f798c31cab
根因: 大模型给的 人物A/B/C 这类临时 uid 只在单次视频分析内部稳定，不同视频各 自独立编号——同一个字符串在不同视频里完全可能指向不同的真人（实测生产数据里 "人物A" 在 29 个视频里混了男女两个人，"人物B" 混了男/女/儿童三个人）。但 people 表 label 全局 UNIQUE，upsert_person / person_service 的特征聚合都直接 按这个字符串当全局稳定身份用，导致不同真人的特征被硬合并进同一行，"我"这张卡 显示出来的描述其实是我和媳妇两个人的特征混在一起。 两处落地点都加了同一条硬规则（性别是相对稳定信号，冲突大概率是撞了另一个人）： 1. oracle_db.upsert_person(): 单视频入库时，新特征性别与已有行冲突就不覆盖合 并，改分配 uid#2/uid#3 这样的派生 label 单独建行。 2. person_service._aggregate_features(): 每次全量重新聚合时按性别在线聚类， 同一 uid 下冲突的性别拆成独立分组，不再无脑覆盖成一坨。 拆出来的派生 label 走已有的"未命名 -> LLM 合并 -> 硬规则否决"流程，由现有机制 判断该并入哪个已命名身份。 新增 test_oracle_db.py（5 例）+ test_person_service.py（5 例）覆盖同性别合并 / 性别冲突拆分 / 后缀分配 / unknown 不触发拆分等场景。 生产数据已用新逻辑重新 reconcile 并手动核对 3 个因数据量太大 LLM 没能正确认领 的派生 label（人物A#2/人物B#2#2 -> 媳妇，爷爷#2 -> 爷爷），现在 4 个人物分组 （我/媳妇/爷爷/汤圆）特征都是内部一致的，不再互相串。
71 lines
3.1 KiB
Python
71 lines
3.1 KiB
Python
import json
|
||
|
||
from fam_edge.oracle_db import OracleDB
|
||
from fam_edge.person_service import PersonService
|
||
|
||
|
||
def _service(tmp_path):
|
||
db = OracleDB(str(tmp_path / "oracle.db"))
|
||
svc = PersonService.__new__(PersonService) # 跳过 __init__（不需要真的建 LLM 适配器）
|
||
svc.db = db
|
||
return svc, db
|
||
|
||
|
||
def _insert_event(db, video_id, appearances):
|
||
db._conn.execute(
|
||
"INSERT INTO events (video_id, ts, description, person_appearances_json) "
|
||
"VALUES (?, ?, ?, ?)",
|
||
(video_id, "2026-08-21 00:00:00", "desc", json.dumps(appearances, ensure_ascii=False)))
|
||
db._conn.commit()
|
||
|
||
|
||
def test_aggregate_features_merges_same_gender_across_videos(tmp_path):
|
||
svc, db = _service(tmp_path)
|
||
_insert_event(db, 1, [{"uid": "人物A", "features": {"gender": "男", "hair": "短发黑色"}}])
|
||
_insert_event(db, 2, [{"uid": "人物A", "features": {"gender": "男", "clothing": "蓝色T恤"}}])
|
||
result = svc._aggregate_features()
|
||
assert set(result.keys()) == {"人物A"}
|
||
assert result["人物A"]["hair"] == "短发黑色"
|
||
assert result["人物A"]["clothing"] == "蓝色T恤"
|
||
|
||
|
||
def test_aggregate_features_splits_gender_conflict_across_videos(tmp_path):
|
||
"""核心场景: 复现 "人物A" 在 29 个视频里混了男女两个人的真实 bug——不同视频各自
|
||
独立编号的 uid，字符串相同不代表同一个真人，性别冲突时必须拆成独立分组。"""
|
||
svc, db = _service(tmp_path)
|
||
_insert_event(db, 1, [{"uid": "人物A", "features": {"gender": "男", "clothing": "蓝色Polo衫"}}])
|
||
_insert_event(db, 2, [{"uid": "人物A", "features": {"gender": "女", "clothing": "白色上衣"}}])
|
||
result = svc._aggregate_features()
|
||
assert set(result.keys()) == {"人物A", "人物A#2"}
|
||
assert result["人物A"]["gender"] == "男"
|
||
assert result["人物A#2"]["gender"] == "女"
|
||
|
||
|
||
def test_aggregate_features_unknown_gender_joins_first_group(tmp_path):
|
||
svc, db = _service(tmp_path)
|
||
_insert_event(db, 1, [{"uid": "人物A", "features": {"gender": "男"}}])
|
||
_insert_event(db, 2, [{"uid": "人物A", "features": {"gender": "unknown", "hair": "光头"}}])
|
||
result = svc._aggregate_features()
|
||
assert set(result.keys()) == {"人物A"}
|
||
assert result["人物A"]["gender"] == "男"
|
||
assert result["人物A"]["hair"] == "光头"
|
||
|
||
|
||
def test_aggregate_features_three_way_gender_reuse_creates_three_groups(tmp_path):
|
||
svc, db = _service(tmp_path)
|
||
_insert_event(db, 1, [{"uid": "人物B", "features": {"gender": "男"}}])
|
||
_insert_event(db, 2, [{"uid": "人物B", "features": {"gender": "女"}}])
|
||
_insert_event(db, 3, [{"uid": "人物B", "features": {"gender": "男"}}]) # 应并回第一组
|
||
result = svc._aggregate_features()
|
||
assert set(result.keys()) == {"人物B", "人物B#2"}
|
||
assert result["人物B"]["gender"] == "男"
|
||
assert result["人物B#2"]["gender"] == "女"
|
||
|
||
|
||
def test_aggregate_features_ignores_placeholder_uids(tmp_path):
|
||
svc, db = _service(tmp_path)
|
||
_insert_event(db, 1, [{"uid": "无人", "features": {"gender": "男"}}])
|
||
_insert_event(db, 2, [{"uid": "", "features": {"gender": "男"}}])
|
||
result = svc._aggregate_features()
|
||
assert result == {}
|