feat: 平台治理与权限体系完善，存储进度/GPU预留/审批中心与日志整合

- 平台治理: 租户用户权限层次、资源ACL、审批中心与审批模板、访问申请
- 存储: MinIO 存储进度迁移、对象存储安全加固与测试
- 计算: GPU 资源预留、compute 轮询与同步增强
- 权限: permission v2 迁移、权限安全验收测试
- 日志: 后端运行日志中文说明、操作日志整合
- 数据处理/评测: 数据转换与模型评测优化

Co-Authored-By: Claude <noreply@anthropic.com>

docs/20260812/database-migration.md

@@ -0,0 +1,38 @@
+# 数据库迁移说明
+
+## 当前迁移文件
+
+- 新库初始化：`backend/app/db/sql/000_full_init.sql`
+- 已有数据库增量迁移：`backend/app/db/sql/005_storage_progress_migration.sql`
+- GPU 预留迁移：`backend/app/db/sql/006_gpu_reservations.sql`
+- 平台闭环迁移：`backend/app/db/sql/007_platform_completion.sql`
+- 离线部署使用：`docker/offline/src/backend/app/db/sql/000_full_init.sql`
+
+## 执行方式
+
+```bash
+for migration in 005_storage_progress_migration.sql 006_gpu_reservations.sql 007_platform_completion.sql; do
+  psql "$DATABASE_URL" -v ON_ERROR_STOP=1 -f "backend/app/db/sql/$migration"
+done
+```
+
+迁移前应完成数据库备份，并保存以下结构快照：
+
+```sql
+SELECT table_name, column_name, data_type
+FROM information_schema.columns
+WHERE table_schema = 'public'
+ORDER BY table_name, ordinal_position;
+```
+
+## 本次迁移内容
+
+- 为算力节点资源副本增加 `version_id` 和 `storage_object_id`，用于记录 MinIO 版本与本地缓存对应关系。
+- 补齐 `storage_objects.metadata`、模型产物、数据集文件和数据转换任务的 MinIO 字段。
+- 补齐评测任务软删除、创建者、租户和报告对象字段。
+- 增加活动评测任务、资源副本和 MinIO 对象索引。
+- 增加 GPU 预留表，统一训练、推理、评测的卡级占用约束。
+- 增加模型导出创建者/租户/归档状态字段。
+- 增加 MinIO 对象软删除清理、缓存版本校验和访问保护字段及清理任务表。
+
+`000_full_init.sql` 已包含相同的幂等变更，新增数据库直接执行初始化脚本即可；已有数据库不要依赖容器重启自动完成迁移。

docs/20260812/当前项目开发进度.md

@@ -0,0 +1,383 @@
+# 当前项目开发进度
+
+> 评估基线：2026-08-19 当前工作区代码、数据库初始化脚本、Docker 部署文件、前端页面和现有设计文档。
+>
+> 本文以代码实际情况为准。设计文档中已经提出但代码没有形成完整闭环的内容，统一标记为“部分完成”或“未完成”。
+
+## 一、项目定位与总体结论
+
+当前项目是一个面向多用户、多算力节点的模型训练与推理平台，主要链路为：
+
+```text
+Vue 前端
+    |
+FastAPI Backend API
+    |-- PostgreSQL：业务元数据、权限、任务状态、小型内容和预览数据
+    |-- Redis：会话、限流、短期缓存和任务辅助状态
+    |-- MinIO：模型、数据集、报告和大文件的统一对象存储
+    |-- Compute API / Agent：训练、推理、评测、模型合并和 GPU 执行
+    |
+多台算力节点
+```
+
+整体判断：
+
+| 范围 | 当前状态 | 结论 |
+|---|---|---|
+| 平台基础架构 | 基本完成 | 前后端、数据库、Redis、MinIO、Compute Agent 和 Docker 部署均已具备 |
+| 核心业务闭环 | 基本可用 | 数据集、数据处理、数据转换、训练、模型、推理、评测均有页面和接口 |
+| 多算力节点 | 部分完成 | 节点选择、GPU 分配和缓存准备已经接入，跨节点一致性和失败恢复仍需加强 |
+| 权限治理 | 部分完成 | 登录、角色、权限码、ACL、审批、审计已实现，但完整的租户/项目隔离尚未闭环 |
+| MinIO 统一存储 | 部分完成 | 大文件和模型已接入，仍存在兼容性的本地路径和部分数据双写/回退路径 |
+| 生产可靠性 | 未完成 | 缓存容量治理、对象清理、流式上传、归档重试、备份和高可用尚未完成 |
+| 前端体验 | 基本可用，需优化 | 构建问题已持续修复，但页面响应等待、首屏体积和部分错误提示仍需优化 |
+
+## 二、已完成的功能
+
+### 2.1 平台基础与部署
+
+- 已建立 Vue 3 + TypeScript + Vite 前端工程。
+- 已建立 FastAPI 后端服务，提供登录、平台管理和模型业务接口。
+- 已建立 Compute API / Agent，用于连接算力节点并执行训练、推理、评测和模型处理任务。
+- 已使用 PostgreSQL 保存核心业务数据，Redis 提供会话、限流和缓存能力。
+- 已增加 MinIO 服务及 Backend 的 MinIO 配置，支持和 Compute Agent 分离部署。
+- 已提供 `docker/app`、`docker/compute`、`docker/minio` 和 `docker/offline` 部署目录。
+- 已考虑后端、算力服务、MinIO 分布在不同服务器时使用独立网络；Compute 节点访问 MinIO 需要配置所有节点都能访问的固定 IP 或 DNS。
+- 离线部署目录已经同步后端、算力相关源码和初始化 SQL 的主要改造内容。
+
+### 2.2 登录、用户和权限基础
+
+- 用户登录、退出、当前用户信息和密码修改接口已经存在。
+- 已有 Token 会话、Redis 会话记录和登录限流逻辑。
+- 已建立用户、角色、权限码和角色权限关系。
+- 已实现管理员、普通用户等基础角色分层。
+- 已实现页面路由守卫、菜单过滤和前端按钮级权限的基础能力。
+- 已建立资源 ACL 管理页面和相关接口，可对用户或角色授予资源级权限。
+- 已建立审批模板、审批实例和审批步骤的基本数据模型与页面。
+- 已建立运行日志、审计日志查询页面及审计记录写入机制。
+- 已加入软删除相关字段和部分删除逻辑，避免直接物理删除业务资源。
+
+### 2.3 算力节点与 GPU 资源
+
+- 已实现算力节点的新增、编辑、启用、禁用、维护/删除、连通性测试和健康检查。
+- 已实现节点列表、节点详情、节点副本/同步状态和 Compute Agent 连接。
+- 已实现 GPU 信息发现、GPU 状态查询和队列查询。
+- 已建立 `gpu_allocations`、`gpu_assignments`、调度锁等资源分配表。
+- 训练任务已经支持选择调度节点和一张或多张 GPU，并在预检阶段校验资源可用性。
+- Compute Agent 已支持训练、评测、推理和缓存准备等任务接口。
+- 已存在资源副本和同步任务模型，用于记录节点侧资源同步状态。
+
+### 2.4 数据集管理
+
+- 已实现数据集创建、列表、详情、编辑、删除和文件上传。
+- 已实现数据集文件下载、预览、记录列表和数据记录编辑入口。
+- 已处理 JSON 与 JSONL 的记录数差异：JSON 数组按元素计数，JSONL 按有效行计数，避免把整个 JSON 文件误按行数统计。
+- 已提供数据集版本列表、版本详情、创建版本、切换当前激活版本和删除版本接口。
+- 已增加数据集文件、版本、数据记录等初始化表结构。
+- 已支持数据集文件在数据库小内容和 MinIO 大文件之间按策略存储。
+- 已在训练预检中检查数据集文件是否存在、是否可从 MinIO 获取以及是否能准备到目标算力节点。
+
+### 2.5 数据处理与数据转换
+
+- 已提供结构化数据、非结构化数据、外部数据源的处理创建流程。
+- 已实现源文件上传、预览、分片/切分、生成、质量检查、去重和结果管理等数据处理流程。
+- 已支持处理结果生成数据集或导入数据集版本。
+- 已建立数据处理任务、源文件、预览项、结果等数据表。
+- 已提供 JSON、JSONL 等数据格式转换页面和后端任务接口。
+- 已将数据转换输出接入 MinIO/数据库分层存储：小型文本结果可存数据库，大文件存 MinIO。
+- 已处理输出文件下载和转换结果元数据保存问题。
+
+### 2.6 模型训练
+
+- 已实现训练任务创建、配置预检、命令预览、启动、停止、重试和删除。
+- 已接入 LLaMA-Factory 等训练适配逻辑。
+- 已支持选择训练数据、基座模型、算力节点和 GPU。
