diff --git a/docs/langgraph-backend-migration-plan.md b/docs/langgraph-backend-migration-plan.md index ad26c11..81bd599 100644 --- a/docs/langgraph-backend-migration-plan.md +++ b/docs/langgraph-backend-migration-plan.md @@ -1,1398 +1,354 @@ -# ZNJJ LangGraph 后端改造计划 +# LangGraph 迁移执行作业：从脚手架到等价 API 服务 -> 状态：Draft -> 日期：2026-07-25 -> 目标项目：`ZNJJ-api-server` -> 参考项目：`fastapi-langgraph-agent-production-ready-template` +> 版本：重写版，依据本地 `main` 提交 `22853f1` 及本分支现有后端边界编写。 +> +> 读者：掌握 Python、异步函数、HTTP 和基本测试，尚未独立交付过 LangGraph 服务的本科生。 +> +> 最终成果：调用方继续使用现有 API，事故处理流程由 LangGraph 执行，业务数据可以持久化和恢复。 +> +> 本文是执行计划；下文标为“新增”的目录、命令和能力均为待实现交付物。 -## 1. 背景 +## 作业说明 -当前 ZNJJ 的 `/chat`、`/set_info`、`/get_info` 主要依赖 FastGPT： +你将接手一个真实的交通事故信息采集服务。现有 FastAPI 服务把对话交给 FastGPT 工作流，本作业要求逐步用 LangGraph 实现同样的外部服务。 -- `/chat` 将用户输入发送给 FastGPT，由模型输出 `状态码`，服务端再解析状态码和正文。 -- `formUpdate` 从 FastGPT 工作流节点的响应中提取。 -- `/set_info`、`/get_info` 通过额外的 FastGPT 对话调用读写工作流变量，并通过删除聊天记录隐藏辅助调用。 -- 事故采集、拍照引导、信息确认、安全转人工等规则大量写在 Prompt 和 FastGPT 工作流 JSON 中。 +先搭建一个可以运行的图，再把它接到现有接口，然后逐项补齐业务能力。每次作业结束，都必须留下一份他人可以运行的程序和验证证据。不要等到所有模块写完才第一次启动服务。 -这种实现使确定性的业务状态依赖模型输出和平台内部结构，存在状态跳转不可控、接口结果不稳定、难以测试、难以审计以及供应商耦合等问题。 +完成作业后，你应当能够解释：一次请求如何变成图输入，节点如何读取和更新状态，条件边为何选择某个阶段，消息如何进入模型，业务字段如何落库，以及客户端收到成功后为何可以相信数据已经保存。 -本次改造使用 LangGraph 承担事故处理流程编排，同时保持现有外部接口协议稳定，使其他团队可以继续通过 `/chat`、`/set_info`、`/get_info` 对接。 +本期迁移范围为 `POST /chat`、`POST /chat?stream=true`、`POST /set_info`、`POST /get_info`、`DELETE /delete_session`。保留 `GET /` 的存活响应。语音 WebSocket、Pipecat、STT/TTS 和语音协议不在本次改造范围；切换文本后端时，必须明确现有语音管线仍依赖 FastGPT 的配置与生命周期，不能因此破坏语音服务启动。 -## 2. 范围 +### 提交规则 -### 2.1 本期范围 +1. 按作业 1—10 顺序推进。每次提交对应一个可独立审查的里程碑。 +2. 每次提交附运行命令、预期结果、实际结果和已知限制；测试失败必须解释原因。 +3. 真实模型只用于后期联调和评测。日常图测试使用固定输出的 fake LLM，能够离线重复执行。 +4. 每个业务规则都要注明来源：代码、工作流节点或评测案例。来源冲突时记录差异及采用依据。 +5. 配置样例使用占位值；对话样例使用合成数据；不得提交凭证、真实身份证和手机号。 +6. 本文给出的工时是单人专注开发的估算，不包含等待基础设施和业务确认的时间。 -- 将 `/chat` 后端从 FastGPT 迁移到 LangGraph。 -- 将 `/set_info`、`/get_info` 改为类型化业务状态的直接读写。 -- 引入 PostgreSQL、LangGraph checkpointer 和业务数据表。 -- 引入面向系统调用的鉴权和 session 级授权。 -- 建立统一配置、结构化日志、指标、链路追踪和脱敏机制。 -- 建立领域状态机、图节点、API 契约、数据库、安全、并发恢复和 LLM 评测。 -- 通过功能开关、shadow 对比和灰度发布逐步替换 FastGPT。 +### 里程碑总览 -### 2.2 本期不包含 +| 作业 | 结束时可以演示什么 | 预计工时 | 分值 | +|---|---|---:|---:| +| 1. LangGraph 脚手架 | 不依赖模型运行最小图，并恢复同一会话 | 4—6 小时 | 8 | +| 2. 接入现有 API | fake 图经现有 `/chat` 返回 JSON 和 SSE | 6—8 小时 | 10 | +| 3. 领域状态与事件 | 用代码推进拍照、无回复和失败事件 | 8—12 小时 | 12 | +| 4. 事故信息采集 | 多轮采集、跳过已知信息并正确分流 | 12—18 小时 | 15 | +| 5. 拍照与信息核实 | 跑完单车、双车及更正信息流程 | 10—16 小时 | 12 | +| 6. 同一份业务数据 | 四个业务接口共享内存态并正确删除 | 8—12 小时 | 10 | +| 7. PostgreSQL 与恢复 | 重启、并发和失败重试后数据仍一致 | 16—24 小时 | 13 | +| 8. 完整流式执行 | 真正增量输出，并处理错误和断连 | 10—16 小时 | 8 | +| 9. 服务运行保障 | 配置、健康检查、日志和访问边界可验证 | 8—12 小时 | 5 | +| 10. 等价性与发布 | 完整回归、演示、灰度与回退演练 | 10—16 小时 | 7 | -- Pipecat 语音管线改造。 -- STT、TTS、VAD、语音打断和 WebSocket 协议改造。 -- 面向终端用户的注册、密码登录和账号体系。 -- mem0、pgvector 或跨 session 长期语义记忆。 -- 前端或其他调用团队的接口升级。 -- 将 FastGPT 工作流 JSON 自动转换成 LangGraph。 +预计合计 92—140 小时，可按每周 12—18 小时安排为 7—10 周。先完成离线里程碑，再安排真实模型和 PostgreSQL 的集成环境。 -### 2.3 兼容性原则 +## 开工前的阅读地图 -- 保持 `/chat`、`/set_info`、`/get_info` 路径不变。 -- 保持现有请求和响应字段的 camelCase 命名。 -- 保持响应体中的字符串业务码，例如 `"200"`、`"500"`。 -- 保持 `/chat?stream=true` 的 SSE 方式和既有事件名称。 -- 兼容期内不同时改变接口协议和后端实现。 -- 内部统一使用 snake_case 和类型化模型，通过 Pydantic alias 适配外部协议。 +只做必要阅读，记录一页笔记后立即进入作业 1。不要先照搬大型生产模板。 -## 3. 改造目标 +| 文件 | 阅读时应回答的问题 | +|---|---| +| `src/backends/chat.py` | `ChatInput`、`ChatResult`、`TextDelta`、`FormUpdate` 怎样隔离供应商？ | +| `src/backends/fastgpt.py` | FastGPT 返回的文本和表单如何转成中立结果？ | +| `src/core/fastgpt_client.py` | 客户端何时初始化，依赖如何注入，何时关闭？ | +| `src/api/endpoints.py` | 哪些逻辑是协议适配，哪些仍直接调用 FastGPT？ | +| `src/schemas/models.py` | 请求默认值、字段长度、返回类型分别是什么？ | +| `workflow/20261016/事故信息采集2025118.json` | 当前各模式实际走哪些节点和条件边？ | +| `evals/cases/`、`evals/README.md` | 当前已经覆盖哪些对话？runner 实际断言了什么？ | +| `test/api/`、`test/backends/`、`test/test_client_mode.py` | 已有后端边界测试和公共契约测试是否与当前代码一致？ | -### 3.1 业务目标 +阅读 LangGraph 官方文档中的 `StateGraph`、state/reducer、conditional edges、`InMemorySaver`、`AsyncPostgresSaver`、异步执行和 streaming 章节。采用依赖版本对应的 API，首次提交记录版本和文档链接，避免混用旧教程。 -- 自然语言轮次继续使用 `XXXX` 前缀，由模型在单次回复中给出候选状态码和正文。 -- 服务端负责流式解析状态前缀、校验状态码及迁移合法性，并将通过校验的状态持久化。 -- 拍照完成、连续拍照失败、无回复、人工转接等使用结构化业务事件。 -- 事故字段经过结构化提取和代码校验后才能写入。 -- `/chat`、`/set_info`、`/get_info` 使用同一份业务状态。 -- 服务重启或请求失败后能够从持久化状态恢复。 -- 同一 session 的并发请求不会静默覆盖数据或重复推进流程。 +有两处特别需要辨别：`prompts/20261012/事故信息收集.txt` 与最新工作流内嵌提示词并不完全一致；`docs/chat-stream-mode.md` 未列出全部现有字段和事件。以当前代码、最新工作流和新评测案例交叉核对，不能单独以旧文档决定兼容行为。 -### 3.2 工程目标 +## 必须守住的外部契约 -- API、应用服务、LangGraph、领域模型、数据库和基础设施职责分离。 -- 所有外部调用、数据库操作和模型调用均为异步。 -- 配置启动时严格校验，生产环境禁止不安全默认值。 -- 日志、指标和 trace 不泄漏身份证、手机号、车牌、Token 等敏感数据。 -- 核心状态迁移不依赖真实 LLM 即可完成自动化测试。 -- 能够按调用方或流量比例灰度切换 FastGPT/LangGraph。 +以下是执行作业时的检查表。作业 2 将其变成可运行的契约夹具。 -## 4. 核心架构决策 +| 项目 | 必须保留的行为 | +|---|---| +| `/chat` 请求 | `sessionId`、`timeStamp`、`text`；`clientMode` 默认为 `direct`，空串、空白和 null 也归一到 `direct`；允许 `browser_addon` | +| 可选开关 | `needFormUpdate=false`、`useTextChunk=false`；两者的当前行为分别取样冻结 | +| 非流式响应 | `sessionId`、`timeStamp`、`outputText`、`formUpdate`、`nextStage`、`nextStageCode`、字符串 `code`、`msg` | +| 状态映射 | 内部 `3001/3002/1002 → 1002`，`2006 → 2004`，`2017 → 2016`，`2020 → 0002`；历史映射保留，即使新流程不再经过该状态 | +| 客户端命名空间 | `browser_addon` 的外部码为 `browser_addon.