数据生态系统集成(The 'Where')
SHAP 管道与 Grafana 等可观测性平台及 Gemini 统一 SDK 的集成方法,用于 Portelcore 中的自动化诊断。
0阅读
4.1. Portelcore 中的分析循环
Sección titulada «4.1. El Círculo Virtuoso Analítico en Portelcore»通过 SHAP 实现的可解释性最终价值不仅在于被动收集遥测数据,更在于其动态集成以优化企业决策。
graph TD A["1. Inferencia & Telemetría<br>(Calcular Predicciones & SHAP)"] --> B["2. Almacenamiento Selectivo<br>(PostgreSQL / SQLite Indexado)"] B --> C["3. Observabilidad & BI<br>(Grafana / Looker Studio)"] C --> D["4. Diagnóstico por IA<br>(Gemini SDK Forensics)"] D --> E["5. Optimización del Modelo<br>(Refactorización de Features)"] E --> A style A fill:#3b4252,stroke:#4c566a,stroke-width:1px,color:#d8dee9 style B fill:#3b4252,stroke:#4c566a,stroke-width:1px,color:#d8dee9 style C fill:#3b4252,stroke:#4c566a,stroke-width:1px,color:#d8dee9 style D fill:#a3be8c,stroke:#8fbcbb,stroke-width:2px,color:#2e3440 style E fill:#81a1c1,stroke:#5e81ac,stroke-width:1px,color:#2e34404.2. 可观测性仪表板:连接到 Grafana
Sección titulada «4.2. Dashboards de Observabilidad: Conexión con Grafana»分析遥测关系模型非常适合为交互式仪表板提供数据,以监控模型的行为和健康状况。
1. 可追溯性与归因历史面板(折线图)
Sección titulada «1. Panel de Trazabilidad e Historial de Atribución (Gráfico de Líneas)»- 目的:监控特定业务变量(例如,
tickets_soporte_abiertos)的影响是否随时间发生显著变化。 - Grafana 的 SQL 查询:
SELECTp.predicted_at AS "time",a.shap_value AS "Valor SHAP: Tickets Soporte"FROM model_predictions pJOIN shap_attributions a ON p.prediction_id = a.prediction_idWHERE a.feature_name = 'tickets_soporte_abiertos'AND p.portel_user_id = $portel_user_idORDER BY p.predicted_at ASC;
- 目的: 展示模型因最大误差而失败的预测细分数据。
- Grafana 的 SQL 查询:
SELECTp.predicted_at AS "Fecha",p.portel_user_id AS "Usuario",p.output_probability AS "Probabilidad Predicha",a.feature_name AS "Variable",a.feature_value AS "Valor Observado",a.shap_value AS "Contribución SHAP"FROM model_predictions pJOIN shap_attributions a ON p.prediction_id = a.prediction_idWHERE p.actual_outcome IS NOT NULLAND (p.output_probability > 0.5) != p.actual_outcome -- DiscordanciaORDER BY ABS(a.shap_value) DESCLIMIT 20;
4.3. 使用 Gemini 的自动化取证诊断
Sección titulada «4.3. Diagnóstico Forense Automatizado con Gemini»Portelcore 中最高级别的分析自动化是利用谷歌人工智能(Gemini)来审计和诊断由 SHAP 解释的预测模型中的逻辑故障。
自动化脚本:analisis_forense_ia.py
Sección titulada «Script de Automatización: analisis_forense_ia.py»该脚本与遥测数据库交互,并使用 Google GenAI 统一 SDK (google-genai) 生成结构化的自然语言诊断。
import osimport sqlite3from google import genaifrom google.genai import types
# Inicialización segura del cliente unificado de Gemini API# Recuerda exportar la variable de entorno: export GEMINI_API_KEY="tu_clave_de_pruebas"client = genai.Client()
def generar_diagnostico_forense(prediction_id: str) -> str: """ Extrae las atribuciones SHAP de una predicción errónea y genera un diagnóstico detallado utilizando Gemini 2.5 Flash. """ # Conexión a la base de datos local conn = sqlite3.connect("data/portel_telemetry.db") cursor = conn.cursor()
# 1. Obtener detalles de la predicción cursor.execute(""" SELECT portel_user_id, output_probability, actual_outcome FROM model_predictions WHERE prediction_id = ? """, (prediction_id,)) pred_info = cursor.fetchone()
if not pred_info: return "ID de predicción no encontrado."
user_id, prob, actual = pred_info
# 2. Obtener atribuciones SHAP cursor.execute(""" SELECT feature_name, feature_value, shap_value FROM shap_attributions WHERE prediction_id = ? ORDER BY ABS(shap_value) DESC """, (prediction_id,)) attributions = cursor.fetchall() conn.close()
# 3. Construir el prompt analítico desglose_txt = "" for feat, val, shap in attributions: desglose_txt += f"- {feat}: Valor Observado = {val:.2f}, Contribución SHAP = {shap:+.4f}\n"
prompt = f""" Actúa como un experto Ingeniero de Machine Learning y Analista Cuantitativo en Portelcore. Debemos auditar un fallo lógico en nuestro modelo de predicción de abandono (Churn) 'portel_user_churn'.
DETALLES DE LA PREDICCIÓN: - ID Predicción: {prediction_id} - ID Usuario: {user_id} - Probabilidad Predicha por el Modelo: {prob:.4f} (Umbral de decisión > 0.5) - Resultado Real: {'Abandono' if actual else 'Permanencia'} - Estado de Predicción: FALLIDO (El modelo predijo {'Abandono' if prob > 0.5 else 'Permanencia'}, pero ocurrió lo contrario)
CONTRIBUCIONES DETALLADAS DE SHAP: {desglose_txt}
TAREA: 1. Realiza una autopsia técnica del error. Explica por qué el modelo se equivocó basándote en las contribuciones de SHAP. 2. Determina si el modelo confió excesivamente en variables sesgadas o de ruido. 3. Recomienda acciones correctivas de ingeniería de datos para este usuario o para reentrenar el modelo en portelcore.com. """
# 4. Invocación al SDK unificado de Gemini response = client.models.generate_content( model='gemini-2.5-flash', contents=prompt, config=types.GenerateContentConfig( temperature=0.2, # Baja temperatura para análisis consistentes y precisos ) )
return response.text
# Demostración práctica de invocación en laboratorioif __name__ == "__main__": prediction_test_id = "pred_user_17222_40_231" print("--- Iniciando Análisis Forense de Telemetría con Gemini ---") try: diagnostico = generar_diagnostico_forense(prediction_test_id) print("\nDIAGNÓSTICO ENVIADO POR GEMINI API:") print(diagnostico) except Exception as e: print(f"Error en la llamada al SDK GenAI: {e}")在关闭管道之前,请确保集成端到端流畅运行:
- Grafana 查询已建立索引,以避免对
portelcore.com数据库进行全表扫描。 ✓ - 脚本
analisis_forense_ia.py仅使用统一的google-genaiSDK (genai.Client())。 ✓ - Gemini 生成模型的温度已设置为保守值 ($0.2$) 以避免生产环境中的分析幻觉。 ✓