+- 已实现训练日志获取、训练任务概览、诊断信息、检查点和训练指标查询。
+- 前端训练详情已经具备训练曲线解析和展示逻辑，日志轮询间隔已调整为 3 秒。
+- 已增加 GPU 详情展示入口，包括显存和利用率等 Compute Agent 上报信息。
+- 已支持训练任务的 MinIO 数据准备和目标算力节点缓存准备。
+
+### 2.7 模型管理与权重合并
+
+- 已实现在线模型/基座模型和训练模型的列表、创建、详情、用途修改和删除。
+- 已建立模型、训练模型、模型血缘、模型产物和导出任务相关表。
+- 已提供权重合并入口，能够根据训练任务准备基座模型和 Adapter，并提交 Compute Agent 执行合并。
+- 已增加模型产物和 MinIO 对象关联字段。
+- 合并结果能够在任务完成后归档到 MinIO 的设计和主要代码路径已经建立。
+
+### 2.8 模型推理与模型对比
+
+- 已实现推理模型列表、创建、详情和删除入口。
+- 已实现模型加载、卸载、服务启动、服务状态查询和对话调用。
+- 已实现模型对比任务及多模型聊天相关接口。
+- 已增加推理失败重试、停止和资源释放的处理路径。
+- 已支持根据页面选择的算力节点准备模型缓存，兼容训练时所选节点优先的业务要求。
+- Compute Agent 已提供本地推理会话和模型缓存状态接口。
+
+### 2.9 模型评测
+
+- 已实现评测任务列表、创建、详情和删除。
+- 已实现评测维度管理和评测规则配置页面。
+- 已建立评测任务、评测维度、对比任务等数据库表。
+- 已支持选择模型、数据集、评测维度、算力节点和 GPU 的基础流程。
+- 已接入 Compute Agent 执行评测任务，并保存评测结果和报告相关元数据。
+
+### 2.10 数据存储策略
+
+- 已建立 `storage_objects`、`storage_cache_jobs` 等 MinIO 元数据和缓存任务表。
+- 已建立 MinIO 对象上传、下载、预签名 URL 和节点缓存准备的主要接口。
+- 已采用分层策略：
+  - 小型 JSON、JSONL、CSV、任务参数快照、预览数据保留在数据库，降低频繁预览的 MinIO 延迟。
+  - 模型权重、训练产物、评测报告和大文件使用 MinIO。
+  - 小型 PDF、DOCX、XLSX 仍优先存 MinIO，以保留原始二进制文件内容。
+- 已增加 `data_convert_tasks.output_content`，用于保存小型转换结果，避免所有小结果都依赖 MinIO。
+- Backend 和离线包中的 `000_full_init.sql` 已同步，当前两份初始化脚本内容一致。
+
+## 三、部分完成、仍需完善的功能
+
+### 3.1 MinIO 统一数据源尚未完全闭环
+
+当前 MinIO 已成为模型、大文件和跨节点资源的主存储方向，但仍保留以下兼容路径：
+
+- Compute Agent 仍有本地文件上传、导入本地模型和扫描本地模型目录的旧接口。
+- 部分历史数据仍使用数据库中的 `content` 或 `output_content` 字段，这是当前已确认的小文件性能策略，不是错误，但必须统一记录来源、大小、校验值和版本。
+- Compute Agent 节点侧的大文件上传已改为流式读取；Backend 端部分历史上传/下载路径仍未完成统一的分片传输。
+- MinIO 对象和业务资源之间采用多态 `resource_type/resource_id` 关联，数据库没有直接外键，删除和数据一致性需要应用层保证。
+- 删除业务资源后，对应 MinIO 对象的延迟清理、失败重试和孤儿对象扫描尚未形成完整闭环。
+
+### 3.2 MinIO 预签名接口的权限边界
+
+资源写权限、服务端对象 Key、上传完成确认和对象大小校验已经完成；仍需补充 Content-Type 白名单、对象过期回收和完整审计事件。
+
+### 3.3 激活版本和跨节点资源版本仍需加强
+
+数据集已经有 `active_version_id` 和版本表，但以下场景仍需补充：
+
+- 训练、评测、模型对比和权重合并已在任务创建时固化资源版本 ID；推理服务启动和导出任务仍需统一补齐。
+- 同一文件名的不同版本不能只依靠文件名同步，应使用资源 ID、版本 ID 和对象 Key 组成唯一定位。
+- 已创建任务在后续切换激活版本后，不能被意外切换到新版本。
+- 已为资源副本保存版本、对象 ID 和本地路径；对象 ETag/校验值及多文件 manifest 仍需补齐。
+- 历史版本的数据库内容回退和 MinIO 对象回退逻辑还需要补全并增加测试。
+
+### 3.4 权限 2.0 尚未完全落地
+
+已有用户、角色、权限码、ACL、审批和审计基础，但仍存在以下差距：
+
+- 租户、用户、资源、算力节点、模型、数据集之间的隔离规则没有全部在 SQL 查询层统一执行。
+- 项目空间设计已经讨论过取消，但数据库中仍保留 `projects`、`project_members` 等历史结构，需要明确兼容策略和最终迁移方式。
+- 训练创建的模型、数据集和训练任务之间的联合权限约束还没有完全统一。
+- 评测、推理、模型合并、导出、缓存准备等动作需要逐一校验资源读权限和操作权限。
+- 前端按钮权限已经有基础实现，但不能替代后端鉴权；仍需要对所有关键动作进行后端默认拒绝校验。
+- 审批拦截范围、管理员豁免规则和跨租户资源访问规则需要形成可执行矩阵。
+
+### 3.5 模型合并、导出和评测报告闭环不足
+
+- 权重合并前自动准备 Base Model 和 Adapter 的主要路径已建立，但失败时的清理、重试和幂等性仍需加强。
+- 合并结果归档已增加失败状态和服务重启后的补偿轮询；仍需加入独立归档队列和幂等对象清单，降低重复扫描成本。
+- 模型导出任务目前有查询模型和表结构，但完整的创建、执行、进度、失败重试和下载闭环尚未完成。
+- 评测结果和报告字段已经存在，但报告对象归档、报告下载、报告版本和报告与任务的稳定关联仍需验证。
+- 评测指标配置和执行器返回指标之间仍需要强类型映射，避免前端显示为通用的 `custom`。
+
+### 3.6 GPU 资源分配需要统一到所有任务类型
+
+- 训练已经有较完整的节点/GPU 选择和预检流程。
+- 推理和评测已经出现节点选择、缓存准备和 GPU 选择的接入代码，但还需要确认从页面选择到 Compute Agent 启动参数、进程环境变量和释放逻辑的全链路生效。
+- 需要防止同一张 GPU 被多个任务绕过调度锁重复占用。
+- 需要处理服务异常退出、Backend 重启、Compute Agent 重启后的分配回收和状态对账。
+- 训练详情中的显存使用量、GPU 使用率等指标依赖 Compute Agent 上报，仍需要校验采样时间、单位、空值和任务对应关系。
+
+## 四、尚未完成的功能
+
+以下功能在当前代码中没有形成可验收的完整闭环，或仍处于设计/基础代码阶段：
+
+1. **完整的租户隔离和资源继承模型**：核心列表、详情、下载、缓存、训练、推理、评测和导出接口已补齐基础租户/ACL校验；历史 NULL 租户归属仍需专项迁移。
+2. **项目取消后的正式数据迁移方案**：当前保留项目表作为兼容结构，正式删除项目设计前仍需为历史数据生成归属迁移和回滚脚本。
+3. **预签名上传策略的完整约束**：已完成 Content-Type、大小、过期时间、Key 白名单、资源写权限、对象存在性和真实 SHA-256 校验；定时清理过期未完成对象仍需接入运维调度。
+4. **MinIO 对象生命周期管理**：已提供软删除清理、失败记录/重试、孤儿扫描和管理员清理入口；自动定时执行策略需由部署环境接入。
+5. **Compute Agent 缓存治理**：已完成容量上限、LRU、TTL、保护窗口、版本/校验清单和状态查询；运行中任务动态保护和磁盘告警仍需结合生产指标系统。
+6. **统一的资源归档编排器**：训练、合并、导出、评测已纳入重启补偿轮询和 MinIO 归档；独立消息队列和大规模断点分片仍属于生产增强项。
+7. **模型导出完整流程**：已完成后端创建、节点准备、CPU 导出、量化参数、任务记录、制品血缘、归档轮询、权限和前端按钮；真实大模型多格式压力测试待专用环境执行。
+8. **流式和分片文件传输**：数据集单文件下载、Compute Agent 上传/下载已采用流式处理；多文件 ZIP 和超大对象的分片上传仍需继续增强。
+9. **生产级 MinIO 安全和高可用**：开发环境接入和故障快速失败已完成；默认密钥替换、TLS、网络隔离、Console 隔离、容量监控、备份恢复需在生产部署阶段实施。
+10. **完整的端到端测试和持续集成**：已新增前端构建、后端编译和存储安全测试 CI 基线；跨租户、多节点、多 GPU 并行压力和故障注入仍需扩展执行矩阵。
+11. **统一数据库迁移体系**：已形成 005/006/007 幂等增量迁移并加入运行时兼容执行；后续可再替换为 Alembic 等正式迁移工具以满足生产审计要求。
+
+## 五、需要优化的功能
+
+### 5.1 后端响应性能
+
+- 页面列表接口需要避免每条记录重复查询用户、资源、MinIO 元数据和 Compute 节点状态。
+- MinIO 的 Bucket 检查、对象 Head 和预签名生成应使用连接复用、短期缓存和批量查询。
+- 训练、推理、评测页面不应通过过短间隔轮询大量详情接口，应按任务状态动态退避，并在完成后停止轮询。
