feat(link): customer_account_link 账号↔客户多对多——共享好友员工维度对齐云客

用户报「Lily 好友数 36,点进员工客户页只有 12」。真机探明根因:那 24 个
是共享客户(同一人加多个员工),云客 per-employee 各算一个;而 customer
表 PK=friend_id 全局单行、归属 last-wins,其他员工名下必然「消失」。
抓取器本身每员工都拿全了(日志 declared=36 rows=36),丢在入库模型层。

- 新表 customer_account_link(渠道×账号×客户一行,per-relation 快照:
  昵称/备注/头像/手机号/收发计数/最近沟通/add_time/fromType/isDel)
- 写:repos.upsert_customer 随档案同事务维护(所有好友抓取路径一处挂全);
  新增 prune_customer_links 对账
- 读:/api/customers?owner_account_id= 改读 link(与云客 contacts_num 口径
  一致);该账号 link 为空时回退档案路径(过渡安全);与 dept/user 等
  过滤组合时维持旧行为;CustomerOut 透传 from_type
- 抓取器:friends/wa-friends 逐员工整批 upsert 后按名单对账(取满声明
  total 才删,防半份名单误删)
- 前端:StaffFriends 数据来源列优先 link 的 from_type

611 测试绿(link 新 6 例);本地验证空表回退/造数接管/from_type 透传。
上线后需重跑 friends+wa-friends 回填 link(存量关系无法从档案反推)。

