最基础版「AI 行动系统」Gotham 情报篇 · 落地方案

从 Foundry（或 ai-action-demo.html）过来的观众最常问：「Gotham 里对象在哪建？本体在哪配？」答案是：Gotham 没有独立的『本体管理』页面，它的语义层是『图谱实体 + 映射配置 + 解析作业』三件事合起来承担的：

一句话：Gotham 的「建模」= 建数据源时写好映射配置（记录→节点/边的规则），「实例」= 运行导入 + 实体解析，「查询」= 全局搜索 / 图 API / 时空 API。详见 §5.1/§5.2。

目的：回答「Gotham 里的对象从哪来」——建数据源 → 配映射 → 运行导入，三步把原始记录变成图谱实体候选。入口：Gotham 侧边栏 → 多源接入（/gotham/ingestion）。

操作（推荐边讲边配一个新源）

1. 点「创建数据源」，填名称（全局唯一，编辑不可改）与显示名，来源类型四选一：file_csv / file_json（文件路径）/ database（连接器参数 + 查询 SQL，口令 AES 加密落库）/ manual（直接预置 records 数组——演示最稳，无外部依赖）。
2. 配映射配置（本体的核心，表单/JSON 双模式）：节点型填 node_type（如 person）+ id_field（唯一标识列）+ label_field（名称列）+ property_fields（哪些列入图属性）；边型填 edge_type + source_field/target_field（两端实体标识列）。
3. 配清洗规则（可选）：勾选启用 + 错误策略 skip/strict/tolerant + 预设按钮逐个追加（去首尾空格/空值统一/日期标准化/手机号规整/全角转半角/正则替换/枚举映射）。
4. 推荐演示数据（与 seed 人员刻意重叠，为 §5.2 解析供料）——manual 源 records 示例：

   [
     {"entity_id":"intel_a_001","name":"张远","org":"玄武集团","role":"头目","amount":260000},
     {"entity_id":"intel_a_002","name":"张远","org":"玄武集团","role":"出资人","amount":260000},
     {"entity_id":"intel_a_003","name":"ZW航运-赵敏","org":"天河贸易","role":"财务","amount":120000}
   ]

   ①②是同一人的两条异源记录（同名不同 id，fuzzy 层会给出高相似分）；③演示规则层谐音归一（“赵敏” vs “ZW航运-赵敏”）。
5. 保存后点数据源行内 运行：确认后 POST /ingestion/sources/:id/run 异步执行，立即返回 running 批次；前端经 SSE（fetch + ReadableStream 带 Bearer 头）实时推进进度条。大文件可 暂停/继续（断点续传按 ResumeOffset）。
6. 批次终态后看「融合实体」表：每条记录一行，含 schema_type（node/edge）、fingerprint（sha256 去重键）、status=pending（待解析）。

怎么验

• 批次列表出现 success（或 partial）行，详情弹窗可见 total/imported/failed/error_log；融合实体表新增 3 条 pending 实体。
• 清洗生效：故意传一条空名称记录 → 按 error_strategy 被跳过并记入 error_log，而不是整批失败。

目的：多源重复实体合并成一个图谱节点——这是 Gotham 的「本体治理」卡点。四层打分流水线 + 三阈值带分流 + 人工审核闭环。入口：侧边栏 → 实体解析（/gotham/resolution）。

操作

1. 「作业管理」页创建解析作业：名称（全局唯一）、实体类型（datalist 常用 person/org/ship/incident/asset，可自由输入）、参与数据源（勾选 §5.1 的两个源）、AI 层 enable_ai 勾选（见下方 AI 层说明）→ 点「创建并运行」（POST /resolution/jobs + 自动 POST /resolution/jobs/:id/run）。
2. 作业后台执行 四层打分，前端每 2s 轮询作业详情（60s 上限）：

