简体中文 · English

Intelligent Operation

智能电力运营分析与 AI 决策支持平台

数据治理 · 24小时预测 · 策略证据链 · 企业RAG · 多模型路由 · 长短期记忆

将电力运营数据、模型预测、风险研判、策略证据与企业知识，统一到一个可追溯的 AI 决策工作台。

24H Forecast · AI Decision Support · Enterprise RAG · Multi-LLM Routing · Long & Short-term Memory · Traceable Evidence

产品预览 · 核心能力 · 系统架构 · 快速开始 · 演示指南 · English README · Releases

---

30 秒了解项目

• 面向售电运营、电价风险研判、数据分析和企业知识问答等决策支持场景。
• 输入历史价格、负荷、天气、日历、运营事实和企业文档，并保留来源与时间口径。
• 以严格的 24 × 170 特征契约生成 24 条连续小时级预测结果。
• 将峰谷、风险窗口、预测依据与策略建议串成可人工复核的证据链。
• 由规则、受控数据工具、RAG 与 MiMo / DeepSeek / Kimi 能力路由协同回答。
• 通过 Citation、Grounding、Answer Guard、Trace、RBAC 与 Memory 提升可核对性和连续性。

项目介绍视频

project-demo-inline-hq-720p.mp4

2 分钟真实产品演示。使用 GitHub 原生视频附件播放器，可直接在页面中播放；为降低网络带宽要求，已优化为 720p、15fps、H.264/AAC，含中文配音与黄色加粗字幕。

画面来自本项目实际运行，覆盖看板、ChatBI、流式输出、长短期记忆、RAG Citation、数据与预测、策略、知识库、模型评测、任务及系统治理。演示采用历史回放数据，不表示实时电力市场在线预测，原始录屏母带不随仓库发布。完整演示路线、提问与通过标准见 DEMO_GUIDE.md，媒体来源、高清 Release 版本与校验信息见 docs/media/README.md。

产品预览

以下 9 幅图片均从本项目实际运行录屏中提取，不是生成式 UI 模拟图。

总览驾驶舱 统一查看预测、风险、策略、任务与数据健康。	24 小时预测 核对连续小时曲线、峰谷窗口与预测明细。	策略证据 把预测依据、风险等级与人工复核连接起来。
AI 短期记忆 在同一会话继承风险偏好、重点时段和回答顺序。	跨会话长期记忆 在新 Session 召回已准入的历史分析偏好。	RAG Citation 把回答绑定到可展开核对的知识证据。
知识库 治理 Document、Chunk、索引与发布状态。	模型中心 区分 Active / Candidate，展示指标与准入门禁。	峰谷分析 解释峰值、谷值、价差、回测与特征门禁。

为什么需要这个项目

传统分析流程常把数据处理、预测脚本、策略研判、知识检索和报告生成分散在不同工具中。结果是时间口径难对齐、预测与策略之间缺少证据、知识难复用、AI 回答没有引用，多轮分析也容易丢失上下文。

Intelligent Operation 用同一条可追溯事实链连接 PostgreSQL、预测运行、风险窗口、策略复核、企业 RAG、AI 回答、Citation、Trace 与 Memory。它的目标不是替代业务判断，而是让分析人员更快看清“数据从哪里来、模型为什么这样判断、建议依据是什么、哪些内容仍需人工确认”。

核心能力

1. 数据治理与运营驾驶舱

• 统一数据概览、质量状态、业务时间、更新时间、指标和风险窗口。
• PostgreSQL 作为主要事实源，前端只通过 Backend API 访问业务数据。
• Loading、Empty、Error、Stale、Unauthorized、Forbidden 等状态不被静态成功态掩盖。
• 来源、批次、场景和生成信息保留在后端审计链中，不在业务页面泄露内部追溯字段。

