Merge PR #98/#100 (feat #57 InferenceBackend 抽象契约 + #58 GPU Triton 后端，桥接 #44/#45 本地与云端实现)

core/llm-gateway/backends.py

@@ -1,30 +1,327 @@
 # -*- coding: utf-8 -*-
-"""推理后端实现 —— 本地 70B 模型接入与推理封装（issue #44）。
+"""iAOP-Core · LLM 网关 —— 推理后端抽象接口（Issue #57，PRD 5.6）。
 
-在 `gateway.InferenceBackend` 抽象之上交付**真实可用的本地后端**：
-- OpenAI 兼容接口（vLLM / TGI 等本地推理服务，`/v1/chat/completions`），
-  仅用标准库 urllib，无第三方依赖；
-- 参数化：endpoint / model / timeout / max_tokens / temperature / context 引用注入；
-- **数据不出厂**（PRD 5.4）：敏感/核心内容走本地后端，云端仅接收脱敏内容；
-- 未配置 endpoint 时进入 dry-run 占位模式（保持与旧 LocalBackend 一致的
-  可测试行为，供端到端演示与联调）。
+PRD 5.6「⑥ 部署底座」明确要求：
 
-业务代码只依赖 `gateway.InferenceBackend.generate(prompt, context)`，
-切换后端 = 换实现（见 `LLMGateway(local=...)`）。
+    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
 
-import json
-import os
-import time
-import urllib.request
-from typing import Callable, Optional, Sequence
+from abc import ABC, abstractmethod
+from dataclasses import dataclass, field
+from datetime import datetime, timezone
+from typing import Dict, Iterator, List, Optional, Sequence
 
-from .gateway import InferenceBackend
+
+# ---------------------------------------------------------------------------
+# 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。"""
+    # 延迟导入避免循环依赖（gpu_backend 反向依赖本模块的抽象基类与值对象）
+    from .gpu_backend import GpuTritonBackend  # noqa: WPS433（Issue #58）
+    return {
+        "local-70b": LocalBackend,
+        "cloud-api": CloudBackend,
+        "gpu-triton": GpuTritonBackend,
+    }
+
+
+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)
+
+
+
+
+# ---------------------------------------------------------------------------
+# 真实后端实现（Issue #44 本地 70B / #45 云端 API，桥接到 #57 抽象契约）
+# ---------------------------------------------------------------------------
+import json as _json
+import os as _os
+import time as _time
+import urllib.request as _urllib
 
 
 class Local70BBackend(InferenceBackend):
-    """本地 70B 推理后端（OpenAI 兼容 vLLM/TGI，参数化）。"""
+    """本地 70B 推理后端（OpenAI 兼容 vLLM/TGI，参数化）—— issue #44。
+
+    - 数据不出厂（PRD 5.4）：敏感/核心内容走本地后端；
+    - 未配置 endpoint 时进入 dry-run 占位模式（端到端演示与联调）；
+    - 已桥接 #57 契约：load_model / infer / health_check / unload 齐备。
+    """
 
     name = "local-70b"
 
@@ -43,8 +340,28 @@ class Local70BBackend(InferenceBackend):
         self.max_tokens = int(max_tokens)
         self.temperature = float(temperature)
         self.echo_context = echo_context
+        self._loaded_model_id: Optional[str] = None
 
-    # ------------------------------------------------------------------
+    # -- #57 契约 ------------------------------------------------------
+    def load_model(self, model_id: str) -> None:
+        self._loaded_model_id = model_id
+
+    def infer(self, prompt: str,
+              context: Optional[Sequence[str]] = None) -> InferResult:
+        text = self.generate(prompt, context or ())
+        return InferResult(
+            text=text, backend_name=self.name, model_id=self.model)
+
+    def health_check(self) -> BackendHealth:
+        info = self.health()
+        healthy = info.get("status") in ("ok", "dry-run", "configured")
+        return BackendHealth(healthy=healthy,
+                             detail=_json.dumps(info, ensure_ascii=False))
+
+    def unload(self) -> None:
+        self._loaded_model_id = None
+
+    # -- 原 #44 实现 ----------------------------------------------------
     def generate(self, prompt: str, context: Sequence[str]) -> str:
         """根据 prompt 与 RAG 上下文生成回答。
 
