# dsdriver

**Repository Path**: x-itg/dsdriver

## Basic Information

- **Project Name**: dsdriver
- **Description**: 大师驾驶舱祝您管理n个亲密关系
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-04
- **Last Updated**: 2026-06-04

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 大师驾驶舱 (DSDriver)

复杂关系的工程化解法。以“攻略目标”为核心，辅助用户同时管理 N 段亲密关系，覆盖目标画像、互动、阶段计划、关键日程、统计分析、风险识别与预警。

## 产品目标

大师驾驶舱不替用户做决策，而是持续提供：

1. 状态可视化：亲密度、活跃度、投入时间、风险、关键日程。
2. 过程管理：攻略计划、攻略阶段、阶段成果、时间轴日志。
3. 预警能力：关系降温风险、冲突日程干扰、高风险目标提示。
4. 全本地隐私：零云端、零账号、零第三方追踪。

## 当前已实现功能

1. 安全与解锁
- 主密码 + Argon2id 派生主密钥。
- SQLite（移动端 SQLCipher / Web sql.js）+ 字段级 AES-256-GCM 双层保护。
- 自动锁定与解锁状态机。

2. 目标管理
- 目标画像（代号、标签、偏好、禁忌、重要日期、备注）。
- 角色面板（亲密度/情绪/风险可视化）。

3. 互动管理
- 互动记录（类型、时长、时间、地点、备注、情绪前后、亲密度增量）。
- 自动联动目标亲密度与最后互动时间。

4. 日程管理
- 新建/更新/删除日程。
- 单事件冲突检测。
- 范围级“日程相互干扰”扫描（按重叠分钟分级 low/mid/high）。

5. 统计与分析
- 仪表盘汇总：活跃目标、30 天互动次数、30 天投入时长、关键日程数、风险排行。
- 目标级 30 天活跃度指标：互动次数、互动天数、投入时长、距上次互动天数、活跃度评分。
- 统计页已改为真实聚合，不再使用占位逻辑。

6. 策略与日志基础设施（新增）
- 策略计划表：strategy_plans。
- 攻略阶段表：strategy_stages。
- 时间轴日志表：activity_logs（可关联 target 与 stage）。
- 已提供 repository + service API，可直接接 UI。

## 核心算法说明

### 1) 亲密度算法

当前为“互动增量驱动模型”：

1. 每条互动携带 intimacyDelta（可正可负）。
2. 写入互动后，同步更新目标 intimacy：

$$
intimacy_{new} = clamp(intimacy_{old} + intimacyDelta, 0, 100)
$$

3. 同时更新 lastInteractionAt。

趋势图通过累加历史 intimacyDelta 重建时序曲线。

### 2) 风险识别算法

当前为“信号规则模型（可解释）”：

1. 时间信号：
- $daysSinceLastInteraction \ge 14$：高风险信号。
- $7 \le daysSinceLastInteraction < 14$：中风险信号。

2. 变化信号：
- 7 天 moodTrend 显著下降。
- 7 天 intimacyTrend 净下降。

3. 结构信号：
- 高亲密度 + 长期无互动 -> 降温风险。
- 用户手动风险指数过高 -> 风险提示。

4. 风险分级：按信号条数聚合 low/mid/high。

输出包括：风险等级、风险信号列表、下一步建议动作。

### 3) 目标活跃度算法（新增）

在 30 天窗口计算每个目标：

- interactionCount：互动次数
- interactionDays：发生互动的自然日数
- investedMinutes：投入分钟
- daysSinceLastInteraction：距上次互动天数

活跃度评分 $activityScore \in [0,100]$：

$$
score = freqPart + activeDaysPart + durationPart + recencyPart
$$

其中：

- $freqPart = clamp(interactionCount/8,0,1) \times 40$
- $activeDaysPart = clamp(interactionDays/12,0,1) \times 30$
- $durationPart = clamp(investedMinutes/600,0,1) \times 20$
- $recencyPart = clamp(1-daysSinceLast/14,0,1) \times 10$

### 4) 日程相互干扰识别（新增）

在给定时间窗口内，扫描 planned 事件两两重叠：

$$
overlap = max(0, min(endA,endB) - max(startA,startB))
$$

重叠时长转换为分钟后分级：

- low: < 15 分钟
- mid: 15–45 分钟
- high: > 45 分钟

用于提前预警“时间冲突与相互干扰”。

## 数据模型（核心）

1. 关系域
- targets：攻略目标画像
- interactions：互动记录
- events：关键日程与提醒

2. 策略域（新增）
- strategy_plans：攻略计划
- strategy_stages：攻略阶段与进度/结果

3. 时间轴域（新增）
- activity_logs：日志信息流（可关联 target 与 stage）

## 开发与运行

### 安装

```bash
npm install
```

### 开发

```bash
npm run dev
```

### 类型检查

```bash
npm run typecheck
```

### 构建

```bash
npm run build
```

### 分阶段测试与统一产物管理

所有测试脚本与测试产物统一放在 qa 目录：

- 脚本目录：[qa/scripts](qa/scripts)
- 单测目录：[qa/tests](qa/tests)
- 产物目录：[qa/artifacts](qa/artifacts)

