Merge pull request 'ft_wyt' (#5) from ft_wyt into main

Reviewed-on: #5

.dockerignore

@@ -0,0 +1,11 @@
+.git
+.gitignore
+node_modules
+frontend/node_modules
+frontend/dist
+frontend/.vite
+npm-debug.log*
+docker-compose*.yml
+README.md
+design-qa.md
+docs

Dockerfile

@@ -0,0 +1,19 @@
+# syntax=docker/dockerfile:1
+
+FROM node:20-alpine AS build
+WORKDIR /app/frontend
+
+COPY frontend/package*.json ./
+RUN npm ci
+
+COPY frontend/ ./
+RUN npm run build
+
+FROM nginx:1.27-alpine
+COPY docker/nginx.conf.template /etc/nginx/templates/default.conf.template
+COPY --from=build /app/frontend/dist /usr/share/nginx/html
+
+EXPOSE 80
+
+HEALTHCHECK --interval=30s --timeout=3s --start-period=10s --retries=3 \
+  CMD wget -qO- http://127.0.0.1/ >/dev/null || exit 1

README.md

@@ -1,133 +1,107 @@
-# YG_FT
+# YG_FT 模型微调平台
 
-远光微调平台 - 面向大语言模型的微调、评测、推理与对比一体化前端。
+YG_FT 是一个面向企业治理场景的完整模型微调平台，覆盖用户中心、多租户、项目隔离、数据集管理、模型管理、训练任务、评测、推理、审批流、审计留存、算力调度和训练引擎适配。当前前端已存在基础页面，后端与算力平台已按多人协作开发方式建立工程骨架。
 
-## 技术栈
+## 总体架构
 
-| 类别 | 技术 | 版本 |
+```text
-|------|------|------|
+YG_FT/
-| 框架 | Vue 3 | ^3.5.13 |
+  frontend/                 # 前端应用，承载训练平台控制台页面
-| 语言 | TypeScript | ~5.7.2 |
+  backend/                  # FastAPI 应用平台后端
-| 构建工具 | Vite | ^6.0.7 |
+    app/
-| 路由 | Vue Router | ^4.5.0 |
+      api/v1/               # 对前端暴露的 REST API
-| 状态管理 | Pinia | ^2.3.0 |
+      core/                 # 配置、日志、中间件、权限等基础能力
-| UI 组件库 | Element Plus | ^2.9.1 |
+      db/                   # 数据库连接、迁移、事务工具
-| HTTP 客户端 | axios | ^1.7.9 |
+      modules/              # 业务模块目录
-| 图表 | ECharts / vue-echarts | ^6.1.0 / ^8.0.1 |
+      schemas/              # Pydantic 入参/出参模型
-| Markdown | marked + DOMPurify | ^15.0.5 / ^3.2.3 |
+      services/             # 跨模块应用服务
-| 编辑器 | md-editor-v3 | ^5.1.4 |
+      workers/              # 后台任务入口
-| 工具集 | @vueuse/core | ^11.3.0 |
+    requirements.txt        # 后端 Python 第三方依赖
-| 样式 | Sass | ^1.83.0 |
+  compute/                  # 算力平台与训练框架适配层
+    api/                    # 内部 Compute API
+    agent/                  # 单机多 GPU 调度与进程管理
+    engines/llama_factory/  # LLaMA-Factory 适配器
+    file_gateway/           # 本地文件上传、下载、导入、产物管理
+  docs/                     # 需求、接口、数据库、开发计划和部署文档
+  docker/                   # Nginx 等容器化配置
+```
 
-**项目版本**：1.0.0
+## 平台分层
 
-## 环境要求
+| 层级 | 职责 | 主要目录 |
+| --- | --- | --- |
+| 前端控制台 | 用户操作入口、任务看板、项目/模型/数据集/训练/审批/审计页面 | `frontend/` |
+| 应用平台后端 | 用户中心、多租户、RBAC/ABAC、项目隔离、元数据、审批流、审计、API 编排 | `backend/` |
+| 算力平台 | GPU 发现、资源锁定、训练进程管理、日志采集、产物归档、任务状态回传 | `compute/` |
+| 训练引擎 | 当前固定接入 LLaMA-Factory，预留其他训练平台适配标准 | `compute/engines/` |
+| 数据层 | PostgreSQL、Redis、本地文件存储、日志归档 | `docs/postgres-schema.sql` |
 
-- **Node.js** >= 18（推荐 20 LTS）
+## 关键能力
-- **npm** >= 9
-- 后端服务运行于 `http://localhost:7861`（前端通过代理转发，见下文）
 
-## 快速开始
+- 多租户：租户级数据隔离、租户配置、租户成员和角色。
+- 权限控制：支持项目、模型、数据集级隔离，后续可扩展到字段级和操作级策略。
+- 审批流：覆盖数据集发布、模型发布、训练资源申请、推理服务上线等企业流程。
+- 审计留存：操作审计、安全审计、审批审计、任务审计，支持留存周期策略。
+- 训练任务：训练参数管理、单机多 GPU 调度、任务状态同步、训练日志、产物管理。
+- 引擎适配：默认 LLaMA-Factory，预留统一 Engine Adapter 接口接入其他微调框架。
+- 文件存储：当前使用本地磁盘，按租户/项目/数据集/任务分区。
+- 日志采集：后端 JSON Lines 日志，主日志和错误日志拆分，便于 ELK/日志平台采集。
 
-### 1. 安装依赖
+## 后端启动
 
 ```bash
-cd frontend
+cd backend
-npm install
+python -m venv .venv
+.venv\Scripts\activate
+pip install -r requirements.txt
+uvicorn app.main:app --reload
 ```
 
-### 2. 启动开发服务器
+默认健康检查：
 
-```bash
+```text
-npm run dev
+GET /api/v1/health
 ```
 
-开发服务器默认运行在 `http://localhost:6801`。
+## 日志
 
-### 3. 构建生产包
+后端日志模块位于 `backend/app/core/logging.py`，说明文档见：
 
-```bash
+- `docs/backend-logging.md`
-npm run build      # 类型检查 + 生产构建，产物输出到 dist/
+
-npm run preview    # 本地预览构建产物
+默认输出：
+
+```text
+logs/backend-YYYY-MM-DD.log
+logs/error-YYYY-MM-DD.log
 ```
 
-### 4. 类型检查
+日志格式为 JSON Lines，单个文件不超过 20MB，只保留最近 10 天。
 
-```bash
+## 主要文档
-npm run type-check
-```
 
-## 测试
+- `docs/platform-architecture-requirements.md`：平台需求、功能模块、页面补全建议。
+- `docs/backend-api-design.md`：FastAPI 接口分组、参数定义、权限说明。
+- `docs/postgres-schema.sql`：PostgreSQL 数据库脚本，包含权限、用户中心、多租户、审批、审计等模型。
+- `docs/system-development-plan.md`：多人协作开发计划，按前端、后端、DB、部署拆分。
+- `docs/backend-logging.md`：后端日志模块使用说明。
+- `docs/deployment-plan.md`：后期部署方案，覆盖单机算力服务器部署与应用/算力分离部署。
 
-内置基于 Playwright 的 UI 回归脚本，首次运行前需安装浏览器：
+## 部署模式
 
-```bash
+平台支持两种主要部署模式：
-npx playwright install chromium
-```
 
-执行已注册的回归脚本：
+1. 所有服务部署在算力服务器：适合 PoC、内网试点、小团队单机多 GPU 使用。
+2. 应用服务和算力/训练服务独立部署：适合企业生产环境，应用平台部署在业务服务区，算力平台和 LLaMA-Factory 部署在 GPU 服务器。
 
-```bash
+生产环境建议采用第二种模式。算力平台与训练框架应部署在 GPU 算力服务器上，应用平台不直接控制 GPU 进程，而是通过内部 Compute API 调度训练任务。
-npm run test:data-process-wizard   # 数据处理向导
-npm run test:model-manage          # 模型管理
-npm run test:training-log-layout   # 训练日志布局
-npm run test:page-surface          # 页面表层级
-```
 
-其余脚本可直接运行：
+详细方案见 `docs/deployment-plan.md`。
 
-```bash
+## 后续开发原则
-node scripts/regression-back-navigation.mjs       # 返回导航
-node scripts/regression-fine-tune-create-ui.mjs   # 调优创建 UI
-```
 
-> 回归脚本默认连接 `http://localhost:6801`，需先启动开发服务器。
+- 接口实现优先遵循 `docs/backend-api-design.md`。
-
+- 数据库实现优先遵循 `docs/postgres-schema.sql`，后续通过 Alembic 迁移管理变更。
-## 目录结构
+- 前端页面与后端接口、数据库表之间的映射以文档中的“对应页面/功能模块”为准。
-
+- 训练引擎适配必须通过 `compute/engines/` 下的标准接口，不在应用平台后端直接拼接训练命令。
-```
+- 敏感信息不得写入日志，生产环境密钥通过环境变量或密钥管理系统注入。
-YG-FT/
-├── frontend/              # 前端工程（Vue 3 SPA）
-│   ├── src/
-│   │   ├── api/           # axios 封装 + 各业务模块 API
-│   │   ├── components/    # 公共组件
-│   │   ├── composables/   # 组合式函数
-│   │   ├── constants/     # 常量与映射表
-│   │   ├── layouts/       # 主布局
-│   │   ├── mock/          # Mock 数据与适配器
-│   │   ├── plugins/       # 第三方插件注册
-│   │   ├── router/        # 路由配置 + 登录守卫
-│   │   ├── stores/        # Pinia 状态
-│   │   ├── styles/        # 全局样式
-│   │   ├── types/         # TypeScript 类型定义
-│   │   └── views/         # 业务页面
-│   ├── scripts/           # UI 回归测试脚本
-│   ├── public/            # 静态资源
-│   └── vite.config.ts     # Vite 构建与代理配置
-├── docs/                  # 设计文档与视觉走查记录
-└── design-qa.md           # 视觉走查汇总
-```
-
-## 端口与代理
-
-| 服务 | 地址 |
-|------|------|
-| 前端开发服务器 | `http://localhost:6801` |
-| 后端 API | `http://localhost:7861` |
-
-前端统一使用 `/api` 相对路径发请求，由 Vite 开发代理转发到后端 `http://localhost:7861`（配置见 `frontend/vite.config.ts`）。
-
-## 业务模块
-
-| 模块 | 说明 |
-|------|------|
-| 登录 | 用户登录鉴权 |
-| 模型调优 | 微调任务创建与管理 |
-| 模型评测 | 评测任务与评测维度配置 |
-| 模型推理 | 在线推理对话 |
-| 模型对比 | 多模型对话与结果对比 |
-| 模型管理 | 模型 CRUD 与权重合并 |
-| 数据集 | 数据集管理与预览 |
-| 数据处理 | 数据处理任务向导 |
-| 工具 | 辅助工具集 |
-| 系统 | 硬件监控、日志、训练日志 |

