完善版「AI 行动系统」Demo 落地方案

定位：给 NLQ/RAG/决策链提供"业务口径文档"——目录树管理+文档 CRUD+版本回滚+检索。保存文档即同步完成切分+向量化（返回 chunk_count）。

操作

1. 进 知识库页（/knowledge）→ 新建目录（名称* + 上级目录 + 描述 → POST /knowledge/directories），建议建「补货口径」目录承载主剧情的业务规则。
2. 新建文档：格式 text/markdown/html，填标题/所属目录/标签/内容（如"补货规则：库存低于补货点即创建采购申请，审批人=采购经理"）→ 保存。
3. 修改内容再保存 → 版本 +1；用「回滚」POST .../versions/:v/restore 演示版本回退。
4. 用「知识检索」POST /knowledge/search（top_k 固定 10）搜"补货规则"验证召回。

怎么验

• 保存响应含 chunk_count>0；检索命中刚建的文档；回滚后内容复原、版本时间线正确。

定位：把文档升级为三层结构 document→section→chunk（kdoc_nodes）：markdown 按 #/##/### 生成 section；支持 pdf/docx 上传（前端转 base64，创建超时 120s）；检索结果带 node_path 标题链与来源标注（新旧双表合并去重）。

操作

1. 进 /knowledge-tree → 上传一份 pdf/docx（或粘贴多级标题 markdown）→ 查看自动生成的分层树。
2. GET .../outline 看文档大纲；用检索验证来源标注（src-tree 分层树 / src-blocks 旧表）。

怎么验

• 树形结构正确；pdf 解析成功（失败时回退纯文本，标注 parser=pdf-degraded——这是诚实降级不是错误）；检索结果带标题链。

定位：从知识库文档中用 LLM 抽取实体/关系，人工确认后进入 RAG 第五通道 entity（抽取后四通道权重调整为 metadata 0.35/knowledge 0.25/history 0.15/fewshot 0.15 + entity 0.10），按 doc://aip/<docID>?chunk=n 溯源。

操作

1. 进 实体抽取页（/entity-extract）→ 选一份知识库文档（如补货规则文档）→ 点「抽取」→ POST /knowledge/documents/:id/extract 任务化返回 {run, task}，前端每 2s 轮询 GET /extract_runs（上限约 4 分钟）。
2. 实体表逐行确认/拒绝（POST /entities/:id/confirm|reject）——演示"AI 抽取 + 人工把关"。
3. 看 ECharts 力导向关系图（GET .../graph）。

怎么验

• 实体状态 auto→confirmed；被拒绝实体不进 RAG entity 通道（可在 /rag-test 对比确认前后的检索差异）。

定位：RAG 是 NLQ 准确率的底座。配置页调四固定通道（metadata/knowledge/history/fewshot）权重；测试页可视化一次检索的五段上下文。

操作

1. RAG 配置（/admin/rag）：调权重（step 5%，保存换算 0-1）；合计偏差 >0.5% 弹 confirm 归一化（末位通道吸收漂移）→ PUT /rag/channels。演示把 knowledge 通道调高后再问口径类问题。
2. 索引重建：POST /rag/index/rebuild（可带 data_source_id，空=全量；返回 indexed/item_count）。前置链第 ⑤ 步在此执行。
3. 检索测试（/rag-test）：POST /rag/retrieve（question* + 可选数据源 + top_k 1-50 默认 10）→ 看五段上下文 Tab：表结构 Schema / 字段同义词 / 知识上下文 / 历史会话 / Few-shot 示例，以及 channels_used 与 latency_ms。

怎么验

• 建知识库+抽取实体并重建索引后，/rag-test 的「知识上下文」「实体通道」出现内容；检索带 user 隔离（history/fewshot 按用户过滤，无身份 fail-closed 返回空）。

定位："AI 回答问题，每句话有出处"。三栏页面：提问（问题* + 可选数据源名）→ POST /decision/answer（timeout 300s）同步跑 5 步链：decompose → retrieve（rag/entity/nlq 三路）→ verify → synthesize → cite，每步带状态徽标与 latency_ms；答案 ID 即 trace_id，与 AI 决策审计 ref_id 贯通（落表 ad_answers/ad_citations）。

