Files
zyt/artifacts/ai_no_answer_stream_audit_20261027.md
T
2026-10-27 14:03:35 +08:00

93 lines
11 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 桌面 AI 仅显示标题后校验失败:流式链路只读审查
日期:2026-10-27。范围:当前本地工作树的服务端流式校验、重试与桌面接收/展示生命周期。只新增本报告,没有修改、还原或部署应用源码,没有发起模型/生产请求,没有读取凭据或真实病历。项目 `AGENTS.md` 已读,当前目录没有 `.trellis/`。
## 结论
截图中的“AI正文与病历的已知、阴性或未记录状态不一致……”是服务端业务拒绝,通常表示:模型已经生成标题,服务端放出了这些无事实断言的标题;随后一个完成段落未通过校验,被服务端拦截并终止生成;桌面保留已经收到的标题,并展示失败。它不能证明模型完全没有回答,也不是等待超时的表现。
主代理另行只读核对的当日 09:23 同形请求记录为:`upstream_done=4654ms`、`delta_count=2`、`delta_bytes=56`;与截图约 4.9 秒、仅两个标题相符。该日志没有保存 issue 枚举,本审查没有据此推定具体被拒内容。
**当前代码并不对每个未完成 token 直接做事实校验。** 它先攒到空行形成一个段落,再校验“已交付前缀 + 新段落”;剩余没有空行的尾段只在成功终态 `finish()` 校验。标题也算一个可提前放出的段落,因此“首字 3.4 秒”可能只是标题首字,不能当作有效临床分析首字或完整成功。
**截图的通用错误不能确定具体触发器。** 当前流式拒绝把脉象流程限制、事实状态冲突、证据/格式协议问题等多种原因都包装成 `TCM_FACT_STATE_CONFLICT`。必须查看同一请求 SSE error 中安全的 `clinical_fact_state_issues[].code`。没有这份元数据,不能断言真实患者状态有矛盾,也不能断言守卫一定误报。
## 1. 已确认的调用链与证据位置
| 边界 | 代码位置 | 实际行为 |
| --- | --- | --- |
| 模型正文进入服务端校验 | `server/app/adminapi/logic/tcm/DiagnosisAiLogic.php:652`、`:692` | 非处方草稿都创建 `TcmClinicalReportStream`,传输 delta 先送 `push()`;当前统一 `pulseExcluded=true`。 |
| 缓存完整段落 | `server/app/adminapi/service/TcmClinicalReportStream.php:31` | 双换行前只缓存;达到边界时取完整段落,累计到已交付前缀后校验。 |
| 校验顺序 | 同文件 `:120` | 脉象流程政策 → 事实状态守卫 → 可选证据协议 → 可选续写重复章节/方药前提检查。 |
| 拒绝即停止 | 同文件 `:143`;`DiagnosisAiLogic.php:660`、`:711` | `reject()` 记录安全 issue,回调返回 false;abort 同时观察 `rejected()`,逻辑返回 null,不向客户端交付被拒段落。 |
| 通用错误生成 | `DiagnosisAiLogic.php:1450`、`:1463` | 末节完整性专用分支之外,其余流式 issues 都进入 `rejectClinicalState()`,变成同一中文错误和 `TCM_FACT_STATE_CONFLICT`。 |
| SSE error | `server/app/adminapi/controller/tcm/DiagnosisController.php:1094`、`:1140` | null 结果发 error,不发 done;error 含 `clinical_fact_state_issues`、请求状态等安全元数据。 |
| 桌面错误转异常 | `app/src/doctor_workstation/services/repository.py:1414`、`:3036` | SSE error 立即变为 `ApiBusinessError(data=原error元数据)`,没有再调用普通分析接口。 |
| 线程已收片段先排空 | `app/src/doctor_workstation/ui/dialogs/ai_consult.py:7244` | `_stream_worker_failed()` 先 drain 已收到的有序事件,再 `_stream_failed()`。 |
