auto backup 2026-05-07 08:10:01
This commit is contained in:
--git_token
parent
ec805b0731
commit
a0fe79b29b
@ -12,6 +12,6 @@ vala_git_workspace_backup.vala 4cf352bec88fe84af065ba1ffcbb06647b77df0e01860faaf
|
|||||||
tencent-cos-upload 172517ed41d06c48425cd961ec5972a48495cfd62ec588bc1c2912ddf31b3a06
|
tencent-cos-upload 172517ed41d06c48425cd961ec5972a48495cfd62ec588bc1c2912ddf31b3a06
|
||||||
user-feedback-collector c0320451bf7ea0ce3d8ceaa603ae0a7b55c373c048363a5142258a4c23f45e81
|
user-feedback-collector c0320451bf7ea0ce3d8ceaa603ae0a7b55c373c048363a5142258a4c23f45e81
|
||||||
user-feedback-data-source a95eb9142f3019fd193c46f89147dc7e0bf01dfe250202565a86f8bc52f37b13
|
user-feedback-data-source a95eb9142f3019fd193c46f89147dc7e0bf01dfe250202565a86f8bc52f37b13
|
||||||
user-feedback-processor 3bc199b29eaec4e20d7904ae13e006276532145d203df92718cbf3197825bc44
|
|
||||||
feishu-group-msg-sync 085f95a5b89fec3b6a627da25d66ffeeb0be430098387739a64f7903f0ee88d4
|
feishu-group-msg-sync 085f95a5b89fec3b6a627da25d66ffeeb0be430098387739a64f7903f0ee88d4
|
||||||
feishu-feedback-sync ad9934adbb72b3fb6503dc97379f0a5eb4af82e4d0bdacfbcafbd563645f68b1
|
user-feedback-processor 61783a8e9f03a973c187b359a87749ad1993dc71f8364b0a853d8b3ff64c75e8
|
||||||
|
feishu-feedback-sync 1fe2d72586096fc49cb39f5aa1d3f3e364664d8c7578a27ae49ef1be8f7a9896
|
||||||
|
|||||||
@ -1,3 +1,4 @@
|
|||||||
{"type":"memory.recall.recorded","timestamp":"2026-04-30T03:47:21.989Z","query":"微信反馈群 数据库 表结构 MySQL","resultCount":1,"results":[{"path":"memory/2026-04-18.md","startLine":1,"endLine":5,"score":1}]}
|
{"type":"memory.recall.recorded","timestamp":"2026-04-30T03:47:21.989Z","query":"微信反馈群 数据库 表结构 MySQL","resultCount":1,"results":[{"path":"memory/2026-04-18.md","startLine":1,"endLine":5,"score":1}]}
|
||||||
{"type":"memory.recall.recorded","timestamp":"2026-04-30T06:52:35.560Z","query":"用户反馈数据源 飞书群 微信群 数据库表","resultCount":1,"results":[{"path":"memory/2026-04-18.md","startLine":1,"endLine":5,"score":1}]}
|
{"type":"memory.recall.recorded","timestamp":"2026-04-30T06:52:35.560Z","query":"用户反馈数据源 飞书群 微信群 数据库表","resultCount":1,"results":[{"path":"memory/2026-04-18.md","startLine":1,"endLine":5,"score":1}]}
|
||||||
{"type":"memory.recall.recorded","timestamp":"2026-04-30T08:11:39.116Z","query":"飞书群反馈表格 token E8vFsCmPBhT4SCtNmnJchqeJnJe 内容测试问题反馈","resultCount":1,"results":[{"path":"memory/2026-04-18.md","startLine":1,"endLine":5,"score":1}]}
|
{"type":"memory.recall.recorded","timestamp":"2026-04-30T08:11:39.116Z","query":"飞书群反馈表格 token E8vFsCmPBhT4SCtNmnJchqeJnJe 内容测试问题反馈","resultCount":1,"results":[{"path":"memory/2026-04-18.md","startLine":1,"endLine":5,"score":1}]}
|
||||||
|
{"type":"memory.recall.recorded","timestamp":"2026-05-06T13:30:08.593Z","query":"内容测试反馈群 群聊规则 GroupSystemPrompt","resultCount":5,"results":[{"path":"memory/2026-04-30.md","startLine":198,"endLine":224,"score":1},{"path":"memory/2026-04-30.md","startLine":116,"endLine":142,"score":1},{"path":"memory/2026-04-30.md","startLine":134,"endLine":166,"score":1},{"path":"memory/2026-04-30.md","startLine":177,"endLine":205,"score":1},{"path":"memory/2026-04-18.md","startLine":1,"endLine":5,"score":1}]}
|
||||||
|
|||||||
@ -1,6 +1,6 @@
|
|||||||
{
|
{
|
||||||
"version": 1,
|
"version": 1,
|
||||||
"updatedAt": "2026-04-30T08:11:39.116Z",
|
"updatedAt": "2026-05-06T13:30:08.593Z",
|
||||||
"entries": {
|
"entries": {
|
||||||
"memory:memory/2026-04-18.md:1:5": {
|
"memory:memory/2026-04-18.md:1:5": {
|
||||||
"key": "memory:memory/2026-04-18.md:1:5",
|
"key": "memory:memory/2026-04-18.md:1:5",
|
||||||
@ -9,20 +9,22 @@
|
|||||||
"endLine": 5,
|
"endLine": 5,
|
||||||
"source": "memory",
|
"source": "memory",
|
||||||
"snippet": "# 2026-04-18 工作日志 ## 术语共识 [李若松确认] 术语「飞书反馈消息数据库」默认指代用户反馈收集技能中的飞书内部测试反馈MySQL数据表 `vala_test.lark_group_message`，存储「内容测试问题反馈」群（oc_fabff7672e62a9ced7b326ee4a286c26）的同步消息数据。",
|
"snippet": "# 2026-04-18 工作日志 ## 术语共识 [李若松确认] 术语「飞书反馈消息数据库」默认指代用户反馈收集技能中的飞书内部测试反馈MySQL数据表 `vala_test.lark_group_message`，存储「内容测试问题反馈」群（oc_fabff7672e62a9ced7b326ee4a286c26）的同步消息数据。",
|
||||||
"recallCount": 3,
|
"recallCount": 4,
|
||||||
"dailyCount": 0,
|
"dailyCount": 0,
|
||||||
"groundedCount": 0,
|
"groundedCount": 0,
|
||||||
"totalScore": 3,
|
"totalScore": 4,
|
||||||
"maxScore": 1,
|
"maxScore": 1,
|
||||||
"firstRecalledAt": "2026-04-30T03:47:21.989Z",
|
"firstRecalledAt": "2026-04-30T03:47:21.989Z",
|
||||||
"lastRecalledAt": "2026-04-30T08:11:39.116Z",
|
"lastRecalledAt": "2026-05-06T13:30:08.593Z",
|
||||||
"queryHashes": [
|
"queryHashes": [
|
||||||
"353f9765c086",
|
"353f9765c086",
|
||||||
"a6b740c99377",
|
"a6b740c99377",
|
||||||
"9625ed0029fd"
|
"9625ed0029fd",
|
||||||
|
"f865295b9ac7"
|
||||||
],
|
],
|
||||||
"recallDays": [
|
"recallDays": [
|
||||||
"2026-04-30"
|
"2026-04-30",
|
||||||
|
"2026-05-06"
|
||||||
],
|
],
|
||||||
"conceptTags": [
|
"conceptTags": [
|
||||||
"vala-test.lark-group-message",
|
"vala-test.lark-group-message",
|
||||||
@ -34,6 +36,130 @@
|
|||||||
"确认",
|
"确认",
|
||||||
"反馈"
|
"反馈"
|
||||||
]
|
]
|
||||||
|
},
|
||||||
|
"memory:memory/2026-04-30.md:198:224": {
|
||||||
|
"key": "memory:memory/2026-04-30.md:198:224",
|
||||||
|
"path": "memory/2026-04-30.md",
|
||||||
|
"startLine": 198,
|
||||||
|
"endLine": 224,
|
||||||
|
"source": "memory",
|
||||||
|
"snippet": "3. 问题描述留 `[AI归纳]` 占位符 - 运行时 AI（即助手本身）根据元数据 + 对话上下文，生成精炼的问题描述 #### AI 归纳的最终输出格式（固定模板） ```markdown ### 问题 N > **在{端}端{环节}内（{课程}），{角色/组件}出现了{现象}** | 发言人 | 要点 | |--------|------| | ... | ... | **当前问题排查结论：** ... ``` #### 结论提取规则增强 - 解释性关键词：上云/预下载/加载/原因是/改为了/首次 → 标记为分析性发言 - 分析性发言 + 日志上传 → 输出「疑似{原因}，已上传日志，排查中」 - 分析性发言 + 无日志 → 输出「{原因}，待确认」 - 无分析 + 无日志 → 改为「暂未排查到问题」（刘新玉确认，比「暂未排查到根因」更准确） #### 4/28 最终归纳结果（AI 生成） 1. **NPC HUD 显示**：在移动端关卡内（11-2），NPC 头上的 HUD 偶尔变成一小条 → 暂未排查到问题 2. **iOS Loading 慢**：在 iOS 端关卡内（L1 3-2），Loading 耗时约 10 秒（正常 3 秒），导致组件数据丢失/无音频 → 疑似关卡内容上云加载导致，已上传日志，排查中 #### 结论提取的边界 - 刘新玉指出：\"暂未排查到问题\" vs \"暂未排查到根因\" → 前者更准确（问题被描述了但可能没被排查）",
|
||||||
|
"recallCount": 1,
|
||||||
|
"dailyCount": 0,
|
||||||
|
"groundedCount": 0,
|
||||||
|
"totalScore": 1,
|
||||||
|
"maxScore": 1,
|
||||||
|
"firstRecalledAt": "2026-05-06T13:30:08.593Z",
|
||||||
|
"lastRecalledAt": "2026-05-06T13:30:08.593Z",
|
||||||
|
"queryHashes": [
|
||||||
|
"f865295b9ac7"
|
||||||
|
],
|
||||||
|
"recallDays": [
|
||||||
|
"2026-05-06"
|
||||||
|
],
|
||||||
|
"conceptTags": [
|
||||||
|
"角色/组件",
|
||||||