backend/.env.example

@@ -0,0 +1,9 @@
+APP_NAME=YG Fine-Tune Platform API
+APP_ENV=local
+API_PREFIX=/api
+LOG_LEVEL=INFO
+LOG_DIR=./logs
+LOG_FILE_PREFIX=backend
+LOG_ERROR_FILE_PREFIX=error
+LOG_MAX_BYTES=20971520
+LOG_RETENTION_DAYS=10

backend/README.md

@@ -0,0 +1,65 @@
+# Backend Service
+
+后端工程使用 FastAPI，定位为模型微调平台的应用平台服务，负责用户中心、多租户、权限隔离、项目、数据集、模型、训练任务、审批、审计和算力平台编排。
+
+## 目录结构
+
+```text
+backend/
+  app/
+    main.py                  # FastAPI 应用入口
+    api/v1/                  # 对前端暴露的 API 路由
+    core/                    # 配置、日志、中间件、权限等基础能力
+    db/                      # 数据库连接、迁移集成、事务工具
+    modules/                 # 业务模块
+      auth/
+      tenant/
+      project/
+      model/
+      dataset/
+      data_process/
+      fine_tune/
+      eval/
+      inference/
+      approval/
+      audit/
+      compute_gateway/
+      file_gateway/
+      engine_registry/
+      retention/
+      system/
+    schemas/                 # Pydantic 入参/出参模型
+    services/                # 跨模块应用服务
+    workers/                 # 后台任务入口
+  requirements.txt           # 后端第三方依赖
+  logs/                      # 本地开发日志目录，生产环境建议挂载到独立日志盘
+```
+
+## 本地启动
+
+```bash
+cd backend
+python -m venv .venv
+.venv\Scripts\activate
+pip install -r requirements.txt
+uvicorn app.main:app --reload
+```
+
+健康检查：
+
+```text
+GET /api/v1/health
+```
+
+## 日志
+
+日志模块位于 `app/core/logging.py`，使用说明见 `../docs/backend-logging.md`。
+
+默认日志文件：
+
+```text
+logs/backend-YYYY-MM-DD.log
+logs/error-YYYY-MM-DD.log
+```
+
+文件日志为 JSON Lines 格式，单个文件不超过 20MB，只保存最近 10 天，错误日志按 `ERROR` 级别独立拆分，便于 ELK/日志平台采集。

backend/app/__init__.py

@@ -0,0 +1 @@
+"""Application package."""

backend/app/api/__init__.py

@@ -0,0 +1 @@
+"""API package."""

backend/app/api/v1/__init__.py

@@ -0,0 +1 @@
+"""Versioned API package."""

backend/app/api/v1/endpoints/__init__.py

@@ -0,0 +1 @@
+"""API endpoint modules."""

backend/app/api/v1/endpoints/health.py

@@ -0,0 +1,12 @@
+from fastapi import APIRouter
+
+from app.core.logging import get_logger
+
+router = APIRouter()
+logger = get_logger(__name__)
+
+
+@router.get("/health")
+async def health_check() -> dict[str, str]:
+    logger.info("health check requested")
+    return {"status": "ok"}

backend/app/api/v1/router.py

@@ -0,0 +1,6 @@
+from fastapi import APIRouter
+
+from app.api.v1.endpoints.health import router as health_router
+
+api_router = APIRouter()
+api_router.include_router(health_router, tags=["health"])

backend/app/core/__init__.py

@@ -0,0 +1 @@
+"""Core infrastructure modules."""

backend/app/core/config.py

@@ -0,0 +1,28 @@
+from dataclasses import dataclass
+from functools import lru_cache
+import os
+
+
+def _int_env(name: str, default: int) -> int:
+    raw = os.getenv(name)
+    if raw is None or raw == "":
+        return default
+    return int(raw)
+
+
+@dataclass(frozen=True)
+class Settings:
+    app_name: str = os.getenv("APP_NAME", "YG Fine-Tune Platform API")
+    app_env: str = os.getenv("APP_ENV", "local")
+    api_prefix: str = os.getenv("API_PREFIX", "/api")
+    log_level: str = os.getenv("LOG_LEVEL", "INFO")
+    log_dir: str = os.getenv("LOG_DIR", "./logs")
+    log_file_prefix: str = os.getenv("LOG_FILE_PREFIX", "backend")
+    log_error_file_prefix: str = os.getenv("LOG_ERROR_FILE_PREFIX", "error")
+    log_max_bytes: int = _int_env("LOG_MAX_BYTES", 20 * 1024 * 1024)
+    log_retention_days: int = _int_env("LOG_RETENTION_DAYS", 10)
+
+
+@lru_cache
+def get_settings() -> Settings:
+    return Settings()

backend/app/core/logging.py

@@ -0,0 +1,253 @@
+from __future__ import annotations
+
+from contextvars import ContextVar
+from datetime import date, datetime, timedelta
+import json
+import logging
+from logging import Handler, LogRecord
+from pathlib import Path
+import re
+import time
+from typing import Any
+from uuid import uuid4
+
+from fastapi import FastAPI, Request
+
+from app.core.config import Settings, get_settings
+
+request_id_var: ContextVar[str] = ContextVar("request_id", default="-")
+
+
+class RequestIdFilter(logging.Filter):
+    def filter(self, record: LogRecord) -> bool:
+        record.request_id = request_id_var.get()
+        return True
+
+
+class JsonLogFormatter(logging.Formatter):
+    """Format one JSON object per line for ELK/Filebeat collection."""
+
+    def format(self, record: LogRecord) -> str:
+        payload: dict[str, Any] = {
+            "@timestamp": datetime.fromtimestamp(record.created).astimezone().isoformat(
+                timespec="milliseconds"
+            ),
+            "level": record.levelname,
+            "logger": record.name,
+            "message": record.getMessage(),
+            "module": record.module,
+            "function": record.funcName,
+            "file": record.pathname,
+            "line": record.lineno,
+            "process": record.process,
+            "thread": record.thread,
+            "thread_name": record.threadName,
+            "request_id": getattr(record, "request_id", "-"),
+        }
+        if record.exc_info:
+            payload["exception"] = self.formatException(record.exc_info)
+        if record.stack_info:
+            payload["stack"] = self.formatStack(record.stack_info)
+        return json.dumps(payload, ensure_ascii=False, separators=(",", ":"))
+
+
+class DateSizeRotatingFileHandler(Handler):
+    """Rotate log files by date and size while keeping date in every file name."""
+
+    def __init__(
+        self,
+        log_dir: str | Path,
+        file_prefix: str,
+        max_bytes: int,
+        retention_days: int,
+        encoding: str = "utf-8",
+    ) -> None:
+        super().__init__()
+        self.log_dir = Path(log_dir)
+        self.file_prefix = file_prefix
+        self.max_bytes = max_bytes
+        self.retention_days = retention_days
+        self.encoding = encoding
+        self._current_date: date | None = None
+        self._stream: Any | None = None
+        self._current_path: Path | None = None
+        self.log_dir.mkdir(parents=True, exist_ok=True)
+
+    def emit(self, record: LogRecord) -> None:
+        try:
+            message = self.format(record) + self.terminator
+            encoded_size = len(message.encode(self.encoding))
+            self._ensure_stream()
+            if self._should_rotate(encoded_size):
+                self._rotate_by_size()
+                self._ensure_stream(force=True)
+            self._stream.write(message)
+            self.flush()
+            self._cleanup_expired_files()
+        except Exception:
+            self.handleError(record)
+
+    @property
+    def terminator(self) -> str:
+        return "\n"
+
+    def flush(self) -> None:
+        if self._stream and not self._stream.closed:
+            self._stream.flush()
+
+    def close(self) -> None:
+        try:
+            if self._stream and not self._stream.closed:
+                self._stream.close()
+        finally:
+            self._stream = None
+            super().close()
+
+    def _dated_path(self, target_date: date) -> Path:
+        return self.log_dir / f"{self.file_prefix}-{target_date.isoformat()}.log"
+
+    def _ensure_stream(self, force: bool = False) -> None:
+        today = date.today()
+        if not force and self._stream and self._current_date == today:
+            return
+
+        if self._stream and not self._stream.closed:
+            self._stream.close()
+
+        self._current_date = today
+        self._current_path = self._dated_path(today)
+        self._stream = self._current_path.open("a", encoding=self.encoding)
+
+    def _should_rotate(self, incoming_size: int) -> bool:
+        if not self._current_path or self.max_bytes <= 0:
+            return False
+        if not self._current_path.exists():
+            return False
+        return self._current_path.stat().st_size + incoming_size > self.max_bytes
+
+    def _rotate_by_size(self) -> None:
+        if not self._current_path or not self._current_path.exists():
+            return
+
+        if self._stream and not self._stream.closed:
+            self._stream.close()
+            self._stream = None
+
+        stem = self._current_path.stem
+        suffix = self._current_path.suffix
+        index = 1
+        while True:
+            rotated_path = self.log_dir / f"{stem}.{index}{suffix}"
+            if not rotated_path.exists():
+                self._current_path.rename(rotated_path)
+                return
+            index += 1
+
+    def _cleanup_expired_files(self) -> None:
+        if self.retention_days <= 0:
+            return
+
+        cutoff = date.today() - timedelta(days=self.retention_days - 1)
+        pattern = re.compile(
+            rf"^{re.escape(self.file_prefix)}-(\d{{4}}-\d{{2}}-\d{{2}})(?:\.\d+)?\.log$"
+        )
+        for path in self.log_dir.glob(f"{self.file_prefix}-*.log"):
+            match = pattern.match(path.name)
+            if not match:
+                continue
+            file_date = datetime.strptime(match.group(1), "%Y-%m-%d").date()
+            if file_date < cutoff:
+                path.unlink(missing_ok=True)
+
+
+def configure_logging(settings: Settings | None = None) -> None:
+    settings = settings or get_settings()
+
+    root_logger = logging.getLogger()
+    root_logger.handlers.clear()
+    root_logger.setLevel(settings.log_level.upper())
+
+    console_formatter = logging.Formatter(
+        fmt=(
+            "%(asctime)s | %(levelname)s | pid=%(process)d | %(threadName)s | "
+            "request_id=%(request_id)s | %(name)s | %(pathname)s:%(lineno)d | %(message)s"
+        ),
+        datefmt="%Y-%m-%d %H:%M:%S",
+    )
+    json_formatter = JsonLogFormatter()
+    request_filter = RequestIdFilter()
+
+    console_handler = logging.StreamHandler()
+    console_handler.setFormatter(console_formatter)
+    console_handler.addFilter(request_filter)
+
+    file_handler = DateSizeRotatingFileHandler(
+        log_dir=settings.log_dir,
+        file_prefix=settings.log_file_prefix,
+        max_bytes=settings.log_max_bytes,
+        retention_days=settings.log_retention_days,
+    )
+    file_handler.setFormatter(json_formatter)
+    file_handler.addFilter(request_filter)
+
+    error_file_handler = DateSizeRotatingFileHandler(
+        log_dir=settings.log_dir,
+        file_prefix=settings.log_error_file_prefix,
+        max_bytes=settings.log_max_bytes,
+        retention_days=settings.log_retention_days,
+    )
+    error_file_handler.setLevel(logging.ERROR)
+    error_file_handler.setFormatter(json_formatter)
+    error_file_handler.addFilter(request_filter)
+
+    root_logger.addHandler(console_handler)
+    root_logger.addHandler(file_handler)
+    root_logger.addHandler(error_file_handler)
+
+    for logger_name in ("uvicorn", "uvicorn.error", "uvicorn.access"):
+        logger = logging.getLogger(logger_name)
+        logger.handlers.clear()
+        logger.propagate = True
+
+
+def get_logger(name: str) -> logging.Logger:
+    return logging.getLogger(name)
+
+
+def set_request_id(request_id: str) -> None:
+    request_id_var.set(request_id)
+
+
+def setup_request_logging(app: FastAPI) -> None:
+    logger = get_logger("app.access")
+
+    @app.middleware("http")
+    async def request_logging_middleware(request: Request, call_next):  # type: ignore[no-untyped-def]
+        request_id = request.headers.get("X-Request-ID") or str(uuid4())
+        token = request_id_var.set(request_id)
+        started_at = time.perf_counter()
+        try:
+            response = await call_next(request)
+            elapsed_ms = (time.perf_counter() - started_at) * 1000
+            logger.info(
+                "request completed method=%s path=%s status_code=%s duration_ms=%.2f client=%s",
+                request.method,
+                request.url.path,
+                response.status_code,
+                elapsed_ms,
+                request.client.host if request.client else "-",
+            )
+            response.headers["X-Request-ID"] = request_id
+            return response
+        except Exception:
+            elapsed_ms = (time.perf_counter() - started_at) * 1000
+            logger.exception(
+                "request failed method=%s path=%s duration_ms=%.2f client=%s",
+                request.method,
+                request.url.path,
+                elapsed_ms,
+                request.client.host if request.client else "-",
+            )
+            raise
+        finally:
+            request_id_var.reset(token)

