silk/后续工作计划.md

后续工作计划

完成状态（2026-08-14 更新）：#5-#24、#27 已完成，Task 0/1/2/4/5/6/8/9/10/11/12 整改代码完成（详见 开发交接记录.md）；#1-4 因物理机问题挂起；#23/#26 骨架完成；Task 3/7 延后到最后处理；微信/天气真实数据待凭证。

整改实施计划 Wave 0-4（2026-08-13 启动）

能力状态使用七态：未开始、方案确定、骨架、Mock、手工录入、部分可用、可验收、已验证。

Wave	范围	任务	状态	阻塞
Wave 0	决策与基线	Task 0 固化开放决策与整改基线	方案确定	无，决策记录已生成
Wave 0	决策与基线	Task 1 恢复可复现的多端质量基线	部分可用	CI 待 Task 0 平台落地
Wave 1	P0 安全与正确性	Task 2 版本化数据库迁移与 Schema 启动门禁	部分可用	开发库升级已验证，真实 down 回滚演练待后续
Wave 1	P0 安全与正确性	Task 3 移除默认密钥与默认管理员密码	延后到最后（跳过）	用户 2026-08-13 明确要求跳过并留到最后
Wave 1	P0 安全与正确性	Task 4 收口视频访问与摄像头密钥输出	部分可用	待开发服务器部署联调
Wave 1	P0 安全与正确性	Task 5 修复 WebSocket 越权与 AI 流 SSRF	部分可用	待开发服务器部署与真实 WS/AI 联调
Wave 1	P0 安全与正确性	Task 6 修复 AI 风险语义并隔离 Mock 数据	部分可用	待开发服务器迁移部署与真实模型接入；历史数据待人工审阅
Wave 1	P0 安全与正确性	Task 7 修订 qPCR 判读与检测质控	延后到最后（跳过）	用户 2026-08-14 明确要求跳过并留到最后；恢复前需领域专家确认
Wave 2	工程可靠性	Task 8 建立可靠通知、吊销与跨实例状态	部分可用	待开发服务器迁移部署与 Redis/微信真实联调
Wave 2	工程可靠性	Task 9 建立统一检测任务、样本链与发病事件	部分可用	待开发服务器迁移部署与端到端联调
Wave 3	业务闭环	Task 10 补齐消毒、种源与二维码身份链	部分可用	待开发服务器迁移部署与真实二维码/现场扫码联调
Wave 3	业务闭环	Task 11 实现小程序离线巡检与可靠同步	部分可用	待开发服务器迁移部署与开发者工具离线/重启联调
Wave 3	业务闭环	Task 12 完善环境规则、会诊治理、知识审核与效果评估	部分可用	待开发服务器迁移部署与专家/试点联调
Wave 4	验收与发布	Task 13 建立可观测性、容量与恢复验证	未开始	无
Wave 4	验收与发布	Task 14 建立规格追踪、端到端验收与发布门禁	未开始	无

技术选型决策（2026-08-11 确定）

采用混合架构：现有 Go 底座 + Python AI 微服务

• 平台/业务：沿用 server-go（Go/Gin/GORM、PostgreSQL、IoTDB、Valkey/Redis、VerneMQ、Ceph S3、WVP+ZLM 等现有能力）
• AI 能力：新建独立 Python 服务 ai-service/（FastAPI + ONNX Runtime），承载 YOLO 检测、图像/光谱分析
• 通信：Go 后端 ↔ AI 服务通过 HTTP/gRPC；摄像头流巡检由 AI 服务直接消费 ZLMediaKit 流
• 端侧：农户端微信小程序沿用现有 Taro miniapp；端侧 ONNX 推理作为后续优化项

部署决策（2026-08-11 确定）：生产环境全部上云，本地仅用于开发/训练/测试

• 生产：业务云主机 + GPU 云主机（NVIDIA T4 16G）+ 云对象存储（OSS/COS），同地域同 VPC 内网互通
• 本地（开发 VM + fnOS/i7-8700T/Tesla P4 物理机）：仅做代码开发、YOLO 模型训练、数据集处理与功能测试；训练产物（best.onnx 等）上传云端部署

云部署配置（2026-08-11 确定）

资源	推荐配置	用途
业务云主机	8 vCPU / 32GB / 100GB SSD 系统盘 + 500GB SSD 数据盘，10Mbps 起步（视频多则按量），Debian 12 / Ubuntu 22.04，华南或华东	Go 后端、PostgreSQL、IoTDB、VerneMQ、Valkey、Docker（WVP/ZLM/MySQL/Redis）、recorder-go、前端
GPU 云主机	NVIDIA T4 16G，8 vCPU / 32GB / 100GB SSD，与业务主机同 VPC	ai-service（ONNX Runtime 推理），不承担训练
云对象存储	OSS/COS：录像 bucket + 图片 bucket，配置生命周期（录像按保留期转低频/删除）	替代 Ceph（现有 loop 100GB 容量/性能受限）
网络与入口	域名 + HTTPS 证书（小程序合法域名需 ICP 备案）、负载均衡（可选）、CDN（模型/静态资源分发）	对外访问与端侧模型更新
数据库	优先云 RDS（高可用+自动备份）；成本敏感则业务主机自装 + 每日备份 + 云盘快照	PostgreSQL 业务数据

