# AIGC 架构深度分析与改造方案 > 文档版本: 1.0.0 > 更新日期: 2024-12-09 > 状态: 待实施 --- ## 1. 当前架构概览 ### 1.1 系统组成 ``` ┌─────────────────────────────────────────────────────────────────────────────┐ │ 前端 (Vue/React) │ │ - 用户交互界面 │ │ - WebSocket 接收进度推送 │ │ - HTTP API 调用 │ └─────────────────────────────────────────────────────────────────────────────┘ │ ▼ ┌─────────────────────────────────────────────────────────────────────────────┐ │ Java 后端 (Spring Boot) │ │ - 用户认证与权限 │ │ - 数据库 CRUD (MySQL) │ │ - 消息队列调度 (RabbitMQ) │ │ - WebSocket 推送 │ │ - API 次数管理 │ │ - 任务状态管理 │ └─────────────────────────────────────────────────────────────────────────────┘ │ ▼ ┌─────────────────────────────────────────────────────────────────────────────┐ │ Python 后端 (FastAPI) │ │ - AI/LLM 调用 │ │ - Prompt 管理与渲染 │ │ - 海报图片生成 │ │ - 内容生成逻辑 │ └─────────────────────────────────────────────────────────────────────────────┘ ``` ### 1.2 核心业务流程 #### NoteCreator (笔记生成) 完整流程 ``` 用户点击"生成笔记" │ ▼ ┌─────────────────────────────────────────────────────────────────────────────┐ │ 1. NoteCreatorController (Java) │ │ - 接收请求: userId, packageIds, styleIds, audienceIds, dates, numTopics │ │ - 创建 NoteCreatorTask 记录 (状态: PENDING) │ │ - 发送消息到 RabbitMQ (NOTE_CREATOR_QUEUE_HIGH/NORMAL) │ │ - 立即返回 taskId 给前端 │ └─────────────────────────────────────────────────────────────────────────────┘ │ │ RabbitMQ 异步消费 ▼ ┌─────────────────────────────────────────────────────────────────────────────┐ │ 2. NoteCreatorQueueConsumer (Java) │ │ - 更新任务状态: PROCESSING │ │ - 推送 WebSocket: 任务开始 (1%) │ │ - 调用 NoteCreatorGenerateService.executeFullNoteCreator() │ │ - 接收进度回调，推送 WebSocket (5% → 20% → 80% → 90% → 100%) │ │ - 更新任务状态: SUCCESS/FAILED │ │ - ACK 消息 │ └─────────────────────────────────────────────────────────────────────────────┘ │ ▼ ┌─────────────────────────────────────────────────────────────────────────────┐ │ 3. NoteCreatorGenerateServiceImpl (Java) │ │ │ │ 步骤 1: 生成选题 (5% → 20%) │ │ ├── 将 packageIds 转换为 productIds + scenicSpotIds │ │ ├── 调用 TopicGenerateService.generateAndSaveTopic() │ │ └── 推送进度: 20% │ │ │ │ 步骤 2: 预扣除 API 次数 │ │ │ │ 步骤 3: 生成内容 (20% → 90%) │ │ ├── 遍历每个选题 │ │ ├── 调用 ContentGenerateService.generateAndSaveContents() │ │ ├── 每完成一篇，推送进度 + 新结果 (流式推送) │ │ └── 保存到数据库 │ │ │ │ 步骤 4: 处理失败退款 │ │ │ │ 步骤 5: 返回结果 (90% → 100%) │ └─────────────────────────────────────────────────────────────────────────────┘ │ ▼ ┌─────────────────────────────────────────────────────────────────────────────┐ │ 4. TopicGenerateServiceImpl (Java) │ │ │ │ 当前实现 (有问题): │ │ ┌─────────────────────────────────────────────────────────────────────┐ │ │ │ Map requestBody = new HashMap<>(); │ │ │ │ requestBody.put("dates", datesStr); │ │ │ │ requestBody.put("numTopics", request.getNumTopics()); │ │ │ │ requestBody.put("styleIds", request.getStyleIds()); // ⚠️ ID │ │ │ │ requestBody.put("audienceIds", request.getAudienceIds()); // ⚠️ ID │ │ │ │ requestBody.put("scenicSpotIds", ...); // ⚠️ ID │ │ │ │ requestBody.put("productIds", ...); // ⚠️ ID │ │ │ │ │ │ │ │ // 调用旧接口 │ │ │ │ externalServiceClient.post("content-generate", "topics", ...); │ │ │ └─────────────────────────────────────────────────────────────────────┘ │ └─────────────────────────────────────────────────────────────────────────────┘ │ │ HTTP 同步调用 ▼ ┌─────────────────────────────────────────────────────────────────────────────┐ │ 5. Python FastAPI │ │ │ │ 旧接口 (已废弃): │ │ POST /api/v1/tweet/topics │ │ - 接收 ID 列表 │ │ - 查询数据库获取完整信息 ← ⚠️ Python 访问数据库 │ │ - 构建 Prompt │ │ - 调用 LLM │ │ - 返回选题列表 │ │ │ │ 新接口 (V2): │ │ POST /api/v2/aigc/execute │ │ - 接收完整对象 │ │ - 直接使用 PromptRegistry 渲染 │ │ - 调用 LLM │ │ - 返回结果 │ └─────────────────────────────────────────────────────────────────────────────┘ ``` --- ## 2. 问题分析 ### 2.1 数据库双端访问问题 **现状**： ``` Java 端: - 存储 景区(ScenicSpot)、产品(Product)、风格(Style)、人群(Audience) - 存储 选题(Topic)、内容(Content)、任务(Task) Python 端: - 也需要查询 景区、产品、风格、人群 信息来构建 Prompt - 导致两端都需要数据库连接 ``` **问题**： 1. 数据一致性风险 2. 连接池资源浪费 3. 部署复杂度增加 4. Python 端需要维护 ORM 模型 ### 2.2 ID vs 完整对象 **现状**： ```java // Java 端传递 ID requestBody.put("scenicSpotIds", Arrays.asList("1", "2", "3")); ``` ```python # Python 端需要查数据库 scenic_spots = db.query(ScenicSpot).filter(ScenicSpot.id.in_(ids)).all() ``` **问题**： 1. 额外的数据库查询 2. ID 可能无效或已删除 3. 数据版本不一致 ### 2.3 Prompt 管理分散 **现状**： ``` Python 端: prompts/ ├── topic_generate/v1.0.0.yaml ├── content_generate/v1.0.0.yaml ├── style/gonglue/v1.0.0.yaml └── audience/qinzi/v1.0.0.yaml Java 端: - 需要知道有哪些风格/人群可选 - 需要展示风格/人群的名称和描述 - 但这些信息在 Python 端的 YAML 文件中 ``` **问题**： 1. Java 端无法动态获取可用的风格/人群列表 2. 前端下拉框的选项需要硬编码或单独维护 3. 新增风格/人群需要两端同步修改 --- ## 3. 目标架构 (方案 A: Python 作为纯计算服务) ### 3.1 职责划分 ``` ┌─────────────────────────────────────────────────────────────────────────────┐ │ Java 后端 │ │ │ │ 职责: │ │ ✅ 用户认证与权限管理 │ │ ✅ 所有数据库 CRUD 操作 │ │ ✅ 消息队列调度 (RabbitMQ) │ │ ✅ WebSocket 进度推送 │ │ ✅ 任务状态管理 │ │ ✅ API 次数管理 │ │ ✅ 查询并组装完整数据对象 │ │ ✅ 提供风格/人群配置 API (从 Python 获取或本地缓存) │ │ │ │ 不做: │ │ ❌ Prompt 模板管理 │ │ ❌ LLM 调用 │ │ ❌ 图片处理 │ └─────────────────────────────────────────────────────────────────────────────┘ │ │ HTTP (同步调用，传完整对象) ▼ ┌─────────────────────────────────────────────────────────────────────────────┐ │ Python 后端 │ │ │ │ 职责: │ │ ✅ Prompt 模板管理 (PromptRegistry) │ │ ✅ Prompt 渲染 (Jinja2) │ │ ✅ LLM 调用 │ │ ✅ 海报图片生成 │ │ ✅ 提供风格/人群配置查询 API │ │ │ │ 不做: │ │ ❌ 数据库访问 │ │ ❌ 用户认证 │ │ ❌ 任务状态管理 │ │ ❌ 消息队列 │ └─────────────────────────────────────────────────────────────────────────────┘ ``` ### 3.2 新的调用流程 ``` ┌─────────────────────────────────────────────────────────────────────────────┐ │ Java: TopicGenerateServiceImpl │ │ │ │ // 1. 从数据库查询完整对象 │ │ ScenicSpot scenicSpot = scenicSpotService.getById(scenicSpotId); │ │ Product product = productService.getById(productId); │ │ Style style = styleService.getById(styleId); │ │ Audience audience = audienceService.getById(audienceId); │ │ │ │ // 2. 