backend/app/db/__init__.py

@@ -0,0 +1 @@
+"""Database infrastructure package."""

backend/app/db/session.py

@@ -0,0 +1,4 @@
+"""Database session factory placeholder.
+
+Implement SQLAlchemy/SQLModel session management here when database development starts.
+"""

backend/app/main.py

@@ -0,0 +1,18 @@
+from fastapi import FastAPI
+
+from app.api.v1.router import api_router
+from app.core.config import get_settings
+from app.core.logging import configure_logging, setup_request_logging
+
+
+def create_app() -> FastAPI:
+    settings = get_settings()
+    configure_logging(settings)
+
+    app = FastAPI(title=settings.app_name)
+    setup_request_logging(app)
+    app.include_router(api_router, prefix=settings.api_prefix)
+    return app
+
+
+app = create_app()

backend/app/modules/README.md

@@ -0,0 +1,15 @@
+# Backend Module Convention
+
+每个业务模块建议保持一致结构：
+
+```text
+module_name/
+  __init__.py
+  router.py       # FastAPI router
+  schemas.py      # Pydantic request/response models
+  service.py      # Business orchestration
+  repository.py   # Database access
+  permissions.py  # Optional resource permission checks
+```
+
+模块边界以 `docs/system-development-plan.md` 的页面模块开发工作包为准。

backend/app/modules/approval/__init__.py

@@ -0,0 +1 @@
+"""Approval workflow module."""

backend/app/modules/audit/__init__.py

@@ -0,0 +1 @@
+"""Audit log module."""

backend/app/modules/auth/__init__.py

@@ -0,0 +1 @@
+"""Authentication and user session module."""

backend/app/modules/compute_gateway/__init__.py

@@ -0,0 +1 @@
+"""Application-side compute platform gateway module."""

backend/app/modules/data_process/__init__.py

@@ -0,0 +1 @@
+"""Data processing module."""

backend/app/modules/dataset/__init__.py

@@ -0,0 +1 @@
+"""Dataset management module."""

backend/app/modules/engine_registry/__init__.py

@@ -0,0 +1 @@
+"""Training engine registry module."""

backend/app/modules/eval/__init__.py

@@ -0,0 +1 @@
+"""Evaluation module."""

backend/app/modules/file_gateway/__init__.py

@@ -0,0 +1 @@
+"""Application-side file gateway module."""

backend/app/modules/fine_tune/__init__.py

@@ -0,0 +1 @@
+"""Fine-tuning task module."""

backend/app/modules/inference/__init__.py

@@ -0,0 +1 @@
+"""Inference and compare module."""

backend/app/modules/model/__init__.py

@@ -0,0 +1 @@
+"""Model registry module."""

backend/app/modules/project/__init__.py

@@ -0,0 +1 @@
+"""Project workspace and member module."""

backend/app/modules/retention/__init__.py

@@ -0,0 +1 @@
+"""Retention policy and cleanup module."""

backend/app/modules/system/__init__.py

@@ -0,0 +1 @@
+"""System health, metrics and logs module."""

backend/app/modules/tenant/__init__.py

@@ -0,0 +1 @@
+"""Tenant management module."""

backend/app/schemas/__init__.py

@@ -0,0 +1 @@
+"""Shared schemas package."""

backend/app/services/__init__.py

@@ -0,0 +1 @@
+"""Cross-module services package."""

backend/app/workers/__init__.py

@@ -0,0 +1 @@
+"""Background workers package."""

backend/pyproject.toml

@@ -0,0 +1,32 @@
+[project]
+name = "yg-ft-backend"
+version = "0.1.0"
+description = "Backend service for the model fine-tuning platform"
+requires-python = ">=3.11"
+dependencies = [
+  "fastapi>=0.111.0",
+  "uvicorn[standard]>=0.30.0",
+  "python-multipart>=0.0.9",
+  "pydantic>=2.7.0",
+  "sqlalchemy>=2.0.30",
+  "asyncpg>=0.29.0",
+  "alembic>=1.13.1",
+  "redis>=5.0.4",
+  "httpx>=0.27.0",
+  "PyJWT>=2.8.0",
+  "passlib[bcrypt]>=1.7.4",
+  "python-dotenv>=1.0.1",
+]
+
+[project.optional-dependencies]
+dev = [
+  "pytest>=8.2.0",
+  "ruff>=0.5.0",
+]
+
+[tool.ruff]
+line-length = 100
+target-version = "py311"
+
+[tool.pytest.ini_options]
+testpaths = ["tests"]

backend/requirements.txt

@@ -0,0 +1,12 @@
+fastapi>=0.111.0
+uvicorn[standard]>=0.30.0
+python-multipart>=0.0.9
+pydantic>=2.7.0
+sqlalchemy>=2.0.30
+asyncpg>=0.29.0
+alembic>=1.13.1
+redis>=5.0.4
+httpx>=0.27.0
+PyJWT>=2.8.0
+passlib[bcrypt]>=1.7.4
+python-dotenv>=1.0.1

compute/README.md

@@ -0,0 +1,24 @@
+# Compute Platform
+
+算力平台与应用平台分开部署，本目录用于后续实现单机多 GPU 调度、文件网关和训练引擎适配。
+
+## 目录结构
+
+```text
+compute/
+  api/                 # 只允许应用平台访问的内部 Compute API
+  agent/               # 单机 Agent，负责 GPU、进程、工作区管理
+  engines/
+    llama_factory/     # LLaMA-Factory 训练引擎适配器
+  file_gateway/        # 本地磁盘上传、下载、预览、离线导入
+  tests/
+```
+
+## 第一版职责
+
+- GPU 发现、状态上报、锁定和释放。
+- 本地磁盘工作区管理。
+- 创建、停止、查询训练/评测/推理/合并任务。
+- LLaMA-Factory 命令生成、日志解析、产物收集。
+- 分片上传、短时下载、离线导入。
+- 通过服务间 token 接受应用平台调用。

compute/agent/__init__.py

@@ -0,0 +1 @@
+"""Compute agent package."""

compute/api/__init__.py

@@ -0,0 +1 @@
+"""Compute API package."""

compute/engines/__init__.py

@@ -0,0 +1 @@
+"""Training engine adapters package."""

compute/engines/llama_factory/__init__.py

@@ -0,0 +1 @@
+"""LLaMA-Factory engine adapter package."""

compute/file_gateway/__init__.py

@@ -0,0 +1 @@
+"""Local file gateway package."""

compute/tests/__init__.py

@@ -0,0 +1 @@
+"""Compute platform tests package."""

