框架: A3收口——23型schema入库(23 schema/23 version/294 field/23 policy),字段级aiContext落visibility_policy.policy_snapshot;seed_schemas.py幂等种子挂db skill;两条主仓粒度缺口记设计发现(字段说明列缺失/字段级aiContext无显式列)

2026-07-13 10:29:22 +08:00 · 2026-07-13 10:29:22 +08:00 · 7d6cf34442
commit 7d6cf34442
parent ce1ab01b6d
5 changed files with 140 additions and 2 deletions
--- a/.claude/skills/db/SKILL.md
+++ b/.claude/skills/db/SKILL.md
@ -24,6 +24,9 @@ description: muse-example 实验库的唯一数据库通道——查询/DML/DDL/

 # 表清单+活行数（deleted=FALSE 计数，无 deleted 列的表计全行）
 .venv/bin/python .claude/skills/db/scripts/db.py tables
+
+# A3 种子：23 型 YAML → meta 表行（幂等可重跑；字段改动=改 YAML 后重跑）
+.venv/bin/python .claude/skills/db/scripts/seed_schemas.py
 ```

 ## 红线
--- a/.claude/skills/db/scripts/seed_schemas.py
+++ b/.claude/skills/db/scripts/seed_schemas.py
@ -0,0 +1,128 @@
+#!/usr/bin/env python3
+"""A3：23 型结构本体 YAML → meta 表行（W1 种子演练，幂等可重跑）。
+
+映射约定（详见 db/表映射.md 与本次收口记录）：
+- muse_meta_schema         一型一行；schema_key=target_type；状态 启用→active / 待启用→inactive
+- muse_meta_schema_version 每型 v1，active_flag=TRUE；field_contract_snapshot=完整 YAML（判据/说明/设计发现全在）
+- muse_meta_field          规范化投影行：基础字段 sort_order 1–9，特有字段 11 起（段位即基础/特有约定）
+- muse_meta_visibility_policy 版本级一行：ai_context=是否存在 AI 可见字段；
+                           字段级细则进 policy_snapshot.fieldAiContext（主仓无字段级列——设计发现，待回填）
+- 幂等：schema/version/policy upsert；field 行重跑=删旧插新（meta 种子行豁免软删约定，见表映射.md）
+"""
+import json
+import pathlib
+import sys
+
+import psycopg
+import yaml
+from psycopg.types.json import Jsonb
+
+DSN = "postgresql://root:f6710e2d0294eb1c10e26a805a64bc54@100.64.0.8:5433/muse-example"
+SCHEMA_DIR = pathlib.Path(__file__).resolve().parents[4] / "meta" / "schemas"
+TENANT, ACTOR = 1, "1"  # 实验写入约定：系统主账号
+
+# 基础字段（所有型共有，README §使用规则；aiContext 为实验设计判断，可在 B4 优化环调整）：
+# 名称/别名/摘要/标签全用途可见；来源(出处)生成不可见防抄袭腔；状态是系统轨道值不进上下文（授权过滤在查询层）
+BASE_FIELDS = [
+    ("名称", "text", True, None, True),
+    ("别名", "array", False, None, True),
+    ("一句话摘要", "text", True, None, True),
+    ("标签", "array", False, None, True),
+    ("来源", "text", False, None, ["planning", "detection", "extraction"]),
+    ("状态", "enum", True, ["草稿", "已确认"], False),
+]
+
+
+def seed_one(conn, doc: dict, src_name: str):
+    """单型入库：schema → version(v1) → fields → visibility_policy；返回审查摘要。"""
+    key = doc["target_type"]
+    status = "active" if doc.get("状态", "启用") == "启用" else "inactive"
+    # 1) schema 行 upsert（uk: tenant_id+domain+scope+target_type+schema_key）
+    row = conn.execute(
+        """INSERT INTO muse_meta_schema (schema_key, domain, scope, target_type, display_name, status,
+                                         creator, updater, tenant_id)
+           VALUES (%s,%s,%s,%s,%s,%s,%s,%s,%s)
+           ON CONFLICT (tenant_id, domain, scope, target_type, schema_key)
+           DO UPDATE SET display_name=EXCLUDED.display_name, status=EXCLUDED.status, updater=EXCLUDED.updater
+           RETURNING id""",
+        (key, doc["domain"], doc["scope"], key, doc.get("中文名", key), status,
+         ACTOR, ACTOR, TENANT)).fetchone()
+    schema_id = row[0]
+
+    # 2) version v1 upsert（uk: tenant_id+schema_key+version_no）；快照=完整 YAML