|
"上云/预下载/加载/原因是/改为了/首次",
|
||||||
|
"4/28",
|
||||||
|
"11-2",
|
||||||
|
"3-2",
|
||||||
|
"导致组件数据丢失/无音频",
|
||||||
|
"问题",
|
||||||
|
"描述"
|
||||||
|
]
|
||||||
|
},
|
||||||
|
"memory:memory/2026-04-30.md:116:142": {
|
||||||
|
"key": "memory:memory/2026-04-30.md:116:142",
|
||||||
|
"path": "memory/2026-04-30.md",
|
||||||
|
"startLine": 116,
|
||||||
|
"endLine": 142,
|
||||||
|
"source": "memory",
|
||||||
|
"snippet": "问题：很多消息有关联但没有 `quote_message_id`（飞书 API 的 `root_id`/`parent_id` 未采集） **推断规则（按优先级）**： 1. **@提及匹配**：消息中 @了某人 → 关联到被@者最近一条消息 2. **同发送者聚类**：同一人在 2 分钟窗口内连续发多条 → 认为是对同一目标消息的回复 3. **最近不同发送者**：关联到最近一条不同发送者的消息（30 分钟内） 已测试效果：上午 NPC HUD 问题链成功串联，下午 iOS 问题链准确分组。部分跨话题误判仍需 AI 语义辅助（策略3，待后续评估）。 #### 触发方式 - 手动：「同步飞书反馈」「整理反馈对话链」 - 定时：每天 10:00 crontab 自动执行 ## 步骤4：问题归纳功能开发 [刘新玉] - 2026-04-30 18:38 完成 ### 步骤4 包含两部分 1. **问题描述**：在{端}{环节}内（{课程}），{角色/组件}出现了{现象} 2. **当前问题排查结论**：从对话最后 1-2 条提取，匹配规则： - \"日志上传/排查/查\" → \"日志已上传，排查中\" - \"确认/确实\" → \"已确认，待修复\" - \"已修复/已解决\" → \"已修复\" - \"不是 bug/设计如此\" → \"非问题，设计如此\" - 无明确结论 → \"暂未排查到根因\" ### 归纳格式 ```markdown ### 问题 N",
|
||||||
|
"recallCount": 1,
|
||||||
|
"dailyCount": 0,
|
||||||
|
"groundedCount": 0,
|
||||||
|
"totalScore": 1,
|
||||||
|
"maxScore": 1,
|
||||||
|
"firstRecalledAt": "2026-05-06T13:30:08.593Z",
|
||||||
|
"lastRecalledAt": "2026-05-06T13:30:08.593Z",
|
||||||
|
"queryHashes": [
|
||||||
|
"f865295b9ac7"
|
||||||
|
],
|
||||||
|
"recallDays": [
|
||||||
|
"2026-05-06"
|
||||||
|
],
|
||||||
|
"conceptTags": [
|
||||||
|
"quote-message-id",
|
||||||
|
"root-id",
|
||||||
|
"parent-id",
|
||||||
|
"角色/组件",
|
||||||
|
"1-2",
|
||||||
|
"日志上传/排查/查",
|
||||||
|
"确认/确实",
|
||||||
|
"已修复/已解决"
|
||||||
|
]
|
||||||
|
},
|
||||||
|
"memory:memory/2026-04-30.md:134:166": {
|
||||||
|
"key": "memory:memory/2026-04-30.md:134:166",
|
||||||
|
"path": "memory/2026-04-30.md",
|
||||||
|
"startLine": 134,
|
||||||
|
"endLine": 166,
|
||||||
|
"source": "memory",
|
||||||
|
"snippet": "- \"日志上传/排查/查\" → \"日志已上传，排查中\" - \"确认/确实\" → \"已确认，待修复\" - \"已修复/已解决\" → \"已修复\" - \"不是 bug/设计如此\" → \"非问题，设计如此\" - 无明确结论 → \"暂未排查到根因\" ### 归纳格式 ```markdown ### 问题 N > **在{端}端{环节}内（{课程}），{角色/组件}出现了{现象}** | 发言人 | 要点 | |--------|------| | 报告人 | 🚩 报告：... | | ... | ... | | 最终人 | ✅ 结论/待排查 | ``` ### 维度提取规则 | 维度 | 优先级/来源 | |------|------------| | 端 | iOS > iPad > pad端 > Android > 移动端 > PC（正则匹配，忽略大小写） | | 环节 | 关卡内/知识巩固/单元挑战/听力挑战/阅读挑战/口语挑战/写作挑战/单元强化/瓦拉学院/报告（从消息文本匹配） | | 课程 | 匹配数字编号（如 11-2、L1 3-2） | | 角色/组件 | NPC/HUD/音频/组件/数据/Loading/加载/日志（从消息文本匹配） | | 现象 | 从消息中提取要害描述，截断在 35 字符以内 | ### 现象提取逻辑 1. 优先从包含 \"Bug的表现是这样的：\"、\"问题是\"、\"发现\"、\"出现\" 等关键词的消息中截取描述句 2. 提取的句子去除 URL、图片标记、疑问句 3. 截断到 35 字符防止过长 ### Bug 修复记录",
|
||||||
|
"recallCount": 1,
|
||||||
|
"dailyCount": 0,
|
||||||
|
"groundedCount": 0,
|
||||||
|
"totalScore": 1,
|
||||||
|
"maxScore": 1,
|
||||||
|
"firstRecalledAt": "2026-05-06T13:30:08.593Z",
|
||||||
|
"lastRecalledAt": "2026-05-06T13:30:08.593Z",
|
||||||
|
"queryHashes": [
|
||||||
|
"f865295b9ac7"
|
||||||
|
],
|
||||||
|
"recallDays": [
|
||||||
|
"2026-05-06"
|
||||||
|
],
|
||||||
|
"conceptTags": [
|
||||||
|
"日志上传/排查/查",
|
||||||
|
"确认/确实",
|
||||||
|
"已修复/已解决",
|
||||||
|
"bug/设计如此",
|
||||||
|
"角色/组件",
|
||||||
|
"结论/待排查",
|
||||||
|
"优先级/来源",
|
||||||
|
"11-2"
|
||||||
|
]
|
||||||
|
},
|
||||||
|
"memory:memory/2026-04-30.md:177:205": {
|
||||||
|
"key": "memory:memory/2026-04-30.md:177:205",
|
||||||
|
"path": "memory/2026-04-30.md",
|
||||||
|
"startLine": 177,
|
||||||
|
"endLine": 205,
|
||||||
|
"source": "memory",
|
||||||
|
"snippet": "- iOS 的两个相关话题（组件无音频 / Loading 慢）因无引用关系而分成两个簇（需策略3语义聚类解决） - 单消息簇被跳过（需至少 2 条消息才能形成问题） ### Skill 文件最终状态 - `skills/feishu-feedback-sync/SKILL.md`：已包含完整步骤1-4的文档 - `skills/feishu-feedback-sync/scripts/sync_feishu_feedback.py`：已集成 `summarize_cluster()`、`extract_location_elements()`、`generate_summary()` 函数 - crontab 每日 10:00 执行（与步骤3一起） ### 步骤4 架构调整：AI 归纳取代规则生成 [刘新玉] - 2026-04-30 19:07 #### 问题 脚本规则匹配生成的问题描述质量差： - 组件匹配失败（NPC/HUD → \"未知组件\"） - 现象摘取了完整原始消息（含 @、无关词） - 端识别不稳定 #### 决策 **脚本输出结构化元数据 + 对话表，AI 负责归纳描述。** - 脚本 `summarize_cluster` 改为输出： 1. 位置元数据（端/环节/课程/组件）— 由 `extract_location_elements` 提取 2. 发言人-要点表格（规则生成） 3. 问题描述留 `[AI归纳]` 占位符 - 运行时 AI（即助手本身）根据元数据 + 对话上下文，生成精炼的问题描述 #### AI 归纳的最终输出格式（固",
|
||||||
|
"recallCount": 1,
|
||||||
|
"dailyCount": 0,
|
||||||
|
"groundedCount": 0,
|
||||||
|
"totalScore": 1,
|
||||||
|
"maxScore": 1,
|
||||||
|
"firstRecalledAt": "2026-05-06T13:30:08.593Z",
|
||||||
|
"lastRecalledAt": "2026-05-06T13:30:08.593Z",
|
||||||
|
"queryHashes": [
|
||||||
|
"f865295b9ac7"
|
||||||
|
],
|
||||||
|
"recallDays": [
|
||||||
|
"2026-05-06"
|
||||||
|
],
|
||||||
|
"conceptTags": [
|
||||||
|
"已包含完整步骤1-4的文档",
|
||||||
|
"summarize-cluster",
|
||||||
|
"extract-location-elements",
|
||||||
|
"generate-summary",
|
||||||
|
"npc/hud",
|
||||||
|
"端/环节/课程/组件",
|
||||||
|
"发言人-要点表格",
|
||||||
|
"ios"
|
||||||
|
]
|
||||||
}
|
}
|
||||||
}
|
}
|
||||||
}
|
}
|
||||||
|
|||||||
131
memory/2026-05-06.md
Normal file
131
memory/2026-05-06.md
Normal file
@ -0,0 +1,131 @@
|
|||||||
|
# 2026-05-06 工作日志
|
||||||
|
|
||||||
|
## 刘新玉：飞书反馈优先级判定（步骤5）落地
|
||||||
|
|
||||||
|
### 需求背景
|
||||||
|
- 刘新玉发来「用户反馈问题优先级判断文档」PDF，要求将优先级判定集成到飞书反馈同步流程的第5步
|
||||||
|
- 前四步骤已完成：数据同步→写入表格→对话链排序→问题归纳
|
||||||
|
- 刘新玉确认"需要"两个方案（脚本自动判定 + 知识库文档标注），全自动判定无需人工确认
|
||||||
|
|
||||||
|
### 完成内容
|
||||||
|
|
||||||
|
#### 1. 新增 priority_classifier.py
|
||||||
|
- 路径：`skills/feishu-feedback-sync/scripts/priority_classifier.py`
|
||||||
|
- P0-P3 基础优先级判定：基于关键词匹配（崩溃/闪退/数据丢失/无音频等）
|
||||||
|
- 动态调整：出现概率（必现/高概率/中概率/低概率/偶现）× 影响范围（全部用户/大部分/部分/极少数）
|
||||||
|
- 最终排序：P0→P1→P2→P3，同级按最早消息时间
|
||||||
|
|
||||||
|
#### 2. 集成到 sync_feishu_feedback.py
|
||||||
|
- `summarize_cluster()` 增加 priority 参数，输出带优先级标签
|
||||||
|
- `generate_summary()` 调用 `compute_final_priority()` + `sort_by_priority()` 排序
|
||||||
|
- 新增 `--skip-priority` CLI 参数
|
||||||
|
- 修复了推断引用算法的孤立簇问题：在 sort_threads Union-Find 后增加合并单条孤立消息到有发送者重叠的大簇的逻辑
|
||||||
|
|
||||||
|
#### 3. 更新 SKILL.md 文档
|
||||||
|
- 增加了步骤5的完整文档说明
|
||||||
|
- 增加了优先级判定规则速查表
|
||||||
|
|
||||||
|
#### 4. 真实数据验证结果
|
||||||
|
- 2026-04-28 数据：2个问题
|
||||||
|
- P0：iOS端Loading超时致数据丢失/无音频（15条）
|
||||||
|
- P1：移动端NPC HUD偶尔变成一小条（8条）
|
||||||
|
|
||||||
|
### 待确认
|
||||||
|
- 步骤5的优先级标注目前仅在脚本输出中展示，尚未写入「用户反馈问题汇总」文档（RaL6whoYMijyYHkSlWrc7OLLnBy）
|
||||||
|
- 刘新玉需确认是否需要增加文档自动写入能力
|
||||||
|
|
||||||
|
## 刘新玉：PDF文件处理
|
||||||
|