docker-compose.yml

@@ -0,0 +1,15 @@
+services:
+  yg-ft-frontend:
+    build:
+      context: .
+      dockerfile: Dockerfile
+    image: yg-ft-frontend:latest
+    container_name: yg-ft-frontend
+    ports:
+      - "6801:80"
+    environment:
+      # Change this if the backend is deployed somewhere else.
+      API_PROXY_PASS: "http://host.docker.internal:7861"
+    extra_hosts:
+      - "host.docker.internal:host-gateway"
+    restart: unless-stopped

docker/nginx.conf.template

@@ -0,0 +1,30 @@
+server {
+  listen 80;
+  server_name _;
+
+  root /usr/share/nginx/html;
+  index index.html;
+
+  client_max_body_size 200m;
+
+  location / {
+    try_files $uri $uri/ /index.html;
+  }
+
+  location /api {
+    proxy_pass ${API_PROXY_PASS};
+    proxy_http_version 1.1;
+    proxy_set_header Host $host;
+    proxy_set_header X-Real-IP $remote_addr;
+    proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
+    proxy_set_header X-Forwarded-Proto $scheme;
+    proxy_read_timeout 300s;
+    proxy_send_timeout 300s;
+  }
+
+  location ~* \.(?:js|css|png|jpg|jpeg|gif|ico|svg|woff|woff2|ttf)$ {
+    try_files $uri =404;
+    expires 30d;
+    add_header Cache-Control "public, immutable";
+  }
+}

docs/backend-logging.md

@@ -0,0 +1,109 @@
+# 后端日志模块说明
+
+本文档对应页面/功能模块：全平台通用能力、系统设置、审计中心、任务详情、训练任务日志、运维监控。
+
+## 设计目标
+
+- 后端服务统一使用 `backend/app/core/logging.py` 初始化日志。
+- 日志文件按日期命名，单个文件超过 20MB 自动滚动。
+- 日志只保留最近 10 天，过期文件自动清理。
+- 业务日志使用 JSON Lines 格式，便于 Filebeat、Vector、Logstash、ELK、OpenSearch 等日志平台采集。
+- `ERROR` 及以上日志独立写入错误日志文件，便于告警与问题定位。
+- 日志字段必须包含代码文件、行号、函数、日志内容、请求 ID、进程和线程信息。
+
+## 文件命名
+
+默认日志目录由 `LOG_DIR` 控制，本地默认是 `./logs`。
+
+```text
+logs/
+  backend-2026-07-16.log      # INFO/ERROR 等全部应用日志，JSON Lines
+  backend-2026-07-16.1.log    # 当天主日志超过 20MB 后滚动产生
+  error-2026-07-16.log        # ERROR/CRITICAL 错误日志，JSON Lines
+  error-2026-07-16.1.log      # 当天错误日志超过 20MB 后滚动产生
+```
+
+## 环境变量
+
+```env
+LOG_LEVEL=INFO
+LOG_DIR=./logs
+LOG_FILE_PREFIX=backend
+LOG_ERROR_FILE_PREFIX=error
+LOG_MAX_BYTES=20971520
+LOG_RETENTION_DAYS=10
+```
+
+## JSON 字段
+
+每一行都是一个完整 JSON 对象。
+
+```json
+{
+  "@timestamp": "2026-07-16T13:20:10.123",
+  "level": "INFO",
+  "logger": "app.access",
+  "message": "request completed method=GET path=/api/v1/health status_code=200 duration_ms=3.12 client=127.0.0.1",
+  "module": "logging",
+  "function": "request_logging_middleware",
+  "file": "D:\\AI\\codex-code\\YG_FT\\backend\\app\\core\\logging.py",
+  "line": 169,
+  "process": 1234,
+  "thread": 5678,
+  "thread_name": "MainThread",
+  "request_id": "6f9d1c3c-8be0-4c8d-a5b2-18f9d41f9a0c"
+}
+```
+
+异常日志会额外包含：
+
+```json
+{
+  "exception": "Traceback ..."
+}
+```
+
+## 使用方式
+
+业务代码中不要直接 `print`，统一使用：
+
+```python
+from app.core.logging import get_logger
+
+logger = get_logger(__name__)
+
+logger.info("dataset uploaded dataset_id=%s", dataset_id)
+logger.warning("gpu queue is busy project_id=%s", project_id)
+logger.exception("training job failed job_id=%s", job_id)
+```
+
+`logger.exception(...)` 只能在 `except` 代码块中使用，它会自动写入堆栈信息，并同时进入主日志和错误日志。
+
+## FastAPI 接入
+
+应用入口 `backend/app/main.py` 已完成接入：
+
+```python
+settings = get_settings()
+configure_logging(settings)
+setup_request_logging(app)
+```
+
+请求日志会自动生成或透传 `X-Request-ID`，并在响应头中返回同一个请求 ID，方便前端、后端、算力服务、日志平台串联排障。
+
+## ELK/日志平台采集建议
+
+- 采集路径：`/app/logs/*.log` 或生产环境挂载后的日志目录。
+- 解析方式：按行读取，每行作为 JSON 文档解析。
+- 索引建议：
+  - 主日志：`yg-ft-backend-*`
+  - 错误日志：`yg-ft-backend-error-*`
+- 推荐保留字段：`@timestamp`、`level`、`logger`、`message`、`file`、`line`、`function`、`request_id`、`tenant_id`、`project_id`、`job_id`。
+- 业务开发后续应在关键模块日志中补充 `tenant_id`、`project_id`、`job_id` 等上下文字段，便于企业审计和问题定位。
+
+## 注意事项
+
+- 当前日志落本地磁盘，生产环境建议把日志目录挂载到独立数据盘。
+- 日志文件保留 10 天是应用侧兜底策略，企业侧长期留存应由 ELK、对象存储或归档服务承担。
+- 敏感字段如 token、密码、密钥、原始用户数据内容不得写入日志。
+- 算力节点和应用节点分开部署时，建议两侧都采用 JSON Lines 格式，并使用统一 `request_id/job_id` 贯穿链路。