+    row = conn.execute(
+        """INSERT INTO muse_meta_schema_version (schema_id, schema_key, version_no, status, active_flag,
+                field_contract_snapshot, change_note, published_by, activated_by, creator, updater, tenant_id)
+           VALUES (%s,%s,1,'published',TRUE,%s,%s,%s,%s,%s,%s,%s)
+           ON CONFLICT (tenant_id, schema_key, version_no)
+           DO UPDATE SET field_contract_snapshot=EXCLUDED.field_contract_snapshot,
+                         change_note=EXCLUDED.change_note, updater=EXCLUDED.updater
+           RETURNING id""",
+        (schema_id, key, Jsonb(doc), f"A3 种子入库(源:{src_name})", ACTOR, ACTOR, ACTOR, ACTOR, TENANT)).fetchone()
+    version_id = row[0]
+    conn.execute("UPDATE muse_meta_schema SET active_version_id=%s WHERE id=%s", (version_id, schema_id))
+
+    # 3) field 行：删旧插新（幂等重建）
+    conn.execute("DELETE FROM muse_meta_field WHERE tenant_id=%s AND schema_version_id=%s", (TENANT, version_id))
+    ai_map = {}
+    n_special = 0
+    for i, (fk, ftype, req, enum, ai) in enumerate(BASE_FIELDS, start=1):
+        conn.execute(
+            """INSERT INTO muse_meta_field (schema_version_id, field_key, display_name, field_type,
+                   is_required, enum_values, sort_order, creator, updater, tenant_id)
+               VALUES (%s,%s,%s,%s,%s,%s,%s,%s,%s,%s)""",
+            (version_id, fk, fk, ftype, req, Jsonb(enum) if enum else None, i, ACTOR, ACTOR, TENANT))
+        ai_map[fk] = ai
+    for i, f in enumerate(doc.get("特有字段") or [], start=11):
+        conn.execute(
+            """INSERT INTO muse_meta_field (schema_version_id, field_key, display_name, field_type,
+                   is_required, sort_order, creator, updater, tenant_id)
+               VALUES (%s,%s,%s,'text',FALSE,%s,%s,%s,%s)""",
+            (version_id, f["key"], f["key"], i, ACTOR, ACTOR, TENANT))
+        ai_map[f["key"]] = f.get("aiContext", True)
+        n_special += 1
+
+    # 4) visibility_policy：版本级一行 upsert（无 uk，先查后写）；字段级细则进 policy_snapshot
+    any_ai = any(v is not False for v in ai_map.values())
+    snap = Jsonb({"fieldAiContext": ai_map,
+                  "用途枚举": ["planning", "generation", "detection", "extraction"],
+                  "语义": "true=任何用途可入AI上下文;false=一律不入;[用途]=仅列出的用途可入"})
+    exist = conn.execute(
+        "SELECT id FROM muse_meta_visibility_policy WHERE tenant_id=%s AND schema_version_id=%s",
+        (TENANT, version_id)).fetchone()
+    if exist:
+        conn.execute("UPDATE muse_meta_visibility_policy SET ai_context=%s, policy_snapshot=%s, updater=%s WHERE id=%s",
+                     (any_ai, snap, ACTOR, exist[0]))
+    else:
+        conn.execute(
+            """INSERT INTO muse_meta_visibility_policy (schema_version_id, ui_visible, ai_context,
+                   user_editable, user_searchable, exportable, policy_snapshot, creator, updater, tenant_id)
+               VALUES (%s,TRUE,%s,TRUE,FALSE,FALSE,%s,%s,%s,%s)""",
+            (version_id, any_ai, snap, ACTOR, ACTOR, TENANT))
+
+    full_open = sum(1 for v in ai_map.values() if v is True)
+    scoped = sum(1 for v in ai_map.values() if isinstance(v, list))