- 刘新玉于11:02发送PDF（用户反馈问题优先级判断文档），8页A4
|
||||||
|
- 已用pdftotext解析并完整阅读
|
||||||
|
- 内容：P0-P3四级优先级定义、动态调整规则、三大判断问题
|
||||||
|
- 已基于此文档实现优先级判定规则
|
||||||
|
# 2026-05-06 工作日志
|
||||||
|
|
||||||
|
## 刘新玉：飞书反馈优先级判定（步骤5）落地
|
||||||
|
|
||||||
|
### 需求背景
|
||||||
|
- 刘新玉发来「用户反馈问题优先级判断文档」PDF，要求将优先级判定集成到飞书反馈同步流程的第5步
|
||||||
|
- 前四步骤已完成：数据同步→写入表格→对话链排序→问题归纳
|
||||||
|
- 刘新玉确认"需要"两个方案（脚本自动判定 + 知识库文档标注），全自动判定无需人工确认
|
||||||
|
|
||||||
|
### 完成内容
|
||||||
|
|
||||||
|
#### 1. 新增 priority_classifier.py
|
||||||
|
- 路径：`skills/feishu-feedback-sync/scripts/priority_classifier.py`
|
||||||
|
- P0-P3 基础优先级判定：基于关键词匹配（崩溃/闪退/数据丢失/无音频等）
|
||||||
|
- 动态调整：出现概率（必现/高概率/中概率/低概率/偶现）× 影响范围（全部用户/大部分/部分/极少数）
|
||||||
|
- 最终排序：P0→P1→P2→P3，同级按最早消息时间
|
||||||
|
|
||||||
|
#### 2. 集成到 sync_feishu_feedback.py
|
||||||
|
- `summarize_cluster()` 增加 priority 参数，输出带优先级标签
|
||||||
|
- `generate_summary()` 调用 `compute_final_priority()` + `sort_by_priority()` 排序
|
||||||
|
- 新增 `--skip-priority` CLI 参数
|
||||||
|
- 修复了推断引用算法的孤立簇问题：在 sort_threads Union-Find 后增加合并单条孤立消息到有发送者重叠的大簇的逻辑
|
||||||
|
|
||||||
|
#### 3. 更新 SKILL.md 文档
|
||||||
|
- 增加了步骤5的完整文档说明
|
||||||
|
- 增加了优先级判定规则速查表
|
||||||
|
|
||||||
|
#### 4. 真实数据验证结果
|
||||||
|
- 2026-04-28 数据：2个问题
|
||||||
|
- P0：iOS端Loading超时致数据丢失/无音频（15条）
|
||||||
|
- P1：移动端NPC HUD偶尔变成一小条（8条）
|
||||||
|
|
||||||
|
#### 5. 刘新玉要求简化文档格式（~11:46）
|
||||||
|
- 反馈文档太繁琐，只要在原有格式把"问题 1"改成"P0-问题 1"
|
||||||
|
- 去掉了优先级分布汇总、额外信息行，只保留标题前缀 + 一行判定依据
|
||||||
|
- 最终格式：`### P0-问题 1` + `**优先级判定：** 规则...`
|
||||||
|
- 知识库文档已更新为简洁版
|
||||||
|
|
||||||
|
#### 6. 修复推断引用算法 Bug
|
||||||
|
- 策略2的 else 分支（同发送者无引用时往前找不同发送者）缺少时间限制
|
||||||
|
- 导致胡陈辰 20:45 的媒体消息被推断引用到徐思清 12:29（跨8小时）
|
||||||
|
- 修复：加了 `GAP_THRESHOLD_MIN` 检查
|
||||||
|
|
||||||
|
#### 7. 文档写入方式改进
|
||||||
|
- 从 `insert_before` + `replace_range` 改为 `append` 模式
|
||||||
|
- 每次同步在文档末尾追加当日归纳（含优先级），不去动旧内容
|
||||||
|
- 函数：`update_summary_doc(markdown_content, day_label)`
|
||||||
|
- 目标文档：`RaL6whoYMijyYHkSlWrc7OLLnBy`（用户反馈问题汇总）
|
||||||
|
|
||||||
|
### 关键文件路径
|
||||||
|
- 主脚本：`skills/feishu-feedback-sync/scripts/sync_feishu_feedback.py`
|
||||||
|
- 分类器：`skills/feishu-feedback-sync/scripts/priority_classifier.py`
|
||||||
|
- 技能文档：`skills/feishu-feedback-sync/SKILL.md`
|
||||||
|
- 目标知识库文档 token：`RaL6whoYMijyYHkSlWrc7OLLnBy`
|
||||||
|
|
||||||
|
### 已知限制
|
||||||
|
- 文档更新用 `append` 模式，多次同步会产生重复内容（可后续加去重逻辑）
|
||||||
|
- 优先级分类器仅处理中文文本
|
||||||
|
|
||||||
|
## 下午更新（13:13）— 文档格式持续迭代
|
||||||
|
|
||||||
|
### 刘新玉今日格式调整汇总（feishu-feedback-sync 步骤4+5输出）
|
||||||
|
|
||||||
|
1. **问题描述改为自动规则提取**（不再用 `[AI归纳中]` 占位）
|
||||||
|
- 函数：`generate_problem_description()`
|
||||||
|
- 格式：`在{端}端{环节}（{课程}），{具体表现}`
|
||||||
|
- Loading + 数据丢失关联描述：`Loading 耗时约10秒（正常3秒），导致组件数据丢失、无音频`
|
||||||
|
- 频率标签前缀：`【偶现】`/`【频繁】`，通过关键词匹配
|
||||||
|
|
||||||
|
2. **排查结论简化为状态**（按4.3规则）
|
||||||
|
- 规则4：解释性分析 + 日志上传 + 排查中 → `疑似{原因}导致，已上传日志，排查中`
|
||||||
|
- 规则5：日志已上传 → `已上传日志，排查中`
|
||||||
|
- 默认：`暂无结论排查中`
|
||||||
|
|
||||||
|
3. **文档结构新增"今日问题归纳"顶层索引**
|
||||||
|
- 按 `**【P0问题】**` / `**【P1问题】**` 分组，每个问题一行索引
|
||||||
|
- 后接 `## 今日问题拆解` 含详细内容
|
||||||
|
|
||||||
|
4. **今日问题拆解标题格式**
|
||||||
|
- `### 【P0】` / `### 【P1】`（不含编号和问题名）
|
||||||
|
- 内容行：`**1，问题描述：** {描述}`
|
||||||
|
|
||||||
|
5. **Bug修复：多天overwrite互覆盖**
|
||||||
|
- 多天循环时第一天用 `overwrite`，后续天用 `append`
|
||||||
|
- `update_summary_doc()` 新增 `mode` 参数
|
||||||
|
|
||||||
|
### 关键文件
|
||||||
|
- 主脚本：`skills/feishu-feedback-sync/scripts/sync_feishu_feedback.py`
|
||||||
|
- 新函数：`generate_problem_description()`
|
||||||
|
- 修改函数：`summarize_cluster()`、`extract_conclusion()`、`generate_summary()`、`update_summary_doc()`
|
||||||
@ -1,20 +1,23 @@
|
|||||||
---
|
---
|
||||||
name: feishu-feedback-sync
|
name: feishu-feedback-sync
|
||||||
description: 同步飞书「内容测试问题反馈」群消息到知识库电子表格并执行对话链排序。用于：(1) 刘新玉说"同步飞书反馈"、"更新飞书问题反馈表格"、"整理反馈对话链"时触发；(2) 定时任务每日自动同步。数据源为 MySQL vala_test.lark_group_message，目标为知识库飞书问题反馈-近3天表格。
|
description: 同步飞书「内容测试问题反馈」群消息到知识库电子表格并执行对话链排序。用于：(1) 刘新玉说"同步飞书反馈"、"更新飞书问题反馈表格"、"整理反馈对话链"时触发；(2) 定时任务每日自动同步。数据源为 MySQL vala_test.lark_group_message，目标为知识库飞书问题反馈-近3天表格。含五步完整流程：数据同步 → 写入表格 → 对话链排序 → 问题归纳 → 优先级判定排序。
|
||||||
---
|
---
|
||||||
|
|
||||||
# 飞书问题反馈同步与对话链排序
|
# 飞书问题反馈同步（五步完整流程）
|
||||||
|
|
||||||
## 概述
|
## 概述
|
||||||
|
|
||||||
从 MySQL `vala_test.lark_group_message` 读取飞书群消息，同步到知识库电子表格，并按引用关系执行「反馈对话链排序」。
|
从 MySQL `vala_test.lark_group_message` 读取飞书群消息，执行五步完整处理流程。
|
||||||
|
|
||||||
### 两阶段输出（双文档分工）
|
### 五步流程总览
|
||||||
|
|
||||||
| 阶段 | 目标文档 | 用途 |
|
| 步骤 | 名称 | 目标文档 | 产出 |
|
||||||
|------|---------|------|
|
|------|------|---------|------|
|
||||||
| 步骤 1-3 | 飞书问题反馈-近3天 电子表格 (`AHtnsehwShUVyDtjasSciIvgn7b`) | 原始数据初步整理，验证信息源准确性 |
|
| 步骤 1 | 查询数据库 | — | 原始消息数据 |
|
||||||
| 步骤 4 | 用户反馈问题汇总 文档 (`RaL6whoYMijyYHkSlWrc7OLLnBy`) | 问题归纳输出，供二次处理 |
|
| 步骤 2 | 写入飞书表格 | `AHtnsehwShUVyDtjasSciIvgn7b` | 按天分 sheet 的原始数据 |
|
||||||
|
| 步骤 3 | 反馈对话链排序 | `AHtnsehwShUVyDtjasSciIvgn7b` | 已排序的问题簇 |
|
||||||
|
| 步骤 4 | 问题归纳 | `RaL6whoYMijyYHkSlWrc7OLLnBy` | 结构化问题描述+对话表格+结论 |
|
||||||
|
| 步骤 5 | 优先级判定与排序 | `RaL6whoYMijyYHkSlWrc7OLLnBy` | 按 P0>P1>P2>P3 排序的问题列表 |
|
||||||
|
|
||||||
## 关键标识
|
## 关键标识
|
||||||
|
|
||||||
@ -225,6 +228,73 @@ lark-cli sheets +write \
|
|||||||
**当前问题排查结论：** 日志已上传，排查中
|
**当前问题排查结论：** 日志已上传，排查中
|
||||||
```
|
```
|
||||||
|
|
||||||
|
### 步骤 5：优先级判定与排序
|
||||||
|
|
||||||
|
基于《用户反馈问题优先级判断文档》，对步骤4归纳的问题自动评定优先级（P0-P3），并按优先级从高到低排序输出。
|
||||||
|
|
||||||
|
#### 5.1 判定维度
|
||||||
|
|
||||||
|
| 维度 | 说明 | 来源 |
|
||||||
|
|------|------|------|
|
||||||
|
| 基础优先级 | 根据问题严重程度（崩溃/功能异常/体验瑕疵/细节优化） | 关键词规则匹配 |
|
||||||
|
| 出现概率 | 必现/高概率/中概率/低概率/偶现 | 消息内容关键词 |
|
||||||
|
| 影响范围 | 全部用户/大部分用户/部分用户/极少数用户 | 消息内容关键词 |
|
||||||
|
|
||||||
|
#### 5.2 动态调整规则
|
||||||
|
|
||||||
|
| 规则 | 条件 | 效果 |
|
||||||
|
|------|------|------|
|
||||||
|
| 必现升级 | 出现概率为必现/高概率 | 原有优先级 +1 级（P1→P0, P2→P1） |
|
||||||
|
| 偶现降级 | 出现概率为低概率/偶现 | 原有优先级 -1 级（最多降一级，P1→P2） |
|
||||||
|
| 范围升级 | 影响全部用户 | 原有优先级 +1 级 |
|
||||||
|
| 范围降级 | 仅影响极少数用户 | 原有优先级 -1 级 |
|
||||||
|
|
||||||
|
#### 5.3 优先级等级定义
|
||||||
|
|
||||||
|
| 级别 | 定义 | 修复时限 | 典型关键词 |
|
||||||
|
|------|------|----------|-----------|
|
||||||
|
| 🔴 **P0** | 孩子完全上不了课 / 核心功能崩溃 | 2小时内处理，当天解决 | 闪退、崩溃、进不去、数据丢失、服务器宕机 |
|
||||||
|
| 🟠 **P1** | 功能能用但不对劲 / 学习效果打折扣 | 3天内修复上线 | 音频异常、判分错误、进度保存失败、奖励未发放 |
|
||||||
|
| 🟡 **P2** | 偶尔小毛病 / 界面瑕疵 / 刷新就好 | 当周修复 | UI显示异常、偶尔不显示、拖拽不流畅、刷新恢复 |
|
||||||
|
| 🟢 **P3** | 几乎不影响使用 / 追求完美细节 | 不单独排期 | 分辨率略低、错别字、背景音不统一 |
