CamTalk/docs/02-接口文档.md

# 接口文档

## 概述

前后端通信接口定义。以 WebSocket 承载实时对话，REST 端点支撑基础运维。持久化通过 PostgreSQL 实现，MemoryManager 支持 Write-Through 模式。

**设计原则**：
- WebSocket 为主：所有对话数据走 WebSocket
- REST 为辅：仅用于健康检查、认证、对话管理等低频操作
- 接口先行：先定义契约，再填充实现——前后端可并行开发

## 接口全景

```
浏览器                    Go Gateway :8080
  WebSocket Client  <-->  /ws?token=<jwt>             （实时对话，需 JWT 认证）
  HTTP Client       -->   GET /api/health              （健康检查）
  HTTP Client       <-->  POST /api/auth/*             （注册/登录/刷新/登出）
  HTTP Client       <-->  GET/POST/PATCH/DELETE        （对话 CRUD）
                           /api/conversations/*
  HTTP Client       <-->  GET /api/conversations/:id   （历史消息）
                           /messages
```

---

## 一、WebSocket 协议

连接地址：`ws://localhost:8080/ws?token=<access_token>&conversation_id=<uuid>`

| 参数 | 必填 | 说明 |
|------|------|------|
| `token` | 是 | JWT access_token，缺失或无效时返回 401 |
| `conversation_id` | 否 | 恢复已有对话；省略则创建新对话 |

### 消息格式约定

所有 WebSocket 消息均为 JSON 文本帧，统一结构：

```typescript
interface WsMessage {
  type: string;        // 消息类型，必填
  request_id?: string; // 可选，用于请求-响应关联
  timestamp?: number;  // 可选，毫秒时间戳
  [key: string]: any;  // 类型特定字段
}
```

### 客户端 → 服务端消息

#### `query` — 发起一次视觉对话

用户说完话后，客户端同时发送当前图像帧和语音片段。也支持文本输入模式（手动输入文字时跳过语音识别）：

```typescript
interface QueryMessage {
  type: "query";
  request_id: string;    // 客户端生成的 UUID
  image: string;         // Base64 编码的 JPEG 图像（不含 data: 前缀）
  audio: string;         // Base64 编码的音频片段（PCM 16kHz），文本输入时为空字符串
  text?: string;         // 用户手动输入的文本（有值时跳过 STT，直接使用此文本）
  mime_type?: string;    // 音频格式，默认 "audio/pcm"
}
```

> 为什么图像和音频放在同一条消息里？因为 VAD 检测到用户说完话时，需要同时捕获"此刻的画面"和"说的话"，拆成两条消息会增加时序同步的复杂度。
>
> **文本输入模式**：当用户关闭麦克风后，可通过对话框手动输入文字。此时 `text` 字段携带用户输入，`audio` 为空字符串，服务端跳过 STT 直接使用 `text` 进行 LLM 推理。

#### `config` — 更新会话配置

```typescript
interface ConfigMessage {
  type: "config";
  payload: {
    tts_enabled?: boolean;         // 是否开启语音合成，默认 true
    detail_level?: "low" | "high"; // 图像精度，默认 "low"
    language?: string;             // 交互语言，默认 "zh-CN"
    scenario?: string;             // 场景模式：free_chat / interviewer / english_teacher / debate / interpreter
  };
}
```

#### `interrupt` — 打断当前回复

```typescript
interface InterruptMessage {
  type: "interrupt";
  request_id?: string; // 可选，当前实现不使用此字段，服务端始终取消当前活跃请求
}
```

#### `ping` — 心跳保活

```typescript
interface PingMessage {
  type: "ping";
}
```

### 服务端 → 客户端消息

#### `connected` — 连接建立确认

```typescript
interface ConnectedMessage {
  type: "connected";
  session_id: string;         // 服务端生成的会话 ID
  conversation_id: string;    // 同 session_id，便于前端统一使用
  server_version: string;     // 服务端版本号，如 "0.1.0"
}
```

#### `stt_result` — 语音识别结果

```typescript
interface STTResultMessage {
  type: "stt_result";
  request_id: string;
  text: string;        // 识别出的用户语音文本
  is_final: boolean;   // 是否为最终结果
}
```

#### `llm_chunk` — LLM 流式输出片段

```typescript
interface LLMChunkMessage {
  type: "llm_chunk";
  request_id: string;
  delta: string;       // 本次增量文本
  role: "assistant";
}
```

#### `llm_done` — LLM 输出完成

```typescript
interface LLMDoneMessage {
  type: "llm_done";
  request_id: string;
  full_text: string;     // 完整回复文本
  tokens_used: {
    prompt: number;
    completion: number;
    total: number;
  };
  model: string;         // 实际使用的模型名
  latency_ms: number;    // 端到端延迟（毫秒）
}
```

#### `tts_audio` — TTS 音频流片段

```typescript
interface TTSAudioMessage {
  type: "tts_audio";
  request_id: string;
  audio: string;         // Base64 编码的音频片段
  mime_type: string;     // "audio/mp3"
  is_last: boolean;      // 当前句子的音频是否完整（每句结束时为 true）
  final: boolean;        // 整轮 TTS 是否结束（所有句子合成完毕后为 true）
}
```

**字段语义**：

- `is_last`: 每个句子合成完毕后为 `true`，前端收到此信号即可将该句子加入播放队列。每句 TTS 音频由一次独立的 API 调用生成，对应一个 `tts_audio` 消息。
- `final`: 所有句子合成完毕后为 `true`（此时 `audio` 为空字符串），用于前端判断本轮 TTS 已全部到齐。

