依赖

• Python 包：Flask, SQLAlchemy, Flask-CORS, requests, torch, weasyprint, pdfkit
• 系统库（二选一）
  • weasyprint：cairo, pango, gdk-pixbuf, libffi
  • pdfkit：wkhtmltopdf

核心端点

• 上传合约（自动触发 LLM 初判）
  • POST /api/uploads (multipart/form-data: file, chain, compiler_version, notes)
  • 说明：业务域固定为跨境贸易（cross_border），无需传 business_domain
• 创建作业（后台执行完整流程）
  • POST /api/jobs {"upload_id": "..."}
• 作业详情/状态
  • GET /api/jobs/{job_id}
• 作业列表
  • GET /api/jobs/list?status=...&page=1&per_page=20
• 报告查看/下载
  • GET /api/reports/{job_id}.html
  • GET /api/reports/{job_id}.pdf
  • POST /api/reports/sample （生成跨境贸易示例报告，返回路径）

产物结构（uploads/{upload_id}/）

• meta.json：上传元信息（filename、chain、compiler_version、notes、upload_time）
• 源文件（原始 .sol）
• preproc/：预处理副本
• llm_result.json：LLM 初判
• ml_result.json：ML 推理
• fusion_result.json：融合结果（final_score、severity、top_findings 等）
• report.html：最终报告（模板：static/report_template.html）
• report.pdf：PDF 报告（WeasyPrint 优先，pdfkit 兜底；样式：static/report.css）

处理流程（跨境贸易场景）

1. 上传合约：自动触发 LLM 初判，保存 llm_result.json
2. 创建作业：PREPROCESSING → LLM_ANALYZING（多阶段：precheck → compliance → deep_audit，聚合结果） → ML_INFER → FUSING → REPORT_READY
3. 融合（固定跨境贸易权重）：final_score = α·ML_prob + β·LLM_overall + γ·issue_aggregation（α=0.35, β=0.45, γ=0.20；冲突阈=0.28）
4. 报告：基于 static/report_template.html 渲染 HTML，使用 static/report.css 生成 PDF（WeasyPrint 优先，pdfkit 兜底）

最小验证

# 1) 上传
curl -X POST http://localhost:8000/api/uploads \
  -F "file=@contract.sol" \
  -F "chain=ethereum" \
  -F "compiler_version=0.8.19" \
  -F "notes=跨境贸易结算合约"
# ⇒ {"upload_id":"..."}

# 2) 创建作业
curl -X POST http://localhost:8000/api/jobs \
  -H "Content-Type: application/json" \
  -d '{"upload_id":"..."}'
# ⇒ {"job_id":"..."}

# 3) 轮询状态
curl http://localhost:8000/api/jobs/{job_id}

# 4) 查看/下载报告
curl http://localhost:8000/api/reports/{job_id}.html
curl -O http://localhost:8000/api/reports/{job_id}.pdf

# 5) 生成示例报告（跨境贸易演示）
curl -X POST http://localhost:8000/api/reports/sample

注意

• LLM_API_KEY 未配置时，LLM 初判会失败（流程仍可继续，但融合与报告信息受限）