<归一化状态码>`，领域状态仍保存原始内部码 | +| SSE | 事件名为 `stage_code`、`formUpdate`、`text_delta`、`done`、`error`；正文不泄漏 state 标签 | +| `/set_info` | `value` 是字符串，`includeInputInfo` 默认为 false；保留输入 schema，内部改为直接写业务状态 | +| `/get_info` | `value` 仍为 JSON 编码后的字符串；支持 `all/acdinfo/acdhuman1/acdhuman2` 和单字段 | +| 分组读值 | 分组内布尔值映射为字符串 `"1"/"0"`，缺失字段为 `""`；单字段当前直接 `json.dumps`，不得错误套用分组转换 | +| `/delete_session` | 使用 DELETE 和 JSON 请求体，保留已有响应字段和字符串业务码 | +| 错误 | 区分 HTTP 状态与响应体业务码，保存当前认证、限流、后端失败和参数错误的样例 | -| 编号 | 决策 | 说明 | -|---|---|---| -| ADR-001 | 保留 FastAPI，对 API 层做薄适配 | Endpoint 只负责鉴权、校验和协议转换 | -| ADR-002 | 使用 LangGraph `StateGraph` | 显式表达业务节点、条件边和持久化状态 | -| ADR-003 | 本版保留 state prefix | 自然语言轮次由模型输出 `XXXX`，服务端负责解析和合法性校验 | -| ADR-004 | 不为状态码增加第二次 LLM 调用 | 同一次模型回复产生状态前缀和用户可见正文；代码只校验候选状态，不再次做语义判断 | -| ADR-005 | PostgreSQL 是生产数据库 | 同时承载 LangGraph checkpoint 和应用业务表 | -| ADR-006 | Checkpoint 与业务数据分离 | Checkpoint 用于恢复；业务表用于 `/get_info`、审计和报表 | -| ADR-007 | 只使用 thread 级短期记忆 | 不引入跨事故会话的长期语义记忆 | -| ADR-008 | B2B 服务身份鉴权 | 优先使用网关/OIDC Client Credentials，API Key 仅作兼容方案 | -| ADR-009 | 每个 session 串行修改 | 使用数据库锁和 `state_version` 防止并发覆盖 | -| ADR-010 | 业务副作用必须幂等 | 通过 `event_id` 和 `Idempotency-Key` 支持安全重试 | -| ADR-011 | 生产环境持久化失败时拒绝服务 | 不允许退化为无 checkpointer 的有状态流程 | -| ADR-012 | 先保持接口兼容，再设计 v2 | 本次不调整历史协议中的 JSON 字符串等设计 | +现有 SSE 允许 `formUpdate` 在状态码前后到达，不能把旧计划中的固定事件顺序当成既有契约。最低保证为：`stage_code` 先于正文、一次成功只有一个 `done`、失败以一个 `error` 终止且不再发送 `done`。如果要进一步收紧表单事件顺序，须先用真实消费者验证并记录约定。 -## 5. 目标架构 +模型流式和非流式的一致性，使用**同一固定模型输出或同一已记录回放**验证。对真实模型分别调用两次，不能要求自由生成文本逐字相同。 -```mermaid -flowchart LR - Caller["其他团队"] - Auth["服务鉴权与授权"] - API["FastAPI API Adapter"] - Service["AccidentAgentService"] - Graph["LangGraph Accident Workflow"] - Rules["确定性规则与校验"] - LLM["结构化 LLM 服务"] - Checkpoint[("LangGraph Checkpoint")] - DomainDB[("业务状态与事件")] - Telemetry["Logs / Metrics / Traces"] +## 作业 1：搭建并运行 LangGraph 脚手架 - Caller --> Auth --> API --> Service --> Graph - Graph --> Rules - Graph --> LLM - Graph <--> Checkpoint - Graph <--> DomainDB - API --> Telemetry - Service --> Telemetry - Graph --> Telemetry +**学习目标：** 理解图、状态、节点、边与 thread 的关系，先让它们在命令行中工作。 + +**输入：** 当前仓库、可用 Python 环境；不需要数据库和真实模型密钥。 + +**任务：** + +1. 在现有依赖管理方式上加入明确版本的 LangGraph 及必要依赖，记录 Python 版本和可复现安装方法。此时无需为迁移包管理器重构全仓。 +2. 新增 `src/agent/state.py` 和 `src/agent/graph.py`。最小状态含 `session_id`、`turn_count`、`input_text`、`response_text`、`stage_code`。 +3. 创建 `START → normalize_input → reply → END`。`reply` 使用固定模板，每次只增加一次轮数。 +4. 使用 `InMemorySaver` 编译图，通过 `configurable.thread_id` 区分会话；使用 `ainvoke` 执行。 +5. 新增 `examples/langgraph_smoke.py`：同一 thread 输入两次，另一个 thread 输入一次，打印轮数和文本。脚本不导入 FastGPT、不读取其密钥。 +6. 添加最小图测试：同会话累计轮数、不同会话隔离、重复执行脚本得到相同结果。 + +**交付物：** 最小图、示例脚本、依赖安装说明和上述三个断言。 + +**验收命令（本作业新增）：** + +```bash +python examples/langgraph_smoke.py +python -m pytest test/agent/test_scaffold.py -q ``` -### 5.1 推荐目录 +预期三个调用的轮数分别为 `1、2、1`。内存 saver 的数据在进程退出后消失，这是本阶段明确的限制。 + +**讲解题：** 如果每轮随机生成 thread ID，会丢失什么？把数据库连接放进 state 会造成什么问题？ + +## 作业 2：把最小图接入现有 API + +**学习目标：** 建立第一条端到端路径：HTTP → 后端适配器 → 图 → HTTP。 + +**前置：** 作业 1 通过。 + +**任务：** + +1. 新增 `src/backends/langgraph.py`，实现现有 `ChatBackend`。`complete()` 返回 `ChatResult`，`stream()` 返回 `TextDelta | FormUpdate`。 +2. 初期继续让 API 层解析 state prefix。图返回 `1002固定文本`，避免同时重写供应商边界和公共协议。 +3. 提供 `AGENT_BACKEND=fastgpt|langgraph` 类型化配置和依赖工厂。LangGraph fake 模式启动不得要求 FastGPT 密钥；仍启用语音 FastGPT 路径时单独校验所需配置。 +4. 将资源初始化和关闭纳入 lifespan。两种后端分别执行启动冒烟验证，不仅在测试中覆盖依赖。 +5. 在现有 `test/api/` 补充 HTTP 级契约测试；检查 OpenAPI schema、JSON 响应和 SSE 事件。 +6. 先运行已有测试并记录基线。已知需检查的过期预期包括：默认请求缺少 `clientMode`、`ChatInput.client_mode` 仍期望空串、`nextStageCode` 把五字符视为超长。按当前实际契约修正预期，不能为消除红灯收窄合法协议。 +7. 保存请求与响应夹具，覆盖两种 clientMode、分句开关、表单开关、state 标签跨 chunk 和错误响应。 + +**交付物：** 可切换的图后端、HTTP 契约夹具、修正说明、两种后端的启动方法。 + +**验收：** `POST /chat` 返回固定文本和 `1002`；`browser_addon` 返回 `browser_addon.1002`；流式请求得到 stage、正文和单个 done；所有已有测试通过或有明确的环境阻断记录。此时允许把固定完整答案切为几个片段，提交说明必须标注“尚未接入模型增量输出”。 + +## 作业 3：建立领域状态和确定性事件 + +**学习目标：** 让业务状态可以检查和推演，并区分“事件”与“用户说了一句话”。 + +**任务：** + +1. 扩充 state：内部阶段、原始状态码、待回答问题、事故字段、两方人员字段、字段确认状态、澄清计数、无回复计数、本轮 patch、响应文本和业务版本。 +2. 使用 Pydantic 校验边界数据；图 state 保持可序列化，不保存 HTTP client、连接、音频和图片 base64。 +3. 在 API/应用边界把 `【拍摄完成】`、`【用户无回复】`、`【客户端连续3次拍摄识别失败：原因】` 转成明确事件。图内部按事件类型处理，普通“拍好了”不能当完成事件。 +4. 建立带来源的转换表，至少包含 `0000—0005`、`1001/1002`、单车、双车和 `3001/3002`。转换条件必须读取字段和当前问题，不能只判断两个状态码。 +5. 拍照失败通知收到一次就产生 `0005`；客户端已经完成三次统计，服务端不得再累计三次。 +6. 连续两次无回复产生 `0004`，中间有效回复如何重置计数必须有测试。 +7. 把“本轮输出字段”在每轮开始时清空；历史事故字段继续保留，避免旧 `formUpdate` 在下一轮重复返回。 + +**交付物：** `events.py`、`transitions.py`、状态模型、规则来源表、参数化转换测试。 + +**验收：** 无模型调用即可走完拍照事件链；在拍照中输入“继续”保持当前步骤；非法跨阶段转换不写状态；明确的转人工事件可以终止当前流程。 + +**讲解题：** 为什么外部看到 `1002`，内部仍必须区分采集、单车核实和双车核实？ + +## 作业 4：实现事故信息采集与 LLM 接入 + +**学习目标：** 用模型理解自然语言，用代码验证并提交业务状态。 + +**任务：** + +1. 从最新工作流提取事故采集提示词和节点路由，保存为可审查文本并注明源节点 ID。明确 `direct` 与 `browser_addon` 的差异。 +2. 实现可注入的异步 LLM 服务：fake 与真实 provider 使用相同接口，包含超时、取消、有限重试和模型配置。 +3. 普通自然语言轮次由同一次回复生成 `XXXX正文`，代码验证前缀、状态枚举和转换守卫。不得仅为复判状态再调用一次模型。 +4. 定义候选字段的结构化提取接口和校验。确需独立提取调用时记录原因、调用次数和延迟；不得从用户可见回复中靠正则猜全部业务字段。 +5. 对每个字段区分未知、候选、已确认。