"""比价记录表。 每完成一次比价(外卖/电商/领券),客户端在 done 帧后用带 JWT 的通道上报一条,落这里。 是未来「我的比价记录」页的数据源,也沉淀用户级行为画像(哪个用户在哪两家之间比了什么)。 与 savings_record 的区别:savings_record 是「省了多少钱」的视角(只有省到才有意义,当前由 demo seeder 灌),本表是「每一次比价的完整明细」——不省钱、甚至失败的比价也照记一条。 两表独立,互不影响。 「越详细越好」的落地:结构化列给查询/排序/聚合用,raw_payload(JSONB)把客户端上报的 原始 calibration + done.params 原样存一份,未来前端要展示什么都能拿到、不丢信息。 """ from __future__ import annotations from datetime import datetime from sqlalchemy import ( JSON, Boolean, DateTime, Float, ForeignKey, Index, Integer, String, UniqueConstraint, func, ) from sqlalchemy.dialects.postgresql import JSONB from sqlalchemy.orm import Mapped, mapped_column from app.db.base import Base # PG 上用 JSONB(可建 GIN 索引),SQLite(本地/测试)退化为通用 JSON—— # 否则 SQLite 无 JSONB,Base.metadata.create_all 编译报错(同 savings_record.dishes)。 _JSON = JSON().with_variant(JSONB(), "postgresql") class ComparisonRecord(Base): __tablename__ = "comparison_record" __table_args__ = ( # trace_id 由 app-server 签发、全局唯一 → 一次比价一行,后端 harvest 按它 upsert。 # (原 (user_id,trace_id) 复合唯一改为 trace_id 单列:harvest 帧0 建行时 user_id 可能暂缺。) UniqueConstraint("trace_id", name="uq_comparison_trace"), # 首页轮播 / 省钱战绩聚合都按 status='success' 过滤 + created_at 近期排序; # 复合索引避免随数据量增大退化成全表扫(单列 created_at 索引不含 status)。 Index("ix_comparison_status_created", "status", "created_at"), ) id: Mapped[int] = mapped_column(Integer, primary_key=True, autoincrement=True) # 后端 harvest 在帧0(pricebot 出 trace_id)即建行,软鉴权下 user_id 可能暂缺(老客户端/匿名)→ 可空。 # C 端「我的比价记录」按 user_id 过滤天然排除 null-user 行;admin 全看(含孤儿行)。 user_id: Mapped[int | None] = mapped_column( Integer, ForeignKey("user.id"), index=True, nullable=True ) # 仍记录设备号(同一用户多设备的行为区分 / 与不鉴权期 device_id 数据对账) device_id: Mapped[str | None] = mapped_column(String(64), nullable=True) # 业务类型:food(外卖,当前唯一接通)/ ecom(电商)/ coupon(领券)。预留扩展。 business_type: Mapped[str] = mapped_column( String(16), nullable=False, default="food", index=True ) # pricebot 侧 trace_id:关联调试落盘 + 幂等去重键 trace_id: Mapped[str] = mapped_column(String(64), nullable=False) # 本次比价的公网调试链接(price.shaguabijia.com/traces/{dir}/)。pricebot done 帧给、 # 客户端上报带上——dir 名含 pricebot 落盘的时分秒,前端/server 都拼不出,必须存。 # 查看接口按 user.debug_trace_enabled 决定返不返回。旧记录 / 未开上云为 None。 trace_url: Mapped[str | None] = mapped_column(String(512), nullable=True) # ===== 源平台(发起比价的那家)===== source_platform_id: Mapped[str | None] = mapped_column(String(32), nullable=True) source_platform_name: Mapped[str | None] = mapped_column(String(32), nullable=True) source_package: Mapped[str | None] = mapped_column(String(128), nullable=True) source_price_cents: Mapped[int | None] = mapped_column(Integer, nullable=True) # ===== 最优结果(全平台最便宜的一家,= comparison_results 里 rank=1)===== best_platform_id: Mapped[str | None] = mapped_column(String(32), nullable=True) best_platform_name: Mapped[str | None] = mapped_column(String(32), nullable=True) best_price_cents: Mapped[int | None] = mapped_column(Integer, nullable=True) # 最优平台的商家/商品深链(客户端比价时从剪贴板采到 = collectedLinks[best_index]); # 「再次比价」写剪贴板 + launch 该平台 App 直达。仅 2026-06 起新比价有,旧记录为 None。 best_deeplink: Mapped[str | None] = mapped_column(String(1024), nullable=True) # 源价 - 最优价(可为 0 / 负:源平台本来就最便宜时没省到) saved_amount_cents: Mapped[int | None] = mapped_column(Integer, nullable=True) # 源平台就是最便宜的一家(= 这次没省到钱) is_source_best: Mapped[bool | None] = mapped_column(Boolean, nullable=True) # ===== 订单概要 ===== store_name: Mapped[str | None] = mapped_column(String(128), nullable=True) # 下单商品名拼接串(顿号分隔,从 items[].name 去重派生),供 admin 列表「商品」列展示 + 商品名搜索。 # items 是 JSON(SQLite 下 json.dumps ensure_ascii 把中文转义,无法直接 CAST+LIKE),故另派生成普通 # 文本列——跨库 LIKE 一致、可加索引。写路径(upsert_record / harvest_done)落库时同步派生。 