feat(#57): InferenceBackend 抽象接口定义（PRD 5.6 loadModel/infer/health/unload）
将原先内联在 gateway.py 的薄弱 InferenceBackend 提炼为正式抽象基类（ABC），
对齐 PRD 5.6「⑥ 部署底座」契约，为 #44/#45/#58/#59 各类后端提供统一接入点。
实现内容：
- 新增 core/llm-gateway/backends.py：
· InferenceBackend（ABC）：PRD 要求的四个生命周期方法 load_model / infer /
health_check / unload（均幂等），能力声明 capabilities，并保留 generate()
向后兼容（转发到 infer().text）
· 值对象 BackendCapabilities（streaming/max_concurrency/on_premises/modalities）
/ BackendHealth（healthy/detail/checked_at）/ InferResult（text+审计元信息）
· LocalBackend / CloudBackend 占位实现迁移至此并继承新 ABC，补齐生命周期
· default_registry + build_backend：配置驱动切换后端（未知 name 报错并提示已知项）
- gateway.py：删除内联定义，改为从 backends.py 再导出，LLMGateway.ask() 调用路径不变
- __init__.py：再导出新符号（BackendCapabilities/BackendHealth/InferResult/
build_backend/default_registry），InferenceBackend 现为 ABC
设计原则：业务代码仅依赖接口，不感知硬件；切换后端 = 换实现 + 改配置，业务零改动。
测试：core/llm-gateway 全量 97 个用例通过（新增 27 + 既有 70，零回归）。
运行：python -m unittest discover -s tests -v（在 core/llm-gateway 目录下）
This commit is contained in:
@@ -0,0 +1,301 @@
|
||||
# -*- coding: utf-8 -*-
|
||||
"""iAOP-Core · LLM 网关 —— 推理后端抽象接口（Issue #57，PRD 5.6）。
|
||||
|
||||
PRD 5.6「⑥ 部署底座」明确要求：
|
||||
|
||||
定义统一 ``InferenceBackend`` 接口（``loadModel / infer / health / unload``），
|
||||
5090 实现（Triton/ONNX）与昇腾实现（ACL/CANN）均实现该接口；
|
||||
**业务代码仅依赖接口，不感知硬件**；切换后端 = 改适配层配置，不动业务代码。
|
||||
|
||||
本模块把原先内联在 ``gateway.py`` 里的薄弱 ``InferenceBackend`` 提炼为正式的
|
||||
抽象基类（ABC），并补齐 PRD 要求的生命周期方法与能力声明，使后续子任务：
|
||||
|
||||
- #44 本地 70B 模型接入与推理封装（vLLM/TGI）
|
||||
- #45 云端 API（Qwen/DeepSeek）接入与安全网关
|
||||
- #58 GPU 后端实现（NVIDIA，Triton/ONNX）
|
||||
- #59 昇腾 NPU 后端适配（CANN/ACL）
|
||||
|
||||
都能在**同一契约**下落地，业务编排（``LLMGateway``）零改动。
|
||||
|
||||
设计要点
|
||||
--------
|
||||
1. **接口最小且完备**：仅约束 PRD 列出的四个生命周期动作 ``load_model / infer /
|
||||
health_check / unload``，外加能力声明 ``BackendCapabilities``（流式 / 最大并发 /
|
||||
是否出厂内闭环），供路由与调度决策。
|
||||
2. **向后兼容**：保留 ``generate(prompt, context)`` 便捷方法（默认转发到
|
||||
``infer``），既有 ``LLMGateway.ask()`` 调用路径不变；老测试不受影响。
|
||||
3. **可注入 / 可 mock**：所有方法纯逻辑、无外部 IO 依赖；真实硬件/网络交互由
|
||||
各子类在 ``infer`` 内部完成（子类负责导入厂商 SDK 并做 ``ImportError`` 容错）。
|
||||
4. **健康探针**：``health_check`` 返回结构化 ``BackendHealth``，供可用性监控探针
|
||||
（Issue #61）与灰度发布（PRD 5.6 配置点）判定后端是否就绪。
|
||||
|
||||
测试：``python -m unittest discover -s tests -v``（在 core/llm-gateway 目录下执行）。
|
||||
"""
|
||||
from __future__ import annotations
|
||||
|
||||
from abc import ABC, abstractmethod
|
||||
from dataclasses import dataclass, field
|
||||
from datetime import datetime, timezone
|
||||
from typing import Dict, Iterator, List, Optional, Sequence
|
||||
|
||||
|
||||
# ---------------------------------------------------------------------------
|
||||
# 值对象：能力声明 / 健康状态 / 推理结果
|
||||
# ---------------------------------------------------------------------------
|