**音频格式规范**（前端播放依赖此约定）：

| 属性 | 值 | 说明 |
|------|------|------|
| 编码 | `audio/mp3`（MP3） | 浏览器 `<audio>` 原生支持 |
| 采样率 | 24kHz | OpenAI TTS 默认 |
| 声道 | 单声道 | 语音不需要立体声 |
| 传输 | Base64 编码的 MP3 片段 | 每个 `tts_audio` 消息携带一个句子的音频 |
| 切片粒度 | 按句子切分 | LLM 输出中按 `。！？\n` 等标点切分，每个句子独立合成 |

**流式播放时序**：`tts_audio` 消息按句子顺序到达，前端应按序排队播放，不要等全部到齐再播。

**前端播放实现要点**：

1. **排队播放**：收到 `is_last: true` 时，将该句子的音频片段拼接为 Blob URL 并加入播放队列。第一句到达即开始播放，后续句子在 `onended` 回调中自动衔接。
2. **错误容错**：单个句子播放失败时跳过，继续播放队列中下一个，不中断整个回复。
3. **打断清理**：收到 `interrupt` 消息或用户触发打断时，清空播放队列并释放所有 Blob URL。
4. **类型锁定**：`mime_type` 字段固定为 `"audio/mp3"`，前端解码时直接使用，无需运行时判断。

```typescript
// 前端播放器伪代码
class AudioPlayer {
  private sentenceChunks: string[] = [];  // 当前句子的音频片段缓冲
  private queue: string[] = [];           // 已就绪的句子 Blob URL 队列

  enqueue(base64: string, isLast: boolean) {
    this.sentenceChunks.push(base64);
    if (isLast) {
      const url = decodeBase64Audio(this.sentenceChunks.join(""), "audio/mp3");
      this.sentenceChunks = [];
      this.queue.push(url);
      if (this.queue.length === 1) this.playNext();
    }
  }

  private playNext() {
    if (this.queue.length === 0) return;
    const audio = new Audio(this.queue.shift()!);
    audio.onended = () => { URL.revokeObjectURL(audio.src); this.playNext(); };
    audio.onerror = () => { URL.revokeObjectURL(audio.src); this.playNext(); };
    audio.play();
  }

  clear() { this.queue.forEach(url => URL.revokeObjectURL(url)); this.queue = []; this.sentenceChunks = []; }
}
```

#### `error` — 错误通知

```typescript
interface ErrorMessage {
  type: "error";
  request_id?: string;
  code: string;          // 错误码，见下方错误码表
  message: string;       // 人类可读的错误描述
}
```

#### `pong` — 心跳响应

```typescript
interface PongMessage {
  type: "pong";
}
```

### 消息流时序

**语音模式**（麦克风开启）：

```
Client                          Server
  |                               |
  |-- query {image, audio} ------>|
  |<-- stt_result {text} ---------|  (语音识别)
  |                               |
  |<-- llm_chunk {delta: "这"} ---|  (LLM 流式输出)
  |<-- llm_chunk {delta: "是一"} -|
  |<-- llm_chunk {delta: "朵花"} -|
  |<-- llm_done {full_text} ------|
  |                               |
  |<-- tts_audio {audio} ---------|  (TTS 音频流)
  |<-- tts_audio {is_last: true} -|  (句子完成)
  |<-- tts_audio {final: true} ---|  (TTS 全部结束)
```

**文本输入模式**（麦克风关闭，手动输入文字）：

```
Client                          Server
  |                               |
  |-- query {image, text} ------->|  (跳过 STT)
  |<-- stt_result {text} ---------|  (回显用户文本)
  |                               |
  |<-- llm_chunk {delta: "好的"} -|  (LLM 流式输出)
  |<-- llm_chunk {delta: "，我"} -|
  |<-- llm_done {full_text} ------|
  |                               |
  |<-- tts_audio {audio} ---------|  (TTS 音频流)
  |<-- tts_audio {is_last: true} -|  (句子完成)
  |<-- tts_audio {final: true} ---|  (TTS 全部结束)
```

---

## 二、REST API

### 通用约定

#### 认证方式

需要认证的接口在请求头携带 JWT access token：

```
Authorization: Bearer <access_token>
```

未认证或 token 过期时返回 `401 Unauthorized`。

#### 错误响应格式

所有错误响应统一结构：

```typescript
interface ApiError {
  code: string;     // 机器可读错误码
  message: string;  // 人类可读描述
}
```

示例：

```json
{
  "code": "USERNAME_TAKEN",
  "message": "username already taken"
}
```

#### 输入校验规则

| 字段 | 规则 |
|------|------|
| `username` | 3-64 字符，仅允许字母、数字、下划线 |
| `password` | 8-72 字符 |

---

### 认证接口（`/api/auth`）

#### 注册

```
POST /api/auth/register
Content-Type: application/json
```

**请求体**：

```typescript
interface RegisterRequest {
  username: string;  // 3-64 字符
  password: string;  // 8-72 字符
}
```

**成功响应** `201 Created`：

```typescript
interface AuthResponse {
  user: {
    id: string;          // UUID
    username: string;
    created_at: string;  // ISO 8601
  };
  access_token: string;   // JWT，15 分钟有效
  refresh_token: string;  // JWT，7 天有效
}
```

**错误响应**：

| 状态码 | code | 场景 |
|--------|------|------|
| 400 | `INVALID_INPUT` | 用户名/密码不符合校验规则 |
| 409 | `USERNAME_TAKEN` | 用户名已存在 |

#### 登录

```
POST /api/auth/login
Content-Type: application/json
```

**请求体**：

```typescript
interface LoginRequest {
  username: string;
  password: string;
}
```

**成功响应** `200 OK`：同 `AuthResponse` 结构。

**错误响应**：

| 状态码 | code | 场景 |
|--------|------|------|
| 400 | `INVALID_INPUT` | 请求参数缺失或格式错误 |
| 401 | `INVALID_CREDENTIALS` | 用户名或密码错误 |

