Cyrene_v2/internal/channel/mediafetch/inline.go

package mediafetch

// 本文件承载**四个适配器共享的入站附件内联循环**（切片 IM-1）：四家的差异只在
// 「怎么把一个平台媒体引用取回成字节」（telegram 要先 getFile 换路径、weixin 要多
// 一层 AES），预筛、限额、超时、日志与诚实降级的口径完全相同 —— 因此只实现一次，
// 由各适配器实现 Fetcher 注入（三次复制必须抽取，AGENTS §10）。
//
// 语音/音频附件由同目录的 `inline_voice.go` 承载（切片 IM-ASR）：它复用这里的取回
// 与日志口径，但用一份**独立**的音频白名单（不得污染 `documents.ExtAllowed`）。

import (
	"context"
	"log/slog"
	"net/url"
	"path"
	"strings"

	"git.yeij.top/AskaEth/Cyrene_v2/internal/channel/adapter"
	"git.yeij.top/AskaEth/Cyrene_v2/internal/runtime/documents"
)

// nameMaxRunes 是用于预筛与日志的文件名展示上限：文件名来自渠道（发送方可任意
// 构造），因此这里限长，且它只用于**扩展名判定与日志展示** —— 绝不进模型上下文
// （模型可见的展示名由 channelbridge 的净化规则负责）。
const nameMaxRunes = 128

// Fetcher 把一条平台媒体引用取回成内联字节。实现者（各适配器）负责把平台给出的
// 文件 id / CDN 引用解析成一个**平台载荷给出**的资产地址，再交给 Fetch 取回。
//
// 契约：返回的错误必须可安全进日志 —— **不得携带完整 URL 或凭据**（用 Fetch 就
// 自动满足：它只回来源与原因）。
type Fetcher interface {
	Fetch(ctx context.Context, media adapter.Media) ([]byte, error)
}

// Inline 把消息里**文件类**与**语音类**媒体在受支持格式与限额内的字节内联进
// `Media.Data`，使下游（channelbridge 的入站摄取 / 语音归一）拿到字节。它是四个适配器
// 共享的唯一实现：
//
//   - 文件类走 `inlineFiles`（图片仍走各自既有链路：图片进视觉链路，design/24 §4.2 末）；
//   - 语音类走 `inlineVoices`（切片 IM-ASR，design/06 §1.1、design/08 §4.1）：它用一份
//     **独立的音频白名单**，绝不与 `documents.ExtAllowed` 混淆——后者是 Web 文档上传的
//     口径，往里加音频格式会污染文档白名单；
//   - 两条分支共用同一份取回口径（来源白名单、逐跳重定向校验、边读边限、超时、日志只记
//     来源不记完整 URL），因此四个适配器零改动即可拿到语音字节。
//
// 它**不返回错误**：入站附件的失败由「留空字节 + 日志 + 下游诚实提示」表达，绝不
// 让一条读不到的附件拖垮整个回合（失败不炸）。
func Inline(ctx context.Context, log *slog.Logger, msg *adapter.UnifiedMessage, f Fetcher) {
	if msg == nil || f == nil || log == nil {
		return
	}
	inlineFiles(ctx, log, msg, f)
	inlineVoices(ctx, log, msg, f)
}

