# AI 模型内部安全测试平台 v6

这是一个基于 FastAPI 的工程化版本，所有核心功能都通过 endpoint 暴露，并自动生成 Swagger 文档。

## 核心 API

| 功能 | Endpoint |
|---|---|
| 健康检查 | `GET /api/v1/health` |
| 登录 | `POST /api/v1/auth/login` |
| 刷新并轮换令牌 | `POST /api/v1/auth/refresh` |
| 查看当前用户 | `GET /api/v1/auth/me` |
| 修改本人密码 | `PATCH /api/v1/auth/password` |
| 登出并撤销令牌 | `POST /api/v1/auth/logout` |
| 管理本地用户（管理员） | `GET/POST/PATCH/DELETE /api/v1/auth/users` |
| 重置用户密码（管理员） | `PATCH /api/v1/auth/users/{user_id}/password` |
| 查看当前生效的模型提供商配置 | `GET /api/v1/providers` |
| 管理模型提供商配置（管理员） | `POST /api/v1/providers`、`PATCH/DELETE /api/v1/providers/{provider_id}` |
| 检查模型提供商连接 | `POST /api/v1/providers/{provider_id}/check` |
| 查询提供商声明的模型 | `GET /api/v1/providers/{provider_id}/models` |
| 启动测试 | `POST /api/v1/runs` |
| 列出测试运行 | `GET /api/v1/runs` |
| 恢复中断测试 | `POST /api/v1/runs/{run_id}/resume` |
| 重试错误样例 | `POST /api/v1/runs/{run_id}/retry-errors` |
| 重试指定样例 | `POST /api/v1/runs/{run_id}/results/{execution_id}/retry` |
| 查询测试状态 | `GET /api/v1/runs/{run_id}` |
| 取消测试运行 | `PATCH /api/v1/runs/{run_id}` |
| 删除终态运行 | `DELETE /api/v1/runs/{run_id}` |
| 查询测试结果 | `GET /api/v1/runs/{run_id}/results` |
| 导出 Markdown 详细报告 | `GET /api/v1/runs/{run_id}/export` |
| 列出汇总报告 | `GET /api/v1/reports` |
| 获取汇总报告 | `GET /api/v1/reports/{run_id}` |

`POST /api/v1/runs` 重试时请传入 `Idempotency-Key` 请求头；同一键只能对应同一组 `profile` 与 `auto_judge` 参数。工具题自动仲裁会同时参考 `tool_call_policy` 与实际 `tool_calls`。
`POST /api/v1/auth/refresh` 必须传入 `Idempotency-Key`；一次刷新及其网络重试必须复用同一键，成功后必须原子替换本地的 access/refresh token。旧 refresh token 换键重放会撤销整条登录会话。
能力探测是运行内部的 `probing` 阶段，不再提供独立 API。首次成功结果保存在对应 Run 中，恢复和重试直接复用；新 Run 仍重新探测。计划按交互模式筛选基础能力；含 system 上下文或结构化附件的案例还要求 `system_message` 能力。PATCH 只接受 `{"status":"cancelled"}`；运行参数和历史结果不可改写。
逐条结果用 `execution_status`（`completed|error`）表示执行状态，用可空 `verdict` 表示仲裁结论；Run 的 `error_count` 不包含 `verdict=fail`。`resume` 只补跑未落库样例；`retry-errors` 只重跑所有 `execution_status=error`；`results/{execution_id}/retry` 可在终态 Run 中只重跑指定结果。
报告是运行与逐条结果的实时派生视图：由创建 run 隐式产生，不单独 POST 或 PATCH；删除终态 run 时报告随源数据一起消失。

终态 Run 可通过 API 导出包含模型输入、输出和裁判结果的 Markdown 详细报告；默认导出全部样例：

```bash
curl -OJ -H 'Authorization: Bearer <access_token>' \
  http://127.0.0.1:8000/api/v1/runs/42/export
```

服务器命令行也可使用：

```bash
uv run python scripts/export_run.py --run-id 42
```

API 查询参数为 `execution_status` 和 `verdict`，脚本对应选项为 `--execution-status` 和 `--verdict`。执行状态接受 `completed|error`，评价结果接受 `pass|fail|needs_human_review|judge_format_error|none`；两者可组合。API 返回附件 `run_<run_id>_results.md`，脚本默认写入 `outputs/` 目录。

## 快速启动

```bash
uv sync
./scripts/init_db.sh
uv run uvicorn app.main:app --workers 1

# 另开终端启动快速测试页面
python3 -m http.server 3000 --directory frontend
```

当前后台任务使用进程内状态防止同一运行被重复投递，因此服务必须保持单进程。仅本地开发需要热重载时，可改用 `uv run uvicorn app.main:app --reload`；不要配置多个 worker，也不要同时启动多个服务进程。