|
||||||
|
|
||||||
|
#### 5.4 输出格式
|
||||||
|
|
||||||
|
在步骤4归纳结果的基础上，每个问题标题追加优先级标签，并新增优先级信息行：
|
||||||
|
|
||||||
|
```markdown
|
||||||
|
### 问题 1 🔴 P0
|
||||||
|
|
||||||
|
**优先级：** 🔴 P0 | 基础优先级: P1（匹配P1规则：learning_func）；出现频率: 必现；动态调整: 升级 1 级
|
||||||
|
**修复时限：** 2小时内处理，当天解决
|
||||||
|
|
||||||
|
> **[AI归纳: 问题描述]**
|
||||||
|
...
|
||||||
|
```
|
||||||
|
|
||||||
|
问题在文档中按 **P0 → P1 → P2 → P3** 排列，同优先级内按最早消息时间排序。
|
||||||
|
|
||||||
|
在归纳开头先输出优先级分布汇总：
|
||||||
|
|
||||||
|
```markdown
|
||||||
|
**优先级分布：** P0：1个 | P1：3个 | P2：5个 | P3：2个
|
||||||
|
```
|
||||||
|
|
||||||
|
#### 5.5 执行方式
|
||||||
|
|
||||||
|
```bash
|
||||||
|
# 默认启用步骤5
|
||||||
|
python3 sync_feishu_feedback.py --days 3
|
||||||
|
|
||||||
|
# 跳过步骤5（仅执行步骤1-4）
|
||||||
|
python3 sync_feishu_feedback.py --days 3 --skip-priority
|
||||||
|
```
|
||||||
|
|
||||||
|
优先级判定函数位于独立模块 `scripts/priority_classifier.py`，可单独测试：
|
||||||
|
```bash
|
||||||
|
python3 priority_classifier.py
|
||||||
|
```
|
||||||
|
|
||||||
## 定时任务
|
## 定时任务
|
||||||
|
|
||||||
建议每日执行一次，在飞书群消息同步完毕后（`feishu-group-msg-sync` 之后）运行。
|
建议每日执行一次，在飞书群消息同步完毕后（`feishu-group-msg-sync` 之后）运行。
|
||||||
|
|||||||
Binary file not shown.
Binary file not shown.
278
skills/feishu-feedback-sync/scripts/priority_classifier.py
Normal file
278
skills/feishu-feedback-sync/scripts/priority_classifier.py
Normal file
@ -0,0 +1,278 @@
|
|||||||
|
#!/usr/bin/env python3
|
||||||
|
"""
|
||||||
|
步骤5：用户反馈问题优先级判定与排序
|
||||||
|
|
||||||
|
基于《用户反馈问题优先级判断文档》，对步骤4归纳的问题簇进行优先级评估：
|
||||||
|
- 先按问题严重程度定基础优先级（P0-P3）
|
||||||
|
- 再按出现概率和影响范围动态调整
|
||||||
|
- 最终按优先级排序输出（P0 > P1 > P2 > P3）
|
||||||
|
"""
|
||||||
|
|
||||||
|
import re, sys, json
|
||||||
|
from typing import List, Dict, Tuple, Optional
|
||||||
|
|
||||||
|
# ============================================================
|
||||||
|
# 优先级判定规则（基于优先级判断文档）
|
||||||
|
# ============================================================
|
||||||
|
|
||||||
|
# P0 关键词：完全阻断使用、核心功能崩溃
|
||||||
|
P0_KEYWORDS = {
|
||||||
|
"crash": r'闪退|崩溃|卡死|无法启动|打不开|进不去|登不上|完全.*进|完全.*打|完全.*不能|无法.*进入',
|
||||||
|
"core": r'(知识巩固|跟读|录音).*(进不去|没反应|无法|不工作|崩溃)|(核心功能|主线).*(崩溃|卡死|无法推进|完全.*卡)',
|
||||||
|
"payment": r'(付费|购买|充值).*(无法|不到账|失败|不能用)|(钱|金额).*(不对|错误|问题)',
|
||||||
|
"server": r'(服务器|全国|所有.*用户|全体).*(挂了|宕机|无法连接|登不上)',
|
||||||
|
"data_loss": r'(数据.*(丢失|没记录|白学|全没|消失))|(没.*获取到.*(知识点|数据))',
|
||||||
|
}
|
||||||
|
|
||||||
|
# P1 关键词：功能明显异常、学习效果打折扣
|
||||||
|
P1_KEYWORDS = {
|
||||||
|
"learning_func": r'(音频|声音|播放).*(异常|没声音|无声|不对|听不到|没有|无)|(听不到|不能听|无音|没音|没声)',
|
||||||
|
"score_judge": r'(判分|打分|识别|评测).*(不对|不准|错误|异常)|(明明.*对.*系统.*(说|判断).*不对)',
|
||||||
|
"progress": r'(进度|版本|课程.*序号|单元.*序号).*(显示|记录|保存).*(错|不对|失败|异常)',
|
||||||
|
"content": r'(题目|选项|图片|显示).*(有问题|异常|错位|看不见|看不清)|(内容|关卡).*(异常|有问题)',
|
||||||
|
"reward": r'(奖励|贴纸|成就).*(没发|没到账|异常|没有)',
|
||||||
|
"data_error": r'(学习.*(数据|时长|记录)).*(不对|错误|异常|不准确)',
|
||||||
|
"update": r'(更新|版本).*(失败|无法|出问题|异常)',
|
||||||
|
}
|
||||||
|
|
||||||
|
# P2 关键词：不影响核心功能，但体验有瑕疵
|
||||||
|
P2_KEYWORDS = {
|
||||||
|
"ui_display": r'(界面|UI|显示|排版|文案).*(偶尔|小|异常|不对|错位|不美观|截断)|(偶尔.*(不显示|显示.*异常))',
|
||||||
|
"animation": r'(动画|动效).*(不流畅|异常|缺失|卡顿)',
|
||||||
|
"lag": r'(按钮|点击|操作).*(延迟|卡顿|等一下|反应慢|不灵敏)',
|
||||||
|
"refresh_fix": r'(刷新|重启|重进).*就.*(好|恢复|正常)',
|
||||||
|
"minor_order": r'(顺序).*(不对|怪|反了)',
|
||||||
|
}
|
||||||
|
|
||||||
|
# P3 关键词：几乎不影响使用
|
||||||
|
P3_KEYWORDS = {
|
||||||
|
"cosmetic": r'(图标|颜色|色系|分辨率).*(模糊|不搭|略低|不统一)',
|
||||||
|
"typo": r'(错别字|文字.*错误)',
|
||||||
|
"perf_minor": r'(帧率|加载).*(慢.*秒|下降|略慢)',
|
||||||
|
"audio_bg": r'(背景音乐|音量).*(不统一|异常)',
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
# 出现概率特征词
|
||||||
|
FREQUENCY_PATTERNS = {
|
||||||
|
"必现": {
|
||||||
|
"keywords": r'每次|必现|100%|稳定.*复现|总能|一直.*出现|每次.*都|始终',
|
||||||
|
"weight": 1.0,
|
||||||
|
},
|
||||||
|
"高概率": {
|
||||||
|
"keywords": r'经常|十.*次.*[89八]|频繁|大部分.*时候|经常.*出现',
|
||||||
|
"weight": 0.8,
|
||||||
|
},
|
||||||
|
"中概率": {
|
||||||
|
"keywords": r'(偶尔|有时候|有时|时不时)',
|
||||||
|
"weight": 0.5,
|
||||||
|
},
|
||||||
|
"低概率": {
|
||||||
|
"keywords": r'很少|偶尔.*一次|个别|不多|少见|十.*次.*[123]',
|
||||||
|
"weight": 0.3,
|
||||||
|
},
|
||||||
|
"偶现": {
|
||||||
|
"keywords": r'(偶现|特殊.*条件|特定.*机型|特定.*操作|说不清|不知道怎么.*触发|极.*少见)',
|
||||||
|
"weight": 0.1,
|
||||||
|
},
|
||||||
|
}
|
||||||
|
|
||||||
|
# 影响范围特征词
|
||||||
|
SCOPE_PATTERNS = {
|
||||||
|
"全部用户": {
|
||||||
|
"keywords": r'所有.*用户|每个.*用户|全部.*用户|全国|全体',
|
||||||
|
"adjust": +1,
|
||||||
|
},
|
||||||
|
"大部分用户": {
|
||||||
|
"keywords": r'大部分|多数.*用户|很多.*用户|普遍',
|
||||||
|
"adjust": 0,
|
||||||
|
},
|
||||||
|
"部分用户": {
|
||||||
|
"keywords": r'部分.*用户|有些|某种.*机型|某个.*平台|iOS.*端|Android.*端|手机',
|
||||||
|
"adjust": 0,
|
||||||
|
},
|
||||||
|
"极少数用户": {
|
||||||
|
"keywords": r'极少数|个例|个别.*用户|只有.*一个|就.*遇到|就.*发现',
|
||||||
|
"adjust": -1,
|
||||||
|
},
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
def determine_base_priority(text: str) -> int:
|
||||||
|
"""
|
||||||
|
根据消息内容判定基础优先级（0=P0, 1=P1, 2=P2, 3=P3）
|
||||||
|
返回: (priority_level, reason)
|
||||||
|
"""
|
||||||
|
text_lower = text.lower()
|
||||||
|
|
||||||
|
# 先按级别从高到低匹配
|
||||||
|
for level_name, patterns in [("P0", P0_KEYWORDS), ("P1", P1_KEYWORDS)]:
|
||||||
|
for category, pattern in patterns.items():
|
||||||
|
if re.search(pattern, text_lower):
|
||||||
|
return (0 if level_name == "P0" else 1), f"匹配{level_name}规则：{category}"
|
||||||
|
|
||||||
|
for category, pattern in P2_KEYWORDS.items():
|
||||||
|
if re.search(pattern, text_lower):
|
||||||
|
return 2, f"匹配P2规则：{category}"
|
||||||
|
|
||||||
|
for category, pattern in P3_KEYWORDS.items():
|
||||||
|
if re.search(pattern, text_lower):
|
||||||
|
return 3, f"匹配P3规则：{category}"
|
||||||
|
|
||||||
|
# 默认：无法判定 → P2（一般问题）
|
||||||
|
return 2, "无法精确匹配，默认归为P2"
|
||||||
|
|
||||||
|
|
||||||
|
def detect_frequency(text: str) -> Tuple[str, float]:
|
||||||
|
"""检测出现频率"""
|
||||||
|
for freq_label, info in FREQUENCY_PATTERNS.items():
|
||||||
|
if re.search(info["keywords"], text):
|
||||||
|
return freq_label, info["weight"]
|
||||||
|
return "未知", 0.5 # 默认中等
|
||||||
|
|
||||||
|
|
||||||
|
def detect_scope(text: str) -> Tuple[str, int]:
|
||||||
|
"""检测影响范围"""
|
||||||
|
for scope_label, info in SCOPE_PATTERNS.items():
|
||||||
|
if re.search(info["keywords"], text):
|
||||||
|
return scope_label, info["adjust"]
|
||||||
|
return "未知", 0 # 默认不调整
|
||||||
|
|
||||||
|