#### 刷新 Token

```
POST /api/auth/refresh
Content-Type: application/json
```

**请求体**：

```typescript
interface RefreshRequest {
  refresh_token: string;  // 之前签发的 refresh_token
}
```

**成功响应** `200 OK`：同 `AuthResponse` 结构（返回新的 access_token + refresh_token，旧 refresh_token 失效——Token 轮转）。

**错误响应**：

| 状态码 | code | 场景 |
|--------|------|------|
| 401 | `INVALID_TOKEN` | refresh_token 无效或已过期 |

#### 登出

```
POST /api/auth/logout
Content-Type: application/json
Authorization: Bearer <access_token>
```

**请求体**：

```typescript
interface LogoutRequest {
  refresh_token: string;  // 要废弃的 refresh_token
}
```

**成功响应** `204 No Content`（无响应体）。

**错误响应**：

| 状态码 | code | 场景 |
|--------|------|------|
| 401 | `INVALID_TOKEN` | access_token 无效或已过期 |

---

### 对话接口（`/api/conversations`）

> 以下所有接口均需认证（`Authorization: Bearer <access_token>`），省略不重复标注。

#### 对话列表

```
GET /api/conversations?page=1&size=20
```

**查询参数**：

| 参数 | 类型 | 默认值 | 说明 |
|------|------|--------|------|
| `page` | int | 1 | 页码，从 1 开始 |
| `size` | int | 20 | 每页条数，最大 50 |

**成功响应** `200 OK`：

```typescript
interface ConversationListResponse {
  conversations: ConversationSummary[];
  total: number;
  page: number;
  size: number;
}

interface ConversationSummary {
  id: string;            // 对话 ID（即 session_id）
  title: string;         // 对话标题（首条消息前 20 字）
  last_message: string;  // 最后一条消息内容预览
  message_count: number; // 消息总数
  updated_at: string;    // ISO 8601，最后活跃时间
}
```

#### 创建对话

```
POST /api/conversations
Content-Type: application/json
```

**请求体**（可选，全部有默认值）：

```typescript
interface CreateConversationRequest {
  config?: {
    tts_enabled?: boolean;         // 默认 true
    detail_level?: "low" | "high"; // 默认 "low"
    language?: string;             // 默认 "zh-CN"
  };
}
```

**成功响应** `201 Created`：

```typescript
interface ConversationDetail {
  id: string;
  title: string;
  config: {
    tts_enabled: boolean;
    detail_level: "low" | "high";
    language: string;
  };
  created_at: string;
}
```

#### 获取对话详情

```
GET /api/conversations/:id
```

**成功响应** `200 OK`：同 `ConversationDetail` 结构。

**错误响应**：

| 状态码 | code | 场景 |
|--------|------|------|
| 404 | `SESSION_NOT_FOUND` | 对话不存在或不属于当前用户 |

#### 更新对话标题

```
PATCH /api/conversations/:id
Content-Type: application/json
```

**请求体**：

```typescript
interface UpdateTitleRequest {
  title: string;  // 1-100 字符
}
```

**成功响应** `200 OK`：

```json
{
  "id": "550e8400-e29b-41d4-a716-446655440000",
  "title": "新的自定义标题"
}
```

**错误响应**：

| 状态码 | code | 场景 |
|--------|------|------|
| 400 | `INVALID_INPUT` | title 为空或超长 |
| 404 | `SESSION_NOT_FOUND` | 对话不存在或不属于当前用户 |

#### 删除对话

```
DELETE /api/conversations/:id
```

**成功响应** `204 No Content`（无响应体）。

#### 获取对话消息

```
GET /api/conversations/:id/messages?limit=50&before=<message_id>
```

**查询参数**：

| 参数 | 类型 | 默认值 | 说明 |
|------|------|--------|------|
| `limit` | int | 50 | 返回条数，最大 100 |
| `before` | int64 | — | 游标分页：返回此 message_id 之前的消息（不含） |

**成功响应** `200 OK`：

```typescript
interface MessagesResponse {
  messages: StoredMessage[];
  has_more: boolean;
}

interface StoredMessage {
  id: number;           // 自增 ID，用于游标分页
  role: "user" | "assistant";
  content: string;
  tokens_used: number;
  created_at: string;   // ISO 8601
}
```

**分页用法**：首次请求不带 `before`，获取最新消息。滚动到顶部时，取当前列表最小的 `id` 作为 `before` 参数请求更早的消息。

---

### 健康检查

```
GET /api/health
```

无需认证。

**成功响应** `200 OK`：

```json
{
  "status": "ok",
  "version": "0.1.0",
  "uptime_seconds": 3600,
  "active_sessions": 42
}
```

---

### 预留端点（待实现）

| 端点 | 方法 | 用途 |
|------|------|------|
| `/api/usage` | GET | 查询用量统计 |
| `/api/users/{id}/preferences` | GET/PUT | 用户偏好管理 |

---

## 三、AI 服务层接口

Go 网关内部与外部 AI 服务（STT、LLM、TTS）的调用契约。通过 OpenAI 兼容接口可灵活切换到其他服务商。

### STT 服务接口

语音识别：接收前端采集的音频，返回识别文本。

```go
// Service 语音识别服务契约。
type Service interface {
    // Recognize 识别一段完整音频，返回最终文本。
    Recognize(ctx context.Context, audio []byte, opts Options) (string, error)
}

// Options 语音识别参数。
type Options struct {
    Encoding   string // "pcm_s16le" — 前端 VAD 输出格式
    SampleRate int    // 16000 — 前端麦克风采样率
    Language   string // "zh-CN"
}
```

**已实现 Provider**：

| Provider | 连接方式 | 说明 |
|----------|---------|------|
| MiMo ASR（默认） | HTTP POST OpenAI 兼容 `/chat/completions` | 国产替代，PCM 自动转 WAV，支持 zh/en/auto |
| Deepgram | WebSocket `wss://api.deepgram.com/v1/listen` | 流式识别，延迟极低，模型 nova-2 |

