- POST /ai/tasks 接受顶层可选 callerRef(限 64 字符),不进入 params、不参与幂等键、不进 prompt - 结算时写进用量记录,lpt-be 据此做用户维度报表 - 复用已有任务时沿用原归属:那次 LLM 调用只发生一次,账算在原调用方头上
8.4 KiB
LPT AI 服务(lpt-ai)
TypeScript + Fastify 独立 AI 服务,集成 DeepSeek LLM,为后端提供异步 AI 任务。
规则与技能位置
- 通用规则(跨仓库):meta 仓库
.agents/roles/ - 本仓库专属规则:
roles/roles/task-queue.md:任务队列设计(含「不要改动的契约」)roles/security-and-degradation.md:安全边界与降级策略
- 本仓库专属技能:本仓库暂无专属技能目录
- Git 提交规范属通用规则,见 meta 仓库
.agents/roles/commit-convention.md,本文件不再重复。
技术栈
- 运行时:Node.js 20+
- 框架:Fastify 5
- LLM:DeepSeek OpenAI 兼容接口(
deepseek-flash) - 运行时依赖:除 fastify 外无其他外部依赖
项目结构
lpt-ai/src/
├── index.ts → 服务入口(加载 .env,启动 Fastify 与用量上报)
├── routes/ai.ts → AI 路由(health, tasks, fetch-title)
├── llm/
│ ├── client.ts → LLM 客户端(DeepSeek 接口,返回正文 + token 用量)
│ ├── usage.ts → 用量归一化(null 与 0 区分、跨尝试累加)
│ ├── thinking.ts → 按 prompt 长度选思考强度(reasoning_effort)
│ ├── retry.ts → 退避重试(哪些错误可重试、等多久)
│ ├── prompts.ts → Prompt 模板(4 种任务类型)
│ └── prompts.test.ts
├── task-queue.ts → 异步任务队列(Worker 池 + 幂等复用 + 用量归集)
├── task-queue.test.ts
└── admin/
├── index.ts → 管理面板路由
├── routes.ts
├── store.ts → 日志存储(环形缓冲 + 原子落盘)
├── pricing.ts → 计价(DeepSeek 三档单价 + 峰谷时段)
├── reporter.ts → 用量上报(lpt-ai → lpt-be,本地 outbox 重试)
└── balance.ts → 上游余额查询(对账用)
API 端点(6 个)
| 方法 | 路径 | 说明 |
|---|---|---|
| GET | /health |
健康检查(返回 LLM 可用状态和模型名) |
| POST | /ai/tasks |
提交异步任务(返回 taskId) |
| GET | /ai/tasks/:taskId |
轮询任务结果 |
| POST | /fetch-title |
抓取网页标题 |
| GET | /admin |
管理面板(最近 500 条日志、用量与计价快照) |
| GET | /admin/usage/balance |
上游账户余额(对账用;未配置时 configured:false) |
用量统计
用量是「任务级」口径,不是「请求级」:一个任务重试 N 次就是 N 次计费。
llm/usage.ts:把上游usage归一成 6 个维度(输入/输出/总计/缓存命中/缓存未命中/推理)。null表示上游未上报,与「明确上报为 0」不同,面板上必须区分显示。task-queue.ts:跨所有尝试累加用量(含失败尝试,如上游 200 但内容为空);attempts是实际发起的调用次数。admin/pricing.ts:DeepSeek 三档单价(缓存命中/未命中/输出,USD per 1M)+ 峰谷时段。 峰时窗口按 UTC 判定(01:00-04:00、06:00-10:00,周一至周五),谷时 = 峰时 × 0.5。 计价结果在结算时冻结进日志快照,改价不会重算历史账。admin/reporter.ts:把用量推给 lpt-be(长期账本)。上报失败先落本地 outbox 再重试, 幂等靠record_id唯一索引;4xx 属于确定性拒绝,丢弃这批并计数,不无限重试。 未配置LPT_AI_REPORT_URL时为空操作。- 权威口径在 lpt-be 的 MySQL;本地面板只是最近 500 条的调试视图。
用量归属(callerRef)
lpt-ai 不知道调用方是谁,所以归属标记由调用方带过来:POST /ai/tasks 接受顶层可选字段
callerRef(lpt-be 传的是用户 id),结算时原样写进用量记录,lpt-be 据此做用户维度报表。
三条硬约束,改动时必须守住:
- 不放进
params—— 会污染 prompt 模板的输入; - 不参与幂等键 —— 否则同一份输入会因为调用方不同而重复调 LLM;
- 不进入 prompt —— 它只是记账标记。
复用已有任务时沿用原任务的 callerRef:那次 LLM 调用只发生了一次,账算在原调用方头上;
复用方没有产生新的 token 消耗,也不会有新的用量记录。
/admin用?token=…首次打开时会换发HttpOnlycookie,否则面板 HTML 与它内部的fetch是两个独立请求,内部请求会全部 401。详见roles/security-and-degradation.md。
支持的任务类型