|
||||||
|
def compute_final_priority(cluster_msgs: List) -> Dict:
|
||||||
|
"""
|
||||||
|
综合判定优先级
|
||||||
|
|
||||||
|
输入: cluster_msgs - 问题簇的消息列表 [message_id, sender_name, msg_type, content, ...]
|
||||||
|
输出: {
|
||||||
|
"priority": "P0" | "P1" | "P2" | "P3",
|
||||||
|
"base_priority": int, # 0-3
|
||||||
|
"frequency": str,
|
||||||
|
"scope": str,
|
||||||
|
"reasoning": str, # 判定理由
|
||||||
|
"emoji": str,
|
||||||
|
"deadline": str,
|
||||||
|
}
|
||||||
|
"""
|
||||||
|
# 收集所有消息文本
|
||||||
|
all_text = " ".join(str(m[3]) or "" for m in cluster_msgs)
|
||||||
|
all_text = re.sub(r'\[Image:[^\]]+\]', '', all_text)
|
||||||
|
|
||||||
|
# 1. 基础优先级
|
||||||
|
base_level, base_reason = determine_base_priority(all_text)
|
||||||
|
|
||||||
|
# 2. 频率判定
|
||||||
|
freq_label, freq_weight = detect_frequency(all_text)
|
||||||
|
|
||||||
|
# 3. 影响范围
|
||||||
|
scope_label, scope_adjust = detect_scope(all_text)
|
||||||
|
|
||||||
|
# 4. 综合调整
|
||||||
|
# 4a. 频率调整：必现→ 升级；偶现→ 降级（最多降一级）
|
||||||
|
freq_adjust = 0
|
||||||
|
if freq_weight >= 0.8: # 必现或高概率
|
||||||
|
if base_level > 0:
|
||||||
|
freq_adjust = -1 # 升级（level 数减小）
|
||||||
|
elif freq_weight <= 0.3: # 低概率或偶现
|
||||||
|
if base_level < 3:
|
||||||
|
freq_adjust = +1 # 降级（level 数增大，最多降一级）
|
||||||
|
|
||||||
|
# 4b. 影响范围调整
|
||||||
|
# scope_adjust 已经定义：全部用户+1级（升级），极少数用户-1级（降级）
|
||||||
|
|
||||||
|
total_adjust = freq_adjust + scope_adjust
|
||||||
|
final_level = base_level + total_adjust
|
||||||
|
|
||||||
|
# 夹紧到 0-3 范围
|
||||||
|
final_level = max(0, min(3, final_level))
|
||||||
|
|
||||||
|
priority_labels = ["P0", "P1", "P2", "P3"]
|
||||||
|
emojis = ["🔴", "🟠", "🟡", "🟢"]
|
||||||
|
deadlines = [
|
||||||
|
"2小时内处理，当天解决",
|
||||||
|
"3天内修复上线",
|
||||||
|
"当周排期修复，1周内解决",
|
||||||
|
"不单独排期，有空再修",
|
||||||
|
]
|
||||||
|
|
||||||
|
# 生成判定理由
|
||||||
|
reasons = [f"基础优先级: {priority_labels[base_level]}（{base_reason}）"]
|
||||||
|
if freq_label != "未知":
|
||||||
|
reasons.append(f"出现频率: {freq_label}")
|
||||||
|
if scope_label != "未知":
|
||||||
|
reasons.append(f"影响范围: {scope_label}")
|
||||||
|
if total_adjust < 0:
|
||||||
|
reasons.append(f"动态调整: 升级 {abs(total_adjust)} 级")
|
||||||
|
elif total_adjust > 0:
|
||||||
|
reasons.append(f"动态调整: 降级 {total_adjust} 级")
|
||||||
|
if total_adjust == 0 and base_level != final_level:
|
||||||
|
reasons.append("动态调整: 维持原级")
|
||||||
|
|
||||||
|
return {
|
||||||
|
"priority": priority_labels[final_level],
|
||||||
|
"base_priority": base_level,
|
||||||
|
"base_label": priority_labels[base_level],
|
||||||
|
"frequency": freq_label,
|
||||||
|
"scope": scope_label,
|
||||||
|
"reasoning": "；".join(reasons),
|
||||||
|
"emoji": emojis[final_level],
|
||||||
|
"deadline": deadlines[final_level],
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
def sort_by_priority(clusters_with_priority: List[Dict]) -> List[Dict]:
|
||||||
|
"""
|
||||||
|
按优先级排序：P0 > P1 > P2 > P3
|
||||||
|
|
||||||
|
同优先级内按最早消息时间排序
|
||||||
|
"""
|
||||||
|
return sorted(clusters_with_priority, key=lambda x: (
|
||||||
|
x.get("priority_info", {}).get("base_priority", 2), # 先按优先级
|
||||||
|
x.get("earliest_time", "9999"), # 再按时间
|
||||||
|
))
|
||||||
|
|
||||||
|
|
||||||
|
# ============================================================
|
||||||
|
# 自测
|
||||||
|
# ============================================================
|
||||||
|
if __name__ == "__main__":
|
||||||
|
# 测试用例
|
||||||
|
test_cases = [
|
||||||
|
{
|
||||||
|
"name": "P0: App崩溃",
|
||||||
|
"msgs": [
|
||||||
|
[None, "测试员", "text", "孩子刚打开App就闪退了，完全无法使用", None, None, None, None],
|
||||||
|
],
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"name": "P1: 音频问题",
|
||||||
|
"msgs": [
|
||||||
|
[None, "测试员", "text", "iOS端关卡内L1 3-2组件无音频，每次进都这样", None, None, None, None],
|
||||||
|
],
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"name": "P2: UI显示偶尔问题",
|
||||||
|
"msgs": [
|
||||||
|
[None, "测试员", "text", "大地图卡片偶尔不显示，刷新一下就好了", None, None, None, None],
|
||||||
|
],
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"name": "P1→P0: 必现的数据丢失",
|
||||||
|
"msgs": [
|
||||||
|
[None, "测试员", "text", "每次完成关卡后学习数据都不记录，100%复现，等于白学", None, None, None, None],
|
||||||
|
],
|
||||||
|
},
|
||||||
|
{
|
||||||
|
"name": "P1→P2: 偶现的音频问题",
|
||||||
|
"msgs": [
|
||||||
|
[None, "测试员", "text", "偶现跟读音频播放异常，特定机型才出现，概率很低", None, None, None, None],
|
||||||
|
],
|
||||||
|
},
|
||||||
|
]
|
||||||
|
|
||||||
|
for tc in test_cases:
|
||||||
|
result = compute_final_priority(tc["msgs"])
|
||||||
|
print(f"\n{'='*60}")
|
||||||
|
print(f"测试: {tc['name']}")
|
||||||
|
print(f"结果: {result['emoji']} {result['priority']} | {result['reasoning']}")
|
||||||
|
print(f"时限: {result['deadline']}")
|
||||||
@ -1,19 +1,29 @@
|
|||||||
#!/usr/bin/env python3
|
#!/usr/bin/env python3
|
||||||
"""
|
"""
|
||||||
飞书问题反馈同步脚本
|
飞书问题反馈同步脚本（五步完整流程）
|
||||||
功能：从 MySQL 读取飞书群消息，同步到知识库电子表格，并执行对话链排序
|
功能：
|
||||||
|
步骤1：从 MySQL 读取飞书群消息
|
||||||
|
步骤2：写入知识库电子表格
|
||||||
|
步骤3：反馈对话链排序
|
||||||
|
步骤4：问题归纳 → 输出到「用户反馈问题汇总」
|
||||||
|
步骤5：优先级判定与排序 → 按 P0>P1>P2>P3 重排输出
|
||||||
|
|
||||||
用法:
|
用法:
|
||||||
python3 sync_feishu_feedback.py [--days N] [--dry-run]
|
python3 sync_feishu_feedback.py [--days N] [--dry-run] [--skip-priority]
|
||||||
|
|
||||||
--days N 同步最近 N 天（默认 3）
|
--days N 同步最近 N 天（默认 3）
|
||||||
--dry-run 仅打印操作不写入
|
--dry-run 仅打印操作不写入
|
||||||
|
--skip-priority 跳过步骤5优先级判定
|
||||||
"""
|
"""
|
||||||
|
|
||||||
import sys, os, json, subprocess, argparse, re
|
import sys, os, json, subprocess, argparse, re
|
||||||
from datetime import date, datetime, timedelta
|
from datetime import date, datetime, timedelta
|
||||||
from collections import defaultdict, deque
|
from collections import defaultdict, deque
|
||||||
|
|
||||||
|
# 确保能找到同级目录下的 priority_classifier
|
||||||
|
sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))
|
||||||
|
from priority_classifier import compute_final_priority, sort_by_priority
|
||||||
|
|
||||||
# === 配置 ===
|
# === 配置 ===
|
||||||
MYSQL_HOST = "bj-cdb-8frbdwju.sql.tencentcdb.com"
|
MYSQL_HOST = "bj-cdb-8frbdwju.sql.tencentcdb.com"
|
||||||
MYSQL_PORT = 25413
|
MYSQL_PORT = 25413
|
||||||
@ -172,10 +182,12 @@ def infer_missing_references(rows):
|
|||||||
if rows[j][5]:
|
if rows[j][5]:
|
||||||
same_sender_parent = rows[j][5]
|
same_sender_parent = rows[j][5]
|
||||||
else:
|
else:
|
||||||
# 同发送者无引用，关联到它的前一条不同发送者
|
# 同发送者无引用，关联到它的前一条不同发送者（需在 GAP 限制内）
|
