feat: 完成 issue #6 LLM 网关 + RAG 模板化（混合网关主编排）

2026-08-04 18:02:00 +08:00
parent fa5523a37d
commit 5d937e8efd
12 changed files with 1707 additions and 20 deletions
@@ -0,0 +1,365 @@
+# -*- coding: utf-8 -*-
+"""iAOP-Core · LLM 网关 —— 敏感度路由规则引擎（EPIC #6 主体，Issue #43 雏形）。
+
+对应 PRD 5.4「④ LLM 网关 + RAG」与 EPIC #6：
+本地 70B（敏感/核心）+ 云端 API（脱敏/通用）**混合**，安全分级路由。
+本模块实现**路由决策层**：
+
+- 依据「敏感度路由规则」（模板配置资产）对用户 query 做**敏感度分级**，
+  输出路由目标：`local`（敏感/核心，数据不出厂）/ `cloud`（脱敏/通用）/
+  `block`（触发高危规则，直接拦截，转人工）。
+- 分级规则为**配置点**：`config/router.template.yaml`，换行业只改资产，
+  内核零改动（对齐 dlp / rag-kb 模板化思想）。
+- 路由决策前**强制先过 DLP 出站检查**：query 若命中 DLP block 规则，
+  一律走本地（fail-closed），云端仅在 DLP 放行时允许（PRD 5.4 数据不出厂）。
+
+设计说明（供子任务 #43 继续细化）：
+- 本版实现规则匹配与分级、模板加载、评估准确率的离线脚本接口；
+- 子任务 #43 将在此基础上补齐敏感度词库覆盖与准确率 ≥ 96.5% 的调优基线。
+
+测试：`python -m unittest discover -s tests -v`（在 core/llm-gateway 目录下执行）。
+"""
+from __future__ import annotations
+
+import re
+import uuid
+from dataclasses import dataclass, field
+from datetime import datetime, timezone
+from typing import Dict, List, Optional, Tuple
+
+# ---------------------------------------------------------------------------
+# 轻量 YAML 子集解析（零第三方依赖，递归下降）：与 dlp.py 同款（模块内自持，
+# 保持模块零耦合）。足以解析 `config/router.template.yaml` 模板资产。
+# ---------------------------------------------------------------------------
+
+
+def _parse_scalar(text: str) -> str:
+    """去掉标量两侧引号与行内注释（`key: value # comment`）。"""
+    t = text.split(" #", 1)[0].strip()
+    if len(t) >= 2 and t[0] == t[-1] and t[0] in ("'", '"'):
+        return t[1:-1]
+    return t
+
+
+def _strip_comments(lines: List[str]) -> List[Tuple[str, int]]:
+    """剔除空行与整行注释，保留行号（1 起）用于报错定位。"""
+    out = []
+    for i, ln in enumerate(lines):
+        s = ln.strip()
+        if not s or s.startswith("#"):
+            continue
+        out.append((ln, i + 1))
+    return out
+
+
+def _parse_node(lines: List[Tuple[str, int]], i: int, indent: int):
+    """递归解析从 lines[i] 开始、缩进为 `indent` 的一个节点。
+
+    返回 `(value, next_i)`：value 为 dict / list / str，next_i 为下一个
+    未消费行的下标。
+    """
+    text, no = lines[i]
+    lead = len(text) - len(text.lstrip(" "))
+
+    # ---- list 节点：`- item` 或 `- key: val`（map 项） ----
+    if text.lstrip(" ").startswith("- "):
+        items: List[object] = []
+        while i < len(lines):
+            t, no2 = lines[i]
+            stripped = t.lstrip(" ")
+            if not stripped.startswith("- "):
+                break
+            lead_j = len(t) - len(t.lstrip(" "))
+            if lead_j != indent:
+                break
+            item_text = stripped[2:].strip()
+            if not item_text:
+                raise ValueError(f"router.yaml 第 {no2} 行：list 项为空")
+            if ":" in item_text:
+                map_indent = len(t) - len(t.lstrip(" ")) + 2
+                lines[i] = (" " * map_indent + item_text, no2)
+                v, i = _parse_node(lines, i, map_indent)
+                items.append(v)
+            else:
+                items.append(_parse_scalar(item_text))
+                i += 1
+        return items, i
+
+    # ---- map 节点：`key: value` / `key:`（嵌套值） ----
+    result: Dict[str, object] = {}
+    while i < len(lines):
+        t, no = lines[i]
+        lead_j = len(t) - len(t.lstrip(" "))
+        if lead_j < indent or t.lstrip(" ").startswith("- "):