Co-Authored-By: Claude Code <noreply@anthropic.com>

docs/superpowers/plans/2026-09-08-yunke-management-console-implementation-v2.md

@@ -0,0 +1,309 @@
+# 云客经营管理后台实施计划 v2（贴合代码修订版）
+
+- **日期**：2026-09-08
+- **版本**：v2.0
+- **状态**：待评审后进入开发
+- **与 v1 的关系**：替代 `2026-09-08-yunke-management-console-implementation.md`（plans/ 与 specs/ 两份副本内容相同）的**技术设计部分**；产品范围、页面内容细则、验收标准沿用 v1，本文不重复，冲突处以本文为准
+- **上游方案**：[云客数据智能管理平台完整实施计划](./2026-09-08-yunke-data-intelligence-management-plan.md)
+- **修订方式**：对 v1 逐项做「现有代码 ↔ 文档要求」查漏补缺，钉在真实代码事实上重新设计底座
+
+---
+
+## 0. 已确认的决策记录
+
+| 决策项 | 结论 |
+|---|---|
+| 一期范围 | 按 v1 原计划全量：管理驾驶舱 + 员工总览 + 员工详情 + 考核快照（Task 0-13） |
+| 业务口径 | 全按 v1 §21 默认值：自然时间 SLA、2h+24h 双 SLA、30 天沉睡、综合分标「试算」、CSV 导出、仅管理层可见、个人基线=过去 4 周 |
+| 底座方案 | 方案 B：新增首响事实表 + 收敛版员工宽表（v1 架构骨架不变） |
+| 关键修正 | 见 §1 修订总览——fact 表独立计算（跨日精确算法）、宽表 1:1 口径全量自算、生命周期沿用距今天数口径 |
+
+---
+
+## 1. 相对 v1 的修订总览
+
+### 1.1 P1 级（正确性/口径，必须修正）
+
+| # | 问题 | 证据 | 修正 |
+|---|---|---|---|
+| 1 | **跨夜串丢失**：现有日切算法下「客户 23:00 发→员工次日 9:00 回」的首响样本整条丢失（Day1 串未闭合只计 threads；Day2 重起算时无客户消息不成串，员工回复落空段）。P90/24h 回复率系统性低估，而评分重度依赖这两项 | `app/storage/summary.py` `_thread_stats` 日切近似，docstring 自述「跨夜串归属日偏差」实为样本丢失 | fact 表**不挂写钩子**，由 4h 滚动+夜间全量任务用**跨日精确串算法**（按会话全历史计算）独立生成；写钩子零改动，`_thread_stats` 不改 |
+| 2 | **stat_daily_staff 是 friend+room 混合口径**：`sent/recv/threads/answered/fr` 五列聚合无 kind 过滤，群消息污染首响/回复率。v1 说「从 stat_daily_staff 拷贝」不可行 | `app/storage/staff_summary.py` `recompute_days` 聚合循环 | 宽表消息计数列从 msg_daily_stats 按 `peer_kind='friend'` 自算（account_map 归并模式复用）；串类三列由 fact 模块同源输出（见 #5）；管理页与现有看板排行的数字差异属口径不同，各自标注 |
+| 3 | **「降温」定义冲突**：上游整合计划（`2026-09-08-yunke-data-intelligence-management-plan.md` §8.1/§15）降温=频次低于个人基线；现有 churn/客户资产分层=距今天数区间。两套「降温」会并存打架 | `app/analytics/metrics.py` churn 三分法 | 一期生命周期 4 列统一用**现有距今天数口径**；频次基线降温后置二期；差异写入 metric-definitions |
+| 4 | **对账口径必须预写死**：fact（跨日精确）与 msg_daily_stats 三列（日切近似）即使 friend 口径也不相等，差集=跨夜闭合串 | 同 #1 | Task 2 验收断言：fact 样本集 ⊇ 日切被回串，差集=跨夜串；禁止相等断言 |
+| 5 | **回复率分子分母必须同源**：v2 初稿宽表串类列（cust_threads 等）取自 msg_daily_stats 日切聚合，而回复率分子取自 fact（跨日）——多日未回串使日切分母膨胀，回复率被系统性低估 | 本轮复查发现（#2 修正的连带遗漏） | 宽表串类三列改由 fact 计算模块**同源输出**（按串末条归属日的 threads/answered/fr_sum）；msg_sent/recv 与 active_friends/rooms 与串算法无关，仍取 msg_daily_stats |
+
+### 1.2 P2 级（性能/实现修正）
+
+| # | 问题 | 修正 |
+|---|---|---|
+| 6 | 周期分位数若 Python 拉全窗口 fact 行（月窗最坏 ~8 万行 ≈10MB 传输）不可取 | 改 SQL 窗口函数 `PERCENT_RANK() OVER (PARTITION BY user_id ORDER BY fr_ms)`（MySQL 8.4 / SQLite 3.25+ 双方言支持），传输降为员工数×2 行 |
+| 7 | fact 4h 增量成本 | 滚动 3 天=近 3 天活跃会话**全历史重算**（最大 friend 会话 5.2 万条 ≈1-2s × 几十活跃会话，4h 一次可接受）；一期取简单正确，预留「尾部增量」优化（历史已闭合串不变） |
+| 8 | full_sync_all.sh 步数变化 | 12→**14** 步：第 13 步 fact 全量重建、第 14 步宽表全量重建（宽表必须在 fact 之后） |
+
+### 1.3 P3 级（补充明确/简化）
+
+| # | 项 | 结论 |
+|---|---|---|
+| 9 | 员工主数据来源未核实 | 列入 Task 0 核实（organization 路由背后是独立员工表还是账号表派生） |
+| 10 | 幽灵员工 | account_map 映射不上的 owner（离职/异常账号），宽表生成时直接**过滤**，不进管理域员工列表（评分场景不适用 analytics 的「读侧标注」策略） |
+| 11 | 功能开关降级 | 现状单 admin 账号无角色可分，v1 Task 13 的「功能开关」是过度设计；改为**上线顺序控制**（本地先行→服务器后上），RBAC 二/三期（与 v1 §15 一致） |
+| 12 | fr_ms 边界 | 按 ts 排序保证非负；超长样本（>30 天）保留在 fact，评分按异常裁剪原则处理（上游整合计划 §6.5「极端值不直接放大分数」）：>30 天样本参与分布展示，但不作为 0 分依据，单独列入超时明细 |
+| 13 | 五维分布图 | 一期只画 3 个可用维度（客户经营/服务质量/有效负载）+ 2 个「待数据」占位（行动执行/风险合规），不暗示完整五维 |
+
+---
+
+## 2. 查漏补缺：复用映射总表
+
+| v1 能力项 | 现有可复用 | 本次动作 |
+|---|---|---|
+| 员工日指标底座 | `stat_daily_staff`（8 列，混合口径）、`msg_daily_stats`（首响三列，日切近似） | 两表**均不动**；新增 `first_reply_fact` + `employee_metric_daily`（§3） |
+| 时间窗/环比口径 | `app/analytics/metrics.py` `scope_day_keys`/`_prev_scope_days`（5 种窗+同期对齐） | management 层直接 import，不复制时区逻辑 |
+| 生命周期分层 | `metrics.py` 客户资产分层 / churn 三分法（距今天数口径） | 提炼共享函数，日聚合任务与 analytics 共用；analytics 调用点保持不变（包装层） |
+| 首响均值/回复率算法 | `staff_ranking` 的 fr_avg/reply_rate | 周期值改为宽表 SUM + fact 表精确分位 |
+| 异常检测雏形 | `anomaly`（昨日 vs 前 7 日均值偏离>50%） | `management/anomalies.py` 扩展为规则集：回复恶化（fact P90）、待回复增长（B2）、活动骤降/过载（宽表） |
+| 驾驶舱页面 | `DashboardView.vue` 的图表模式、`useChart`、筛选栏、骨架屏/空态分语 | 新建 ManagementDashboardView，复用全部 composables/utils；旧页并存过渡后重定向 |
+| 流失/该回未回/敏感词 | 三个现有页面 | 不动，作为下钻目标 + 驾驶舱行动入口聚合 |
+| 数据截至/新鲜度 | `app/analytics/health.py` 的 data_as_of 逻辑 | 管理页「数据截至/完整性」角标直接复用 |
+| 调度 | `analytics_tick`（4h：staff 汇总+敏感扫描） | 追加第三步：fact 滚动重算 + 宽表滚动重算 |
+| 回填/自愈 | `full_sync_all.sh` 第 11/12 步 | 追加第 13/14 步（fact/宽表全量重建）+ 两条回填 CLI |
+| 员工事实下钻 | `/staff-chat`、`/chat`、`/groups`、`/calls` | 不动，管理页只做链接跳转 |
+| CSV 导出 | `csvExport.ts`（全量翻页+中文 BOM） | 直接复用 |
+
+---
+
+## 3. 数据库设计：5 张新表
+
+### 3.1 `first_reply_fact` 首响事实表（本设计新增）
+
+**用途**：任意时间窗精确 P50/P90、2h/24h 回复率分子、指标解释抽屉的构成明细下钻证据。
+
+**算法（跨日精确串口径，区别于 msg_daily_stats 的日切近似）**：
+
+- 串 = 同一会话内客户连续消息（is_send=False）不被员工消息（is_send=True）打断的段；is_send=None 跳过；
+- 每个被回串一个样本：`fr_ms = 员工首条回复 ts − 串末条客户消息 ts`；
+- 样本归属 = 串末条消息所在**上海自然日**（跨夜串不再丢失）；
+- 只写 `peer_kind='friend'`（1:1）行——群串语义不成立且占串数大头，不写；
+- 模块同时输出**每日串聚合**（threads/answered/fr_sum，同按串末条归属日）供宽表消费——回复率分子分母同源（§1.1 #5）；
+- 按会话全历史计算，幂等模式=按会话 delete+insert。
+
+**表结构**：
+
+```text
+唯一键: (channel, owner_account_id, peer_id, thread_end_ts, reply_ts)
+列:     day            int      串末条所在上海日 yyyymmdd（冗余物化，索引用）
+        thread_end_ts  BigInteger  串末条客户消息 ts(ms)
+        reply_ts       BigInteger  员工首条回复 ts(ms)
