wuyang6
39 lines
1.5 KiB
Markdown
39 lines
1.5 KiB
Markdown
# online-mining-v2
|
||
|
||
`online-mining-v2` 是线上数据挖掘 skill。它把 `elk-fetch` 作为默认线上数据源，把 `product-data` 作为挖掘结果的标准数据后处理链路。
|
||
|
||
## 设计目标
|
||
|
||
- 线上数据源默认走 ELK，而不是本地 parquet。
|
||
- 挖掘能力放在 skill 目录内，不注册新的平台工具。
|
||
- 所有脚本支持 JSON stdin/stdout，方便迁移到其他 Agent。
|
||
- 挖出的线上 case 不直接手写最终格式，而是转成 `product-data` 的 dataset draft，再进入 canonical record、校验和导出。
|
||
|
||
## 主要脚本
|
||
|
||
| 脚本 | 作用 |
|
||
| --- | --- |
|
||
| `scripts/elk_profile_index.py` | 采样索引 schema 和关键字段，帮助 Agent 判断字段可用性。 |
|
||
| `scripts/elk_search_cases.py` | 按 query/domain/prompt/model output/candidate domain 等条件搜索候选 case。 |
|
||
| `scripts/elk_fetch_by_request_ids.py` | 批量按 request id 拉取 main/pre_processing 原始摘要。 |
|
||
| `scripts/elk_join_request_logs.py` | 把 `arch-flat-nlp-log-f-*` 和 `pre-processing-info*` 按 request id 合并。 |
|
||
| `scripts/build_dataset_draft.py` | 把 review 后的线上 case 转成 product-data dataset draft text。 |
|
||
|
||
## 数据源
|
||
|
||
- `main`：`arch-flat-nlp-log-f-*`
|
||
- `pre_processing`：`pre-processing-info*`
|
||
|
||
字段说明见 `knowledge/数据源字段说明.md`。
|
||
|
||
## 后处理
|
||
|
||
后处理复用 `skills/product-data/scripts/`：
|
||
|
||
1. `normalize_dataset_draft.py`
|
||
2. `validate_dataset_records.py`
|
||
3. `export_dataset_records.py`
|
||
4. 可选 `export_training_jsonl.py`
|
||
5. 可选 `export_planning_eval_csv.py`
|
||
|