You've already forked DataMate
Jerry Yan
0ed7dcbee7
- 实现三层对齐策略：规则层 + 向量相似度层 + LLM 仲裁层 - 规则层：名称规范化（NFKC、小写、去标点/空格）+ 规则评分 - 向量层：OpenAI Embeddings + cosine 相似度计算 - LLM 层：仅对边界样本调用，严格 JSON schema 校验 - 使用 Union-Find 实现传递合并 - 支持批内对齐（库内对齐待 KG 服务 API 支持） 核心组件： - EntityAligner 类：align() (async)、align_rules_only() (sync) - 配置项：kg_alignment_enabled（默认 false）、embedding_model、阈值 - 失败策略：fail-open（对齐失败不中断请求） 集成： - 已集成到抽取主链路（extract → align → return） - extract() 调用 async align() - extract_sync() 调用 sync align_rules_only() 修复： - P1-1：使用 (name, type) 作为 key，避免同名跨类型误合并 - P1-2：LLM 计数在 finally 块中增加，异常也计数 - P1-3：添加库内对齐说明（待后续实现） 新增 41 个测试用例，全部通过 测试结果：41 tests pass
DataMate Python Service (DataMate)
这是 DataMate 的 Python 服务，负责DataMate的数据合成、数据标注、数据评估等功能。
简要说明
- 框架：FastAPI
- 异步数据库/ORM：SQLAlchemy (async)
- 数据库迁移：Alembic
- 运行器：uvicorn
快速开始（开发）
前置条件
- Python 3.11+
- poetry 包管理器
- 克隆仓库
git clone git@github.com:ModelEngine-Group/DataMate.git
- 进入项目目录
cd runtime/datamate-python
- 安装依赖 由于项目使用poetry管理依赖，你可以使用以下命令安装：：
poetry install
或者直接使用pip安装（如果poetry不可用）：
pip install -e .
- 配置环境变量 复制环境变量示例文件并配置：
cp .env.example .env
编辑.env文件，设置必要的环境变量，如数据库连接、Label Studio配置等。
- 数据库迁移（开发环境）：
alembic upgrade head
- 启动开发服务器（示例与常用参数）：
- 本地开发（默认 host/port，自动重载）：
set -a && source .env && set +a && poetry run uvicorn app.main:app --port 18000 --log-level debug --reload
或者
poetry run python -m app.main
- 指定主机与端口并打开调试日志：
uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload --log-level debug
- 在生产环境使用多个 worker（不使用 --reload）：
uvicorn app.main:app --host 0.0.0.0 --port 8000 --workers 4 --log-level info --proxy-headers
- 使用环境变量启动（示例）：
HOST=0.0.0.0 PORT=8000 uvicorn app.main:app --reload
注意：
--reload仅用于开发，会监视文件变化并重启进程；不要在生产中使用。--workers提供并发处理能力，但会增加内存占用；生产时通常配合进程管理或容器编排（Kubernetes）使用。- 若需要完整的生产部署建议使用 ASGI 服务器（如 gunicorn + uvicorn workers / 或直接使用 uvicorn 在容器中配合进程管理）。
访问 API 文档：
- Swagger UI: http://127.0.0.1:8000/docs
- ReDoc: http://127.0.0.1:8000/redoc （推荐使用）
开发新功能
- 安装开发依赖：
poetry add xxx
使用（简要）
- 所有 API 路径以
/api前缀注册（见app/main.py中app.include_router(api_router, prefix="/api")）。 - 根路径
/返回服务信息和文档链接。
更多细节请查看 doc/usage.md（接口使用）和 doc/development.md（开发说明）。