+- 对 dashboard、节点健康、GPU 状态等高频数据应区分实时数据和缓存数据。
+- 后端日志轮询和健康检查日志需要继续降噪，仅在状态变化、失败或达到较长周期时输出。
+
+### 5.2 前端加载和交互
+
+- 列表页面应区分首屏 loading、刷新 loading、操作 loading，避免整页长时间无反馈。
+- 推理、评测、训练详情应使用统一的任务状态刷新策略和超时提示。
+- 前端仍有 FontAwesome 在线资源解析警告，应清理对外部网络文件的依赖，保证离线环境打开速度。
+- 应继续拆分首屏大体积 chunk，并减少一次性加载不相关页面组件。
+- GPU 选择组件需要明确显示空闲、占用、不可达、预留和已分配状态。
+- 错误提示应携带资源名称、节点名称、版本和下一步处理建议，减少只显示 500/404 的情况。
+
+### 5.3 训练、推理和评测可靠性
+
+- 所有任务创建前应执行同一套资源权限、版本存在性、MinIO 可用性和 GPU 原子分配校验。
+- 任务创建接口应支持幂等键，避免前端重复点击造成重复任务。
+- 节点不可达时应快速失败或进入可见的等待状态，不能让页面长时间无反馈。
+- 失败重试应区分网络瞬时失败、资源不足、模型文件缺失、参数错误和执行器失败。
+- 任务停止后必须释放 GPU 分配、推理端口、缓存锁和临时目录。
+
+### 5.4 数据和模型一致性
+
+- 每个对象都应保存大小、校验值、版本 ID、来源、创建者、租户和引用状态。
+- 数据库中的小文件内容和 MinIO 对象不能同时被当作可独立修改的主副本；需要明确唯一写入入口。
+- 数据集激活版本变更需要留下审计记录，并影响后续任务创建但不改变已创建任务。
+- 模型权重、Adapter、合并结果和导出结果需要形成完整血缘关系。
+
+## 六、数据库和初始化脚本状态
+
+当前 `backend/app/db/sql/000_full_init.sql` 已包含以下主要类别：
+
+- 用户、模型、训练模型、模型血缘、模型产物、模型导出任务。
+- 数据集、数据集文件、数据集版本、数据集记录。
+- 算力节点、GPU、GPU 分配、调度锁、Compute Job。
+- 资源副本、资源同步任务、MinIO 对象、缓存任务。
+- 评测任务、评测维度、模型对比任务。
+- 租户、项目兼容表、项目成员、角色、会话、ACL。
+- 审批模板、审批实例、审批步骤、审计日志、留存策略。
+- 数据处理任务、源文件、预览项、处理结果、数据转换任务。
+
+已确认的近期字段包括：
+
+- `model_artifacts.storage_object_id`
+- `model_artifacts.storage_backend`
+- `dataset_files.storage_object_id`
+- `data_convert_tasks.output_content`
+- `data_convert_tasks.output_storage_object_id`
+- `data_convert_tasks.storage_backend`
+- `eval_tasks.report_storage_object_id`
+
+离线包中的 `docker/offline/src/backend/app/db/sql/000_full_init.sql` 应与主工程初始化脚本保持同步。需要注意：
+
+- 初始化 SQL 主要用于新数据库或新数据卷；已有数据库不能仅靠重启容器自动获得全部新字段。
+- 生产/测试数据库需要执行可追踪的迁移脚本，并在迁移前备份或生成结构快照。
+- `ensure_schema` 类运行时补字段逻辑只能作为兼容兜底，不能替代正式迁移。
+- 后续如果正式移除项目设计，需要先完成数据归属迁移，再决定是否删除历史表，不能直接从初始化 SQL 中删除表。
+
+## 七、当前验证结果
+
+### 7.1 2026-08-19 本轮按计划落地内容
+
+- P0 MinIO 预签名上传已增加资源存在性、资源写权限、管理员基座模型写权限、资源版本和对象 Key 前缀校验；新增上传完成确认接口，会校验 MinIO 对象存在、大小和状态后再标记为可用。
+- 训练、评测、模型对比和权重合并任务会保存创建时的租户信息与资源版本快照，后续切换数据集激活版本不会改变已创建任务的输入版本。
+- 数据集、评测任务、训练任务和模型对比列表增加租户范围过滤；用户表、模型/数据集创建入口补齐租户归属；数据转换资源补充所有者权限映射。
+- Compute Agent 准备缓存后会回写资源副本的版本、MinIO 对象和本地路径；缓存支持可选容量上限、按访问时间淘汰非临时文件，并提供当前占用量和上限状态。
+- 训练产物、权重合并结果和评测报告增加 MinIO 归档、失败状态记录以及 Backend 重启后的补偿轮询；离线部署源码已同步对应逻辑。
+- Compute Agent 大文件上传已改为流式读取，避免将整个文件一次性读入内存；离线 Compute Agent 同步完成。
+- 增加 `005_storage_progress_migration.sql` 增量迁移脚本，并修复 `000_full_init.sql` 中旧数据库执行时索引早于字段补齐的问题；主工程和离线初始化脚本已同步。
+- 增加 `MINIO_PRESIGN_MAX_BYTES` 配置和上传 Content-Type 白名单；首次数据库 schema 检查移出 Compute Poller 的 Uvicorn 事件循环，避免远程 PostgreSQL 慢连接拖垮健康检查；轮询相同失败改为 300 秒限频记录，并跳过已标记 offline 节点。
+- 前端 `npm run build` 已通过；容器内 MinIO Key 越权校验专项测试为 `5 passed`，Backend 和 Compute Agent 重启后均为 healthy。
+
+已完成的静态和局部验证：
+
+- Backend 和离线 Backend 源码 `compileall` 检查通过。
+- MinIO 分层策略冒烟验证通过：小型 JSON/JSONL 可落数据库，小型二进制和超过阈值的内容进入 MinIO。
+- 主工程和离线包初始化 SQL 已做同步检查，内容一致。
+- 前端此前已完成 `npm run build` 类型错误修复，构建剩余问题主要是非阻断的资源/分包警告。
+- 已对训练日志、数据集 JSON/JSONL 统计、MinIO 资源准备等重点链路进行过问题修复。
+- 当前 WSL 运行验证中 Backend、Compute Agent、MinIO 均为 healthy；`gpu-node-02`（`172.25.179.69:19100`）连接、GPU 0 分配和任务执行均正常。`gpu-node-01` 的历史地址不可达，已通过健康检查标记为 offline，轮询器不再重复轮询其历史任务。
+
+### 7.2 2026-08-19 gpu-node-02 真实流程验证
+
+- 训练：使用 `qwen3.5-0.8B` + `test_data_0817`，任务 `ft_172a2da65140` 完成，GPU 0 使用期间可看到显存、利用率、温度和进程，结束后恢复 idle；24 个训练产物已归档 MinIO。
+- 资源快照：任务 `ft_d93b0fdae1c9` 创建时已保存数据集 `ds_8f6b8c5714c7` 的活动版本 `file_d550c2128722_v1`。
+- 训练曲线：任务 `ft_d93b0fdae1c9` 通过 `logging_steps=1` 生成 3 个 loss/epoch/learning-rate/grad-norm 数据点，并生成 `training_loss.png`；后端解析器已兼容带引号数字格式。
+- 权重合并：任务 `merge_1dc15a290810` 完成，基座模型路径、合并路径已回写，8 个合并模型文件归档 MinIO。
+- 推理：任务 `cmp_abdf0762869d` 在 GPU 0 加载 `qwen3.5-0.8B` 成功，对话接口返回正常；卸载后 GPU 恢复 idle。
+- 评测：任务 `eval_3c3f84263e23` 完成 2 条样本评测，报告、样本明细和基础指标已落库；GPU 恢复 idle。评审模型 HTTP 400 导致评审分数为 0，属于评审模型接口配置问题，算力评测链路本身已跑通。
+
+### 7.3 多 GPU、MinIO 故障和跨用户权限专项验证
+
+- 多 GPU 调度开发：新增 `gpu_reservations` 表，评测和推理在远程提交/加载前与训练统一纳入数据库原子预留；失败、停止、删除、节点不可达和卸载路径自动释放预留。当前 `gpu-node-02` 只有 GPU 0，已通过同卡“推理预留后评测抢占”测试，评测被明确拒绝，释放后 GPU 恢复 idle。多节点、多卡的真实并行测试待增加第二个可达节点和多卡节点后执行。
+- 调度锁优化：调度锁改为事务内持有并在提交前释放，避免一次调度成功后后续请求等待 30 秒 TTL；schema 初始化增加 PostgreSQL advisory lock，避免轮询器与首个请求并发初始化造成死锁。
+- MinIO 故障注入：停止 `yg-ft-minio` 后，`GET /modelTF/health` 返回 HTTP 200 且 `storage.status=unavailable`；恢复容器后返回 `storage.status=ready`。MinIO 客户端关闭默认重试链，故障健康探测耗时从约 6 秒降至约 0.3 秒。