   L1 确定性  external_id / fingerprint 完全一致        → 1.00  自动合并
   L2 规则    归一化名称相等 → 0.95；拼音首字母同串 → 0.85（谐音，如 张伟/章伟）
   L3 模糊    Levenshtein / JaroWinkler / Soundex / Dice 组合相似度
             （L2/L3 叠加属性加成：phone/email 同名值相等 +0.12、其余同名键 +0.04，总上限 +0.20）
   L4 AI      灰区 [0.35, 0.85) 且作业勾 enable_ai、后端已注入 LLM 网关时交大模型裁决（见下）
   三阈值带：  score ≥ 0.90 → auto_merged（自动合并）
             0.70 ≤ score < 0.90 → review（进人工审核）
             score < 0.70 → rejected（拒绝）
             阈值带作业级可配：API thresholds 字段须满足 0 < candidate < accept ≤ 1，缺省仍 0.90/0.70

3. 作业 completed 后看详情面板：统计卡（候选实体/匹配对/自动合并/待审核/AI 裁决/实体簇）+ 实体簇列表 + 匹配对列表（按状态过滤）。
4. 切「人工审核」标签：review 态匹配对以实体 A/B 并排属性卡片展示（含匹配依据与相似分）→ 填可选审核理由 → 点确认合并（实体 B 吸收进代表实体并写图，POST /resolution/reviews/:id/confirm）或拒绝。审核写操作经 ABAC PEP（resolution.review），deny 命中返回 403。
5. 回「情报工作台」搜合并后的代表实体：图上只保留一个节点，fused_entities 的 resolved_entity_id 已回填。

怎么验

• 作业 completed；两条「张远」记录出现在同一实体簇（L1/L3 分流）；人工审核确认后簇成员数变化。
• 「确认合并前图谱无新节点、确认后代表节点属性吸收成员」——审核闸门是真的。

目的：看懂「情报对象在图上的形态」，并演示手工建实体（不经过导入的直接姿势）。入口：侧边栏 → 情报工作台（/gotham）。

操作

1. 工作台看 seed 图：点「玄武集团」（org，classification=secret）看属性与关联边（张远/李四 member_of、transferred_to 天河贸易 amount=500000）。
2. 手工建节点（API 演示，对应 Copilot 目录里的 gotham_create_graph_node）：

   curl -X POST http://localhost:18083/api/v1/graph/nodes \
     -H "Authorization: Bearer $TOKEN" -H "Content-Type: application/json" \
     -d '{"type":"person","name":"神秘出资人","properties":{"region":"华北","amount":999999},"source":"线报-2026-09"}'

3. 建边连回已知实体（POST /graph/edges，source_id/target_id/type/weight/properties），如 financed → 玄武集团。
4. 查邻居 GET /graph/nodes/:id/neighbors、子图过滤 GET /graph/subgraph?type=org；发现重复节点时 POST /graph/nodes/merge 合并（TAD-04）。

怎么验

• 新节点/边立即出现在工作台与 GET /graph/nodes 列表；GET /graph/stats 计数 +1。
• graph stats 显示节点/边总数与类型分布，与 seed+新增一致。

目的：把「图里有什么」变成「一句话/一次调用问出来」。Gotham 的查询入口比 Foundry 更「情报化」：

怎么验

• 搜索「玄武」七域并发、图谱/融合实体等域按实际数据出现命中行（空分类不返回；seed 报告标题含「玄武」亦会命中报告域）；搜索「赵敏」能同时看到融合实体（原始记录）与图节点（归一后）。
• 图分析任选一个算法（如 centrality）返回分数列表——注意 /analysis/* 需要 admin 角色。