最新工作流要求：已经明确提供的有效信息直接记录，跳过已知项；一次补齐剩余信息后直接分流；不能沿用旧提示词逐项重复确认。 +6. 注入可控时钟和时区，校验相对时间、当前时间、未来时间与边界；测试不依赖运行机器当天时间。 +7. 实现人伤明确肯定、明确否定、模糊/ASR 破碎三类输入；未知时停留并澄清，不凭关键词直接转人工。 +8. 用户已不在现场仍继续采集。数量未知不能从“追尾”等词擅自推断。已明确无人伤后不重复问，新的明确矛盾信息可以触发更新。 +9. 澄清阈值按阶段配置。采集的计入失败与核实的计入失败规则不同，不能全局统一成“任意无效回答两次转人工”。 +10. 对 prefix 缺失、重复、未知或迁移非法最多做一次受控修复重试；失败返回可识别错误，不提交业务状态，也不泄漏原始模型内容。 + +**交付物：** 版本化提示词、字段候选与校验模型、采集节点、模型服务、fake 对话夹具、真实模型评测报告。 + +**验收：** 离线用例覆盖正常单/双车、一次提供全部信息、一次补齐剩余字段、数量未知、无人伤否定、模糊人伤、不在现场、未来时间、主动转人工、澄清重置。真实模型至少运行 `collection_skip_known_info` 和 `no_false` 全部现有案例。 + +现有评测 runner 只检查 SSE 状态码，无法证明“没有重复询问”。本作业必须增加当前问题 ID、已确认字段及提问行为的可检查结果，或提供带人工判定的脱敏对话报告。新增字段不进入公共 API。 + +## 作业 5：完成拍照和人员信息核实 + +**学习目标：** 实现阶段交接，避免换节点后重复提问或丢失上一轮答案。 + +**任务：** + +1. 单车按 `2000 → 2001 → 2002 → 2003 → 2005` 推进，保留历史 `2004` 映射但正常新流程不再询问车牌。 +2. 双车按 `2010 → 2011 → 2012 → 2013 → 2014 → 2015` 推进。`direct` 的最后一次拍摄完成直接进入 `3002`，在同一回复中完整询问第一辆车驾驶员身份。 +3. 核实节点消费上一节点已经提出的问题。用户回答“是”后直接问姓名，不能因进入新节点再问一次驾驶员身份。 +4. 根据工作流实际条件边分别复现两种 clientMode 的后续路径。当前 `browser_addon` 拍照分支可以结束于 `0000`，不能强行套用 direct 的人员核实流程。 +5. 单车 direct 在有效车损位置后进入核实链，参照实际工作流连边与评测；不要仅依据单车拍照节点内部的结束话术决定最终路由。 +6. 实现姓名、身份证后四位、手机号后四位核实；否认后采集正确值；分段号码先累计，完整后复述确认，再覆盖正式字段。 +7. 双车保存当前人员索引，第一方完成后移交电话并核实第二方。不能把第二方数据写入第一方字段。 +8. 每个阶段记录无效回答计数规则和全局中断优先级，覆盖短促词不误转人工。 + +**交付物：** 单车/双车阶段节点、模式路由表、人员核实状态、完整场景回放。 + +**验收：** `photo_skip_plate_confirm` 四个现有案例全部通过；新增单车 direct 核实完成、双车两方核实完成、拒绝驾驶员身份、号码分段更正、阶段交接不重复提问场景。所有确定性拍照步骤为零次 LLM 调用。 + +## 作业 6：使四个业务接口共享同一份状态 + +**学习目标：** 将流程状态和表单数据连接起来，形成第一个功能完整的内存版本。 + +**任务：** + +1. 新增应用服务和 repository 接口：`chat`、`set_info`、`get_info`、`delete_session`，endpoint 仅处理校验、协议和依赖。 +2. 用内存 repository 完成接口接线。图每轮读取最新业务状态，`set_info` 后的下一次聊天必须看到新值。 +3. 建立字段注册表，完整覆盖当前代码中的三个分组。人员字段包括 `sfzmwh1/2`、`sjwh1/2`、`csbw1/2`，不能只迁移姓名和号码。 +4. 在注册表记录外部字符串表示、内部类型、可写性、分组和敏感级别。保留区分空值、false、0 和未知的能力，不得用 `bool("0")` 转换布尔值。 +5. `set_info` 和 `get_info` 不调用 LLM，也不创建/删除辅助聊天记录；继续接受 `includeInputInfo`，说明它在新后端已无需触发辅助对话。 +6. `formUpdate` 从已验证并正式提交的字段差量产生，按 `needFormUpdate` 的契约返回，保留已有嵌套或平铺结构的夹具。 +7. 定义未知 key 的兼容策略。当前 get 对未知 key 返回 JSON 空串；若旧调用方存在任意 key 写入，先审计其用途。新增白名单和内部字段保护的行为差异必须进入兼容清单。 +8. 删除时清理业务状态、图 checkpoint、消息和会话路由；重复删除的行为固定为测试。不得仅删除 FastGPT 历史而留下 LangGraph 数据。 + +**交付物：** 应用服务、字段注册表、内存 repository、四接口组合测试、兼容差异清单。 + +**验收演示：** 创建会话 → `/set_info` 写入车牌 → `/get_info` 读回 → `/chat` 使用车牌继续核实 → 分组读值 → 删除 → 再读与再次聊天均不泄漏旧数据。用 spy 证明 set/get/delete 没有模型调用。 + +## 作业 7：接入 PostgreSQL，验证并发和故障恢复 + +**学习目标：** 将“单进程能运行”推进到“进程退出后仍可信”。 + +**任务：** + +1. 新增本地 PostgreSQL 启动配置、`.env.example`、业务表 migration 和清理步骤。建议 `app` schema 管业务数据，单独配置 checkpointer 表；确认采用版本是否支持所选 schema/search path。 +2. 使用异步数据库访问和 `AsyncPostgresSaver`，在 lifespan 管理连接池。业务 migration 与 saver 初始化分别执行，生产部署前完成，不在每个请求中建表。 +3. 至少建立 session、业务字段、业务事件、幂等记录。每轮保存原始内部状态码、业务版本、规则/图版本、已提交 patch。 +4. 明确业务表是 `/get_info` 的权威读源，checkpoint 用于执行恢复。两个存储使用不同连接时不能宣称天然处于同一事务。 +5. 采用可恢复的提交协议：先记录稳定 turn/event ID 和 pending 状态；执行图；在一个业务事务内提交字段、版本、事件与可重放结果；确认 checkpoint 与提交版本一致后才发送成功。恢复时按业务事件修复滞后 checkpoint，或丢弃未提交的图进度。 +6. 若选择其他一致性方案，提交对应的时序图，并证明下列三个故障窗口有确定结果：checkpoint 先成功、业务事务先成功、响应发送前进程退出。 +7. 同 session 修改跨进程串行化，使用 PostgreSQL 锁或数据库 lease；不要只用进程内 `asyncio.Lock`。避免跨长时间模型调用占用行锁事务；使用独立连接的会话 advisory lock 时说明连接固定与释放方式。 +8. 添加 `state_version` 冲突检测。每个请求使用独立异步会话，不跨并发任务共享 ORM session。 +9. 可选 `Idempotency-Key` 进入 HTTP 边界；相同 key/相同请求重放结果，不同请求返回明确冲突。没有调用方稳定 key 时，只能保证内部节点恢复幂等，不能承诺客户端重新 POST 也自动去重。 +10. 完成删除的持久化清理和删除/聊天并发控制。定义“删除后新聊天”的新会话边界，防止迟到任务复活旧数据。 + +**交付物：** PostgreSQL 配置、migration、持久化 repository、恢复协议时序图、真实数据库集成测试。 + +**验收：** 从空库安装成功；重启服务后继续同会话；chat 与 set 并发无静默覆盖；相同 key 重试不重复推进；三个故障窗口均可恢复；删除后重启也无残留。数据库不可用时不得偷偷降级成内存模式。 + +## 作业 8：完成真实增量 SSE + +**学习目标：** 流式输出既低延迟，又能诚实表达尚未提交和已提交的状态。 + +**任务：** + +1. 使用当前 LangGraph 版本支持的异步事件/消息流，从实际 LLM token 到 `TextDelta` 建立增量链路；不要用“先等完整回复，再逐字切分”冒充真实流式。 +2. 校验完整 prefix 后才能释放正文。覆盖 `` 和结束标签被任意切分、正文中再次出现标签、前缀长期不闭合、未知和非法状态码；设缓存上限和超时。 +3. 业务状态的合法性由共享 validator 决定；API 保留既有状态映射。非流式和流式不能各维护一套转换规则。 +4. 允许前缀和正文在最终持久化前发出，但把它们视为本轮暂定输出；`done` 只能在业务状态和 checkpoint 提交确认后发送。持久化失败必须发送终止 error，不能再发送 done。 +5. 一旦对外发送正文，不得透明重跑并拼接另一条模型答案。prefix 前的修复重试与正文后的失败使用不同策略。 +6. `formUpdate` 仅发布已提交字段；处理没有更新、更新先就绪、更新晚于正文的情况，核对消费者允许的顺序。 +7. 保留 `useTextChunk` 的分句行为：改变片段边界不改变最终正文；使用同一录制输出验证流式与非流式结果相等。 +8. 客户端断开后取消模型/图任务并释放资源；若提交已经完成，保存结果供稳定幂等 key 重放；若尚未完成，恢复协议决定下次从何处继续。 + +**交付物：** 增量流适配、断连/错误处理、事件轨迹夹具、首段正文耗时报告。 + +**验收：** 第一个正文片段在模型生成结束前出现；成功只有一个 done；模型/数据库失败只有一个终止 error；断连无遗留任务；同一回放的两种模式正文、状态与 patch 一致。HTTP 已开始发送 SSE 后的失败通过事件表达，不能尝试再改 HTTP 状态。 + +## 作业 9：配置、可观测性与访问边界 + +**学习目标：** 让运维和其他开发者能够定位问题并安全运行服务。 + +**任务：** + +1. 配置区分 development/test/production，校验模型、数据库、后端开关、超时和连接池。生产持久化缺失时启动或 readiness 失败。 +2. 保留 `GET /`，新增 `/health/live`、`/health/ready`。readiness 检查数据库和 saver，不每次真实调用收费模型。 +3. 为请求、turn、节点和模型调用建立关联 ID。日志记录状态、版本、耗时、错误类型，不记录原始表单、完整用户输入、凭证和完整号码。 +4. 记录成功率、模型调用次数、正文首段延迟、总耗时、非法转换、持久化失败和 session 冲突；指标 label 不放 session ID。 +5. 复用部署环境已有服务身份和会话归属。若现有服务尚无鉴权，把新增认证列为上线前联调事项，不在兼容迁移中默默要求全部调用方更换协议。 +6. 多租户环境所有查询与 thread ID 绑定可信租户身份；禁止从未经验证的请求字段直接相信 tenant。无多租户需求时不要为作业虚构账号系统。 +7. 记录敏感业务表、事件、checkpoint 和备份的保护与保留方案；删除检查覆盖这些数据，不仅覆盖 API 返回值。 + +**交付物：** 启动配置说明、健康检查、脱敏日志样例、指标说明、部署访问边界说明。 + +**验收：** 注入数据库故障可看到 readiness 失败及关联日志；运行合成敏感数据用例后，日志无明文泄漏；同一请求可以定位到具体失败节点。 + +## 作业 10：证明等价，并交付可运行服务 + +**学习目标：** 用证据说明调用方可以继续使用同样的服务。 + +**任务：** + +1. 完成下表全部验收。HTTP schema、JSON/SSE、字段、分组和业务规则分别验证，不用“状态码正确”代替全部正确。 +2. 保留现有 runner 调用真实 HTTP 服务，补充读取字段、patch、终止事件和提问行为的验证。所有 fixture 明确来源与预期，禁止只按新实现生成预期答案。 +3. FastGPT 与 LangGraph 使用相同合成场景、相同初始数据、独立会话执行，比较状态轨迹、字段和终止原因；自然语言允许合理改写。 +4. 每个真实模型黄金案例至少执行三次，报告逐次结果和波动。固定模型与提示词版本，并给出失败对话，不能只汇报平均值。 +5. 记录 FastGPT 与 LangGraph 在同一环境的成功率、正文首段与总耗时 P50/P95、模型调用数；明确样本量和并发。性能发布预算须在灰度前填写，不能到发布时仍写“待定”。 +6. 新会话按 session 固定选择后端；不要每个请求随机切换。同一会话的 chat/set/get/delete 必须使用相同路由。旧 FastGPT 会话留在旧后端直至结束，首版不自动迁移历史对话。 +7. Shadow 使用独立 thread、独立数据和受控模型额度，禁止写真实业务表。比较请求序列时保持对应会话上下文。 +8. 演练关闭新会话的 LangGraph 分流。已经进入 LangGraph 的会话继续路由至 LangGraph 或执行明确的状态转换；单改环境开关不会自动把两套会话数据互相转换。 +9. 编写从干净检出开始的安装、数据库准备、启动、验证、恢复和停止说明。启动命令应为 `python -m uvicorn src.main:app --host 127.0.0.1 --port 8000`，依赖步骤按实际交付填写。 +10. 观察期结束后再决定移除 FastGPT。语音仍依赖 FastGPT 时保留该依赖，文本迁移完成不等于整个仓库都能删除 FastGPT。 + +### 最终验收矩阵 + +| 类别 | 必测内容 | 通过要求 | +|---|---|---| +| API 契约 | 四个业务接口、两种 clientMode、输入默认值、长度限制和历史映射 | 所有固定契约用例通过；差异有显式记录和处理 | +| 事故采集 | 跳过已知项、补齐即分流、不推断数量、不在现场、时间校验 | 所有离线场景通过；真实模型黄金案例逐次报告 | +| 安全与澄清 | 人伤肯定/否定/模糊、主动人工、计数阈值、无回复 | 确定性规则全部通过；黄金集中明确人伤无漏转，否定/模糊无误转 | +| 拍照与核实 | 单/双车、模式差异、跨阶段回答、分段更正、两方隔离 | 完整状态与字段断言通过，无非法跳步 | +| 数据 | set/get/chat 一致、分组布尔值、单字段 JSON、差量和删除 | 无丢字段、旧 patch 重发或删除残留 | +| 持久化 | 重启、三类故障窗口、并发、幂等与冲突 | 无重复提交、静默覆盖和不可恢复分歧 | +| 流式 | prefix 切分、真实增量、分句、断连、失败与完成 | 不泄漏标签；终止事件唯一；done 前已持久化 | +| 运行 | 无 FastGPT 的文本模式启动、健康检查、脱敏、路由回退 | 干净环境可复现；语音原有启动和路由不受破坏 | + +真实模型小样本通过不能证明线上错误率为零。达不到矩阵中的黄金集要求时，修正后重新执行受影响案例，并在报告中保留失败记录。 + +### 最终提交目录 ```text src/ - main.py - api/ - dependencies.py - endpoints.py - auth/ - dependencies.py - models.py - verifier.py - policies.py - agent/ - graph.py - state.py - events.py - transitions.py - prompts/ - accident_collection.md - field_extraction.md - response_generation.md - nodes/ - normalize_input.py - hydrate_state.py - global_handoff_gate.py - safety_precheck.py - extract_fields.py - validate_fields.py - route_phase.py - photo_flow.py - party_verification.py - apply_form_patch.py - compose_response.py - core/ - config.py - database.py - logging.py - metrics.py - observability.py - models/ - api_client.py - accident_session.py - accident_state.py - accident_event.py - idempotency.py - repositories/ - accident_state.py - idempotency.py - schemas/ - api.py - domain.py - llm.py - services/ - accident_agent.py - llm.py - utils/ -tests/ - unit/ - graph/ - contract/ - integration/ - security/ - performance/ -alembic/ + agent/ # state、events、transitions、graph、nodes、prompts + backends/langgraph.py # 适配已有 ChatBackend + services/ # 事故应用服务、LLM 服务 + repositories/ # 内存实现与 PostgreSQL 实现 + core/ # 配置、资源生命周期、数据库 + api/ # 保留现有路径与公共 schema +examples/langgraph_smoke.py +test/ + agent/ # 离线状态与图场景 + api/ # HTTP JSON/SSE 契约与组合调用 + integration/ # PostgreSQL、并发和恢复 +evals/ # 复用并扩展现有真实服务评测 +alembic/ # 业务表迁移（使用该工具时） +docs/langgraph/ + runbook.md # 从零启动和日常操作 + contract.md # 真实接口样例与兼容差异 + rule-sources.md # 工作流节点、规则和测试对应关系 + recovery.md # 提交协议、故障窗口与恢复 + evaluation.md # 等价性、质量和性能证据 + rollout.md # session 路由、灰度、回退演练 ``` -## 6. API 契约设计 +目录可以按实际实现微调，但每个交付物必须有明确位置。保持现有 `test/`，无需为套用模板重命名整个测试树。 -### 6.1 `/chat` +## 评分与完成条件 -外部接口保持： +每次作业按表中分值计分：功能与正确性占该作业 60%，可复现的验证占 30%，设计讲解与限制说明占 10%。只提交图示或设计文档、没有运行结果，不能取得该作业的功能分。 -```text -POST /chat -POST /chat?stream=true -``` +以下为结课必过项，分数不能替代：公共契约保持兼容；四个接口使用一致的会话路由和状态；确定性事件不能非法跳步；成功返回前数据已持久化；失败可恢复；删除不留下可被复活的旧会话；完整请求链路在 LangGraph 文本模式下不调用 FastGPT。 -内部统一请求： +最终演示使用一个全新会话：启动服务 → 采集双车事故 → 完成拍照 → 注入人员预填值 → 更正一段手机号 → 重启服务 → 继续第二方核实 → 查询全部信息 → 删除会话 → 验证无残留。随后展示一次明确人伤分流、一次模糊人伤澄清和一次数据库失败的 SSE error。 -```python -class UserMessageEvent(BaseModel): - event_id: str - text: str - need_form_update: bool = False - use_text_chunk: bool = False -``` +## 执行时需要登记的环境决策 -内部统一非流式结果： - -```python -class AgentTurnResult(BaseModel): - output_text: str - stage_code: StageCode - stage_name: str - form_update: dict[str, object] - state_version: int -``` - -非流式 API 将 `AgentTurnResult` 转换为现有 `ProcessResponse_chat`。 -自然语言轮次的原始模型回复契约： - -```text -1002请问事故中有没有人员受伤？ -``` - -服务端从开头解析候选状态码，校验通过后写入 `AgentTurnResult.stage_code`，并从 `output_text` 中移除标签。标签缺失、格式错误、未知状态码或非法迁移不得直接对外返回。 - -流式 API 使用同一张图，固定输出顺序： - -```text -stage_code state prefix 解析并校验成功后发送，每轮最多一次 -formUpdate 有字段更新时发送 -text_delta 零个或多个 -done 成功时必须且仅一次 -``` - -错误事件： - -```text -error 失败时必须且仅一次，为终止事件 -``` - -兼容期内继续支持现有事件名称： - -- `stage_code` -- `formUpdate` -- `text_delta` -- `done` -- `error` - -#### 6.1.1 流式与非流式一致性 - -- 流式所有 `text_delta.text` 拼接后必须等于非流式 `outputText`。 -- `stage_code.nextStageCode` 必须等于从同一条模型回复解析并校验后的非流式 `nextStageCode`。 -- `formUpdate` 必须来自同一份合法状态 patch。 -- 不允许为流式和非流式维护两套业务实现。 - -### 6.2 `/set_info` - -`/set_info` 不再调用 LLM，不再创建辅助聊天记录。 - -处理流程： - -```text -鉴权 - -> session 对象级授权 - -> key 白名单校验 - -> value 类型转换与领域校验 - -> SetInfoEvent - -> LangGraph apply_external_update 分支 - -> 幂等写业务状态与事件 - -> 保存 checkpoint -``` - -只允许修改字段注册表中声明的业务字段： - -```python -FIELD_REGISTRY = { - "ywrysw": FieldSpec(type=bool, group="acdinfo"), - "ywfjdc": FieldSpec(type=bool, group="acdinfo"), - "ywmtc": FieldSpec(type=bool, group="acdinfo"), - "bjrjs": FieldSpec(type=str, group="acdinfo"), - "sgfssj": FieldSpec(type=datetime, group="acdinfo"), - "sfsgxc": FieldSpec(type=bool, group="acdinfo"), - "jdcsl": FieldSpec(type=int, group="acdinfo"), - "sgyy": FieldSpec(type=str, group="acdinfo"), - "xm1": FieldSpec(type=str, group="acdhuman1"), - "hpzl1": FieldSpec(type=str, group="acdhuman1"), - "hphm1": FieldSpec(type=str, group="acdhuman1"), - "sfzmhm1": FieldSpec(type=str, group="acdhuman1", sensitive=True), - "sjhm1": FieldSpec(type=str, group="acdhuman1", sensitive=True), - "xm2": FieldSpec(type=str, group="acdhuman2"), - "hpzl2": FieldSpec(type=str, group="acdhuman2"), - "hphm2": FieldSpec(type=str, group="acdhuman2"), - "sfzmhm2": FieldSpec(type=str, group="acdhuman2", sensitive=True), - "sjhm2": FieldSpec(type=str, group="acdhuman2", sensitive=True), -} -``` - -禁止外部接口修改： - -- `phase` -- `stage_code` -- `clarification_counts` -- `no_response_count` -- `handoff_reason` -- `state_version` -- LangGraph 内部路由字段 - -### 6.3 `/get_info` - -`/get_info` 是纯读取接口： - -```text -鉴权 - -> session 对象级授权 - -> 从业务投影读取当前版本 - -> 按 key/group 转换 - -> 返回现有 ProcessResponse_get -``` - -兼容以下 key： - -- `all` -- `acdinfo` -- `acdhuman1` -- `acdhuman2` -- 字段注册表中的单个字段 - -兼容期内 `value` 保持为 JSON 编码后的字符串。将来若设计 v2，再改成真正的 JSON 对象。 - -### 6.4 错误处理 - -内部使用稳定错误类型： - -```text -AUTHENTICATION_FAILED -PERMISSION_DENIED -SESSION_NOT_FOUND -INVALID_FIELD -INVALID_FIELD_VALUE -SESSION_CONFLICT -MODEL_UNAVAILABLE -STATE_PERSISTENCE_FAILED -INTERNAL_ERROR -``` - -API Adapter 负责映射到兼容响应体。兼容期不改变其他团队依赖的业务码；服务端日志和 metrics 使用内部错误类型，不解析 `msg` 文本。 - -## 7. 领域状态和事件 - -### 7.1 状态模型 - -```python -class AccidentState(TypedDict): - messages: Annotated[list[AnyMessage], add_messages] - tenant_id: str - session_id: str - state_version: int - - phase: Phase - stage_code: StageCode - input_event: InputEvent - - accident: AccidentInfo - parties: list[PartyInfo] - photo_step: PhotoStep | None - - pending_question: QuestionId | None - clarification_counts: dict[str, int] - no_response_count: int - - form_patch: dict[str, object] - response_text: str - handoff_reason: HandoffReason | None - last_error: str | None -``` - -约束： - -- State 中只存可序列化数据。 -- State 中不能保存数据库连接、HTTP Client、LLM Client 等运行时对象。 -- 不在 State 中保存音频、图片 base64 或未限制大小的原始文件。 -- 敏感字段进入 checkpoint 前必须确认数据保护和保留策略。 - -### 7.2 输入事件 - -```text -UserMessageEvent -SetInfoEvent -PhotoCompletedEvent -PhotoRecognitionFailedEvent -NoResponseEvent -SessionStartedEvent -``` - -兼容期由 API 边界把历史魔法字符串转换成结构化事件，例如： - -```text -【拍摄完成】 -> PhotoCompletedEvent -【客户端连续3次拍摄识别失败：原因】 -> PhotoRecognitionFailedEvent -【用户无回复】 -> NoResponseEvent -``` - -图内部不再根据自然语言魔法字符串推进流程。 - -### 7.3 状态码 - -使用枚举和集中式状态转换表： - -```text -0000 完成 -0001 主动转人工 -0002 语义连续无法识别 -0003 人伤或复杂情况转人工 -0004 长时间无回复 -0005 连续拍照识别失败 -1001 未准备好 -1002 信息采集中 -2000-2005 单车拍照流程 -2010-2016 双车拍照流程 -3001-3002 信息确认流程 -``` - -任何非法转换必须记录为错误并停止处理，禁止由模型绕过状态机。 -本版状态码职责： - -- 模型根据当前 Prompt 和会话状态输出候选状态码。 -- Prefix 必须位于回复开头，格式为 `四位数字`。 -- 服务端 parser 负责处理标签被拆分到多个流式 chunk 的情况。 -- 服务端 validator 检查状态码是否存在于枚举，以及是否允许从当前状态迁移。 -- 标签缺失、重复、未知或迁移非法时，最多进行一次受控重试；仍失败时按配置返回错误或进入保守转人工状态。 -- `PhotoCompletedEvent`、`PhotoRecognitionFailedEvent`、`NoResponseEvent`、`SetInfoEvent` 等确定性事件可以不调用 LLM，直接由代码产生目标状态。 -- 代码不为自然语言轮次再次调用 LLM 来“复判”状态。 - -## 8. LangGraph 设计 - -### 8.1 主图 - -```mermaid -flowchart TD - START --> Normalize["normalize_input"] - Normalize --> Hydrate["hydrate_state"] - Hydrate --> HandoffGate["global_handoff_gate"] - HandoffGate --> Safety["safety_precheck"] - Safety --> Route{"route_phase"} - - Route --> Collection["accident_collection"] - Route --> SinglePhoto["single_vehicle_photo"] - Route --> DoublePhoto["two_vehicle_photo"] - Route --> Verification["party_verification"] - Route --> ApplyExternal["apply_external_update"] - Route --> Handoff["handoff"] - Route --> Complete["complete"] - - Collection --> Validate["validate_fields"] - Verification --> Validate - Validate --> Persist["apply_form_patch"] - SinglePhoto --> Persist - DoublePhoto --> Persist - ApplyExternal --> Persist - Persist --> Compose["compose_response"] - Handoff --> Compose - Complete --> Compose - Compose --> END -``` - -### 8.2 确定性节点 - -以下节点原则上不调用 LLM： - -- `normalize_input` -- `hydrate_state` -- `global_handoff_gate` 中的显式指令判断 -- `safety_precheck` 中的确定性高风险规则 -- `route_phase` -- 拍照状态推进 -- 澄清计数 -- 无回复计数 -- 字段格式校验 -- 状态转换合法性校验 -- `apply_external_update` -- `apply_form_patch` -- 固定话术选择 -- `handoff` -- `complete` - -### 8.3 LLM 节点 - -LLM 仅用于： - -- 事故描述字段提取。 -- 用户回答有效性分类。 -- 人伤或复杂情况的语义识别；该判断应与当前阶段的 state-prefix 回复合并在同一次模型调用中。 -- 车牌、时间、车辆数量等自然语言归一化的辅助判断。 -- 必要的自然语言措辞。 - -自然语言回复契约： - -```text -XXXX用户可见正文 -``` - -如果某个阶段还需要结构化字段提取，可在独立节点中使用 Pydantic schema；但不得仅为了再次判断状态码而增加第二次 LLM 调用。 - -处理原则： - -- State prefix 解析或迁移校验失败时最多进行一次受控重试。 -- 模型输出只是候选数据，不能直接写业务状态。 -- 安全判断不确定时进入确认或人工处理，不允许冒险放行。 -- 模型可以通过 prefix 提议 `stage_code`，但只有通过枚举和迁移校验后才能写入 State；`phase` 和计数器仍只由代码修改。 -- 自然语言轮次的状态前缀和正文由同一次模型回复产生；固定系统事件优先使用代码模板，减少模型延迟和随机性。 -LLM 调用预算： - -- 确定性事件默认 0 次 LLM。 -- 普通自然语言轮次默认 1 次 LLM，由阶段节点同时完成必要的语义理解、候选状态前缀和用户可见正文。 -- 只有独立字段抽取无法与阶段回复合并且确有业务必要时，才允许第 2 次 LLM；必须单独记录指标和延迟。 -- State prefix 本身不得导致第 2 次 LLM 调用。 - -## 9. 鉴权与授权 - -### 9.1 推荐方案 - -优先使用公司统一网关或身份平台的 OIDC Client Credentials： - -```text -调用团队 - -> client_id/client_secret - -> 身份平台签发 JWT - -> ZNJJ 通过 JWKS 验证 -``` - -JWT 必须验证： - -- 允许的签名算法。 -- `iss`。 -- `aud`。 -- `exp`、`nbf`。 -- `sub` 或 `client_id`。 -- `scope`。 -- 可选 `jti`。 - -Token 中禁止包含身份证、手机号、车牌等敏感信息。 - -### 9.2 权限 - -```text -chat:write -session:read -session:write -``` - -建议映射： - -| 接口 | Scope | -|---|---| -| `/chat` | `chat:write` | -| `/get_info` | `session:read` | -| `/set_info` | `session:write` | - -### 9.3 对象级授权 - -任何 session 查询都必须包含当前身份中的 `tenant_id`： - -```sql -WHERE tenant_id = :current_tenant_id - AND session_id = :session_id -``` - -内部 LangGraph `thread_id`： - -```python -thread_id = f"{tenant_id}:{session_id}" -``` - -不能把随机 `sessionId` 当成权限校验。 - -### 9.4 API Key 兼容方案 - -如果暂时没有统一身份平台： - -- 使用 `X-API-Key`。 -- 每个调用团队独立 key。 -- key 使用高强度随机值。 -- 数据库只存哈希/HMAC。 -- 支持 `key_id`、启停、过期和轮换。 -- key 只通过 HTTPS 传输。 -- 日志和 trace 永不记录 key。 -- 后续可以平滑迁移到 JWT。 - -### 9.5 限流与资源保护 - -- 按 `client_id` 和 endpoint 限流。 -- 限制 `text` 长度、请求体大小和 SSE 连接时间。 -- 限制单 session 每分钟请求数。 -- 限制调用方并发数和 LLM 配额。 -- 限流 label 不包含 sessionId，避免高基数。 - -## 10. Memory 设计 - -### 10.1 短期记忆 - -使用 LangGraph checkpointer 保存 thread 级状态： - -- 当前会话阶段。 -- 已确认字段。 -- 待回答问题。 -- 澄清/无回复次数。 -- 最近消息。 -- 人工转接原因。 - -相同 `tenant_id + sessionId` 使用相同 `thread_id`。 - -### 10.2 业务状态 - -业务字段必须同步投影到应用表： - -- `/get_info` 读取业务投影。 -- checkpoint 用于流程恢复。 -- 业务事件表用于审计和故障对账。 -- 图每次开始时读取业务状态和版本，防止 checkpoint 与外部更新脱节。 - -### 10.3 上下文控制 - -- checkpoint 可保存最终文本消息。 -- LLM 输入只使用结构化业务状态、当前问题和最近若干轮消息。 -- 超过 token 阈值后生成脱敏摘要。 -- 已经确认并进入业务状态的字段不依赖历史消息记忆。 -- 不保存音频、图片 base64。 - -### 10.4 长期记忆 - -本期不实施： - -- mem0。 -- pgvector 语义记忆。 -- 跨 session 用户画像。 -- 从历史事故召回个人信息。 - -未来如有明确需求，必须重新完成授权、隔离、保留期限和敏感数据评审。 - -## 11. 数据库设计 - -### 11.1 数据库与 schema - -使用 PostgreSQL： - -```text -langgraph schema - LangGraph 自管理 checkpoint 表 - -app schema - Alembic 管理业务表 -``` - -生产环境禁止以 SQLite 替代。 - -### 11.2 业务表 - -#### `api_clients` - -```text -id -tenant_id -client_id -credential_hash -scopes -status -expires_at -created_at -updated_at -``` - -如果完全使用外部 OIDC/JWT，可只保留客户端策略和 tenant 映射，不保存 credential。 - -#### `accident_sessions` - -```text -tenant_id -session_id -status -phase -stage_code -state_version -created_at -updated_at -last_activity_at -completed_at -``` - -约束： - -```text -UNIQUE (tenant_id, session_id) -``` - -#### `accident_state` - -```text -tenant_id -session_id -form_data JSONB -state_version -updated_at -``` - -首版可使用 JSONB 保持与现有字段模型兼容；稳定后再按查询和监管需要拆分规范化表。 - -#### `accident_events` - -```text -event_id -tenant_id -session_id -event_type -actor_client_id -payload -previous_version -new_version -created_at -``` - -约束： - -```text -UNIQUE (tenant_id, event_id) -``` - -#### `idempotency_records` - -```text -client_id -idempotency_key -request_hash -response_data -expires_at -created_at -``` - -约束： - -```text -UNIQUE (client_id, idempotency_key) -``` - -### 11.3 一致性和幂等 - -- 每个输入事件有稳定 `event_id`。 -- 调用方可发送 `Idempotency-Key`。 -- 同一个 key 携带不同请求体时返回冲突。 -- `apply_form_patch` 使用 `(tenant_id, event_id)` 去重。 -- 图节点重试或故障恢复时，重复副作用必须成为 no-op。 -- 写业务状态和 `accident_events` 必须处于同一数据库事务。 -- 响应成功前业务状态必须持久化完成。 - -### 11.4 并发 - -同一 session 的修改操作串行化： - -- `SELECT ... FOR UPDATE` 锁定 `accident_sessions`；或 -- 使用 PostgreSQL advisory lock。 - -配合乐观版本控制： - -```sql -UPDATE accident_state -SET form_data = :form_data, - state_version = state_version + 1 -WHERE tenant_id = :tenant_id - AND session_id = :session_id - AND state_version = :expected_version; -``` - -更新行数为 0 时按 `SESSION_CONFLICT` 处理。 - -每个请求/异步任务使用独立 `AsyncSession`，不能跨并发任务共享。 - -### 11.5 迁移 - -- Alembic 只管理 `app` schema。 -- 排除 LangGraph checkpointer 自管理表。 -- 不在应用启动时调用 ORM `create_all()`。 -- 自动生成 migration 后必须人工审查。 -- CI 执行 `alembic check`。 -- 测试从空数据库升级到最新 revision。 -- 上线前验证 downgrade 或制定明确的 forward-fix 策略。 - -### 11.6 数据保护 - -- 数据库和备份加密。 -- 身份证、手机号等高敏字段应用层加密。 -- 需要等值查询时额外保存不可逆 HMAC。 -- 日志和 trace 只保留掩码。 -- checkpoint、业务表、事件、幂等记录和 trace 定义统一保留期限。 -- session 清理必须覆盖 checkpoint 和业务数据。 - -## 12. 配置设计 - -使用 `pydantic-settings`： - -```python -class Settings(BaseSettings): - environment: Literal["development", "test", "staging", "production"] - auth: AuthSettings - database: DatabaseSettings - llm: LLMSettings - langgraph: LangGraphSettings - observability: ObservabilitySettings - security: SecuritySettings - - model_config = SettingsConfigDict( - env_prefix="ZNJJ_", - env_nested_delimiter="__", - env_file=".env", - extra="ignore", - ) -``` - -环境变量示例： - -```text -ZNJJ_ENVIRONMENT=production -ZNJJ_DATABASE__DSN=postgresql+asyncpg://... -ZNJJ_AUTH__ISSUER=https://... -ZNJJ_AUTH__AUDIENCE=znjj-api -ZNJJ_AUTH__JWKS_URL=https://.../.well-known/jwks.json -ZNJJ_LLM__PROVIDER=openai -ZNJJ_LLM__MODEL=... -ZNJJ_LANGGRAPH__BACKEND=langgraph -ZNJJ_OBSERVABILITY__TRACING_ENABLED=true -``` - -原则： - -- `.env` 只用于本地开发。 -- `.env.example` 只包含字段和非敏感示例。 -- 生产 secret 来自 Secret Manager/Kubernetes Secret。 -- 数据库密码、API Key、JWT secret 不允许有默认值。 -- 配置校验失败时启动失败。 -- 启动时输出脱敏配置摘要。 -- Prompt 和状态转换规则版本化存放在仓库。 -- 功能开关使用类型化配置。 -- 依赖写入 `pyproject.toml` 并使用 lockfile 固定。 -- 不直接复制参考项目无上限的 `>=` 依赖策略。 - -主要功能开关： - -```text -AGENT_BACKEND=fastgpt|langgraph -LANGGRAPH_SHADOW_ENABLED=true|false -LANGFUSE_ENABLED=true|false -OTEL_ENABLED=true|false -``` - -## 13. 可观测性 - -### 13.1 结构化日志 - -统一使用 structlog，生产输出 JSON。 - -每条请求日志绑定： - -```text -request_id -trace_id -client_id -tenant_id -session_id_hash -event_id -endpoint -graph_node -stage_code -error_type -``` - -事件名称使用 `lowercase_with_underscores`。 - -禁止记录： - -- JWT/API Key。 -- 数据库密码、LLM API Key。 -- 原始身份证和手机号。 -- 未脱敏车牌。 -- 完整 Prompt。 -- 完整用户输入和模型输出。 -- 完整 `formUpdate`。 -- checkpoint 原始内容。 - -异常使用 `logger.exception()` 保留 traceback，同时确保异常参数已脱敏。 - -### 13.2 Request ID - -- 每个请求生成或验证 `X-Request-ID`。 -- 返回响应头 `X-Request-ID`。 -- 不信任无限长度或任意字符的上游 request ID。 -- request ID 贯穿日志、trace、LLM 调用和数据库事件。 - -### 13.3 Metrics - -基础 HTTP 指标： - -```text -http_requests_total{endpoint,status} -http_request_duration_seconds{endpoint} -``` - -业务和 Agent 指标： - -```text -agent_turn_duration_seconds -agent_stream_ttfb_seconds -llm_request_duration_seconds{model,result} -llm_tokens_total{model,direction} -state_prefix_parse_failure_total{reason} -graph_node_duration_seconds{node} -stage_transition_total{from_stage,to_stage} -handoff_total{reason} -field_validation_failure_total{field} -checkpoint_operation_total{operation,result} -session_conflict_total -idempotency_replay_total -``` - -禁止把 `sessionId`、request ID、用户 ID 放入 Prometheus label。 - -### 13.4 Tracing - -- OpenTelemetry 覆盖 HTTP、数据库、LangGraph 节点和外部 LLM。 -- 一个 API 请求对应一个 trace。 -- 每个图节点、LLM 调用、业务状态写入是独立 span。 -- Langfuse 仅用于脱敏后的 LLM trace、Prompt 版本和评测。 -- 生产环境配置采样率。 -- 错误、转人工和状态冲突请求可提高采样概率。 -- 不把高敏原文发送到外部 tracing 平台。 - -### 13.5 健康检查 - -```text -GET /health/live -GET /health/ready -``` - -`live` 只判断进程是否存活。 - -`ready` 至少检查： - -- 配置已加载。 -- PostgreSQL 可连接。 -- LangGraph checkpointer 可用。 -- 必要的模型配置存在。 - -生产持久化不可用时 readiness 必须失败。 - -### 13.6 建议告警 - -- `/chat` 5xx 或内部错误率。 -- P95/P99 响应时间和流式 TTFB。 -- LLM 超时、state prefix 解析失败和非法状态迁移率。 -- checkpoint 写入失败。 -- session 冲突率。 -- 异常状态转换。 -- `0002/0003/0005` 转人工比例异常变化。 -- 数据库连接池使用率。 - -## 14. 测试策略 - -### 14.1 领域单元测试 - -不连接数据库、不调用 LLM，覆盖： - -- 每个状态允许的下一状态。 -- 单车和双车拍照不可跳步。 -- 全局转人工优先级。 -- 人伤/复杂情况路由。 -- 澄清次数和无回复次数。 -- 时间、车辆数量、手机号、身份证、车牌校验。 -- 字段白名单和类型转换。 -- `formUpdate` diff。 -- 非法状态转换。 -- Prefix 缺失、重复、未知状态码。 -- Prefix 被拆分到多个流式 chunk。 - -使用参数化测试维护状态转换矩阵。 - -### 14.2 节点测试 - -使用 fake LLM 和 `InMemorySaver`： - -- 单独测试每个节点。 -- 结构化 LLM 输出固定可控。 -- 断言状态更新和路由。 -- 断言副作用请求，而非执行真实副作用。 -- 不对自由生成文本做逐字断言。 - -### 14.3 Graph 场景测试 - -至少覆盖： - -- 单车正常流程。 -- 双车正常流程。 -- 主动转人工。 -- 人伤立即转人工。 -- 多车/复杂情况转人工。 -- 连续无效回答。 -- 连续无回复。 -- 连续拍照识别失败。 -- 车牌纠正。 -- 身份证/手机号分段补充和二次确认。 -- `/set_info` 后继续 `/chat`。 -- 服务重启后恢复。 - -断言： - -- 状态码序列。 -- 最终业务字段。 -- 每轮 `formUpdate`。 -- 转人工原因。 -- checkpoint 恢复结果。 - -### 14.4 API 契约测试 - -使用 FastAPI ASGI + `httpx.AsyncClient`： - -- 三个接口的请求和响应 schema。 -- camelCase 字段。 -- 历史业务码。 -- `all/acdinfo/acdhuman1/acdhuman2`。 -- 单字段查询。 -- `/set_info` 合法/非法字段。 -- SSE 事件名称和顺序。 -- 流式拼接与非流式结果一致。 -- 空值、超长文本、非法 JSON。 -- session 不存在和冲突。 - -保存对接契约样例，作为其他团队联调依据。 - -### 14.5 PostgreSQL 集成测试 - -使用真实临时 PostgreSQL： - -- Alembic 从空库升级。 -- LangGraph checkpoint 写入、读取、恢复和清理。 -- 业务状态与事件原子更新。 -- 幂等重试。 -- 乐观版本冲突。 -- 同 session 锁。 -- 数据库连接中断后的恢复。 -- 连接池耗尽和超时。 - -不能用 SQLite 替代 PostgreSQL 集成测试。 - -### 14.6 安全测试 - -- 无凭证。 -- 错误 JWT 签名。 -- 错误 issuer/audience。 -- token 过期或尚未生效。 -- scope 不足。 -- A tenant 访问 B tenant session。 -- `/set_info` mass assignment。 -- API Key 禁用、过期和轮换。 -- 请求重放。 -- 超长输入和资源限制。 -- 日志、trace 中不存在 Token、手机号、身份证。 - -### 14.7 并发与故障恢复测试 - -- 同一 session 两个 `/chat` 并发。 -- `/chat` 与 `/set_info` 并发。 -- 相同 `Idempotency-Key` 重复提交。 -- 相同 key 携带不同请求体。 -- 业务状态写入成功但响应超时。 -- 图节点执行成功但 checkpoint 写入失败。 -- 进程在节点之间退出。 -- 服务重启后恢复并继续。 - -### 14.8 LLM 评测 - -使用脱敏黄金数据集评测： - -- 人伤识别召回率。 -- 主动转人工意图识别。 -- 字段提取准确率。 -- 无效/无关回答分类。 -- 时间逻辑。 -- 车辆数量识别。 -- State prefix 格式有效率和合法迁移率。 -- 字段提取节点的结构化输出有效率。 -- 不允许的状态跳转次数。 - -安全类指标优先控制漏判，不只看总体准确率。 - -### 14.9 性能测试 - -- `/get_info` P95/P99。 -- `/set_info` P95/P99。 -- `/chat` 非流式总耗时。 -- `/chat` 流式 TTFB 和总耗时。 -- 并发 session 数量。 -- 单 session 高频请求。 -- 数据库连接池和 LLM 限流。 - -### 14.10 CI 门禁 - -建议流水线： - -```text -ruff check -ruff format --check -pyright -pytest tests/unit tests/graph tests/contract -pytest tests/integration -alembic check -依赖漏洞扫描 -secret 扫描 -``` - -## 15. 分阶段实施计划 - -### Phase 0：基线与契约冻结 - -#### 工作项 - -- 梳理现有三个接口的真实请求/响应行为。 -- 补齐 API 契约测试。 -- 整理全部状态码、字段、分组和转换规则。 -- 从现有 FastGPT 工作流和 Prompt 提取业务规则。 -- 建立脱敏黄金对话数据集。 -- 记录当前延迟、错误率和转人工比例基线。 - -#### 交付物 - -- API 契约测试。 -- 状态码表和字段注册表。 -- 状态转换矩阵。 -- 黄金场景数据集。 -- 当前系统基线报告。 - -#### 验收 - -- 在未改业务代码前，契约测试能够通过。 -- 三个接口的兼容行为有明确文档。 -- 不再依赖口头说明解释状态码和字段。 - -### Phase 1：工程骨架与配置 - -#### 工作项 - -- 建立 `pyproject.toml` 和 lockfile。 -- 引入 Pydantic Settings。 -- 拆分数据库、鉴权、LLM、LangGraph、可观测性配置。 -- 使用 FastAPI lifespan 初始化和关闭资源。 -- 建立结构化日志和 request ID。 -- 增加 `/health/live`、`/health/ready`。 - -#### 验收 - -- 配置缺失时服务启动失败。 -- 生产配置不存在不安全默认值。 -- 启动/关闭不泄漏连接。 -- 日志中没有 secret。 - -### Phase 2：鉴权与 session 授权 - -#### 工作项 - -- 接入 JWT/JWKS 或 API Key。 -- 建立 `CurrentClient` 依赖。 -- 实现 endpoint scope 检查。 -- 实现 tenant/session 对象级授权。 -- 增加调用方限流。 -- 补齐安全测试。 - -#### 验收 - -- 未授权调用无法访问三个接口。 -- A tenant 无法访问 B tenant session。 -- `/set_info` 不能写内部字段。 -- 凭证不出现在日志和 trace。 - -### Phase 3：PostgreSQL 与持久化 - -#### 工作项 - -- 引入 SQLAlchemy async 和连接池。 -- 引入 Alembic。 -- 创建业务表和索引。 -- 引入 `AsyncPostgresSaver`。 -- 配置 LangGraph 表与业务表隔离。 -- 实现 session 锁、版本控制和幂等记录。 -- 建立数据清理策略。 - -#### 验收 - -- 服务重启后可恢复 thread。 -- `/set_info` 重试不重复更新。 -- 并发更新产生显式冲突或按序执行。 -- 数据库不可用时 readiness 失败。 - -### Phase 4：类型化状态、`/set_info`、`/get_info` - -#### 工作项 - -- 定义 `AccidentState`、领域模型和枚举。 -- 建立字段注册表和分组映射。 -- 实现 `SetInfoEvent` 和 `apply_external_update`。 -- 实现业务状态 repository。 -- `/get_info` 改为读取业务状态。 -- 移除这两个接口对 FastGPT 的辅助调用。 - -#### 验收 - -- `/set_info` 后 `/get_info` 立即读到一致值。 -- 服务重启后值仍存在。 -- `all/acdinfo/acdhuman1/acdhuman2` 与旧接口兼容。 -- 非法 key、非法类型不会污染状态。 -- `/chat` 后续能够读取外部写入的数据。 - -### Phase 5：LangGraph 流程骨架与状态校验 - -#### 工作项 - -- 实现输入事件归一化。 -- 实现状态转换表。 -- 实现非流式和增量流式 state prefix parser。 -- 实现状态码枚举和迁移 validator。 -- 实现全局转人工、安全路由和阶段路由。 -- 实现单车/双车拍照流程。 -- 实现澄清和无回复计数。 -- 实现固定话术。 -- 建立节点和图场景测试。 - -#### 验收 - -- 不调用 LLM 即可完整执行拍照完成、拍照失败、无回复和外部字段更新等确定性流程。 -- Prefix parser 能处理标签跨 chunk、缺失、重复、未知状态码和非法迁移。 -- 拍照状态不能跳步。 -- 所有转人工状态符合优先级。 -- 非法转换被阻止并可观测。 - -### Phase 6：State prefix LLM 与非流式 `/chat` - -#### 工作项 - -- 建立 LLM provider/service 抽象。 -- 实现超时、有限重试和熔断策略。 -- 定义 `XXXX正文` 的 Prompt 输出契约。 -- 对需要字段提取的节点单独定义结构化 schema，避免把状态码复判拆成第二次调用。 -- 在阶段 LLM 节点中合并必要的事故字段理解、安全语义判断、回答有效性分类、候选状态前缀和正文生成。 -- 实现字段验证和 `formUpdate`。 -- 接入非流式 `/chat`。 -- 执行黄金场景评测。 - -#### 验收 - -- 非流式 `/chat` 能从回复开头解析 ``，并且不把标签暴露到 `outputText`。 -- 模型给出的候选状态码只有通过枚举和迁移校验后才进入图状态。 -- Prefix 缺失、格式错误、未知状态码或非法迁移不会污染状态。 -- 黄金场景状态序列和字段达到验收阈值。 - -### Phase 7：流式 `/chat` - -#### 工作项 - -- 使用同一图实现 streaming。 -- 将图事件适配为现有 SSE。 -- 在 prefix 完整解析前缓存开头 token；解析成功后先发送 `stage_code`，正文才进入 `text_delta`。 -- 固定事件顺序。 -- 保留 `useTextChunk` 兼容行为。 -- 处理客户端断开和生成取消。 -- 增加流式契约与性能测试。 - -#### 验收 - -- 流式文本拼接等于非流式文本。 -- `stage_code`、`formUpdate` 与非流式一致。 -- Prefix 被拆分到任意多个 token 时仍能正确解析，标签内容不会进入 `text_delta`。 -- 成功只产生一个 `done`。 -- 失败只产生一个终止 `error`。 -- 客户端断开不会遗留运行任务或连接。 - -### Phase 8：可观测性与安全加固 - -#### 工作项 - -- 接入 Prometheus metrics。 -- 接入 OpenTelemetry traces。 -- 可选接入脱敏 Langfuse。 -- 实现统一脱敏处理器。 -- 建立仪表盘和告警。 -- 执行依赖、secret 和日志泄漏检查。 -- 验证数据保留与清理。 - -#### 验收 - -- 能按 request ID/trace ID 定位一次调用。 -- 能观察节点、LLM、数据库和 checkpoint 延迟。 -- 指标 label 无高基数 session 数据。 -- 日志和 trace 无敏感明文。 - -### Phase 9：Shadow、灰度和下线 FastGPT - -#### 工作项 - -- 引入 `AGENT_BACKEND=fastgpt|langgraph`。 -- 实现无副作用 shadow 对比。 -- Shadow 使用隔离 thread namespace，不写真实业务状态。 -- 对比状态码、字段 patch、转人工原因和文本。 -- 按调用方或流量比例灰度。 -- 监控错误率、延迟、转人工率和字段差异。 -- 稳定后切换默认后端。 -- 最后移除 FastGPT 依赖、标签解析和辅助聊天记录逻辑。 - -#### 验收 - -- 可以快速切回 FastGPT。 -- 灰度指标满足发布阈值。 -- LangGraph 全量稳定运行一个约定观察周期。 -- 删除 FastGPT 后契约和回归测试全部通过。 - -## 16. 发布与回滚 - -### 16.1 发布 - -```text -开发环境全量 - -> 测试环境全量 - -> 生产 shadow - -> 指定调用方灰度 - -> 小比例流量 - -> 扩大比例 - -> 全量 LangGraph - -> 观察期 - -> 删除 FastGPT -``` - -### 16.2 回滚 - -兼容期： - -```text -AGENT_BACKEND=fastgpt -``` - -回滚约束： - -- LangGraph 和 FastGPT 的业务状态格式必须有明确转换或隔离策略。 -- Shadow 不得写真实状态。 -- 数据库 migration 优先向前兼容。 -- 灰度期间不删除 FastGPT 所需配置。 -- 一旦 LangGraph 已写入新业务字段，回滚时 `/get_info` 仍从统一业务表读取，避免数据丢失。 - -## 17. 风险与缓解 - -| 风险 | 缓解措施 | -|---|---| -| Prompt 行为与 FastGPT 不一致 | 黄金数据集、shadow 差异分析、逐阶段迁移 | -| 状态机规则遗漏 | 从工作流 JSON、Prompt、接口代码三方交叉整理 | -| Checkpoint 与业务表不一致 | 幂等事件、版本号、每轮 hydrate、对账任务 | -| 同 session 并发覆盖 | 数据库锁、乐观版本、冲突指标 | -| State prefix 缺失、格式错误或非法迁移 | 增量 parser、枚举/迁移校验、一次受控重试、保守转人工 | -| 敏感信息进入日志/trace | 统一脱敏、默认不记录正文、安全自动化测试 | -| 依赖升级破坏接口 | lockfile、固定版本、升级专项测试 | -| 生产数据库不可用 | readiness、连接池指标、明确失败，不无状态降级 | -| Shadow 产生重复副作用 | Shadow 使用隔离状态且禁用副作用节点 | -| 调用方重试造成重复推进 | Idempotency-Key、event_id 去重 | - -## 18. 完成标准 - -改造完成需要同时满足： - -- `/chat`、`/set_info`、`/get_info` 对外契约兼容。 -- 正常流程不再调用 FastGPT。 -- 自然语言轮次统一解析模型回复开头的 `XXXX`，并在对外正文中移除标签。 -- `/set_info`、`/get_info` 不调用 LLM。 -- 模型输出的候选状态码必须通过代码枚举和迁移校验；阶段和计数器只由代码修改。 -- 生产使用 PostgreSQL checkpointer。 -- 业务状态可以独立于 checkpoint 查询和审计。 -- 鉴权、scope 和 tenant/session 对象级授权已启用。 -- 同 session 并发、重试和进程恢复测试通过。 -- 日志、metrics、trace 和告警可用。 -- 敏感信息脱敏与保留策略已验证。 -- 领域、Graph、契约、集成、安全和 LLM 评测达到约定阈值。 -- FastGPT 回滚开关经过演练。 -- FastGPT 下线后完整测试仍通过。 - -## 19. 待确认事项 - -实施前需要由产品、对接团队或基础设施负责人确认： - -1. 是否已有统一 API Gateway/OIDC/JWKS。 -2. 调用团队与 `tenant_id` 的映射方式。 -3. 是否允许为请求增加可选 `Idempotency-Key` Header。 -4. 历史接口 HTTP 状态码和响应体业务码的精确兼容要求。 -5. `/chat` SSE 中 `stage_code`、`formUpdate` 的最终顺序约定。 -6. `sessionId` 的创建方、唯一性和生命周期。 -7. 事故信息、checkpoint、事件、日志和 trace 的保留期限。 -8. 身份证、手机号等字段的加密和密钥托管方案。 -9. 生产 PostgreSQL 版本、schema 权限和连接池限制。 -10. Langfuse/OpenTelemetry 数据是否允许发送到外部或自建平台。 -11. LLM provider、模型白名单、超时、配额和容灾策略。 -12. Shadow 和灰度的业务验收指标。 -13. FastGPT 下线前需要保留的历史会话和迁移方式。 +作业 1—3 可直接离线推进。到相应阶段前再落实下列信息，并写入 runbook；不要把所有环境问题都变成搭脚手架的前置阻塞。 +| 决策 | 最晚落实时间 | 未落实时可以继续的工作 | +|---|---|---| +| 真实 LLM provider、模型、超时与预算 | 作业 4 真实模型验收前 | fake LLM、领域与接口测试 | +| 工作流冲突规则和两种模式的最终路由 | 作业 4—5 验收前 | 来源提取、离线夹具、差异记录 | +| PostgreSQL 版本、连接与部署权限 | 作业 7 前 | 内存完整功能与本地数据库开发 | +| 调用方对任意字段写入、错误、SSE 顺序的依赖 | 作业 6/8 验收前 | 当前行为取样、兼容层实现 | +| 服务身份、租户归属与数据保护方案 | 作业 9/生产灰度前 | 本地服务与合成数据验证 | +| 延迟/成本预算、灰度观察周期与负责人 | 作业 10 灰度前 | 基线测量、压测与回退演练 |