||||
|
||||
|
||||
@dataclass(frozen=True)
|
||||
class BackendCapabilities:
|
||||
"""后端能力声明，供路由 / 调度 / 灰度决策。
|
||||
|
||||
Attributes:
|
||||
streaming: 是否支持流式输出（逐 token 返回）。
|
||||
max_concurrency: 最大并发推理数（None 表示不限 / 由外部限流）。
|
||||
on_premises: 是否数据出厂内闭环（本地后端 True，云端 False）。
|
||||
modalities: 支持的输出形态，如 ``("text",)``。
|
||||
"""
|
||||
|
||||
streaming: bool = False
|
||||
max_concurrency: Optional[int] = None
|
||||
on_premises: bool = False
|
||||
modalities: Sequence[str] = ("text",)
|
||||
|
||||
def supports(self, modality: str) -> bool:
|
||||
"""是否支持某种输出形态（text / image / ...）。"""
|
||||
return modality in self.modalities
|
||||
|
||||
def to_dict(self) -> Dict[str, object]:
|
||||
return {
|
||||
"streaming": self.streaming,
|
||||
"max_concurrency": self.max_concurrency,
|
||||
"on_premises": self.on_premises,
|
||||
"modalities": list(self.modalities),
|
||||
}
|
||||
|
||||
|
||||
@dataclass(frozen=True)
|
||||
class BackendHealth:
|
||||
"""后端健康探针结果（Issue #61 可用性监控探针消费）。"""
|
||||
|
||||
healthy: bool
|
||||
detail: str = ""
|
||||
checked_at: str = field(
|
||||
default_factory=lambda: datetime.now(timezone.utc).isoformat())
|
||||
|
||||
def to_dict(self) -> Dict[str, object]:
|
||||
return {
|
||||
"healthy": self.healthy,
|
||||
"detail": self.detail,
|
||||
"checked_at": self.checked_at,
|
||||
}
|
||||
|
||||
|
||||
@dataclass(frozen=True)
|
||||
class InferResult:
|
||||
"""一次 ``infer`` 的结构化结果（含审计所需元信息）。
|
||||
|
||||
保留 ``text`` 主输出以兼容旧 ``generate`` 返回 ``str`` 的调用方；
|
||||
``prompt_tokens`` / ``completion_tokens`` 供计费与配额（PRD 5.6 配置点）。
|
||||
"""
|
||||
|
||||
text: str
|
||||
backend_name: str
|
||||
model_id: str = ""
|
||||
prompt_tokens: Optional[int] = None
|
||||
completion_tokens: Optional[int] = None
|
||||
latency_ms: Optional[float] = None
|
||||
|
||||
def to_dict(self) -> Dict[str, object]:
|
||||
return {
|
||||
"text": self.text,
|
||||
"backend_name": self.backend_name,
|
||||
"model_id": self.model_id,
|
||||
"prompt_tokens": self.prompt_tokens,
|
||||
"completion_tokens": self.completion_tokens,
|
||||
"latency_ms": self.latency_ms,
|
||||
}
|
||||
|
||||
|
||||
# ---------------------------------------------------------------------------
|
||||
# 抽象接口（PRD 5.6：loadModel / infer / health / unload）
|
||||
# ---------------------------------------------------------------------------
|
||||
|
||||
|
||||
class InferenceBackend(ABC):
|
||||
"""推理后端抽象接口（对齐 PRD 5.6 ``InferenceBackend`` 契约）。
|
||||
|
||||
业务编排（``LLMGateway``）只依赖本接口，**不感知**具体硬件 / 厂商；
|
||||
切换后端 = 换实现类 + 改配置，业务代码不动。子类必须实现四个生命周期方法：
|
||||
|
||||
- :meth:`load_model`：加载 / 绑定模型（可幂等，重复加载返回已加载实例）。
|
||||
- :meth:`infer`：给定 prompt 与 RAG 上下文生成回答（核心推理动作）。
|
||||
- :meth:`health_check`：探针，返回 :class:`BackendHealth`。
|
||||
- :meth:`unload`：释放模型资源（可幂等）。
|
||||
|
||||