+- 跨用户权限：创建临时用户 `qa_user_0819`，未授权访问管理员数据集返回 403；授予资源 `read/download` ACL 后列表和详情可访问；撤销 ACL 后再次返回 403；非管理员创建用户返回 403。测试用户已删除，未遗留测试 ACL 或 GPU 预留。
+- 用户管理接口已补齐管理员依赖，创建、列表、修改、删除和重置密码不再允许普通用户调用。
+
+当前不能据此宣称“全量功能测试通过”：
+
+- 现有部分自动化测试仍保留旧的本地文件或旧 MinIO 行为假设，需要按当前分层存储策略更新。
+- 本轮已完成当前 WSL Docker 容器健康检查、`gpu-node-02` 单节点真实流程、单卡冲突、MinIO 故障恢复和跨用户 ACL 专项验证；多节点、多卡的真实并行测试仍需要第二个可达节点和多卡节点。
+
+- 本轮专项安全测试为 `5 passed`；全量 pytest 仍未执行完毕，需要按测试类别拆分并设置超时。
+
+### 7.4 本轮 11 项未验证能力的补齐结果
+
+- 租户管理接口已统一要求管理员身份；模型制品、模型血缘、导出任务、评测报告和 MinIO 资源清单均增加资源级访问校验。
+- 新增 `POST /modelTF/model-manage/export`，导出沿用节点选择、MinIO 缓存准备、GPU/调度约束和归档轮询；导出结果记录到 `model_export_jobs`，并建立导出制品与模型血缘。
+- 新增 `GET /modelTF/model-eval/{task_id}/report`，优先流式返回 MinIO 报告，历史任务无归档对象时返回数据库报告兼容结果。
+- 新增 `GET /modelTF/storage/resources/{resource_type}/{resource_id}/manifest`、管理员对象清理和孤儿扫描接口；预签名上传增加过期时间和真实 SHA-256 内容校验。
+- Compute Agent 增加缓存 TTL、缓存保护窗口和元数据清单；超过 TTL 的非保护缓存会在状态检查时清理，容量淘汰会跳过保护中的资源。
+- 数据集单文件下载改为 MinIO 流式传输，避免 Backend 一次性载入完整大文件；训练、合并、导出、评测仍由统一轮询器负责重启后的归档补偿。
+- 新增 `007_platform_completion.sql`，并已加入运行时兼容迁移；主工程和 `docker/offline/src` 的源码及初始化 SQL 已同步。
+- 以上为代码闭环和单节点验证；生产级 MinIO TLS/HA、第二节点/多卡并行压力测试、全量 CI 和历史项目数据正式迁移仍属于上线前专项工作。
+
+## 八、下一阶段开发计划
+
+### P0：安全与数据正确性
+
+1. 为预签名上传补充 Content-Type、大小上限、过期对象清理和上传完成审计；当前已完成 Key、资源写权限、对象存在性和大小校验。
+2. 将资源版本快照继续接入推理服务启动、模型导出和缓存准备的所有入口，并增加版本切换回归测试。
+3. 完成模型导出接口的后端权限、租户范围和审计闭环。
+4. 补充历史数据租户归属迁移；当前新建资源和主要任务列表已完成租户过滤，历史 NULL 租户仍按兼容策略处理。
+
+### P1：跨节点可靠性
+
+1. 将当前资源副本字段升级为完整 manifest，记录每个文件的校验值、大小、目标节点路径和准备时间。
+2. 完善推理模型缓存的重启对账、失效版本清理和服务级重试；训练、合并、评测归档已具备补偿轮询基础。
+3. GPU 原子分配、异常回收和任务释放已完成基础闭环；下一步补充多节点重连对账及多卡并行压力测试。
+4. 增加缓存 TTL、运行任务保护、磁盘占用告警和可视化清理入口；当前已实现可选容量上限和按访问时间淘汰。
+5. 增加 MinIO 对象引用清理、孤儿对象扫描和软删除回收任务。
+
+### P2：性能与用户体验
+
+1. 优化页面列表接口和高频轮询，采用批量查询、短期缓存和动态退避。
+2. 将大文件上传/下载/复制改为流式或分片传输。
+3. 统一前端任务状态组件、loading、超时、重试和错误诊断信息。
+4. 处理前端离线资源警告，继续拆分首屏 chunk。
+5. 统一 GPU 状态展示及训练指标采样时间、单位和空值处理。
+
+### P3：工程化和上线准备
+
+1. 建立正式数据库版本迁移机制和离线升级脚本。
+2. 增加 CI：前端类型检查/构建、Backend 单元测试、Compute Agent 测试、SQL 新库初始化测试。
+3. 增加第二个可达节点/多卡节点后执行多节点端到端并行测试；MinIO 故障注入基础测试已完成。
+4. 完善 MinIO TLS、密钥管理、网络隔离、监控、备份和恢复方案。
+5. 建立生产运行手册，包括首次部署、升级、回滚、数据库迁移、对象清理和故障处理。
+
+## 九、阶段验收标准
+
+完成下一阶段后，至少应满足：
+
+- 用户只能看到和操作其所属租户授权的模型、数据集、训练任务、推理服务和评测任务。
+- 任何任务创建都能明确记录用户、租户、资源版本、算力节点、GPU 列表和 MinIO 对象版本。
+- 同一个节点的同一张 GPU 不能被两个活动任务同时分配。
+- MinIO 临时不可用时，任务进入可解释的等待/失败状态，并能按策略重试，页面不会无限等待。
+- Backend 或 Compute Agent 重启后，任务、缓存、GPU 分配和归档状态可以对账恢复。
+- 训练、合并、评测和推理产物都能在 MinIO 中找到，并且可以通过权限校验后的接口下载或使用。
+- 删除资源后不会继续出现在普通列表中，关联对象能够按引用状态延迟清理并留下审计记录。
+- 新数据库初始化和已有数据库迁移后，所有业务接口不再因为缺表或缺字段启动失败。
+- 离线部署不依赖外部字体、图标或 CDN，前端首屏和核心业务操作在无网络环境下可用。
+
+## 十、相关文件索引
+
+- 平台架构：[platform-architecture-requirements.md](./platform-architecture-requirements.md)
+- 权限设计：[permissions-design.md](./permissions-design.md)
+- MinIO 与 Compute 缓存方案：[minio-compute-cache-plan.md](./minio-compute-cache-plan.md)
+- 平台治理菜单设计：[platform-governance-menu-design.md](./platform-governance-menu-design.md)
+- 数据处理设计：[data-process-design.md](./data-process-design.md)
+- 数据库初始化脚本：[../backend/app/db/sql/000_full_init.sql](../backend/app/db/sql/000_full_init.sql)
+- 离线部署目录：[../docker/offline](../docker/offline)
+

docs/20260812/权限开发进度.md

@@ -0,0 +1,447 @@
+# 权限开发进度
+
+> 更新时间：2026-08-20  
+> 适用范围：YG_FT 平台当前主工程、Backend、Frontend、Compute Agent、MinIO 资源访问及 `docker/offline/src` 离线源码。  
+> 当前结论：权限 2.0 的基础能力已形成闭环；本轮继续完成 GPU/租户配额原子预留、租户成员邀请与接受、审批动作白名单/幂等/过期处理、GPU 节点与卡冲突校验，并补充租户详情页成员管理。在线数据库迁移已执行并核验，前端构建、后端静态检查、权限用例和基础容器健康检查通过。由于当前只有一个可达算力节点，跨租户双用户、第二节点/多卡并发、节点故障回收仍需后续专项验证，暂不能标记为“全部完成”。按工作包估算，核心权限开发约完成 94%，上线验收约完成 76%。
+
+## 本轮 11 项完成情况（2026-08-19）
+
+| 编号 | 权限能力 | 完成内容 | 状态 |
+|---|---|---|---|
+| 1 | 审批决策安全 | 审批人从当前会话获取，校验指定审批人、租户管理员、禁止申请人自审，记录审批审计 | 已完成 |
+| 2 | 资源访问申请 | 新增资源访问申请记录、申请权限/期限/理由、审批后自动写入 ACL、支持撤回和过期 | 已完成 |
+| 3 | 审批策略执行 | 按租户、动作、资源类型匹配策略；高风险操作审批通过后可一次性重试执行 | 已完成 |
+| 4 | 租户与项目隔离 | `tenant_members`、活跃租户校验、历史资源归属补齐、跨租户 ACL 主体校验、项目软删除 | 已完成 |
+| 5 | 用户与角色边界 | 禁用用户立即注销会话；租户成员支持 owner/admin/member/viewer，保护最后一个 owner | 已完成 |
+| 6 | 数据集权限入口 | 预览、来源、版本查询/创建/激活/删除、上传/编辑/下载统一接入资源动作权限 | 已完成 |
+| 7 | 模型和推理权限 | 训练模型合并/导出分别校验 execute/download；聊天、预加载、批量、卸载绑定授权模型或推理任务 | 已完成 |