+        fr_ms          BigInteger
+索引:   (day, channel) 趋势/窗口查询；唯一键自身覆盖会话下钻
+```
+
+**生成链路（不挂写钩子）**：
+
+- 4h tick：对近 3 天有消息的会话（从 msg_daily_stats 近 3 天行取 pairs）做全历史重算；
+- 夜间全量：full_sync_all.sh 第 13 步，遍历全部 friend 会话（复用 `recompute_all` 的 pairs 遍历模式）；
+- 回填 CLI：`python -m app.sync.cli first-reply-facts`，分批可重跑可记水位；
+- 量级：日均几百行、全年几十万行，远小于 message 表。
+
+### 3.2 `employee_metric_daily` 员工指标宽表（v1 表的收敛版）
+
+**口径总则**：消息串类列 = 1:1（friend-only）口径，从 msg_daily_stats 自算；与现有看板（friend+room 混合）的数字差异属口径不同。
+
+```text
+PK: (day, channel, user_id, metric_version)
+
+消息计数列（msg_daily_stats 自算，friend 过滤 + account_map 归并；与串算法无关）:
+  msg_sent, msg_recv
+串类列（fact 计算模块同源输出，跨日精确、按串末条归属日——与回复率分子同口径）:
+  cust_threads, threads_answered, fr_sum_ms
+负载列（msg_daily_stats，friend/room 分行天然区分）:
+  active_friends（1:1 distinct 客户）, active_rooms（distinct 群）
+首响日值（趋势图用，从 fact 算）:
+  first_reply_p50_ms, first_reply_p90_ms
+生命周期 4 列（距今天数口径，当日持有客户状态分布，按 customer 当前归属）:
+  new_customer_count, cooling_customer_count,
+  dormant_customer_count, reactivated_customer_count
+通话 4 列（phone_call 按 user_id+day 直聚，user_id 已是员工 ID 无需转换）:
+  call_count, call_seconds, answered_call_count, call_followup_count
+元数据:
+  data_complete, computed_at
+```
+
+**相对 v1 的删减与更名**：
+
+- 6 列可派生不落：`reply_2h/24h_count`、`unreplied_2h/24h_count`（fact 表 fr_ms≤阈值计数 + cust_threads 派生）、`first_reply_count/first_reply_sum_ms`（≡ threads_answered/fr_sum_ms）；
+- `effective_sessions` 不单列：v1 §6.3 工作负载视图的「有效会话」≡ cust_threads（1:1 有客户消息串的天级会话数），页面字段名从 cust_threads 映射；
+- `activated_customer_count` 一期不做：「有效激活」定义是 v1 §21 #4 未决口径（几轮互动/几天窗口），随二期频次基线生命周期一起定义；
+- `customer_threads` 更名为 `cust_threads`（与 msg_daily_stats/stat_daily_staff 现有列名对齐）。
+
+**metric_version 语义**：只影响派生列（生命周期/通话跟进的算法口径）；消息计数与串类事实列与版本无关。默认值 `v1`，算法演进时新版本并行落表不覆盖旧数据。
+
+**时效说明**：消息计数列的源数据（msg_daily_stats）随写钩子近实时更新，串类列的源数据（fact）随 4h/夜间重算更新——两类列的上游时效不同，但宽表行统一随 4h/夜间重算落库；computed_at 取宽表生成时间，data_complete 标注 fact 是否已覆盖当日。
+
+**评分用周期值的计算来源**（不在宽表存储）：周期 P50/P90、2h/24h 回复率一律从 fact 表精确计算（SQL 窗口函数），宽表日值仅供趋势展示。
+
+### 3.3 `employee_score_config` / `employee_score_snapshot` / `management_followup`
+
+按 v1 §11.1 原样实施，无修改：
+
+- config：version 唯一、status、effective_from/to、config_json（维度/指标/权重/方向/阈值/样本门槛），激活前权重总和与阈值校验；
+- snapshot：snapshot_batch_id、period_type/period、score_config_version、metric_version、total_score、grade、score_status（scored/insufficient_sample/incomplete_data）、dimension_scores_json、metric_details_json、data_as_of、frozen_at/frozen_by、supersedes_id；同批次员工唯一；冻结后业务层禁改；
+- followup：source_type/code/period/value、reason、action_type、owner_manager_id、status（open/in_progress/resolved/cancelled）、due_at、result、employee_feedback；索引 `(employee_user_id, status, due_at)`、`(owner_manager_id, status)`。
+
+### 3.4 迁移要求
+
+- 一个 Alembic migration 建 5 张表；migration 只建表和索引，**不扫描消息**；
+- 数据回填走独立 CLI 分批执行（可暂停/重跑/记水位），先在本地 Docker 快照验证耗时与一致性；
+- downgrade 只删本次新增对象；SQLite（测试）/MySQL（生产）双方言；
+- 升级前确认当前 head（服务器注意：backend 容器**不自动跑 alembic**，须手动 `exec backend alembic upgrade head`）。
+
+---
+
+## 4. 计算链路与调度
+
+```text
+message 入库（写钩子，全路径覆盖——现状，零改动）
+  → msg_daily_stats                        [summary.py]
+      → stat_daily_staff                    [staff_summary.py，现状]
+
+message（按会话全历史，跨日精确算法）        [新 storage/first_reply_facts.py]
+  → first_reply_fact
+      │
+      └─→ employee_metric_daily             [新 storage/employee_metrics.py：
+             msg 计数(msg_daily_stats,friend) + 串类/分位(fact 同源)
+             + customer 生命周期 + phone_call]
+              → 期聚合/四对比（上期/个人基线4周/团队中位数）
+                  → 试算评分 + 异常规则      [management/]
+                      → 周/月快照（不可变）  [management/snapshots]
+```
+
+- **4h**：`analytics_tick` 追加第三步：fact 滚动重算（近 3 天活跃会话）→ 宽表重算（当日+滚动 3 天）；失败只记日志不中断（沿用现有异常隔离模式）；
+- **夜间**：full_sync_all.sh 第 13 步 fact 全量重建、第 14 步宽表全量重建（顺序：必须在 msg_daily_stats/stat_daily_staff 之后）；
+- **生命周期历史快照**：补同步触及历史日期时不能只重算那几天（那天的「距上次互动天数」依赖更早历史），统一由夜间全量按会话日序列重放覆盖；4h tick 只算当日；
+- **通话后跟进**（call_followup_count）：3,190 条通话量级小，逐通话窄查 24h 内员工对该客户的消息（join 键以 Task 0 核实结果为准），聚合任务内完成；
+- **性能原则**：管理页面禁止实时扫描 96 万条原始消息；趋势和员工表读宽表+fact；原始消息只用于小范围下钻。
+
+---
+
+## 5. 口径决议表（管理域 vs 现有看板）
+
+| 指标 | 管理域口径 | 现有看板口径 | 差异原因 |
+|---|---|---|---|
+| 消息量/串/首响均值 | 1:1（friend-only） | friend+room 混合 | 服务质量语义要求 1:1 |
+| 首响分位 | 跨日精确串（fact） | 日切近似（跨夜丢失） | P90 正确性 |
+| 降温客户 | 距今天数区间（同 churn 页） | 同 | 一期统一，频次基线降温二期 |
+| 活跃员工 | 宽表口径（幽灵员工已过滤，§1.3 #10） | `_active_staff` 含映射不上的账号并读侧标注 | 评分场景不接受幽灵员工 |
+| 交互天数/日桶 | Asia/Shanghai 自然日 | 同 | 一致 |
+
+三方差异（管理页 vs 数据看板 vs 云客原版）在 metric-definitions 端点与页面口径说明中如实标注，不做静默差异。
+
+---
+
+## 6. API 设计（`/api/management/*`）
+
+沿用 v1 §12.3 的 11 个端点与通用响应约定（比例 0~1、时长带单位后缀、空值≠0、稳定 error_code、data_as_of+metric_version+sample_status 必返），实现落点：
+
+| 端点 | 关键实现落点 |
+|---|---|
+| `GET /dashboard` | 一次返回 KPI/双趋势/生命周期/维度分布/异常/行动聚合；data_as_of 复用 health.py |
+| `GET /employees` | 服务端分页排序；默认按异常严重度排（不做总分榜）；每员工带四对比值+sample_status |
+| `GET /employees/{user_id}` | 首屏只回头部+维度分+趋势摘要+异常+辅导摘要 |
+| `GET /employees/{user_id}/metrics?section=` | service/customer/workload/calls_groups 四页签懒加载；行动/风险页签一期不建 |
+| `GET /employees/{user_id}/drilldown?metric_code=` | **白名单**：`first_reply_p90`→fact 逐串明细（含跳聊天定位）、`unreplied`→复用 B2、`cooling_customers`→客户列表带筛选、`call_followup`→通话列表。禁止前端传 SQL 字段/表达式 |