docs/deployment-plan.md

@@ -0,0 +1,305 @@
+# 模型微调平台后期部署方案
+
+本文档对应页面/功能模块：系统设置、算力资源、训练任务、任务详情、模型管理、数据集管理、审批中心、审计中心、运维监控。
+
+## 1. 部署目标
+
+平台需要支持单机多 GPU 训练、本地磁盘文件存储、LLaMA-Factory 训练框架，并预留未来接入其他训练平台的能力。部署设计需要把“应用平台”和“算力平台”边界明确拆开：
+
+- 应用平台：面向用户、权限、项目、模型、数据集、审批、审计、任务编排和 API。
+- 算力平台：面向 GPU、训练进程、训练框架、本地工作目录、训练日志和产物。
+- 训练框架：当前固定 LLaMA-Factory，后续通过 Engine Adapter 标准接入其他框架。
+
+结论：算力平台和训练框架应该部署在 GPU 算力服务器上。原因是训练框架需要直接访问 GPU、CUDA、驱动、模型权重、本地数据集切片、训练工作目录和训练进程。应用平台可以与算力平台同机部署，也可以独立部署，但不建议在无 GPU 的应用服务器上直接运行 LLaMA-Factory。
+
+## 2. 服务清单
+
+| 服务 | 部署位置 | 职责 |
+| --- | --- | --- |
+| Nginx | 应用服务器或算力服务器 | 前端静态资源、反向代理、TLS 终止 |
+| Frontend | Nginx 静态目录 | 平台控制台 |
+| Backend API | 应用服务器 | FastAPI 接口、鉴权、元数据、审批、审计、任务编排 |
+| Backend Worker | 应用服务器 | 异步任务、状态同步、通知、审计归档 |
+| PostgreSQL | 应用服务器或独立数据库服务器 | 业务元数据、权限、审批、审计 |
+| Redis | 应用服务器或独立缓存服务器 | 队列、锁、短期状态、幂等控制 |
+| Compute API | GPU 算力服务器 | 只对应用平台开放的内部算力接口 |
+| Compute Agent | GPU 算力服务器 | GPU 发现、资源锁定、训练进程管理 |
+| File Gateway | GPU 算力服务器 | 本地文件上传、下载、离线导入、产物访问 |
+| LLaMA-Factory | GPU 算力服务器 | 实际训练、评测、合并、导出 |
+| 日志采集 Agent | 两侧服务器 | 采集应用日志、训练日志、系统日志 |
+
+## 3. 目录与存储规划
+
+建议生产环境把文件、日志、数据库数据分盘挂载：
+
+```text
+/opt/yg-ft/
+  app/                         # 应用服务代码
+  compute/                     # 算力服务代码
+  config/                      # 环境配置和服务配置
+  logs/
+    backend/                   # 后端 JSON Lines 日志
+    compute/                   # 算力服务日志
+    training/                  # 训练过程日志
+  data/
+    datasets/                  # 数据集文件
+    models/                    # 基座模型、微调模型、导出模型
+    jobs/                      # 训练任务工作目录
+    artifacts/                 # 评测报告、adapter、checkpoint、导出包
+```
+
+本地文件存储建议按租户、项目、资源类型分区：
+
+```text
+/data/yg-ft/
+  tenants/{tenant_id}/
+    projects/{project_id}/
+      datasets/{dataset_id}/
+      models/{model_id}/
+      jobs/{job_id}/
+```
+
+## 4. 方案一：所有服务部署在算力服务器
+
+### 4.1 适用场景
+
+- PoC、试点环境、演示环境。
+- 小团队共用一台单机多 GPU 服务器。
+- 网络隔离要求不高，部署资源有限。
+
+### 4.2 拓扑
+
+```mermaid
+flowchart LR
+  U["用户浏览器"] --> N["Nginx/Frontend"]
+  N --> B["Backend API"]
+  B --> DB["PostgreSQL"]
+  B --> R["Redis"]
+  B --> C["Compute API"]
+  C --> A["Compute Agent"]
+  A --> L["LLaMA-Factory"]
+  A --> G["GPU/CUDA"]
+  A --> FS["本地磁盘文件存储"]
+```
+
+### 4.3 部署方式
+
+同一台 GPU 服务器部署：
+
+- `frontend` 构建后由 Nginx 托管。
+- `backend-api` 使用 Uvicorn/Gunicorn 或容器运行。
+- `backend-worker` 独立进程运行。
+- `postgres` 和 `redis` 可使用 Docker Compose 或系统服务。
+- `compute-api`、`compute-agent`、`file-gateway` 与 LLaMA-Factory 在同机运行。
+- 训练产物、数据集、模型和日志都放在本地数据盘。
+
+### 4.4 优点
+
+- 部署简单，路径共享容易。
+- 上传数据、训练读取、产物归档都在本机完成，I/O 链路短。
+- 适合快速验证平台功能。
+
+### 4.5 风险
+
+- 应用服务、数据库、训练任务抢占同一台服务器资源。
+- GPU 训练高负载可能影响 API 响应。
+- 数据库与文件存储容灾能力弱。
+- 安全边界不清晰，企业生产不推荐长期使用。
+
+### 4.6 端口建议
+
+| 服务 | 端口 | 暴露范围 |
+| --- | --- | --- |
+| Nginx | 80/443 | 用户网段 |
+| Backend API | 8000 | 仅 Nginx、本机 |
+| Compute API | 9100 | 仅 Backend API、本机 |
+| File Gateway | 9101 | 仅 Backend API、本机 |
+| PostgreSQL | 5432 | 本机或内网 |
+| Redis | 6379 | 本机或内网 |
+
+## 5. 方案二：应用服务与算力/训练服务独立部署
+
+### 5.1 适用场景
+
+- 企业生产环境。
+- 有独立应用服务器、数据库服务器和 GPU 算力服务器。
+- 需要清晰网络边界、权限边界和运维职责。
+- 未来可能扩展多台 GPU 服务器或多种训练框架。
+
+### 5.2 拓扑
+
+```mermaid
+flowchart LR
+  U["用户浏览器"] --> N["应用区 Nginx/Frontend"]
+  N --> B["应用区 Backend API"]
+  B --> DB["PostgreSQL"]
+  B --> R["Redis"]
+  B -- "内部 HTTPS/mTLS + 服务 Token" --> C["算力区 Compute API"]
+  C --> A["Compute Agent"]
+  A --> L["LLaMA-Factory"]
+  A --> G["GPU/CUDA"]
+  A --> FS["算力服务器本地磁盘"]
+  A -- "状态回调/日志摘要" --> B
+```
+
+### 5.3 部署边界
+
+应用服务器部署：
+
+- Nginx。
+- Frontend。
+- Backend API。
+- Backend Worker。
+- PostgreSQL 或数据库连接。
+- Redis 或队列连接。
+- 审批、审计、系统配置、用户中心等应用能力。
+
+GPU 算力服务器部署：
+
+- Compute API。
+- Compute Agent。
+- File Gateway。
+- LLaMA-Factory。
+- CUDA、NVIDIA Driver、NCCL、PyTorch、训练依赖。
+- 本地训练工作目录、模型目录、数据集缓存、产物目录。
+
+### 5.4 互通方式
+
+应用平台调用算力平台：
+
+- 协议：内部 HTTPS REST，后续可扩展 gRPC。
+- 鉴权：服务间 Token，生产建议 mTLS + IP 白名单。
+- 幂等：训练任务提交使用 `Idempotency-Key` 或 `job_id`。
+- 回调：算力平台向应用平台回调任务状态、指标摘要、产物索引。
+- 拉取：应用平台也可以定时轮询 Compute API，避免回调失败导致状态丢失。
+
+文件互通：
+
+- 小文件：前端上传到 Backend API，再由 Backend API 转发或同步到 File Gateway。
+- 大文件：Backend API 创建上传会话，前端通过受控地址分片上传到 File Gateway。
+- 离线数据：管理员把数据放到算力服务器指定目录，应用平台登记离线导入任务。
+- 产物下载：应用平台校验权限后，向 File Gateway 申请短期下载地址。
+
+状态互通：
+
+- Backend API 是业务状态的最终来源。
+- Compute Agent 是训练进程状态的事实来源。
+- Worker 定时对账，把 `queued/running/succeeded/failed/cancelled` 等状态同步回业务库。
+
+### 5.5 优点
+
+- 应用服务稳定性不受 GPU 训练高负载直接影响。
+- 数据库和审计能力更适合纳入企业基础设施。
+- 算力节点可以逐步扩展，不影响前端和应用后端。
+- 安全边界更清晰，便于设置防火墙、堡垒机、服务账号和审计策略。
+
+### 5.6 风险
+
+- 文件传输链路比单机部署复杂。
+- 需要处理跨服务器网络失败、回调失败、任务状态对账。
+- 需要明确模型、数据集、产物在应用侧和算力侧的索引关系。
+
+## 6. Compute API 接入标准
+
+为预留其他训练平台，应用平台只依赖统一算力接口，不直接依赖 LLaMA-Factory 命令。
+
+训练引擎适配器应提供：
+
+- `validate_config(config)`：校验训练参数和模板。
+- `build_command(job)`：生成训练命令或执行计划。
+- `start(job)`：启动训练进程。
+- `stop(job_id)`：停止训练进程。
+- `status(job_id)`：查询训练状态。
+- `collect_metrics(job_id)`：采集 loss、learning rate、epoch、step 等指标。
+- `collect_artifacts(job_id)`：登记 checkpoint、adapter、导出模型、评测报告。
+- `parse_log(line)`：解析训练日志。
+
+第一版适配器：
+
+```text
+compute/engines/llama_factory/
+```
+
+后续其他框架：
+
+```text
+compute/engines/xtuner/
+compute/engines/deepspeed_custom/
+compute/engines/openrlhf/
+```
+
+## 7. 环境变量建议
+
+应用平台：
+
+```env
+APP_ENV=prod
+API_PREFIX=/api
+DATABASE_URL=postgresql+asyncpg://yg_ft:***@postgres:5432/yg_ft
+REDIS_URL=redis://redis:6379/0
+LOG_DIR=/opt/yg-ft/logs/backend
+COMPUTE_API_BASE_URL=https://compute.internal:9100
+COMPUTE_SERVICE_TOKEN=***
+FILE_GATEWAY_BASE_URL=https://compute.internal:9101
+```
+
+算力平台：
+
+```env
+COMPUTE_ENV=prod
+COMPUTE_HOST_ID=gpu-node-01
+COMPUTE_API_PORT=9100
+FILE_GATEWAY_PORT=9101
+APP_CALLBACK_BASE_URL=https://app.internal/api/v1/compute/callbacks
+APP_SERVICE_TOKEN=***
+LLAMA_FACTORY_HOME=/opt/LLaMA-Factory
+YG_FT_DATA_ROOT=/data/yg-ft
+LOG_DIR=/opt/yg-ft/logs/compute
+CUDA_VISIBLE_DEVICES=0,1,2,3
+```
+
+## 8. 日志与监控
+
+应用平台：
+
+- 采集 `backend-YYYY-MM-DD.log` 和 `error-YYYY-MM-DD.log`。
+- 按 `request_id`、`tenant_id`、`project_id`、`job_id` 检索。
+- ERROR 日志触发告警。
+
+算力平台：
+
+- 采集 Compute API 日志、Agent 日志、训练原始日志。
+- 训练日志需要按 `job_id` 独立归档。
+- 关键指标包括 GPU 利用率、显存、磁盘容量、训练队列长度、失败率。
+
+## 9. 安全要求
+
+- Compute API 不对公网开放。
+- 应用平台和算力平台之间使用服务账号鉴权，生产建议 mTLS。
+- File Gateway 下载地址必须短期有效，并绑定租户、项目、资源权限。
+- 日志不得输出密码、Token、密钥、数据集原文敏感内容。
+- 审计日志留存周期按租户或企业配置执行，应用日志短期留存，长期归档交给日志平台。
+
+## 10. 部署检查清单
+
+- PostgreSQL 已初始化 `docs/postgres-schema.sql`。
+- Redis 可连通。
+- 后端 `GET /api/v1/health` 正常。
+- Compute API 健康检查正常。
+- Compute Agent 能识别 GPU、显存、CUDA 版本。
+- LLaMA-Factory 能在命令行完成最小训练样例。
+- 应用平台能提交训练任务到 Compute API。
+- 任务状态能从算力平台同步回应用平台。
+- 数据集上传、离线导入、产物下载路径权限正确。
+- 后端 JSON 日志可被日志平台解析。
+- ERROR 日志能触发告警。
+- 日志、数据集、模型、产物所在磁盘容量有监控和告警。
+
+## 11. 仍需确认的问题
+
+- 生产环境是否已有统一 ELK/OpenSearch、Filebeat/Vector 标准配置。
+- 数据库和 Redis 是否由企业基础设施统一提供，还是由项目自行部署。
+- 是否需要 PostgreSQL 主备、备份恢复、审计日志长期归档的明确 SLA。
+- 大文件上传是否需要断点续传、限速、病毒扫描或 DLP 检测。
+- 应用服务器与算力服务器之间是否允许双向访问，还是只能应用侧主动访问算力侧。
+- 是否需要未来支持多台 GPU 节点调度；如果需要，Compute API 需要提前设计节点注册和调度策略。