||||||
for k in range(j - 1, -1, -1):
|
for k in range(j - 1, -1, -1):
|
||||||
if rows[k][1] != sender:
|
if rows[k][1] != sender:
|
||||||
same_sender_parent = rows[k][0]
|
k_diff = (ts - parse_time(rows[k][6])).total_seconds() / 60
|
||||||
|
if k_diff <= GAP_THRESHOLD_MIN:
|
||||||
|
same_sender_parent = rows[k][0]
|
||||||
break
|
break
|
||||||
break
|
break
|
||||||
|
|
||||||
@ -251,6 +263,48 @@ def sort_threads(rows):
|
|||||||
for r in enriched_rows:
|
for r in enriched_rows:
|
||||||
clusters[find(r[0])].append(r)
|
clusters[find(r[0])].append(r)
|
||||||
|
|
||||||
|
# 合并孤立单簇（只有1条消息的簇，尝试合并到相邻时间上最近的簇）
|
||||||
|
def try_merge_orphan_clusters(clusters_dict):
|
||||||
|
"""将只有1-2条消息的孤立簇合并到最近的大簇"""
|
||||||
|
orphan_ids = [cid for cid, cmsgs in clusters_dict.items() if len(cmsgs) <= 2]
|
||||||
|
big_cluster_ids = [cid for cid, cmsgs in clusters_dict.items() if len(cmsgs) > 2]
|
||||||
|
|
||||||
|
if not orphan_ids or not big_cluster_ids:
|
||||||
|
return clusters_dict
|
||||||
|
|
||||||
|
for orphan_id in orphan_ids:
|
||||||
|
orphan_msgs = clusters_dict[orphan_id]
|
||||||
|
orphan_time = min(parse_time(m[6]) for m in orphan_msgs)
|
||||||
|
orphan_senders = set(m[1] for m in orphan_msgs)
|
||||||
|
|
||||||
|
# 找时间上最近的大簇
|
||||||
|
best_cid = None
|
||||||
|
best_gap = float('inf')
|
||||||
|
for bcid in big_cluster_ids:
|
||||||
|
b_msgs = clusters_dict[bcid]
|
||||||
|
b_time = min(parse_time(m[6]) for m in b_msgs)
|
||||||
|
gap = abs((orphan_time - b_time).total_seconds() / 60)
|
||||||
|
# 优先：发送者有交集 & 时间间隔 < 60 分钟
|
||||||
|
b_senders = set(m[1] for m in b_msgs)
|
||||||
|
has_overlap = bool(orphan_senders & b_senders)
|
||||||
|
if has_overlap and gap < 60 and gap < best_gap:
|
||||||
|
best_gap = gap
|
||||||
|
best_cid = bcid
|
||||||
|
elif not has_overlap and gap < 10 and gap < best_gap:
|
||||||
|
best_gap = gap
|
||||||
|
best_cid = bcid
|
||||||
|
|
||||||
|
if best_cid:
|
||||||
|
clusters_dict[best_cid].extend(orphan_msgs)
|
||||||
|
del clusters_dict[orphan_id]
|
||||||
|
if best_cid in big_cluster_ids:
|
||||||
|
big_cluster_ids.remove(best_cid)
|
||||||
|
|
||||||
|
return clusters_dict
|
||||||
|
|
||||||
|
clusters = try_merge_orphan_clusters(dict(clusters))
|
||||||
|
clusters = defaultdict(list, clusters)
|
||||||
|
|
||||||
# 簇间按最早时间排序
|
# 簇间按最早时间排序
|
||||||
cluster_order = sorted(clusters.keys(),
|
cluster_order = sorted(clusters.keys(),
|
||||||
key=lambda cid: min(m[6] for m in clusters[cid]))
|
key=lambda cid: min(m[6] for m in clusters[cid]))
|
||||||
@ -367,15 +421,126 @@ def extract_location_elements(msgs):
|
|||||||
return result
|
return result
|
||||||
|
|
||||||
|
|
||||||
def summarize_cluster(cluster_msgs, idx):
|
def generate_problem_description(cluster_msgs, location, root_text):
|
||||||
|
"""
|
||||||
|
基于簇中消息生成问题描述。
|
||||||
|
格式：在{端}端{环节}（{课程}），{具体表现}
|
||||||
|
"""
|
||||||
|
all_text = " ".join(str(m[3]) or "" for m in cluster_msgs)
|
||||||
|
all_text = re.sub(r'\[Image:[^\]]+\]', '', all_text)
|
||||||
|
all_text = re.sub(r'https?://\S+', '', all_text)
|
||||||
|
|
||||||
|
device = location.get("端", "") or ""
|
||||||
|
scene = location.get("环节", "") or ""
|
||||||
|
course = location.get("课程", "") or ""
|
||||||
|
|
||||||
|
# 端信息
|
||||||
|
platform = ""
|
||||||
|
if re.search(r'iOS|ios|苹果|iPhone|iPad', all_text):
|
||||||
|
platform = "iOS 端"
|
||||||
|
elif re.search(r'移动端|手机|APP|android|安卓', all_text, re.IGNORECASE):
|
||||||
|
platform = "移动端"
|
||||||
|
elif re.search(r'PC|unity|编辑器', all_text, re.IGNORECASE):
|
||||||
|
platform = "PC/编辑器"
|
||||||
|
if not platform:
|
||||||
|
platform = device if device and device != "未知" else ""
|
||||||
|
|
||||||
|
# 场景和关卡
|
||||||
|
loc_parts = []
|
||||||
|
if platform:
|
||||||
|
loc_parts.append(platform)
|
||||||
|
if scene and course:
|
||||||
|
loc_parts.append(f"{scene}（{course}）")
|
||||||
|
elif scene:
|
||||||
|
loc_parts.append(scene)
|
||||||
|
elif course:
|
||||||
|
loc_parts.append(f"关卡{course}")
|
||||||
|
|
||||||
|
location_str = "".join(loc_parts) if loc_parts else ""
|
||||||
|
|
||||||
|
# 具体表现
|
||||||
|
symptoms = []
|
||||||
|
|
||||||
|
# Loading超时 + 数据丢失（关联）
|
||||||
|
has_loading = bool(re.search(r'Loading.*长|加载.*慢|转星星.*10|加载.*10.*秒|loading.*timeout|加载超时', all_text, re.IGNORECASE))
|
||||||
|
has_data_loss = bool(re.search(r'数据.*丢|数据.*没|组件.*数据.*没|数据.*不见|数据.*丢失', all_text))
|
||||||
|
has_no_audio = bool(re.search(r'无音频|没声音|没有声音|组件无音频', all_text))
|
||||||
|
|
||||||
|
if has_loading and has_data_loss:
|
||||||
|
# 提取正常加载时间对比
|
||||||
|
normal_match = re.search(r'(正常|一般|通常).{0,3}(\d+)\s*秒', all_text)
|
||||||
|
normal_time = f"（正常{normal_match.group(2)}秒）" if normal_match else ""
|
||||||
|
loading_desc = f"Loading 耗时约 10 秒{normal_time}"
|
||||||
|
if has_no_audio:
|
||||||
|
symptoms.append(f"{loading_desc}，导致组件数据丢失、无音频")
|
||||||
|
else:
|
||||||
|
symptoms.append(f"{loading_desc}，导致组件数据丢失")
|
||||||
|
elif has_loading:
|
||||||
|
symptoms.append("Loading 时间特别长（约 10 秒）")
|
||||||
|
if has_no_audio:
|
||||||
|
symptoms.append("组件无音频")
|
||||||
|
elif has_no_audio:
|
||||||
|
symptoms.append("组件无音频")
|
||||||
|
elif has_data_loss:
|
||||||
|
symptoms.append("组件数据丢失")
|
||||||
|
|
||||||
|
# HUD/UI
|
||||||
|
if re.search(r'HUD.*变成.*条|hud.*窄|hud.*变', all_text, re.IGNORECASE):
|
||||||
|
symptoms.append("NPC 头上的 HUD 偶尔变成一小条")
|
||||||
|
if re.search(r'UI.*显示|界面.*显示|显示.*异常|花屏|白屏|黑屏|闪烁', all_text):
|
||||||
|
symptoms.append("UI显示异常")
|
||||||
|
|
||||||
|
# 崩溃/闪退
|
||||||
|
if re.search(r'闪退|崩溃|crash|卡死|卡住|无响应|闪.*退', all_text, re.IGNORECASE):
|
||||||
|
symptoms.append("闪退/崩溃")
|
||||||
|
|
||||||
|
# 版本/更新
|
||||||
|
if re.search(r'版本.*更新|更新.*版本|更新.*后|升级.*后|新版.*上线', all_text):
|
||||||
|
symptoms.append("版本更新后出现")
|
||||||
|
|
||||||
|
# 频率标签（放在描述前面）
|
||||||
|
freq_tag = ""
|
||||||
|
if re.search(r'偶尔|有时|有时候|随机|没什么规律|不.*规律', all_text):
|
||||||
|
freq_tag = "【偶现】"
|
||||||
|
elif re.search(r'频繁|每次都|经常|必现|总是|一直', all_text):
|
||||||
|
freq_tag = "【频繁】"
|
||||||
|
elif re.search(r'高概率|很大概率|极大概率', all_text, re.IGNORECASE):
|
||||||
|
freq_tag = "【高概率】"
|
||||||
|
|
||||||
|
# 频率后缀（不要了，改用前缀标签）
|
||||||
|
freq = ""
|
||||||
|
|
||||||
|
# 如果没有提取到症状，用首条报告摘要
|
||||||
|
if not symptoms:
|
||||||
|
summary = root_text[:80] if root_text else (all_text[:80].strip() or "未知问题")
|
||||||
|
if len(summary) > 50:
|
||||||
|
summary = summary[:47] + "..."