+| `GET /metric-definitions` | 指标元数据（口径/单位/方向/样本门槛/公式/版本），含 §5 差异标注 |
+| `GET/POST /reviews` | 草稿幂等生成（同 period+config 已有 draft 返回既有批次）；`data_complete=false` 拒绝冻结 |
+| `POST /reviews/{batch_id}/freeze` | 仅 draft→frozen；MVP 不做 published（RBAC 前置） |
+| `GET/POST/PATCH /followups` | 状态机白名单流转 |
+
+**周期分位数**：SQL 窗口函数 `PERCENT_RANK() OVER (PARTITION BY user_id ORDER BY fr_ms)` 取最接近 0.5/0.9 分位的行，双方言一致。
+
+**一期评分**：综合分 = 可用维度（客户经营 30 + 服务质量 25 + 有效负载 15 = 70%）按 `100/70` 归一化 + **「试算」角标**；行动执行/风险维度显示「待数据」，不补 0 不补满分（v1 §10.1 默认）。
+
+---
+
+## 7. 前端设计
+
+- **路由**：`/management/dashboard`、`/management/employees`、`/management/employees/:userId`（activeMenu 高亮父级）、`/management/reviews`；MainLayout 新增「经营管理」分组（二期菜单不渲染、不放空页面）；`/analytics/dashboard` 过渡期并存、稳定后重定向；
+- **目录**：`views/management/` 四页 + `components/management/`（ManagementFilterBar/ManagementKpiCard/ComparisonValue/DataAsOfBadge/ScoreBar/ScoreBreakdown/EmployeeMetricsTable/MetricDefinitionDrawer/MetricDrilldownDrawer/AnomalyList/FollowupDrawer）+ `composables/useManagementFilters.ts`（URL query 为真源）+ `api/management.ts`；
+- **复用清单**：useChart（维度分布用分组条形图，BarChart 已注册，**不引雷达图**）、axios client 的 token/401 处理、`utils/format.ts`、`csvExport.ts`、seq 守卫防旧响应覆盖、DashboardView 的骨架屏/空态分语模式；
+- **展示规范**：样本不足显示 `--` 与「样本不足」（非 0 分）；「越低越好」指标反转趋势色；1366px 主表可用；导出与当前筛选排序一致。
+
+---
+
+## 8. 任务拆分（v1 Task 0-13 修正版）
+
+| 任务 | 内容 | 相对 v1 的变化 | 估时 |
+|---|---|---|---|
+| Task 0 | 口径冻结：回测员工名单（3-5 名覆盖微信为主/WA 为主/群为主/高负载/低样本）+ 默认口径记录成文档（配置落库在 Task 3 种子 CLI，本任务不改代码）+ **五项核实**（phone_call 表结构与客户标识 join 键、call_followup 多账号语义——员工任一账号跟进即算、customer 归属字段与换人规则、员工主数据来源、群占比抽样量化混合口径偏差） | 默认值已确认，工作量缩减 | 0.5 天 |
+| Task 1 | 5 张表模型 + migration + 模型冒烟测试 | 6→5 张表；核实项前置完成 | 1-1.5 天 |
+| Task 2 | fact 独立计算模块（跨日精确算法，同源输出每日串聚合供宽表）+ 宽表生成（消息计数 friend 自算+串类取 fact+生命周期+通话）+ 生命周期共享函数提炼（analytics 调用点不动）+ 两条回填 CLI | **删除「_thread_stats 兼容扩展」**（不再需要）；验收含对账判据（§1.1 #4/#5）+ 写钩子零改动确认 | 2.5-3.5 天 |
+| Task 3 | scoring.py：归一化/四对比/样本保护 + 配置校验 + **默认配置 v1.0 种子落库**（受控 CLI，Task 11 快照的前置依赖） | 含 100/70 归一试算逻辑 | 2 天 |
+| Task 4 | anomalies.py 规则集 | 数据源：fact（P90 恶化）、B2（待回复增长）、宽表（骤降/过载） | 1 天 |
+| Task 5 | 管理 API（dashboard/employees/detail/metrics/drilldown/metric-definitions） | 窗口函数分位 + 性能目标 | 2-3 天 |
+| Task 6 | 前端公共组件与路由（api/management.ts、useManagementFilters、components、router、MainLayout） | 按文档 | 1.5-2 天 |
+| Task 7 | ManagementDashboardView（KPI/双趋势/生命周期/异常榜/下钻） | 复用图表模式，估时较 v1 略降 | 2-2.5 天 |
+| Task 8 | EmployeeAnalyticsView（一期 4 视图+分页排序+指标抽屉+员工对比） | 行动/风险视图不建 | 2-3 天 |
+| Task 9 | EmployeeAnalyticsDetailView（概览/服务质量/客户经营/工作负载/通话与群五页签） | 按文档 | 3-4 天 |
+| Task 10 | followups 闭环（查询/创建/更新/状态流转测试） | 按文档 | 1.5-2 天 |
+| Task 11 | 考核快照（草稿/详情/冻结/重算替代/列表/CSV） | 按文档 | 2-3 天 |
+| Task 12 | 调度接入：analytics_tick 第三步 + full_sync 第 13/14 步 + 失败隔离 + 手动重跑入口 | 步数 12→14；**服务器 scheduler 镜像重建遗留**（9d3cc8e 部署时未重建）一并处理 | 1-1.5 天 |
+| Task 13 | 回测校准 + 上线顺序控制（本地→服务器）+ 试运行记录 | 功能开关→部署顺序控制 | 2-3 天 |
+
+**批次划分**（每批独立验收，不夹带无关重构）：
+
+| 批次 | 任务 | 可见结果 |
+|---|---|---|
+| A | Task 1-2 | 表+fact+宽表可在测试与脚本中查询，回填可重跑 |
+| B | Task 3-5 | OpenAPI 可验证全部只读管理接口 |
+| C | Task 6-7 | 新导航+驾驶舱可用，异常两次点击到事实 |
+| D | Task 8-9 | 员工总览+详情可比较可下钻 |
+| E | Task 10-11 | 辅导闭环+冻结周期结果 |
+| F | Task 12-13 | 持续运行+内部试运行 |
+
+**总工期**：单链 18-24 个工作日；前后端并行 12-16 天。口径确认（已完成）、数据回测和试运行不可省略。
+
+---
+
+## 9. 测试与验收（v1 §16 基础上新增判别项）
+
+**后端单元/API 测试**（新增文件按 v1 §16.1 清单）：
+
+- **跨夜串判别**（P1#1 防线）：seed 客户 23:00 消息+员工次日 9:00 回复，断言 fact 产生 fr_ms≈10h 的行——正是日切口径丢失的场景；
+- **口径判别**（P1#2 防线）：seed 同员工 friend+room 两类会话，断言宽表 1:1 列不含 room 串；
+- **分位数精确性**：构造已知 fr_ms 集合，断言周期 P50/P90 精确值；窗口函数 SQLite/MySQL 双方言一致；
+- **fact 超集断言**（P1#4）：fact ⊇ 日切被回串，差集=跨夜串，不做相等断言；
+- **分子分母同源**（P1#5）：任意窗口 reply_rate ≤ 1；宽表 threads_answered ≡ fact 行数（同窗口）；存在多日未回串时宽表 cust_threads < 日切口径值（分母不再膨胀）；
+- **fact 回填幂等**：重跑不重不漏；
+- **快照不可变**：冻结后 PATCH 拒绝（后端强制）；
+- 评分边界：正/反向指标、阈值边界、权重合计、样本不足不评分、空值≠0、缺失维度不默认 0/100；
+- 下钻白名单：非法 metric_code 拒绝；
+- 幽灵员工过滤：映射不上的 owner 不进宽表。
+
+**数据核验**（3-5 名回测员工，覆盖微信为主/WA 为主/群为主/高负载/低样本）：抽查 3 日期消息与活跃客户、20 个首响串（对照 fact 明细）、10 个待回复客户、5 条通话后跟进、生命周期变化、评分展开明细；对账点增加宽表消息计数列（msg_sent/msg_recv）↔ msg_daily_stats friend 聚合——**串类列禁止相等断言**（口径差异见 §1.1 #4/#5）。
+
+**性能验收**（v1 §16.5 全部目标基础上追加）：员工列表服务质量视图 30 天窗（含 fact 窗口函数分位）p95 ≤ 1.5s。
+
+**前端**：`npm run build` + Vitest（格式化/趋势方向/样本状态/筛选 query/旧响应不覆盖）。
+
+---
+
+## 10. 部署注记（写入 DEPLOY.md）
+
+1. 服务器 backend 容器**不自动跑 alembic**——升级带迁移必须手动 `sudo docker exec <backend> alembic upgrade head`；
+2. 两条回填 CLI（`first-reply-facts` / `employee-metrics`）部署后执行一次，DEPLOY.md §7 注记（含耗时参考与避抓取窗口建议）；
+3. scheduler 镜像重建（含 9d3cc8e 遗留）：`cd /opt/yunke && sudo docker compose -f docker-compose.server.yml --env-file .env up -d --build scheduler`——重建前 fr 三列/第 11-14 步不自愈；
+4. fact 表索引创建量级小（几十万行），无需特殊避峰；
+5. 上线顺序：本地 Docker 全量回填对账 → 本地试用 → 服务器升级+回填 → 管理者只读试用。
+
+---
+
+## 11. 沿用 v1 不变的部分（索引）
+
+以下内容直接按 v1 执行，本文不重复：
+
+- 页面内容细则：v1 §5-§9（驾驶舱布局/KPI 卡清单、员工总览六视图、员工详情页签、快照页、二三期概要）；
+- 评分标准化公式与等级：v1 §10.2/§10.4；
+- 后端模块目录与分层职责：v1 §12.1/§12.2（其中 storage 两模块以本文 §3/§4 为准）；
+- API 通用响应约定全文：v1 §12.4；
+- 前端可视化规范全文：v1 §13.4；
+- 验收标准：v1 §19；
+- 灰度顺序/影子考核/回滚：v1 §20（其中「功能开关」按本文 §1.3 #11 替换为上线顺序控制）。