docs/platform-architecture-requirements.md

@@ -0,0 +1,744 @@
+# 模型训练平台架构与功能需求设计
+
+> 本文基于当前前端页面、已有接口/数据库设计，以及用户补充的 6 条约束进行补全。目标是把平台从“单前端原型 + 后端接口草案”扩展为企业可落地的模型训练平台方案。
+
+## 1. 补充需求结论
+
+### 1.1 已确认约束
+
+1. 部署形态：单机多 GPU。
+2. 文件存储：本地磁盘。
+3. 训练框架：当前固定 LLaMA-Factory，但要预留其他训练平台接入标准。
+4. 权限粒度：需要到项目、模型、数据集级隔离。
+5. 企业治理：需要多租户、审批流、审计留存周期。
+6. 部署边界：算力平台与应用平台分开部署。
+
+### 1.2 对整体设计的影响
+
+- 不能只做页面级 RBAC，需要引入“租户 -> 项目 -> 资源 -> 成员/角色/ACL”的资源权限模型。
+- 单机多 GPU 不等于简单指定 GPU ID，需要有 GPU 资源池、锁定、排队、抢占策略和异常释放机制。
+- 本地磁盘存储与应用/算力分离存在天然冲突：文件不能只存应用服务器本地，也不能让应用直接读算力服务器目录。建议将训练文件、模型文件、日志文件统一落在算力节点本地磁盘，由算力平台提供文件网关 API；应用平台只保存元数据和访问路径。
+- LLaMA-Factory 应作为第一个训练引擎插件，而不是写死到业务流程里。后续接入其他平台时只需实现同一套训练引擎协议。
+- 审批流、审计和保留策略必须从第一版进入数据模型和接口，否则后期补会牵动大量资源表。
+
+## 2. 总体架构设计
+
+### 2.1 逻辑分层
+
+```mermaid
+flowchart LR
+  U["用户浏览器"] --> APP["应用平台 Web / FastAPI"]
+  APP --> DB["PostgreSQL"]
+  APP --> REDIS["Redis / 任务队列"]
+  APP --> CPAPI["算力平台 API"]
+  CPAPI --> AGENT["算力节点 Agent"]
+  AGENT --> GPU["单机多 GPU"]
+  AGENT --> DISK["本地磁盘工作区"]
+  AGENT --> LF["LLaMA-Factory 引擎"]
+```
+
+### 2.2 应用平台职责
+
+应用平台负责业务编排和企业治理，不直接执行训练命令：
+
+- 用户、租户、项目、权限、审批、审计。
+- 模型、数据集、任务、评测、推理任务元数据。
+- 前端 API、OpenAPI、统一认证、统一响应。
+- 训练/评测/数据处理任务创建、状态查询、审批校验。
+- 与算力平台通信，下发任务、查询进度、拉取日志、下载产物。
+
+建议部署组件：
+
+- Nginx：静态前端与反向代理。
+- FastAPI：业务 API。
+- PostgreSQL：业务元数据。
+- Redis：缓存、任务队列、SSE 状态缓存、分布式锁。
+- Worker：审批通知、审计归档、周期清理、异步导出。
+
+### 2.3 算力平台职责
+
+算力平台负责“实际占用 GPU 和磁盘”的事情：
+
+- GPU 发现、资源上报、锁定、释放。
+- 本地磁盘工作区管理。
+- 数据集文件接收、校验、解压、版本目录管理。
+- LLaMA-Factory 命令生成、执行、停止、日志采集。
+- 训练产物、LoRA adapter、merged model、checkpoint 管理。
+- 推理服务进程管理、端口分配、健康检查。
+- 系统/GPU 监控指标采集。
+
+建议部署组件：
+
+- Compute API：只暴露给应用平台访问。
+- Compute Agent：本机服务，具备启动/停止进程权限。
+- 本地文件网关：上传、下载、预览、断点续传、文件校验。
+- Engine Adapter：LLaMA-Factory 适配器，后续扩展其他训练引擎。
+
+### 2.4 应用与算力平台通信
+
+建议统一使用内部 HTTP/gRPC API，并配置服务间认证：
+
+- 应用平台调用算力平台必须携带 `X-Service-Token` 或 mTLS 证书。
+- 算力平台不信任前端用户身份，只信任应用平台下发的租户、项目、任务和资源上下文。
+- 所有任务回调必须带签名，避免伪造状态。
+
+核心通信接口：
+
+| 方向 | 接口 | 说明 |
+| --- | --- | --- |
+| 应用 -> 算力 | `POST /compute/jobs` | 创建训练/评测/数据处理/推理任务 |
+| 应用 -> 算力 | `POST /compute/jobs/{id}/stop` | 停止任务 |
+| 应用 -> 算力 | `GET /compute/jobs/{id}` | 查询任务状态 |
+| 应用 -> 算力 | `GET /compute/jobs/{id}/logs` | 拉取日志 |
+| 应用 -> 算力 | `GET /compute/resources/gpus` | 查询 GPU 状态 |
+| 应用 -> 算力 | `POST /compute/files/upload` | 上传文件到算力本地磁盘 |
+| 应用 -> 算力 | `GET /compute/files/{object_id}/download` | 下载文件 |
+| 算力 -> 应用 | `POST /api/internal/compute-callbacks/jobs` | 回调任务状态、指标、产物 |
+
+## 3. 本地磁盘存储设计
+
+### 3.1 存储根目录
+
+由于算力和应用分离，建议文件主存储放在算力节点本地磁盘：
+
+```text
+/data/ft-platform/
+  tenants/{tenant_id}/
+    projects/{project_id}/
+      datasets/{dataset_id}/
+      models/base/{model_id}/
+      models/trained/{trained_model_id}/
+      jobs/{job_id}/
+        input/
+        output/
+        logs/
+        checkpoints/
+        tmp/
+```
+
+应用平台数据库保存：
+
+- `storage_type=local`。
+- `storage_node_id`。
+- `relative_path`。
+- `checksum_sha256`。
+- `byte_size`。
+- `tenant_id/project_id/resource_id`。
+
+### 3.2 文件访问原则
+
+- 前端不直接访问磁盘路径。
+- 应用平台生成短时下载凭证，转发或重定向到算力文件网关。
+- 预览内容只读取前 N 行或指定区间，避免大文件撑爆 API。
+- 大文件上传必须支持分片上传、校验、断点续传。
+- 删除操作采用软删除 + 延迟清理，等待审计留存和审批结果。
+
+### 3.3 磁盘配额
+
+配额应分三层：
+
+- 租户配额：总容量、模型容量、数据容量、日志容量。
+- 项目配额：可用容量、最大文件大小、最大任务产物保留数。
+- 用户配额：可上传文件总量、并发任务产物占用。
+
+超过配额时：
+
+- 禁止新建任务或上传文件。
+- 允许下载和清理。
+- 提示可清理的 checkpoint、过期日志、失败任务临时目录。
+
+## 4. 单机多 GPU 资源调度
+
+### 4.1 GPU 资源模型
+
+每张 GPU 需要记录：
+
+- `gpu_index`、`uuid`、型号、显存、驱动版本。
+- 当前利用率、显存占用、温度、功耗。
+- 当前锁定任务、进程 PID、端口。
+- 状态：`idle`、`reserved`、`running`、`draining`、`offline`、`error`。
+
+### 4.2 调度策略
+
+第一版建议支持三种模式：
+
+- 手动指定 GPU：兼容当前前端选择 GPU 的模式。
+- 自动选择 GPU：按空闲显存、温度、任务队列选择。
+- 项目配额调度：项目最多可占用 N 张 GPU，避免单项目占满机器。
+
+训练任务启动流程：
+
+1. 应用平台校验权限、配额、审批状态。
+2. 生成任务，状态为 `pending`。
+3. 算力平台尝试锁定 GPU。
+4. 锁定成功后创建工作区并启动 LLaMA-Factory。
+5. Agent 持续上报进度、日志、指标。
+6. 任务完成后释放 GPU，登记模型产物。
+
+### 4.3 并发与排队
+
+- 同一 GPU 同时只允许一个训练任务。
+- 推理服务可与训练互斥，默认不允许混跑；如后续允许，需要显存保留策略。
+- 数据处理如果只调用 API 模型，可以不占 GPU；如果调用本地模型生成，需要占用 GPU。
+- 支持任务队列优先级：`low`、`normal`、`high`、`urgent`。
+- 高优任务是否可抢占低优任务，需要审批或管理员权限。
+
+## 5. 训练引擎接入标准
+
+### 5.1 引擎抽象
+
+LLaMA-Factory 是第一实现，但业务系统只依赖统一训练引擎接口：
+
+```text
+TrainingEngine
+  validate_config(config)
+  prepare_workspace(job_context)
+  build_command(job_context)
+  start(job_context)
+  stop(job_id)
+  parse_progress(log_line)
+  collect_artifacts(job_id)
+  export_model(job_id, export_config)
+```
+
+### 5.2 引擎注册信息
+
+每个训练引擎需要声明：
+
+- 引擎编码：`llama_factory`。
+- 支持任务：`SFT`、`DPO`、`CPT`。
+- 支持方法：`lora`、`qlora`、`full`。
+- 支持模型模板：`qwen`、`llama3` 等。
+- 支持数据格式：Alpaca、ShareGPT、DPO pair、pretrain text。
+- 支持量化和导出格式。
+- 参数 schema。
+- 命令模板或启动方式。
+
+### 5.3 LLaMA-Factory 适配要求
+
+LLaMA-Factory 适配器负责：
+
+- 将平台训练参数转换为 YAML/CLI 参数。
+- 根据项目工作区生成数据集配置。
+- 自动设置 `CUDA_VISIBLE_DEVICES`。
+- 解析训练日志中的 loss、epoch、learning_rate、ETA。
+- 收集 checkpoint、adapter、merged model、training_args、trainer_state。
+- 支持训练停止和失败恢复。
+
+### 5.4 后续接入其他平台的标准
+
+其他训练平台只要实现以下契约即可接入：
+
+- 输入：模型引用、数据集引用、训练配置、资源需求、输出目录。
+- 输出：任务状态、进度、日志、指标、产物清单、失败原因。
+- 生命周期：`prepare`、`start`、`running`、`stop`、`complete`、`cleanup`。
+- 安全：不能越权访问其他租户/项目目录。
+- 可观测：必须输出结构化事件和日志。
+
+## 6. 多租户与项目级隔离
+
+### 6.1 租户模型
+
+需要新增租户管理：
+
+- 租户名称、编码、状态。
+- 租户管理员。
+- 租户资源配额：GPU 并发数、磁盘容量、最大项目数。
+- 租户审计策略、保留周期、审批策略。
+
+### 6.2 项目空间
+
+所有业务资源必须归属项目：
+
+- 数据集。
+- 模型。
+- 训练任务。
+- 评测任务。
+- 推理任务。
+- 数据处理任务。
+- 自定义工具。
+
+项目字段：
+
+- 项目名称、描述、所属租户。
+- 项目管理员、成员。
+- 默认资源权限。
+- GPU/磁盘/任务并发配额。
+- 项目状态：启用、归档、禁用。
+
+### 6.3 资源级权限
+
+建议采用 RBAC + ACL 混合：
+
+- RBAC 决定用户是否能访问模块，例如能否进入模型管理。