+            break
+        if lead_j > indent:
+            raise ValueError(f"router.yaml 第 {no} 行缩进异常（期望 {indent}，实际 {lead_j}）")
+        if ":" not in t:
+            raise ValueError(f"router.yaml 第 {no} 行不是合法键值对：{t!r}")
+        key, _, rest = t.partition(":")
+        key = key.strip()
+        rest = rest.strip()
+        if rest:
+            result[key] = _parse_scalar(rest)
+            i += 1
+            continue
+        if i + 1 >= len(lines):
+            raise ValueError(f"router.yaml 第 {no} 行 {key!r} 缺少值")
+        sub_indent = len(lines[i + 1][0]) - len(lines[i + 1][0].lstrip(" "))
+        if sub_indent <= indent:
+            raise ValueError(f"router.yaml 第 {no} 行 {key!r} 缺少值（无嵌套内容）")
+        v, i = _parse_node(lines, i + 1, sub_indent)
+        result[key] = v
+    return result, i
+
+
+def _load_yaml_text(text: str) -> Dict[str, object]:
+    """解析 YAML 子集 → 嵌套 dict/list。顶层必须为 map。"""
+    lines = _strip_comments(text.splitlines())
+    if not lines:
+        return {}
+    top_indent = len(lines[0][0]) - len(lines[0][0].lstrip(" "))
+    value, next_i = _parse_node(lines, 0, top_indent)
+    if not isinstance(value, dict):
+        raise ValueError("router.yaml 顶层必须是 map")
+    if next_i < len(lines):
+        raise ValueError(
+            f"router.yaml 第 {lines[next_i][1]} 行：顶层存在多个节点（缩进不一致）"
+        )
+    return value
+
+
+# ---------------------------------------------------------------------------
+# 路由目标与规则模型
+# ---------------------------------------------------------------------------
+
+
+class RouteTarget:
+    """路由目标常量。"""
+
+    LOCAL = "local"        # 敏感/核心 → 本地 70B（数据不出厂）
+    CLOUD = "cloud"        # 脱敏/通用 → 云端 API
+    BLOCK = "block"        # 高危 → 直接拦截，转人工确认
+
+
+@dataclass(frozen=True)
+class RouterRule:
+    """一条敏感度路由规则。
+
+    - `target`：命中后路由到哪（local / cloud / block）；
+    - `kind`：`keyword`（大小写不敏感子串）或 `regex`（正则）；
+    - `category`：敏感类别（工艺参数 / 个人信息 / 高危指令等），用于审计分组。
+    """
+
+    name: str
+    category: str
+    kind: str
+    pattern: str
+    target: str
+    description: str = ""
+    _compiled: Optional["re.Pattern[str]"] = field(default=None, repr=False, compare=False)
+
+    @classmethod
+    def from_mapping(cls, m: Dict[str, object]) -> "RouterRule":
+        name = str(m.get("name", ""))
+        if not name:
+            raise ValueError("router 规则缺少 name")
+        kind = str(m.get("kind", "keyword"))
+        pattern = str(m.get("pattern", ""))
+        if not pattern:
+            raise ValueError(f"router 规则 {name} 缺少 pattern")
+        target = str(m.get("target", RouteTarget.LOCAL))
+        if target not in (RouteTarget.LOCAL, RouteTarget.CLOUD, RouteTarget.BLOCK):
+            raise ValueError(f"router 规则 {name} 的 target 非法：{target!r}")
+        if kind not in ("keyword", "regex"):
+            raise ValueError(f"router 规则 {name} 的 kind 非法：{kind!r}")
+        return cls(
+            name=name,
+            category=str(m.get("category", "general")),
+            kind=kind,
+            pattern=pattern,
+            target=target,
+            description=str(m.get("description", "")),
+        )
+
+    def _compiled_regex(self) -> "re.Pattern[str]":
+        if self.kind == "regex":
+            return re.compile(self.pattern, re.IGNORECASE)
