# 05 · 部署与演进

## 1. 部署方案

**目标形态**：单机内网部署的 Spring Boot 应用，连 MaxCompute + 调 DeepSeek。

### 1.1 构建

```bash
# 本机构建（JDK 11 + Maven，阿里云镜像）
mvn clean package -DskipTests
# 产出：target/metric-ontology-query-0.1.0.jar
```

### 1.2 运行

```bash
export DEEPSEEK_API_KEY=sk-xxx
export MAXCOMPUTE_ENDPOINT=xxx
export MAXCOMPUTE_ACCESS_ID=xxx
export MAXCOMPUTE_ACCESS_KEY=xxx
export MAXCOMPUTE_PROJECT=xxx

java -jar target/metric-ontology-query-0.1.0.jar
```

### 1.3 验证

```bash
curl -X POST http://localhost:8080/api/query \
  -H "Content-Type: application/json" \
  -d '{"question": "上个月华东区成交额环比多少？"}'

# 响应
{
  "metric": "GMV",
  "result": [{"region_group": "华东区", "value": 120000000}],
  "analysis": "华东区 GMV 环比下降 12.3%，主因..."
}
```

## 2. 依赖清单

| 依赖 | 用途 | 版本 |
|------|------|------|
| spring-boot-starter-web | REST API | 2.7.18 |
| apache-jena-libs | 本体推理 | 4.10.0 |
| odps-sdk-core | MaxCompute 查询 | 0.59.0-public |
| JDK | 运行环境 | 11（Temurin） |

## 3. 后续演进路线

### 3.1 近期（MVP 之后）

| 演进项 | 内容 |
|--------|------|
| 指标规模扩展 | 从 3 个指标扩展到几十个，验证「配置驱动」的可维护性 |
| 维度扩展 | 增加时间维度层级（日→周→月→季→年）的推理 |
| 缓存 | 本体推理结果缓存（等价映射、维度展开） |
| 模糊表达兜底 | LLM 识别不出指标/维度时，回退追问 |

### 3.2 中期

| 演进项 | 内容 |
|--------|------|
| 本体规模增长 | 概念 > 1000 时，Jena 换 TDB 持久化 + 增量推理 |
| 复杂指标 DSL | 支持多表 join、窗口函数的结构化 DSL |
| 多模型切换 | 若需换模型/复杂编排，评估 Spring AI |

### 3.3 远期

| 演进项 | 内容 |
|--------|------|
| 自动本体生成 | 从表结构 + 指标口径文档自动生成指标本体 |
| 指标血缘可视化 | 指标 → 账单表 → 原始表 的血缘图谱 |
| 主动分析 | 从"被动查询"到"主动发现异常指标" |

## 4. 风险与边界

| 风险 | 应对 |
|------|------|
| Jena 规则推理 ≠ 完整 DL | 指标本体的推理需求（等价/层级/派生）恰好是规则推理能覆盖的，不引入 DL 推理机 |
| 本体维护成本 | 配置驱动，新增指标只加配置；骨架低频变更 |
| LLM 结构化输出不稳定 | 用 `response_format=json_object` + JSON Schema 约束 + 解析失败重试 |
| MaxCompute 查询延迟 | 简单聚合查询，账单表有分区（dt），查询走分区裁剪 |

## 5. MVP 验收标准

- [ ] 能识别「成交额」与「GMV」是同一指标（等价推理）
- [ ] 能展开「华东区」为 7 个省份（层级推理）
- [ ] 能拆解「客单价」为 GMV ÷ 订单数（派生推理）
- [ ] 生成的 SQL 强制包含口径过滤（status/refunded）
- [ ] 自然语言 → 结果 → 归因分析的完整链路跑通