+- 项目角色决定用户是否能管理项目内资源。
+- 资源 ACL 处理特殊授权，例如某个数据集只给指定成员可读。
+
+项目角色建议：
+
+| 角色 | 权限 |
+| --- | --- |
+| Project Owner | 项目设置、成员、资源、审批策略全权限 |
+| Project Maintainer | 创建/编辑模型、数据集、任务，可发起发布和删除 |
+| Developer | 创建训练、评测、推理、数据处理任务 |
+| Reviewer | 审批、复核、查看评测结果 |
+| Viewer | 只读查看 |
+
+资源权限建议：
+
+- `read`：查看资源。
+- `write`：编辑元数据和内容。
+- `execute`：用于训练/评测/推理。
+- `download`：下载文件和模型。
+- `delete`：删除或申请删除。
+- `manage_acl`：管理资源授权。
+
+### 6.4 数据隔离要求
+
+- API 查询必须默认带 `tenant_id` 和用户可访问项目范围。
+- 数据库所有核心资源表增加 `tenant_id`、`project_id`。
+- 本地磁盘路径包含租户和项目 ID，防止路径混用。
+- 算力任务上下文必须携带租户/项目，Agent 只允许访问对应工作区。
+- 日志、审计、下载链接也必须按租户隔离。
+
+## 7. 企业治理设计
+
+### 7.1 审批流
+
+建议第一版支持可配置审批模板：
+
+| 场景 | 是否建议审批 | 原因 |
+| --- | --- | --- |
+| 删除数据集 | 是 | 数据不可逆风险高 |
+| 删除模型 | 是 | 影响训练/推理依赖 |
+| 模型发布为可推理服务 | 是 | 影响生产资源 |
+| 停止他人训练任务 | 是或管理员直通 | 影响计算成本和他人工作 |
+| 导出模型 | 可配置 | 涉及资产外流 |
+| 下载敏感数据集 | 可配置 | 涉及数据安全 |
+| 提高 GPU 配额 | 是 | 涉及资源竞争 |
+
+审批流能力：
+
+- 发起审批。
+- 指定审批人/审批组。
+- 多级审批。
+- 通过、驳回、撤回、转交。
+- 审批超时提醒。
+- 审批结果回写原业务动作。
+
+### 7.2 审计留存周期
+
+建议支持租户级配置：
+
+- 操作审计：默认 180 天，可配置 90/180/365/永久。
+- 登录审计：默认 180 天。
+- 训练日志：默认 90 天。
+- 系统监控：原始采样默认 30 天，聚合指标保留 1 年。
+- 模型产物：默认长期保留，删除需审批。
+- 临时文件：默认 7 天清理。
+- 失败任务工作区：默认 14 天清理。
+
+审计不可被普通管理员物理删除，只能由系统归档任务按策略处理。
+
+### 7.3 安全策略
+
+需要补充：
+
+- API Key 加密存储和脱敏展示。
+- 外部数据源密码加密存储或不落库。
+- 下载链接短时有效。
+- 敏感操作二次确认。
+- 审批通过后动作有效期，例如 24 小时内执行。
+- IP 白名单和服务间 token。
+- 操作审计记录 before/after 数据。
+
+## 8. 需要补全的页面和功能
+
+### 8.1 租户与项目页面
+
+当前前端缺失，建议新增：
+
+1. 租户管理页
+   - 租户列表、创建、禁用、配额设置、审计策略。
+   - 仅平台管理员可见。
+
+2. 项目空间页
+   - 项目列表、创建项目、归档项目。
+   - 展示项目资源概览：模型数、数据集数、任务数、磁盘占用、GPU 使用。
+
+3. 项目成员页
+   - 添加/移除成员。
+   - 设置项目角色。
+   - 查看成员最近操作。
+
+4. 项目资源权限页
+   - 模型/数据集/任务级授权。
+   - 支持按用户、用户组、项目角色授权。
+
+### 8.2 用户中心补全
+
+前端路由已有但页面文件缺失或未完成：
+
+- `PermissionDeniedView.vue`
+- `UserSettingsView.vue`
+- `UserCreateView.vue`
+- `UserPermissionView.vue`
+
+建议功能：
+
+- 用户列表、创建、禁用、重置密码。
+- 角色管理。
+- 页面权限管理。
+- 用户所属租户/项目。
+- 用户可用 GPU/磁盘配额查看。
+- 登录记录和操作审计入口。
+
+### 8.3 审批中心
+
+新增页面：
+
+- 我的申请。
+- 待我审批。
+- 已办审批。
+- 审批详情。
+- 审批模板配置。
+
+审批详情需要展示：
+
+- 申请人、申请时间、动作类型、目标资源。
+- 变更前后信息。
+- 风险提示。
+- 审批记录。
+- 通过/驳回意见。
+
+### 8.4 算力资源中心
+
+当前只有硬件监控页，建议扩展为算力资源中心：
+
+- GPU 拓扑和状态。
+- GPU 当前任务占用。
+- GPU 锁定/释放记录。
+- 队列中的任务。
+- 资源配额：租户/项目/用户维度。
+- 算力节点 Agent 状态。
+- 训练引擎健康状态。
+
+### 8.5 文件与存储管理
+
+新增页面：
+
+- 存储总览。
+- 租户/项目磁盘占用。
+- 大文件列表。
+- 临时文件清理。
+- Checkpoint 管理。
+- 日志保留策略。
+- 文件下载审计。
+
+### 8.6 训练引擎管理
+
+新增页面：
+
+- 引擎列表。
+- LLaMA-Factory 版本和路径。
+- 引擎能力声明。
+- 参数 schema 管理。
+- 引擎健康检查。
+- 引擎接入文档。
+
+### 8.7 任务队列与运行控制
+
+新增页面：
+
+- 全局任务队列。
+- 项目任务队列。
+- 任务优先级调整。
+- 任务重试。
+- 任务停止审批。
+- 失败任务诊断。
+
+### 8.8 模型发布与服务治理
+
+当前推理/对比页面已有基础能力，但缺少企业化发布能力：
+
+- 模型发布申请。
+- 推理服务实例配置。
+- 端口、GPU、并发、超时、最大上下文限制。
+- 服务启停记录。
+- 调用统计。
+- 服务下线审批。
+
+## 9. 后端模块补全
+
+### 9.1 新增核心模块
+
+| 模块 | 职责 |
+| --- | --- |
+| tenant | 租户管理、租户配额、租户策略 |
+| project | 项目空间、成员、项目角色 |
+| resource_acl | 模型/数据集/任务级资源授权 |
+| approval | 审批模板、审批实例、审批动作 |
+| quota | GPU、磁盘、任务并发配额 |
+| compute_gateway | 应用平台与算力平台通信 |
+| file_gateway | 本地磁盘文件上传、下载、预览 |
+| engine_registry | 训练引擎注册与能力发现 |
+| retention | 审计、日志、临时文件保留策略 |
+
+### 9.2 数据模型补充
+
+在前一版 SQL 基础上，应新增或调整：
+
+- `tenants`
+- `tenant_users`
+- `projects`
+- `project_members`
+- `resource_acl`
+- `approval_templates`
+- `approval_instances`
+- `approval_steps`
+- `quotas`
+- `quota_usage`
+- `compute_nodes`
+- `gpu_devices`
+- `gpu_allocations`
+- `compute_jobs`
+- `training_engines`
+- `retention_policies`
+
+核心资源表需要补充字段：
+
+- `tenant_id`
+- `project_id`
+- `visibility`
+- `owner_id`
+- `approval_status`
+- `storage_node_id`
+
+需要调整的已有表：
+
+- `models`
+- `trained_models`
+- `datasets`
+- `dataset_files`
+- `data_process_tasks`
+- `fine_tune_tasks`
+- `eval_tasks`
+- `inference_tasks`
+- `custom_tools`
+- `audit_logs`
+- `storage_objects`
+
+### 9.3 接口补充
+
+租户：
+
+- `GET /api/tenants`
+- `POST /api/tenants`
+- `GET /api/tenants/{id}`
+- `PUT /api/tenants/{id}`
+- `PUT /api/tenants/{id}/quota`
+- `PUT /api/tenants/{id}/retention-policy`
+
+项目：
+
+- `GET /api/projects`
+- `POST /api/projects`
+- `GET /api/projects/{id}`
+- `PUT /api/projects/{id}`
+- `POST /api/projects/{id}/archive`
+- `GET /api/projects/{id}/members`
+- `POST /api/projects/{id}/members`
+- `PUT /api/projects/{id}/members/{user_id}`
+- `DELETE /api/projects/{id}/members/{user_id}`
+
+资源授权：
+
+- `GET /api/resources/{resource_type}/{resource_id}/acl`
+- `PUT /api/resources/{resource_type}/{resource_id}/acl`
+- `POST /api/resources/{resource_type}/{resource_id}/share`
+
+审批：
+
+- `GET /api/approvals`
+- `POST /api/approvals`
+- `GET /api/approvals/{id}`
+- `POST /api/approvals/{id}/approve`
+- `POST /api/approvals/{id}/reject`
+- `POST /api/approvals/{id}/cancel`
+
+算力：
+
+- `GET /api/compute/nodes`
+- `GET /api/compute/gpus`
+- `GET /api/compute/queue`
+- `POST /api/compute/jobs/{id}/retry`
+- `POST /api/compute/jobs/{id}/priority`
+
+训练引擎：
+
+- `GET /api/training-engines`
+- `GET /api/training-engines/{id}`
+- `POST /api/training-engines/{id}/health-check`
+- `GET /api/training-engines/{id}/schema`
+
+## 10. 端到端业务流程
+
+### 10.1 数据集上传
+
+1. 用户进入项目空间。
+2. 用户创建数据集。
+3. 应用平台校验项目写权限和磁盘配额。
+4. 前端上传文件到应用平台。
+5. 应用平台转发到算力文件网关，保存到项目目录。
+6. 算力平台返回文件元数据和 checksum。
+7. 应用平台登记数据集文件版本。
+8. 审计记录上传行为。
+
+### 10.2 微调训练
+
+1. 用户选择项目、模型、数据集、训练参数和 GPU。
+2. 应用平台检查模型/数据集 `execute` 权限。
+3. 检查项目 GPU 并发配额。
+4. 如果策略要求审批，先创建审批单。
+5. 审批通过后创建 compute job。
+6. 算力平台锁定 GPU，生成 LLaMA-Factory 配置，启动训练。
+7. 训练日志和指标实时回传。
+8. 完成后登记 trained model。
+9. 如启用自动合并，进入合并任务。
+10. 审计记录任务全生命周期。
+
