Compressor/提示词.md

初始标注模型，原理

第一步，将所有部位的全部正常样本（每个部位40组，共40×N组）合并成一个训练集，输入TSPulse模型进行无监督微调。模型不区分数据来自哪个部位，只学习一个通用能力：将任意输入的周期波形压缩成一个128维的特征向量，作为该波形的“数学指纹”。训练完成后，模型参数被固化保存为一个模型文件。

第二步，利用训练好的模型为每个部位建立专属基准。将部位A的40组正常样本逐条输入模型，得到40个128维向量，对这40个向量求平均得到部位A的“质心”，再计算这40个向量到质心的最大距离作为部位A的“半径”。部位B、C、D等同样操作，最终形成一张记录每个部位（质心，半径）的基准表。此步骤模型不再学习，仅做推理计算。

第三步，实时检测时，新数据X（来自部位A）先输入训练好的模型，输出其128维向量V_X，程序根据数据来源标签调取部位A的质心和半径，计算V_X到质心的距离并与半径比较——若距离超过半径则判定异常并报警，否则正常。整个方案只需维护1个模型文件和1张部位基准表，无论监控多少个部位，管理成本都极低。

初始标注模型的实现思路

1.实际的部位是 inputdatas 里面的35个部位，每个部位不止40组数据，按文件夹里面实际情况算。 2.采用TSPulse模型 3.规划基准表的实际存储格式 4.规划模型输入，模型输出文件夹以及结构，模型存储位置 5.训练完成验证模型能力 6.实时检测时的逻辑可以后面再整理逻辑和实现，现在可以不处理 7.相关脚本和内容仍然是放到LabelingPreTraining，这个属于LabelingPreTraining的工作 给我方案，简单有效的描述，我确认后执行

数据预测脚本开发

我需要预测的数据都在 wave_file 表，wave_file里面的字段中你是可以知道数据属于哪个部位的 select * from wave_file where rpm>0 and measurement_type='压力'

我需要一个脚本，长期运行的脚本，因为数据库数据很多，长期查询耗费时间 这个脚本可以根据上面的 wave_file 表条件自动轮询数据，然后找出数据来进行预测，将预测写过回写到 wave_file tspluse_status 字段

每一个wave_file数据只需要查询出wave_sample前面3000条，从3000条中找到一个完整的周期数据，然后生成 [signal_value, second_value, 1, 1] 的数据用于预测 数据不要留存本地，用完内存就丢掉 用这一个周期在使用上面的模型完成预测，根据 （第三步，实时检测时，新数据X（来自部位A）先输入训练好的模型，输出其128维向量V_X，程序根据数据来源标签调取部位A的质心和半径，计算V_X到质心的距离并与半径比较——若距离超过半径则判定异常并报警，否则正常。整个方案只需维护1个模型文件和1张部位基准表，无论监控多少个部位，管理成本都极低）完成盘点，判断这个周期数据是否属于异常，如果属于异常则 tspluse_status 回写1，如果不是异常，不用回写，直接进入下一个预测

因为数据库数据很多，长期查询耗费时间，你这个脚本在跑的时候需要输出简单的进度信息

你写好只做冒烟测试，然后告诉我命令，我自己跑