+| 8 | GPU 分配申请 | 普通用户可提交 GPU 分配申请，审批通过后自动分配；管理员可直接分配 | 已完成 |
+| 9 | 租户配额申请 | 租户成员可提交配额变更申请，平台管理员审批后自动更新配额 | 已完成 |
+| 10 | 软删除与安全状态 | 资源删除撤销 ACL、取消待处理申请和审批；租户/项目采用软删除状态 | 已完成 |
+| 11 | 前端按钮与审计 | 审批决策、ACL 编辑、访问申请/撤回按权限显示；下载、导出、审批、GPU 等敏感操作补充结构化审计 | 已完成 |
+
+### 数据库迁移结果
+
+- 新增增量迁移：`backend/app/db/sql/009_permission_completion.sql`，可独立兼容旧库执行，并已在当前远程 PostgreSQL 执行成功。
+- 当前远程库已核验包含：`tenant_members`、`resource_access_requests`、审批策略/执行状态字段、审计结果字段、ACL 生命周期字段、项目/租户软删除字段、数据转换任务租户字段。
+- 已有用户已补齐到 `tenant_members`，当前迁移后共生成 5 条租户成员关系。
+- `backend/app/db/sql/000_full_init.sql` 已合并完整结构；离线目录继续只保留该完整脚本。
+
+### 验证结果
+
+- 后端相关模块 `python -m py_compile`：通过。
+- 前端 `npm run build`：通过；仅保留既有 Font Awesome 路径提示和大 chunk 警告，无 TypeScript 错误。
+- `docker/offline/src` 的后端权限代码、Compute Agent、前端源码和完整初始化 SQL 已与主工程关键文件哈希一致。
+- 运行中的 Backend、Frontend、Compute API 容器已重启，健康检查通过；当前容器采用源码挂载方式，无需重建镜像即可加载本轮代码。已验证健康接口可用，未登录访问受保护接口返回 401；完整双用户、跨租户和多 GPU 回归仍待执行。
+
+## 一、检查依据
+
+本次按代码和初始化脚本逐项核对，主要依据如下：
+
+- `docs/permissions-design.md`
+- `backend/app/core/auth.py`
+- `backend/app/api/v1/endpoints/platform.py`
+- `backend/app/modules/resource/router.py`
+- `backend/app/modules/approval/router.py`
+- `backend/app/modules/tenant/router.py`
+- `backend/app/modules/system/router.py`
+- `backend/app/db/platform_store.py`
+- `backend/app/db/sql/000_full_init.sql`
+- `frontend/src/stores/auth.ts`
+- `frontend/src/router/index.ts`
+- `frontend/src/views/governance/ResourceAclView.vue`
+
+检查口径不是只判断“是否有接口”，还检查了接口是否验证当前用户、是否校验资源所有权和 ACL、是否校验租户边界、审批结果是否真正改变授权、前端按钮是否与后端动作一致。
+
+## 二、改造前总体进度（历史基线）
+
+| 能力模块 | 当前状态 | 结论 |
+|---|---|---|
+| 登录、密码、Token 会话 | 已实现基础能力 | 有会话过期、注销、状态校验和登录限流基础，仍需统一续期和失败审计 |
+| 平台角色与权限码 | 部分实现 | `admin/operator/viewer` 和业务权限码存在，但后端部分业务只校验登录，未统一校验权限码 |
+| 用户创建与管理 | 部分实现 | 管理员可创建、修改、删除和重置密码；租户范围、角色边界、邀请/申请流程未完成 |
+| 租户与配额 | 部分实现 | 租户 CRUD、配额和留存策略接口为管理员专属；缺少租户成员、租户管理员和统一隔离 |
+| 资源 ACL | 已实现基础能力 | 支持用户/角色的 `read/write/execute/download/delete/admin`，授权边界和跨租户限制不足 |
+| 资源申请 | 未完整实现 | 没有独立的资源访问申请对象，现有审批实例不能可靠地落地 ACL 或配额变更 |
+| 资源审批 | 部分实现且存在安全缺口 | 模板、实例、步骤和部分高风险操作存在；审批决策接口必须先修复越权问题 |
+| 基座模型权限 | 平台共享已实现 | 登录用户可查看和使用，上传/修改/删除限制管理员；缺少按租户/用途/配额的精细控制 |
+| 训练模型权限 | 部分实现 | 所有者、ACL、删除、合并、推理加载已有校验；导出下载动作和派生权限继承还不完整 |
+| 数据集权限 | 部分实现且入口不一致 | 列表、详情、删除、部分下载和训练/评测使用有校验；上传、编辑、预览、版本接口仍有缺口 |
+| 训练/评测/推理权限 | 部分实现 | 资源执行权和 GPU 分配已有基础校验；部分聊天、状态和历史入口没有统一鉴权 |
+| GPU 与节点权限 | 基础能力已实现 | 管理员分配、用户可用 GPU 过滤、原子预留和释放已存在；配额审批和跨节点回收对账仍需完善 |
+| 前端按钮级权限 | 部分实现 | 页面和菜单有基础控制，资源动作没有集中式权限决策，很多按钮依赖后端报错 |
+| 审计与软删除 | 部分实现 | 主要写操作有审计，资源软删除已覆盖若干表；actor、下载、拒绝和跨租户查询仍需统一 |
+
+## 三、已经实现的内容
+
+### 3.1 认证、角色与用户
+
+- `get_current_user` 会校验 Bearer Token、用户存在性、用户状态和会话有效期；`sessions` 支持注销和过期时间。
+- `require_admin` 对管理员专属接口提供后端保护，受保护用户也具备管理员旁路能力。
+- 用户列表、创建、修改、删除、重置密码均已增加管理员依赖；用户可修改自己的密码。
+- 用户记录包含 `tenant_id`、`role`、`permissions`、`protected` 等字段，角色权限在初始化脚本中有基础种子数据。
+- 登录失败限流和旧明文密码升级已经具备基础实现。
+
+### 3.2 租户、资源和 ACL
+
+- `tenants` 表和租户 CRUD、配额、留存策略接口已经存在，当前接口统一要求管理员。
+- 数据集、模型、训练模型、评测任务等核心资源已经具备 `created_by`、`tenant_id` 或任务 payload 中的归属信息。
+- `acls` 表支持用户和角色两类授权主体，权限包括 `read`、`write`、`execute`、`download`、`delete`、`admin`。
+- 资源 ACL 查询和全量替换接口已经存在，资源所有者或管理员可以管理 ACL。
+- 列表接口对数据集、评测、训练和推理任务已增加“本人资源 + ACL 授权资源”的过滤逻辑。
+- MinIO 预签名、资源清单、对象列表、模型制品、模型血缘和评测报告等新入口已增加登录和资源访问校验。
+
+### 3.3 训练、评测、推理和 GPU
+
+- 训练创建会检查训练数据集的 `execute` 权限，并对用户选择的 GPU 执行分配校验。
+- 评测创建会检查训练模型、数据集的 `execute` 权限，并校验算力节点和 GPU。
+- 推理任务加载会检查任务及训练模型的执行权，同时使用 `gpu_reservations` 防止同一张 GPU 被并发占用。
+- GPU 分配接口和用户可用 GPU 查询已经存在，失败、停止、删除、节点异常等路径具备基础释放逻辑。
+- 训练模型删除、训练任务停止/删除、评测任务删除和推理任务删除已接入部分审批拦截。
+- 权重合并、导出、缓存准备和 MinIO 归档已经能记录模型、节点、租户和部分血缘信息。
+
+### 3.4 审计和前端
+
+- `audit_logs`、`operation_logs` 表及管理员查询/导出页面已经存在。
+- 资源 ACL 变更、租户管理、模型/数据集/任务等主要写操作已经接入审计或操作日志装饰器。
+- 前端路由和侧边栏对治理、组织、资源授权、审批、日志、算力节点等页面做了管理员限制。
+- `ResourceAclView` 已支持资源类型、用户/角色主体和多权限编辑。
+
+## 四、改造前未实现或存在明显安全缺口（历史基线）
+
+> 本节保留本轮改造前的检查快照，不代表当前状态。当前剩余问题以“十、当前仍需开发的功能”和“十一、下一步开发计划”为准。
+
+以下项目属于必须继续开发的内容，优先级高于页面样式和性能优化。
+
+### 4.1 审批决策不能直接信任请求参数
+
+`backend/app/modules/approval/router.py` 的审批决策接口当前没有 `get_current_user` 依赖，并且从请求体读取 `approver_id`。调用方可以伪造审批人 ID，属于高风险越权问题。
+
+必须改为：服务端从当前会话取得审批人；校验其是否为当前步骤指定审批人、租户管理员或平台管理员；校验当前步骤、实例状态和申请人不能自审；审批通过后再执行对应动作或写入 ACL。