### LLM 服务接口

多模态推理通过 Eino 框架的 `eino-ext/components/model/openai` ChatModel 组件实现，替代了原有的手动 `llm.Service` 接口。

**Eino ChatModel 配置**：

```go
chatModel, _ := openaiImpl.NewChatModel(ctx, &openaiImpl.ChatModelConfig{
    APIKey:  cfg.AI.LLM.APIKey,
    Model:   cfg.AI.LLM.Model,       // 默认 "qwen3-vl-plus"
    BaseURL: cfg.AI.LLM.Endpoint,     // 默认 DashScope OpenAI 兼容接口
    Timeout: time.Duration(cfg.AI.LLM.Timeout) * time.Second,
})
```

**ChatModel 接口**（Eino 组件标准接口）：

```go
type BaseChatModel interface {
    Generate(ctx, []*schema.Message, ...Option) (*schema.Message, error)
    Stream(ctx, []*schema.Message, ...Option) (*schema.StreamReader[*schema.Message], error)
}
```

CamTalk 使用 `Stream()` 模式，通过 Eino Graph 的 Stream 调用触发，token 级流式输出通过 Callback `OnEndWithStreamOutput` 推送到客户端。

**接入约定**：
- 端点：通过 `ai.llm.endpoint` 配置，支持任何 OpenAI 兼容接口
- 默认模型：`qwen3-vl-plus`（DashScope），通过 `ai.llm.model` 配置切换
- 图片传入：History 节点构建 `schema.Message.UserInputMultiContent`，使用 `Base64Data` + `MIMEType` 格式
- 流式响应：Eino 框架原生 `StreamReader` 支持
- 超时：通过 `ChatModelConfig.Timeout` 控制
- 系统提示词：History 节点根据语言和场景（scenario）动态构建

**保留的类型定义**（`ai/llm/llm.go`）：

```go
// Request / Chunk / TokenUsage 类型定义仍保留在 ai/llm 包中，
// 供 prompt.go 和 scenarios.go 使用。LLM 推理本身通过 eino-ext ChatModel 执行。
```

### TTS 服务接口

语音合成：接收文本流，输出音频 chunk 流。

```go
// Service 语音合成服务契约。
type Service interface {
    // SynthesizeStream 流式合成。
    // textStream 接收句子级文本（由 Orchestrator 的句子切分器产出），
    // 返回的 channel 持续输出 MP3 音频 chunk。
    SynthesizeStream(ctx context.Context, textStream <-chan string, opts Options) (<-chan Chunk, error)
}

// Options 合成参数。
type Options struct {
    Voice      string  // 语音名称
    Speed      float64 // 1.0 为正常语速
    OutputFmt  string  // "mp3"
    SampleRate int     // 24000
}
```

**已实现 Provider**：

| Provider | 端点 | 说明 |
|----------|------|------|
| MiMo TTS（默认） | `POST /chat/completions` | 国产替代，base64 音频响应 |
| OpenAI TTS | `POST /audio/speech` | 逐句合成，返回 MP3 流 |

---

## 四、AI 编排器（Orchestrator）

### 编排架构：Eino Graph 声明式编排

AI 编排层基于 [CloudWeGo Eino](https://github.com/cloudwego/eino) 框架的 `compose.Graph` 实现，替代了原有的手写 goroutine 管道。Eino Graph 是一个声明式的有向无环图（DAG）编排器，支持类型安全的流式数据传递和 Callback AOP 机制。

**核心矛盾**：LLM 流式输出逐 token，TTS 需要完整句子才能合成。解法：**Eino TransformableLambda 句子切分 + Stream 模式管道**。

```
LLM 流式输出:  "这" "是一" "朵红色" "的花。" "它看起" "来很美" "丽。"
                ↓
        ┌── 句子检测器（按 。！？\n 切分）──┐
        ↓                                 ↓
  句子1: "这是一朵红色的花。"          句子2: "它看起来很美丽。"
        ↓                                 ↓
     TTS 合成                          TTS 合成
        ↓                                 ↓
  音频 chunk → 推送前端             音频 chunk → 推送前端
```

**时序保证**：
- `llm_chunk` 通过 Callback `OnEndWithStreamOutput` 实时推送，一定先于对应句子的 `tts_audio` 到达客户端
- 用户先看到文字，紧接着听到语音（感知延迟 < 0.5 秒）

### Graph 拓扑

```
START → STT → History → ChatModel → Msg2Str → Splitter → TTS → Done → END
```

| 节点 | Lambda 类型 | 输入 → 输出 | 职责 |
|------|------------|------------|------|
| STT | InvokableLambda | `PipelineInput → STTOutput` | 语音识别（文本模式跳过），发送 `stt_result`，写入 State |
| History | InvokableLambda | `STTOutput → []*schema.Message` | 组装系统提示词 + 对话历史 + 多模态图像消息 |
| ChatModel | ChatModel（原生） | `[]*schema.Message → StreamReader[*Message]` | Eino 原生 LLM 流式推理 |
| Msg2Str | TransformableLambda | `StreamReader[*Message] → StreamReader[string]` | 提取 LLM 输出文本 |
| Splitter | TransformableLambda | `StreamReader[string] → StreamReader[string]` | 按句子分隔符切分，逐句输出 |
| TTS | TransformableLambda | `StreamReader[string] → StreamReader[struct{}]` | 逐句调用 TTS 服务，推送 `tts_audio` |
| Done | InvokableLambda | `struct{} → PipelineOutput` | 发送 `llm_done`，返回最终输出 |