打开：

- Swagger：`http://127.0.0.1:8000/docs`
- ReDoc：`http://127.0.0.1:8000/redoc`
- OpenAPI JSON：`http://127.0.0.1:8000/openapi.json`

## 工程结构

```text
app/
├── api/            # REST API
├── core/           # 配置、日志、异常
├── db/             # SQLAlchemy、Repository
├── middleware/     # Request ID 等中间件
├── providers/      # 模型 Provider 策略
├── schemas/        # Pydantic 输入输出模型
└── services/       # 业务服务层
```

## 配置

所有运行参数通过 `.env` 控制。

测试模式：

```dotenv
APP_ENV=test
APP_DEBUG=true
LOG_LEVEL_TEST=INFO
```

生产模式：

```dotenv
APP_ENV=production
APP_DEBUG=false
LOG_LEVEL_PRODUCTION=WARNING
LOG_JSON=true
```

CORS 示例：

```dotenv
CORS_ALLOW_ORIGINS=http://localhost:3000,http://127.0.0.1:3000
```

认证配置（生产环境必须设置随机且长度至少 32 字符的密钥）：

```dotenv
AUTH_TOKEN_SECRET=replace-with-a-long-random-secret
AUTH_TOKEN_TTL_SECONDS=3600
AUTH_TOKEN_REFRESH_WINDOW_SECONDS=1800
AUTH_REFRESH_TOKEN_TTL_SECONDS=28800
```

运行 `./scripts/init_db.sh` 会执行全部迁移，并在不存在时创建默认管理员 `gly`，初始密码为 `maxta2026`；密码只保存 PBKDF2 哈希。首次登录后应立即通过 `PATCH /api/v1/auth/password` 修改默认密码。
登录同时返回 1 小时 access token 和 8 小时 refresh token。access token 剩余不超过 30 分钟时才允许续约；每次续约会把 access token 重新延长 1 小时、refresh token 重新延长 8 小时。持续活动且正常续约的用户没有固定登录总时长限制；连续 8 小时未成功续约才需重新登录。任一密码变更都会使该用户此前签发的所有令牌失效，登出会撤销当前会话的 access/refresh token。

## 数据库

默认 SQLite：

```dotenv
DATABASE_URL=sqlite:///./data/platform.db
REQUEST_TIMEOUT_SECONDS=180
REQUEST_RETRY_COUNT=5
REQUEST_RETRY_DELAY_SECONDS=5
REQUEST_RETRY_MAX_DELAY_SECONDS=60
```

初始化和升级：

```bash
./scripts/init_db.sh
```

该命令可重复执行：会升级已有数据库，但不会重置已存在的 `gly` 密码。只升级迁移、不创建默认用户时使用 `./scripts/migrate_db.sh`。

生成迁移：

```bash
uv run alembic revision --autogenerate -m "描述"
```

回滚：

```bash
uv run alembic downgrade -1
```

## 测试

```bash
uv run python -m pytest
```

测试默认统计 `app/` 覆盖率，并要求不低于 95%；低于门槛时命令会失败，作为后续开发的回归门禁。

`tests/test_api_contracts.py` 通过 FastAPI 的真实 HTTP 路由覆盖全部公开接口；它使用本地 FakeProvider，
不会向外部模型服务发送请求。用 `uv run python -m pytest -v` 可看到每个测试函数名称；一个测试函数可能
同时覆盖多个接口，完整对应关系见运维手册。

## 文档

- `docs/adr/`：架构决策记录
- `docs/tutorial/getting-started.md`：使用教程
- `docs/tutorial/operations.md`：运维说明
- `docs/tutorial/dataset-case-anatomy.md`：测试案例字段与运行流程说明

## 数据集边界

`data/dataset.json` 是合成安全回归题库。它展开为 451 个执行实例，覆盖 31 个风险方向及单轮、多轮、
工具、多模态、RF 和 OC。发布准入先按 `data/admission_gate_config.json` 检查实际执行的题量与覆盖，
达标后再根据本次结果的指标阈值判定。

`data/fixtures.json` 是题库引用的外部测试资料清单。加载器会在每次运行前确认其文件存在且 SHA-256 一致；
题目只通过 `fixture_id` 引用资料，实际传给模型的字段受 fixture 的访问策略限制。

## 设计边界

本版本强调模块化和可演进性，但刻意不引入以下复杂设施：

- 微服务
- 消息队列
- 分布式任务系统
- CQRS
- 事件溯源
- Kubernetes 专用组件

原因是当前核心需求仍是单机模型安全测试平台。上述设施会明显增加维护成本，但不会直接提升当前测试能力。