Agent 对话总览与 SSE 流式交互

本文引用的文件

chatApi.ts
sse.ts
chatStream.ts
types.ts
constants.ts
AgentChatController.java
AgentChatService.java
AgentChatServiceImpl.java
AgentChatSession.java
AgentMessage.java

引言

本文面向 Agent 对话模块的开发者与维护者，说明前端如何发起对话、后端 AgentChatController 与 AgentChatService 的职责边界，以及从前端到后端的完整 SSE（Server-Sent Events）流式交互链路。重点包括：

前端通过 chatApi.ts 暴露接口，由 sse.ts 使用 fetch + ReadableStream 处理事件流。
chatStream.ts 作为 Pinia store，负责会话生命周期、乐观插入用户消息、增量聚合助手回复、工具调用时序和 UI 渲染。
后端控制器仅做请求路由，真正逻辑在 AgentChatServiceImpl：校验工作空间、建立会话级互斥、驱动 Agent 流事件、按事件类型生成 SSE 帧、持久化消息并发送心跳。
解释 AgentChatSession、AgentMessage、Insight 会话在对话生命周期中的关系，并给出“选择模型后发送文本”“查看工具调用日志”“中断或重连 SSE”等典型流程。

项目结构定位

本功能横跨前后端两个子工程：

层级	关键路径	职责
前端 API 层	`ai-electron/frontend/src/ai/api/chatApi.ts`	封装会话、消息、图谱复原及流式对话入口；将解析器转发给 `sse.ts`
前端 SSE 实现	`ai-electron/frontend/src/ai/api/sse.ts`	通用 SSE 帧解析器、`fetch` 流读取、未登录/非 SSE 响应处理、中止信号透传
前端状态管理	`ai-electron/frontend/src/ai/store/chatStream.ts`	会话列表、消息列表、流式对话状态机、工具步骤与思考过程累积、UI 富内容块增量扫描
前端类型与常量	`ai-electron/frontend/src/ai/api/types.ts`、`ai-electron/frontend/src/ai/utils/constants.ts`	会话/消息/工具/Insight 契约、`getChatStreamUrl()` 地址拼接
后端控制器	`ai-server/.../controller/AgentChatController.java`	`/chat` 下 REST 路由；`/chat/stream` 返回 `Flux<ServerSentEvent<String>>`
后端服务接口	`ai-server/.../service/AgentChatService.java`	会话 CRUD、消息 CRUD、流式对话抽象
后端服务实现	`ai-server/.../service/impl/AgentChatServiceImpl.java`	工作空间校验、会话锁、Agent 流事件映射、SSE 帧组装、心跳、落库
后端实体	`AgentChatSession.java`、`AgentMessage.java`	数据库表 `agent_chat_session`、`agent_message` 的字段映射

graph TB
    subgraph "前端"
        CA["chatApi.ts<br/>API 入口"]
        ST["sse.ts<br/>SSE 解析与 fetch 流"]
        CS["chatStream.ts<br/>Pinia 状态与流式状态机"]
        TP["types.ts / constants.ts<br/>类型与地址"]
    end

    subgraph "后端"
        AC["AgentChatController.java<br/>/chat 路由"]
        AS["AgentChatService.java<br/>服务接口"]
        ASI["AgentChatServiceImpl.java<br/>流式逻辑实现"]
        DB["agent_chat_session / agent_message<br/>PostgreSQL JSONB"]
    end

    CA --> ST
    CA --> CS
    CS --> CA
    ST --> TP
    AC --> AS
    AS --> ASI
    ASI --> DB
    ST --> AC

图表来源

chatApi.ts:1-80
sse.ts:1-222
chatStream.ts:1-598
AgentChatController.java:1-170
AgentChatService.java:1-83
AgentChatServiceImpl.java:345-599

章节来源

chatApi.ts:1-80
sse.ts:1-222
chatStream.ts:1-598
AgentChatController.java:1-170
AgentChatService.java:1-83

核心组件与职责分工

前端：`chatApi.ts`

chatApi.ts 是聊天相关 HTTP 接口的统一入口。它不直接实现 SSE 细节，而是把流式能力转发给 sse.ts：

会话操作：创建、列表、详情、重命名、删除、置顶。
消息操作：查询、发送、删除、收藏。
图谱复原：根据历史工具入参中的查询条件重新拉取全量关系图，避免数据库存大 JSON。
流式对话：导出 createParser、streamSse、streamChat，保持调用方 chatStream.ts 零改动。

关键设计点：

非流式接口走 defHttp（即 aiHttp）。
流式对话不走 axios，因为 axios 无法逐帧读取 ReadableStream。
注释明确区分“普通发送消息”和“流式对话”。