product_names: Mapped[str | None] = mapped_column(String(512), nullable=True) total_dish_count: Mapped[int | None] = mapped_column(Integer, nullable=True) skipped_dish_count: Mapped[int | None] = mapped_column(Integer, nullable=True) # success(拿到有效对比)/ failed(出错或没采到目标价) status: Mapped[str] = mapped_column(String(16), nullable=False, default="success") # done 帧 information 文案。成功:"在美团找到同店,到手价 ¥X…"; # 失败:具体原因(如"美团、京东外卖均未找到该商品")。前端在比价失败时当原因展示。 information: Mapped[str | None] = mapped_column(String(256), nullable=True) # ===== 明细(JSON,越详细越好)===== # 下单菜品 [{name, qty, specs?}] items: Mapped[list] = mapped_column(_JSON, nullable=False, default=list) # 逐平台对比 [{platform_id, platform_name, package, price, is_source, rank, coupon_saved, coupon_name, applied_coupons}](price/coupon_saved 单位:元,原样存;coupon_name=优惠来源名;applied_coupons=[{name,amount}] 多券明细) comparison_results: Mapped[list] = mapped_column(_JSON, nullable=False, default=list) # 目标平台未找到、跳过的菜名 skipped_dish_names: Mapped[list] = mapped_column(_JSON, nullable=False, default=list) # 客户端上报的原始 payload(calibration + done.params 全量),未来取数兜底 raw_payload: Mapped[dict | None] = mapped_column(_JSON, nullable=True) # ===== debug 维度(客户端上报;旧记录 / 未发版客户端为 None)===== # 设备环境:无障碍比价高度依赖机型/ROM,这是排"某机型跑不通"类问题的头号线索 device_model: Mapped[str | None] = mapped_column(String(64), nullable=True) device_manufacturer: Mapped[str | None] = mapped_column(String(64), nullable=True) rom_vendor: Mapped[str | None] = mapped_column(String(32), nullable=True) # vivo/OPPO/Xiaomi/HUAWEI/HONOR/samsung rom_name: Mapped[str | None] = mapped_column(String(32), nullable=True) # OriginOS/ColorOS/HyperOS/MIUI/EMUI/HarmonyOS... rom_version: Mapped[int | None] = mapped_column(Integer, nullable=True) android_version: Mapped[str | None] = mapped_column(String(16), nullable=True) # Build.VERSION.RELEASE android_sdk: Mapped[int | None] = mapped_column(Integer, nullable=True) # Build.VERSION.SDK_INT app_version: Mapped[str | None] = mapped_column(String(32), nullable=True) # 我们 app versionName app_version_code: Mapped[int | None] = mapped_column(Integer, nullable=True) # 被操控的源平台 App 版本(美团/淘宝/京东),排"平台 App 改版导致 UI 适配失效"用 source_app_version: Mapped[str | None] = mapped_column(String(32), nullable=True) # 比价时设备定位(影响淘宝 deeplink / 距离匹配) longitude: Mapped[float | None] = mapped_column(Float, nullable=True) latitude: Mapped[float | None] = mapped_column(Float, nullable=True) # ===== 性能 / 过程统计(debug 用)===== total_ms: Mapped[int | None] = mapped_column(Integer, nullable=True) # 客户端整场比价墙钟耗时 step_count: Mapped[int | None] = mapped_column(Integer, nullable=True) # 客户端 agent loop 总步数 llm_call_count: Mapped[int | None] = mapped_column(Integer, nullable=True) # 本次 LLM 调用次数(server 从 llm_calls 算) retry_count: Mapped[int | None] = mapped_column(Integer, nullable=True) # LLM 失败重试次数(server 从 llm_calls error 算) # 本次 LLM 累计 token(server 从 llm_calls[].usage 累加;旧记录/未采集为 None) input_tokens: Mapped[int | None] = mapped_column(Integer, nullable=True) # Σ usage.prompt_tokens output_tokens: Mapped[int | None] = mapped_column(Integer, nullable=True) # Σ usage.completion_tokens # 每次 LLM 调用明细 [{scene,model,input_messages,output,usage,latency_ms,error}]; # server 收上报后按 trace_id 同机拉 pricebot 落库(见 compare_record 端点)。旧记录/未采集为 None。 llm_calls: Mapped[list | None] = mapped_column(_JSON, nullable=True) # 本次比价 LLM 总成本(元):回填时按「当时的价」逐模型算好冻结(见 services/llm_cost.py)。 # 单次亚分级 → float「元」(不用 *_cents)。旧记录/未回填为 None,前端回退「估算成本」。 llm_cost_yuan: Mapped[float | None] = mapped_column(Float, nullable=True) # 算成本所用单价快照 {mode, prices:{model:{input_per_1m,output_per_1m,_source}}}:app_config 只存 # 当前价、不留历史,故把当时价冻结进来供审计/复算。 llm_price_snapshot: Mapped[dict | None] = mapped_column(_JSON, nullable=True) created_at: Mapped[datetime] = mapped_column( DateTime(timezone=True), server_default=func.now(), index=True, nullable=False ) def __repr__(self) -> str: # pragma: no cover return ( f"" )