+
+### 4.2 资源申请流程尚未形成
+
+当前有 `approval_templates`、`approval_instances`、`approval_steps`，但没有独立的资源访问申请记录，也没有统一的“申请资源 -> 审批 -> 授权/配额变更”事务流程：
+
+- 创建审批实例时未统一验证资源是否存在、申请人是否属于资源租户、申请动作是否合法。
+- 审批实例批准后不会自动创建 ACL、GPU 分配或租户配额变更。
+- 不能表达申请权限、申请期限、申请原因、审批后的 ACL 权限和撤销时间。
+- 审批模板查询和详情接口没有完整的租户/角色范围控制。
+
+### 4.3 租户隔离不是全量强制
+
+- 当前用户只有单一 `tenant_id`，没有 `tenant_members` 或租户角色关系；无法支持租户管理员、跨租户平台管理员和成员邀请的清晰边界。
+- `filter_accessible_resource_ids` 和批量版本主要按 ACL/所有者过滤，不在统一函数中校验资源租户。
+- 数据集、评测等查询仍对 `tenant_id IS NULL` 做兼容放行；历史数据未完成归属迁移。
+- `trained_models()` 没有统一 tenant 参数，资源过滤依赖上层二次处理。
+- ACL 设置接口没有校验授权主体和资源是否属于同一租户，存在跨租户授权风险。
+- 新建模型、数据集、任务虽然多数会补默认租户，但缺少“租户必须存在且处于 active”的统一校验。
+
+### 4.4 数据集权限入口不一致
+
+核心列表、详情、删除、部分下载已校验，但以下文件/版本接口当前未统一接入当前用户和资源权限：
+
+- 文件预览和记录来源查询。
+- 文件版本列表、版本内容查询。
+- 创建、激活、删除数据集文件版本。
+- 数据集上传接口没有统一的当前用户、写权限和租户校验。
+- 数据集编辑接口没有统一的当前用户和写权限校验。
+
+此外，数据集下载和单文件下载目前检查的是 `read`，没有严格使用设计中的独立 `download` 权限。
+
+### 4.5 模型使用、导出和推理入口不一致
+
+- 基座模型按平台共享资源处理，登录用户可以查看和使用；但模型名称查询、本地模型列表和部分本地聊天/状态/卸载入口缺少统一鉴权。
+- 训练模型列表、详情、合并和加载已有 ACL 校验，但导出接口实际属于下载/外发动作，不能只检查 `execute`。
+- 评测报告下载当前检查 `read`，应单独检查 `download` 并记录下载审计。
+- 训练模型由训练任务生成时，尚未完整实现“基座模型 + 数据集授权关系”向派生模型权限和血缘策略的统一继承。
+- 推理聊天接口没有始终绑定到已授权的推理任务、模型资源和指定算力节点，存在绕过模型使用流程的风险。
+
+### 4.6 用户创建和角色边界不完整
+
+- 当前只有平台管理员创建用户，普通用户不能申请加入租户，也没有邀请、审批、禁用后会话清理的完整流程。
+- 用户只能直接挂在一个 `tenant_id` 上，不能表达一个用户属于多个租户或在不同租户中拥有不同角色。
+- 后端 `create_user` 对非管理员角色会归一为普通用户，前端出现的 `operator` 角色与后端实际行为可能不一致。
+- 创建用户时缺少租户存在性、租户状态、租户用户配额和角色白名单校验。
+- 管理员可以创建管理员角色，尚未区分平台管理员和租户管理员的授予权限。
+
+### 4.7 前端按钮级权限没有闭环
+
+- 前端已有菜单和路由权限基础，但 `hasPermission` 没有覆盖所有业务路由动作，部分业务页对已登录用户直接开放。
+- 资源级按钮主要靠资源对象中的所有者字段判断，没有统一使用后端返回的 ACL 决策。
+- 下载、执行、删除、授权、导出、审批等动作没有统一的 `can(resource, action)` 机制。
+- 即使按钮隐藏，前端 API 模块仍可能直接调用敏感接口；必须以后端鉴权为最终边界。
+
+### 4.8 审计、软删除和权限拒绝记录不完整
+
+- 部分模块的 `_actor` 直接保存 Authorization Token，而不是规范的用户 ID，导致审计主体不一致。
+- 访问、下载、导出、ACL 授权、审批拒绝、GPU 分配和权限拒绝没有全部统一记录租户、资源和结果。
+- `record_visit` 公开接口容易被伪造；如果继续保留匿名访问，应明确它不是安全审计日志。
+- 资源软删除已覆盖模型、训练模型、数据集、评测任务等主要表，但关联 MinIO 对象、ACL、审批和血缘的延迟清理策略还不完整。
+
+## 五、需要优化的现有流程
+
+### 5.1 统一权限模型
+
+将当前分散的 `is_admin`、所有者判断、ACL 查询、租户判断、GPU 判断收敛为统一服务：
+
+```text
+认证 -> 平台/租户角色 -> 租户边界 -> 资源所有权/ACL -> 动作权限 -> GPU/配额 -> 审批 -> 审计
+```
+
+每个敏感接口都应明确动作，例如 `dataset.read`、`dataset.download`、`dataset.execute`、`trained_model.export`、`inference.load`、`gpu.reserve`，禁止只使用“已登录”作为业务权限。
+
+### 5.2 重新设计资源申请和审批
+
+推荐流程：
+
+```text
+申请人选择资源和动作
+  -> 校验申请人所属租户和基础权限
+  -> 创建 resource_access_requests
+  -> 根据租户/资源类型匹配审批策略
+  -> 指定审批人完成审批
+  -> 事务内写入 ACL/配额/GPU 预留
+  -> 记录授权有效期、来源和审计
+```
+
+审批拒绝、撤回、过期和资源删除都应撤销或冻结对应授权，不能仅修改审批实例状态。
+
+### 5.3 模型、数据集、训练任务联合授权
+
+训练、评测、推理分别使用以下最小权限：
+
+| 场景 | 必须具备的权限 |
+|---|---|
+| 查看基座模型 | `model.read`；基座模型默认平台共享 |
+| 使用基座模型训练 | `model.execute` 或平台共享策略 + 数据集 `execute` |
+| 下载基座模型 | 单独的 `model.download`，默认不授予 |
+| 使用训练模型推理 | `trained_model.execute` |
+| 下载/导出训练模型 | `trained_model.download` 或 `trained_model.export` |
+| 使用数据集训练/评测 | `dataset.execute` |
+| 查看数据集 | `dataset.read` |
+| 下载数据集文件 | `dataset.download` |
+| 创建训练任务 | 上述资源权限 + 指定节点/GPU 使用权 + 租户配额 |
+
+训练模型应保留创建者、租户、基座模型、数据集、训练任务和资源版本快照。派生模型默认只对创建者和同租户授权，不应因为基座模型共享而自动公开训练产物。
+
+## 六、建议的数据库改造
+
+当前 `000_full_init.sql` 已包含用户、角色、会话、ACL、租户、审批、审计、GPU 分配和 GPU 预留表，但要完成权限 2.0，建议增加或扩展以下结构。实施时必须同步主工程和 `docker/offline/src/backend/app/db/sql/000_full_init.sql`。
+
+1. `tenant_members`：用户、租户、租户角色、状态、加入来源和有效期，解决一个用户多租户和租户管理员问题。
+2. `resource_access_requests`：申请人、租户、资源、动作、申请原因、申请权限、有效期、审批状态和最终授权记录。
+3. `acls` 增加 `tenant_id`、`granted_by`、`source_request_id`、`expires_at`、`revoked_at`，保留授权来源和自动过期能力。
+4. `approval_templates` 增加 `tenant_id`、`action`、`resource_type`、`scope`、`status`；审批步骤增加主体类型、主体 ID 和租户范围。
+5. 资源表统一补齐非空租户策略、归属用户、软删除字段和必要索引；历史 NULL 数据通过一次性迁移处理。
+6. `audit_logs` 增加结果、拒绝原因、request_id、认证会话和结构化 detail，避免把 Token 当作 actor。
+
+不建议把完整 ACL 和审批状态继续塞入模型、数据集或任务 JSON 字段；JSON 可保留兼容信息，但权限判断应以结构化表为准。
+
+## 七、历史开发计划（已执行）
+
+### 第一阶段：P0 安全修复
+
+- 修复审批决策鉴权和审批人伪造问题。
+- 补齐数据集文件/版本/上传/编辑接口权限。
+- 补齐本地模型聊天、状态、卸载、模型名称查询等历史入口鉴权。
+- 统一 `download`、`execute`、`write`、`delete` 动作检查。
+- 限制 ACL 授权范围，校验主体存在、同租户和资源归属。
+- 增加至少 20 个后端权限回归用例，覆盖未登录、本人、同租户他人、跨租户、管理员和已撤销 ACL。
+
+### 第二阶段：P1 租户和资源申请