+    closed = sum(1 for v in ai_map.values() if v is False)
+    return (key, doc.get("中文名", ""), doc["domain"], doc["scope"], status,
+            len(BASE_FIELDS) + n_special, full_open, scoped, closed)
+
+
+def main():
+    files = sorted(p for p in SCHEMA_DIR.glob("*.yaml"))
+    if not files:
+        sys.exit(f"未找到 schema YAML: {SCHEMA_DIR}")
+    rows = []
+    with psycopg.connect(DSN) as conn:
+        for p in files:
+            doc = yaml.safe_load(p.read_text())
+            rows.append(seed_one(conn, doc, p.name))
+        conn.commit()
+    # 审查面：逐型卡片行
+    print(f"{'型':<20}{'中文名':<10}{'domain':<11}{'scope':<10}{'状态':<9}{'字段':<5}{'AI全开':<7}{'限用途':<7}{'关闭'}")
+    for r in rows:
+        print(f"{r[0]:<20}{r[1]:<10}{r[2]:<11}{r[3]:<10}{r[4]:<9}{r[5]:<5}{r[6]:<7}{r[7]:<7}{r[8]}")
+    print(f"\n共 {len(rows)} 型入库（基础字段 {len(BASE_FIELDS)} + 各型特有；快照含判据/说明/设计发现全文）")
+
+
+if __name__ == "__main__":
+    main()
--- a/README.md
+++ b/README.md
@ -175,7 +175,7 @@ flowchart LR
 |---|---|---|---|---|
 | A1（原K0） | 基座 | `muse-example` 建库+vector 插件；嵌入通道已实测（Qwen3-8B 默认 4096、`dimensions:1024` 生效） | psql 实测输出 | 未做，第一步 |
 | A2（原K1） | 库表映射 | 主仓 `sql/muse` 摘录**一致** DDL（meta / work·chapter / knowledge 三域）→应用；实验私货全进 `example_*` 前缀（嵌入边表 vector(1024)、tenant/creator 默认系统主账号=1）；交付 `db` 查询 skill | `\dt` + 表↔主仓迁移来源映射 | 未做 |
-| A3（原K2） | G1 元结构治理 | 23 型 YAML → meta 表行（=W1 种子演练）；此后拆书/抽取一律读**库内** schema | schema/字段行卡片打印 | YAML 就绪，入库未做 |
+| A3（原K2） | G1 元结构治理 | 23 型 YAML → meta 表行（=W1 种子演练）；此后拆书/抽取一律读**库内** schema | schema/字段行卡片打印 | ✅ 已收口（2026-07-13）：23 型/294 字段行，字段级 aiContext 入 policy_snapshot；seed_schemas.py 幂等 |
 | A4 | G2 系统能力治理 | 四槽位默认智能体（身份段）+ 功能 skill ×9 + 功能链登记表（`meta/chains/`）+ read-context/confirm/eval 保护流程 | 保护节点不可被装配替换 | 已就位（文件侧）；装配入库随阶段二 |

 **阶段B 全局知识生产（管理线 G3 主体；审查=可见知识库数据）**
--- a/db/表映射.md
+++ b/db/表映射.md
@ -52,5 +52,6 @@

 - `tenant_id=1`、`creator='1'`、`owner_user_id=1`（系统主账号）——写入层统一给值；列默认仍照主仓（0/''），不改列。
 - 公共范式的全局知识行：`work_id=0` + `scope='global'` + 挂 `kb_type='global'` 的库；参考书私有库 `kb_type='user'`。
- 软删照主仓：`deleted=TRUE`，不物理删。
+- 软删照主仓：`deleted=TRUE`，不物理删。**例外**：meta 种子行（`muse_meta_field`）幂等重跑=删旧插新（种子演练场景，豁免软删）。
+- meta 字段行 sort_order 段位约定：1–9 基础字段，11 起特有字段。
 - 双轨对应：B2 产出全落 `muse_knowledge_draft(status='pending')`；B5 管理员确认（仅创始人触发）= draft 翻 `confirmed` + 落 `muse_knowledge_entity(status='active')`；丢弃= draft 翻 `ignored`。
--- a/meta/schemas/README.md
+++ b/meta/schemas/README.md
@ -40,3 +40,9 @@

 - 2026-07-09 拆书首轮——「例证出处」五型统一设计有效（隔离抽象范式与出处、支撑脱敏）；建议可选增「反例出处（哪里用砸了）」强化检测。
 - 范式卡模板可考虑可选「边界」字段（本卡为何不是邻型），缓解复用时五型互混；需权衡卡片负担。
+- 2026-07-13 A3 种子入库——主仓 `muse_meta_field` 无「字段说明」列（仅 display_name），字段语义合同只能靠 version 的 `field_contract_snapshot` 承载；建议主仓补 description 列或钉死 snapshot 为字段语义 SoT（回填候选）。
+- 2026-07-13 A3 种子入库——字段级+用途级 aiContext（专题-06 §7 裁剪所需粒度）在主仓无显式列：`muse_meta_visibility_policy.ai_context` 是版本级布尔。实验约定细则落 `policy_snapshot.fieldAiContext`（true/false/[用途]），建议主仓明确该 JSONB 的 schema 合同（回填候选）。
+
+## A3 入库状态（2026-07-13）
+
+23 型已全部入库 `muse_meta_schema`(+version/field/visibility_policy)，此后拆书/抽取一律读**库内** schema（经 db skill），本目录 YAML 退为设计稿与种子来源；字段增删先改 YAML 再重跑 `seed_schemas.py`（幂等），保持两侧一致。