199 lines
10 KiB
Markdown
199 lines
10 KiB
Markdown
# 后台挂起「在当前进度继续」实现方案
|
||
|
||
> 状态：**待实现**（仅方案，未改代码）
|
||
> 关联：[[multi-agent-background-run-dev.md]]、[[multi-agent-frontend-dev.md]]、memory `project-roundtable-background`
|
||
> 目标：点「后台挂起」后，后端作业**在前端当前研讨进度上接着跑**，而不是新建空线程从头重跑。
|
||
|
||
---
|
||
|
||
## 1. 现象与根因
|
||
|
||
### 现象
|
||
在第二步研讨进行中点「后台挂起」，转入后台的作业是**从头重新开始执行**（重新初始化席位、从原始 intent 重新派活），而不是接着前端已经讨论到的进度往下走。
|
||
|
||
### 根因
|
||
后端「起作业」路由 `start_job` **从不设 `is_resume`**（默认 `False`），而执行器据此**新建一套全新线程**：
|
||
|
||
```python
|
||
# offline-backend-20260512/backend/app/gateway/roundtable_job_executor.py (_run, 约 215 行)
|
||
init = getattr(gateway, "init_threads", None)
|
||
if init is not None and not params.is_resume:
|
||
thread_ids, coordinator_name = await init() # ← 建全新空线程
|
||
```
|
||
|
||
加上前端 `startBackgroundJob` **故意不传 `threadIds`**、用 `buildInitialIntent()` 作第一轮 leader prompt，于是后台作业 = 空线程 + 原始意图 = 从头重跑。
|
||
|
||
> 这是**原设计的有意取舍**。`startBackgroundJob` 注释写明：不复用前端线程，因为「那些线程可能有活跃 run，复用会撞 409」。本方案就是要在可控前提下打开「复用前端线程续跑」这条路。
|
||
|
||
### 后端其实已支持续跑
|
||
澄清续跑路由 `resume_job`（`roundtable_jobs.py` 约 293 行）已经在做「在原线程上接着派活」：
|
||
|
||
```python
|
||
executor.start_job(StartParams(
|
||
...,
|
||
seed_message=_RESUME_PREFIX + answer, # 续跑式提示，而非原始 intent
|
||
thread_ids=row.get("thread_ids"), # 复用作业自己的线程
|
||
coordinator_name=row.get("coordinator_name") or "roundtable-coordinator",
|
||
is_resume=True, # ← 关键：跳过 init_threads，直接复用
|
||
...
|
||
))
|
||
```
|
||
|
||
执行器在 `is_resume=True` 时直接用 `params.thread_ids` + `params.coordinator_name`（不调 `init_threads`），交给 `run_orchestration` 续跑。**所以能力已存在，`start_job` 只是没走这条路。**
|
||
|
||
---
|
||
|
||
## 2. 设计目标与关键事实
|
||
|
||
- 「同进度续跑」= 后台作业复用**前端当前会话的真实线程**（总控 + 各席位），这些线程的 checkpoint 里已存着到目前为止的完整研讨上下文，续跑 = 在原线程上 post 一条「继续」消息让总控接着派活。
|
||
- 前端编排是**逐轮**的：每轮一个 `POST /api/multi-agent/run/stream`（leader 或某席位），**轮与轮之间线程空闲**。只有「某一轮在飞时」线程才被占用。
|
||
- 后端复用现成线程是**已验证路径**（`resume_job` 天天在用），唯一新增的不同点是：这次复用的是「前端会话线程」而非「上一个后台作业的线程」——但线程同属一个后端线程库，复用方式完全一致。
|
||
|
||
---
|
||
|
||
## 3. 改造点（最小集）
|
||
|
||
### 3.1 后端：让 `start_job` 支持复用线程
|
||
|
||
文件：`offline-backend-20260512/backend/app/gateway/routers/roundtable_jobs.py`
|
||
|
||
1. `StartJobRequest` 增加字段：
|
||
```python
|
||
resume: bool = False # true + 携带 threadIds ⇒ 复用这些线程续跑，不新建
|
||
```
|
||
2. `start_job` 里把它透传给 `StartParams`：
|
||
```python
|
||
is_resume = bool(body.resume and body.threadIds)
|
||
executor.start_job(StartParams(
|
||
...,
|
||
thread_ids=body.threadIds,
|
||
coordinator_name=body.coordinatorName,
|
||
is_resume=is_resume, # ← 新增
|
||
...