@@ -70,30 +387,27 @@ class Local70BBackend(InferenceBackend):
             raise RuntimeError(
                 f"本地推理服务响应格式异常: {str(body)[:200]}")
 
-    # ------------------------------------------------------------------
     def _system_prompt(self, context: Sequence[str]) -> str:
-        """把 RAG 引用注入 system 提示（引用溯源，PRD 5.4）。"""
-        refs = "\n".join(f"- {c}" for c in (context or []))
+        refs = "\\n".join(f"- {c}" for c in (context or []))
         base = "你是工业 AI 助手。回答须基于给定资料并标注来源。"
-        return f"{base}\n参考资料：\n{refs}" if refs else base
+        return f"{base}\\n参考资料：\\n{refs}" if refs else base
 
     def _dry_run(self, prompt: str, context: Sequence[str]) -> str:
         head = f"[本地70B占位] {prompt[:40]}"
         if self.echo_context:
             for i, src in enumerate(context[:3], 1):
-                head += f"\n[来源: {src}]"
+                head += f"\\n[来源: {src}]"
         return head
 
     def _post_json(self, path: str, payload: dict) -> dict:
-        """向后端推理服务发起 JSON POST（标准库 urllib）。"""
         url = self.endpoint + path
-        data = json.dumps(payload).encode("utf-8")
-        req = urllib.request.Request(
+        data = _json.dumps(payload).encode("utf-8")
+        req = _urllib.Request(
             url, data=data,
             headers={"Content-Type": "application/json"})
-        with urllib.request.urlopen(req, timeout=self.timeout) as resp:
+        with _urllib.urlopen(req, timeout=self.timeout) as resp:
             raw = resp.read().decode("utf-8")
-        return json.loads(raw) if raw else {}
+        return _json.loads(raw) if raw else {}
 
     def health(self) -> dict:
         """后端健康信息（本地推理服务可探测 /health）。"""
@@ -105,11 +419,11 @@ class Local70BBackend(InferenceBackend):
             base["status"] = "dry-run"
             return base
         try:
-            started = time.monotonic()
-            with urllib.request.urlopen(
+            started = _time.monotonic()
+            with _urllib.urlopen(
                     self.endpoint + "/health", timeout=self.timeout) as resp:
                 base["status"] = "ok" if resp.status == 200 else f"http-{resp.status}"
-            base["latency_ms"] = round((time.monotonic() - started) * 1000, 2)
+            base["latency_ms"] = round((_time.monotonic() - started) * 1000, 2)
         except Exception as exc:  # noqa: BLE001 - 健康探测失败仅记录
             base["status"] = f"error: {exc}"
         return base
@@ -119,11 +433,9 @@ class CloudApiBackend(InferenceBackend):
     """云端 API 推理后端（Qwen / DeepSeek 等 OpenAI 兼容）—— issue #45。
 
     **安全网关约束（PRD 5.4）**：
-    - 仅接收 **DLP 放行**的脱敏/通用内容（上游 `LLMGateway` 主编排出站检查 +
-      cloud 分支输出 DLP 复查）；
+    - 仅接收 **DLP 放行**的脱敏/通用内容；
     - API Key 从**环境变量**读取（`api_key_env`），不硬编码、不落日志；
-    - 可选 `safety_checker` 出站复查钩子（fail-closed：复查拒绝 → 拦截占位，
-      不调用上游）。
+    - 可选 `safety_checker` 出站复查钩子（fail-closed：复查拒绝 → 拦截占位）。
     """
 
     name = "cloud-api"
@@ -144,13 +456,31 @@ class CloudApiBackend(InferenceBackend):
         self.timeout = float(timeout_seconds)
         self.max_tokens = int(max_tokens)
         self.temperature = float(temperature)
-        # 出站安全复查：返回 False 即拦截（fail-closed）
         self.safety_checker = safety_checker
-        self._api_key = os.environ.get(api_key_env, "") if api_key_env else ""
+        self._api_key = _os.environ.get(api_key_env, "") if api_key_env else ""
+        self._loaded_model_id: Optional[str] = None
 