**依赖版本**：
- `github.com/cloudwego/eino v0.9.9`
- `github.com/cloudwego/eino-ext/components/model/openai v0.1.13`

### Orchestrator 接口

```go
type Orchestrator interface {
    ProcessQuery(ctx context.Context, sessionID string, req models.WsQuery,
        history []models.Message, sender Sender) error
}

type Sender interface {
    SendSTTResult(result models.WsSTTResult) error
    SendLLMChunk(chunk models.WsLLMChunk) error
    SendLLMDone(done models.WsLLMDone) error
    SendTTSAudio(audio models.WsTTSAudio) error
    SendError(err models.WsError) error
}
```

WS Handler 通过 `Orchestrator` 接口与编排层交互，不感知 Eino 实现细节。

### EinoOrchestrator 执行流程

`EinoOrchestrator` 实现 `Orchestrator` 接口，包装 Eino Graph：

1. 设置活跃请求，获取会话配置
2. Base64 解码音频/图片
3. 构建 `PipelineInput`
4. 注入 context 值（Sender、RequestID、SessionID、PipelineState、StartTime）
5. 追加用户消息到历史
6. 调用 `graph.Runnable.Stream(ctx, input, callbacks)` — Stream 模式触发整条链路惰性执行
7. 消费 `StreamReader[PipelineOutput]` 直到 EOF
8. 追加助手消息到历史

### Callback 机制

LLM token 推送通过 Eino Callback 实现，而非在 Lambda 节点中硬编码：

```go
// 构建 typed callback handler
handler := callbacks.NewHandlerHelper().ChatModel(&modelCallbackHandler{}).Handler()

// 运行时传入（不在 Compile 时注册）
streamReader, err := runnable.Stream(ctx, input, compose.WithCallbacks(handler))
```

**OnEndWithStreamOutput** 回调：
- 接收 ChatModel 的 `StreamReader[*schema.Message]`
- 逐 chunk 推送 `llm_chunk` 到客户端
- 累积完整回复到 `PipelineState`
- 记录 token 用量

### State 机制

`PipelineState` 是 Graph 级别的线程安全状态，通过 `compose.WithGenLocalState` 注册：

```go
type PipelineState struct {
    FullResponse    strings.Builder  // LLM 完整回复（Callback 累积）
    TranscribedText string           // STT 识别文本
    TokenUsage      *TokenUsage      // Token 用量
    SessionID       string
    RequestID       string
    ImageData       []byte
    Scenario        string
    Language        string
    TTSEnabled      bool
}
```

各节点通过 `stateFromCtx(ctx)` 读写 State，实现跨节点数据共享。

### 并发控制

- 每个 `ProcessQuery` 调用在独立 goroutine 中运行
- `context.WithTimeout` 确保总超时
- `interrupt` 消息触发 `cancel()`，Eino Graph 内部所有流式节点中断
- 同一 session 内同时只允许一个活跃请求，新请求自动取消上一个
- `PipelineState` 使用 `sync.Mutex` 保护并发写入

### 错误处理与降级

| 故障点 | 处理策略 | 客户端表现 |
|--------|---------|-----------|
| STT 失败 | 发送 `STT_ERROR`，Graph 终止 | 回退到纯文本模式 |
| LLM 超时 | 发送 `LLM_TIMEOUT`，取消下游 | 提示用户重试 |
| LLM 部分输出后失败 | 已推送的 `llm_chunk` 保留，发送 `error` 通知中断 | 显示已收到的部分文字 |
| TTS 失败 | 静默跳过，`llm_done` 正常发送 | 只有文字回复，无语音 |
| interrupt 打断 | cancel context，Graph 内所有流中断 | 前端清空播放队列 |

---

## 五、Session Manager

WebSocket Handler 和 AI Orchestrator 之间的会话管理层。负责维护会话生命周期、对话上下文和配置状态。

### 数据结构

**Memory 存储**（默认）：

```
MemoryManager
├── sessions: map[string]*sessionEntry
│   ├── session     models.Session
│   ├── history     []models.Message
│   ├── activeReqID string
│   └── lastActive  time.Time
├── msgRepo:  MessageRepository  (Write-Through, 可选)
└── sessRepo: SessionRepository  (Write-Through, 可选)
```

**Redis 存储**（可选）：

```
session:{id}:meta    → Hash   （会话元数据）
session:{id}:history → List   （对话历史）
user:{id}:sessions   → Set    （用户会话索引）
```

### TTL 策略

| 场景 | TTL | 说明 |
|------|-----|------|
| 创建时 | 30 分钟 | `EXPIRE` 设置 |
| 每次收到消息 | 重置 30 分钟 | `EXPIRE` 刷新 |
| WebSocket 断开 | 不主动删 | 等自然过期，支持重连恢复 |
| 超过 30 分钟无活动 | 自动过期 | 自动清理 |
| 显式销毁（REST API） | 立即删除 | |

### 接口定义

```go
type Manager interface {
    // Create 创建新会话，关联 user_id，返回 session ID。
    Create(ctx context.Context, userID string, config models.SessionConfig) (string, error)

    // Get 获取会话（含 config）。不存在返回 ErrSessionNotFound。
    Get(ctx context.Context, sessionID string) (*models.Session, error)

    // UpdateConfig 更新会话配置（config 消息触发）。
    UpdateConfig(ctx context.Context, sessionID string, patch models.SessionConfigPatch) error

    // UpdateTitle 更新对话标题。
    UpdateTitle(ctx context.Context, sessionID string, title string) error

    // ListByUser 获取用户的对话列表（分页）。
    ListByUser(ctx context.Context, userID string, page, size int) ([]ConversationSummary, int, error)

    // GetHistory 获取最近 N 轮对话历史（供 Orchestrator 构建 LLM 上下文）。
    GetHistory(ctx context.Context, sessionID string, limit int) ([]models.Message, error)

    // AppendMessage 追加一条对话消息，同时刷新 TTL。首条 user 消息自动更新标题。
    AppendMessage(ctx context.Context, sessionID string, msg models.Message) error

    // SetActiveRequest 标记当前正在处理的请求 ID（interrupt 用）。
    SetActiveRequest(ctx context.Context, sessionID string, requestID string) error

    // GetActiveRequestID 获取当前活跃请求 ID。
    GetActiveRequestID(ctx context.Context, sessionID string) (string, error)

    // ClearActiveRequest 清除活跃请求标记（请求完成或中断后）。
    ClearActiveRequest(ctx context.Context, sessionID string) error

    // Touch 刷新 TTL（心跳时调用）。
    Touch(ctx context.Context, sessionID string) error

    // Destroy 显式销毁会话（REST API DELETE）。
    Destroy(ctx context.Context, sessionID string) error

    // ActiveCount 返回当前活跃会话数（健康检查用）。
    ActiveCount() int
}

// ConversationSummary 对话列表项。
type ConversationSummary struct {
    ID           string    `json:"id"`
    Title        string    `json:"title"`
    LastMessage  string    `json:"last_message"`
    MessageCount int       `json:"message_count"`
    UpdatedAt    time.Time `json:"updated_at"`
}
```