2. 24 小时预测

• 基于历史价格、负荷、天气和时间特征构造预测输入。
• 以 170 个唯一、有序特征作为严格契约；列、类型、顺序、时区或 Schema hash 不一致时 fail closed。
• 唯一 Active Artifact 通过准入后执行推理，成功运行固定形成 24 条连续小时级结果。
• 通过 run_id、模型版本、特征版本、输入 hash 与结果 hash 追踪预测事实。

当前公开演示采用历史数据回放，不描述为实时电力市场在线预测。

3. 风险与策略证据链

• 从峰谷时段、价格波动和置信度识别重点风险窗口。
• 策略建议绑定预测依据、运行事实和风险等级。
• 报告与策略共享可追溯 run_id，避免跨批次拼接。
• 策略只用于辅助决策，保留人工复核边界，不自动触发交易或资金动作。

4. 多模型 AI 编排

• MiMo、DeepSeek、Kimi 按通用问答、复杂分析、视觉或高质量能力进行配置化路由。
• 规则、数据库事实、领域工具、RAG 和 LLM 共同形成答案，不把所有问题直接发送给单个模型。
• 模型提供方未配置或健康探测失败时，返回 disabled / unavailable / error，不伪造外部调用成功。
• 外部 API Key 只从本机秘密配置注入，不进入源码、日志或前端。

5. 企业 RAG 与 Citation

• 文档经过格式检查、解析、Chunk、哈希、Embedding、Qdrant 检索和 Reranker。
• PostgreSQL Release、Qdrant Collection/Alias、Embedding 维度和模型元数据必须一致。
• Citation Binding 把答案绑定到真实证据；证据不足时不补造结论。
• 已录制演示环境达到 80+ documents 与 8k+ knowledge chunks；这些运行资产不随干净源码分发。

6. 长短期记忆

短期记忆在同一会话延续最近意图、主题、关注对象、重点时段、回答约束和工具上下文，支持连续追问。

长期记忆在身份隔离和准入门禁下跨会话召回已保存偏好，使新 Session 无需重复输入全部背景，并保留 Memory 使用记录。系统不会把候选内容或猜测表述为已经保存的长期事实。

7. 受控遗忘与记忆治理

flowchart LR
  A[Memory Admission] --> R[Memory Record]
  R --> V[Memory Version]
  V --> S[State Transition]
  S --> U[Memory Usage]
  S --> D[Deletion Job]
  D --> P[Deletion Proof]
  S --> H[Legal Hold]
  S --> O[Outbox]

Loading

记忆不是无限堆积，而是具有准入、版本、状态流转、使用追踪、删除证明和合规保留的治理机制。这里描述后端工程域，不伪造一个尚不存在的终端用户记忆管理页面。

8. 可信 AI 工程

• Answer Guard、Citation Binding 与 Grounding 限制无证据回答。
• Trace 记录身份上下文、能力路由、工具调用、引用和回答结果。
• RBAC、租户/工作区/用户隔离、参数化查询和审计限制越权访问。
• 显式长期记忆写入或召回失败时关闭该操作；普通会话状态异常进入可见降级，不跨身份回退。

9. 模型治理

• Active / Candidate 生命周期、模型版本、评测指标和特征契约可追踪。
• Candidate 通过验证后仍需人工确认，不能自动晋升 Active。
• 回滚要求明确目标、证据和操作边界；训练能力不被包装成默认自动闭环。

系统架构

flowchart TB
  UI[React / TypeScript UI] --> API[FastAPI]
  API --> SERVICE[Business Services]
  SERVICE --> REPO[Repository]
  REPO --> PG[(PostgreSQL)]
  SERVICE --> CELERY[Celery]
  CELERY --> REDIS[(Redis)]

  UI --> ASSISTANT[AI Assistant]
  ASSISTANT --> ROUTER[Capability Router]
  ROUTER --> RULES[Rules]
  ROUTER --> TOOLS[Data Tools]
  ROUTER --> RAG[RAG / Qdrant / Reranker]
  ROUTER --> LLM[MiMo / DeepSeek / Kimi]
  RULES --> GUARD[Answer Guard]
  TOOLS --> GUARD
  RAG --> GUARD
  LLM --> GUARD
  GUARD --> CTM[Citation / Trace / Memory]