-    # ------------------------------------------------------------------
+    # -- #57 契约 ------------------------------------------------------
+    def load_model(self, model_id: str) -> None:
+        self._loaded_model_id = model_id
+
+    def infer(self, prompt: str,
+              context: Optional[Sequence[str]] = None) -> InferResult:
+        text = self.generate(prompt, context or ())
+        return InferResult(
+            text=text, backend_name=self.name, model_id=self.model)
+
+    def health_check(self) -> BackendHealth:
+        info = self.health()
+        healthy = info.get("status") in ("ok", "dry-run", "configured")
+        return BackendHealth(healthy=healthy,
+                             detail=_json.dumps(info, ensure_ascii=False))
+
+    def unload(self) -> None:
+        self._loaded_model_id = None
+
+    # -- 原 #45 实现 ----------------------------------------------------
     def generate(self, prompt: str, context: Sequence[str]) -> str:
-        """生成回答。安全网关：safety_checker 拒绝 → 拦截占位，不调用上游。"""
         if self.safety_checker is not None and not self.safety_checker(prompt):
             return "[云端安全网关拦截] 出站复查未通过，已拦截（数据不出厂）。"
 
@@ -173,31 +503,29 @@ class CloudApiBackend(InferenceBackend):
             raise RuntimeError(
                 f"云端 API 响应格式异常: {str(body)[:200]}")
 
-    # ------------------------------------------------------------------
     def _system_prompt(self, context: Sequence[str]) -> str:
-        refs = "\n".join(f"- {c}" for c in (context or []))
+        refs = "\\n".join(f"- {c}" for c in (context or []))
         base = "你是工业 AI 助手。回答须基于给定资料并标注来源。"
-        return f"{base}\n参考资料：\n{refs}" if refs else base
+        return f"{base}\\n参考资料：\\n{refs}" if refs else base
 
     def _dry_run(self, prompt: str, context: Sequence[str]) -> str:
         head = f"[云端API占位] {prompt[:40]}"
         for i, src in enumerate(context[:3], 1):
-            head += f"\n[来源: {src}]"
+            head += f"\\n[来源: {src}]"
         if self.safety_checker is not None:
-            head += "\n[安全网关: 已复查放行]"
+            head += "\\n[安全网关: 已复查放行]"
         return head
 
     def _post_json(self, path: str, payload: dict) -> dict:
-        """向后端推理服务发起 JSON POST（Bearer 认证，Key 来自环境变量）。"""
         url = self.endpoint + path
-        data = json.dumps(payload).encode("utf-8")
+        data = _json.dumps(payload).encode("utf-8")
         headers = {"Content-Type": "application/json"}
         if self._api_key:
             headers["Authorization"] = f"Bearer {self._api_key}"
-        req = urllib.request.Request(url, data=data, headers=headers)
-        with urllib.request.urlopen(req, timeout=self.timeout) as resp:
+        req = _urllib.Request(url, data=data, headers=headers)
+        with _urllib.urlopen(req, timeout=self.timeout) as resp:
             raw = resp.read().decode("utf-8")
-        return json.loads(raw) if raw else {}
+        return _json.loads(raw) if raw else {}
 
     def health(self) -> dict:
         """后端健康信息（含安全网关状态，不含密钥）。"""
@@ -208,3 +536,11 @@ class CloudApiBackend(InferenceBackend):
             "safety_checker": self.safety_checker is not None,
             "status": "dry-run" if not self.endpoint else "configured",
         }
+
+
+__all__ = [
+    "BackendCapabilities", "BackendHealth", "InferResult",
+    "InferenceBackend", "LocalBackend", "CloudBackend",
+    "Local70BBackend", "CloudApiBackend",
+    "default_registry", "build_backend",
+]