章节来源

chatApi.ts:1-80

前端：`sse.ts`

sse.ts 是通用 SSE 基础设施，同时供 AI 数据分析与 Insight 研判复用。其职责包括：

帧解析器 createParser
- 维护缓冲区，支持 \n\n 与 \r\n\r\n 分隔。
- 忽略注释行（以 : 开头）。
- 合并多行 data: 字段。
- 对 JSON 载荷按 event 分发到 onIntent、onThinking、onToolCall、onToolInput、onToolResult、onHeartbeat、onGraphData、onInsight、onToken、onDone、onError。
- 非 JSON 载荷兜底为 token，避免丢字。
- 提供 flush()，防止最后一帧没有结尾空行时丢失末事件。
streamSse 连接层
- 使用 fetch 发起 POST，携带 x-token、Accept: text/event-stream。
- 若后端返回非 SSE（例如 200 + code=401 的 JSON），先尝试解析错误消息并触发未登录跳转。
- 若 HTTP 非 ok，尽量解析 body 中错误信息。
- 使用 response.body.getReader() 逐块解码并喂给解析器。
- 捕获 AbortError 透传给调用方；其他异常转 transportError。
streamChat 适配器
- 统一调用 getChatStreamUrl()，即 /chat/stream。
- 保留旧调用方式，内部委托 streamSse。

章节来源

sse.ts:1-222
constants.ts:20-28

前端：`chatStream.ts`

chatStream.ts 是整个对话 UI 的核心状态机。它不是简单的网络回调包装，而是承担了：

初始化工作空间、加载会话列表。
新建会话、选中会话、加载历史消息。
历史消息中缺失的关系图按需复原。
后端消息反序列化为前端渲染态：工具步骤、思考过程、附件徽标、富内容块。
流式对话生命周期：乐观插入用户消息 → 占位助手消息 → 增量 token → 工具调用时序 → done/error → 收尾刷新会话元信息。
节流富内容块增量扫描，避免长回答 O(n²) 卡顿。
单进程内只允许一路流式请求，使用模块作用域的 abortController。

重要状态字段：

字段	含义
`workspaceId`	当前案件/工作空间
`sessions`	会话列表
`activeSessionId`	当前选中会话
`messages`	当前会话消息数组
`streaming`	是否正在流式输出
`pendingExpert`	来自 Insight 页面的预选研判方案
`thinking`	模型思考正文
`trace`	思考与工具的真实到达顺序链
`toolSteps`	工具调用步骤列表
`intent` / `suggestions`	意图识别与下一步引导
`lastActivityAt` / `lastHeartbeatAt`	用于区分“模型在输出”和“连接断掉”

章节来源

chatStream.ts:1-598

后端：`AgentChatController.java`

控制器只承担路由和参数绑定职责，不包含业务编排逻辑：

会话 CRUD：/chat/sessions、标题更新、删除、置顶。
消息 CRUD：/chat/messages、收藏。
图谱复原：/chat/graph/restore。
附件上传：/chat/attachments。
流式对话：POST /chat/stream，返回 Flux<ServerSentEvent<String>>。

控制器注释明确描述了 SSE 事件顺序：

tool_call
tool_input
tool_result
token
done
error

章节来源

AgentChatController.java:1-170

后端：`AgentChatService.java`

该接口定义了聊天域的所有对外方法，包括：

会话：创建、列表、详情、标题、删除、置顶。
消息：查询、发送、删除、收藏。
图谱复原。
流式对话：stream(ChatRequestDTO req)。

它不关心具体事件如何映射，只声明契约。

章节来源

AgentChatService.java:1-83

后端：`AgentChatServiceImpl.java`

这是流式对话的实际实现。核心行为：

校验消息是否为空。
延迟解析会话 ID 与上下文，异常转为 error 帧。
会话级互斥：同一会话同一时刻只允许一条流，抢占失败返回“正在回复中”。
获取工作空间并校验访问权限。
构建 Agent 与 RuntimeContext。
订阅 HarnessAgent.streamEvents，将 Agent 事件映射为 SSE 帧。
独立心跳流：每 10 秒发送一次 heartbeat。
done 时持久化完整助手消息；中断时持久化部分消息。
错误时持久化错误消息。

章节来源

AgentChatServiceImpl.java:345-599

架构总览

下图展示一次完整的 Agent 对话请求从前端到后端的控制流和数据流：

sequenceDiagram
    participant UI as "聊天页面"
    participant Store as "chatStream.ts"
    participant Api as "chatApi.ts"
    participant Sse as "sse.ts"
    participant Ctrl as "AgentChatController.java"
    participant Svc as "AgentChatServiceImpl.java"
    participant Db as "agent_chat_session / agent_message"