操作

1. 进 决策证据链页（/decision）→ 问"补货规则是什么？当前哪些库存低于补货点？"（前置链铺满时 rag/entity/nlq 三路全命中）。
2. 逐步看 5 步状态与耗时；点开引用核对出处（知识库 chunk、实体、查询结果）。
3. 历史回放：GET /decision/answers?limit=20、GET /decision/answers/:id。
4. 到 /admin/ai-audit 用 trace_id 查决策审计记录——证据链闭环。

怎么验

• 答案带引用列表且可溯源；单步失败降级继续并标注（不是报错中断）；markdown 渲染经 DOMPurify 防 XSS。

定位：NLQ 多轮追问的记忆管理。机制：以 user_id 为会话键，仅查询成功才写记忆；最近 6 轮原文 + 更早轮次 LLM 压缩摘要；正则抽取表/指标实体提及；每日 4 点调度清理 30 天前记忆。

操作

1. 先在 /chat 连续问 3~5 个相关问题（如"各区域销售额"→"华东呢"→"环比上月"）。
2. 进 记忆管理页（/memory-manage）→ 会话列表（GET /chat/sessions）→ 点「查看记忆」（GET /chat/sessions/:sid/memory）看原文轮次+摘要+实体提及。
3. 回 /chat 用指代词追问，展示多轮上下文生效。
4. 点「清空本会话记忆」（DELETE，二次确认，返回 {deleted:N}）→ 追问立刻"失忆"。

定位：多个角色 Agent 协作完成一个任务。策略四种：sequential / parallel / leader_follow / debate。子任务按 required_role（finance/supply_chain/sales/general）匹配角色 Agent。

操作

1. 先在 Agent 管理（/admin/agents）确认各角色 Agent 存在且启用（bootstrap 种子维护，见 §4.6）。
2. 进 多智能体编排页（/orchestrate）→ 选策略（建议先 parallel 再 debate 对比）→ 填任务描述（如"分析当前库存低于补货点的商品，从财务和供应链两个视角给出补货建议"）→ 提交 POST /orchestrations（同步执行，前端 timeout 600s）。
3. 就地查看子任务列表与融合结果；历史分页表可看详情/结果。

怎么验

• 不同策略的子任务编排/融合结果有差异；落 orchestration 历史与 AI 审计。

定位：所有 LLM 调用的统一收口：Provider 管理、路由规则、预算与熔断、降级链、用量成本。演示"AI 成本与稳定性可治理"。

操作

1. Provider 状态：deepseek/qwen/local_rule 的 available/model/cost_per_1k/circuit_state/health。
2. 路由规则编辑：「编辑路由」→ 预算开关、user_limit_cents/app_limit_cents、候选 provider_order、降级链 fallback_order → PUT /llm/routes/:id 落库+热同步（重启不丢）。
3. Provider 配置：PUT /llm/providers/:id——api_key AES-256-GCM 加密落库、不回显，留空=不改。
4. 用量概览：GET /llm/usage（总调用/Tokens/延迟/成功率/成本/降级次数）——跑完智能纵深线后回来看数字。
5. 演示熔断降级：把某路由 provider_order 只留一个错误 key 的 provider → 触发熔断 → fallback_order 兜底（如 qwen 或 local_rule）→ 恢复。

定位：Text2SQL/意图识别等 Prompt 模板的版本化管理：改 Prompt 不用发版。

操作

1. 模板列表（name/model_family/version/active）→ 新建 POST /prompts/templates 或编辑 PUT /prompts/templates/:name（保存即新建版本并置 active；编辑不可改名）。
2. 版本管理 GET .../versions + POST .../versions/:v/rollback——演示改坏 Prompt 后一键回滚。
3. 试算 POST /prompts/compile：填 {{var}} 变量，Go text/template 本地渲染返回 rendered/estimated_tokens/warnings（不调 LLM，零成本预览）。

定位：Text2SQL 质量量化：测试用例库 + 评测运行 + 回归告警。

操作

1. 测试用例 Tab：类别 simple_select/join/aggregation/subquery/window，难度 easy/medium/hard，问题*+期望 SQL*；GET /evaluation/test-cases/export 导出 JSON（bootstrap 已种默认评测集）。
2. 评测运行：点「运行评测」→ POST /evaluation/runs（timeout 120s）→ 指标：执行准确率 EA / 精确匹配 EM / 语法有效率 SV / 通过用例 / 平均延迟 / Tokens；用例结果可展开比对生成 SQL。
3. 历史与回归：GET /evaluation/reports——EA/EM/SV 较上次下降 >2% 触发 regression_alerts 告警标红。
4. 串联演示：改一处 Prompt（§4.2）→ 跑评测 → 回归告警 → 回滚 Prompt → 再跑恢复。这就是"Prompt 变更安全网"的完整故事。