### Write-Through 机制

MemoryManager 支持注入 `MessageRepository` 和 `SessionRepository`，实现写穿持久化：

```go
opts := []session.Option{}
if msgRepo != nil {
    opts = append(opts, session.WithMessageRepository(msgRepo))
}
if sessRepo != nil {
    opts = append(opts, session.WithSessionRepository(sessRepo))
}
sessionMgr = session.NewMemoryManager(30*time.Minute, 20, opts...)
```

- `Create` 时同时写入 PG sessions 表
- `AppendMessage` 时同时写入 PG messages 表
- `Get` 时如果内存中不存在，尝试从 PG 恢复

### 自动标题生成

首条 user 消息时，如果 title 仍为 "新对话"，自动更新为消息内容前 20 个字符。

---

## 六、存储层接口

通过 Repository 接口隔离存储层，内存和 PostgreSQL 均已实现。

### UserRepository

```go
type UserRepository interface {
    Create(ctx context.Context, username, passwordHash string) (string, error)
    FindByUsername(ctx context.Context, username string) (*User, error)
    FindByID(ctx context.Context, id string) (*User, error)
    SaveRefreshToken(ctx context.Context, userID, tokenHash string, expiresAt time.Time) error
    FindRefreshToken(ctx context.Context, tokenHash string) (string, error)
    DeleteRefreshToken(ctx context.Context, tokenHash string) error
    DeleteUserRefreshTokens(ctx context.Context, userID string) error
}
```

### MessageRepository

```go
type MessageRepository interface {
    SaveMessage(ctx context.Context, sessionID string, msg models.Message, tokensUsed int) error
    GetMessages(ctx context.Context, sessionID string, limit int, beforeID int64) ([]StoredMessage, error)
    GetLastMessage(ctx context.Context, sessionID string) (*StoredMessage, error)
    GetMessageCount(ctx context.Context, sessionID string) (int, error)
    GetSessionMessageStats(ctx context.Context, sessionIDs []string) (map[string]int, error)
}
```

### SessionRepository

```go
type SessionRepository interface {
    Save(ctx context.Context, session models.Session) error
    FindByID(ctx context.Context, id string) (*models.Session, error)
    FindByUser(ctx context.Context, userID string, page, size int) ([]models.Session, int, error)
    UpdateTitle(ctx context.Context, id string, title string) error
    UpdateConfig(ctx context.Context, id string, config models.SessionConfig) error
    Touch(ctx context.Context, id string) error
    Delete(ctx context.Context, id string) error
}
```

### 依赖注入

```go
// 存储层初始化
if cfg.Storage.Persistence.Enabled {
    pool, _ := store.NewPostgresPool(ctx, cfg.Storage.Persistence.DSN)
    userRepo = store.NewPgUserRepository(pool)
    msgRepo = store.NewPgMessageRepository(pool)
    sessRepo = store.NewPgSessionRepository(pool)
}

// Session Manager 初始化（支持三级存储自动降级）
if cfg.Storage.Redis.Enabled {
    sessionMgr = session.NewTieredManager(30*time.Minute, 20, redisClient,
        session.WithMessageRepository(msgRepo),
        session.WithSessionRepository(sessRepo),
    )
} else if cfg.Storage.Persistence.Enabled {
    sessionMgr = session.NewMemoryManager(30*time.Minute, 20,
        session.WithMessageRepository(msgRepo),
        session.WithSessionRepository(sessRepo),
    )
} else {
    sessionMgr = session.NewMemoryManager(30*time.Minute, 20)
}

// Eino Graph 初始化
pipelineGraph, _ := eino.NewPipelineGraph(ctx, cfg, sttService, ttsService, sessionMgr)
orchestrator := eino.NewEinoOrchestrator(pipelineGraph, sessionMgr, cfg.AI.LLM.Model)
```

---

## 七、配置管理

使用 Viper 加载配置，支持 YAML 文件 + 环境变量覆盖。**环境变量优先级高于配置文件**。

### 配置文件位置

```
backend/config.yaml        # 默认加载
backend/config.dev.yaml    # 开发环境
backend/config.prod.yaml   # 生产环境
```