|
||
))
|
||
```
|
||
其余执行器逻辑**不动**（它在 `is_resume=True` 时已能复用 `params.thread_ids`）。
|
||
|
||
> 幂等闸门（同草稿未终态作业直接返回）保持不变；续跑挂起前前端应保证该草稿没有在跑的旧作业。
|
||
|
||
### 3.2 前端 API：补 `resume` 入参
|
||
|
||
文件：`frontend-web/src/roundtable-planning/lib/job-types.ts`
|
||
- `StartJobPayload` 增加 `resume?: boolean`。
|
||
|
||
文件：`frontend-web/src/roundtable-planning/api/roundtable-jobs.ts`
|
||
- `toStartBody` 增加 `resume: p.resume ?? false`。
|
||
|
||
### 3.3 前端：`startBackgroundJob` 改为复用线程续跑
|
||
|
||
文件：`frontend-web/src/roundtable-planning/pages/RoundtablePlanningPage.tsx`（`startBackgroundJob` 约 1119 行）
|
||
|
||
当前端已有现成会话（`step2.threadIds` 且 `step2.coordinatorName` 非空，说明研讨已 init）时，改传：
|
||
|
||
```ts
|
||
const canContinue = !!(step2.threadIds && step2.coordinatorName);
|
||
await startJob({
|
||
draftId: draftId ?? undefined,
|
||
// 续跑：用「继续」式 seed，而不是 buildInitialIntent()（后者会让总控从头理解任务）
|
||
intent: buildInitialIntent(), // 仍传，作为无线程回退时的首轮 prompt
|
||
seedMessage: canContinue
|
||
? "用户已将本次研讨转入后台，请基于现有进展继续上一轮的协调与派活；若已可收口则直接综合输出结论。"
|
||
: undefined,
|
||
agents,
|
||
model: selectedModel || undefined,
|
||
orchestrationMode,
|
||
chain: chainMeta,
|
||
orchestrationPlan: orchestrationMode === "dag" ? orchestrationPlan : null,
|
||
// 关键三件套：复用前端真实线程 + 协调名 + resume 标志
|
||
threadIds: canContinue ? step2.threadIds ?? undefined : undefined,
|
||
coordinatorName: canContinue ? step2.coordinatorName ?? undefined : undefined,
|
||
resume: canContinue,
|
||
});
|
||
```
|
||
|
||
> 没有现成会话（极早期、线程未建）时 `canContinue=false`，自动回退到「新建线程 + 原 intent」的旧行为，安全。
|
||
|
||
### 3.4 前端：挂起前先停本地编排（避免交出去时线程还在飞）
|
||
|
||
文件：同上，`handleBackgroundSuspend`（约 1161 行）
|
||
|
||
当前顺序是 `startBackgroundJob()` → `resetToStep1()`（reset 里才 `stopOrchestration`）。复用线程时必须**先停再交**：
|
||
|
||
```ts
|
||
const handleBackgroundSuspend = useCallback(async () => {
|
||
if (step2.selectedAgents.length === 0) { /* toast 提示后 return */ }
|
||
// 1. 先彻底停掉前端在飞的那一轮，尽量让线程在交给后台前变空闲
|
||
step2.stopOrchestration();
|
||
step2.setIsRoundTableRunning(false);
|
||
try {
|
||
// 2. 再起后台作业（复用线程续跑）
|
||
await startBackgroundJob();
|
||
} catch (err) { /* toast 失败后 return */ }
|
||
// 3. 最后重置回第一步（后台作业继续在历史记录里跑）
|
||
resetToStep1();
|
||
triggerToast("🚀 已转入后台，将基于当前进度继续研讨…");
|
||
void drafts.refresh();
|
||
}, [...]);
|
||
```
|
||
|
||
---
|
||
|
||
## 4. 关键风险：线程占用（409）与三种处理
|
||
|
||
复用前端线程的唯一风险：**在某一轮在飞时挂起**，`stopOrchestration()` 只断了客户端 SSE，服务端那次 run 可能还在跑一小会儿；后台作业首轮 leader 向同一总控线程 post → 撞 409 / rollback。