+
+- 引入租户成员和租户角色，明确平台管理员、租户管理员、成员、只读成员边界。
+- 开发资源访问申请接口和前端申请页面。
+- 重做审批模板匹配、审批人校验、审批结果落地 ACL、有效期和撤销流程。
+- 将配额申请、GPU 分配申请、模型导出和跨用户删除纳入审批策略。
+- 新资源强制租户归属并完成历史数据迁移。
+
+### 第三阶段：P1 联合资源权限
+
+- 建立模型/数据集/训练任务/评测任务/推理任务的统一资源授权服务。
+- 训练前一次性校验基座模型、数据集、节点、GPU 和租户配额。
+- 训练模型生成时写入血缘和权限来源；推理、评测、合并、导出使用同一套动作权限。
+- 版本快照、MinIO 对象、算力节点本地缓存沿用同一资源授权结果。
+
+### 第四阶段：P2 前端和审计
+
+- 增加统一 `can(resource, action)` 和按钮权限组件。
+- 授权和审批界面使用用户/租户/资源中文名称，展示授权来源、有效期和审批状态。
+- 规范审计 actor、租户、请求 ID、资源、动作、结果和失败原因。
+- 将权限不足、审批中、资源过期、MinIO 不可用分别展示，避免全部显示为通用 500。
+
+### 第五阶段：P3 测试与上线
+
+- 新库初始化、增量迁移、离线目录同步和前端构建全部纳入 CI。
+- 执行跨租户、跨用户、ACL 撤销、审批越权、软删除、MinIO 故障和 GPU 冲突专项测试。
+- 在第二个可达节点或多卡节点到位后，执行多节点、多 GPU 的权限和并发测试。
+- 补充权限运维手册：新建租户、创建用户、授权模型/数据集、审批、撤销权限、审计追踪和故障恢复。
+
+## 八、验收标准
+
+- 未登录用户不能访问任何模型、数据集、任务、聊天、版本、下载和审批接口。
+- 用户只能访问所属租户中本人拥有或被明确授权的资源；跨租户 ACL 默认禁止。
+- 查看、下载、执行、编辑、删除和授权是独立动作，不能用 `read` 替代所有动作。
+- 普通用户不能伪造审批人、审批其他租户资源或审批自己的申请。
+- 训练、评测和推理创建必须同时满足资源权限、GPU 权限、节点权限和租户配额。
+- 审批通过后才产生授权，审批拒绝、撤回、过期和资源删除后授权不会继续生效。
+- 基座模型共享不等于训练产物共享；训练后的模型和数据集必须按租户、所有者和 ACL 控制。
+- 前端隐藏按钮不能替代后端校验，直接调用 API 也必须返回明确的 401/403。
+- 所有敏感操作可通过用户、租户、资源、动作和请求 ID追溯到审计记录。
+
+## 九、历史实施记录（已完成）
+
+本轮已完成权限闭环的代码实现：
+
+1. 统一校验当前会话、会话过期、退出状态和可用租户范围。
+2. 补齐模型、数据集、训练、评测、推理、数据处理、数据转换、算力、存储和审计入口的登录及模块权限。
+3. 新增 `tenant_members`，新建用户、项目、数据集、训练任务和数据处理任务写入当前租户与创建者。
+4. ACL 写入校验主体存在性、状态、租户边界、有效期和撤销状态；普通所有者不能授予 `delete/admin` 或跨租户权限。
+5. 新增 `resource_access_requests`；审批人由当前会话确定，禁止伪造审批人和申请人自审；审批通过后才落 ACL。
+6. 训练、评测和推理统一校验数据集、基座模型、训练模型、任务、节点和 GPU 使用权限；下载和导出使用独立的 `download` 权限。
+7. 前端认证 store 新增 `can(resource, action)`，模型管理和审批页面按权限显示操作按钮，后端 401/403 仍是最终防线。
+8. 新增 `009_permission_completion.sql`；主工程与离线目录的完整初始化 SQL 已同步且 SHA-256 一致，离线目录只保留完整初始化脚本。
+
+### 本轮验证
+
+- 后端权限相关文件 `py_compile` 通过。
+- 前端 `npm run build` 通过；仅保留已有字体路径和 chunk size 警告。
+- 当前 WSL 容器已确认 Backend、Frontend、Compute、Redis、MinIO 均运行；基础健康和未登录拦截已验证，历史治理测试夹具与当前鉴权/数据库行为不完全兼容，不能替代新的权限专项回归。
+
+### 上线前验证
+
+- 第二个可达节点或多卡节点到位后的多租户、多 GPU 并行压力测试。
+- 对已执行的 `009_permission_completion.sql` 进行旧数据租户归属、ACL、审批和软删除记录对账。
+- 更新 Backend/Frontend 容器后重新执行治理测试和权限专项测试。
+
+## 十、当前复核结论（2026-08-19）
+
+### 10.1 已完成的基础能力
+
+本轮 11 项权限改造已经形成基础闭环：会话和用户状态校验、租户成员关系、资源 ACL、资源访问申请、审批决策安全、模型/数据集/训练/评测/推理入口权限、GPU 分配申请、配额申请、软删除和前端基础按钮控制均已落地；数据库迁移和完整初始化 SQL 已同步到主工程及离线目录。
+
+这些能力可以作为后续完善的基础，但“接口存在”不等于“所有资源和所有异常路径均已达到上线标准”。尤其是密钥暴露、配额实际拦截、资源列表一致性和专项测试仍需要继续处理。
+
+### 10.2 仍需开发的功能
+
+| 优先级 | 功能 | 当前缺口 | 处理结论 |
+|---|---|---|---|
+| P0 | 模型密钥和敏感信息保护 | 模型列表、详情、名称查询、创建和更新响应已移除真实 `api_key`，仍需继续排查任务详情、日志和其他敏感配置输出 | 基础闭环已完成；继续做全量敏感字段扫描和受控密钥管理 |
+| P0 | 统一资源动作策略 | 已增加资源动作白名单和 `export -> download` 归一化，但各业务入口仍需逐步迁移到统一授权服务 | 第一阶段已完成；继续完成全量入口收敛 |
+| P0 | 数据转换、数据处理和存储权限一致性 | 部分列表、文件、预览、版本、缓存和 MinIO 对象入口仍需逐接口核对“租户 + 所有者/ACL + 动作” | 必须完成全量入口审计，尤其是 `read/download/execute/write/delete` 的区分 |
+| P0 | 审计失败链路 | 审计装饰器已记录失败结果、原因、请求 ID、会话 ID 和租户；手工审计入口仍需继续统一 | 基础闭环已完成；继续补齐所有权限拒绝和异常入口 |
+| P1 | 租户成员生命周期 | 已有成员表和角色，但缺少邀请、加入申请、审批、过期、移除和前端租户切换的完整流程 | 需要开发，明确平台管理员与租户管理员的授予边界 |
+| P1 | 配额强制执行 | 配额申请和审批已实现，但训练、评测、推理、存储等资源消耗尚未全部进行原子配额检查和扣减 | 需要开发配额使用量/预留量/释放量账本，不能只保存配额配置 |
+| P1 | GPU 分配强校验 | 申请链路已实现，但分配前仍需统一校验节点状态、GPU 存在性、冲突、租户配额和释放对账 | 需要开发原子预留、超时回收和节点故障对账 |
+| P1 | 审批策略完整性 | 需要严格限制动作白名单、资源类型、模板作用域和重复申请；过期处理不应只依赖查询触发 | 需要补充定时过期、幂等键、执行失败重试和策略管理边界 |
+| P1 | 派生模型和数据血缘授权 | 基座模型、数据集、训练模型之间已有部分血缘，但权限来源、版本快照和派生资源默认授权规则还不够统一 | 需要固化“创建者 + 租户 + 显式 ACL”，禁止共享基座模型自动公开训练产物 |
+| P1 | 用户软删除和对象清理 | 用户及部分关联关系仍有物理删除风险；MinIO 对象、ACL、审批、缓存的异步清理缺少统一编排 | 需要补齐软删除、撤销、延迟清理和失败重试 |
+| P2 | 前端资源级权限体验 | 已有菜单/按钮级基础控制，但缺少统一 `can(resource, action)`、授权来源、有效期、审批中和 403 状态展示 | 需要开发统一权限组件和错误状态处理，后端校验仍是最终边界 |
+| P2 | 权限专项测试与上线检查 | 基础构建、静态检查、健康接口已验证，尚未完成双用户、跨租户、撤销、过期、MinIO 故障、GPU 冲突的全流程矩阵 | 必须补充自动化测试、迁移回归和离线部署验收 |
+
+### 10.3 需要优化的设计
+
+1. **从“角色判断”改为“动作授权”**：统一使用 `resource_type + resource_id + action + tenant_id + actor` 判断，平台管理员只作为明确的管理范围，不再作为各业务模块的隐式旁路。
+2. **区分平台角色和租户角色**：`users.role` 只表达平台级角色，`tenant_members.role` 表达租户内角色；禁止通过租户成员关系授予平台管理员权限。
+3. **区分查看、下载、执行、编辑、删除、授权**：`read` 不能替代 `download`，`execute` 不能替代 `export`，高风险动作必须绑定审批和审计。
+4. **统一资源列表和详情规则**：列表、详情、文件、版本、预览、缓存、下载和导出必须调用同一授权服务，避免“列表看不到但接口可访问”或“列表能看到但操作必然 403”。
+5. **权限与配额采用预留模型**：任务提交时原子预留 GPU、显存、并发数和存储额度，任务完成、失败、取消和节点失联时统一释放或对账。