    UI->>Store: "选择模型并发送文本"
    Store->>Store: "乐观插入用户消息与占位助手消息"
    Store->>Api: "streamChat(params)"
    Api->>Sse: "streamSse(getChatStreamUrl(), params, handlers)"
    Sse->>Ctrl: "POST /chat/stream"
    Ctrl->>Svc: "stream(req)"
    Svc->>Db: "校验会话与工作空间"
    Svc->>Svc: "会话级互斥检查"
    Svc->>Svc: "启动 Agent 流事件"

    loop "SSE 事件流"
        Svc-->>Sse: "tool_call / tool_input / tool_result / token / thinking / heartbeat"
        Sse-->>Store: "对应 on* 回调"
        Store->>Store: "累积 content / toolSteps / trace / thinking"
    end

    alt "正常完成"
        Svc-->>Sse: "done"
        Svc->>Db: "持久化助手消息"
    else "错误或中断"
        Svc-->>Sse: "error / 连接关闭"
        Svc->>Db: "持久化错误或部分消息"
    end

    Sse-->>Store: "finally 清理流状态"
    Store->>Store: "结束 streaming、刷新会话元信息"

图表来源

chatStream.ts:400-598
chatApi.ts:57-80
sse.ts:140-222
AgentChatController.java:140-170
AgentChatServiceImpl.java:345-599

SSE 流式消息链路

前端发起连接

前端调用链如下：

用户在聊天界面输入消息并点击发送。
chatStream.ts 的 send 方法判断是否需要新建会话。
乐观插入本地用户消息和占位助手消息。
调用 chatApi.streamChat。
chatApi.ts 转发到 sse.ts 的 streamChat。
sse.ts 拼接 /chat/stream 地址并发起 fetch。
使用 TextDecoder + SseFrameParser 逐帧解析。

将事件分发给 chatStream.ts 注册的 handlers。

flowchart TD
Start["用户发送消息"] --> Draft{"是否存在有效会话？"}
Draft -->|否| Create["创建会话"]
Draft -->|是| UseExisting["复用现有会话"]
Create --> InsertUser["乐观插入用户消息"]
UseExisting --> InsertUser
InsertUser --> InsertAssistant["插入占位助手消息"]
InsertAssistant --> StreamApi["chatApi.streamChat"]
StreamApi --> SseCore["sse.ts streamSse"]
SseCore --> Fetch["fetch POST /chat/stream"]
Fetch --> Parse["SseFrameParser 解析帧"]
Parse --> Handlers["chatStream handlers 更新状态"]
Handlers --> Render["UI 增量渲染"]

图表来源

chatStream.ts:400-598
chatApi.ts:57-80
sse.ts:140-222

章节来源

chatStream.ts:400-598
chatApi.ts:57-80
sse.ts:140-222

后端事件生产

后端 AgentChatServiceImpl 将 AgentScope 的 AgentEvent 转换为 SSE 帧：

Agent 阶段	SSE event	前端处理器	状态变化
工具开始	`tool_call`	`onToolCall`	新增 `ToolStep{status:'running'}`
工具入参完成	`tool_input`	`onToolInput`	写入 step.input
工具结果完成	`tool_result`	`onToolResult`	写入 step.result、status='done'
模型 token	`token`	`onToken`	追加 assistant.content
思考开始	`thinking.start`	`onThinking`	开启 thinkingActive，创建 trace think 节点
思考增量	`thinking.delta`	`onThinking`	追加 thinking 与 trace.text
思考结束	`thinking.end`	`onThinking`	关闭 thinkingActive
完成	`done`	`onDone`	结束 streaming，持久化消息
错误	`error`	`onError`	标记 messageType='error'
心跳	`heartbeat`	`onHeartbeat`	更新 lastHeartbeatAt

心跳流与业务事件流是独立的：心跳通过 Flux.interval(10s) 生成，并在连接结束时停止。

章节来源

AgentChatServiceImpl.java:461-599

前端增量聚合与渲染

chatStream.ts 对每个事件的处理策略：

onIntent：保存意图识别结果。
onSuggestions：保存扁平建议与方向分组。
onThinking：分段累积思考，维护 thinkingActive 与 trace。
onToolCall：新增工具步骤，记录 trace tool 节点。
onToolInput：归一化工具入参文本。
onToolResult：写入结果并标记完成。
onToken：追加正文，并按 100ms 节流执行富内容块增量扫描。
onHeartbeat：仅更新时间戳，不影响 content。
onGraphData：回填 get_case_graph 的全量图谱。
onDone：结束消息 streaming，但整体 finally 仍会清理流状态。
onError / onTransportError：设置 messageType 为 error 或 interrupted。
finally：若收到连接关闭但未收到 done，标记为“连接已结束但未收到完成信号”。