定位：查询质量与 LLM 健康度仪表板。

操作

1. 概览：查询总数/成功率/平均与 P95 延迟/总 Tokens/LLM 失败率（GET /monitoring/metrics，聚合 nlq_query_logs 与 LLM 调用日志）——演示前先在 /chat 多问几条攒数据。
2. 历史趋势：GET /monitoring/history?window=1d|7d|30d（柱=查询量，线=延迟/成功率）。
3. 反馈统计：GET /feedback/stats——平均评分/1-5 星分布/类型分布（sql_correct|sql_syntax_error|wrong_result|misunderstood）。配套动作：在 /chat 查询结果页提交一次反馈（POST /feedback），回监控页看数字变化。

定位："不同人看到不同数据"的一等治理能力：表/列/行三级权限 + 敏感列脱敏 + AI 护栏。

操作 A：行级权限对比（最有说服力）

1. /admin/roles → 角色权限配置弹窗：TABLE_ACCESS / COLUMN_ACCESS / ROW_LEVEL_FILTER 三类勾选 + 行级 SQL 条件（如 region = '华东'）→ 保存 PUT /roles/:id/permissions（body {table, column, row}）。
2. /admin/users → 注册一名普通用户并分配该角色。
3. 同一查询（如"各区域订单销售额"）分别用 admin 与普通用户在 /chat 执行——普通用户只见华东行（RLS 注入），敏感列被脱敏（CLS）。

操作 B：安全治理

1. /admin/security → 概览卡（敏感列/RLS/CLS/审计总数/AI 护栏状态，GET /security/overview）。
2. 敏感列 CRUD：类型 PII/FINANCIAL/HEALTH/CREDENTIAL，脱敏策略 full_mask/partial_mask/hash/tokenize/nullify → 配置 customer.phone=partial_mask → 普通用户查询验证。
3. AI 护栏：PUT /security/guardrails（enabled + max_input_len 默认 4000）→ 在 /chat 输入超长文本验证拦截。

定位：AIP 侧的语义与工具治理三件套（与 Foundry 本体是两套系统：AIP 侧管"NLQ 怎么理解"，Foundry 侧管"业务对象与动作"）。

操作

1. 本体建模（/admin/ontology）：对象（名称*+基础表*+同义词）/属性（维度|度量 Switch + 聚合 SUM/AVG/COUNT/MAX/MIN）/链接（基数 1:1/1:N/N:1/N:M + 连接条件）三 Tab + 只读本体图。语义：查询命中本体时以对象描述替代原始表结构注入 prompt——本体定义优先于 RAG。演示：给 order 表建对象"销售订单"并配同义词"订单/成交"，回 /chat 用口语问验证命中率提升。
2. 工具管理（/admin/tools）：工具列表（builtin/is_dangerous/enabled）+ 详情（参数 JSON Schema）+ 测试执行 POST /tools/:name/execute（参数校验/安全检查/超时/审计/RLS/CLS 全走）；启停 PUT /tools/:name/enable。内置 query_data/get_table_schema/nlq_to_sql。演示：禁用 query_data → Agent 任务立即受阻 → 启用恢复。
3. Agent 管理（/admin/agents）：编排 Agent 治理（name/display_name/role 四角色/capabilities chips/model_id/启用 Switch 即点即存）；YAML 导出 GET /orchestrations/agents/export。为 §3.7 编排服务。

定位：演示开场页——每 10s 轮询五产品 /health（3s 超时，degraded 也算异常的保守口径）+ AIP /license/info（授权到期/tier/shutdown_scheduled）。

• 演示用法：开场先亮 /ops 全绿 → 结尾再回来看"平台健康可观测"。
• 边界：纯前端轮询，进程启停无 API；健康端点含 /health、/health/live、/health/ready、/api/health。