+        return re.compile(re.escape(self.pattern), re.IGNORECASE)
+
+    def find(self, text: str) -> List[Tuple[str, int, int]]:
+        """返回 (匹配文本, 起始, 结束) 列表；空串 pattern 返回空。"""
+        if not self.pattern:
+            return []
+        return [(m.group(0), m.start(), m.end()) for m in self._compiled_regex().finditer(text)]
+
+
+@dataclass(frozen=True)
+class RouteDecision:
+    """一次路由决策结果（含审计所需上下文）。"""
+
+    query: str
+    target: str
+    reason: str                      # rule_hit / no_rule / dlp_blocked
+    rule_name: Optional[str] = None  # 命中的规则（rule_hit 时）
+    category: Optional[str] = None
+    decision_id: str = field(default_factory=lambda: uuid.uuid4().hex[:12])
+    created_at: str = field(default_factory=lambda: datetime.now(timezone.utc).isoformat())
+
+    def to_dict(self) -> Dict[str, object]:
+        return {
+            "decision_id": self.decision_id,
+            "created_at": self.created_at,
+            "query": self.query,
+            "target": self.target,
+            "reason": self.reason,
+            "rule_name": self.rule_name,
+            "category": self.category,
+        }
+
+
+# ---------------------------------------------------------------------------
+# 敏感度路由引擎
+# ---------------------------------------------------------------------------
+
+
+class SensitivityRouter:
+    """敏感度路由引擎：对 query 做分级路由（local / cloud / block）。
+
+    路由优先级（fail-closed）：
+    1. DLP 出站检查拦截 → `block`（转发人工，绝不发云端）；
+    2. 命中 `block` 路由规则 → `block`；
+    3. 命中 `local` 路由规则 → `local`（敏感优先本地，规则可覆盖 cloud）；
+    4. 命中 `cloud` 规则 → `cloud`；
+    5. 未命中任何规则 → 默认 `local`（保守：未知 = 敏感，数据不出厂）。
+    """
+
+    # 内置保底规则：即使未加载任何配置，通用高危/敏感内容默认生效。
+    ROUTER_DEFAULT_RULES: Tuple[RouterRule, ...] = (
+        RouterRule(
+            name="rt_id_card", category="pii", kind="regex",
+            pattern=r"\d{17}[\dXx]", target=RouteTarget.LOCAL,
+            description="身份证号（敏感，走本地）",
+        ),
+        RouterRule(
+            name="rt_mobile", category="pii", kind="regex",
+            pattern=r"1[3-9]\d{9}", target=RouteTarget.LOCAL,
+            description="手机号（敏感，走本地）",
+        ),
+        RouterRule(
+            name="rt_emergency_cmd", category="safety", kind="keyword",
+            pattern="停机", target=RouteTarget.BLOCK,
+            description="停机等安全指令（高危，转人工）",
+        ),
+    )
+
+    def __init__(self, rules: Optional[List[RouterRule]] = None,
+                 default_target: str = RouteTarget.LOCAL,
+                 audit: bool = True) -> None:
+        # 内置保底 + 模板规则（同名覆盖内置：模板定制优先）
+        merged: Dict[str, RouterRule] = {r.name: r for r in self.ROUTER_DEFAULT_RULES}
+        for r in (rules or []):
+            merged[r.name] = r
+        self._rules: List[RouterRule] = list(merged.values())
+        self.default_target = default_target
+        self.audit = audit
+        self._audit_log: List[Dict[str, object]] = []
+
+    @classmethod
+    def from_template_config(cls, path: str,
+                             default_target: str = RouteTarget.LOCAL) -> "SensitivityRouter":
+        """从模板资产加载路由规则（`config/router.template.yaml`）。"""
+        with open(path, "r", encoding="utf-8") as fh:
+            raw = _load_yaml_text(fh.read())
+        rules = []
+        for m in raw.get("rules", []):
