接入 · 分析 · 审核 · 验证

使用方法

闭环以命令行工具 bianmu4 + 一个自带工作台 UI 的 HTTP 服务交付。 下面按「接入 → 分析 → 提规则 → 审核 → 验证」的实际使用顺序说明。

第 1 步 · 接入修正埋点

上游工作台每保存一次字段修改，推一条事件。两种通道：

HTTP webhook（云端工作台用这个）

curl -X POST https://your-host:8040/api/corrections \
  -H "Content-Type: application/json" -H "X-Api-Token: $TOKEN" \
  -d '{
    "title_id":   "db_35267224",
    "title":      "山河故人令",
    "field":      "foreign_title",
    "field_layer":"L3",
    "old_value":  "Shan He Gu Ren Ling",
    "new_value":  "Legend of the Riverlands",
    "source":     "douban_snapshot",
    "confidence": 0.62,
    "operator":   "editor_017",
    "reason":     "来源错误",
    "session_id": "task_20260905_0031"
  }'

响应约定：校验通过 200；原值等于新值 200 + skipped； 校验失败 422 且原始 payload 落入 deadletter 队列（不丢数据）； Token 错误 401。

进程内函数（同机部署用这个）

from web.hooks import on_field_corrected

on_field_corrected(title_id=..., field=..., old_value=..., new_value=...,
                   source=..., field_layer="L3", reason="来源错误",
                   operator=..., session_id=..., confidence=0.62)

第 2 步 · 差异分析（无模型依赖）

bianmu4 stat      # 埋点数据概览
bianmu4 diff      # 高频错误字段 Top-10 / 错误模式 / 来源分布 / 置信度分箱

先看置信度分箱再决定下一步：低置信度样本占修正量超过 45%， 说明置信度机制可信，可以据此排人工复核优先级；分布均匀则先修置信度机制， 不要急着提规则。

第 3 步 · 提取规则草案

bianmu4 extract --dry-run --min-samples 8   # 先看流程，不调模型
bianmu4 extract --min-samples 8             # LLM 归纳（OpenAI 兼容协议，本地/云端仅差 base_url）

样本不足的字段不提规则（宁缺毋滥）；每条草案强制附样本证据。

第 4 步 · 审核与灰度

bianmu4 rules                                # 查看规则库
bianmu4 review R-xxx --to 待审 --reviewer 张三
bianmu4 review R-xxx --to 灰度 --reviewer 张三
bianmu4 rollback R-xxx                        # 一键回滚，任何状态可用

第 5 步 · 验证规则真的有效

bianmu4 verify foreign_title --cutoff 2026-09-15
# 输出生效日前后的 修正次数/天 对比，下降 ≥20% 判定达标

工作台 UI

以上所有人工触点也有 Web 界面 —— bianmu4 serve 启动后：

鉴权为共享 Token：API 走 X-Api-Token 请求头，UI 走登录页换 HMAC 签名 cookie； 未配置 Token 时服务拒绝启动。

部署约束

方法论 →