定位：面向数据工程师的受限只读 SQL 控制台——"自由查询，但闸门是真的"。

操作

1. 进 SQL 工作台（/foundry/sql）→ 输入 SELECT product_id, warehouse, stock_level FROM inventory WHERE stock_level < reorder_point → 点「翻译预览」POST /ontology/sql/translate：回显物理 SQL+绑定参数。
2. 点「执行」POST /ontology/sql/execute：结果表格 + CSV 导出（纯前端）。
3. 演示闸门：① 试 DELETE FROM inventory → 被拒（只读+单语句+白名单）；② 用普通用户（配了 RLS 的）执行同 SQL → 结果行被行级过滤；③ 写个无 LIMIT 大查询 → LIMIT 自动钳制（默认 500、上限 5000）；④ 配了 Markings（§5.13）的列，无权限者查询得 NULL；⑤ 试 SELECT * FROM "users"（平台库真实表）或反引号/派生表内引用表 → 被标识符白名单拒绝。

定位：分析笔记本：markdown/sql/chart 三类单元格，单格/全量运行，历史落库（fn_notebook_runs），SQL 复用 Ontology SQL 执行器（同样过 RLS/CLS/LIMIT）。

操作

1. 新建笔记本 → 加 markdown 单元格写分析说明 → 加 SQL 单元格查低库存 → 加 chart 单元格做可视化 → 全量运行。
2. 宏演示：先在 CodeRepo（§5.9）定义宏 {{macro:low_stock}}，在 Notebook Execute 前自动展开（深度≤5）。
3. 查看运行历史与耗时。

定位：图表绑定本体对象→语义查询取数（RLS/CLS 内生）→仪表盘组装 + user/role 分享。

操作

1. 新建仪表盘 → 添加图表（绑定 inventory 对象 + 过滤/聚合）→ 组装 2~3 张图 → 按 user/role 分享给普通用户。
2. 用普通用户登录查看共享仪表盘——数据被 RLS/CLS 约束。

定位：把仪表盘/指标定时变报并主动分发：chart/text/table 三类块 → 生成 markdown+HTML 双形态快照 → email/internal 分发 → cron 调度自动生成。

操作

1. 新建报表 → 添加块（chart 绑定对象、text 写结论文案、table 列低库存清单）→ 生成快照（markdown + HTML 双形态）。
2. 分发：channel=internal（必现）+ email（当前 SMTP 未配会诚实失败）+ feishu（已配可用，降级标注 partial/degraded）。
3. 配 cron 调度 → 到点自动生成新快照；看运行历史。

定位：四类质量规则（如非空/唯一/范围/自定义 SQL）+ 问题闭环（open→acknowledged→fixed）+ 四因子画像（完整度/唯一度等，SQL 下推，sampled/na 诚实标注）。

操作

1. 对 inventory 建规则：stock_level >= 0（范围）与 inventory_id 唯一。
2. 跑数据集画像（GET /datasets/:id/profile）看四因子分。
3. 故意插入一行 stock_level=-5 → 触发规则 → 问题列表出现 issue → acknowledge → 修复数据 → fixed（闭环演示）。
4. 联动：同步成功自动触发画像（bridge 已接）；管道 run 会执行 scope=pipeline 的 error 级规则并阻断目标对象同步（基础版 §5.2 提过，此处可展开演示）。

定位：Foundry 侧的事件驱动引擎（与 AIP event 工作流互补）：CDC watcher 绑定 + 条件表达式 + 五类动作（webhook / notification / sync_run / quality_run / writeback）。

操作

1. 先确保有 CDC watcher（数据源变更捕获）。
2. 建规则：监听 inventory 变更，条件 stock_level < reorder_point → 动作 notification（站内）+ writeback（如自动写审计备注）。
3. 用「测试触发」走真实流水线验证；幂等保证：(rule_id,event_id) 唯一索引，同一事件不会重复触发动作。
4. 对照演示：同一库存变更同时被 Foundry Stream 规则（落库侧反应）与 AIP event 工作流（编排侧反应，基础版 §5.5）捕获——两套引擎各司其职。

定位：多源数据"同一个人/同一商品"合并：规则分桶 + 加权打分（exact/prefix/levenshtein）+ union-find 聚类 + 人工确认/拒绝 + survivorship 选主写回（in_place_edit 或 materialize）。

