P4 LightGotham — 多源情报融合与智能决策平台

GraphStore 自研磁盘图存储

products/gotham/graph/（store/memstore/persist/index）：自研实现，不引入外部图库（Neo4j 留作 GraphStore 可替换后端）。

• 数据结构：nodes map[string]*GraphNode + outAdj/inAdj 邻接表（节点ID → 边类型 → 目标节点ID → 边），支持入边查询与无向边双写。
• 持久化：全量快照 JSON（temp/gotham_graph.json）变更写盘（标记 dirty，超阈值如 200 次或 5s 异步重写）；进程退出 Close() 强制 flush；启动加载重建邻接表与索引。
• 事务与幂等：sync.RWMutex 包裹批量写；UpsertEdge 幂等键 = sha256(source|type|target|direction)，重复提交不产生重复边。
• MergeNode：实体合并（absorbed 的边全部重定向到 surviving，合并关系记入 merged_entity_ids）；幂等，冲突返回 GOTHAM_MERGE_CONFLICT。
• 索引：type 索引 + 高频属性等值索引（仅本体声明可索引属性，如 name/phone/id_number）。
• 与 Foundry 本体对齐：图节点 Type = object_type.api_name、边 Type = link_type.api_name，节点 ID graph:{type}:{rid}。

性能目标（PRD §6.1）：10 万节点/百万边加载 <3s；1-3 度展开 <2s；最短路径 <5s（6 度内）。

图算法（全部在 GraphStore 之上，Go 原生）

API：/analysis/graph/expand|path|centrality|community；响应含 visualization_hints（力导向布局、节点大小/颜色字段）。

融合接入（ingestion）

products/gotham/fusion/（sources + importer）：复用底座 connector/datasource 作数据接入层。

• 数据源管理：ingestion_sources（type: db/file/api；连接配置 AES-256-GCM 加密存储）+ 批次 + 映射规则。
• 导入流水线：抽取 → 清洗（trim/空值/日期/手机号/全角半角）→ 映射（表→实体类型、字段→属性、关联→关系）→ 图写入（BatchUpsert 幂等）；异步 goroutine + SSE 进度。
• 事件：批次完成 Publish ingestion.batch.completed 经 eventbus 触发解析。

实体解析四层流水线（三阈值带 + union-find + AI 灰区）

products/gotham/resolution/（layers/scoring/cluster/thresholds/jobs）：业界 block→score→cluster 三阶段落地为：

新记录流入 → L1 Blocking 分块（类型/属性/拼音/N-gram/sorted-neighborhood，产候选对避免 O(n²)）
  → L2 确定性层 Deterministic：唯一标识符精确相等 → score=1.0 auto_merge
  → L3 规则层 Rule：归一化 + 组合字段精确/近似匹配（姓名+出生日期+地址 / 企业名+法人…）
  → L4 模糊层 Fuzzy：SimMetrics 组合评分（Levenshtein / Jaro-Winkler / Soundex）
  → L5 AI 层（可选）：仅 0.35≤score<0.85 灰区路由 LLM（selecting 策略，批量 10-15 对）
  → cluster（union-find 连通分量聚成 canonical entity，先聚簇再合并防假簇）
  → 三阈值带分流：
      score ≥ 0.90      → auto_merged（自动合并）
      0.70 ≤ score < 0.90 → pending_review（人工审核）
      score < 0.70      → rejected
  → 合并执行：graph.MergeNode(surviving, absorbed[])

• 作业模型：job（全量/增量）→ run（每批默认 5000 条）→ resolution_records；状态机 pending/running/blocked/completed/failed/cancelled（人工处理完最后一条 pending_review 自动回 completed）。
• 人工审核回路：并排对比/差异高亮/批量确认/拒绝/拆分；审核反馈回流（V2 在线学习权重）。
• 限制：单 job ≤100 万条（演示 ≤10 万），超时 30 分钟。

地理空间（geo）

• 几何统一 GeoJSON（点/线/面），后端一律返回 FeatureCollection，前端 Leaflet 原生消费（MapView.vue）。
• 双存储路径降级：PG + PostGIS（ST_Within/ST_Distance，GiST 索引）；SQLite 无 PostGIS 用 lat/lng 数值 + bbox 数值比较降级（geo_engine 接口隔离）。
• API：/map/features CRUD + bbox 框选 / radius 半径 / aggregate/regions 网格聚合簇。

