yrtv/docs/WebRDD.md

# YRTV 网站需求规格说明书 (RDD)

## 1. 项目概述 (Overview)

### 1.1 项目背景
YRTV 是一个面向 CS2 战队数据洞察与战术研判的 Web 平台，旨在通过 Web 界面提供可视化的数据查询、战队管理、战术模拟及深度分析功能。

### 1.2 核心目标
*   **数据可视化**: 将复杂的 SQLite 比赛数据转化为易读的图表、雷达图和趋势线。
*   **战术研判**: 提供阵容模拟、协同分析及地图热点情报，辅助战术决策。
*   **交互体验**: 通过轻量级前端交互（筛选、对比、点赞、白板）提升数据使用效率。
*   **实时动态**: 追踪战队成员的实时竞技状态与近期比赛动态，营造“战队大厅”氛围。

### 1.3 技术栈规划
*   **后端框架**: Python Flask (轻量级，易于集成现有 ETL 脚本)
*   **数据库**: 
    *   **L2**: SQLite (`database/L2/L2_Main.sqlite`) - 基础事实数据 (Read-Only for Web)
    *   **L3**: SQLite (`database/L3/L3_Features.sqlite`) - 高级衍生特征 (Read-Only for Web)
    *   **Web**: SQLite (`database/Web/Web_App.sqlite`) - [新增] 业务数据 (用户、评论、阵容配置、策略板存档)
*   **模板引擎**: Jinja2 (服务端渲染)
*   **前端样式**: Tailwind CSS (CDN 引入，快速开发) + PC-First 响应式设计 (适配手机、平板与桌面端)，主题色紫色，可切换黑白模式。
*   **前端交互**:
    *   **图表**: Chart.js / ECharts (雷达图、趋势图)
    *   **交互**: Alpine.js 或原生 JS (处理模态框、异步请求)
    *   **拖拽**: SortableJS (阵容调整)
    *   **地图**: Leaflet.js 或简单 Canvas (热力图/策略板)

---

## 2. 系统架构 (Architecture)

### 2.1 目录结构规划
```text
yrtv/
├── web/
│   ├── app.py              # Flask 应用入口
│   ├── config.py           # 配置文件
│   ├── routes/             # 路由模块
│   │   ├── main.py         # 首页与通用 (Home)
│   │   ├── players.py      # 玩家模块 (List, Detail, Compare)
│   │   ├── teams.py        # 战队模块 (Lineup, Stats)
│   │   ├── matches.py      # 比赛模块 (List, Detail, Demo)
│   │   ├── tactics.py      # 战术模块 (Lineup Builder, Map, Nade)
│   │   ├── wiki.py         # 知识库模块 (Wiki, Docs)
│   │   └── admin.py        # 管理后台 (ETL Trigger, User Mgmt)
│   ├── services/           # 业务逻辑层 (连接 L2/L3/Web DB)
│   │   ├── stats_service.py # 基础数据查询 (L2)
│   │   ├── feature_service.py # 高级特征查询 (L3)
│   │   ├── wiki_service.py  # 知识库管理
│   │   └── user_service.py  # 用户与评论管理
│   ├── static/             # 静态资源
│   │   ├── css/
│   │   ├── js/
│   │   └── images/
│   └── templates/          # Jinja2 模板
│       ├── base.html
│       ├── components/
│       ├── home/
│       ├── players/
│       ├── teams/
│       ├── matches/
│       ├── tactics/
│       ├── wiki/
│       └── admin/
├── database/               # 数据存储
│   ├── L1A/                # 原始爬虫数据
│   ├── L2/                 # 结构化事实数据
│   ├── L3/                 # 衍生特征库 (Feature Store)
│   └── Web/                # [新增] 业务数据库 (User, Comment, Wiki)
└── ETL/                    # 数据处理层 (ETL Pipeline)
    ├── L1A.py              # L1A Ingest
    ├── L2_Builder.py       # L2 Transform
    └── L3_Builder.py       # L3 Feature Engineering (原 feature_store.py 逻辑)
```

