Rustam Khalimov
b053d58335
Удалены <remarks>, <summary> сжаты до короткой фразы, вырезаны ссылки на Task/Ruling/этап/python/прототип; //-комментарии со ссылками на процесс удалены; то же в .proto. Правила обновлены в docs/spec/Код-стайл-Дейл.md. Строк комментариев 27210 -> ~19100.
128 lines
6.1 KiB
Protocol Buffer
128 lines
6.1 KiB
Protocol Buffer
//
|
||
// (MlPredictResultDto/MlServiceStatusDto/MlEvalDto/MlResetResultDto).
|
||
// Модель per-tenant: пул в ml-service, файл SQLite data/ml/<tenantId>.sqlite
|
||
//
|
||
// tenant-id — id тенанта (строка; модель тенанта — в пуле сервиса);
|
||
// service-token — общий токен сервисов (env DEAL_SERVICE_TOKEN); неверный/
|
||
// пустой → UNAUTHENTICATED.
|
||
//
|
||
// INVALID_ARGUMENT — невалидный запрос (пустой text и т.п.);
|
||
// UNAVAILABLE — хранилище модели недоступно (ядро отвечает «не уверен»,
|
||
//
|
||
// Семантика неготовой модели: Predict НЕ ошибка — модель без опыта отвечает
|
||
// фиксированным «не уверен»: take=false, label пуст, scores пуст, hits=0,
|
||
//
|
||
// Deadlines (клиент ядра): Predict — 5 с; Status/Reset — 10 с; TrainBatch — 30 с
|
||
// (батч ≤100 примеров, одна транзакция).
|
||
syntax = "proto3";
|
||
|
||
package deal.ml.v1;
|
||
|
||
option csharp_namespace = "Deal.Grpc.Ml";
|
||
|
||
service MlService {
|
||
// take/label/scores/hits/margin/terms/type осмысленны только при take=true;
|
||
// scores — до 5 лучших «класс → вес» (round 3), margin — адаптивный порог
|
||
// (0.9/0.7/0.5/0.35 после 0/60/150/400 примеров), terms — узнанные термины
|
||
// класса-победителя, type — решение о типе заявки (t:hire/t:order).
|
||
rpc Predict(PredictRequest) returns (PredictReply);
|
||
|
||
// classes — «label → вес» (round 2, по убыванию); eval — самооценка по окну
|
||
// последних подтверждённых решений (EVAL_WINDOW). Модель создаётся лениво
|
||
rpc Status(StatusRequest) returns (StatusReply);
|
||
|
||
// терминов и журнала самооценки + пересоздание файла. Ok=true; мягкая
|
||
// ошибка — Ok=false + error (ядро чистит свою ml_outbox только при успехе).
|
||
rpc Reset(ResetRequest) returns (ResetReply);
|
||
|
||
// пакетные вставки терминов; самооценка по действиям пользователя (delta=1,
|
||
// не t:*) до применения. Ответ — число применённых примеров.
|
||
rpc TrainBatch(TrainBatchRequest) returns (TrainBatchReply);
|
||
}
|
||
|
||
message PredictRequest {
|
||
// Текст сообщения (ядро передаёт уже обрезанный/нормализованный, как
|
||
string text = 1;
|
||
}
|
||
|
||
message PredictReply {
|
||
// True — модель уверена (take) и решение можно использовать без ИИ.
|
||
bool take = 1;
|
||
// Класс решения: id колонки канбана (b_…) или "spam"; пуст, если не уверена.
|
||
optional string label = 2;
|
||
// Веса классов: «label → вес» (до 5 лучших; пуст у неготовой модели).
|
||
map<string, double> scores = 3;
|
||
// Сколько терминов класса-победителя модель узнала в тексте.
|
||
int32 hits = 4;
|
||
// Модель обучена (набрала MIN_TOTAL/MIN_WINNER/MIN_WINNER_SPAM) и может
|
||
// принимать решения.
|
||
bool ready = 5;
|
||
// Порог уверенности решения (адаптивный margin, 2 знака); пуст — нет решения.
|
||
optional double margin = 6;
|
||
// Узнанные термины класса-победителя (подсказка структуры карточки, ≤8).
|
||
repeated string terms = 7;
|
||
// Решение о типе заявки (hire/order); пуст — модель тип не определила.
|
||
TypeDecision type = 8;
|
||
}
|
||
|
||
message TypeDecision {
|
||
// True — модель уверена в типе.
|
||
bool take = 1;
|
||
// Тип: "hire" | "order".
|
||
string label = 2;
|
||
// Внутренний класс ML: "t:hire" | "t:order" (не показывается UI).
|
||
string value = 3;
|
||
// Запас уверенности (margin, 2 знака).
|
||
double margin = 4;
|
||
}
|
||
|
||
message StatusRequest {}
|
||
|
||
message StatusReply {
|
||
// Модель готова принимать решения.
|
||
bool ready = 1;
|
||
// Классы модели: «label → вес» (round 2; пуст, пока нет обучения).
|
||
map<string, double> classes = 2;
|
||
// Всего примеров, на которых модель обучалась (сумма по классам).
|
||
int32 learned = 3;
|
||
// Самооценка модели по последним подтверждённым решениям.
|
||
ModelEval eval = 4;
|
||
}
|
||
|
||
message ModelEval {
|
||
// Решений в окне самооценки (последние EVAL_WINDOW).
|
||
int32 count = 1;
|
||
// Из них совпавших с действием пользователя.
|
||
int32 correct = 2;
|
||
// Доля верных (correct/count, 0..1; 0 при пустом окне).
|
||
double accuracy = 3;
|
||
}
|
||
|
||
message ResetRequest {}
|
||
|
||
message ResetReply {
|
||
// True — модель сброшена (и ядро очищает свою очередь обучения).
|
||
bool ok = 1;
|
||
// Текст ошибки при сбое сброса (пуст при успехе) — мягкая ошибка.
|
||
optional string error = 2;
|
||
}
|
||
|
||
message TrainBatchRequest {
|
||
repeated TrainExample items = 1;
|
||
}
|
||
|
||
// Один обучающий пример (строка ml_outbox ядра: text/label/delta).
|
||
message TrainExample {
|
||
// Текст примера (source_msg карточки или title).
|
||
string text = 1;
|
||
// Метка: id доски (b_…), "spam" либо тип "t:hire"/"t:order".
|
||
string label = 2;
|
||
// Вес сигнала: 1.0 — действие пользователя; −1.0 — снять метку;
|
||
double delta = 3;
|
||
}
|
||
|
||
message TrainBatchReply {
|
||
// Число применённых примеров (= len(items) при успехе).
|
||
int32 learned = 1;
|
||
}
|