目的：给关联网络加空间维度。入口：地图视图（/gotham/map）。

操作与验证

1. 看 seed 6 要素：5 个点（北京联络点/上海货栈/广州港口/青岛锚地/深圳观察点）+ 1 条航线线要素（华北-华东航线）。
2. 手工建要素（POST /map/features）：{"name":"疑似交接点","geometry_type":"point","coordinates":[122.1,30.5],"properties":{"entity_type":"ship"},"entity_id":"graph:ship:taihe"}——entity_id 关联图实体后可从实体下钻到地图。
3. 空间查询三连：GET /map/features/bbox（框选）、GET /map/features/radius（半径）、GET /map/heatmap（热力聚合）；GET /map/aggregate/regions 按区域聚合。
4. 轨迹回放：GET /map/trajectory/:entity_id 查某实体（如泰和轮）的时空轨迹。
5. 图层管理：/map/layers 增删改查，按业务分组控制要素显隐。

目的：给关联网络加时间维度，并为 §5.8 模式规则供料。入口：时间轴（/gotham/timeline）。

操作与验证

1. 看 seed 9 事件（2026-07~08）：高管会晤/离港/大宗交易/船舶登记/货栈异常/靠泊/检查/集会/航线异常——incident 类事件是「高频事件预警」规则的评估对象。
2. 新建事件（POST /timeline/events）：{"title":"可疑夜间卸货","event_time":"2026-09-01T02:00:00Z","event_type":"incident","severity":"high","entity_id":"graph:ship:taihe","location":"舟山"}；event_type 枚举 meeting/movement/transaction/registration/incident，severity low/medium/high/critical。
3. 时序查询：/timeline/events/range（区间）、/timeline/aggregate（按周期聚合）、/timeline/forecast（趋势预测）、/timeline/compare（双周期对比）、/timeline/periods。

目的：图谱/地图/时间轴三视图同一筛选条件联动，讲「情报研判不是切页面，是同一个案的多面」。入口：多视图联动（/gotham/views）。

操作与验证

1. 创建视图会话（POST /views/sessions），多视图页同时打开图谱/地图/时间轴面板。
2. 应用过滤器（POST /views/sessions/:id/filter，如按实体类型/时间窗）→ 三个视图同步收窄；DELETE …/filter 清除。
3. 建立视图联动关系（POST /views/links）后在图谱点选实体，GET /views/sessions/:id/linked 返回联动结果。
4. 协作闭环：把会话存为共享视图（/collab/projects/:id/shared-views），团队成员打开即见同一研判现场。

目的：演示「系统主动发现问题」——把「什么样的事件值得警惕」固化为规则，自动扫描、命中落库、评分排序、人工处置。入口：模式识别（/gotham/patterns）。

操作

1. 看规则列表：seed 2 条（「高频事件预警」：30 天内 incident ≥3 起触发；「大额资金异常」：person 实体 amount > 10 万）+ 预置规则库（反欺诈/企业关联/公共安全三类，active）。
2. 新建一条规则练手：三种类型 frequency（时间窗频次）/ anomaly（属性阈值，算子 gt/lt/gte/lte/eq）/ association（同一实体事件类型组合共现）；表单切类型自动填 config 模板；config JSON 如 {"window_days":30,"min_count":3,"event_type":"incident"}。
3. 先点「测试」（POST /patterns/rules/:id/test，不落库只返回命中数）确认规则不跑偏 → 再点「评估」（落库命中）或「全量评估」（所有启用规则批量执行，返回 total/hit/miss/errors 卡片）。
4. 规则生命周期：draft→测试中→启用中→已禁用→已归档（POST /patterns/rules/:id/transition 状态机约束非法流转；预置规则默认 active 直通）。
5. 命中闭环：「命中记录」表查看（证据/次数/严重度）→ 点确认（acknowledge）→ 点处置（resolve）；「告警看板」按 score = 严重度基础分 × 类型置信度 × 新鲜度衰减 排序。

怎么验

• frequency 窗口 = 「评估时刻往前推 window_days」：seed 3 条 incident 中只有 2026-08-06 / 08-15 两条落在 30 天窗内，先按 §5.6 新建一条 9 月 incident（如 09-01「可疑夜间卸货」）凑满 3 条，「高频事件预警」评估即命中。
• 「大额资金异常」对 seed 人员 amount（张远 20 万/赵敏 12 万 > 10 万阈值）命中——正好回应主剧情资金线。
• 告警看板出现带 score 的条目，acknowledge → resolve 状态机走通。

