feat: 初始化告警平台后端项目
- 创建 FastAPI 项目结构 - 实现告警数据模型（SQLAlchemy） - 实现 multipart/form-data 告警接收接口 - 实现阿里云 OSS 图片上传模块 - 实现告警查询和处理 API - 实现异步大模型分析模块
This commit is contained in:
54
.trae/documents/plan_20260130_093809.md
Normal file
54
.trae/documents/plan_20260130_093809.md
Normal file
@@ -0,0 +1,54 @@
|
||||
## 安保设备管理 & 事件告警平台实现计划
|
||||
|
||||
按照你的架构设计，我将分 8 个阶段实现：
|
||||
|
||||
### 阶段 1：项目骨架（1-2 小时）
|
||||
- 创建目录结构 `security_platform/`
|
||||
- 配置 `settings.py`（应用名、数据库、Redis）
|
||||
- 配置 `requirements.txt`（FastAPI、SQLAlchemy 等依赖）
|
||||
|
||||
### 阶段 2：数据库层（2-3 小时）
|
||||
- 创建 `infra/db.py`（SQLAlchemy engine 和 session 管理）
|
||||
- 创建 `core/device/models.py`（Device 设备模型）
|
||||
- 创建 `core/event/models.py`（Event 事件模型）
|
||||
- 创建 Repository 基类和设备/事件仓储实现
|
||||
|
||||
### 阶段 3：设备管理模块（2-3 小时）
|
||||
- 创建 `schemas/device.py`（Pydantic 请求/响应模型）
|
||||
- 实现 `core/device/service.py`（设备业务逻辑）
|
||||
- 创建 `api/device.py`（设备 CRUD + 心跳接口）
|
||||
- 支持对接 IoT 平台的设备注册
|
||||
|
||||
### 阶段 4：事件告警模块（2-3 小时）
|
||||
- 创建 `schemas/event.py`（事件 Pydantic 模型）
|
||||
- 实现 `core/event/service.py`（事件处理逻辑）
|
||||
- 实现 `core/event/rules.py`（告警规则引擎）
|
||||
- 创建 `api/event.py`（事件上报、查询接口）
|
||||
|
||||
### 阶段 5：WebSocket 实时推送（1-2 小时）
|
||||
- 实现 `api/realtime.py`（WebSocket 端点）
|
||||
- 告警实时推送机制
|
||||
- 连接管理和消息广播
|
||||
|
||||
### 阶段 6：辅助模块（1 小时）
|
||||
- 创建 `api/health.py`（健康检查）
|
||||
- 创建 `utils/logger.py`（日志工具）
|
||||
- 创建 `utils/time.py`（时间工具）
|
||||
|
||||
### 阶段 7：部署配置（1 小时）
|
||||
- 创建 `deploy/Dockerfile`
|
||||
- 创建 `deploy/docker-compose.yml`
|
||||
- 创建 `deploy/nginx.conf`
|
||||
|
||||
### 阶段 8：文档和测试（1 小时）
|
||||
- 生成 `README.md`
|
||||
- 编写基础 API 文档
|
||||
|
||||
**预计总工时：11-15 小时**
|
||||
|
||||
---
|
||||
**核心技术栈确认：**
|
||||
- FastAPI + Uvicorn + Gunicorn
|
||||
- SQLite（本地）或 MySQL（云端）
|
||||
- Redis（可选，用于 WebSocket 订阅）
|
||||
- SQLAlchemy 2.0
|
||||
151
.trae/documents/plan_20260202_013208.md
Normal file
151
.trae/documents/plan_20260202_013208.md
Normal file
@@ -0,0 +1,151 @@
|
||||
## AI 告警平台开发计划
|
||||
|
||||
### 项目定位
|
||||
**职责**：仅接收边缘端告警、保存告警证据、提供可视化与人工处理能力
|
||||
**不负责**：设备管理、推理逻辑、用户体系（复用芋道前端用户体系）
|
||||
|
||||
---
|
||||
|
||||
### 一、边缘端 → 告警平台 数据协议
|
||||
|
||||
**传输方式**：multipart/form-data（JSON + 图片文件）
|
||||
|
||||
**JSON 字段**：
|
||||
```json
|
||||
{
|
||||
"camera_id": "cam-001",
|
||||
"roi_id": "roi-01",
|
||||
"alert_type": "leave_post",
|
||||
"algorithm": "LeavePostAlgorithm",
|
||||
"confidence": 0.85,
|
||||
"duration_minutes": 5,
|
||||
"trigger_time": "2024-01-20T10:30:00Z",
|
||||
"message": "离岗告警"
|
||||
}
|
||||
```
|
||||
|
||||
**图片字段**：`snapshot`（二进制文件）
|
||||
|
||||
---
|
||||
|
||||
### 二、后端架构（FastAPI）
|
||||
|
||||
```
|
||||
alert_platform/
|
||||
├── app/
|
||||
│ ├── main.py # FastAPI 入口