构建请求体 (完整对象) │ │ Map request = Map.of( │ │ "engine", "topic_generate", │ │ "params", Map.of( │ │ "month", "2025-01", │ │ "num_topics", 5, │ │ "scenic_spot", Map.of( │ │ "id", scenicSpot.getId(), │ │ "name", scenicSpot.getName(), │ │ "description", scenicSpot.getDescription(), │ │ "address", scenicSpot.getAddress(), │ │ "highlights", scenicSpot.getHighlights() │ │ ), │ │ "product", Map.of( │ │ "id", product.getId(), │ │ "name", product.getName(), │ │ "price", product.getPrice(), │ │ "description", product.getDescription() │ │ ), │ │ "style", Map.of( │ │ "id", style.getId(), │ │ "name", style.getName() │ │ ), │ │ "audience", Map.of( │ │ "id", audience.getId(), │ │ "name", audience.getName() │ │ ) │ │ ) │ │ ); │ │ │ │ // 3. 调用 Python V2 接口 │ │ Response response = externalServiceClient.post( │ │ "content-generate", │ │ "/api/v2/aigc/execute", │ │ request, │ │ TopicGenerateResponse.class │ │ ); │ └─────────────────────────────────────────────────────────────────────────────┘ │ ▼ ┌─────────────────────────────────────────────────────────────────────────────┐ │ Python: /api/v2/aigc/execute │ │ │ │ // 1. 解析请求 │ │ engine_id = request.engine # "topic_generate" │ │ params = request.params # 包含完整对象 │ │ │ │ // 2. 获取引擎并执行 │ │ engine = registry.get(engine_id) │ │ result = await engine.execute(params) │ │ │ │ // 3. 引擎内部 │ │ // - 使用 PromptRegistry 渲染 Prompt │ │ // - 调用 LLM │ │ // - 返回结果 │ └─────────────────────────────────────────────────────────────────────────────┘ ``` --- ## 4. Prompt 与配置管理方案 ### 4.1 风格/人群配置的双端访问 **问题**：Java 端需要展示风格/人群列表供用户选择，但配置在 Python 端。 **方案 1: Python 提供查询 API (推荐)** ``` Python 端提供 API: GET /api/v2/aigc/prompts/list 返回: { "prompts": [ "topic_generate", "content_generate", "style/gonglue", "style/tuijian", "audience/qinzi", "audience/zhoubianyou", "audience/gaoshe" ] } GET /api/v2/aigc/prompts/styles 返回: { "styles": [ { "id": "gonglue", "name": "攻略风", "description": "以实用信息为主，包含详细的游玩路线..." }, { "id": "tuijian", "name": "极力推荐风", "description": "热情推荐，强调产品亮点..." } ] } GET /api/v2/aigc/prompts/audiences 返回: { "audiences": [ { "id": "qinzi", "name": "亲子向", "description": "家庭出游，有小孩同行..." }, ... ] } ``` **Java 端使用**： ```java // 启动时或定时刷新，缓存到本地 @Scheduled(fixedRate = 3600000) // 每小时刷新 public void refreshStylesAndAudiences() { StylesResponse styles = pythonClient.get("/api/v2/aigc/prompts/styles"); AudiencesResponse audiences = pythonClient.get("/api/v2/aigc/prompts/audiences"); // 缓存到 Redis 或内存 cache.put("styles", styles.getStyles()); cache.put("audiences", audiences.getAudiences()); } // 前端请求时返回缓存 @GetMapping("/styles") public List getStyles() { return cache.get("styles"); } ``` **方案 2: 配置同步到数据库** ``` Python 端: - 仍然是 Prompt 的权威来源 - 提供导出 API Java 端: - 定时从 Python 同步配置到数据库 - 前端从 Java 数据库读取 问题: - 数据可能不一致 - 需要同步机制 ``` **推荐方案 1**，因为： - Python 是 Prompt 的唯一权威来源 - 无数据一致性问题 - Java 只做缓存，不存储 ### 4.2 Prompt YAML 结构规范 ```yaml # prompts/style/gonglue/v1.0.0.yaml meta: name: style_gonglue version: "1.0.0" description: "攻略风文案风格" author: "team" created_at: "2024-12-08" # 用于 Java 端展示的元信息 style_id: "gonglue" # 唯一标识 style_name: "攻略风" # 显示名称 style_description: "以实用信息为主，包含详细的游玩路线、时间安排、费用预算等" style_icon: "📝" # 可选，前端图标 style_order: 1 # 排序权重 # 风格提示词内容 (用于 Prompt 渲染) content: | 你是景区小红书爆款文案策划... ``` ```yaml # prompts/audience/qinzi/v1.0.0.yaml meta: name: audience_qinzi version: "1.0.0" description: "亲子向用户画像" # 用于 Java 端展示的元信息 audience_id: "qinzi" audience_name: "亲子向" audience_description: "家庭出游，有小孩同行，关注安全性和趣味性" audience_icon: "👨‍👩‍👧" audience_order: 1 # 人群提示词内容 content: | 用户画像：亲子家庭 - 年龄构成：父母25-45岁，孩子3-12岁 - 出游特点：注重安全、趣味、教育意义 ... ``` --- ## 5. 接口规范 ### 5.1 Python V2 API #### 5.1.1 执行引擎 ``` POST /api/v2/aigc/execute 请求体: { "engine": "topic_generate", "params": { "month": "2025-01", "num_topics": 5, "scenic_spot": { "id": 1, "name": "天津冒险湾", "description": "天津最大的水上乐园...", "address": "天津市滨海新区...", "highlights": ["水上过山车", "儿童戏水区"] }, "product": { "id": 10, "name": "家庭套票", "price": 299, "original_price": 399, "description": "含2大1小门票..." }, "style": { "id": "gonglue", "name": "攻略风" }, "audience": { "id": "qinzi", "name": "亲子向" } } } 响应体: { "success": true, "data": { "topics": [ { "index": 1, "date": "2025-01-15", "title": "寒假遛娃好去处", "logic": "寒假期间家庭出游需求旺盛..." }, ... ] }, "execution_time": 12.5, "metadata": { "model": "gpt-4", "prompt_version": "v1.0.0", "tokens_used": 1500 } } ``` #### 5.1.2 查询风格列表 ``` GET /api/v2/aigc/config/styles 响应体: { "styles": [ { "id": "gonglue", "name": "攻略风", "description": "以实用信息为主...", "icon": "📝", "order": 1 }, { "id": "tuijian", "name": "极力推荐风", "description": "热情推荐，强调亮点...", "icon": "🔥", "order": 2 } ], "count": 2 } ``` #### 5.1.3 查询人群列表 ``` GET /api/v2/aigc/config/audiences 响应体: { "audiences": [ { "id": "qinzi", "name": "亲子向", "description": "家庭出游...", "icon": "👨‍👩‍👧", "order": 1 }, ... ], "count": 3 } ``` ### 5.2 Java 端改造清单 #### 5.2.1 TopicGenerateServiceImpl 改造 ```java // 改造前 private TopicGenerateResponse callAIService(TopicGenerateRequest request) { Map requestBody = new HashMap<>(); requestBody.put("dates", datesStr); requestBody.put("styleIds", request.getStyleIds()); // ❌ 传 ID requestBody.put("audienceIds", request.getAudienceIds()); // ❌ 传 ID requestBody.put("scenicSpotIds", request.getScenicSpotIds()); requestBody.put("productIds", request.getProductIds()); return externalServiceClient.post(SERVICE_NAME, "topics", requestBody, ...); } // 改造后 private TopicGenerateResponse callAIService(TopicGenerateRequest request) { // 1. 查询完整对象 List scenicSpots = scenicSpotService.listByIds(request.getScenicSpotIds()); List products = productService.listByIds(request.getProductIds()); Style style = styleConfigService.getById(request.getStyleIds().get(0)); Audience audience = audienceConfigService.getById(request.getAudienceIds().get(0)); // 2. 构建 V2 请求 Map params = new HashMap<>(); params.put("month", datesStr); params.put("num_topics", request.getNumTopics()); params.put("scenic_spot", convertToMap(scenicSpots.get(0))); params.put("product", convertToMap(products.get(0))); params.put("style", Map.of("id", style.getId(), "name", style.getName())); params.put("audience", Map.of("id", audience.getId(), "name", audience.getName())); Map requestBody = Map.of( "engine", "topic_generate", "params", params ); // 3. 