  INPUT[Historical Input] --> CONTRACT[170-feature Contract]
  CONTRACT --> ACTIVE[Active Artifact]
  ACTIVE --> RESULT[24 Results]
  RESULT --> RISK[Risk]
  RISK --> STRATEGY[Strategy + Human Review]

Loading

更详细的预测、RAG、Memory 与部署边界见 ARCHITECTURE.md。

AI 决策链

flowchart LR
  Q[Question] --> I[Identity & Page Context]
  I --> C[Capability Routing]
  C --> X[Rules / Data Tool / RAG / LLM]
  X --> P[Context Pack]
  P --> G[Answer Guard]
  G --> B[Citation & Grounding]
  B --> T[Trace & Memory]
  T --> O[Answer]

Loading

身份与页面上下文决定“谁在什么场景提问”；能力路由选择最合适的规则、工具、RAG 或模型；Context Pack 组织事实；Answer Guard 校验边界；Citation 与 Grounding 绑定证据；Trace 与 Memory 负责追踪和连续性。

可量化工程规模

维度	稳定口径
主要 Web 业务模块	10
受控 HTTP 路由声明	200+
PostgreSQL 领域表	80+
Alembic revisions	23，单一 head
预测特征契约	170
每次成功运行的小时级预测	24
已录制演示环境知识文档	80+
已录制演示环境知识 Chunk	8k+
云端模型能力族	3

数字的复现方法和运行态边界见 PROJECT_FACTS.md 与 PROJECT_FACTS.json。

工程亮点与设计取舍

• 从业务需求、数据模型、预测、策略、AI 到 Web 交付进行端到端设计。
• 预测、报告和策略通过同一运行事实关联，不把孤立脚本输出伪装成完整闭环。
• AI 不直连任意 SQL，而是调用带权限和参数约束的领域工具。
• RAG 以证据和 Citation 为边界；检索失败或证据不足时允许拒答。
• 长短期记忆与主动遗忘同时设计，避免把“记住更多”当成唯一目标。
• 多模型路由按能力选择提供方，并保留不可用和失败状态。
• 权限、审计、迁移、模型准入和 Schema 校验优先失败关闭。
• 前端、后端、数据库、模型和 AI 在同一可追溯链路内集成。

独立完成范围

方向	独立完成内容
产品与业务	需求拆解、业务流程、页面信息架构
数据工程	数据模型、质量、时间水位、事实链
机器学习	特征工程、预测契约、模型 Artifact
AI 工程	多模型路由、RAG、Memory、Guard、Trace
后端	FastAPI、Service、Repository、RBAC、API
前端	React、TypeScript、ECharts、全局 AI 助手
数据库	PostgreSQL、迁移、事务、审计
工程交付	启动、测试、版本治理、开源发布准备

项目从需求分析、架构设计到功能实现和开源交付，由作者独立完成。底层采用成熟第三方框架与基础组件；它们继续按各自许可证授权，分发者应按最终解析版本保留相应条款，不把第三方框架、模型或工具声称为作者自研。

技术栈

层	技术
Frontend	React 18、TypeScript、Vite、Ant Design、ECharts
Backend	Python 3.11、FastAPI、Pydantic、SQLAlchemy
Data	PostgreSQL、Alembic、Redis、Celery
AI	MiMo、DeepSeek、Kimi、RAG、Qdrant、BGE、Reranker、Memory、Trace、Answer Guard
ML	scikit-learn、本地模型 Artifact、严格特征契约；可选 XGBoost / LightGBM
Engineering	Pytest、Node Test Runner、TypeScript、Vite、Playwright、PowerShell / Bash、Docker Compose

快速开始

推荐从关闭外部 LLM 与 RAG 的核心 Web 环境开始。详细的密钥、管理员初始化、数据库角色、健康检查和本地开发流程见 QUICKSTART.md。

git clone git@github.com:wyg916/PowerAnalytics.git
Set-Location PowerAnalytics
Copy-Item .env.docker.example .env.docker
# 在本机 .env.docker 中替换随机密钥和数据库密码
docker compose --env-file .env.docker config --quiet
# 完成 QUICKSTART.md 的受控管理员初始化后：
docker compose --env-file .env.docker up -d --build