便捷方法 :meth:`generate` 默认转发到 :meth:`infer` 并只取 ``text``，
|
||||
保留与旧 ``LLMGateway.ask()`` 的二进制兼容。
|
||||
"""
|
||||
|
||||
#: 后端短名（local-70b / cloud-api / gpu-triton / npu-cann ...），子类覆盖。
|
||||
name: str = "base"
|
||||
|
||||
@property
|
||||
def capabilities(self) -> BackendCapabilities:
|
||||
"""后端能力声明，子类按需覆盖。默认：非流式、出厂外、仅文本。"""
|
||||
return BackendCapabilities()
|
||||
|
||||
# -- 生命周期（子类必须实现）------------------------------------------
|
||||
|
||||
@abstractmethod
|
||||
def load_model(self, model_id: str) -> None:
|
||||
"""加载 / 绑定指定模型。幂等：重复加载同一 model_id 不报错。"""
|
||||
|
||||
@abstractmethod
|
||||
def infer(self, prompt: str,
|
||||
context: Optional[Sequence[str]] = None) -> InferResult:
|
||||
"""根据 prompt 与 RAG 上下文生成回答（核心推理动作）。"""
|
||||
|
||||
@abstractmethod
|
||||
def health_check(self) -> BackendHealth:
|
||||
"""健康探针，返回结构化健康状态。"""
|
||||
|
||||
@abstractmethod
|
||||
def unload(self) -> None:
|
||||
"""释放模型资源。幂等：未加载时调用不报错。"""
|
||||
|
||||
# -- 向后兼容便捷方法 --------------------------------------------------
|
||||
|
||||
def generate(self, prompt: str, context: Sequence[str]) -> str:
|
||||
"""旧调用入口：等价于 ``infer(prompt, context).text``。
|
||||
|
||||
保留是为了不破坏 ``LLMGateway.ask()`` 既有的 ``backend.generate(...)``
|
||||
调用路径；新代码应直接使用 :meth:`infer` 拿到完整 :class:`InferResult`。
|
||||
"""
|
||||
return self.infer(prompt, context).text
|
||||
|
||||
def __repr__(self) -> str: # pragma: no cover - 调试辅助
|
||||
return f"<{type(self).__name__} name={self.name!r}>"
|
||||
|
||||
|
||||
# ---------------------------------------------------------------------------
|
||||
# 占位实现（子任务 #44 / #45 / #58 / #59 将各自替换为真实后端）
|
||||
# ---------------------------------------------------------------------------
|
||||
|
||||
|
||||
class _PlaceholderBackend(InferenceBackend):
|
||||
"""占位后端公共骨架：固定回显答案 + 引用溯源回显，供端到端测试与演示。
|
||||
|
||||
真实后端（#44 本地 70B / #45 云端 API / #58 GPU / #59 昇腾）继承本类后，
|
||||
只需覆盖 :meth:`infer` 的生成逻辑与 :meth:`health_check` 的探针实现即可；
|
||||
生命周期与能力声明已由本类 / 子类提供。
|
||||
"""
|
||||
|
||||
placeholder_prefix = "[占位]"
|
||||
|
||||
def __init__(self, model_id: str, echo_context: bool = True) -> None:
|
||||
self._model_id = model_id
|
||||
self._loaded = False
|
||||
self._loaded_model_id: Optional[str] = None
|
||||
self.echo_context = echo_context
|
||||
|
||||
# 生命周期
|
||||
def load_model(self, model_id: str) -> None:
|
||||
# 幂等：重复加载同一 model_id 视作成功；换模型也允许（演示用）。
|
||||
self._loaded = True
|
||||
self._loaded_model_id = model_id or self._model_id
|
||||
|
||||
def infer(self, prompt: str,
|
||||
context: Optional[Sequence[str]] = None) -> InferResult:
|
||||
if not self._loaded:
|
||||
# 演示态允许惰性自加载，真实后端可改为 raise RuntimeError("未加载模型")
|
||||
self.load_model(self._model_id)
|
||||
ctx = list(context or [])
|
||||
head = f"{self.placeholder_prefix} {prompt[:40]}"