+            if isinstance(m, dict):
+                rules.append(RouterRule.from_mapping(m))
+        return cls(rules=rules, default_target=default_target)
+
+    # -- 决策 --------------------------------------------------------------
+
+    def route(self, query: str, dlp_blocked: bool = False) -> RouteDecision:
+        """对单条 query 做路由决策。
+
+        `dlp_blocked`：上游 DLP 出站检查结果（true = 已拦截）。
+        命中 block 或 DLP 拦截时返回 `block`（fail-closed）。
+        """
+        # 1) DLP 已拦截 → 直接 block
+        if dlp_blocked:
+            decision = RouteDecision(
+                query=query, target=RouteTarget.BLOCK,
+                reason="dlp_blocked", category="dlp",
+            )
+            self._record(decision)
+            return decision
+        # 2) 逐条规则（模板配置顺序 = 优先级）
+        for rule in self._rules:
+            if rule.find(query):
+                decision = RouteDecision(
+                    query=query, target=rule.target,
+                    reason="rule_hit", rule_name=rule.name,
+                    category=rule.category,
+                )
+                self._record(decision)
+                return decision
+        # 3) 无规则命中 → 保守默认
+        decision = RouteDecision(
+            query=query, target=self.default_target, reason="no_rule",
+        )
+        self._record(decision)
+        return decision
+
+    # -- 评估（Issue #49 雏形：路由准确率离线评估脚本入口） ----------------
+
+    def evaluate(self, samples: List[Dict[str, object]]) -> Dict[str, object]:
+        """离线评估路由准确率（目标 ≥ 96.5%）。
+
+        `samples`：`[{"query": str, "expected": "local"|"cloud"|"block"}, ...]`。
+        返回总体准确率 + 每类明细。子任务 #49 将扩展为评测集与报表脚本。
+        """
+        total = len(samples)
+        if total == 0:
+            return {"accuracy": 0.0, "correct": 0, "total": 0, "by_target": {}}
+        correct = 0
+        by_target: Dict[str, Dict[str, int]] = {}
+        for s in samples:
+            expected = str(s["expected"])
+            got = self.route(str(s["query"]), dlp_blocked=bool(s.get("dlp_blocked", False)))
+            ok = got.target == expected
+            if ok:
+                correct += 1
+            agg = by_target.setdefault(expected, {"correct": 0, "total": 0})
+            agg["total"] += 1
+            if ok:
+                agg["correct"] += 1
+        return {
+            "accuracy": round(correct / total, 4),
+            "correct": correct,
+            "total": total,
+            "by_target": by_target,
+        }
+
+    # -- 审计 --------------------------------------------------------------
+
+    def _record(self, decision: RouteDecision) -> None:
+        if self.audit:
+            self._audit_log.append(decision.to_dict())
+
+    def drain_audit(self) -> List[Dict[str, object]]:
+        """取走并清空审计记录（对接外部审计管道）。"""
+        out, self._audit_log = self._audit_log, []
+        return out
+
+    # -- 只读属性 ----------------------------------------------------------
+
+    @property
+    def rule_count(self) -> int:
+        return len(self._rules)
+
+    @property
+    def rule_names(self) -> List[str]:
+        return [r.name for r in self._rules]
+
+    def __repr__(self) -> str:  # pragma: no cover - 调试辅助
+        return f"<SensitivityRouter rules={self.rule_count} default={self.default_target}>"