加载顺序：`config.yaml` → `config.{APP_ENV}.yaml` → 环境变量（前缀 `CAMTALK_`）。

### 配置结构体

```go
type Config struct {
    App      AppConfig      `mapstructure:"app"`
    Server   ServerConfig   `mapstructure:"server"`
    Session  SessionConfig  `mapstructure:"session"`
    Redis    RedisConfig    `mapstructure:"redis"`
    AI       AIConfig       `mapstructure:"ai"`
    Storage  StorageConfig  `mapstructure:"storage"`
    Auth     AuthConfig     `mapstructure:"auth"`
    Log      LogConfig      `mapstructure:"log"`
}

type AppConfig struct {
    Env     string `mapstructure:"env"`     // "dev" | "prod"，默认 "dev"
    Version string `mapstructure:"version"` // 由编译时注入
}

type ServerConfig struct {
    Host              string   `mapstructure:"host"`               // 默认 "0.0.0.0"
    Port              int      `mapstructure:"port"`               // 默认 8080
    ReadTimeout       int      `mapstructure:"read_timeout"`       // 秒，默认 30
    WriteTimeout      int      `mapstructure:"write_timeout"`      // 秒，默认 30
    HeartbeatInterval int      `mapstructure:"heartbeat_interval"` // 秒，默认 30
    HeartbeatTimeout  int      `mapstructure:"heartbeat_timeout"`  // 秒，默认 60
    ShutdownTimeout   int      `mapstructure:"shutdown_timeout"`   // 秒，默认 10
    AllowedOrigins    []string `mapstructure:"allowed_origins"`    // 空表示允许所有
}

type SessionConfig struct {
    TTL        int `mapstructure:"ttl"`         // 分钟，默认 30
    MaxHistory int `mapstructure:"max_history"`  // 条数，默认 20
}

type RedisConfig struct {
    Addr     string `mapstructure:"addr"`      // "localhost:6379"
    Password string `mapstructure:"password"`
    DB       int    `mapstructure:"db"`        // 默认 0
}

type AIConfig struct {
    STT STTConfig `mapstructure:"stt"`
    LLM LLMConfig `mapstructure:"llm"`
    TTS TTSConfig `mapstructure:"tts"`
}

type STTConfig struct {
    Provider          string `mapstructure:"provider"`             // "mimo" | "deepgram"
    APIKey            string `mapstructure:"api_key"`
    Model             string `mapstructure:"model"`                // 默认 "mimo-v2.5-asr"
    Endpoint          string `mapstructure:"endpoint"`
    Timeout           int    `mapstructure:"timeout"`              // 秒，默认 5
    HTTPClientTimeout int    `mapstructure:"http_client_timeout"`  // 秒，默认 30
}

type LLMConfig struct {
    Provider          string `mapstructure:"provider"`             // "dashscope" / "openai"
    APIKey            string `mapstructure:"api_key"`
    Model             string `mapstructure:"model"`                // 默认 "qwen3-vl-plus"
    Endpoint          string `mapstructure:"endpoint"`
    Timeout           int    `mapstructure:"timeout"`              // 秒，默认 30
    HTTPClientTimeout int    `mapstructure:"http_client_timeout"`  // 秒，默认 60
}

type TTSConfig struct {
    Provider          string  `mapstructure:"provider"`             // "mimo" | "openai"
    APIKey            string  `mapstructure:"api_key"`
    Model             string  `mapstructure:"model"`                // 默认 "mimo-v2.5-tts"
    Voice             string  `mapstructure:"voice"`                // 默认 "mimo_default"
    Speed             float64 `mapstructure:"speed"`                // 默认 1.0
    Endpoint          string  `mapstructure:"endpoint"`
    Timeout           int     `mapstructure:"timeout"`              // 秒，默认 5
    HTTPClientTimeout int     `mapstructure:"http_client_timeout"`  // 秒，默认 30
    OutputFormat      string  `mapstructure:"output_format"`        // 默认 "mp3"
    SampleRate        int     `mapstructure:"sample_rate"`          // 默认 24000
}

type StorageConfig struct {
    Driver string `mapstructure:"driver"` // "memory" | "postgres"
    DSN    string `mapstructure:"dsn"`
}

type AuthConfig struct {
    JWTSecret  string `mapstructure:"jwt_secret"`   // 必须通过 CAMTALK_AUTH_JWT_SECRET 设置
    AccessTTL  int    `mapstructure:"access_ttl"`   // 分钟，默认 15
    RefreshTTL int    `mapstructure:"refresh_ttl"`  // 分钟，默认 10080（7 天）
}

type LogConfig struct {
    Level  string `mapstructure:"level"`  // "debug" | "info" | "warn" | "error"，默认 "info"
    Format string `mapstructure:"format"` // "json" | "console"
}
```

### 配置文件示例

```yaml
app:
  env: dev

server:
  host: "0.0.0.0"
  port: 8080
  read_timeout: 30
  write_timeout: 30
  heartbeat_interval: 30
  heartbeat_timeout: 60
  shutdown_timeout: 10

session:
  ttl: 30
  max_history: 20

redis:
  addr: "localhost:6379"
  password: ""
  db: 0

ai:
  stt:
    provider: mimo
    model: mimo-v2.5-asr
    endpoint: "https://api.xiaomimimo.com/v1"
    timeout: 5
    http_client_timeout: 30
  llm:
    provider: dashscope
    model: qwen3-vl-plus
    endpoint: "https://dashscope.aliyuncs.com/compatible-mode/v1"
    timeout: 30
    http_client_timeout: 60
  tts:
    provider: mimo
    model: mimo-v2.5-tts
    voice: mimo_default
    speed: 1.0
    endpoint: "https://token-plan-cn.xiaomimimo.com/v1"
    timeout: 5
    http_client_timeout: 30
    output_format: mp3
    sample_rate: 24000

storage:
  redis:
    enabled: true
  persistence:
    enabled: true
    driver: postgres

auth:
  access_ttl: 15
  refresh_ttl: 10080

log:
  level: info
  format: console
```

### 环境变量覆盖规则

前缀 `CAMTALK_` + 路径大写用 `_` 连接：

| 配置项 | 环境变量 |
|--------|---------|
| `server.port` | `CAMTALK_SERVER_PORT` |
| `redis.addr` | `CAMTALK_REDIS_ADDR` |
| `ai.stt.api_key` | `CAMTALK_AI_STT_API_KEY` |
| `ai.llm.api_key` | `CAMTALK_AI_LLM_API_KEY` |
| `ai.tts.api_key` | `CAMTALK_AI_TTS_API_KEY` |
| `storage.driver` | `CAMTALK_STORAGE_DRIVER` |
| `storage.dsn` | `CAMTALK_STORAGE_DSN` |
| `auth.jwt_secret` | `CAMTALK_AUTH_JWT_SECRET` |
| `log.level` | `CAMTALK_LOG_LEVEL` |