yunke-server/app/api/routers/customer.py

@@ -7,6 +7,12 @@ Read-only query over the mirrored ``customer`` table. Supports filtering by
 nickname / remark / friend_id / phone, ``%``/``_`` escaped as literals — the
 通讯录 search box). Results are ordered by ``last_chat_time desc`` (nulls
 last) then ``friend_id`` so the most-recently-active contacts surface first.
+
+**owner_account_id 维度走 ``customer_account_link``**(2026-09-08):customer
+档案 PK=friend_id 全局单行、归属 last-wins,共享客户在其他员工名下会漏
+(实测 36 vs 12);link 表每个「渠道×账号×客户」一行,员工维度列表/计数与
+云客 per-employee 口径一致。带 department/user/add_time/last_chat 等其余
+过滤时回退档案路径(组合场景罕见,保持旧行为)。
 """
 
 from __future__ import annotations
@@ -19,7 +25,7 @@ from sqlalchemy.ext.asyncio import AsyncSession
 
 from app.api.deps import get_session
 from app.api.schemas import CustomerOut, Page
-from app.db.models import Customer, Staff, WechatAccount
+from app.db.models import Customer, CustomerAccountLink, Staff, WechatAccount
 
 router = APIRouter(prefix="/api", tags=["customers"])
 
@@ -61,6 +67,63 @@ async def customers_declared_total(session: SessionDep) -> dict:
     }
 
 
+async def _list_owner_links(
+    session: AsyncSession,
+    *,
+    page: int,
+    page_size: int,
+    channel: str | None,
+    owner_account_id: str,
+    friend_id: str | None,
+    q: str | None,
+) -> Page[CustomerOut]:
+    """员工维度客户列表:读 ``customer_account_link``(渠道×账号×客户一行)。
+
+    排序/搜索语义与档案路径一致(last_chat_time desc、四列模糊);link 自带
+    per-relation 快照(备注/收发计数按员工各一份,与云客 per-employee 列表
+    相同)。CustomerOut 的档案专属列(raw_json/version/send_today 等)为 None。
+    """
+    conditions = [CustomerAccountLink.owner_account_id == owner_account_id]
+    if channel is not None:
+        conditions.append(CustomerAccountLink.channel == channel)
+    if friend_id is not None:
+        conditions.append(CustomerAccountLink.friend_id == friend_id)
+    if q:
+        # LIKE 通配符转义(同档案路径):昵称/备注/微信号/手机号四列任一命中
+        escaped = q.replace("\\", "\\\\").replace("%", "\\%").replace("_", "\\_")
+        like = f"%{escaped}%"
+        conditions.append(
+            sa.or_(
+                CustomerAccountLink.friend_nickname.like(like, escape="\\"),
+                CustomerAccountLink.friend_remark.like(like, escape="\\"),
+                CustomerAccountLink.friend_id.like(like, escape="\\"),
+                CustomerAccountLink.phone.like(like, escape="\\"),
+            )
+        )
+
+    total = (
+        await session.execute(
+            sa.select(sa.func.count())
+            .select_from(CustomerAccountLink)
+            .where(*conditions)
+        )
+    ).scalar_one()
+    rows = (
+        await session.execute(
+            sa.select(CustomerAccountLink)
+            .where(*conditions)
+            .order_by(
+                sa.nullslast(CustomerAccountLink.last_chat_time.desc()),
+                CustomerAccountLink.friend_id.asc(),
+            )
+            .limit(page_size)
+            .offset((page - 1) * page_size)
+        )
+    ).scalars().all()
+    items = [CustomerOut.model_validate(r) for r in rows]
+    return Page(items=items, total=total, page=page, page_size=page_size)
+
+
 @router.get("/customers")
 async def list_customers(
     session: SessionDep,
@@ -76,6 +139,34 @@ async def list_customers(
     q: Annotated[str | None, Query()] = None,
 ) -> Page[CustomerOut]:
     """List customers with optional filters and pagination."""
+    # 员工维度优先走 link 表(共享好友每账号一行,见模块 docstring);该账号
+    # link 还无数据时回退档案路径(过渡安全:回填前页面不至于空;也兼容
+    # 只写档案的理论路径)。与其余仅档案路径支持的过滤组合时同样回退。
+    if (
+        owner_account_id is not None
+        and department_id is None
+        and user_id is None
+        and add_time_since is None
+        and last_chat_since is None
+    ):
+        link_exists = (
+            await session.execute(
+                sa.select(sa.func.count())
+                .select_from(CustomerAccountLink)
+                .where(CustomerAccountLink.owner_account_id == owner_account_id)
+            )
+        ).scalar_one()
+        if link_exists:
+            return await _list_owner_links(
+                session,
+                page=page,
+                page_size=page_size,
+                channel=channel,
+                owner_account_id=owner_account_id,
+                friend_id=friend_id,
+                q=q,
+            )
+
     conditions = []
     if channel is not None:
         conditions.append(Customer.channel == channel)

yunke-server/app/api/schemas.py

@@ -43,6 +43,9 @@ class CustomerOut(BaseModel):
     # 客户页「发送条数/接收条数」列用,2026-09-08)
     send_num: int | None = None
     receive_num: int | None = None
+    # 云客数据来源代码(customer_account_link 路径直读;档案路径为 None,
+    # 前端回退 raw_json.fromType)
+    from_type: int | None = None
     version: str | None = None
     # Verbatim upstream friend record (~60 camelCase fields). Surfaced so the
     # all-fields drawer can render every column the 云客 source page shows

yunke-server/app/db/models.py

@@ -262,6 +262,46 @@ class Customer(Base):
     )
 
 
+class CustomerAccountLink(Base):
+    """账号↔客户 多对多关联(customer_account_link,2026-09-08)。
+
+    ``customer`` 表 PK=``friend_id`` 全局一客户一行,归属=最后抓取员工
+    (last-wins)——共享客户(同一人加多个员工)在其他员工名下「消失」:
+    实测 Lily 云客好友 36 vs 镜像页面 12,24 个全在别的员工名下。云客
+    的口径是**每个账号各算一个**(per-employee 列表连备注/收发计数都按
+    关系各存一份);本表每个「渠道×账号×客户」一行,由
+    :func:`app.storage.repos.upsert_customer` 随档案同事务维护,员工维度
+    的列表/计数(`/api/customers?owner_account_id=`)读这里。
+
+    快照列为员工客户页所需(昵称/备注/头像 per-relation);全字段档案
+    (raw_json/60 列)仍在 ``customer`` 表按 friend_id 关联。
+    """
+
+    __tablename__ = "customer_account_link"
+
+    channel: Mapped[str] = mapped_column(String(16), primary_key=True)
+    owner_account_id: Mapped[str] = mapped_column(String(128), primary_key=True)
+    friend_id: Mapped[str] = mapped_column(String(128), primary_key=True)
+    # per-relation 展示快照(云客好友记录按员工各一份;备注是员工自己的)
+    friend_nickname: Mapped[str | None] = mapped_column(String(255), nullable=True)
+    friend_remark: Mapped[str | None] = mapped_column(String(255), nullable=True)
+    head_image_url: Mapped[str | None] = mapped_column(String(1024), nullable=True)
+    real_name: Mapped[str | None] = mapped_column(String(64), nullable=True)
+    phone: Mapped[str | None] = mapped_column(String(64), nullable=True)
+    last_chat_time: Mapped[int | None] = mapped_column(BigInteger, nullable=True)
+    add_time: Mapped[int | None] = mapped_column(BigInteger, nullable=True)
+    send_num: Mapped[int | None] = mapped_column(Integer, nullable=True)
+    receive_num: Mapped[int | None] = mapped_column(Integer, nullable=True)
+    message_count: Mapped[int | None] = mapped_column(Integer, nullable=True)
+    # 云客 fromType 代码(数据来源列;int,前端 fromTypeLabel 映射)
+    from_type: Mapped[int | None] = mapped_column(Integer, nullable=True)
+    # 同 customer.delete_flag 口径(int 0/1)
+    delete_flag: Mapped[int | None] = mapped_column(Integer, nullable=True)
+
+    fetched_at: Mapped[dt.datetime] = _fetched_at()
+    updated_at: Mapped[dt.datetime] = _updated_at()
+
+
 class ChatGroup(Base):
     """聊天群 — source: ``POST /wechatweb/chatroom/getChatroomList``.
 