|
||||
refs = ""
|
||||
if self.echo_context:
|
||||
for src in ctx[:3]:
|
||||
refs += f"\n[来源: {src}]"
|
||||
return InferResult(
|
||||
text=head + refs,
|
||||
backend_name=self.name,
|
||||
model_id=self._loaded_model_id or self._model_id,
|
||||
)
|
||||
|
||||
def health_check(self) -> BackendHealth:
|
||||
return BackendHealth(
|
||||
healthy=self._loaded,
|
||||
detail="loaded" if self._loaded else "not_loaded",
|
||||
)
|
||||
|
||||
def unload(self) -> None:
|
||||
# 幂等：未加载也安全
|
||||
self._loaded = False
|
||||
self._loaded_model_id = None
|
||||
|
||||
|
||||
class LocalBackend(_PlaceholderBackend):
|
||||
"""本地 70B 后端占位实现：数据不出厂（敏感 / 核心走此通道）。
|
||||
|
||||
子任务 #44 / #58 将替换 ``infer`` 为真实本地模型推理封装（vLLM/TGI/Triton）。
|
||||
"""
|
||||
|
||||
name = "local-70b"
|
||||
placeholder_prefix = "[本地70B占位]"
|
||||
|
||||
def __init__(self, echo_context: bool = True,
|
||||
model_id: str = "local-70b-base") -> None:
|
||||
super().__init__(model_id=model_id, echo_context=echo_context)
|
||||
|
||||
@property
|
||||
def capabilities(self) -> BackendCapabilities:
|
||||
# 本地后端：出厂内闭环、可流式、单卡典型并发 8（演示默认值）
|
||||
return BackendCapabilities(
|
||||
streaming=True, max_concurrency=8, on_premises=True,
|
||||
modalities=("text",))
|
||||
|
||||
|
||||
class CloudBackend(_PlaceholderBackend):
|
||||
"""云端 API 后端占位实现：仅接收 DLP 放行的脱敏 / 通用内容。
|
||||
|
||||
子任务 #45 将替换为 Qwen / DeepSeek API 接入 + 安全网关。
|
||||
"""
|
||||
|
||||
name = "cloud-api"
|
||||
placeholder_prefix = "[云端API占位]"
|
||||
|
||||
def __init__(self, echo_context: bool = True,
|
||||
model_id: str = "cloud-qwen-plus") -> None:
|
||||
super().__init__(model_id=model_id, echo_context=echo_context)
|
||||
|
||||
@property
|
||||
def capabilities(self) -> BackendCapabilities:
|
||||
# 云端后端：数据出厂、支持流式、并发受厂商配额限制（演示默认 4）
|
||||
return BackendCapabilities(
|
||||
streaming=True, max_concurrency=4, on_premises=False,
|
||||
modalities=("text",))
|
||||
|
||||
|
||||
# ---------------------------------------------------------------------------
|
||||
# 后端注册表（配置驱动切换，对齐 PRD「切换后端 = 改适配层配置」）
|
||||
# ---------------------------------------------------------------------------
|
||||
|
||||
|
||||
def default_registry() -> Dict[str, type]:
|
||||
"""默认后端注册表：name → 实现类。新增后端在此登记一行即可被配置选用。"""
|
||||
return {
|
||||
"local-70b": LocalBackend,
|
||||
"cloud-api": CloudBackend,
|
||||
}
|
||||
|
||||
|
||||
def build_backend(name: str, **kwargs) -> InferenceBackend:
|
||||
"""按 name 从默认注册表构造后端实例（配置驱动切换的入口）。
|
||||
|
||||
未知 name 抛 ``ValueError``，列出已知项便于排错。
|
||||
"""
|
||||
registry = default_registry()
|
||||
cls = registry.get(name)
|
||||
if cls is None:
|
||||
known = ", ".join(sorted(registry))
|
||||
raise ValueError(f"未知推理后端 {name!r}，已知: {known}")
|
||||
return cls(**kwargs)
|
||||
Reference in New Issue
Block a user