+6. **审批采用可执行状态机**：申请、审批、拒绝、撤回、过期、执行中、执行失败、已执行状态分离；审批结果应有幂等执行记录，避免重复授权或重复分配。
+7. **敏感字段默认拒绝返回**：API key、对象内部凭据、节点访问凭据不能随普通资源详情返回；日志、审计和错误信息也不能泄露 Token、密码或完整连接串。
+8. **安全审计与访问统计分离**：权限成功、拒绝、下载、导出、授权、审批和异常进入不可篡改审计；页面访问统计单独存储，避免污染安全审计记录。
+
+## 十一、下一步开发计划
+
+### 阶段一：P0 安全封堵与统一策略
+
+1. 对模型列表、详情、名称查询及相关 DTO 做 API key/凭据脱敏，增加“仅后端内部读取”的封装。（基础闭环已完成，继续扫描任务和日志输出）
+2. 建立统一 `authorize(resource, action)` 服务，定义动作白名单和平台管理员、租户管理员、所有者、ACL 的判定顺序。（已完成动作白名单，继续迁移全部入口）
+3. 逐项审计平台、数据处理、数据转换、存储、MinIO、模型、数据集、训练、评测、推理的列表、详情、预览、下载、导出、缓存和删除入口。
+4. 统一记录权限成功、拒绝和异常审计，补齐 `tenant_id`、`resource_id`、`action`、`request_id`、`session_id`、`reason` 和 `result`。（装饰器基础闭环已完成，继续覆盖手工记录入口）
+
+### 阶段二：租户成员、审批和配额闭环
+
+1. 开发租户邀请/加入申请/审批/移除/过期流程及前端租户切换。
+2. 为审批模板增加动作和资源类型白名单、租户作用域、幂等键、过期任务和执行失败重试。
+3. 建立配额预留账本，训练、评测、推理、存储和 GPU 任务提交前统一原子检查；任务终态和故障恢复统一释放。
+4. 完善 GPU 节点、GPU 卡、租户、用户和任务的占用关系校验，覆盖冲突、超时、节点不可达和服务重启恢复。
+
+### 阶段三：资源血缘和生命周期
+
+1. 固化基座模型、数据集、数据处理结果、训练任务、训练模型、评测和推理任务的资源血缘及版本快照。
+2. 明确派生模型默认授权规则，训练产物不因基座模型共享而自动对外公开。
+3. 补齐用户、租户、资源、ACL、审批、MinIO 对象和本地缓存的软删除、撤销、延迟清理和失败重试。
+
+### 阶段四：前端权限体验与测试
+
+1. 开发统一资源级权限组件，按动作隐藏/禁用按钮，并展示授权来源、有效期、审批状态和明确的 401/403 原因。
+2. 将审批、ACL、审计列表中的用户、租户、资源 ID 映射为可读名称，同时保留 ID 作为详情字段。
+3. 编写并执行权限专项测试矩阵：未登录、同租户成员、资源所有者、ACL 授权、跨租户、禁用用户、会话注销、审批撤回/过期、软删除、MinIO 故障、GPU 冲突和配额不足。
+4. 在第二个可达节点或多卡节点准备后执行多节点、多 GPU 并发及故障恢复测试；完成主工程与 `docker/offline/src` 的源码、初始化 SQL、迁移和部署文档一致性检查。
+
+## 十二、下一阶段完成标准
+
+- 普通资源接口不再返回 API key、密码、Token 或节点访问凭据。
+- 所有资源入口都经过统一的租户边界和动作授权，跨租户访问返回明确 403。
+- 训练、评测、推理创建同时满足资源权限、GPU 预留和租户配额，失败时不会留下孤儿占用。
+- 审批只能由合法审批人执行，申请人不能自审；重复回调不会重复授权、分配或扣减配额。
+- 权限拒绝、下载、导出、授权、审批和异常均能按用户、租户、资源和请求 ID追溯。
+- 主工程和离线目录初始化新库均无缺表、缺字段；迁移可重复执行且不破坏既有数据。
+- 权限专项自动化测试通过，且完成至少一次双用户、跨租户和 MinIO 故障场景的真实容器验证。
+
+## 十三、上一阶段权限闭环开发结果（2026-08-20）
+
+本轮围绕 P0 安全封堵完成了一个可验证的权限闭环：
+
+1. **模型凭据不出接口**：模型列表、详情、按名称查询、创建、更新和用途更新响应统一经过公开 DTO 脱敏，移除 `api_key`、密码、Token 等字段，仅返回 `api_key_configured` 布尔状态；后端内部评测、数据生成仍使用数据库中的真实配置。
+2. **编辑密钥不被意外清空**：前端编辑在线模型时不回填真实密钥，留空表示保留已有配置，只有管理员主动输入新值时才提交替换。
+3. **资源动作统一入口**：增加资源动作白名单 `read/write/execute/download/export/delete/admin`，并将 `export` 统一归一到下载权限，非法动作默认拒绝，避免把模块权限误当成资源权限。
+4. **失败审计闭环**：审计装饰器对成功和异常分别记录，失败记录包含结果、失败原因、租户、请求 ID、会话 ID和耗时，并对异常中的常见凭据进行脱敏。
+5. **访问统计受控**：模块访问统计只接受平台已登记的模块名，不能通过请求参数向安全审计表写入任意动作；审计 CSV 导出改为标准 CSV 编码，并补充结果、原因、请求和会话字段。
+6. **离线版本同步**：上述后端权限代码、前端模型编辑代码和权限安全回归用例已同步到 `docker/offline/src`；本轮未新增数据库字段，因此 `000_full_init.sql` 无需变更。
+
+### 上一阶段验证结果
+
+- 后端权限相关模块 `python -m py_compile`：通过。
+- WSL Backend 容器执行权限安全用例：8 passed；仅有 pytest 缓存目录只读警告。
+- 前端 `npm run build`：通过；仅保留既有 Font Awesome 路径和 chunk size 警告。
+- 容器接口验证：未登录访问模型接口返回 401；管理员访问模型列表/详情时响应不包含 `api_key`，仅返回 `api_key_configured`。
+- Backend 容器已重启并加载当前源码；数据库无需迁移。
+
+### 上一阶段未覆盖的范围（已在第十四节继续处理）
+
+本轮没有声称完成配额账本、GPU 原子预留、租户邀请/加入申请、审批定时过期、所有资源入口的逐接口审计，以及第二节点/多 GPU 的真实并发测试；这些仍按“十一、下一步开发计划”执行。
+
+## 十四、本轮继续开发结果（2026-08-20）
+
+### 已完成
+
+1. 新增 `tenant_quota_reservations` 配额预留账本，支持按租户统计 GPU 预留量、原子限制 GPU 配额，以及任务完成、失败、停止、删除和节点故障时释放预留。
+2. 训练、评测和推理统一接入租户 GPU 配额预留；评测/推理使用的 `gpu_reservations` 与配额账本在同一事务内创建或释放，避免只释放算力卡而遗留配额占用。
+3. 租户成员支持邀请、接受、过期、角色更新和移除；邀请不允许授予 `owner`，成员状态和租户有效性由后端校验，租户详情页补充成员管理和 GPU 配额使用量展示。
+4. 审批动作增加白名单，非法动作拒绝创建；相同申请人在同一资源上的待审批申请幂等复用；审批实例读取时自动处理过期状态，资源访问申请也避免重复创建。
+5. GPU 分配增加节点启用状态、GPU 卡存在性、用户 active 状态和同卡跨用户冲突校验；冲突返回 409，不再静默覆盖或产生重复授权。
+6. 完整初始化 SQL 增加配额预留表和索引，新增 `010_permission_quota_membership.sql` 增量迁移；主工程相关源码、前端租户 API/页面和 SQL 已同步到离线源码目录。
+
+### 本轮验证
+
+- WSL Backend 容器重启后，`tenant_quota_reservations` 可正常查询，默认租户配额使用量返回正常。
+- WSL Backend 容器执行 `test_permission_security.py`：3 passed。
+- 后端相关文件 `python -m py_compile`：通过。
+- 前端 `npm run build`：通过；仅保留既有 Font Awesome 资源路径和大 chunk 警告。
+
+### 必须后续验证的场景
+
+1. 创建第二个 active 用户和第二个租户，验证邀请接受、租户切换、跨租户资源访问均按预期返回 401/403。
+2. 将租户 GPU 配额设为 1，同时提交两个需要 GPU 的训练/评测/推理任务，确认第二个任务被拒绝；第一个任务终态后确认配额可再次使用。
+3. 在同一多卡节点上让两个用户申请同一张卡，确认审批执行阶段冲突返回 409，另一张空闲卡仍可正常分配。
+4. 构造过期审批、重复提交、审批拒绝/撤回，确认不会重复创建 ACL、GPU 分配或配额预留。
+5. 准备第二个可达节点或多卡节点，执行训练、评测、推理的多节点/多 GPU 并发和节点失联回收测试。
+6. 注入 MinIO 故障，确认任务失败后 GPU 与租户配额均能释放，恢复 MinIO 后可以重新提交任务。
+
+### 下一步计划
+
+- 补齐数据处理、数据转换、MinIO 对象、缓存、版本和报告下载等剩余资源入口的逐接口动作授权审计。
+- 将用户物理删除改为统一软删除，并编排成员关系、ACL、审批、MinIO 对象和本地缓存的撤销与延迟清理。
+- 将上述后续验证场景加入自动化测试矩阵和离线部署验收脚本；在多节点条件满足后更新本文件的上线验收进度。