执行分阶段测试流水线：

```bash
npm run qa:stages
```

该命令会依次执行：

1. Stage-1: 类型检查（typecheck）
2. Stage-2: 算法单测（vitest）
3. Stage-3: 构建验证（build）

产物示例：

- [qa/artifacts/summary.json](qa/artifacts/summary.json)
- [qa/artifacts/unit-report.json](qa/artifacts/unit-report.json)
- [qa/artifacts/stage-1-typecheck.log](qa/artifacts/stage-1-typecheck.log)
- [qa/artifacts/stage-2-unit.log](qa/artifacts/stage-2-unit.log)
- [qa/artifacts/stage-3-build.log](qa/artifacts/stage-3-build.log)

### 端到端回归测试

基于 sql.js 内存数据库 + 真实 AES-256-GCM 字段加密，跑完整 `service → repo → DB` 链路的"有数据"回归：

```bash
npx vitest run qa/tests/e2e-regression.test.ts --reporter=verbose
```

覆盖三条核心功能链路：

**链路 1 — 策略阶段推进**

创建目标 → 创建攻略计划 → 新增 3 个阶段 → 推进进度（50% → 100% done）→ 验证整体进度 `progress=43`、`doneStages=1`、阶段顺序与状态正确。

**链路 2 — 时间线筛选**

创建目标 → 在 4 个不同时间段创建互动（1h 前 / 3 天前 / 15 天前 / 60 天前）→ 验证 `today / week / month / older` 四组齐全、按目标过滤正确、时间降序排列。

**链路 3 — 日程冲突告警**

- 完全重叠（60 min）→ `high` 严重度，`ConflictReport` 正确
- 部分重叠（30 min）→ `mid` 严重度
- 不重叠事件 → 无冲突
- `detectRangeInterference` 批量扫描 → 警告列表按 `overlapMin` 降序

**跨链路联动**

创建互动 → 目标亲密度自动累加（30+5=35）→ 时间线立即可见（`today` + `kind=interaction`）。

**测试环境说明**

| 组件 | 实现方式 |
|---|---|
| 数据库 | sql.js 内存 SQLite（`window.initSqlJs` mock） |
| 平台检测 | `vi.mock('@capacitor/core')` 返回 `'web'` |
| 加密 | `crypto.getRandomValues` + `AES-GCM` 真实加解密 |
| 密钥 | 绕过 Argon2 KDF，直接注入随机测试密钥 |
| 迁移 | `runMigrations()` 执行完整 schema v1 + v2 |

测试文件：[qa/tests/e2e-regression.test.ts](qa/tests/e2e-regression.test.ts)

### 原生同步

```bash
npm run cap:sync
```

## 目录结构

```text
src/renderer/
  crypto/                 # KDF + AES 字段加密
  db/
    connection.ts         # SQLite 适配
    migrations.ts         # schema v1/v2
    repositories/         # targets/interactions/events/strategy/activity_logs
  services/
    target.service.ts
    interaction.service.ts
    schedule.service.ts
    risk.service.ts
    analytics.service.ts
    strategy.service.ts   # 新增
    logfeed.service.ts    # 新增
  pages/
    Dashboard.tsx
    TargetDetail.tsx
    Schedule.tsx
    Stats.tsx
```

## 未完成项与实施清单

以下能力已进入实现路线，当前版本完成了数据与算法基础，UI 或系统集成仍需继续：

1. 攻略计划/阶段前台管理界面
- [x] 数据表与服务 API
- [ ] 页面与交互（创建计划、阶段看板、阶段成果回顾）

2. 时间维度日志信息流面板
- [x] activity_logs 数据表与服务 API
- [ ] 全局 Timeline 页面
- [ ] TargetDetail 内嵌日志流与筛选

3. 日程提醒系统
- [x] 日程冲突/干扰识别算法
- [ ] 与 LocalNotifications 联动的实际触发、去重与补偿机制

4. 风险智能化
- [x] 可解释规则模型
- [ ] 组合评分模型（时间衰减 + 趋势斜率 + 阶段进展）
- [ ] 风险变化趋势图与“预警原因溯源”

5. 统计维度扩展
- [x] 目标活跃度、互动天数、投入时长、风险排行
- [ ] 多窗口对比（7/30/90 天）
- [ ] 阶段成果完成率、计划执行偏差

## 隐私与安全

1. 无账号、无云端、无第三方追踪 SDK。
2. 主密码不落盘，忘记即不可恢复。
3. 数据加密采用“库级 + 字段级”双层模型。

## 说明

本项目用于个人关系管理场景的工程化实践。请在合法、合规、尊重边界的前提下使用。