yunke-server/app/storage/repos.py

@@ -63,6 +63,7 @@ from sqlalchemy.orm import DeclarativeBase
 from app.db.models import (
     ChatGroup,
     Customer,
+    CustomerAccountLink,
     Department,
     GroupMember,
     Media,
@@ -83,6 +84,7 @@ __all__ = [
     "upsert_chat_group",
     "upsert_customer",
     "upsert_customers",
+    "prune_customer_links",
     "upsert_department",
     "upsert_media",
     "upsert_messages",
@@ -380,9 +382,34 @@ async def upsert_customer(session: AsyncSession, rec: dict[str, Any]) -> None:
     """Idempotently upsert one :class:`Customer` (PK = ``friend_id``).
 
     Same ``friend_id`` twice -> one row, with non-PK fields refreshed from the
-    later record.
+    later record. 同时维护 ``customer_account_link``(渠道×账号×客户一行,
+    2026-09-08):customer 档案全局单行 last-wins,共享客户的其他员工关系
+    靠 link 表保留;员工维度列表/计数读 link(对齐云客 per-employee 口径)。
     """
     await _upsert_one(session, Customer, rec)
+    owner = rec.get("owner_account_id")
+    if owner:
+        raw = rec.get("raw_json") or {}
+        link_rec = {
+            "channel": rec.get("channel"),
+            "owner_account_id": owner,
+            "friend_id": rec.get("friend_id"),
+            "friend_nickname": rec.get("friend_nickname"),
+            "friend_remark": rec.get("friend_remark"),
+            "head_image_url": rec.get("head_image_url"),
+            "real_name": rec.get("real_name"),
+            "phone": rec.get("phone"),
+            "last_chat_time": rec.get("last_chat_time"),
+            "add_time": rec.get("add_time"),
+            "send_num": rec.get("send_num"),
+            "receive_num": rec.get("receive_num"),
+            "message_count": rec.get("message_count"),
+            "delete_flag": rec.get("delete_flag"),
+        }
+        # fromType 只在 raw_json(云客数据来源代码,员工客户页列)
+        if isinstance(raw, dict) and raw.get("fromType") is not None:
+            link_rec["from_type"] = raw.get("fromType")
+        await _upsert_one(session, CustomerAccountLink, link_rec)
 
 
 async def upsert_customers(session: AsyncSession, recs: list[dict[str, Any]]) -> int:
@@ -392,10 +419,33 @@ async def upsert_customers(session: AsyncSession, recs: list[dict[str, Any]]) ->
     single row (the last write wins) at the DB layer.
     """
     for rec in recs:
-        await _upsert_one(session, Customer, rec)
+        await upsert_customer(session, rec)
     return len(recs)
 
 
+async def prune_customer_links(
+    session: AsyncSession,
+    *,
+    channel: str,
+    owner_account_id: str,
+    keep_friend_ids: list[str],
+) -> int:
+    """删除该账号名下**不在最新名单**里的 customer_account_link 行。
+
+    云客 isDel=0 只返回当前好友;抓取器逐员工整批 upsert 后调用本函数对账
+    (离开名单=已不是好友,或好友转移)。**调用方必须保证名单完整**(翻满
+    声明 total)再调——拿到半份名单就 prune 会误删。返回删除行数。
+    """
+    conditions = [
+        CustomerAccountLink.channel == channel,
+        CustomerAccountLink.owner_account_id == owner_account_id,
+    ]
+    if keep_friend_ids:
+        conditions.append(CustomerAccountLink.friend_id.not_in(keep_friend_ids))
+    result = await session.execute(sa.delete(CustomerAccountLink).where(*conditions))
+    return int(result.rowcount or 0)
+
+
 async def upsert_messages(session: AsyncSession, recs: list[dict[str, Any]]) -> int:
     """Batch idempotent upsert for :class:`Message` (PK = ``msg_id``).
 

yunke-server/migrations/versions/f7a8b9c0d1e2_customer_account_link_table.py

@@ -0,0 +1,78 @@
+"""customer_account_link 账号↔客户多对多关联表
+
+Revision ID: f7a8b9c0d1e2
+Revises: e6f7a8b9c0d1
+Create Date: 2026-09-08
+
+内容
+----
+customer 表 PK=friend_id 全局一客户一行、归属=最后抓取员工(last-wins)。
+共享客户(同一人加多个员工)在镜像里只挂在最后抓的员工名下——实测 Lily
+云客好友 36,镜像员工客户页只有 12,其余 24 个全在另外 9 个员工名下
+(2026-09-08 用户报「好友数与点进去的数量不一致」真机探明)。
+
+云客口径是**每个账号各算一个**(per-employee 列表连备注/收发计数都按
+关系各一份)。本表每个「渠道×账号×客户」一行:
+
+- 写:repos.upsert_customer 随档案同事务维护(所有好友抓取路径一处挂全);
+- 读:/api/customers?owner_account_id= 改读本表(员工维度列表/计数),
+  与云客 contacts_num 完全对齐;
+- 对账:scrape_friends 逐员工整批 upsert 后删除该员工名下不在最新名单
+  里的 link(云客 isDel=0 返回当前好友,删链=已不是好友)。
+
+**上线后需重跑 friends + wa-friends 各一次回填 link**(server:
+`docker compose exec backend python scripts/scrape_via_page.py --entity friends`)
+——存量关系无法从单行档案反推。
+
+幂等:sa.inspect 先查表存在则跳过。SQLite/MySQL 通用。
+"""
+from collections.abc import Sequence
+
+import sqlalchemy as sa
+from alembic import op
+
+# revision identifiers, used by Alembic.
+revision: str = 'f7a8b9c0d1e2'
+down_revision: str | Sequence[str] | None = 'e6f7a8b9c0d1'
+branch_labels: str | Sequence[str] | None = None
+depends_on: str | Sequence[str] | None = None
+
+_TABLE = 'customer_account_link'
+
+
+def _has_table(table: str) -> bool:
+    insp = sa.inspect(op.get_bind())
+    return table in insp.get_table_names()
+
+
+def upgrade() -> None:
+    """Upgrade schema."""
+    if _has_table(_TABLE):
+        return  # 已建过(或先手工建过),幂等跳过
+    op.create_table(
+        _TABLE,
+        sa.Column('channel', sa.String(16), primary_key=True),
+        sa.Column('owner_account_id', sa.String(128), primary_key=True),
+        sa.Column('friend_id', sa.String(128), primary_key=True),
+        sa.Column('friend_nickname', sa.String(255), nullable=True),
+        sa.Column('friend_remark', sa.String(255), nullable=True),
+        sa.Column('head_image_url', sa.String(1024), nullable=True),
+        sa.Column('real_name', sa.String(64), nullable=True),
+        sa.Column('phone', sa.String(64), nullable=True),
+        sa.Column('last_chat_time', sa.BigInteger(), nullable=True),
+        sa.Column('add_time', sa.BigInteger(), nullable=True),
+        sa.Column('send_num', sa.Integer(), nullable=True),
+        sa.Column('receive_num', sa.Integer(), nullable=True),
+        sa.Column('message_count', sa.Integer(), nullable=True),
+        sa.Column('from_type', sa.Integer(), nullable=True),
+        sa.Column('delete_flag', sa.Integer(), nullable=True),
+        sa.Column('fetched_at', sa.DateTime(), nullable=True),
+        sa.Column('updated_at', sa.DateTime(), nullable=True),
+    )
+
+
+def downgrade() -> None:
+    """Downgrade schema."""
+    if not _has_table(_TABLE):
+        return
+    op.drop_table(_TABLE)