时间轴（timeline + Time-Wheel）

• timeline_events 每行一个时间点事件（实体 + 时间维度 + 时间戳 + 标签 + 属性）；实体类型的时间维度导入时自动注册。
• API：时间范围查询、按粒度聚合（年/季/月/周/日/时）、单实体事件序列、多实体对比。
• Time-Wheel 时间轮盘：按"小时 × 多天"环形包裹视图用于周期性检测（pattern-of-life）；level-of-detail 缩放自动降采样，异常高峰红色高亮。

多视图联动（EventBus + SelectionExpr）

• SelectionExpr：联动载荷 = 筛选表达式（filters[] 维度/算子/值 + mode: intersect|union|overwrite），各视图按自身数据键映射（地图键=geo_bbox、时间轴键=time_range、图键=entity_id/entity_type）。
• 后端 cross_filter 统一参数：全部分析 API 支持；服务端 SelectionExprValidator 校验算子白名单（in/not_in/between/within/eq/neq/gte/lte）与值类型。
• EventBus（products/gotham/eventbus/）：进程内 Publish/Subscribe 解耦 fusion/resolution/pattern；主题字典含 node.created / edge.created / entity.merged / graph.changed / alert.created 等，全部写 event_log。
• 三态视觉：selected / dimmed / neutral；前端 linkageBus + 去抖 300ms + 请求去重。

模式识别（pattern）

• 规则类型：graph_pattern（基于 GraphStore BFS/模式遍历）、property_condition（属性条件）、statistical（时间窗口聚合 + Z-Score/IQR）、temporal（时序模式）、composite（AND/OR/NOT 组合）。
• 检测调度：scheduler（cron）+ 事件触发（node.created/edge.created 实时检测）+ 手动。
• 告警：去重（同 rule+entities 24h 一条）、聚合（共享核心实体归组）、打分（severity × confidence × freshness）；状态机 new → acknowledged → investigating → resolved / false_positive。
• 预置规则库：分散转入集中转出、资金快进快出、黑名单对手交易、同电话/地址多公司（围标）等。

情报报告（HTML / PDF / docx）

• 报告模型：reports.content 结构化 JSON 块（heading/paragraph/table/embedded_object），非纯 HTML → 支持多格式导出、搜索。
• 嵌入对象（活文档）：report_embedded_objects 存 query_params + data_snapshot + rendered_image（base64 PNG）；导出时服务端用 query_params 重渲染，避免静态过期。
• 导出引擎：PDF 主方案 = 后端 html/template 渲染 → 前端 window.print()（矢量保真、零服务端依赖）；兜底 gofpdf（须先 AddFont 注册中文字体否则乱码）；docx 用标准库 archive/zip + 固定 OpenXML 模板手写（不引 AGPL 的 unioffice）。
• 模板：预置案件调查报告 / 情报分析简报 / 态势总览报告。

ABAC（两层模型 + deny 一票否决 + trace）

products/gotham/abac/：自研（<2000 行，不引 OPA/Casbin）RBAC 基础门 + ABAC 收窄两层模型：

RBAC gate：permission = rbac.Check(user, resource, action)
  └─ deny → 403（短路，无 ABAC trace）
  └─ allow → ABAC 收窄：
      按 priority 降序评估 access_policies（effect=deny 一票否决，命中即终）
      全部 allow 策略条件不满足（require 语义，fail-closed）→ deny
      trace = {subject_attrs, resource_attrs, matched_policies[], decisions[]}
  → 通过后进入 RLS 数据级过滤（读路径 SQL/图遍历注入）

• 四类属性（PIP）：主体（user_id/role/department/clearance/project_ids）、资源（resource_type/classification/project_id/owner_id/tags）、操作（read/create/update/delete/export/…）、环境（time_of_day/ip/device_type）。
• deny 一票否决且总是优先传播，默认 deny（白名单）；评估返回 reasoning trace 入审计（G-ABAC4）。
• 策略资源类型支持 ontology_action（Foundry Action Type），图合并/解析审核/报告发布等写操作按 Action 授权（R2 红线）。
• RBAC 基础门在 server 组装时注入（admin 角色放行全部；非 admin 对 delete/export/write 类高危动作默认拒绝）。

错误示例：{code:"GOTHAM_ABAC_DENIED", data:{decision:"deny", trace:{...}}}。

图谱域：行级图谱化导入 / 图分区压缩 / 时序图分析（V5，B4）

HTTP API 分组（/api/v1）

demo seed 幂等重建：Person/Organization/Event 节点 + transferred_to/uses 边、地理/时间轴/模式/报告/ABAC 策略。