feat(ai-rule-engine): 添加 AI 规则引擎设计方案

- 确定技术选型:Python + SQLite + RestrictedPython
- 规划核心模块:RuleCompiler、RuleExecutor、RuleStore、ConflictDetector
- 设计 REST API 接口
- 定义 MVP 范围

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
This commit is contained in:
root 2026-05-11 21:19:55 +08:00
parent 0fd1ccbc00
commit cd0ec8397f
3 changed files with 267 additions and 0 deletions

View File

@ -2,3 +2,9 @@
- 当前暂无已提炼的长期记忆。 - 当前暂无已提炼的长期记忆。
- 在这里记录跨会话稳定生效的偏好、架构决策和最佳实践。 - 在这里记录跨会话稳定生效的偏好、架构决策和最佳实践。
---
## 时间线索引
- [2026-05-11](memory/2026-05-11.md) — AI 规则引擎设计方案确认

View File

@ -0,0 +1,221 @@
# AI 规则引擎设计方案
## 1. 背景与目标
### 1.1 问题
- 规则判断通常需要调用 LLM API成本高、延迟大
- 规则以自然语言描述,每次判断都需 AI 解析,效率低
### 1.2 目标
- 将自然语言规则描述通过 AI 转换为可执行 Python 函数
- 存储转换后的规则,支持快速校验
- 提供兜底机制:无法匹配时调用 LLM 补充规则
### 1.3 成功标准
- 规则创建后,后续判断无需再调用 LLM API
- 规则冲突/重复可被检测
- 无法匹配时自动触发 LLM callback 并学习新规则
---
## 2. 技术选型
| 模块 | 技术 |
|------|------|
| 语言 | Python 3.10+ |
| 存储 | SQLite |
| AI 编译器 | GPT-4o / Claude Sonnet自然语言→Python 函数) |
| 安全隔离 | `RestrictedPython` |
| API | REST API |
| 部署 | 本地运行 |
---
## 3. 模块边界与数据流
```
┌─────────────────────────────────────────────────────────────┐
│ AI 规则引擎 │
├─────────────────────────────────────────────────────────────┤
│ │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ Rule API │───▶│Rule Compiler │───▶│ Rule Store │ │
│ │ (REST) │ │ (LLM) │ │ (SQLite) │ │
│ └──────────────┘ └──────────────┘ └──────────────┘ │
│ │ │ │
│ ▼ ▼ │
│ ┌──────────────┐ ┌──────────────┐ │
│ │Rule Matcher │◀──────────────────────│Rule Executor │ │
│ │ │ │(RestrictedPy)│ │
│ └──────────────┘ └──────────────┘ │
│ │ │ │
│ │ 无匹配时 │ │
│ ▼ │ │
│ ┌──────────────┐ │ │
│ │ LLM Callback │──────────────────────────────▶│ │
│ │ (补充规则) │ │ │
│ └──────────────┘ │ │
│ │ │
└─────────────────────────────────────────────────────┘ │
```
### 3.1 核心模块
| 模块 | 职责 |
|------|------|
| RuleAPI | 提供 REST 接口(创建规则、校验事实、查询规则) |
| RuleCompiler | 调用 LLM 将自然语言规则转换为 Python 函数 |
| RuleStore | SQLite 存储规则(含元数据:名称、描述、版本、优先级) |
| RuleExecutor | 在 RestrictedPython 沙箱中执行规则函数 |
| RuleMatcher | 判断事实匹配哪条规则 |
| ConflictDetector | 检测规则冲突 |
| Deduplicator | 检测规则重复/相似 |
| LLMEallback | 无法匹配时调用 LLM 补充规则 |
### 3.2 数据模型
```sql
CREATE TABLE rules (
id TEXT PRIMARY KEY,
name TEXT NOT NULL,
description TEXT,
condition_template TEXT NOT NULL, -- 原始规则描述
code TEXT NOT NULL, -- 转换后的 Python 函数代码
priority INTEGER DEFAULT 0,
version INTEGER DEFAULT 1,
created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
updated_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
is_active BOOLEAN DEFAULT 1
);
CREATE TABLE rule_executions (
