# 模型训练任务界面设计方案

本方案基于原有需求，对“模型训练面板”的功能模块、交互流程及字段定义进行了全面细化与完善，确保用户体验流畅且功能完整。

## 1. 任务列表 (Task List)

### 1.1 查询栏
*   **任务名称**：文本输入框（支持模糊搜索）。
*   **算法类型**：下拉选择框（如 GPR, MLP, FastRBF, ...）。
*   **设备类型**：下拉选择框（如 CylindricalTank, AnnularTank, ...）。
*   **状态**：下拉选择框（全部, Pending, Training, Success, Failed）。
*   **操作按钮**：[查询] [重置] [新建训练任务]

### 1.2 数据表格
| 列名 | 数据类型 | 说明 |
| :--- | :--- | :--- |
| **任务名称** | String | 点击名称可直接跳转详情页 |
| **算法类型** | String | GPR / MLP 等 |
| **设备类型** | String | CylindricalTank 等 |
| **训练集来源** | String | 显示文件名或数据源类型（如 "Upload: dataset.csv"） |
| **核心指标** | String | 成功时显示关键指标（如 RMSE: 0.02, R2: 0.98），失败/进行中显示 "-" |
| **状态** | Status | 使用 Tag 区分颜色：<br>🔵 Pending (等待中)<br>🟡 Training (训练中)<br>🟢 Success (成功)<br>🔴 Failed (失败) |
| **创建时间** | DateTime | yyyy-MM-dd HH:mm:ss |
| **操作** | ButtonGroup | [查看详情] [发布模型] [删除] |

*   **分页控件**：位于表格底部，支持调整每页显示条数。

### 1.3 操作说明
*   **查看详情**：任何状态下均可点击，跳转至详情页。
*   **发布模型**：仅当状态为 **Success** 时可用（否则禁用）。点击弹出发布确认框。
*   **删除**：仅当状态为 **Success** 或 **Failed** 时可用（Training 中不可删除）。点击需二次确认，删除后不可恢复。

---

## 2. 新建训练任务 (Create Task)

采用分步向导或单页表单形式，推荐单页表单。

### 2.1 基础配置
*   **任务名称** (必填)：文本框，建议自动生成默认名（如 "Train_GPR_20240311_001"）。
*   **设备类型** (必填)：下拉选择。
*   **算法类型** (必填)：下拉选择。选择后，下方的“参数配置”应动态加载该算法的默认参数。

### 2.2 数据准备
*   **数据源类型** (必填)：单选框 [文件上传] / [临界库数据]。
    *   **选中“文件上传”**：
        *   显示文件上传组件（支持 .csv, .xlsx）。
        *   上传后需显示文件名及大小，并提供“重新上传”按钮。
    *   **选中“临界库数据”**（二期功能）：
        *   显示时间范围选择器（开始时间 - 结束时间）。
        *   显示“预览数据量”按钮（如：查询到 5000 条记录）。

### 2.3 参数配置
*   **训练超参数**：
    *   提供“加载默认值”按钮。
    *   使用 **JSON 编辑器** 或 **Key-Value 列表** 展示参数（如 `epochs`, `learning_rate`, `kernel` 等）。
    *   相比单纯文本框，JSON 编辑器能提供格式校验，避免输入错误。

### 2.4 底部按钮
*   [提交训练]：点击后校验表单，成功则跳转回列表页并自动刷新。
*   [取消]：返回列表页。

---

## 3. 查看详情 (Task Details)

详情页分为三个主要区域：基础信息、训练监控/结果、日志。

### 3.1 基础信息卡片
展示任务的静态配置信息：
*   任务名称、ID
*   算法类型、设备类型
*   数据源路径
*   训练参数（JSON 格式化展示，只读）
*   创建时间、更新时间

### 3.2 训练监控/结果区
根据状态不同，展示不同内容：

*   **Training (训练中)**：
    *   **进度条**：显示当前 Epoch/Total Epochs。
    *   **实时指标图**：折线图展示 Loss (损失函数) 随迭代次数的变化。前端定时轮询或通过 WebSocket 获取最新数据。
    *   **当前指标**：实时显示当前的 RMSE, Accuracy 等。

*   **Success (成功)**：
    *   **最终指标卡片**：RMSE, MAE, R2, MaxError 等关键评估指标。
    *   **误差散点图**：展示 `metrics_image_path` 对应的图片（预测值 vs 真实值）。
    *   **特征重要性**（可选）：如果算法支持，展示特征权重图。

*   **Failed (失败)**：
    *   显示醒目的红色错误提示。

### 3.3 错误日志区
*   仅在 **Failed** 状态或 **Training** 状态下显示。
*   展示后端或 Python 服务返回的详细异常堆栈或 Print 输出，便于排查问题。

### 3.4 顶部/底部操作栏
*   [发布模型]（仅 Success 状态可见）
*   [返回列表]

---

## 4. 模型发布 (Publish Model)

将临时训练任务产出的模型正式注册到系统模型库中。

### 4.1 交互流程
1.  在列表页点击“发布模型”，或在详情页点击“发布模型”。
2.  弹出模态框（Modal）。

### 4.2 弹窗内容
*   **任务名称**：(只读回显)
*   **算法/设备**：(只读回显)
*   **版本号 (Version Tag)** (必填)：文本框。
    *   提示用户输入版本标识，如 `v1.0`, `20240311-release`。
    *   后端需校验该算法+设备下版本号的唯一性。
*   **备注描述**：多行文本框（可选），用于记录模型特性或变更点。

### 4.3 确认操作
*   [确认发布]：
    *   后端将临时模型文件移动到正式目录。
    *   在 `algorithm_model` 表中创建新记录。
    *   发布成功后，提示用户“发布成功，请前往模型管理页激活使用”。
    *   关闭弹窗，刷新列表（建议在列表中增加“已发布”标记或状态）。
*   [取消]：关闭弹窗。


### 4.4 模型路径规划

模型路径规划建议（推荐目录结构） 以你现有的配置 file-space.model-path 为根（例如 E:/python_coding/keffCenter/models/ ），建议分两棵树：

- 训练产物（可清理）
  
  - {modelRoot}/runs/{algorithmType}/{deviceType}/{taskId}/
  - 里面放： pipeline.pkl 、 metrics.json 、 feature_map.json 、 metrics.png 、 train_params.json 等
  - 优点：用 taskId 保证唯一、不覆盖
- 发布模型（长期保留、可回滚）
  
  - {modelRoot}/published/{algorithmType}/{deviceType}/{versionTag}/
  - 里面放： pipeline.pkl （或带 hash 的文件名）、配套文件、manifest（可选）
  - algorithm_model.model_path 指向这里
另外建议：

- 路径里尽量只用 algorithmType/deviceType/versionTag/taskId 这种稳定字段，避免包含中文/空格
- versionTag 建议由用户输入但要校验（只允许 [a-zA-Z0-9._-] ），避免路径注入
- 如果担心文件重复，可在发布时生成 artifactId （hash）并写入模型表，便于去重/校验一致性