调用 V2 接口 return externalServiceClient.post(SERVICE_NAME, "/api/v2/aigc/execute", requestBody, ...); } private Map convertToMap(ScenicSpot spot) { Map map = new HashMap<>(); map.put("id", spot.getId()); map.put("name", spot.getName()); map.put("description", spot.getDescription()); map.put("address", spot.getAddress()); map.put("traffic_info", spot.getTrafficInfo()); map.put("highlights", spot.getHighlights()); map.put("opening_hours", spot.getOpeningHours()); return map; } ``` #### 5.2.2 ContentGenerateServiceImpl 改造 ```java // 改造后 private ContentGenerateResponse callAIService(ContentGenerateRequest.ContentsInfo request) { // 1. 查询完整对象 ScenicSpot scenicSpot = scenicSpotService.getById(request.getScenicSpotIds().get(0)); Product product = productService.getById(request.getProductIds().get(0)); Style style = styleConfigService.getById(request.getStyleIds().get(0)); Audience audience = audienceConfigService.getById(request.getAudienceIds().get(0)); // 2. 构建 V2 请求 Map params = new HashMap<>(); params.put("topic", request.getTopic()); params.put("scenic_spot", convertToMap(scenicSpot)); params.put("product", convertToMap(product)); params.put("style", Map.of("id", style.getId(), "name", style.getName())); params.put("audience", Map.of("id", audience.getId(), "name", audience.getName())); params.put("enable_judge", true); Map requestBody = Map.of( "engine", "content_generate", "params", params ); return externalServiceClient.post(SERVICE_NAME, "/api/v2/aigc/execute", requestBody, ...); } ``` #### 5.2.3 ExternalServicesConfig 改造 ```yaml # application.yml external-services: content-generate: enabled: true base-url: http://localhost:8000 connect-timeout: 30 read-timeout: 120 endpoints: # 旧接口 (待废弃) topics: /api/v1/tweet/topics content: /api/v1/tweet/content # 新接口 (V2) execute: /api/v2/aigc/execute styles: /api/v2/aigc/config/styles audiences: /api/v2/aigc/config/audiences engines: /api/v2/aigc/engines ``` #### 5.2.4 新增 StyleConfigService ```java @Service public class StyleConfigService { @Autowired private ExternalServiceClient pythonClient; @Autowired private RedisTemplate redisTemplate; private static final String CACHE_KEY_STYLES = "aigc:config:styles"; private static final String CACHE_KEY_AUDIENCES = "aigc:config:audiences"; /** * 获取所有风格配置 */ public List getAllStyles() { // 1. 先查缓存 List cached = (List) redisTemplate.opsForValue().get(CACHE_KEY_STYLES); if (cached != null) { return cached; } // 2. 从 Python 获取 StylesResponse response = pythonClient.get("content-generate", "styles", StylesResponse.class); List styles = response.getStyles(); // 3. 