id TEXT PRIMARY KEY,
rule_id TEXT,
facts TEXT NOT NULL, -- JSON 格式的事实数据
result TEXT, -- 执行结果
matched BOOLEAN,
executed_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
FOREIGN KEY (rule_id) REFERENCES rules(id)
);
CREATE TABLE rule_embeddings (
rule_id TEXT PRIMARY KEY,
embedding TEXT NOT NULL, -- 用于相似度计算
FOREIGN KEY (rule_id) REFERENCES rules(id)
);
```
---
## 4. API 设计
### 4.1 创建规则
```
POST /api/rules
Body: {
"name": "premium_discount",
"description": "如果用户是高级会员给予8折优惠",
"condition_template": "用户{{user_id}}的订阅类型为{{subscription}},且年龄大于{{age}}",
"facts_schema": {...} // 可选:事实格式定义
}
Response: { "id": "rule_xxx", "code": "..." }
```
### 4.2 校验事实
```
POST /api/rules/evaluate
Body: {
"facts": {
"user_id": "u123",
"subscription": "premium",
"age": 25
}
}
Response: {
"matched": true,
"rule_id": "rule_xxx",
"result": { "action": "apply_discount", "params": {"discount": 0.8} }
}
```
### 4.3 查询规则
```
GET /api/rules
GET /api/rules/{id}
```
### 4.4 删除规则
```
DELETE /api/rules/{id}
```
---
## 5. 错误处理
| 场景 | 处理方式 |
|------|----------|
| LLM 编译失败 | 返回错误,保留原始描述供修改 |
| 规则执行超时 | 限制执行时间(如 100ms超时视为失败 |
| 无规则匹配 | 触发 LLM Callback尝试生成新规则 |
| 规则冲突 | 警告返回,冲突规则不执行,需人工确认 |
| 规则重复 | 自动合并或提示用户确认 |
---
## 6. 冗余处理
### 6.1 规则去重
- 使用 embedding 计算语义相似度
- 相似度 > 0.95 的规则视为重复
- 提示用户合并或覆盖
### 6.2 规则冲突检测
- 两两比对规则条件
- 使用真值表分析是否存在矛盾A→通过B→拒绝 且条件重叠)
- 冲突规则标记,需人工确认优先级
### 6.3 LLM Callback 兜底
- 无规则匹配时,自动调用 LLM
- LLM 分析 facts生成新规则描述
- 新规则经编译后存入数据库,下次直接使用
---
## 7. 安全考虑
| 风险 | 缓解措施 |
|------|----------|
| 动态代码执行 | RestrictedPython 沙箱,禁止危险操作 |
| 执行超时 | 规则执行限制 100ms |
| LLM 注入 | 输入 facts 做格式校验 |
| 数据泄露 | 不记录敏感 facts 内容 |
---
## 8. 测试策略
| 层级 | 内容 |
|------|------|
| 单元测试 | RuleCompiler、RuleExecutor、ConflictDetector |
| 集成测试 | API 端到端(创建规则→校验→结果) |
| 安全测试 | 沙箱隔离验证、恶意代码检测 |
---
## 9. MVP 范围
### 第一阶段(本次实现)
- [x] 方案设计
- [ ] SQLite 存储层
- [ ] 基础 REST API
- [ ] LLM 编译器GPT-4o
- [ ] RestrictedPython 执行器
- [ ] 基础规则校验接口
- [ ] 冲突检测(简化版)
### 第二阶段(后续)
- [ ] 规则去重
- [ ] LLM Callback 兜底机制
- [ ] 高级冲突检测
- [ ] Web 管理界面

40
memory/2026-05-11.md Normal file
View File

@ -0,0 +1,40 @@
# 2026-05-11
## 纪要
- AI 规则引擎项目启动
## 决策
### AI 规则引擎技术选型
- **技术栈**: Python 3.10+ / SQLite / REST API / 本地运行
- **AI 编译器**: GPT-4o / Claude Sonnet
- **安全隔离**: RestrictedPython
- **规则形式**: Python 函数 + 安全隔离执行
**为什么方案 A轻量级自研而非方案 B规则引擎库**
- AI 生成 Python 函数链路最短,灵活度最高
- MVP 阶段快速验证核心价值
- 后续可按需替换执行层
### 核心功能优先级
1. SQLite 存储层
2. 基础 REST API
3. LLM 编译器
4. RestrictedPython 执行器
5. 基础规则校验
6. 冲突检测(简化版)
### 冗余处理范围
- 规则去重embedding 相似度)
- 规则冲突检测(真值表分析)
- LLM Callback 兜底(无匹配时自动补充规则)
## 问题与修复
(暂无)
## 待办
- [ ] Phase 2: 编写实现计划
- [ ] Phase 3: TDD 实现