// inlineFiles 内联**文件类**媒体：
//
//   - 先按平台给的文件名**预筛扩展名**（`documents.ExtAllowed`，全仓唯一名单）：
//     不在名单里 ⇒ **不发起任何下载**，只留一条 Debug 日志（下游会照 M1 既有口径
//     给模型一行诚实提示）；
//   - 平台**声明的**体积超上限时同样不发起下载（省一次必然失败的大传输）；
//   - 只内联前 `documents.MaxPerMessage` 个文件附件（与 Web 侧、M1 摄取同一口径，
//     绝不另造一个数）；超出者不下载并记一条 Warn；
//   - 下载失败/超时/超限 ⇒ 该附件保持无字节（下游继续给诚实提示），记一条带来源的
//     Warn 日志（name/mime/size/host/err —— **绝不记正文、绝不记 URL 原串**），
//     **消息照收、回合继续**；
//   - 已经带字节的媒体（本地产出）原样跳过，绝不重复下载。
//
// 语音附件由 `inlineVoices` 处理：两份计数各管一条链路（同一条消息里的文件与语音
// 互不吃掉对方的额度）。
func inlineFiles(ctx context.Context, log *slog.Logger, msg *adapter.UnifiedMessage, f Fetcher) {
	seen := 0
	for i := range msg.Media {
		m := &msg.Media[i]
		if !IsFileMedia(msg, *m) {
			continue
		}
		if seen >= documents.MaxPerMessage {
			log.Warn("inbound file attachments beyond per-message limit not inlined",
				"platform", msg.Platform, "files", len(msg.Media), "limit", documents.MaxPerMessage)
			return
		}
		seen++
		if len(m.Data) > 0 {
			continue
		}
		name := displayName(*m)
		if !documents.ExtAllowed(documents.ExtOf(name)) {
			// 预筛未过：**一个字节都不发出去**。这不是失败，是「这个格式本来就不读」。
			log.Debug("inbound attachment not inlined: extension not allowed",
				"platform", msg.Platform, "name", name, "mime", m.MIMEType, "size", m.Size)
			continue
		}
		if m.Size > documents.DefaultMaxBytes {
			log.Warn("inbound attachment not inlined: declared size over limit",
				"platform", msg.Platform, "name", name, "mime", m.MIMEType, "size", m.Size,
				"limit", documents.DefaultMaxBytes)
			continue
		}
		data, err := f.Fetch(ctx, *m)
		if err != nil {
			log.Warn("inbound attachment inline failed",
				"platform", msg.Platform, "name", name, "mime", m.MIMEType, "size", m.Size,
				"host", HostOf(m.URL), "err", err)
			continue
		}
		if len(data) == 0 {
			log.Warn("inbound attachment inline returned no bytes",
				"platform", msg.Platform, "name", name, "mime", m.MIMEType, "host", HostOf(m.URL))
			continue
		}
		m.Data = data
		log.Debug("inbound attachment inlined",
			"platform", msg.Platform, "name", name, "mime", m.MIMEType, "size", len(data))
	}
}

// IsFileMedia 报告一条媒体是不是**文件类**。判定与 channelbridge 的入站摄取同形
// （`MediaFile`，或「只给了内容类型、附件就在 Media 里」的 `ContentFile`）：两边
// 必须对「哪些附件该被内联」有一致的答案，否则会出现「内联了但没人消费」——
// 因此判定只有这一份，桥接器侧直接复用（切片 IM-ASR 去重）。
func IsFileMedia(msg *adapter.UnifiedMessage, m adapter.Media) bool {
	if m.Kind == adapter.MediaFile {
		return true
	}
	return m.Kind == "" && msg.ContentType == adapter.ContentFile
}

// displayName 给出用于**预筛**的展示名：优先平台给的文件名；缺名时退回资产地址的
// 路径末段（平台 CDN 的地址末段通常就是真实文件名；只取路径，**不含查询串**，因此
// 不会把签名凭据带进日志）。两者都拿不到时返回空串 —— `ExtAllowed("")` 为 false，
// 于是**不下载**（deny-by-default：宁可诚实说读不到，也不去下一条我们连类型都不知道
// 的资产）。文件名是渠道给的字符串，因此这里只取 basename 并限长。
func displayName(m adapter.Media) string {
	name := strings.TrimSpace(m.Name)
	if name != "" {
		return limitName(name)
	}
	u, err := url.Parse(strings.TrimSpace(m.URL))
	if err != nil {
		return ""
	}
	base := path.Base(u.Path)
	if base == "." || base == "/" {
		return ""
	}
	return limitName(base)
}

// limitName 按 rune 截断文件名：它只用于扩展名判定与日志展示。
func limitName(name string) string {
	runes := []rune(strings.TrimSpace(name))
	if len(runes) > nameMaxRunes {
		return string(runes[:nameMaxRunes])
	}
	return string(runes)
}