|
||||||
|
symptoms.append(summary)
|
||||||
|
|
||||||
|
symptom_str = "".join(symptoms)
|
||||||
|
|
||||||
|
if location_str:
|
||||||
|
result = f"在{location_str}，{symptom_str}"
|
||||||
|
else:
|
||||||
|
result = symptom_str
|
||||||
|
|
||||||
|
# 加频率标签前缀
|
||||||
|
if freq_tag and not result.startswith("【"):
|
||||||
|
result = freq_tag + result
|
||||||
|
|
||||||
|
return result
|
||||||
|
|
||||||
|
|
||||||
|
def summarize_cluster(cluster_msgs, idx, priority_info=None):
|
||||||
"""
|
"""
|
||||||
生成单个问题簇的结构化归纳。
|
生成单个问题簇的结构化归纳。
|
||||||
|
|
||||||
脚本负责：提取位置要素元数据 + 输出对话要点表格 + 提取结论
|
脚本负责：提取位置要素元数据 + 输出对话要点表格 + 提取结论
|
||||||
AI 负责：基于元数据和上下文，生成精炼的问题描述
|
AI 负责：基于元数据和上下文，生成精炼的问题描述
|
||||||
|
priority_info 可选，包含步骤5的优先级判定结果
|
||||||
|
|
||||||
输出格式：
|
输出格式：
|
||||||
### 问题 N
|
### 问题 N 🔴 P0
|
||||||
> **[AI归纳: 问题描述]**
|
> **[AI归纳: 问题描述]**
|
||||||
<details><summary>位置要素（脚本提取）</summary>{元数据}</details>
|
<details><summary>位置要素（脚本提取）</summary>{元数据}</details>
|
||||||
| 发言人 | 要点 |
|
| 发言人 | 要点 |
|
||||||
@ -406,16 +571,20 @@ def summarize_cluster(cluster_msgs, idx):
|
|||||||
course = loc["课程"] or "未知"
|
course = loc["课程"] or "未知"
|
||||||
component = loc["角色/组件"] or "未知"
|
component = loc["角色/组件"] or "未知"
|
||||||
|
|
||||||
lines = [f"### 问题 {idx}"]
|
# 优先级标签：简洁格式，只改标题
|
||||||
|
priority_prefix = ""
|
||||||
|
if priority_info:
|
||||||
|
priority_prefix = f"【{priority_info['priority']}】"
|
||||||
|
|
||||||
|
lines = [f"### {priority_prefix}"]
|
||||||
lines.append("")
|
lines.append("")
|
||||||
lines.append(f"> **[AI归纳: 问题描述]**")
|
|
||||||
|
description = generate_problem_description(cluster_msgs, loc, root_msg_text)
|
||||||
|
lines.append(f"**{idx}，问题描述：** {description}")
|
||||||
lines.append("")
|
lines.append("")
|
||||||
conclusion = extract_conclusion(cluster_msgs)
|
conclusion = extract_conclusion(cluster_msgs)
|
||||||
lines.append(conclusion)
|
lines.append(conclusion)
|
||||||
lines.append("")
|
lines.append("")
|
||||||
lines.append(f"📋 脚本提取的位置要素：端=`{device}` | 环节=`{scene}` | 课程=`{course}` | 组件=`{component}`")
|
|
||||||
lines.append(f"📋 首条报告内容：{root_msg_text[:120]}")
|
|
||||||
lines.append("")
|
|
||||||
lines.append("| 发言人 | 对话信息 |")
|
lines.append("| 发言人 | 对话信息 |")
|
||||||
lines.append("|--------|---------|")
|
lines.append("|--------|---------|")
|
||||||
|
|
||||||
@ -478,55 +647,131 @@ def extract_conclusion(cluster_msgs):
|
|||||||
|
|
||||||
# 检查是否已上传日志
|
# 检查是否已上传日志
|
||||||
has_log = bool(re.search(r'日志.*上传|上传.*日志', all_text, re.IGNORECASE))
|
has_log = bool(re.search(r'日志.*上传|上传.*日志', all_text, re.IGNORECASE))
|
||||||
has_pending = bool(re.search(r'明天.*查|排查|查一下|待查|等.*查', all_text, re.IGNORECASE))
|
has_pending = bool(re.search(r'明天.*查|排查|查一下|待查|等.*查|排查中', all_text, re.IGNORECASE))
|
||||||
|
|
||||||
if match_any(r'已修复|已解决|修好了|已处理好'):
|
if match_any(r'已修复|已解决|修好了|已处理好'):
|
||||||
return "**当前问题排查结论：** 已修复"
|
return "**当前问题排查结论：** 已修复"
|
||||||
if match_any(r'确认.*是.*bug|确实是.*问题|确实有.*问题'):
|
if match_any(r'确认.*是.*bug|确实是.*问题|确实有.*问题'):
|
||||||
return "**当前问题排查结论：** 已确认，待修复"
|
return "**当前问题排查结论：** 已确认，待修复"
|
||||||
# 分析性发言优先于"非问题"判断
|
# 规则4: 有解释性分析 + 日志已上传 + 排查中 → 疑似{原因}，已上传日志，排查中
|
||||||
if analysis_lines and (has_log or has_pending):
|
if analysis_lines and has_log and has_pending:
|
||||||
# 提取第一条分析作为疑似原因
|
first_reason = analysis_lines[0].split('：', 1)[-1][:40]
|
||||||
first_reason = analysis_lines[0].split('：', 1)[-1][:50]
|
# 精简原因描述：去掉冗余前缀，只保留核心原因
|
||||||
return f"**当前问题排查结论：** 疑似{first_reason}，已上传日志，排查中"
|
first_reason = re.sub(r'^Loading.*是因为|^是因为|^由于', '', first_reason).strip()
|
||||||
if analysis_lines:
|
return f"**当前问题排查结论：** 疑似{first_reason}导致，已上传日志，排查中"
|
||||||
first_reason = analysis_lines[0].split('：', 1)[-1][:50]
|
# 规则5: 日志已上传 + 排查中
|
||||||
return f"**当前问题排查结论：** 疑似{first_reason}"
|
if has_log and has_pending:
|
||||||
|
return "**当前问题排查结论：** 已上传日志，排查中"
|
||||||
if match_any(r'不是.*bug|就是这样的|设计如此|非问题|不是问题'):
|
if match_any(r'不是.*bug|就是这样的|设计如此|非问题|不是问题'):
|
||||||
return "**当前问题排查结论：** 非问题，设计如此"
|
return "**当前问题排查结论：** 非问题，设计如此"
|
||||||
if match_any(r'正常.*现象'):
|
if match_any(r'正常.*现象'):
|
||||||
return "**当前问题排查结论：** 非问题，正常现象"
|
return "**当前问题排查结论：** 非问题，正常现象"
|
||||||
if match_any(r'暂未|还没.*找到|查不到|没复现|未复现'):
|
if match_any(r'暂未|还没.*找到|查不到|没复现|未复现'):
|
||||||
return "**当前问题排查结论：** 暂未排查到问题"
|
return "**当前问题排查结论：** 暂未排查到问题"
|
||||||
# 默认
|
# 规则7: 默认
|
||||||
return "**当前问题排查结论：** 暂未排查到问题"
|
return "**当前问题排查结论：** 暂无结论排查中"
|
||||||
|
|
||||||
|
|
||||||
def generate_summary(clusters, cluster_order):
|
def generate_summary(clusters, cluster_order, skip_priority=False):
|
||||||
"""
|
"""
|
||||||
生成当日问题归纳 Markdown。
|
生成当日问题归纳 Markdown（步骤4+5）。
|
||||||
|
|
||||||
返回: str 完整的 Markdown 归纳文本
|
步骤4：问题归纳
|
||||||
|
步骤5：优先级判定与排序（P0 > P1 > P2 > P3）
|
||||||
|
|
||||||
|
返回: (markdown_str, has_content)
|
||||||
"""
|
"""
|
||||||
lines = ["## 今日问题归纳\n"]
|
lines = ["## 今日问题归纳\n"]
|
||||||
|
|
||||||
idx = 0
|
# 收集有效问题簇（至少2条消息）
|
||||||
|
valid_clusters = []
|
||||||
for cid in cluster_order:
|
for cid in cluster_order:
|
||||||
cmsgs = clusters[cid]
|
cmsgs = clusters[cid]
|
||||||
if len(cmsgs) < 2:
|
if len(cmsgs) < 2:
|
||||||
continue # 跳过单条无法形成完整问题的
|
continue
|
||||||
|
earliest = min(m[6] for m in cmsgs)
|
||||||
|
valid_clusters.append({
|
||||||
|
"cluster_id": cid,
|
||||||
|
"msgs": cmsgs,
|
||||||
|
"earliest_time": earliest,
|
||||||
|
})
|
||||||
|
|
||||||
|
if not valid_clusters:
|
||||||
|
return "\n".join(lines) + "\n*（无可归纳的问题簇）*\n", False
|
||||||
|
|
||||||
|
# 步骤5：优先级判定
|
||||||
|
if not skip_priority:
|
||||||
|
for vc in valid_clusters:
|
||||||
|
vc["priority_info"] = compute_final_priority(vc["msgs"])
|
||||||
|
|
||||||
|
# 按优先级排序：P0 > P1 > P2 > P3，同优先级按时间
|
||||||
|
valid_clusters = sort_by_priority(valid_clusters)
|
