gen2d/docs/async-tasks.md

异步任务

概述

生成任务采用「提交-异步执行-轮询/推送」模式：API 同步返回 taskId，后端异步执行四阶段管线，前端通过轮询或 WebSocket 获取进度与结果。

任务生命周期

stateDiagram-v2
    [*] --> pending : POST /api/v1/generate
    pending --> running : Worker 领取任务
    running --> completed : 四阶段全部通过
    running --> failed : 节点执行失败 / 超过重试次数
    completed --> [*]
    failed --> [*]

状态	说明	持久化
pending	已入队，等待 Worker 领取	task.status = 'pending'
running	管线执行中，task.stage 记录当前阶段	task.status = 'running'
completed	管线完成，素材已保存到本地	task.status = 'completed', 写入 asset 表
failed	执行失败或超过重试上限	task.status = 'failed', task.error 记录原因

任务队列

采用内存 Channel 队列（非 Redis），适合单实例部署场景：

// jobqueue.go
type JobQueue struct {
    ch   chan string      // taskId channel
    done chan struct{}
}

func NewJobQueue(size int) *JobQueue {
    return &JobQueue{
        ch:   make(chan string, size),
        done: make(chan struct{}),
    }
}

func (q *JobQueue) Push(taskId string) {
    q.ch <- taskId
}

func (q *JobQueue) Pop() (string, bool) {
    select {
    case taskId := <-q.ch:
        return taskId, true
    case <-q.done:
        return "", false
    }
}

提交流程

POST /api/v1/generate
    │
    ├── 1. 去重检查（sync.Map，hash(prompt + assetType + params)）
    ├── 2. 写入 task 表（status=pending）
    ├── 3. 推入 JobQueue
    └── 4. 同步返回 taskId

Worker 流程

JobQueue.Pop() 取出 taskId
    │
    ├── 1. 更新 task.status = running
    ├── 2. 查询 task + project_style
    ├── 3. 构造 PipelineInput
    ├── 4. RunPipeline(ctx, input)
    │       ├── PromptOptimizer → stage 更新
    │       ├── AssetGenerator → stage 更新
    │       ├── QualitySupervisor → stage 更新（可能触发重优化分支）
    │       └── FormatAdapter → stage 更新
    ├── 5. 保存素材到本地，写入 asset 表
    ├── 6. 更新 task.status = completed
    └── 7. 异常时更新 task.status = failed, task.error = 错误信息

并发控制

通过固定数量的 Worker goroutine 控制并发：

func (s *TaskService) StartWorkers(n int) {
    for i := 0; i < n; i++ {
        go func(workerID int) {
            for {
                taskId, ok := s.queue.Pop()
                if !ok {
                    return
                }
                s.processTask(context.Background(), taskId)
            }
        }(i)
    }
}

参数	默认值	说明
队列容量	100	内存 channel 缓冲大小
Worker 数	3	并发执行任务数

超时控制

每个任务的 processTask 执行设置超时上下文（默认 10 分钟），超时后：

1. 取消正在执行的管线节点（如 AI 推理调用）
2. 更新 task.status = failed，task.error = "任务执行超时"
3. Worker 释放，继续处理下一个任务

避免长时间卡住的任务永久占用 Worker。

管线阶段与进度

每个阶段对应 Eino Graph 的一个节点，执行过程中更新 task.stage 和 task.progress：

阶段	stage 值	进度范围	说明
提示词优化	prompt_optimizer	0-20%	调用 PromptAgent/LLM 优化提示词，合并风格与技术参数
素材生成	asset_generator	20-60%	调用 AI 推理 API 出图
质量检查	quality_supervisor	60-80%	视觉模型质检
格式适配	format_adapter	80-100%	格式转换、spritesheet 打包、保存素材

进度更新通过 WebSocket 实时推送给前端（参见 API 设计 - WebSocket 消息格式）。

重试策略

质检重试（管线内重试）

QualitySupervisor 质检不通过时，Eino Graph 分支回到 PromptOptimizer 重新优化提示词：

QualitySupervisor -- fail --> PromptOptimizer --> AssetGenerator --> QualitySupervisor
QualitySupervisor -- pass --> FormatAdapter

参数	默认值	说明
最大重试次数	3	task.retry_count 达到上限后降级输出
重试触发条件	质检不通过	视觉模型判定风格不一致

超过重试次数后，跳过质检直接进入 FormatAdapter 输出（降级策略，保证任务不会无限循环）。

任务级重试（管线外重试）

管线执行过程中发生不可恢复的错误（如 AI API 超时、文件写入失败）：

参数	默认值	说明
最大重试次数	1	仅重试一次
重试间隔	5 秒	固定间隔

重试时重新执行完整管线，不保留上次中间状态。

进度推送

前端可通过两种方式获取任务进度：

轮询

GET /api/v1/tasks/:taskId

前端定时调用（建议间隔 2-3 秒），简单可靠，适合不需要实时性的场景。

WebSocket

ws://host/api/v1/tasks/:taskId/ws

长连接实时推送，通过 httpOnly Cookie 自动认证，每个阶段的状态变更立即通知前端。消息格式参见 API 设计。

去重

去重策略详见 数据存储 — 去重策略。相同输入的并发请求直接返回已有 taskId，任务完成后从内存清除。

文件存储

任务完成后，FormatAdapter 将素材保存到本地文件系统。素材文件的存储结构与访问方式详见 数据存储 — 文件存储。