### 2.2 数据流向
1.  **ETL 层 (数据处理核心)**: 
    *   L1 (Raw): 爬虫 -> JSON 存储。
    *   L2 (Fact): JSON -> 清洗/标准化 -> Fact/Dim Tables。
    *   **L3 (Features)**: L2 -> 聚合/滑窗计算/模型推理 -> Player/Team Derived Features。**数据处理逻辑收敛于 ETL 目录下的脚本，Web 端仅负责读取 L2/L3 结果。**
2.  **Service 层**: Flask Service 仅负责 SQL 查询与简单的业务组装（如评论关联），不再包含复杂的数据计算逻辑。
3.  **View 层**: Jinja2 渲染 HTML。
4.  **Client 层**: 浏览器交互。

### 2.3 开发与启动 (Development & Startup)
*   **启动方式**:
    *   在项目根目录下运行: `python web/app.py`
    *   访问地址: `http://127.0.0.1:5000`

---

## 3. 功能需求详解 (Functional Requirements)

### 3.1 首页 (Home)
*   **功能**: 平台入口与导航聚合。
*   **内容**:
    *   **Hero 区域**: 平台定位文案（"JKTV CS2 队伍数据洞察平台"）。
    *   **Live / 战队状态看板 (New)**:
        *   **正在进行**: 如果监测到战队成员（配置列表内）正在进行比赛（通过 5E 接口轮询或最近 10 分钟内有数据更新），显示 "LIVE" 状态卡片。
        *   **近期战况**: 滚动显示战队成员最近结束的 5 场比赛结果（胜负、比分、MVP）。
        *   **状态概览**: 类似 GitHub Contribution 的热力日历，展示战队本月的活跃度。
    *   **快捷入口卡片**:
        *   "战术指挥中心": 跳转至阵容模拟。
        *   "近期比赛": 跳转至最新一场比赛详情。
        *   "数据中心": 跳转至多维对比。
    *   **比赛解析器**: 输入 5E 比赛链接，点击按钮触发后台 ETL 任务（异步），前端显示 Loading 状态或 Toast 提示。

### 3.2 玩家模块 (Players)
#### 3.2.1 玩家列表 PlayerList
*   **筛选/搜索**: 按 ID/昵称搜索，按 K/D、Rating、MVP 等指标排序。
*   **展示**: 卡片式布局，显示头像、ID、主队、核心数据 (Rating, K/D, ADR)。
#### 3.2.2 玩家详情 PlayerProfile
*   **基础信息**: 头像、SteamID、5E ID、注册时间。可以手动分配Tag。
*   **核心指标**: 赛季平均 Rating, ADR, KAST, 首杀成功率等。
*   **能力雷达图**: *计算规则需在 Service 层定义*。
*   **趋势图**: 近 10/20 场比赛 Rating 走势 (Chart.js)。
*   **评价板**: 类似于虎扑评分，用户可点赞/踩，显示热门评价（需新增 `web_comments` 表）。增加访问次数统计。
*   **管理区** (Admin Only): 修改备注、上传自定义头像。

### 3.3 战队模块 (Teams)
*   **阵容视图**: 展示当前核心阵容，手动添加。
*   **角色分组**: 手动标签将玩家分组。
*   **统计概览**: 战队整体胜率、近期战绩、地图胜率分布，个人关键数据。

### 3.4 比赛模块 (Matches)
#### 3.4.1 比赛列表 MatchList
*   **筛选**: 按地图、日期范围筛选。
*   **展示**: 列表视图，显示时间、地图、比分、胜负、MVP。

#### 3.4.2 比赛详情 MatchDetail
*   **头部**: 比分板（CT/T 分数）、地图、时长、Demo 下载链接。
*   **数据表**: 双方队伍的完整数据表（K, D, A, FK, FD, ADR, Rating, KAST, AWP Kills 等）。
    *   *利用 `fact_match_players` 中的丰富字段*。
*   **原始数据**: 提供 JSON 格式的原始数据查看/下载（`raw_iframe_network` 提取）。