+### 10.3 模型发布
+
+1. 用户选择训练产物。
+2. 提交发布申请。
+3. 审批通过后算力平台启动推理服务。
+4. 分配端口和 GPU。
+5. 应用平台登记服务实例。
+6. 前端推理页面调用服务。
+7. 监控调用量、延迟、错误率、GPU 占用。
+
+## 11. 当前功能完整性评估
+
+补充 6 条需求后，平台设计已经覆盖完整模型训练平台的主链路：
+
+- 数据准备。
+- 数据处理。
+- 模型登记。
+- 微调训练。
+- 训练日志和指标。
+- 模型合并和导出。
+- 模型评测。
+- 推理服务。
+- 模型对比。
+- 用户、权限、租户、项目隔离。
+- 审批、审计、保留策略。
+- 算力资源调度。
+
+但如果目标是企业级生产平台，还建议继续确认以下缺口。
+
+## 12. 仍需确认的问题
+
+1. 本地磁盘是否在算力服务器上，应用服务器是否完全不保存训练文件？如果应用服务器也要保存上传临时文件，需要确认临时文件保留周期和容量。
+2. 单机多 GPU 是否需要支持 MIG、GPU 分片或多进程共享，还是一张 GPU 同一时间只给一个任务？
+3. 是否允许训练任务抢占？高优先级任务是否能停止低优先级任务？
+4. 是否需要离线导入已有模型和已有数据集目录，还是所有文件都必须从平台上传？
+5. 模型发布是否区分“测试服务”和“生产服务”？生产发布是否必须审批？
+6. 是否需要数据集脱敏、敏感字段识别和数据质量评分作为内置流程？
+7. 是否需要人工评测/人工复核结果沉淀为新数据集？
+8. 是否需要训练任务失败后的断点续训？
+9. 是否需要 checkpoint 自动清理策略，例如只保留最近 N 个或最好 N 个？
+10. 是否需要对外提供标准 API 给其他系统调用训练、评测、推理能力？
+11. 是否需要接入企业统一身份认证，例如 LDAP、OIDC、企业微信、钉钉？
+12. 是否需要成本核算：按租户/项目统计 GPU 小时、磁盘占用、模型调用量？
+
+## 13. 推荐决策补充
+
+`system-development-plan.md` 已对上述问题给出第一版建议，需求设计以以下决策为准。
+
+1. 本地磁盘主存储放在算力服务器，应用服务器只保留上传临时文件。临时文件默认保留 24 小时，成功转发到算力文件网关后可立即进入清理队列。
+2. 第一版不支持 MIG、GPU 分片和多任务共享同一张 GPU。一张 GPU 同一时间只分配给一个训练任务或一个推理服务。GPU 数据模型预留 `partition_type`、`parent_gpu_uuid`、`memory_total_mb`，便于后续扩展 MIG。
+3. 第一版不做自动抢占。支持任务优先级和排队；停止他人任务需要审批或平台管理员权限。
+4. 第一版必须支持离线导入已有模型和数据集目录。导入由算力 Agent 扫描、校验、登记，并归属指定租户和项目。
+5. 模型发布区分测试服务和生产服务。测试服务项目内可启动并默认限流；生产服务必须审批。
+6. 数据脱敏和数据质量评分作为数据处理模块的一等能力进入第一期，先实现规则版脱敏、格式校验、重复率、完整性、长度分布等指标。
+7. 人工评测/复核作为第二期功能，但第一期需在数据库和页面入口预留人工复核状态与修订字段。
+8. 第一版支持从 checkpoint 手动恢复训练，不做自动失败续训。失败任务可选择 checkpoint 重试。
+9. 第一版必须支持 checkpoint 自动清理策略：默认保留最近 3 个、最优 2 个；已发布模型关联 checkpoint 不自动删除；失败任务 checkpoint 默认保留 14 天。
+10. 第一版提供内部 API，第二期再开放面向其他系统的标准 API、API Key、限流和 Webhook。
+11. 第一版使用本地账号，预留 OIDC/LDAP 字段和认证 provider 抽象；第二期接入企业统一身份认证。
+12. 第一版做 GPU 小时、磁盘占用、任务时长、推理调用量等用量统计；第二期再做成本单价和账单核算。
+
+以上决策需要同步反映在接口文档、数据库 SQL、前端页面和部署方案中。第一版实现不再阻塞于这些问题的反复确认，除非实际部署环境与假设明显冲突。
+
+## 14. 页面功能模块映射
+
+本节用于帮助前端、后端、DB 和测试人员理解需求对应到哪些页面与功能模块。页面路径以当前 Vue 路由和新增规划路由为准。
+
+### 14.1 平台入口与全局能力
+
+| 页面模块 | 路由/入口 | 对应需求 | 主要功能 |
+| --- | --- | --- | --- |
+| 登录页 | `/login` | 用户认证、本地账号、后续预留 OIDC/LDAP | 登录、会话创建、权限加载 |
+| 主布局 | `/` | 全局项目上下文、权限控制 | 菜单、顶部状态、项目切换器、用户信息 |
+| 无权限页 | `/permission-denied` | 页面权限和资源权限兜底 | 展示无权限原因、返回可访问页面 |
+| 服务看板 | `/dashboard` | 平台运行总览 | 服务健康、任务概览、训练统计、用户操作分布 |
+
+### 14.2 租户、项目与权限治理
+
+| 页面模块 | 建议路由 | 对应需求 | 主要功能 |
+| --- | --- | --- | --- |
+| 租户管理 | `/tenants`、`/tenants/:id` | 多租户、租户配额、留存策略 | 租户列表、创建/禁用租户、配额、审计留存策略 |
+| 项目空间 | `/projects`、`/projects/:id` | 项目级隔离、项目资源聚合 | 项目列表、项目概览、资源统计、项目归档 |
+| 项目成员 | `/projects/:id/members` | 项目角色 | 添加成员、移除成员、设置 owner/maintainer/developer/reviewer/viewer |
+| 资源授权 | `/projects/:id/permissions` 或资源详情弹窗 | 模型/数据集/任务级 ACL | 按用户、项目角色授权 read/write/execute/download/delete/manage_acl |
+| 用户中心 | `/user-settings`、`/user-settings/create`、`/user-settings/:id/permission` | 用户、角色、页面权限 | 用户列表、创建用户、禁用、重置密码、分配页面权限和项目 |
+
+### 14.3 数据链路
+
+| 页面模块 | 路由/入口 | 对应需求 | 主要功能 |
+| --- | --- | --- | --- |
+| 数据集列表 | `/dataset` | 数据集管理、项目隔离 | 列表、搜索、下载、删除审批入口 |
+| 数据集创建/编辑 | `/dataset/create`、`/dataset/:id/edit` | 上传、本地磁盘、文件网关 | 创建数据集、上传文件、离线导入、元数据编辑 |
+| 数据集预览 | `/dataset/:id/preview` | 文件版本、在线编辑、乐观锁 | 文件预览、版本切换、保存新版本、下载 |
+| 数据处理列表 | `/data-process` | 数据处理任务管理 | 任务列表、状态、输出数据集跳转、删除审批 |
+| 数据处理创建向导 | `/data-process/create` | 清洗、切片、生成、质量评分、脱敏 | 任务配置、模型选择、源文件/外部源、预览切片、生成、结果编辑、发布数据集 |
+| 数据处理详情 | `/data-process/:id` | 处理统计和结果追踪 | 运行信息、处理统计、失败原因、结果明细 |
+| 数据转换 | `/data-convert` | JSON/JSONL 转换 | 上传 JSON、转换任务、下载结果 |
+
+### 14.4 模型训练链路
+
+| 页面模块 | 路由/入口 | 对应需求 | 主要功能 |
+| --- | --- | --- | --- |
+| 模型管理 | `/model-manage` | 模型登记、离线导入、资源 ACL | 基座模型/API 模型列表、用途变更、授权、删除审批 |
+| 模型创建/编辑 | `/model-manage/create`、`/model-manage/:id/edit` | 本地模型/API 模型登记 | 选择本地路径、填写 API 模型信息、加密 API Key |
+| 权重合并 | `/model-manage/merge` | LoRA 合并、产物管理 | 选择训练产物、合并权重、生成 merged model |
+| 微调任务列表 | `/fine-tune` | 训练任务管理 | 任务列表、状态、进度、停止/删除审批 |
+| 微调创建 | `/fine-tune/create` | LLaMA-Factory 训练配置、GPU 调度 | 选择模型/数据集/GPU、训练参数、量化导出、提交审批或启动 |
+| 训练日志详情 | `/training-log/:id` | 日志、指标、checkpoint、恢复训练 | 日志 tail、loss 曲线、GPU 状态、checkpoint 列表、恢复/重试 |
+| 训练引擎管理 | `/training-engines` | LLaMA-Factory 插件化和后续引擎接入 | 引擎列表、能力声明、schema、健康检查 |
+
+### 14.5 评测、推理和发布
+
+| 页面模块 | 路由/入口 | 对应需求 | 主要功能 |
+| --- | --- | --- | --- |
+| 评测列表 | `/model-eval` | 模型评测 | 评测任务列表、状态、分数、删除 |
+| 评测创建 | `/model-eval/create` | 自动评测、LLM Judge、基础指标 | 选择模型/数据集/维度/GPU、配置指标、启动评测 |
+| 评测详情 | `/model-eval/:id` | 样本级结果、人工复核预留 | 综合评价、维度汇总、样本评分、错误类型 |
+| 评测维度 | `/model-eval/dimension/:id/edit` | 维度和评测 Prompt 管理 | 创建/编辑维度、评分范围、Prompt、启用状态 |
+| 推理列表 | `/model-inference` | 测试推理服务 | 推理任务列表、加载/卸载、服务状态 |
+| 推理创建 | `/model-inference/create` | 模型服务资源申请 | 选择模型、GPU、端口策略、并发参数 |
+| 推理对话 | `/model-inference/chat/:id` | 模型对话 | 单模型流式对话、会话记录 |
+| 模型对比 | `/model-compare/chat/:id`、`/model-compare/result` | 多模型对比 | 多模型加载、并行对话、对比结果 |
+| 模型发布治理 | `/model-services`、`/model-services/:id` | 测试/生产服务、发布审批 | 测试服务启动、生产发布申请、调用统计、下线审批 |
+
+### 14.6 算力、审批、审计和运维
+
+| 页面模块 | 建议路由 | 对应需求 | 主要功能 |
+| --- | --- | --- | --- |
+| 算力资源中心 | `/compute`、`/compute/gpus` | 单机多 GPU、资源锁定、队列 | GPU 卡片、任务占用、节点状态、队列、优先级 |
+| 存储管理 | `/storage` | 本地磁盘、配额、清理 | 租户/项目占用、大文件、临时文件、checkpoint 清理 |
+| 审批中心 | `/approvals`、`/approvals/pending`、`/approvals/mine`、`/approvals/:id` | 审批流 | 我的申请、待我审批、审批详情、通过/驳回/撤回 |
+| 审批模板 | `/approval-settings` | 审批策略配置 | 按动作配置审批人、超时、风险级别 |
+| 审计中心 | `/audit-logs`、`/login-logs`、`/download-logs` | 操作审计和留存 | 操作审计、登录审计、下载审计、筛选导出 |
+| 平台性能 | `/hardware` | 系统监控 | CPU、内存、磁盘、GPU、进程 |
+| 系统日志 | `/logs` | 日志查看 | 系统日志、训练日志、tail/offset 查询 |