yunke-server/scripts/scrape_via_page.py

@@ -267,10 +267,10 @@ async def scrape_friends(cookie_str: str, max_employees: int = 100):
     小漂移可忽略,且与云客后台「按员工看客户列表」口径一致。员工清单来自
     本地 wechat_account(user_id 列)。
     """
-    from app.db.base import async_engine
+    from app.db.base import async_engine, async_session_maker
     from sqlalchemy import text as sa_text
     from app.scraper.wechat import _normalize
-    from app.storage.repos import upsert_customer
+    from app.storage.repos import prune_customer_links, upsert_customer
 
     dept = await _root_dept_id()
     async with async_engine.connect() as conn:
@@ -334,9 +334,21 @@ async def scrape_friends(cookie_str: str, max_employees: int = 100):
             if records:
                 await _upsert_all(upsert_customer, records)
                 total_upserted += len(records)
+            # 对账(2026-09-08):云客 isDel=0 返回当前好友;名单取满(>=声明
+            # total)才可信,删掉该账号名下已不在名单里的 link(转移/删好友)。
+            # 半份名单宁可不对账,防误删。
+            pruned = 0
+            if declared is not None and len(rows) >= declared:
+                keep_ids = [r.get("friendWxId") for r in rows if r.get("friendWxId")]
+                async with async_session_maker() as session:
+                    pruned = await prune_customer_links(
+                        session, channel="wechat", owner_account_id=wx_id,
+                        keep_friend_ids=keep_ids,
+                    )
+                    await session.commit()
             logger.info(
                 f"  [{i+1}/{len(employees)}] {wx_id[:16]}..: declared={declared} "
-                f"rows={len(rows)} (total fetched {total_fetched})"
+                f"rows={len(rows)} pruned={pruned} (total fetched {total_fetched})"
             )
             await asyncio.sleep(2 + (i % 3))
 
@@ -1463,10 +1475,10 @@ async def scrape_wa_friends(cookie_str: str, max_pages: int = 2000):
     全局查询有 ~1 万行硬上限(实测云客声明 11931 vs 全局翻页只到 10000,
     2026-08-20);逐员工 ``uid`` 过滤(员工 WA 号)范围小无上限,页码字段是
     ``page``,total-aware 翻页(短页继续,满声明数或连续空页停)。"""
-    from app.db.base import async_engine
+    from app.db.base import async_engine, async_session_maker
     from sqlalchemy import text as sa_text
     from app.scraper.whatsapp import _normalize_whatsapp_friend
-    from app.storage.repos import upsert_customer
+    from app.storage.repos import prune_customer_links, upsert_customer
 
     dept = await _root_dept_id()
     async with async_engine.connect() as conn:
@@ -1520,8 +1532,20 @@ async def scrape_wa_friends(cookie_str: str, max_pages: int = 2000):
             if records:
                 await _upsert_all(upsert_customer, records)
                 total_upserted += len(records)
+            # 对账(2026-09-08,同微信 friends):名单取满才删该账号名下
+            # 不在当前列表里的 link。
+            pruned = 0
+            if declared is not None and len(rows) >= declared:
+                keep_ids = [r.get("friendUid") for r in rows if r.get("friendUid")]
+                async with async_session_maker() as session:
+                    pruned = await prune_customer_links(
+                        session, channel="whatsapp", owner_account_id=wa_uid,
+                        keep_friend_ids=keep_ids,
+                    )
+                    await session.commit()
             logger.info(
-                f"  [{i+1}/{len(accounts)}] {wa_uid[:18]}..: declared={declared} rows={len(rows)}"
+                f"  [{i+1}/{len(accounts)}] {wa_uid[:18]}..: declared={declared} "
+                f"rows={len(rows)} pruned={pruned}"
             )
             await asyncio.sleep(2 + (i % 3))
 

yunke-server/tests/test_api_customers.py

@@ -148,3 +148,81 @@ async def test_q_escapes_like_wildcards(make_client):
     # 只命中字面含 "100%" 的行;不因 % 通配漏扩到 "1001"
     assert body["total"] == 1
     assert [it["friend_id"] for it in body["items"]] == ["wx_pct"]
+
+
+# ---------------------------------------------------------------------------
+# owner 维度读 customer_account_link(共享好友,2026-09-08)
+# ---------------------------------------------------------------------------
+
+async def _seed_links(session):
+    from app.db.models import CustomerAccountLink as L
+
+    # 档案路径的旧行:共享好友 f_shared 档案 last-wins 挂在 wx_b 名下
+    session.add_all([
+        L(channel="wechat", owner_account_id="wx_a", friend_id="f_shared",
+          friend_remark="A的备注", friend_nickname="共享客户", last_chat_time=2000,
+          send_num=3, receive_num=1, from_type=1),
+        L(channel="wechat", owner_account_id="wx_b", friend_id="f_shared",
+          friend_remark="B的备注", friend_nickname="共享客户", last_chat_time=1000),
+        L(channel="wechat", owner_account_id="wx_a", friend_id="f_only_a",
+          friend_nickname="A独有", last_chat_time=3000),
+    ])
+    await session.commit()
+
+
+async def test_owner_filter_reads_links(make_client):
+    """owner 过滤走 link:共享好友在两个员工名下各出现,备注各是各的。"""
+    client = await make_client(_seed_links)
+    r_a = await client.get("/api/customers", params={
+        "channel": "wechat", "owner_account_id": "wx_a"})
+    assert r_a.status_code == 200
+    body_a = r_a.json()
+    assert body_a["total"] == 2
+    by_id = {it["friend_id"]: it for it in body_a["items"]}
+    # 排序:last_chat_time desc
+    assert [it["friend_id"] for it in body_a["items"]] == ["f_only_a", "f_shared"]
+    assert by_id["f_shared"]["friend_remark"] == "A的备注"
+    assert by_id["f_shared"]["send_num"] == 3
+    assert by_id["f_shared"]["from_type"] == 1
+
+    r_b = await client.get("/api/customers", params={
+        "channel": "wechat", "owner_account_id": "wx_b"})
+    body_b = r_b.json()
+    assert body_b["total"] == 1
+    assert body_b["items"][0]["friend_remark"] == "B的备注"
+
+
+async def test_owner_filter_q_and_friend_id_on_links(make_client):
+    """link 路径的 q 四列搜索 + friend_id 精确查找(聊天窗名字解析用)。"""
+    client = await make_client(_seed_links)
+    r = await client.get("/api/customers", params={
+        "channel": "wechat", "owner_account_id": "wx_a", "q": "A的备注"})
+    assert r.status_code == 200
+    body = r.json()
+    assert [it["friend_id"] for it in body["items"]] == ["f_shared"]
+
+    r2 = await client.get("/api/customers", params={
+        "channel": "wechat", "owner_account_id": "wx_a", "friend_id": "f_shared"})
+    body2 = r2.json()
+    assert body2["total"] == 1
+    assert body2["items"][0]["friend_nickname"] == "共享客户"
+
+
+async def test_owner_filter_with_dept_falls_back_to_archive(make_client):
+    """owner+department 组合回退档案路径(旧行为;link 不解析部门)。"""
+    from app.db.models import Customer as C, Staff as S
+
+    async def seed(session):
+        await _seed_links(session)
+        session.add(S(user_id="u1", name="员工", dept_id="d1"))
+        session.add(C(channel="wechat", owner_account_id="wx_a",
+                      friend_id="f_archived", user_id="u1"))
+        await session.commit()
+
+    client = await make_client(seed)
+    r = await client.get("/api/customers", params={
+        "channel": "wechat", "owner_account_id": "wx_a", "department_id": "d1"})
+    assert r.status_code == 200
+    body = r.json()
+    # 档案路径:只命中 user_id 属于 d1 的档案行(link 行不带 user_id)
+    assert [it["friend_id"] for it in body["items"]] == ["f_archived"]