| 类型 | 说明 | 温度 | Max Tokens |
|---|---|---|---|
aggregate-report |
残片聚合为学习报告 | 0.3 | 2048 |
generate-mind-map |
从报告/残片生成思维导图大纲 | 0.3 | 4096 |
compare-recall |
用户回忆 vs 标准导图语义对比 | 0.2 | 4096 |
guidance |
学习引导多轮对话 | 0.7 | 1024 |
guidance |
学习引导单轮追问 | 0.7 | 1024 |
思考强度(
reasoning_effort)不按任务类型固定,而是按 prompt 总字符数(所有 message 正文之和)自适应: 低于LPT_AI_REASONING_LOW_AT→none(直接关掉思考),之后依次low/high,超过LPT_AI_REASONING_MAX_AT→max。 原因是 DeepSeek 缺省high,不显式指定则短输入也会满档思考。映射实现在src/llm/thinking.ts,阈值见.env.example。
LLM 配置
LLM_API_URL=https://api.deepseek.com/v1/chat/completions
LLM_API_KEY= # 必填,未配置时 /health 返回 llmAvailable: false
LLM_MODEL=deepseek-flash
LLM_TIMEOUT_MS=60000 # 单次 LLM 调用超时
PORT=5199
# 思考强度自适应(完整注释见 .env.example)
LPT_AI_REASONING_ENABLED=true # 显式 false 才关闭自适应,回到供应商默认
LPT_AI_REASONING_LOW_AT=500 # 达到该长度起用 low,低于则为 none
LPT_AI_REASONING_HIGH_AT=2000 # 达到该长度起用 high
LPT_AI_REASONING_MAX_AT=8000 # 达到该长度起用 max
# 任务队列(完整注释见 .env.example)
LPT_AI_CONCURRENCY=2 # Worker 池并发度
LPT_AI_MAX_ATTEMPTS=3 # 单任务总尝试次数(含首次)
LPT_AI_RETRY_BASE_MS=1000 # 退避首次等待,之后 ×2
LPT_AI_RETRY_MAX_MS=20000 # 单次退避上限
LPT_AI_RESULT_CACHE_MS=600000 # 已完成结果可被相同请求复用的窗口
# 安全(完整注释见 .env.example)
LPT_AI_TOKEN= # 入站令牌:设置后 /ai/* 与 /admin 都要求携带(留空=不校验)
LPT_AI_RATE_LIMIT=30 # 每来源每窗口允许提交的 AI 任务数
LPT_AI_RATE_WINDOW_MS=60000 # 限流窗口
LPT_AI_BODY_LIMIT_BYTES=262144 # 请求体上限
LPT_AI_FETCH_ALLOWED_PORTS= # 抓取允许的额外端口(默认只有 80/443)
# 用量统计(完整注释见 .env.example)
LLM_BALANCE_URL= # 留空按 LLM_API_URL 的 origin 推导
LLM_PRICE_CACHE_HIT_PER_M=0.006
LLM_PRICE_CACHE_MISS_PER_M=0.3
LLM_PRICE_OUTPUT_PER_M=1.2
LLM_PRICE_OFFPEAK_FACTOR=0.5
LLM_PRICE_PEAK_WINDOWS=01:00-04:00,06:00-10:00
LLM_PRICE_PEAK_HOLIDAYS= # 中国法定节假日,每年需要更新
# 用量上报(lpt-ai → lpt-be);留空表示不上报,只保留本地面板
LPT_AI_REPORT_URL=
LPT_AI_REPORT_TOKEN=
部署侧的变量在
lpt-infra的dev/、prod/configmap 里;本服务只读环境变量,默认值写在src/llm/client.ts与loadQueueConfig()里。
启动命令
npm install
npm run dev # 开发模式(tsx watch,热重载)
npm run build # 编译 TypeScript
npm run start # 生产模式
npm run test # 测试
npm run typecheck # 同时校验 src 与测试文件
tsconfig.json排除*.test.ts(不入打包产物),因此测试的类型检查走单独的tsconfig.test.json; 新增测试后靠npm run typecheck把关,不要只跑tsc --noEmit。
Docker
- 多阶段构建:
node:20-alpine编译 →node:20-alpine运行。 - 暴露端口:5199。
- 健康检查:
curl http://localhost:5199/health。
关联项目
| 项目 | 路径 | 端口 | 说明 |
|---|---|---|---|
| lpt-be | ../lpt-be/ |
5157 | Spring Boot 后端,通过 lpt.ai-service.url 调用本服务 |
| lpt-fe | ../lpt-fe/ |
5158 | Vue 3 前端,不直接调用本服务 |
调用关系
lpt-be (5157) ──HTTP POST /ai/tasks──→ lpt-ai (5199)
lpt-be (5157) ──HTTP GET /ai/tasks/:id──→ lpt-ai (5199)