# 后端架构

后端采用模块化分层单体。HTTP、业务编排、领域计算和持久化彼此隔离，后续可以替换风险模型而不改 API 层。

```text
HTTP Request
  -> app/api/v1              路由、参数接收、响应
  -> app/services            用例编排
  -> app/domain              纯领域规则/模型适配器
  -> app/repositories        数据访问
  -> app/models              SQLAlchemy ORM
  -> PostgreSQL
```

- `app/core`：配置、日志和统一异常。
- `app/database`：异步 Engine、Session 和事务边界。
- `app/schemas`：Pydantic 请求/响应契约，外部 JSON 使用 camelCase。
- `app/domain/risk_engine.py`：当前为可替换的基线评分引擎；未来可接 sklearn、XGBoost 或远程模型服务。
- 风险评分遵循 PRD：输入值表示风险程度，先按 `S = 100 - X` 转为安全得分，再按权重求综合分；`R >= 80` 低风险，`60 <= R < 80` 较低风险，`40 <= R < 60` 中等风险，`20 <= R < 40` 高风险，`R < 20` 极高风险。
- `migrations`：Alembic 数据库迁移。
- `tests`：API 和领域服务测试。

认证与审核链路：

```text
密码登录 / 钉钉 authCode
  -> UserAccount + 角色映射
  -> JWT
  -> 每次请求从 JWT 查用户并读取 role_permissions
  -> 风险项自动预审
  -> 待审核队列
  -> 审核通过写入 anomaly_cases / 驳回退回
  -> operation_audits 追加式留痕
```

## PRD 核心数据表

首期数据库包含 `anomaly_cases`、`supplier_profiles`、`risk_assessments`、`risk_items`、
`review_records`、`standard_rules`、`user_accounts` 和 `role_permissions` 八张核心表。

目标 PostgreSQL 当前未安装 `pgvector`，因此 `anomaly_cases.embedding` 暂用可空 `JSONB`
保存浮点数组。安装 `vector` 扩展后，应通过独立迁移将该字段改为 `VECTOR(768)` 并补充向量索引。