||||||
|
|
||||||
|
# 生成层汇总索引
|
||||||
|
grouped = defaultdict(list)
|
||||||
|
for vc in valid_clusters:
|
||||||
|
p = vc.get("priority_info", {}).get("priority", "P2") if not skip_priority else "P2"
|
||||||
|
grouped[p].append(vc)
|
||||||
|
|
||||||
|
for p_level in ["P0", "P1", "P2", "P3"]:
|
||||||
|
items = grouped.get(p_level, [])
|
||||||
|
if not items:
|
||||||
|
continue
|
||||||
|
lines.append(f"**【{p_level}问题】**")
|
||||||
|
item_idx = 0
|
||||||
|
for vc in items:
|
||||||
|
item_idx += 1
|
||||||
|
desc = generate_problem_description(vc["msgs"],
|
||||||
|
extract_location_elements(vc["msgs"]), "")
|
||||||
|
lines.append(f"{item_idx}，{desc}")
|
||||||
|
lines.append("")
|
||||||
|
|
||||||
|
# 问题拆解
|
||||||
|
lines.append("## 今日问题拆解\n")
|
||||||
|
|
||||||
|
idx = 0
|
||||||
|
for vc in valid_clusters:
|
||||||
idx += 1
|
idx += 1
|
||||||
summary = summarize_cluster(cmsgs, idx)
|
summary = summarize_cluster(vc["msgs"], idx, vc.get("priority_info"))
|
||||||
lines.append(summary)
|
lines.append(summary)
|
||||||
lines.append("")
|
lines.append("")
|
||||||
|
|
||||||
return "\n".join(lines)
|
return "\n".join(lines), True
|
||||||
|
|
||||||
|
|
||||||
|
# === 步骤5写入目标文档配置 ===
|
||||||
|
SUMMARY_DOC_TOKEN = "J8bKd4dbYoofZixxVsCc06bhnFc" # 用户反馈问题汇总.docx obj_token
|
||||||
|
|
||||||
|
def update_summary_doc(markdown_content, day_label, mode="overwrite"):
|
||||||
|
"""
|
||||||
|
将当日归纳结果写入「用户反馈问题汇总」文档。
|
||||||
|
mode: 'overwrite'（覆盖，默认，第一天使用） / 'append'（追加，多天时后续天使用）
|
||||||
|
"""
|
||||||
|
env = get_env()
|
||||||
|
|
||||||
|
full_md = f"## {day_label} 飞书问题反馈归纳\n\n" + markdown_content
|
||||||
|
|
||||||
|
result = subprocess.run(
|
||||||
|
[CLI, "docs", "+update", "--doc", SUMMARY_DOC_TOKEN, "--as", "bot",
|
||||||
|
"--mode", mode,
|
||||||
|
"--markdown", full_md],
|
||||||
|
env=env, capture_output=True, text=True, timeout=15
|
||||||
|
)
|
||||||
|
|
||||||
|
d = json.loads(result.stdout)
|
||||||
|
if d.get("ok"):
|
||||||
|
print(f" ✅ 归纳结果已{'覆盖写入' if mode == 'overwrite' else '追加'}到「用户反馈问题汇总」文档")
|
||||||
|
return True
|
||||||
|
else:
|
||||||
|
print(f" ⚠️ 文档写入失败: {result.stdout[:200]}")
|
||||||
|
return False
|
||||||
|
|
||||||
|
|
||||||
def main():
|
def main():
|
||||||
parser = argparse.ArgumentParser(description="飞书问题反馈同步")
|
parser = argparse.ArgumentParser(description="飞书问题反馈同步（五步完整流程）")
|
||||||
parser.add_argument("--days", type=int, default=3, help="同步最近 N 天（默认 3）")
|
parser.add_argument("--days", type=int, default=3, help="同步最近 N 天（默认 3）")
|
||||||
parser.add_argument("--dry-run", action="store_true", help="仅预览不写入")
|
parser.add_argument("--dry-run", action="store_true", help="仅预览不写入")
|
||||||
|
parser.add_argument("--skip-priority", action="store_true", help="跳过步骤5优先级判定")
|
||||||
args = parser.parse_args()
|
args = parser.parse_args()
|
||||||
|
|
||||||
end_date = date.today()
|
end_date = date.today()
|
||||||
@ -561,6 +806,7 @@ def main():
|
|||||||
print(f"📑 现有 sheet：{list(existing.keys())}")
|
print(f"📑 现有 sheet：{list(existing.keys())}")
|
||||||
|
|
||||||
total_written = 0
|
total_written = 0
|
||||||
|
first_day_written = False
|
||||||
for day in sorted(groups.keys()):
|
for day in sorted(groups.keys()):
|
||||||
msgs = groups[day]
|
msgs = groups[day]
|
||||||
|
|
||||||
@ -578,12 +824,24 @@ def main():
|
|||||||
print(f" 排序完成：{len(sorted_msgs)} 条")
|
print(f" 排序完成：{len(sorted_msgs)} 条")
|
||||||
|
|
||||||
# 步骤 4：问题归纳
|
# 步骤 4：问题归纳
|
||||||
summary = generate_summary(clusters, cluster_order)
|
# 步骤 5：优先级判定（默认启用，--skip-priority 可跳过）
|
||||||
if summary:
|
summary, has_content = generate_summary(clusters, cluster_order, skip_priority=args.skip_priority)
|
||||||
|
if has_content:
|
||||||
|
priority_count = summary.count('优先级：') if not args.skip_priority else 0
|
||||||
print(f" 归纳完成：{summary.count('### 问题')} 个问题")
|
print(f" 归纳完成：{summary.count('### 问题')} 个问题")
|
||||||
|
if not args.skip_priority:
|
||||||
|
print(f" 步骤5 优先级判定完成：{priority_count} 个问题已评定优先级并排序")
|
||||||
print(f" （归纳内容见下方）")
|
print(f" （归纳内容见下方）")
|
||||||
print(summary)
|
print(summary)
|
||||||
|
|
||||||
|
# 写入「用户反馈问题汇总」文档
|
||||||
|
# 第一个有内容的天用 overwrite，后续用 append
|
||||||
|
doc_mode = "overwrite" if not first_day_written else "append"
|
||||||
|
update_summary_doc(summary, day, mode=doc_mode)
|
||||||
|
first_day_written = True
|
||||||
|
else:
|
||||||
|
print(" ⚠️ 无有效问题簇可归纳")
|
||||||
|
|
||||||
# 写入
|
# 写入
|
||||||
success = write_sheet(sheet_id, sorted_msgs)
|
success = write_sheet(sheet_id, sorted_msgs)
|
||||||
if success:
|
if success:
|
||||||
|
|||||||
@ -46,12 +46,23 @@ description: |
|
|||||||
|
|
||||||
### 2. 优先级评估
|
### 2. 优先级评估
|
||||||
|
|
||||||
| 优先级 | 定义 | 对应问题分类 |
|
> **详细判定规则：** 参照《用户反馈问题优先级判断文档》（刘新玉提供，`priority_classifier.py` 已实现）
|
||||||
|--------|------|-------------|
|
|
||||||
| P0 | 阻断使用 / 大面积影响 / 严重数据问题 | 启动/运行异常问题 |
|
**判定三维度：**
|
||||||
| P1 | 核心流程问题，影响较大 | 版本/更新问题、声音/音频问题、语音识别/判分问题、关卡/内容问题 |
|
1. **基础优先级** — 按问题严重度（崩溃/功能异常/体验瑕疵/细节优化）
|
||||||
| P2 | 一般问题或体验问题 | UI显示问题、用户反馈问题、带媒体的问题 |
|
2. **出现概率** — 必现升级，偶现降级
|
||||||
| P3 | 建议/优化项，低影响 | 其他问题 |
|
3. **影响范围** — 全部用户升级，极少数用户降级
|
||||||
|
|
||||||
|
| 优先级 | 定义 | 修复时限 | 典型场景 |
|
||||||
|
|--------|------|----------|---------|
|
||||||
|
| 🔴 P0 | 孩子上不了课 / 核心功能崩溃 | 2小时处理，当天解决 | App闪退、进不去、数据丢失、服务器宕机 |
|
||||||
|
| 🟠 P1 | 功能不对劲 / 学习效果打折扣 | 3天内修复 | 音频异常、判分错误、进度保存失败、奖励未发放 |
|
||||||
|
| 🟡 P2 | 偶尔小毛病 / 界面瑕疵 | 当周修复 | UI显示异常、偶尔不显示、刷新恢复 |
|
||||||
|
| 🟢 P3 | 几乎不影响使用 / 细节优化 | 不单独排期 | 分辨率略低、错别字、音量不统一 |
|
||||||
|
|
||||||
|
**动态调整：** 必现问题 +1级，偶现问题 -1级（最多降一级）；影响全部用户 +1级。
|
||||||
|
|
||||||
|
**实现：** 优先级由 `feishu-feedback-sync` 技能步骤5自动判定，参见 `scripts/priority_classifier.py`。
|
||||||
|
|
||||||
### 3. 汇总到标准表格
|
### 3. 汇总到标准表格
|
||||||
|
|
||||||
|
|||||||
Loading…
Reference in New Issue
Block a user