信用评分API回放验证从入门到实战 - 第1节
1.1 什么是信用评分API
信用评分API是一种通过HTTP协议对外暴露的标准化接口，允许业务系统（如信贷审批、租赁、保险）实时提交用户授权数据，并返回一个量化信用评分及风险等级。它封装了特征工程、模型推理、策略规则等复杂逻辑，使调用方无需自建风控模型即可获得决策支持。
核心组成
| 组件 | 说明 | 典型实现 |
|---|---|---|
| 请求端点 | 接收用户身份、收入、负债等结构化数据 | POST /v1/credit/score |
| 认证机制 | 确保调用方合法，防止未授权访问 | API Key + HMAC签名 |
| 评分引擎 | 运行评分卡、机器学习模型或集成规则 | 逻辑回归、XGBoost、决策树 |
| 响应结构 | 返回评分、等级、拒绝原因码、决策建议 | JSON格式，含score、grade、reason |
关键事实： 国内头部信用评分API日均调用量超过千万次，响应时间通常要求小于200ms，评分区间多为300~850分，对应A~D或I~VII等级。
1.2 API回放验证的概念
API回放验证（Replay Verification）是指将生产环境或测试阶段录制的真实请求-响应数据，在相同或新版本的API上重新执行，并对比两次输出的差异。其核心目的是在不依赖真实用户流量的前提下，快速发现评分逻辑变更、模型退化、数据漂移或接口兼容性问题。
回放验证 vs 传统测试
| 维度 | 传统单元/集成测试 | API回放验证 |
|---|---|---|
| 数据来源 | 人工构造的固定用例 | 生产录制或历史真实请求 |
| 覆盖范围 | 有限边界值、等价类 | 全量真实流量分布 |
| 验证目标 | 功能正确性 | 回归一致性、评分稳定性 |
| 执行频率 | 每次代码提交 | 模型更新、策略调整、版本发布前 |
| 结果判定 | 通过/失败 | 评分偏差阈值、等级漂移率 |
实践建议： 回放验证不是替代传统测试，而是补充。对于信用评分API，传统测试保证“功能正确”，回放验证保证“行为一致”。
1.3 课程目标与学习路径
课程目标
- 理解信用评分API的请求/响应结构：掌握常见字段、签名方式、错误码体系。
- 掌握回放验证的完整流程：从录制、清洗、回放到差异分析、报告生成。
- 能够搭建自动化回放验证框架：基于Python实现批量回放、阈值判定、可视化报告。
- 具备生产级实战能力：处理数据漂移、模型版本对比、大规模并发回放等真实场景。
学习路径
- 基础篇（第1~5章）：信用评分API概述、回放验证概念、环境搭建、录制工具选型。
- 核心篇（第6~15章）：请求构造、签名计算、响应解析、差异度量、阈值设计、报告生成。
- 进阶篇（第16~25章）：并发回放、数据漂移检测、模型版本对比、CI/CD集成、安全合规。
- 实战篇（第26~30章）：完整项目实战：从录制到自动化回放流水线，含真实案例复盘。
前置要求： 本课程假设你已掌握Python基础（函数、类、requests库）、了解HTTP协议基本概念（GET/POST、状态码、JSON）。无需信用评分或风控背景，课程会从零讲解。
1.4 信用评分API回放验证整体架构
下图展示了信用评分API回放验证的核心数据流与组件关系，帮助你建立全局视角。
1.5 回放验证的关键指标
在课程后续章节中，你将反复使用以下指标来量化回放结果。提前了解它们有助于理解验证目标。
| 指标 | 定义 | 典型阈值 |
|---|---|---|
| 评分绝对偏差 | 新评分 - 基线评分的绝对值 | ≤ 10分 |
| 等级漂移率 | 等级发生变化的请求数 / 总请求数 | ≤ 2% |
| 响应时间退化 | 新响应时间 - 基线响应时间 | ≤ 50ms |
| 错误率变化 | 新错误率 - 基线错误率 | ≤ 0.5% |
| 拒绝原因码分布 | 各原因码占比的JS散度 | ≤ 0.1 |
学习提示： 本课程第8章将深入讲解如何根据业务场景自定义阈值，并处理边界情况（如评分恰好落在阈值边界时的判定策略）。
1.6 课程使用的技术栈
为了降低学习成本，课程统一使用以下工具和库，所有代码均可在Python 3.9+环境中运行。
- Python 3.9+：主编程语言。
- requests：发送HTTP请求。
- pandas：数据处理与差异分析。
- numpy：数值计算与统计度量。
- pytest：单元测试与回放用例组织。
- locust：并发回放与压力测试。
- jinja2：生成HTML报告模板。
- docker：容器化部署回放环境。
课程资源： 每章配套代码仓库、录制数据集（脱敏）、回放基线文件均已准备就绪，你可以在第2章的环境搭建部分获取。