wms-master.git - Gitblit

			@@ -88,6 +88,10 @@
			@Qualifier("aiChatTaskExecutor")
			private final Executor aiChatTaskExecutor;

			/**
			* 获取当前对话抽屉初始化所需的运行时数据。
			* 该方法不会触发模型调用，而是把配置解析结果和会话记忆聚合成前端一次渲染所需的快照。
			*/
			@Override
			public AiChatRuntimeDto getRuntime(String promptCode, Long sessionId, Long userId, Long tenantId) {
			AiResolvedConfig config = aiConfigResolverService.resolve(promptCode, tenantId);
			@@ -109,6 +113,9 @@
			.build();
			}

			/**
			* 查询指定 Prompt 场景下的历史会话摘要列表。
			*/
			@Override
			public List<AiChatSessionDto> listSessions(String promptCode, String keyword, Long userId, Long tenantId) {
			AiResolvedConfig config = aiConfigResolverService.resolve(promptCode, tenantId);
			@@ -140,6 +147,10 @@
			aiChatMemoryService.retainLatestRound(userId, tenantId, sessionId);
			}

			/**
			* 启动一次新的 SSE 对话流。
			* 控制线程立即返回 emitter，真正的模型调用与工具执行交给 AI 专用线程池异步处理。
			*/
			@Override
			public SseEmitter stream(AiChatRequest request, Long userId, Long tenantId) {
			SseEmitter emitter = new SseEmitter(AiDefaults.SSE_TIMEOUT_MS);
			@@ -148,6 +159,14 @@
			}

			private void doStream(AiChatRequest request, Long userId, Long tenantId, SseEmitter emitter) {
			/**
			* AI 对话的核心执行链路：
			* 1. 校验身份和解析租户配置
			* 2. 解析或创建会话，加载记忆
			* 3. 动态挂载 MCP 工具
			* 4. 发起模型流式/非流式调用
			* 5. 持久化本轮消息，输出 SSE 事件并记录审计日志
			*/
			String requestId = request.getRequestId();
			long startedAt = System.currentTimeMillis();
			AtomicReference<Long> firstTokenAtRef = new AtomicReference<>();
			@@ -302,6 +321,7 @@
			}

			private AiResolvedConfig resolveConfig(AiChatRequest request, Long tenantId) {
			/** 把请求里的 Prompt 场景解析成一份可直接执行的 AI 配置。 */
			try {
			return aiConfigResolverService.resolve(request.getPromptCode(), tenantId);
			} catch (Exception e) {
			@@ -311,6 +331,7 @@
			}

			private AiChatSession resolveSession(AiChatRequest request, Long userId, Long tenantId, String promptCode) {
			/** 根据 sessionId 复用历史会话，或在首次提问时创建新会话。 */
			try {
			return aiChatMemoryService.resolveSession(userId, tenantId, promptCode, request.getSessionId(), resolveTitleSeed(request.getMessages()));
			} catch (Exception e) {
			@@ -320,6 +341,7 @@
			}

			private AiChatMemoryDto loadMemory(Long userId, Long tenantId, String promptCode, Long sessionId) {
			/** 读取会话的短期记忆、摘要记忆和事实记忆，供模型组装上下文。 */
			try {
			return aiChatMemoryService.getMemory(userId, tenantId, promptCode, sessionId);
			} catch (Exception e) {
			@@ -329,6 +351,7 @@
			}

			private McpMountRuntimeFactory.McpMountRuntime createRuntime(AiResolvedConfig config, Long userId) {
			/** 按配置中的 MCP 挂载记录构造本轮对话专属的工具运行时。 */
			try {
			return mcpMountRuntimeFactory.create(config.getMcpMounts(), userId);
			} catch (Exception e) {
			@@ -471,6 +494,10 @@

			private OpenAiChatOptions buildChatOptions(AiParam aiParam, ToolCallback[] toolCallbacks, Long userId, Long tenantId,
			String requestId, Long sessionId, Map<String, Object> metadata) {
			/**
			* 组装一次聊天调用的全部模型选项和 Tool Context。
			* Tool Context 会透传给内置工具和外部 MCP，保证工具在租户和会话范围内执行。
			*/
			if (userId == null) {
			throw buildAiException("AI_AUTH_USER_MISSING", AiErrorCategory.AUTH, "OPTIONS_BUILD", "当前登录用户不存在", null);
			}
			@@ -508,6 +535,7 @@
			Long sessionId, AtomicLong toolCallSequence,
			AtomicLong toolSuccessCount, AtomicLong toolFailureCount,
			Long callLogId, Long userId, Long tenantId) {
			/** 给所有工具回调套上一层可观测包装，用于实时 SSE 轨迹和审计日志落库。 */
			if (Cools.isEmpty(toolCallbacks)) {
			return toolCallbacks;
			}
			@@ -523,6 +551,10 @@
			}

			private List<Message> buildPromptMessages(AiChatMemoryDto memory, List<AiChatMessageDto> sourceMessages, AiPrompt aiPrompt, Map<String, Object> metadata) {
			/**
			* 组装最终提交给模型的消息列表。
			* 顺序上始终是：系统 Prompt -> 历史摘要 -> 关键事实 -> 最近对话 -> 当前用户输入。
			*/
			if (Cools.isEmpty(sourceMessages)) {
			throw new CoolException("对话消息不能为空");
			}
			@@ -569,6 +601,7 @@
			}

			private List<AiChatMessageDto> mergeMessages(List<AiChatMessageDto> persistedMessages, List<AiChatMessageDto> memoryMessages) {
			/** 把落库历史与本轮前端内存增量合并成模型可消费的完整上下文。 */
			List<AiChatMessageDto> merged = new ArrayList<>();
			if (!Cools.isEmpty(persistedMessages)) {
			merged.addAll(persistedMessages);
			@@ -634,6 +667,7 @@
			}

			private void emitDone(SseEmitter emitter, String requestId, ChatResponseMetadata metadata, String fallbackModel, Long sessionId, long startedAt, Long firstTokenAt) {
			/** 输出对话完成事件，统一封装耗时、首包延迟和 token 用量。 */
			Usage usage = metadata == null ? null : metadata.getUsage();
			emitStrict(emitter, "done", AiChatDoneDto.builder()
			.requestId(requestId)
			@@ -662,6 +696,7 @@
			}

			private void emitStrict(SseEmitter emitter, String eventName, Object payload) {
			/** 严格发送 SSE 事件；一旦发送失败，直接上抛为流式输出异常。 */
			try {
			String data = objectMapper.writeValueAsString(payload);
			emitter.send(SseEmitter.event()
			@@ -673,6 +708,7 @@
			}

			private void emitSafely(SseEmitter emitter, String eventName, Object payload) {
			/** 尝试发送非关键事件，发送失败只记录日志，不打断主对话流程。 */
			try {
			emitStrict(emitter, eventName, payload);
			} catch (Exception e) {
			@@ -748,6 +784,11 @@

			@Override
			public String call(String toolInput, ToolContext toolContext) {
			/**
			* 工具执行观测包装器。
			* 在真实调用前后分别发送 tool_start / tool_result / tool_error，
			* 同时把调用摘要写入 MCP 调用日志表。
			*/
			String toolName = delegate.getToolDefinition() == null ? "unknown" : delegate.getToolDefinition().name();
			String mountName = delegate instanceof MountedToolCallback ? ((MountedToolCallback) delegate).getMountName() : null;
			String toolCallId = requestId + "-tool-" + toolCallSequence.incrementAndGet();