操作

1. 准备两个含重复实体的源（如 customers 表导入两次，名称略有差异）。
2. 建消解作业：选字段映射与匹配规则 → 运行（异步 run + 1.5s 轮询）→ 看聚类结果与相似度打分。
3. 人工确认/拒绝候选合并 → survivorship 规则选主记录 → 写回（in_place_edit 原地改 / materialize 物化新表）。

定位：声明式注册可复用计算函数（fon_functions）：name 正则 + body 语法检查，测试面板即时求值，用户函数互调递归≤5。

操作

1. 注册函数如 gap_to_reorder(stock_level, reorder_point) = reorder_point - stock_level。
2. 测试面板传入参数即时求值。
3. 注册第二个函数调用第一个（演示互调）；可在 Metrics/语义层引用函数作为计算口径。

定位：snippet/template/macro 三类代码资产仓库：文件版本覆盖归档+恢复；宏 {{macro:name}} 在 SQL 工作台/Notebook Execute 前自动展开（深度≤5，未命中原样传）。

操作

1. 建 macro：low_stock = stock_level < reorder_point。
2. 在 SQL 工作台写 SELECT * FROM inventory WHERE {{macro:low_stock}} → 执行前自动展开。
3. 用页面内置展开调试端点看展开结果；修改 macro 后版本归档，可恢复旧版。

定位：平台资产商店：六类来源（object/metric/dashboard/app/notebook/fusion）发布为快照商品（fm_items），rid 版本链、重发布 v+1、一键安装（重名自动加 _imported_<ts>）。

操作

1. 把 inventory 对象（或某仪表盘/笔记本）发布到 Marketplace → 生成快照商品。
2. 修改对象后重新发布 → 版本 v+1。
3. 「安装」到另一环境/重装 → 新增 _imported_<ts> 副本。
4. unlisted 商品安装被拒——治理口径演示。

定位：模型注册/版本/部署/回滚/预测/预测日志全链路；本体集成（预测注册为计算属性、PredictForObject）。

操作

1. 注册一个 rule 类型模型（规则数组匹配，如"stock_level < reorder_point → 补货"）→ 发布版本 → 部署。
2. 对对象行发起预测 → 预测结果可注册为计算属性 → 预测日志可查。
3. 回滚演示：发布 v2 → 回滚 v1。

定位：应用→页面→组件三层低代码搭建：DataBinding JSON 绑定本体语义查询取数，发布 draft→published。

操作

1. 新建应用「库存助手」→ 加页面 → 拖组件：metric_card（库存总量）+ table（低库存清单，DataBinding 绑 inventory 对象）+ text + object_detail。
2. 发布 → 与普通用户共享查看。

定位：密级打标（如内部/敏感/机密）+ 四类目标绑定（表/列/数据集/指标）+ 用户授权矩阵；作为 ApplyCLS 之外第二道列级闸门——未持权查询该列得 NULL（不报错、静默遮蔽）。

操作

1. 建密级「内部」→ 绑定 customer.phone 列 → 授权矩阵只给 admin 持权。
2. 普通用户在 SQL 工作台/对象查询查 phone → 得 NULL；admin 查 → 正常返回。

定位：术语表（可关联本体属性）+ 分类标签（0-3 级打到属性）+ 属性治理汇总 + 保留策略 CRUD/启停。

操作

1. 术语表登记"补货点 reorder_point"并关联 inventory.reorder_point 属性——统一业务黑话。
2. 给敏感属性打分类标签（等级 0-3）。
3. 建保留策略（如日志类数据保留 90 天）并启用。

定位：程序化访问凭证：lfk_ 前缀长凭证，SHA256 哈希存储、明文一次性展示、撤销/删除/公开 verify 端点；Bearer lfk_… 可直接过认证中间件。

操作

1. 创建 Key → 明文只展示一次（截图保存）→ 用 curl -H "Authorization: Bearer lfk_…" 调一个只读端点（如 GET /api/v1/ontology/objects）验证。
2. 撤销 Key → 再调 → 401（verify 公开端点亦可查状态）。

定位：供应链规划/交付运维：期望状态（desired state）+ 部署编排 DAG + 漂移检测自愈 + Spoke Agent 拉取。判定：可演示（Agent 为演示级）。