### 3.5 战术模块 (Tactics)
#### 3.5.1 化学反应与战术深度分析 (Deep Analysis)
*   **阵容组建**: 交互式界面，从玩家池拖拽 5 名玩家进入“首发名单”。
*   **阵容评估**: 实时计算该 5 人组合的平均能力雷达。
*   **共同经历**: 查询这 5 人共同参与过的比赛场次及胜率。
*   **协同矩阵**: 选择特定阵容，展示两两之间的协同数据（如：A 补枪 B 的次数，A 与 B 同时在场时的胜率）。
*   **最佳/短板分析**: 基于历史数据分析该阵容在特定地图上的强弱项。
#### 3.5.2 数据对比 Data Center
*   **多选对比**: 选择多名玩家，并在同一雷达图/柱状图中对比各项数据。
*   **地图筛选**: 查看特定玩家在特定地图上的表现差异。
#### 3.5.3 道具与策略板 (Grenades & Strategy Board)
*   **道具管理**: 
    *   **道具计算**: 提供特定点位（如 Inferno 香蕉道）的烟雾弹/燃烧弹投掷模拟（基于坐标距离与轨迹公式）。
    *   **道具库**: 预设主流地图的常见道具点位（图片/视频展示），支持管理员添加新点位。
*   **实时互动策略板**: 
    *   **分地图绘制**: 基于 Leaflet.js 或 Canvas，加载 CS2 高清鸟瞰图。
    *   **实时协同**: 支持 WebSocket 多人同屏绘制（类似 Excalidraw），即时同步画笔轨迹与标记。
    *   **快照保存**: 支持一键保存当前战术板状态为图片或 JSON，生成分享链接/加入知识库。
#### 3.5.4 经济计算器 (Economy Calculator)
*   **功能**: 模拟 CS2 经济系统，辅助指挥决策。
*   **输入**: 设定当前回合胜负、存活人数、炸弹状态、当前连败奖励。
*   **输出**: 预测下一回合敌我双方的经济状况（最小/最大可用资金），给出起枪建议（Eco/Force/Full Buy）。

### 3.6 知识库 (Knowledge Base / Wiki)
*   **架构**: 典型的 Wiki 布局。
    *   **左侧**: 全局文档树状目录（支持多级折叠）。
    *   **右侧**: 当前文档的页内大纲（TOC）。
    *   **中间**: Markdown 渲染的正文区域。
*   **功能**:
    *   **快速编辑**: 提供 Web 端 Markdown 编辑器，支持实时预览。
    *   **简单验证**: 简单的密码或 Token 验证即可保存修改，降低贡献门槛。
    *   **文件管理**: 支持新建、重命名、删除文档，自动生成目录结构。

### 3.7 管理后台 (Admin)
*   **鉴权**: 简单的 Session/Token 登录。
*   **数据管理**:
    *   手动触发增量/全量 ETL。
    *   上传 demo 文件或修正比赛数据。
*   **配置**: 管理员账号管理、全局公告设置。查看网站访问数等后台统计。

### 3.8 管理后台查询工具 (SQL Runner)
*   **功能**: 提供一个 Web 版的 SQLite 查询窗口。
*   **限制**: 只读权限（防止 `DROP/DELETE`），仅供高级用户进行自定义数据挖掘。

---

### Second Stage: Demo 深度解析管线 (Future)
*   **目标**: 引入 `demoparser2` (或类似开源库) 实现本地 Demo 文件的深度解析，获取比 Web 爬虫更细粒度的原子级数据。
*   **Pipeline**:
    1.  **Ingest**: 自动/手动上传 `.dem` 文件。
    2.  **Parse**: 调用 `demoparser2` 提取每 tick/每事件数据 (Player Position, Grenade Trajectory, Weapon Firing)。
    3.  **Store**: 将海量原子数据存入 ClickHouse 或优化的 SQLite 分表 (L1B/L2+)。
    4.  **Analyze**: 产出高级分析指标（如：真实拉枪反应时间、道具覆盖效率、非预瞄击杀率）。
    5.  **Visualize**: 在前端复盘页面实现 2D 回放 (2D Replay) 功能。