|
||||
│ ├── config.py # 配置（SQLite + 图片存储路径）
|
||||
│ ├── models.py # SQLAlchemy 告警模型
|
||||
│ ├── schemas.py # Pydantic 请求/响应模型
|
||||
│ ├── api/
|
||||
│ │ └── alert.py # 告警接收 & 查询接口
|
||||
│ ├── service/
|
||||
│ │ ├── alert_service.py # 告警业务逻辑
|
||||
│ │ └── analyzer.py # 异步大模型分析
|
||||
│ └── storage.py # 图片存储
|
||||
├── data/ # SQLite + 图片目录
|
||||
├── requirements.txt
|
||||
└── Dockerfile
|
||||
```
|
||||
|
||||
**核心接口**：
|
||||
| 方法 | 路径 | 描述 |
|
||||
|------|------|------|
|
||||
| POST | `/api/v1/alerts` | 接收边缘端告警（multipart/form-data） |
|
||||
| GET | `/api/v1/alerts` | 查询告警列表（分页 + 筛选） |
|
||||
| GET | `/api/v1/alerts/{id}` | 告警详情 |
|
||||
| PUT | `/api/v1/alerts/{id}/handle` | 处理告警（确认/忽略/备注） |
|
||||
| GET | `/api/v1/alerts/{id}/image` | 获取告警图片 |
|
||||
| GET | `/api/v1/alerts/statistics` | 告警统计 |
|
||||
|
||||
---
|
||||
|
||||
### 三、前端架构（芋道 UI）
|
||||
|
||||
**在 yudao-ui-admin-vben 中新增模块**：
|
||||
|
||||
```
|
||||
apps/web-antd/src/
|
||||
├── api/alert/
|
||||
│ └── alert.ts # 告警 API
|
||||
├── views/alert/
|
||||
│ ├── list/
|
||||
│ │ ├── data.ts # 列表表单/列配置
|
||||
│ │ └── index.vue # 告警列表页
|
||||
│ └── detail/
|
||||
│ ├── data.ts
|
||||
│ └── index.vue # 告警详情页
|
||||
└── router/routes/modules/
|
||||
└── alert.ts # 告警路由
|
||||
```
|
||||
|
||||
**前端功能**：
|
||||
- 告警列表：时间/类型/状态筛选 + 分页
|
||||
- 告警详情：图片展示 + 算法信息 + 离岗时长
|
||||
- 人工处理：确认、忽略、备注操作
|
||||
- 大模型分析结果展示（可选）
|
||||
|
||||
---
|
||||
|
||||
### 四、大模型分析（异步）
|
||||
|
||||
**流程**：
|
||||
1. 告警写入数据库后，触发异步任务
|
||||
2. 任务队列发送图片 + 上下文到大模型服务
|
||||
3. 大模型返回：风险等级、告警描述、误报建议
|
||||
4. 结果写入告警记录的 `ai_analysis` 扩展字段
|
||||
|
||||
**实现方式**：Python `asyncio` 或 Celery（预留）
|
||||
|
||||
---
|
||||
|
||||
### 五、技术栈
|
||||
|
||||
| 层级 | 技术 |
|
||||
|------|------|
|
||||
| 后端框架 | FastAPI + Uvicorn |
|
||||
| 数据库 | SQLite（轻量）或 MySQL |
|
||||
| 图片存储 | 本地文件系统 / 对象存储 |
|
||||
| 前端框架 | Vue 3 + Vben Admin（芋道） |
|
||||
| 异步任务 | asyncio（预留 Celery） |
|
||||
|
||||
---
|
||||
|
||||
### 六、开发优先级
|
||||
|
||||
**Phase 1（核心）**：
|
||||
1. 后端告警接收接口（multipart/form-data）
|
||||
2. 图片存储与访问
|
||||
3. SQLite 持久化
|
||||
4. 告警查询接口
|
||||
|
||||
**Phase 2（前端）**：
|
||||
1. 告警列表页
|
||||
2. 告警详情页
|
||||
3. 人工处理功能
|
||||
|
||||
**Phase 3（增强）**：
|
||||
1. 异步大模型分析
|
||||
2. 告警统计图表
|
||||
3. Docker 部署
|
||||
|
||||
---
|
||||
|
||||
### 七、与 ai_edge 对接示例
|
||||
|
||||
边缘端（ai_edge）调用：
|
||||
```python
|
||||
import requests
|
||||
|
||||
files = {
|
||||
'snapshot': ('alert.jpg', image_bytes, 'image/jpeg'),
|
||||
'data': (None, json.dumps(alert_data), 'application/json')
|
||||
}
|
||||
|
||||
response = requests.post(
|
||||
"http://alert-platform/api/v1/alerts",
|
||||
files=files
|
||||
)
|
||||
```
|
||||
|
||||
---
|
||||
Reference in New Issue
Block a user