cat-shark
438045b57a
lpt-ai 新增异步任务处理能力，LLM 调用改为后台 Worker 顺序执行：
新增 src/task-queue.ts：
- createTask(type, params) → taskId（randomUUID）
- getTask(taskId) → { status, result?, error? }
- 单线程 Worker（setImmediate 链），同一时刻只处理一个 LLM 调用
- 按类型分派到对应的 prompt 函数
- TTL 清理：5 分钟/次，移除完成超过 1 小时的记录
- 异常隔离 + logStore 集成
修改 src/routes/ai.ts：
- POST /ai/tasks：接收 { type, params }，返回 201 { taskId }
- GET /ai/tasks/:taskId：返回任务状态与结果（pending/running/done/failed）
- 旧同步端点完全不动，向后兼容
lpt-ai
LPT 学习进度跟踪系统的独立 AI 服务。将 LLM 相关能力从 Java 主服务中剥离，便于独立迭代、增加安全层与沙箱。
能力
| 端点 | 方法 | 说明 |
|---|---|---|
/health |
GET | 健康检查，返回 LLM 可用状态 |
/ai/aggregate-report |
POST | 将学习残片聚合为学习报告 |
/ai/generate-mind-map |
POST | 从报告/残片生成思维导图大纲 |
快速开始
cp .env.example .env
# 编辑 .env，填入 LLM_API_KEY
npm install
npm run dev
未配置 LLM_API_KEY 时服务可启动，但 AI 端点返回 503，由调用方（Java 后端）降级到内置规则。
请求示例
curl -X POST http://localhost:5199/ai/aggregate-report \
-H "Content-Type: application/json" \
-d '{
"taskName": "Java 并发编程",
"expectation": "理解线程池核心参数",
"fragments": [
{"content": "corePoolSize 是核心线程数，即使空闲也不回收"},
{"content": "workQueue 满了之后才会创建超过 core 的线程"}
]
}'
架构位置
LPT 前端 (Vue) ──► LPT 后端 (Java/Spring Boot) ──► lpt-ai (TS/Fastify) ──► SiliconFlow API
Java 后端是唯一调用方；本服务不直接暴露给前端，不做鉴权（部署在内网）。
后续规划
- 输入内容安全过滤（Prompt 注入防护）
- 输出审核
- 多模型路由（按任务复杂度选择模型）
- 用量与成本监控
- SSE 流式输出