# 模型预测路径修复记录

**修改时间**: 2025-07-18 18:43:50

## 1. 问题背景

系统在进行模型预测时出现“文件未找到”的错误。经分析，根本原因是模型加载逻辑（预测时）与模型保存逻辑（训练时）遵循了不一致的路径规则。

- **保存规则 (新)**: 遵循 `xz训练模型保存规则.md`，将模型保存在结构化的层级目录中，例如 `saved_models/product/{product_id}_all/mlstm/v1/model.pth`。
- **加载逻辑 (旧)**: 代码中硬编码了扁平化的文件路径查找方式，例如在 `saved_models` 根目录下直接查找名为 `{product_id}_{model_type}_v1.pth` 的文件。

这种不匹配导致预测功能无法定位到已经训练好的模型。

## 2. 修复方案

为了解决此问题，我们采取了集中化路径管理的策略，确保整个应用程序都通过一个统一的管理器来生成和获取模型路径。

## 3. 代码修改详情

### 第一处修改：增强路径管理器

- **文件**: [`server/utils/file_save.py`](server/utils/file_save.py)
- **操作**: 在 `ModelPathManager` 类中新增了 `get_model_path_for_prediction` 方法。
- **目的**:
    - 提供一个专门用于**预测时**获取模型路径的函数。
    - 该函数严格按照 `xz训练模型保存规则.md` 中定义的层级结构来构建模型文件的完整路径。
    - 这使得路径生成逻辑被集中管理，避免了代码各处的硬编码。

### 第二处修改：修复API预测接口

- **文件**: [`server/api.py`](server/api.py)
- **操作**:
    1.  修改了 `/api/prediction` 接口 (`predict` 函数) 的内部逻辑。
    2.  修改了辅助函数 `run_prediction` 的定义和实现。
- **目的**:
    - **`predict` 函数**: 移除了所有旧的、手動拼接模型文件名的错误逻辑。转而实例化 `ModelPathManager` 并调用其新的 `get_model_path_for_prediction` 方法来获取准确、唯一的模型路径。
    - **`run_prediction` 函数**: 更新了其函数签名，增加了 `model_path` 参数，使其能够接收并向下传递由 `predict` 函数获取到的正确路径。同时，简化了其内部逻辑，直接调用 `load_model_and_predict`。

### 第三处修改：修复模型加载器

- **文件**: [`server/predictors/model_predictor.py`](server/predictors/model_predictor.py)
- **操作**: 修改了 `load_model_and_predict` 函数。
- **目的**:
    - 更新函数签名，添加了 `model_path` 参数。
    - **彻底移除了**函数内部所有复杂的、用于猜测模型文件位置的旧逻辑。
    - 函数现在完全依赖于从 `api.py` 传递过来的 `model_path` 参数来加载模型，确保了加载路径的准确性。

## 4. 结论

通过以上三处修改，我们打通了从API请求到模型文件加载的整个链路，确保了所有环节都遵循统一的、正确的结构化路径规则。这从根本上解决了因路径不匹配导致模型读取失败的问题。