目的：把研判成果沉淀成可发布的简报——不是 LLM 写作，而是从真实数据按 sections 汇聚，保证每个数字可溯源。入口：情报报告（/gotham/reports）。

操作

1. 从数据生成（POST /reports/generate）：sections 每节指定 kind：entity（嵌入实体属性，传 entity_type/entity_id）/ incident（时间范围内事件表）/ analysis（命中统计）/ general（自由段落）：

   {
     "title": "玄武集团资金网络专报",
     "report_type": "analysis",
     "sections": [
       {"kind":"entity","entity_type":"org","entity_id":"graph:org:xuanwu"},
       {"kind":"incident","start_time":"2026-07-01T00:00:00Z","end_time":"2026-09-01T00:00:00Z"},
       {"kind":"analysis"},
       {"kind":"general"}
     ]
   }

2. 生成器读 GraphStore/时间轴/命中记录拼装报告块（heading/table/kv）并落草稿 → 前端编辑润色 → 发布（POST /reports/:id/publish，draft→published）或归档。
3. 导出三格式：GET /reports/:id/html|pdf|docx——现场点一个 HTML 预览最有说服力。
4. 进阶：模板库（/reports/templates + from-template）、报告复制、嵌入对象（/reports/:id/objects，引用实体/图表并可 refresh 刷新）、版本管理（/reports/:id/versions + restore）。

怎么验

• 生成的报告内容与图谱/时间轴数据一致（实体属性表、事件时间表、命中统计）。
• 发布后导出 HTML 可直接打开；seed 报告《玄武集团关联网络情报简报》可作对照样例。

目的：演示「情报系统的秩序」：谁能看什么（ABAC 属性策略）、多人怎么协作（项目/任务/评论）、证据怎么防篡改（审计哈希链）。入口：访问控制（/gotham/access）、项目协作/任务看板/协同动态页。

ABAC 演示（deny 一票否决）

1. 看 seed 3 策略：deny(analyst × classification=secret × read, priority 100) > allow(analyst × internal) > allow(admin × *)。
2. 用「策略评估」试算（POST /access-policies/evaluate）：subject {"role":"analyst"} + resource {"classification":"secret"} + action read → 返回 deny（玄武集团节点就是 secret，analyst 打开它会被拒）。
3. 换成 subject {"role":"admin"} → allow。评估留痕：GET /access-policies/traces 可回看每次判定。

协作与实时

1. 项目协作（/gotham/projects）：建「玄武专案」项目 → 加成员 → 成员角色调整/移除（PUT|DELETE /collab/projects/:id/members/:user_id，仅 owner）→ 建任务（/collab/projects/:id/tasks，状态机 transition 推进）→ 评论 @ 同事。
2. 协同动态（/gotham/collab）：WebSocket（GET /api/v1/ws，Vite 代理支持 ws）实时推送任务/评论/告警动态；通知可单条/全部已读。

怎么验

• analyst 身份读 secret 节点被拒、admin 放行；trace 列表有记录。
• 审计校验：GET /api/v1/audit/verify 返回哈希链完整——「任何一条情报操作都无法静默篡改」。

目的：把「AI 行动系统」点题——AIP 的 Automation Copilot 经 call_gotham_api 工具（接口目录 products/aip/automation/catalog/gotham.go，gotham_api.base_url 缺省已指向 18083）直接读写 Gotham。这是 Gotham 与平台其他产品的 AI 纽带。入口：AIP 管理后台 → AI 自动化经营（/admin/automation，需先启动 AIP 后端并配置 LLM Key）。