> API Key 和密码**只通过环境变量注入**，不写入配置文件，避免泄露到版本控制。

### 启动命令

```bash
# 开发环境
CAMTALK_AI_LLM_API_KEY=sk-xxx \
CAMTALK_AI_STT_API_KEY=xxx \
go run ./cmd/server

# 生产环境
CAMTALK_APP_ENV=prod \
CAMTALK_STORAGE_DRIVER=postgres \
CAMTALK_STORAGE_DSN="postgres://user:pass@db:5432/camtalk?sslmode=disable" \
CAMTALK_AUTH_JWT_SECRET="$(openssl rand -hex 32)" \
./bin/camtalk
```

---

## 八、数据模型

### Go 后端模型

```go
type Session struct {
    ID        string        `json:"session_id"`
    UserID    string        `json:"user_id"`
    Title     string        `json:"title"`
    CreatedAt time.Time     `json:"created_at"`
    UpdatedAt time.Time     `json:"updated_at"`
    Config    SessionConfig `json:"config"`
}

type SessionConfig struct {
    TTSEnabled  bool   `json:"tts_enabled"`
    DetailLevel string `json:"detail_level"` // "low" | "high"
    Language    string `json:"language"`
    Scenario    string `json:"scenario"`     // "free_chat" | "interviewer" | "english_teacher" | "debate" | "interpreter"
}

type Message struct {
    Role    string `json:"role"`    // "user" | "assistant"
    Content string `json:"content"`
}

type User struct {
    ID           string    `json:"id"`
    Username     string    `json:"username"`
    PasswordHash string    `json:"-"`
    CreatedAt    time.Time `json:"created_at"`
    UpdatedAt    time.Time `json:"updated_at"`
}

type StoredMessage struct {
    ID         int64     `json:"id"`
    SessionID  string    `json:"-"`
    Role       string    `json:"role"`
    Content    string    `json:"content"`
    TokensUsed int       `json:"tokens_used"`
    CreatedAt  time.Time `json:"created_at"`
}
```

### TypeScript 前端模型

```typescript
interface SessionConfig {
  ttsEnabled: boolean;
  detailLevel: "low" | "high";
  language: string;
  scenario: string;
}

interface ChatMessage {
  role: "user" | "assistant";
  content: string;
  imageUrl?: string;
  timestamp: number;
  tokensUsed?: number;
}

interface AuthTokens {
  accessToken: string;
  refreshToken: string;
}

interface User {
  id: string;
  username: string;
  created_at: string;
}

// WebSocket 消息联合类型
type ServerMessage =
  | ConnectedMessage
  | STTResultMessage
  | LLMChunkMessage
  | LLMDoneMessage
  | TTSAudioMessage
  | ErrorMessage
  | PongMessage;

type ClientMessage =
  | QueryMessage
  | ConfigMessage
  | InterruptMessage
  | PingMessage;
```

---

## 九、错误码

| 错误码 | HTTP 状态码 | 含义 | 客户端处理建议 |
|--------|-----------|------|--------------|
| `INVALID_MESSAGE` | — | 消息格式不合法（WS） | 检查 JSON 结构，不重试 |
| `SESSION_NOT_FOUND` | 404 | 会话/对话不存在或已过期 | 重新建立连接或刷新列表 |
| `RATE_LIMITED` | 429 | 请求频率超限 | 延迟后重试，提示用户稍等 |
| `IMAGE_TOO_LARGE` | — | 图像超过 4MB 限制（WS） | 降低分辨率或压缩质量 |
| `AUDIO_TOO_SHORT` | — | 音频片段 < 250ms（WS） | 忽略，等待下次语音输入 |
| `LLM_TIMEOUT` | — | LLM 推理超时 >10s（WS） | 提示用户重试 |
| `LLM_ERROR` | — | LLM 服务异常（WS） | 提示用户重试 |
| `STT_ERROR` | — | 语音识别失败（WS） | 回退到纯文本输入模式 |
| `TTS_ERROR` | — | 语音合成失败（WS） | 静默回退到纯文本回复 |
| `INTERNAL_ERROR` | 500 | 服务端内部错误 | 提示用户重试 |
| `USERNAME_TAKEN` | 409 | 用户名已被注册 | 提示换一个用户名 |
| `INVALID_CREDENTIALS` | 401 | 用户名或密码错误 | 提示检查输入 |
| `INVALID_TOKEN` | 401 | JWT 无效或已过期 | 尝试 refresh，失败则重新登录 |
| `INVALID_INPUT` | 400 | 请求参数校验失败 | 检查字段规则后重试 |

---

## 十、连接管理

**心跳机制**：客户端每 30 秒发送应用层 `{type: "ping"}` 消息，服务端回复 `{type: "pong"}` 并刷新心跳计时器。超过 60 秒无 `ping`，服务端判定连接断开并清理会话资源。

**重连策略**（指数退避 + 抖动）：

```typescript
function reconnect(attempt: number) {
  const delay = Math.min(1000 * Math.pow(2, attempt), 30000); // 最大 30s
  const jitter = Math.random() * 1000;
  setTimeout(() => connect(), delay + jitter);
}
// attempt: 0 → 1s, 1 → 2s, 2 → 4s, 3 → 8s, ... 最大 30s
```

### 跨域处理

采用 **Nginx 同源反代**方案，前后端统一到同一域名，浏览器层面不存在跨域问题。

**开发环境**：前端 WebSocket 地址基于 `window.location.host` 动态构建，通过 Vite `server.proxy` 转发到后端 `http://localhost:8080`。