型四段式 / 幂等键语义

Integration（宿主挂载方式）

模块只依赖：基础包（sqlor、ahserver ServerEnv、appPublic 工具）、pbl_common（租户上下文/ 错误码/时间序列化）、以及自己的两张表。不依赖任何宿主入口文件或宿主的 wwwroot 路径。

# apps/pbls/app/pbls.py
from ahserver.serverenv import ServerEnv
from appbase.init import load_appbase
from rbac.init import load_rbac
from bricks_for_python.init import load_pybricks

def get_module_dbname(m):
    # 库名由宿主决定；本模块绝不硬编码 DBNAME
    return MODULE_DBNAME_MAP.get(m, DEFAULT_DBNAME)

def init():
    env = ServerEnv()                       # 必须在 load_rbac() 之前
    env.get_module_dbname = get_module_dbname   # ← 宿主必须先注册，否则本模块 fail-closed
    load_appbase(); load_rbac(); load_pybricks()

    from pbl_evidence.init import load_pbl_evidence
    load_pbl_evidence()                     # 唯一集成点

前置条件：宿主必须在 ServerEnv 上注册 get_module_dbname。取不到库名时本模块直接抛 PblError（fail-closed），不会退化成查错库。租户上下文由 pbl_common.api.tenant_id() 提供，所有读写强制带 tenant_id，缺失即报错。

函数注册三处同步（改一处必须改三处）： ① pbl_evidence/api.py 定义 → ② pbl_evidence/__init__.py 导出 → ③ pbl_evidence/init.py env.<name> = <name>。漏 ② → import 期 ImportError；漏 ③ → .dspy 调用 NameError。新增对外路径还要同步 ④ scripts/load_path.py（+ 中央 apps/pbls/scripts/load_path.py）。

目录结构

pbl_evidence/
├── pbl_evidence/            # Python 包（= 模块名）
│   ├── __init__.py          # 导出（三处同步之 ②）
│   ├── init.py              # load_pbl_evidence()（三处同步之 ③）
│   ├── api.py               # 10 个契约函数（三处同步之 ①）
│   ├── collector.py         # 事件扫描 → 映射 → 幂等落库；list/stats/watermark
│   ├── evidence_map.py      # 纯函数层：事件→证据类型映射、dedup_key、时间规范化
│   └── db.py                # 数据访问层：get_module_dbname、列名发现、q_all/q_one/q_exec
├── models/                  # pbl_artifact.json / pbl_evidence.json（四段式表定义）
├── json/                    # CRUD 定义（tblname + params + editable）
├── wwwroot/                 # index.ui + api/ 9 个 .dspy（自动路由 /pbl_evidence/...）
├── sql/pbl_evidence.sql     # 建表 SQL 快照
├── scripts/load_path.py     # RBAC 登记（模块层，禁通配符）+ --check 一致性核对
├── scripts/selfcheck_m5a.py # 离线自检（三处同步 / RBAC / 模型 / 幂等键）
├── skill/SKILL.md           # 面向 agent 的模块技能文档
└── pyproject.toml

已知边界（如实说明）

批量采集（pbl_evidence_collect_from_events）的真实回放未在本地环境跑通：该环境 information_schema.tables 中不存在 pbl_runtime_event（M11b 未上线），采集会按设计抛 CollectError → PBL_E_DB_UNAVAILABLE。已在 M11b 落库的联调环境验证前，此项标注为「待联调」。
pbl_evidence_watermark 只作为契约函数注册（供 M5b/cron 内部调用），未单独暴露 .dspy；如需外部轮询调用，新增 .dspy 后必须同步登记 RBAC。

12 KiB Raw Blame History Unescape Escape