三段对话演示（照着念，跑偏就补一句纠正）

1. 查：「帮我查一下 Gotham 图谱里玄武集团的关系网络」→ Copilot 调 gotham_list_graph_nodes（type=org）+ gotham_get_graph_node，把节点属性与关联边汇总成回答。
2. 建：「在 Gotham 里新建一个 person 节点，名字叫『神秘出资人』，属性 region=华北、amount=999999」→ Copilot 调 gotham_create_graph_node（执行前会说明影响，确认后放行），回工作台刷新可见。
3. 连：「给『神秘出资人』建一条 financed 边指向玄武集团，权重 0.9」→ gotham_create_graph_edge。也可以直接问「最近 Gotham 里有哪些事件」（gotham_list_timeline_events）或「看看玄武集团的邻居」（gotham_graph_neighbors）。

怎么验

• 对话落 automation_sessions/automation_messages；每次工具调用审计 AUTOMATION_TOOL_CALL。
• Gotham 侧 GET /graph/nodes 出现 Copilot 建的节点；GET /audit/logs（AIP 侧）可回看调用链。
• AIP 工作流 call_api 节点也可直调 Gotham 端点（url 填 http://localhost:18083/api/v1/…），适合做「定时巡检图谱并通知」的自动化。

1. 开场 20s：翻到情报工作台，指玄武集团节点与关联边——“多源情报已经洗成一张关系网，机密节点带密级。”
2. 40s：多源接入页新建 manual 源（含两条同名『张远’）→ 运行，SSE 进度条走完——“新情报 30 秒入图候选。”
3. 70s：实体解析跑作业 → 人工审核页并排对比确认合并——“重复实体机器自动并，拿不准的人拍板。”
4. 100s：模式识别「高频事件预警」评估 → 告警看板出现带分值的命中——“系统主动喊：这个团伙最近太频繁了。”
5. 130s：报告页从数据生成专报 → 发布 → 导出 HTML——“结论每个数字可溯源，一键成稿。”
6. 160s：切 AIP Copilot：“查一下玄武集团的关系”→ Gotham 数据回来；“新建一个可疑人员节点”→ Gotham 里真的多了节点——“AI 不只回答，还能行动。”收工。

• 产品与路线：wiki/OVERVIEW.md、wiki/ROADMAP.md；Gotham PRD：wiki/gotham/PRD-v4.md；技术架构：wiki/gotham/TAD/01~14（01 平台总览、02 多源融合、03 实体解析、04 知识图谱、05 图分析、06 地理、07 时间轴、08 多视图、09 模式识别、10 报告、11 协作、12 访问控制、13 边缘离线、14 部署运维）
• 模块开发文档：wiki/docs/gotham/{multi_source_fusion, entity_resolution, knowledge_graph, graph_analysis, search, geospatial_analysis, timeline_analysis, multi_view_linkage, pattern_recognition, intelligence_reporting, collaboration_workflow, access_control_security, ops, edge_offline}.md；API 细则：wiki/docs/gotham/API/*-API.md
• 前端页面操作手册（逐页详解，与本方案配套食用最佳）：wiki/frontend-intro-v5/markdown/gotham/（16 页：ingestion、resolution、patterns、reports、access、map、timeline、views、projects、tasks、collab、graph-mapping、graph-partition、temporal、ops、overview；另有 HTML 版）
• 姊妹方案：action/docs/ai-action-demo.html（AIP + Foundry 版最基础 AI 行动系统 Demo）
• AIP 跨产品工具源码：products/aip/automation/api_tools.go（call_gotham_api）、接口目录 products/aip/automation/catalog/gotham.go；Gotham 服务装配：products/gotham/server/server.go；演示 seed：products/gotham/server/seed.go、预置规则库 products/gotham/pattern/presets.go
• 前端源码：web/src/views/Gotham*.vue、web/src/views/gotham/、路由 web/src/router/index.js、API 客户端 web/src/api/gothamClient.js（aip_token + 401 自动 refresh）