yunke-server/tests/test_repos.py

@@ -25,6 +25,7 @@ from app.db.base import Base
 from app.db.models import (
     ChatGroup,
     Customer,
+    CustomerAccountLink,
     Department,
     GroupMember,
     Message,
@@ -39,6 +40,7 @@ from app.storage.repos import (
     _build_column_values,
     _coerce_bool,
     _coerce_int,
+    prune_customer_links,
     upsert_chat_group,
     upsert_customer,
     upsert_customers,
@@ -107,6 +109,116 @@ def test_coerce_int_returns_none_for_non_numeric_string():
 # ---------------------------------------------------------------------------
 
 
+async def test_upsert_customer_shared_friend_maintains_links():
+    """共享好友:档案全局单行(last-wins),link 每个账号各一行(2026-09-08)。
+
+    同一 friend_id 先后在 ownerA/ownerB 名下 upsert——customer 只有一行
+    且归属=后写;customer_account_link 两行,各自带自己的备注快照与
+    fromType(来自 raw_json)。
+    """
+    engine = await _make_engine()
+    try:
+        SessionLocal = async_sessionmaker(engine, expire_on_commit=False)
+        async with SessionLocal() as session:
+            base = {
+                "friend_id": "wxid_shared",
+                "channel": "wechat",
+                "friend_nickname": "共享客户",
+                "phone": "13800000000",
+                "send_num": 10,
+                "receive_num": 4,
+            }
+            await upsert_customer(session, {
+                **base, "owner_account_id": "wx_a",
+                "friend_remark": "A的备注", "raw_json": {"fromType": 1},
+            })
+            await session.commit()
+            await upsert_customer(session, {
+                **base, "owner_account_id": "wx_b",
+                "friend_remark": "B的备注", "raw_json": {"fromType": 2},
+            })
+            await session.commit()
+
+            custs = (await session.execute(
+                sa.select(Customer).execution_options(populate_existing=True)
+            )).scalars().all()
+            assert len(custs) == 1
+            assert custs[0].owner_account_id == "wx_b"  # 档案 last-wins
+
+            links = (await session.execute(
+                sa.select(CustomerAccountLink).execution_options(populate_existing=True)
+            )).scalars().all()
+            assert {(l.owner_account_id, l.friend_remark) for l in links} == {
+                ("wx_a", "A的备注"), ("wx_b", "B的备注"),
+            }
+            by_owner = {l.owner_account_id: l for l in links}
+            assert by_owner["wx_a"].from_type == 1
+            assert by_owner["wx_b"].from_type == 2
+            assert by_owner["wx_a"].send_num == 10
+            assert by_owner["wx_a"].phone == "13800000000"
+    finally:
+        await engine.dispose()
+
+
+async def test_upsert_customer_without_owner_skips_link():
+    """无 owner_account_id 的档案 upsert(理论路径)只写 customer,不碰 link。"""
+    engine = await _make_engine()
+    try:
+        SessionLocal = async_sessionmaker(engine, expire_on_commit=False)
+        async with SessionLocal() as session:
+            await upsert_customer(session, {
+                "friend_id": "wxid_solo", "channel": "wechat",
+            })
+            await session.commit()
+            n_links = (await session.execute(
+                sa.select(sa.func.count()).select_from(CustomerAccountLink)
+            )).scalar_one()
+            assert n_links == 0
+    finally:
+        await engine.dispose()
+
+
+async def test_prune_customer_links_removes_departed():
+    """对账:保留名单外的 link 被删;空名单删光;他人名下不动。"""
+    engine = await _make_engine()
+    try:
+        SessionLocal = async_sessionmaker(engine, expire_on_commit=False)
+        async with SessionLocal() as session:
+            for owner, fid in [("wx_a", "f1"), ("wx_a", "f2"), ("wx_a", "f3"),
+                               ("wx_b", "f2")]:
+                await upsert_customer(session, {
+                    "friend_id": fid, "channel": "wechat",
+                    "owner_account_id": owner,
+                })
+            await session.commit()
+
+            deleted = await prune_customer_links(
+                session, channel="wechat", owner_account_id="wx_a",
+                keep_friend_ids=["f1", "f3"],
+            )
+            await session.commit()
+            assert deleted == 1
+
+            left = (await session.execute(
+                sa.select(CustomerAccountLink.friend_id, CustomerAccountLink.owner_account_id)
+            )).all()
+            assert set(left) == {("f1", "wx_a"), ("f3", "wx_a"), ("f2", "wx_b")}
+
+            # 空名单=该账号全部删除(wx_b 的保留)
+            deleted_all = await prune_customer_links(
+                session, channel="wechat", owner_account_id="wx_a",
+                keep_friend_ids=[],
+            )
+            await session.commit()
+            assert deleted_all == 2
+            left2 = (await session.execute(
+                sa.select(CustomerAccountLink.friend_id, CustomerAccountLink.owner_account_id)
+            )).all()
+            assert set(left2) == {("f2", "wx_b")}
+    finally:
+        await engine.dispose()
+
+
 async def test_upsert_customer_is_idempotent_and_updates_version():
     """Upsert same friend_id twice with different version -> 1 row, version updated."""
     engine = await _make_engine()

yunkes/src/api/types.ts

@@ -36,6 +36,9 @@ export interface Customer {
   /** 累计发送/接收条数(同步自云客 friend 记录 sendNum/receiveNum;员工客户页列)。 */
   send_num?: number | null
   receive_num?: number | null
+  /** 云客数据来源代码(customer_account_link 员工维度路径直读;档案路径空,
+   *  前端回退 raw_json.fromType)。 */
+  from_type?: number | null
   /** ms epoch of friend add time (from raw_json.addTime). */
   add_time?: number | null
   message_count?: number | null

yunkes/src/views/StaffFriends.vue

@@ -395,7 +395,7 @@ onMounted(() => {
           </template>
         </el-table-column>
         <el-table-column label="数据来源" width="110">
-          <template #default="{ row }">{{ fromTypeLabel(readField(row, 'fromType')) }}</template>
+          <template #default="{ row }">{{ fromTypeLabel(row.from_type ?? readField(row, 'fromType')) }}</template>
         </el-table-column>
         <el-table-column label="客户备注名" min-width="120">
           <template #default="{ row }">{{ row.friend_remark || '-' }}</template>