一、前置准备（P0）

• 1. 修复数据集：按原始图重新划分 train/valid/test（消除 Roboflow 增强副本导致的跨集泄漏）；修正 data.yaml（heathly → healthy、绝对路径）；删除空标签（挂起：物理机问题）
• 2. 远程训练服务器（fnOS / i7-8700T / 62G / Tesla P4 8G）搭建环境：venv + PyTorch（cu121/cu124，兼容 P4）+ ultralytics（挂起：物理机问题）
• 3. 数据集上传服务器 /vol1/ai/datasets（挂起：物理机问题）
• 4. YOLOv8s 二分类基线训练（healthy/sick），产出 best.pt / best.onnx + 指标报告（mAP、混淆矩阵）（挂起：物理机问题；ai-service 已预留 MODEL_MODE=onnx + best.onnx 接入）

二、AI 巡检闭环（规格书阶段一，MVP）

• 5. 新建 ai-service/（骨架完成：FastAPI + ONNX Runtime，POST /detect、GET /health、/stream-detect、/metrics；mock 模式运行于开发服务器 :8000；真实模型待训练恢复后 MODEL_MODE=onnx）
• 6. Go 后端对接（完成：AI client + inspection_records + /api/v1/inspections，Idempotency-Key 幂等）
• 7. 蚕房/蚕匾/批次管理（完成蚕匾/批次/饲养记录；消毒记录 P1、蚕种来源全链 P2 未做）
• 8. 农户小程序拍照巡检（完成：拍照→上传→AI 结果→风险分级→记录；端侧推理为后续优化）
• 9. 风险评分引擎（完成：0.5×AI + 0.2×环境 + 0.15×阶段 + 0.15×整齐度；整齐度暂无数据源恒为 0）
• 10. 知识库初始版（完成：4 类核心 + 扩展病种、AI 结果解读、LAMP/SERS 教程、四季提醒、图谱图片上传；图谱素材待三个方向导入）
• 11. 推送（骨架完成：WebSocket 保留 + 微信订阅消息绑定/授权/巡检触发；真实推送待 AppID/Secret/模板 ID）

三、环境监测 + LAMP 检测（规格书阶段二）

• 12. 天气数据接入与高发病天气预警规则（完成：和风天气 + weather_alerts + 定时评估；真实数据待 QWEATHER_API_KEY/LOCATION）
• 13. 饲养阶段风险提示（完成：/knowledge/stage-hints + 小程序选择器）
• 14. LAMP 检测管理（完成：任务单/5 步流程/照片/结果录入；AI 辅助判读待模型）
• 15. 交叉验证（完成：一致→确认诊断，不一致→建议会诊）
• 16. 耗材管理（完成：库存/低库存/临期预警/采购建议）
• 17. 技术员 Web 后台（完成：检测任务/耗材/巡检复查）

四、专家诊断 + 多检测方式 + 疫病溯源（规格书阶段三）

• 18. 专家会诊（完成：病例快照/意见/防控方案/归档；在线会诊为表单版，实时音视频未做）
• 19. qPCR/SERS/高光谱接入（完成：Ct 自动判读、SERS 光谱 + 光谱库、高光谱预留）
• 20. 多检测方式推荐引擎（完成：设备/紧急/操作者/成本偏好加权）
• 21. 疫病溯源（完成：三级溯源；区域关联 v1 用同房间历史）
• 22. 区域发病热力图（完成统计图表版（柱状/饼图）；GeoJSON 乡镇/县级地图后续按需接入）
• 23. 摄像头流 AI 巡检（骨架完成：/stream-detect 拉流抽帧检测；正式巡检编排二期，需摄像头视角数据）

五、数据分析与运维

• 24. 蚕房健康画像、防控效果评估、年度发病规律（健康画像与年度规律完成；防控效果评估 P2 未做）
• 25. 时序存储决策：MVP 沿用 IoTDB（现状）；TDengine 作为生产规模化候选，在出现聚合报表/性能瓶颈或上云规划时先做基准测试再定（2026-08-13 决策）
• 26. AI 服务部署与 GPU 监控（骨架完成：/metrics 含 nvidia-smi，开发服务器可读到 940MX；生产 T4 接入时复用）
• 27. 测试基建（完成：Go 各模块单测 + Web Vitest + npm test）

依赖关系

数据/环境(1-4) → AI 服务(5) → 拍照巡检(6-11)          [阶段一]
                      ↓
环境+LAMP(12-17) → 专家会诊(18) → 疫病溯源(21)        [阶段二→三]
                      ↓
摄像头流巡检(23) + 数据分析(24)                       [阶段三→四]

待决策事项

• 时序数据库：MVP 沿用 IoTDB；TDengine 留作生产规模化候选（基准测试后再定）
• 数据集病种扩展：由二分类（healthy/sick）扩展为 7 类病种标注（影响 AI 巡检与溯源联动）
• AI 服务部署形态：已定——云 GPU 主机（T4 16G），容器化部署
• 对象存储：已定——云 OSS/COS，替代 Ceph