| 失败展示 | 同文件 `:7440`、`:3548` | 保留批准片段,单独显示失败标签;不标记 `_stream_completed`,不转换成完整临床报告,不添加伪造分析内容。 |
服务端事实守卫本身明确是本地词法/来源边界检查,不是任意临床文本的完整语义验证(`TcmClinicalFactStateGuard.php` 类注释)。因此“程序拒绝”与“已证实临床事实矛盾”不能划等号。
## 2. 可复现的两个不同原因,产生相同截图形态
在 PHP stdin 里直接调用生产 `TcmClinicalFactStateGuard`、`TcmClinicalReportStream` 和 `DiagnosisAiLogic::rejectClinicalStream()`,只使用合成输入,不保存临床正文:
1. 先推入两段普通标题,再推一个没有空行的段落。标题立即可见,新段落仍缓存。
2. 补双换行才触发拒绝;可见文字保持为标题,返回同一 `TCM_FACT_STATE_CONFLICT`。
| 合成用例 | 底层 issue | 最终公共 error | 可见输出 |
| --- | --- | --- | --- |
| 把原本未记录的症状写为否认 | `UNKNOWN_TO_NEGATIVE`、`NEGATIVE_NOT_IN_SOURCE` | `TCM_FACT_STATE_CONFLICT` | 只有先前标题 |
| 输出“脉象未记录”栏目 | `PULSE_EXCLUDED_FROM_ASSESSMENT` | `TCM_FACT_STATE_CONFLICT` | 只有先前标题 |
这个结果验证了流式生命周期,也证明截图同一错误文案不能单独区分真实状态冲突和流程策略拒绝。
## 3. 已发现的具体问题与修复方向
### A. 错误分类过度合并,造成误导性排查
`rejectClinicalStream()` 除长报告最终完整性外,全部转入事实冲突错误;流式的 `PULSE_EXCLUDED_FROM_ASSESSMENT` 也因此对医生显示“已知、阴性或未记录状态不一致”。而普通阻塞接口 `formatAssistantResult()` 对同一脉象政策有独立错误码和明确文案(`DiagnosisAiLogic.php:1541`),两条接口不一致。
建议按安全 issue 类别返回稳定错误码/用户文案:脉象流程限制、事实状态、来源/格式、报告完整性分别映射;保留 issue 白名单,不回传被拒正文。至少先让诊断面板显示 issue 枚举和 trace_id;目前桌面 `_merge_stream_meta()` 保留这些字段,但没有专门呈现事实校验 issue 的界面。
### B. 保存的 Dify 发布提示与当前本地脉象政策相互冲突,需要核对现网
最新保存的已发布候选 `artifacts/dify_tcm_system_v39_candidate.txt` 明确要求“舌象、脉象独立成行”“望闻问切、舌、脉各独立成段”,并以脉缺失限制选方。当前 `TcmClinicalResponsePolicy::consultationInstruction()` 明确要求本流程不设脉象栏目、不补采、不以缺脉限制用方;当前流式守卫会拒绝“脉象未记录”等表述。
**如果当前 Dify 发布配置仍是该保存版本,模型遵守上游 SYSTEM 也会撞上本地硬拒绝。** 这是一条足以导致持续失败的具体配置冲突,但历史保存文件不能证明当前实际发布内容;需对被当前 API key 选中的已发布应用做白名单只读核对。不要仅核对草稿。也不要靠删除守卫或隐藏正文中的脉象词来掩盖冲突。应让同一流程的 SYSTEM 与本地政策一致,并保留其他产品原有政策。
### C. “部分输出后没有重试”取决于实际任务路由,不是所有模式相同
- 普通任务:`DiagnosisAiLogic.php:711` 在临床拒绝后立刻返回,兼容重试位于其后且仅处理 `UPSTREAM_REJECTED / INCOMPLETE_RESPONSE / EMPTY_RESPONSE`,并要求尚未交付 delta。事实校验拒绝没有普通重试;保留标题后失败符合当前设计。
- 显式长报告:仅 `task=custom` 且原 `<USER_QUESTION>` 命中“长报告”或“完整…辨证报告/中医报告/临床报告”时进入 `streamLongReport()`(`:867`)。它在安全门确认上次上游真实终态、仍有总预算且未取消时,最多一次同模型有限续写(`:905–949`)。不是所有“请辨证分析”都会进此分支。