闭环 ①：部署 DAG 门控

1. 进 /apollo/login（独立登录）→ 部署总览确认 seed 的 demo-app（v1.0.0，web 依赖 db 验证 DAG 门控）已激活、stable 渠道存在。
2. 进 /apollo/deployments → 发起部署到 spoke-01 → 观察 db 先 ready、web 后放行的分批推进 → 手动 advance 到 synced。

闭环 ②：漂移检测自愈

1. 进漂移检测页 → detect → 查看字段级 JSON Patch diff → reconcile 收敛 → has_drift=false 回 synced。
2. 可选：告警自愈（health-checks/incidents/healing-policies/healing-history 审批 approve|deny）。

定位：对标 Palantir Gotham：图谱构建/分析/时空/多源融合/实体解析/模式识别/报告/ABAC。判定：可演示（resolution AI 裁决已接线，patterns AI 增强 V2 预留）。seed 自带「玄武集团」图谱（10 节点 8 边）+ 地图要素/轨迹 + 时间轴事件。

闭环 ①：图谱研判

1. 进 /gotham 工作台浏览玄武网络 → 对"玄武集团"做 1-2 度展开看邻居高亮。
2. 最短路径分析："张远→赵敏"资金链路（图算法接口需 admin）→ 新增节点/边写图（graph/nodes|edges|merge）。

闭环 ②：接入到产出全链

1. /gotham/ingestion 建 file_csv 源并运行（SSE 进度条，可暂停恢复）。
2. /gotham/resolution 建解析作业（四层打分，勾 enable_ai 且后端配了 LLM key 即真走 AI 裁决）+ 人工审核确认合并。
3. /gotham/patterns 全量评估（预置 6 条规则）生成告警 → 确认/处置。
4. /gotham/reports 生成/发布/导出 PDF/DOCX。

加分项

• /gotham/views 多视图联动广播（target_count）；/gotham/collab WebSocket 实时协同（开双窗口）；/gotham/tasks 拖拽看板；/gotham/access ABAC 试算留痕（evaluate/traces，PEP 写门）；地图 /map/*（热力/轨迹，依赖在线 OSM 瓦片）；时间轴 forecast/compare。

定位：SWIFT+卫星通信金融结算，星上结算、国密通信。判定：仿真/演示级——链路真实可跑，星座拓扑/账户/清算通道均为模拟，不做投产承诺。

闭环 ①：报文实验室

1. /swift/messages 生成 pacs.008 报文（DRAFT）→ SM3+SM2 国密签名 → 篡改后 verify 拒绝（或 /swift/gac 用 tamper-test）。

闭环 ②：一键 10 步演示（HCC 管控台）

1. 进 /swift/hcc 点「一键演示」（/demo/run + /demo/status）→ 分步观看：GAC 报文生成 → 国密签名 → 端到端加密（SM2 协商+SM4-GCM 信封）→ 星地链路传输（含断链缓存补发恢复）→ HCC 解密验签解析 → 合规筛查（制裁名单+KYC+LLM 辅助）→ 风控额度 → 结算记账/对账。
2. 看支付状态机流转与分步 status/detail/data。

• 基础版方案（先跑通）：action/docs/ai-action-demo.html
• 前端页面操作手册：action/docs/frontend-intro-v5/markdown/aip/（36 篇）、foundry/（30 篇）、gotham/（16 篇）、apollo/index.md、swift/index.md（另有同名 html 版）
• 业务故事站：docs/story/aip/（知识库/实体抽取/意图RAG/LLM网关/安全治理等 17 篇）、docs/story/foundry/（quality/fusion/marketplace/notebook/mlops/stream/markings 等 25 篇）、docs/story/cross/（value-chain、fde-deployment、combined-demo 等）
• 模块开发文档：wiki/docs/aip/、wiki/docs/foundry/、wiki/docs/gotham/；架构与计划：wiki/upgrade-v5/UPGRADE-PLAN.md、wiki/OVERVIEW.md、wiki/ROADMAP.md
• 经验与进展：wiki/dev_info.md（跨产品通用坑）、wiki/dev_progress.md（注意：止于 v4 里程碑，v5 判定以本文档核实口径为准）、wiki/dev_memory/
• Apollo 机制参考：docs/site-v4/apollo.html（v5 正文文档未写时的兜底）
• 前端源码：web/src/router/index.js（路由全表）、web/vite.config.js（前缀分流 /api→18081、/aip-api→18080、/apollo-api→18082、/gotham-api→18083、/swift-api→18084）