|
||
|
||
| 方案 | 做法 | 取舍 |
|
||
|---|---|---|
|
||
| **A（推荐起步）** | 仅前端 stop + 后端 `is_resume` 复用，接受小概率 409 | 实现最简，真正同进度续跑；轮间挂起 100% 安全，仅「某轮在飞时挂起」有小概率 409 —— 走编排循环**现有 rollback/重试容错**兜底 |
|
||
| **B（最稳）** | 同 A，但后端在复用线程续跑前，**先 cancel 这些线程上可能残留的 run**（参考 takeover 里 `cancelJob` 的 `task.cancel()` 思路，落到 thread-run 级别）再 post | 几乎无 409；后端要多写「按 thread_id 取消活跃 run」的逻辑 |
|
||
| **C（不推荐）** | 不复用线程，新建空线程，但把「目前为止的研讨」塞进 seed_message 让总控续写 | 零 409，但**席位子线程上下文全丢**、不是真正同进度、leader prompt 臃肿 |
|
||
|
||
> 建议：先上 **A**，真机验证 409 命中率；若频繁再加 **B** 的后端线程级 cancel。
|
||
|
||
---
|
||
|
||
## 5. 适用范围（哪些挂起入口改续跑）
|
||
|
||
三个触发源（见 `autoSuspendRef`）：
|
||
|
||
1. **手动「后台挂起」按钮**（`handleBackgroundSuspend`）——**改续跑**。能在 start 前干净 stop，最适合复用线程。
|
||
2. **路由卸载自动挂起**（切到其它页面，`fire`）——可改续跑（能走完整异步链）；卸载瞬间 stop 不一定彻底，按 A 方案的容错兜底。
|
||
3. **刷新/关标签页 keepalive**（`beforeunload` 的 `beacon` → `startJobKeepalive`）——**建议保持新建线程**。关页时无法保证前端 run 已停，复用线程 409 风险最高；这里走「新建线程 + 原 intent」的安全回退即可（用户可在历史记录里点「查看」再用我们已实现的 takeover 接管回前端续跑）。
|
||
|
||
> 落地顺序建议：先只改 #1，验证稳定后再决定是否推广到 #2。
|
||
|
||
---
|
||
|
||
## 6. 与已实现「查看=接管回前端」的关系
|
||
|
||
二者是一对对称操作，复用同一套「线程同属一个后端库、可跨前后端续跑」的事实：
|
||
|
||
- **后台挂起（本方案）**：前端 → 后端。前端 stop，把前端线程交给后台 `is_resume` 续跑。
|
||
- **查看接管（已实现，见 memory）**：后端 → 前端。`cancelJob` 停后台，`hydrateFromDraft` 恢复作业真实线程，`resumeLiveTakeover()` 由前端在那些线程上续跑。
|
||
|
||
实现本方案时可直接参照 takeover 的线程复用与 `is_resume` 经验。
|
||
|
||
---
|
||
|
||
## 7. 测试
|
||
|
||
后端（`make test`）：
|
||
- 新增/扩展 `tests/test_roundtable_jobs.py`：`start_job` 带 `resume=true + threadIds` ⇒ `StartParams.is_resume=True` 且**不调** `init_threads`、直接用传入线程；`resume=false` 或无 `threadIds` ⇒ 走 `init_threads` 新建（回归旧行为）。
|
||
- 回归：`tests/test_roundtable_inprocess_request.py`、`tests/test_roundtable_step3_pipeline.py`（确认续跑不破坏 Step3 双产物）。
|
||
|
||
前端（`pnpm typecheck`）+ 真机：
|
||
- 研讨进行到几轮后点「后台挂起」→ 历史记录里点「查看」→ 确认后台是**接着已有对话**往下派活，而非从第 1 轮重来。
|
||
- 轮间挂起 / 某轮在飞时挂起两种时机各验一次，观察是否出现 409（A 方案下应被 rollback 容错吸收）。
|
||
|
||
---
|
||
|
||
## 8. 落地清单（TL;DR）
|
||
|
||
- [ ] 后端 `StartJobRequest.resume` 字段 + `start_job` 透传 `is_resume`
|
||
- [ ] 前端 `StartJobPayload.resume` + `toStartBody`
|
||
- [ ] 前端 `startBackgroundJob`：有会话时传 `threadIds/coordinatorName/seedMessage/resume`
|
||
- [ ] 前端 `handleBackgroundSuspend`：调整为 **先 stop 再 start 再 reset**
|
||
- [ ] 后端测试（resume 复用 vs 新建分支）
|
||
- [ ] 真机验证「接着进度跑」+ 409 命中率
|
||
- [ ]（可选）方案 B：后端复用线程前按 thread_id 取消残留 run
|