From b955a274791b95e11bb23de4e017e1d4eb7aec36 Mon Sep 17 00:00:00 2001 From: AskaEth Date: Mon, 26 Oct 2026 18:54:13 +0800 Subject: [PATCH] =?UTF-8?q?fix(channelbridge):=20M44=20=E5=85=A5=E7=AB=99?= =?UTF-8?q?=E8=AF=AD=E9=9F=B3=E5=85=88=E5=86=99=20voice=20=E5=88=97?= =?UTF-8?q?=E5=86=8D=E5=B9=BF=E6=92=AD=20=E2=87=92=20=E9=A6=96=E5=B8=A7?= =?UTF-8?q?=E5=B0=B1=E5=B8=A6=20voice?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 安卓 2026-10-26 回执关心的场景：新来一条语音消息时，**第一条**帧里有没有 `voice`。此前没有 —— `persistBatchUsers` 先 `persistToMain`/`persistIsolated` （内部同步 notify 把帧发出去），之后才 `persistMessageVoice` 写列，帧发出那 一刻列还是空串。网关侧的帧投影（上一 commit）读的就是这一列，因此首帧必然 缺 voice，客户端要等重连或下一次 REST 拉取。 修法（A 路的唯一可行形态，理由见下）： - `persistBatchUsers` 的通知改成 `persistVoiceFirstNotify(ref)`： **INSERT → 写 voice 列 → notify**。语句数不变，只把 notify 从 INSERT 内部 挪到最后；非语音消息（ref 零值）时该包装与 `notifyPersisted` 逐字等价。 - `persist.go` 抽出 `mainRow` / `isolatedRow`（字段清单只写一次）与 `persistIsolatedWith`（可注入通知的变体），`persistToMain`/ `persistIsolated` 的对外行为逐字不变。 为什么不走 B（给 `history.Message` 加 voice 随 INSERT 写）：`persistMessageVoice` 是按 id 的 UPDATE，行还不存在时必然 `ErrMessageNotFound` ⇒ 写列**不可能**真正 挪到 INSERT 之前；可行的最小形态就是上面那次换序，无需动 domain 类型、列清单 与 7 条读语句。B 若要做，属于 design/24 §10.5 的独立切片（那时还应删掉这里的 两段式，避免同一事实两处写）。 整链验收（`inbound_voice_gateway_e2e_test.go`，真桥接器 + 真存储 + 真网关 WS）： - 主人私聊语音：第一帧就是 `message_persisted`，带 `voice`，且与 `GET /sessions/{id}/messages` 同一行**逐字相等**；随后的非语音消息帧整键缺席。 - 群聊语音（被点名 ⇒ 走完整回合）：第一帧 `channel_persisted` 带 `voice`， 且与渠道日志读面同一行逐字相等。 - 变异实测（把顺序还原成「先广播、后写列」）：两条用例都 FAIL，输出即报障症状 （帧里 content 是转写文本，却没有 voice 键）。 顺带把网关侧两处描述旧时序的注释改成新事实。 --- .../services/channelbridge/coalesce_batch.go | 21 +- .../channelbridge/inbound_voice_copy.go | 15 + .../inbound_voice_gateway_e2e_test.go | 346 ++++++++++++++++++ internal/services/channelbridge/persist.go | 40 +- internal/services/gateway/broadcast.go | 4 + internal/services/gateway/history_voice.go | 9 +- 6 files changed, 416 insertions(+), 19 deletions(-) create mode 100644 internal/services/channelbridge/inbound_voice_gateway_e2e_test.go diff --git a/internal/services/channelbridge/coalesce_batch.go b/internal/services/channelbridge/coalesce_batch.go index 7dae605..329ee50 100644 --- a/internal/services/channelbridge/coalesce_batch.go +++ b/internal/services/channelbridge/coalesce_batch.go @@ -141,21 +141,32 @@ func dropLeadingSystem(msgs []model.Message) []model.Message { // persistBatchUsers 按**到达顺序**逐条落 user 行（共享 turnID），并把语音事实与用户 // 消息同源落库（design/24 §10.2 第 5 步）。返回刚落库的行，供回合结束后补抽取结论。 +// +// 🔴 顺序（M44，主人 2026-10-26 指令）：通知 = **先写 `voice` 列、再广播**。此前是 +// 「先广播、后写列」，于是这条语音消息的**第一帧**（`message_persisted` / +// `channel_persisted`）里读不到 voice，客户端得靠重连或下一次 REST 拉取才升级 —— +// 而「实时帧一到就出播放器」正是本切片的诉求。换序后帧发出时列已写好。 +// +// 之所以不能把写列真正挪到落库**之前**：`persistMessageVoice` 是按 id 的 UPDATE， +// 行还不存在时它必然 ErrMessageNotFound（`voice` 列也没有随 INSERT 写入的通道， +// 见 design/24 §10.5 的两种口径）。因此可行的最小形态就是「INSERT → UPDATE 列 → +// notify」——语句数不变，只把 notify 从 INSERT 内部挪到最后。 func (b *Bridge) persistBatchUsers(ctx context.Context, parts []batchMessage, target inboundTarget, turnID string) []history.Message { rows := make([]history.Message, 0, len(parts)) for i := range parts { p := &parts[i] msg := p.prepared.item.msg a := p.prepared.item.a + // 非语音消息（p.voiceRef 零值）时这个包装与 notifyPersisted 逐字等价。 + notify := b.persistVoiceFirstNotify(p.voiceRef) var row history.Message if target.private { - row = b.persistToMain(ctx, history.RoleUser, p.prepared.text, "", p.document, p.image, - target.platform, deviceIDFor(msg), adapterName(a), turnID) + row = b.persistMain(ctx, mainRow(history.RoleUser, p.prepared.text, "", p.document, p.image, + target.platform, deviceIDFor(msg), adapterName(a), turnID), notify) } else { - row = b.persistIsolated(ctx, history.RoleUser, p.prepared.text, p.document, p.image, - deviceIDFor(msg), p.prepared.sess, msg.Platform, p.senderName, adapterName(a), turnID) + row = b.persistIsolatedWith(ctx, isolatedRow(history.RoleUser, p.prepared.text, p.document, p.image, + deviceIDFor(msg), p.prepared.sess, msg.Platform, p.senderName, adapterName(a), turnID), notify) } - b.persistMessageVoice(row, p.voiceRef) rows = append(rows, row) } return rows diff --git a/internal/services/channelbridge/inbound_voice_copy.go b/internal/services/channelbridge/inbound_voice_copy.go index f698cae..301d71e 100644 --- a/internal/services/channelbridge/inbound_voice_copy.go +++ b/internal/services/channelbridge/inbound_voice_copy.go @@ -111,6 +111,21 @@ func (b *Bridge) ingestInboundVoiceCopy(ctx context.Context, msg adapter.Unified return turn.Ref } +// persistVoiceFirstNotify 返回一个 notify：**先**把语音事实写进刚落库的那一行，**再**交给 +// 广播（M44，主人 2026-10-26 指令）。顺序就是内容 —— 实时帧上的 `voice` 是**读列**得来的， +// 若先广播后写列，这条语音消息的**第一帧**就永远缺 `voice`，客户端只能等重连或下一次 REST +// 拉取才升级出播放器（安卓 2026-10-26 回执报的正是这个）。 +// +// 只换顺序、不换代价：仍是 INSERT + 一次 UPDATE（与 design/24 §10.5 的第二选项同一手法， +// 与 document 结论的两段式同族）。非语音消息（ref 零值）时 persistMessageVoice 直接返回， +// 因此本包装与 notifyPersisted 逐字等价 —— 普通消息的时序一个字节都没变。 +func (b *Bridge) persistVoiceFirstNotify(ref voiceref.Ref) func(history.Message) { + return func(m history.Message) { + b.persistMessageVoice(m, ref) + b.notifyPersisted(m) + } +} + // persistMessageVoice 把这条语音的来源事实与副本引用写进刚落库的用户消息 `voice` 列 // （design/24 §10.2 第 5 步）。它由 runInboundTurn 在用户消息落库之后调用，因此 // 「引用 + 三态」最终是同一行里的一份事实，客户端不必自己拼。 diff --git a/internal/services/channelbridge/inbound_voice_gateway_e2e_test.go b/internal/services/channelbridge/inbound_voice_gateway_e2e_test.go new file mode 100644 index 0000000..26ba659 --- /dev/null +++ b/internal/services/channelbridge/inbound_voice_gateway_e2e_test.go @@ -0,0 +1,346 @@ +package channelbridge + +// 本文件是 M44 的**跨层整链**验收：真 IM 入站语音 → 真桥接器落库并写 `voice` 列 → 真网关的 +// **实时帧** → 同一个网关的 REST 读面。 +// +// 它钉的是一条**时序**，而不是一个形状：`voice` 在实时帧上是**读列**得来的，所以「先广播、 +// 后写列」会让这条语音消息的**第一帧**缺 `voice`（安卓 2026-10-26 回执：只能等下一次 REST +// 拉取才升级出播放器）。本用例因此断言： +// 1. 入站语音回合发出的**第一条** `message_persisted` 帧里就带 `voice`； +// 2. 该 `voice` 与随后 `GET /sessions/{id}/messages` 同一行**逐字相等**（同一份事实，不是两处各算）； +// 3. 隔离渠道会话那条腿（`channel_persisted`）同样成立，且与渠道日志读面逐字相等。 +// +// 不用「等一会儿再断言」：帧是从真 WS 连接上读下来的，桥接器的持久化钩子接的就是网关的 +// `BroadcastPersisted`（与 cmd/cyrene 组合根的接线逐字同源），因此读到的就是**那一帧**本身。 + +import ( + "context" + "encoding/json" + "io" + "log/slog" + "net/http" + "net/http/httptest" + "path/filepath" + "strings" + "testing" + "time" + + "github.com/gorilla/websocket" + + "git.yeij.top/AskaEth/Cyrene_v2/internal/auth" + "git.yeij.top/AskaEth/Cyrene_v2/internal/channel/adapter" + "git.yeij.top/AskaEth/Cyrene_v2/internal/channel/session" + "git.yeij.top/AskaEth/Cyrene_v2/internal/config" + "git.yeij.top/AskaEth/Cyrene_v2/internal/runtime/agent" + "git.yeij.top/AskaEth/Cyrene_v2/internal/runtime/documents" + "git.yeij.top/AskaEth/Cyrene_v2/internal/runtime/history" + "git.yeij.top/AskaEth/Cyrene_v2/internal/runtime/loop" + "git.yeij.top/AskaEth/Cyrene_v2/internal/services/gateway" +) + +// voiceFrameE2E 打包整链环境：真桥接器（假 STT、真音频存储、真历史存储）+ 真网关 +// （同一个历史存储）+ 已接好的持久化钩子。 +type voiceFrameE2E struct { + bridge *Bridge + ts *httptest.Server + tok string +} + +// newVoiceFrameE2E 装配整链环境。历史存储是**同一个句柄**喂给桥接器与网关 —— 被验证的 +// 正是这条边界：桥接器写进那一列的事实，就是实时帧与 REST 读面要投影出来的事实。 +func newVoiceFrameE2E(t *testing.T, sess session.Session) *voiceFrameE2E { + t.Helper() + dataDir := t.TempDir() + uploads := filepath.Join(dataDir, "uploads", "documents") + log := slog.New(slog.NewTextHandler(&safeBuffer{}, nil)) + st := openGatewayDocStore(t, log) + + ag, err := agent.New("测试系统提示词", nil, nil, agent.WithModel(&stubModelAdapter{}, nil)) + if err != nil { + t.Fatalf("构造 agent: %v", err) + } + runner := loop.New(loop.Options{Agent: ag, MaxRounds: 4, Log: log}) + b, err := New(Options{ + Log: log, + Loop: runner, + Sessions: &stubSessions{sess: sess}, + Owner: testOwnerProfile("telegram", "100"), + History: st, + // 真 STT 替身：转写成功 ⇒ 这条消息的 voice 事实是 asr/transcribed。 + VoiceSTT: transcodingSTT("语音内容"), + // 真音频存储（documents.Store 的音频分支）：副本真落盘，`url` 才有意义。 + DocumentStore: documents.StoreConfig{DataDir: dataDir, UploadsDir: uploads}, + }) + if err != nil { + t.Fatalf("构造桥接器: %v", err) + } + b.Add(&fakeAdapter{name: "telegram"}) + + jwt := auth.New(config.AuthConfig{JWTSecret: gatewayDocSecret}) + srv, err := gateway.New( + &config.Config{Auth: config.AuthConfig{AdminUser: "admin", AdminPass: "secret", JWTSecret: gatewayDocSecret}}, + gateway.Deps{Auth: jwt, History: st, DataDir: dataDir}, + ) + if err != nil { + t.Fatalf("构造网关: %v", err) + } + t.Cleanup(srv.Close) + ts := httptest.NewServer(srv.Handler()) + t.Cleanup(ts.Close) + // 🔴 组合根的同一接线（cmd/cyrene/wire_frontend.go：SetOnPersisted(gw.BroadcastPersisted)）。 + // 桥接器「通知」的那一刻，就是网关构造并扇出实时帧的那一刻 —— 断言因此打在真帧上。 + b.SetOnPersisted(srv.BroadcastPersisted) + + tok, err := jwt.Sign("acct", auth.RoleOwner, time.Hour) + if err != nil { + t.Fatalf("签发 token: %v", err) + } + return &voiceFrameE2E{bridge: b, ts: ts, tok: tok} +} + +// dialOwnerWS 连上真网关的 `/ws/chat`（owner token），并吃掉握手回放的 `history` 帧， +// 使后续读取从「本回合的第一帧」开始。 +func (e *voiceFrameE2E) dialOwnerWS(t *testing.T) *websocket.Conn { + t.Helper() + wsURL := "ws" + strings.TrimPrefix(e.ts.URL, "http") + "/ws/chat?token=" + e.tok + conn, _, err := websocket.DefaultDialer.Dial(wsURL, nil) + if err != nil { + t.Fatalf("连接 WS: %v", err) + } + t.Cleanup(func() { _ = conn.Close() }) + ev := readWSFrame(t, conn) + if ev.Type != "history" { + t.Fatalf("第一个帧 = %q, want history（握手回放）", ev.Type) + } + return conn +} + +// wsFrame 是下行帧的**原始 JSON 视图**：断言「键缺席」与「键存在」的差别只能靠它 +// （解码进结构体看不出两者的区别）。 +type wsFrame struct { + Type string `json:"type"` + SessionID string `json:"sessionId"` + Data json.RawMessage `json:"data"` +} + +// readWSFrame 从连接上读一帧并解到 raw 视图。 +func readWSFrame(t *testing.T, conn *websocket.Conn) wsFrame { + t.Helper() + _ = conn.SetReadDeadline(time.Now().Add(5 * time.Second)) + _, raw, err := conn.ReadMessage() + if err != nil { + t.Fatalf("读帧: %v", err) + } + var ev wsFrame + if err := json.Unmarshal(raw, &ev); err != nil { + t.Fatalf("解码帧 %s: %v", raw, err) + } + return ev +} + +// persistedMessage 从 `message_persisted` / `channel_persisted` 帧的 `data.message` 里取出 +// 原始 JSON 对象（保持键的在场性）。 +func persistedMessage(t *testing.T, ev wsFrame) map[string]json.RawMessage { + t.Helper() + var data struct { + Message map[string]json.RawMessage `json:"message"` + } + if err := json.Unmarshal(ev.Data, &data); err != nil { + t.Fatalf("解码帧 data %s: %v", ev.Data, err) + } + if data.Message == nil { + t.Fatalf("帧 data 里没有 message 对象: %s", ev.Data) + } + return data.Message +} + +// messageRole 取帧内消息的 role。 +func messageRole(t *testing.T, msg map[string]json.RawMessage) string { + t.Helper() + var role string + if err := json.Unmarshal(msg["role"], &role); err != nil { + t.Fatalf("解析帧里的 role: %v", err) + } + return role +} + +// nextPersistedUserFrame 读到**下一条 user 行的持久化帧**（跳过助手回复等其余帧），并返回 +// 中途跳过的帧类型 —— 「语音行的帧最先到」这类顺序断言因此不需要 sleep 或猜测。 +func nextPersistedUserFrame(t *testing.T, conn *websocket.Conn) (wsFrame, []string) { + t.Helper() + var skipped []string + for i := 0; i < 10; i++ { + ev := readWSFrame(t, conn) + switch ev.Type { + case "message_persisted", "channel_persisted": + if messageRole(t, persistedMessage(t, ev)) == history.RoleUser { + return ev, skipped + } + skipped = append(skipped, ev.Type+"("+history.RoleAssistant+")") + default: + skipped = append(skipped, ev.Type) + } + } + t.Fatalf("读了 10 帧仍没等到 user 行的持久化帧（跳过=%v）", skipped) + return wsFrame{}, skipped +} + +// canonicalVoice 把一段 `voice` JSON 归一成「键序由 json.Marshal 的 map 排序决定」的文本。 +// JSON 对象的键无序，因此「逐字相等」在对象层面应按归一化文本判：两侧同一套归一， +// 任何一处多键 / 少键 / 值不同都会让文本不同。 +func canonicalVoice(t *testing.T, raw json.RawMessage) string { + t.Helper() + var v any + if err := json.Unmarshal(raw, &v); err != nil { + t.Fatalf("解析 voice JSON（raw=%s）: %v", raw, err) + } + b, err := json.Marshal(v) + if err != nil { + t.Fatalf("归一 voice JSON（raw=%s）: %v", raw, err) + } + return string(b) +} + +// voiceOfRowByID 在读面的一页里按 id 找到那一行，返回它的 `voice` 原始 JSON。 +func voiceOfRowByID(t *testing.T, rows []map[string]json.RawMessage, id string) json.RawMessage { + t.Helper() + for _, row := range rows { + var gotID string + _ = json.Unmarshal(row["id"], &gotID) + if gotID != id { + continue + } + raw, ok := row["voice"] + if !ok { + t.Fatalf("读面同一行（id=%s）缺 voice 键: %v", id, row) + } + return raw + } + t.Fatalf("读面里没有帧上的那条消息 id=%q（整页=%v）", id, rows) + return nil +} + +// messageIDOf 取帧内消息的 id。 +func messageIDOf(t *testing.T, msg map[string]json.RawMessage) string { + t.Helper() + var id string + if err := json.Unmarshal(msg["id"], &id); err != nil { + t.Fatalf("解析帧里的 id: %v", err) + } + return id +} + +// TestIMInboundVoiceFirstFrameCarriesVoice 是 M44 的整链验收（主人 2026-10-26 指令）： +// 一条**真入站 IM 语音**发出的**第一帧**里就要有 `voice`，且与 REST 读面同一行逐字相等。 +func TestIMInboundVoiceFirstFrameCarriesVoice(t *testing.T) { + t.Parallel() + env := newVoiceFrameE2E(t, session.Session{SessionID: "sess-1", Owner: true, MemWritable: true}) + conn := env.dialOwnerWS(t) + + // 一条可播格式的入站语音：转写成功（假 STT）+ 真副本落盘（真 documents 存储）。 + env.bridge.process(context.Background(), voiceMessage("v.ogg", "audio/ogg", []byte("OGGDATA"))) + + ev, skipped := nextPersistedUserFrame(t, conn) + if len(skipped) != 0 { + t.Fatalf("语音行的帧之前还夹了别的帧 %v，want 它是最先到的那一帧", skipped) + } + if ev.Type != "message_persisted" { + t.Fatalf("主人私聊的帧类型 = %q, want message_persisted", ev.Type) + } + msg := persistedMessage(t, ev) + raw, ok := msg["voice"] + if !ok { + t.Fatalf("🔴 入站语音的**第一帧**缺 data.message.voice（这正是安卓报的缺口）: %s", ev.Data) + } + // 形状逐项落地（取值由下面的逐字比对兜底，这里给可读的失败信息）。 + shape := canonicalVoice(t, raw) + for _, want := range []string{`"source":"asr"`, `"status":"transcribed"`, `"mime":"audio/ogg"`, `"size":7`} { + if !strings.Contains(shape, want) { + t.Fatalf("帧里的 voice = %s, 缺 %s", shape, want) + } + } + if !strings.Contains(shape, `"url":"/api/v1/media/`) { + t.Fatalf("帧里的 voice = %s, 缺服务端拼出的 url", shape) + } + + // 与 REST 读面**同一行**逐字相等：这是本切片的唯一意义（同一份事实，不是两处各算）。 + id := messageIDOf(t, msg) + restVoice := voiceOfRowByID(t, fetchMessages(t, env.ts.URL, history.MainSessionID, env.tok), id) + if got, want := canonicalVoice(t, raw), canonicalVoice(t, restVoice); got != want { + t.Fatalf("帧里的 voice = %s, REST 读面同一行 = %s（两处各算一份就失去意义）", got, want) + } + + // 纯增量不变：紧随其后的一条**非语音**消息，其帧里该键整键缺席（不是 null、不是 {}）。 + env.bridge.process(context.Background(), directMessage()) + plain, _ := nextPersistedUserFrame(t, conn) + plainMsg := persistedMessage(t, plain) + if got, ok := plainMsg["voice"]; ok { + t.Fatalf("非语音消息的帧带上了 voice = %s, want 整键缺席", got) + } +} + +// TestIMInboundIsolatedVoiceFirstFrameCarriesVoice 钉住隔离渠道会话那条腿：群里的语音消息 +// 走 `channel_persisted`，落库点与主人私聊**同一个**，因此首帧同样带 `voice`，且与渠道日志 +// 读面同一行逐字相等。 +func TestIMInboundIsolatedVoiceFirstFrameCarriesVoice(t *testing.T) { + t.Parallel() + env := newVoiceFrameE2E(t, nonOwnerSession()) + conn := env.dialOwnerWS(t) + + // 被点名 ⇒ 值得回复 ⇒ 走完整回合（否则会被最小打扰静默登记，那条路不落语音副本）。 + msg := nonOwnerGroupMsg("", adapter.Mention{UserID: "bot"}) + msg.ContentType = adapter.ContentVoice + msg.Media = []adapter.Media{{ + Kind: adapter.MediaVoice, Name: "v.ogg", MIMEType: "audio/ogg", + Size: int64(len("OGGDATA")), Data: []byte("OGGDATA"), + }} + env.bridge.process(context.Background(), msg) + + ev, skipped := nextPersistedUserFrame(t, conn) + if len(skipped) != 0 { + t.Fatalf("隔离会话语音行的帧之前还夹了别的帧 %v，want 它最先到", skipped) + } + if ev.Type != "channel_persisted" { + t.Fatalf("隔离会话的帧类型 = %q, want channel_persisted", ev.Type) + } + frameMsg := persistedMessage(t, ev) + raw, ok := frameMsg["voice"] + if !ok { + t.Fatalf("🔴 隔离会话的入站语音**第一帧**缺 data.message.voice: %s", ev.Data) + } + // 渠道日志读面（管理面）同一行必须给出同一份事实。 + logRows := fetchChannelLog(t, env.ts.URL, env.tok) + logVoice := voiceOfRowByID(t, logRows, messageIDOf(t, frameMsg)) + if got, want := canonicalVoice(t, raw), canonicalVoice(t, logVoice); got != want { + t.Fatalf("帧里的 voice = %s, 渠道日志同一行 = %s", got, want) + } +} + +// fetchChannelLog 取渠道日志读面的一页（原始 JSON 对象，保持键的在/缺席语义）。 +func fetchChannelLog(t *testing.T, base, token string) []map[string]json.RawMessage { + t.Helper() + req, err := http.NewRequest(http.MethodGet, base+"/api/v1/admin/channels/messages?limit=50", nil) + if err != nil { + t.Fatalf("构造请求: %v", err) + } + req.Header.Set("Authorization", "Bearer "+token) + resp, err := http.DefaultClient.Do(req) + if err != nil { + t.Fatalf("请求渠道日志: %v", err) + } + defer func() { _ = resp.Body.Close() }() + body, err := io.ReadAll(resp.Body) + if err != nil { + t.Fatalf("读响应体: %v", err) + } + if resp.StatusCode != http.StatusOK { + t.Fatalf("渠道日志状态 = %d, want 200 (body=%s)", resp.StatusCode, body) + } + var envelope struct { + Data []map[string]json.RawMessage `json:"data"` + } + if err := json.Unmarshal(body, &envelope); err != nil { + t.Fatalf("解码渠道日志: %v (body=%s)", err, body) + } + return envelope.Data +} diff --git a/internal/services/channelbridge/persist.go b/internal/services/channelbridge/persist.go index d49246a..4b3b022 100644 --- a/internal/services/channelbridge/persist.go +++ b/internal/services/channelbridge/persist.go @@ -82,9 +82,16 @@ func (b *Bridge) notifyPersisted(msg history.Message) { // 结构化判据的帧（切片 P0b）—— 因此带判据的帧只可能来自主动推送，**普通消息的帧永远 // 不带它**。 func (b *Bridge) persistToMain(ctx context.Context, role, content, mood, document, image, platform, deviceID, adapterID, turnID string) history.Message { - return b.persistMain(ctx, history.Message{ + return b.persistMain(ctx, mainRow(role, content, mood, document, image, platform, deviceID, adapterID, turnID), b.notifyPersisted) +} + +// mainRow 构造一条写进 Web 主会话的行。它只写一次字段清单：persistToMain 与 +// 入站语音那条「先写列再广播」的路径（coalesce_batch.go 的 persistBatchUsers） +// 共用它，两处的列集合因此不可能分叉。 +func mainRow(role, content, mood, document, image, platform, deviceID, adapterID, turnID string) history.Message { + return history.Message{ SessionID: history.MainSessionID, Role: role, Content: content, Mood: mood, Document: document, Image: image, Platform: platform, DeviceID: deviceID, AdapterID: adapterID, Mode: modeChat, TurnID: turnID, - }, b.notifyPersisted) + } } // persistMain 是「写进主会话」的**唯一**写入口径：persistToMain（普通消息）与 @@ -126,16 +133,29 @@ func (b *Bridge) persistMain(ctx context.Context, msg history.Message, notify fu // 供调用方在回合结束后补回文档抽取结论。未装配历史存储时为空操作， // 因此桥接器在没有存储的情况下行为不变。 func (b *Bridge) persistIsolated(ctx context.Context, role, content, document, image, deviceID string, sess session.Session, platform, senderName, adapterID, turnID string) history.Message { + return b.persistIsolatedWith(ctx, isolatedRow(role, content, document, image, deviceID, sess, platform, senderName, adapterID, turnID), b.notifyPersisted) +} + +// isolatedRow 构造一条写进受限（群聊/陌生人）会话的行。与 mainRow 同一手法：字段清单 +// 只写一次，persistIsolated 与入站语音那条「先写列再广播」的路径共用。 +func isolatedRow(role, content, document, image, deviceID string, sess session.Session, platform, senderName, adapterID, turnID string) history.Message { + return history.Message{ + SessionID: sess.SessionID, Role: role, Content: content, Document: document, Image: image, Platform: platform, + DeviceID: deviceID, SenderName: senderName, AdapterID: adapterID, Mode: modeChat, TurnID: turnID, + } +} + +// persistIsolatedWith 是 persistIsolated 的**可注入通知**变体：写入语义逐字相同，只有 +// 「落库成功后怎么通知」由调用方给出（nil = 不通知）。入站语音用它把「先写 `voice` 列、 +// 再广播」这次换序塞进同一个落库点（见 inbound_voice_copy.go 的 persistVoiceFirstNotify）。 +func (b *Bridge) persistIsolatedWith(ctx context.Context, row history.Message, notify func(history.Message)) history.Message { if b.history == nil { return history.Message{} } - full, err := b.history.AppendFull(ctx, history.Message{ - SessionID: sess.SessionID, Role: role, Content: content, Document: document, Image: image, Platform: platform, - DeviceID: deviceID, SenderName: senderName, AdapterID: adapterID, Mode: modeChat, TurnID: turnID, - }) + full, err := b.history.AppendFull(ctx, row) if err != nil { - b.log.Warn("persist isolated session", "err", err, "role", role, - "session", sess.SessionID, "platform", platform, "sender_name", senderName, "adapter", adapterID) + b.log.Warn("persist isolated session", "err", err, "role", row.Role, + "session", row.SessionID, "platform", row.Platform, "sender_name", row.SenderName, "adapter", row.AdapterID) return history.Message{} } // 把隔离写入作为 `channel_persisted` 事件广播，让 IM 适配器 @@ -143,6 +163,8 @@ func (b *Bridge) persistIsolated(ctx context.Context, role, content, document, i // 这不是 Web 主会话，因此 Web 聊天没有它的处理器， // 消息本身仍只落在隔离的 sess-xxx 会话（绝不在 // 主/`web` 会话，design/16 §4.6 §3）。 - b.notifyPersisted(full) + if notify != nil { + notify(full) + } return full } diff --git a/internal/services/gateway/broadcast.go b/internal/services/gateway/broadcast.go index 45dae9c..facaec3 100644 --- a/internal/services/gateway/broadcast.go +++ b/internal/services/gateway/broadcast.go @@ -66,6 +66,10 @@ func (s *Server) broadcastPersisted(msg history.Message, proactive bool) { // 「同一行消息在帧里与 GET /sessions/{id}/messages 里」是逐字相同的对象，客户端不必 // 再拉一次 REST 才认出语音气泡。 // +// 帧上的 `voice` 反映的是**本帧发出那一刻**的列值 ⇒ `voice` 列的写入必须先于 notify。 +// 入站语音那条路已由 M44 倒好顺序（channelbridge 的 persistVoiceFirstNotify）， +// 否则这条语音消息的第一帧会读不到 voice。 +// // 代价（实测，见交付报告）：每帧**一次**批量读列（`IN (?)` 一条 SQL，页内 id 去重）， // 与本路径既有的 unreadCountOf 查询同量级；存储未提供该视图时**零**查询、字段缺席。 // 之所以要查库而不是「从 history.Message 直接填」：那个结构体没有 voice 列字段 diff --git a/internal/services/gateway/history_voice.go b/internal/services/gateway/history_voice.go index b043759..78029e5 100644 --- a/internal/services/gateway/history_voice.go +++ b/internal/services/gateway/history_voice.go @@ -26,11 +26,10 @@ package gateway // （`ws_history.go`）。三条收口点共用本文件这一份投影，因此「同一条消息在 REST 读面与 // 实时帧 / 回放里的 `voice` 对象」逐字相同，不会两处各算一份。 // -// ⚠️ 实时帧那条路的**已知边界**（不在本文件能修的范围内）：入站语音的 `voice` 列由 -// 渠道桥在**消息落库之后**回填（channelbridge 的两段式），而 `message_persisted` 那一帧 -// 在**落库那一刻**就发出去了 ⇒ 这一帧读到的列仍是空串、`voice` 依旧缺席；紧随其后的 -// 握手回放 / REST 拉取才带上它。要让「刚落库的那一帧」也带上，须把渠道桥的两段式顺序 -// 倒过来（先写列、再 notify），见交付报告与 Docs §4.4 的同一处如实登记。 +// ⚠️ 实时帧那条路对**时序**有依赖（已由 M44 的跨层修复保证）：`voice` 是**读列**得来的， +// 所以帧必须在 `voice` 列写好之后才发出。渠道桥原来「先 notify、后写列」，导致入站语音的 +// **第一帧**读不到 voice；M44 把它改成「INSERT → 写 voice 列 → notify」（见 channelbridge +// 的 persistBatchUsers / persistVoiceFirstNotify），本文件因此无需再区别对待实时帧与读面。 import ( "context"