缓存 1 小时 redisTemplate.opsForValue().set(CACHE_KEY_STYLES, styles, 1, TimeUnit.HOURS); return styles; } /** * 根据 ID 获取风格 */ public StyleConfig getById(String styleId) { return getAllStyles().stream() .filter(s -> s.getId().equals(styleId)) .findFirst() .orElseThrow(() -> new BusinessException(ErrorCode.NOT_FOUND, "风格不存在: " + styleId)); } /** * 刷新缓存 */ @Scheduled(fixedRate = 3600000) public void refreshCache() { try { redisTemplate.delete(CACHE_KEY_STYLES); redisTemplate.delete(CACHE_KEY_AUDIENCES); getAllStyles(); getAllAudiences(); log.info("风格/人群配置缓存已刷新"); } catch (Exception e) { log.error("刷新配置缓存失败", e); } } } ``` --- ## 6. 迁移计划 ### 6.1 阶段划分 ``` 阶段 1: Python 端准备 (已完成 ✅) ├── [x] 实现 PromptRegistry ├── [x] 迁移所有 Prompt 到 YAML ├── [x] 实现 V2 引擎 (topic_generate, content_generate, poster_generate) ├── [x] 实现 /api/v2/aigc/execute 接口 └── [x] 删除旧的数据库访问代码 阶段 2: Python 端补充 (待实施) ├── [ ] 实现 /api/v2/aigc/config/styles 接口 ├── [ ] 实现 /api/v2/aigc/config/audiences 接口 ├── [ ] 完善 Prompt YAML 的 meta 信息 └── [ ] 添加接口文档 阶段 3: Java 端改造 (待实施) ├── [ ] 新增 StyleConfigService ├── [ ] 新增 AudienceConfigService ├── [ ] 改造 TopicGenerateServiceImpl ├── [ ] 改造 ContentGenerateServiceImpl ├── [ ] 改造 PosterGenerateServiceImpl ├── [ ] 更新 ExternalServicesConfig └── [ ] 添加配置缓存机制 阶段 4: 联调测试 (待实施) ├── [ ] 单元测试 ├── [ ] 集成测试 ├── [ ] 性能测试 └── [ ] 回归测试 阶段 5: 上线切换 (待实施) ├── [ ] 灰度发布 ├── [ ] 监控告警 ├── [ ] 旧接口废弃 └── [ ] 文档更新 ``` ### 6.2 兼容性策略 ``` 过渡期间: 1. Python 端同时保留 V1 和 V2 接口 2. Java 端逐步切换到 V2 接口 3. 通过配置开关控制使用哪个版本 4. 完全切换后删除 V1 接口 配置示例: external-services: content-generate: use-v2-api: true # 开关 ``` --- ## 7. 风险评估 | 风险 | 等级 | 影响 | 缓解措施 | |-----|------|------|---------| | Python 服务不可用 | 🔴 高 | 所有 AIGC 功能不可用 | 健康检查、自动重启、降级提示 | | 配置缓存过期 | 🟡 中 | 风格/人群列表可能不一致 | 定时刷新、手动刷新接口 | | 接口响应超时 | 🟡 中 | 用户体验差 | 合理超时设置、进度推送 | | Prompt 渲染错误 | 🟡 中 | 生成内容质量差 | 变量验证、默认值、错误提示 | | 数据对象字段缺失 | 🟢 低 | Prompt 渲染不完整 | 字段校验、默认值填充 | --- ## 8. 附录 ### 8.1 数据对象字段规范 #### ScenicSpot (景区) ```json { "id": 1, "name": "天津冒险湾", "description": "天津最大的水上乐园，拥有多种刺激水上项目和亲子设施", "address": "天津市滨海新区海滨大道", "location": "天津市", "traffic_info": "地铁9号线直达，自驾可走津滨高速", "highlights": ["水上过山车", "儿童戏水区", "漂流河"], "opening_hours": "09:00-18:00", "ticket_info": "成人票 199 元，儿童票 99 元", "tips": "建议自带泳衣，园区内也有售卖" } ``` #### Product (产品) ```json { "id": 10, "name": "家庭套票", "price": 299, "original_price": 399, "description": "含2大1小门票，赠送储物柜", "includes": ["2张成人票", "1张儿童票", "储物柜1个"], "valid_period": "2025-01-01 至 2025-03-31", "usage_rules": "需提前1天预约，入园当日有效" } ``` #### Style (风格) ```json { "id": "gonglue", "name": "攻略风" } ``` #### Audience (人群) ```json { "id": "qinzi", "name": "亲子向" } ``` #### Topic (选题) ```json { "index": 1, "date": "2025-01-15", "title": "寒假遛娃好去处", "object": "天津冒险湾", "product": "家庭套票", "style": "攻略风", "targetAudience": "亲子向", "logic": "寒假期间家庭出游需求旺盛，水上乐园是热门选择" } ``` ### 8.2 错误码规范 | 错误码 | 说明 | HTTP 状态码 | |-------|------|------------| | ENGINE_NOT_FOUND | 引擎不存在 | 404 | | INVALID_PARAMS | 参数校验失败 | 400 | | PROMPT_NOT_FOUND | Prompt 不存在 | 404 | | PROMPT_RENDER_ERROR | Prompt 渲染失败 | 500 | | LLM_ERROR | LLM 调用失败 | 500 | | TIMEOUT | 执行超时 | 504 | --- ## 9. 变更记录 | 版本 | 日期 | 作者 | 变更内容 | |-----|------|------|---------| | 1.0.0 | 2024-12-09 | Team | 初始版本 |