- 桌面:仅流式路由缺失 404/405 且尚无任何事件时降级旧接口;业务拒绝、连接中断、超时都不会自动发第二个完整请求(`repository.py:1454`)。这避免把部分答案和新答案混合。
应从同次 error 元数据检查 `report_stage_count / clinical_repair_count`、实际 task、终态/清理状态,才能解释为什么没修复续写。若产品决定普通任务也提供受限修复,须显式设计相同的终态准入、共享 deadline、保留前缀和去重约束,不能在 UI 直接无限重试。
### D. 当前测试存在未解决的失败与版本预期冲突
`TcmClinicalFactStateGuardTest.php` 当前执行 2606 断言,其中两条保留的早期合成段落失败;两者都报告 `ATTRIBUTED_SOURCE_QUOTE_INVALID` 和 `NEGATION_SCOPE_WIDENED`。不能把守卫全套称为绿色;需审查 fixture 预期和实际语法,逐句判断真实扩大否定与词法误报。
旧 R38 UI 测试仍期待失败后立即揭示完整批准片段并把错误追加到正文;当前 R40 明确要求批准片段继续逐字呈现,错误单列、原文不混入系统文案。R38 对应测试失败、R40 对应测试通过,是当前测试预期冲突,不能直接当成导致服务端临床拒绝的原因。应统一成最终产品要求。
## 4. 本次实际离线验证结果
| 命令/用例 | 结果 |
| --- | --- |
| `php server/tests/DiagnosisAiAssistantRetryIsolationTest.php` | 16/16 通过 |
| `php server/tests/DiagnosisAiPulseExcludedR36IntegrationTest.php` | 18/18 通过 |
| `php server/tests/TcmConsultationPulseExcludedR36Test.php` | 191/191 通过 |
| `php server/tests/TcmClinicalFactStateGuardTest.php` | 2604/2606 通过;2 失败,见上文 |
| `app/.venv/Scripts/python.exe -m pytest tests/test_repository_parity.py -k diagnosis_ai_stream -q -p no:cacheprovider`(cwd=app) | 11 通过 |
| 同一 Python 跑 `test_ai_character_presentation_r40.py` 的失败/EOF 保留批准片段和无片段错误测试,`QT_QPA_PLATFORM=offscreen` | 3 通过 |
| 同一 Python 跑 `test_ai_approved_presentation_r38.py::test_error_preserves_all_approved_partial_and_never_formats_success` | 1 失败;旧断言要求 timer 当场停止,与 R40 要求不同 |
| 两条生产 stream 直接合成回放 | 均确认未完成段落只缓存、双换行才拒绝、只保留标题、不同底层 issue 变成相同 error |
下一轮定向测试应覆盖:标题 + 合法首段 + 冲突第二段的精确已交付字节;跨 chunk 双换行/CRLF;未知→阴性与阴性→未知;脉象流程拒绝的独立错误映射;来源格式拒绝的分类;普通任务不重发;显式长报告只有在旧任务真实终态后一次续写;失败后不出现 done、不生成成功面板,且保留安全 issue/trace_id。
## 5. 还需要的最小运行证据
仅按同一 trace/request 采集:task/profile、错误码、issue 枚举、字节/段落数、各阶段耗时、`report_stage_count/clinical_repair_count`、上游终态/清理状态,以及已发布 SYSTEM 的非秘密版本/哈希与脉象规则状态。不要输出患者正文、被拒段落、内部推理、鉴权头或完整请求。若仍需复现某个词法边界,用无患者资料的合成来源和短段落离线回放即可。
截图本身无法给出被拒段落和实际 issue。现阶段可确认“业务校验中断 + 前端保留批准标题”的机制;不能把这个机制描述成已经完成的模型质量修复,也不能把历史 Dify 文件当作当前发布配置的证据。