源码开发者也可以分别启动 FastAPI 与 Vite；公开快照不携带内部机器专用的一键启动器，命令见 QUICKSTART.md。

项目结构

PowerAnalytics/
├─ frontend/             # React / TypeScript Web 工作台
├─ backend/              # FastAPI、领域服务、Repository、AI 与权限
├─ prediction_engine/    # 特征构建、训练、回测与推理
├─ model_ops/            # Artifact 准入、评估、Active/Candidate 与回滚
├─ knowledge_pipeline/   # 文档检查、解析、Chunk、Embedding 与发布工具
├─ migrations/           # PostgreSQL Alembic 迁移
├─ services/             # 跨入口的运行与编排服务
├─ tests/                # 后端、契约、AI/RAG、权限与前端测试
├─ docs/                 # 架构、启动、演示、事实与公开范围
├─ docker/               # 后端/前端镜像与容器脚本
├─ scripts/              # 启动、健康、迁移、治理与验收工具
└─ docker-compose.yml    # 本地容器编排

公开快照不包含原始语料、模型权重、数据库、向量快照、内部审计证据和录屏母带；详见 OPEN_SOURCE_SCOPE.md。

应用场景

• 电力交易辅助分析
• 售电运营分析
• 电价风险研判
• 企业知识问答
• 数据分析工作台
• AI 决策支持
• 模型和策略治理

使用范围

当前开源版本面向本地部署、技术交流与项目展示；预测演示使用历史回放数据；系统默认不执行自动交易、资金操作或生产控制动作。

该说明描述当前验证范围和默认行为，不限制 AGPL-3.0-or-later 授予的用途。

Roadmap

• 适配更多可授权的实时或准实时数据源
• 完善模型离线评测、漂移监控与准入证据
• 增强 RAG 质量评估、可观测性与引用核验
• 提供更可移植的本地与可扩展部署方案
• 增加可配置的行业策略模板

文档

文档	内容
快速开始	环境、配置、管理员初始化、启动和健康检查
系统架构	预测、AI、RAG、Memory 与安全边界
演示指南	推荐路线、真实截图和已验证问题
项目事实	规模数字、来源与复现方法
开源范围	公开 allowlist、排除资产和发布门禁
数据和模型资产	数据、语料、模型、向量与权利边界
媒体来源	真实产品截图与品牌图的来源说明
AI 导读	面向 AI 工具和新维护者的 1–2 页概述
贡献指南	Issue、分支、测试、PR 与 Conventional Commits
安全策略	私密漏洞报告和安全范围
第三方声明	直接依赖许可证、排除资产和下游义务

贡献与反馈

• 功能建议与普通缺陷：创建 Issue
• 代码贡献：阅读 CONTRIBUTING.md，从 codex/<issue>-<topic> 分支提交 Pull Request。
• 提交信息使用 Conventional Commits，并在 PR 中给出测试、风险和回滚证据。
• 安全问题不要公开披露，按 SECURITY.md 检查仓库是否已启用私密报告入口。

许可证

PowerAnalytics 自有源码和仓库内自有文档、品牌图与产品截图按 GNU Affero General Public License v3.0 or later 发布。通过网络向用户提供修改版服务时，请特别遵守 AGPL 第 13 节的对应源码提供义务。

第三方库、容器、模型与用户自行导入的数据仍按各自许可证或条款授权，不因本项目许可证而改变；本仓库不分发模型权重、原始语料、数据库、向量快照或录屏母带。详见 THIRD_PARTY_NOTICES.md 与 DATA_AND_MODEL_ASSETS.md。

---

项目整体方案、业务建模、数据链路、预测引擎、AI 编排、企业知识库、记忆治理、前后端集成与工程交付由作者独立设计和实现。