章节来源

chatStream.ts:426-598

会话与消息数据模型

会话实体：`AgentChatSession`

字段	类型	含义
`id`	Long	主键
`agent_id`	Long	绑定的研判方案
`model_id`	Long	会话默认模型
`case_id`	Long	工作空间/案件
`title`	String	会话标题
`context`	JSONB	上下文
`message_count`	Integer	消息数
`total_tokens`	Long	累计 token
`last_message_at`	LocalDateTime	最后消息时间
`pinned`	Boolean	是否置顶
`attachments`	JSONB	附件摘要
`create_at`	LocalDateTime	创建时间
`update_at`	LocalDateTime	更新时间

消息实体：`AgentMessage`

字段	类型	含义
`id`	Long	主键
`session_id`	Long	所属会话
`role`	String	user / assistant / system
`content`	String	正文
`content_type`	String	内容类型
`token_count`	Integer	token 计数
`metadata`	JSONB	思考过程、附件摘要、错误标记等
`tool_events`	JSONB	工具调用事件序列
`parent_id`	Long	父消息
`message_type`	String	text / error / interrupted
`reply_to_message_id`	Long	回复目标
`starred`	Boolean	是否收藏
`create_at`	LocalDateTime	创建时间

三者关系

erDiagram
  AGENT_CHAT_SESSION {
    long id PK
    long agent_id
    long model_id
    long case_id
    string title
    jsonb context
    int message_count
    long total_tokens
    datetime last_message_at
    boolean pinned
    jsonb attachments
    datetime create_at
    datetime update_at
  }

  AGENT_MESSAGE {
    long id PK
    long session_id FK
    string role
    string content
    string content_type
    int token_count
    jsonb metadata
    jsonb tool_events
    long parent_id
    string message_type
    long reply_to_message_id
    boolean starred
    datetime create_at
  }

  INSIGHT_SESSION {
    long id PK
    string name
    jsonb context
    datetime create_at
    datetime update_at
  }

  AGENT_CHAT_SESSION ||--o{ AGENT_MESSAGE : "包含"

图表来源

AgentChatSession.java:1-58
AgentMessage.java:1-55

在对话生命周期中：

AgentChatSession 表示一次 Agent 对话会话，绑定工作空间、研判方案和模型。
AgentMessage 表示会话中的一条消息，可以是用户提问、助手回答、错误提示或中断结果。
Insight 会话是“持续联系 AI 研判”的业务会话，它与 Agent 对话共享同一套 SSE 事件协议，但额外支持 insight 帧；前端在 chatStream.ts 中通过 onInsight 处理。
两者并非父子实体，而是不同业务场景下的会话载体：Agent 对话侧重交互式问答，Insight 侧重结构化研判任务。

章节来源

AgentChatSession.java:1-58
AgentMessage.java:1-55

典型调用示例

示例一：选择模型后发送文本消息

用户在聊天面板选择某个模型。
输入文本消息。
chatStream.ts 的 send(text, modelId) 被调用。
若当前会话绑定的研判方案与预选不一致，则新建会话。
乐观插入用户消息和助手占位消息。
调用 streamChat({ sessionKey, message, modelId })。
后端解析 sessionKey 为会话 ID，校验工作空间，建立 Agent 流。
前端逐步累积 token 并渲染。
收到 done 后结束流式态，刷新会话标题、消息数和最后消息时间。

注意：modelId 在前端类型中要求按字符串传递，避免雪花 ID 精度丢失。

章节来源

chatStream.ts:400-598
types.ts:247-260
AgentChatServiceImpl.java:345-400

示例二：查看工具调用日志

工具调用日志保存在 AgentMessage.tool_events，前端将其反序列化为 ToolStep[]：

阶段	事件	ToolStep 变化
开始	`tool_call`	新增步骤，状态 running
入参	`tool_input`	填充 input
结果	`tool_result`	填充 result，状态 done
图谱	`graph_data`	回填 graphPayload

前端还会对历史消息中的 get_case_graph 调用进行图谱复原：如果数据库中只存了查询条件，则调用 /chat/graph/restore 拉取全量图。

章节来源

chatStream.ts:240-360
chatApi.ts:40-46
sse.ts:30-120

示例三：中断或重连 SSE

中断：

用户点击“停止生成”。
chatStream.ts 调用 stop()。
stop() 清除定时器并调用 abortController.abort()。
sse.ts 捕获 AbortError 并向上抛出。
chatStream.ts catch 分支忽略 AbortError，进入 finally。
finally 中若未收到 done，且消息仍在 streaming，则标记为 interrupted。
后端可能已持久化部分消息，也可能尚未持久化，因此前端需要提示“以上为已接收内容，请重试”。

重连：

前端当前实现不会自动重连 SSE。
常见做法是让用户重新发送消息，从而重建 AbortController 和新的 fetch 连接。
如果希望支持重连，应在 onTransportError 中暴露重连策略，而不是无限重试同一个 reader。

章节来源

chatStream.ts:550-598
sse.ts:201-222

依赖关系分析

前端模块依赖

graph LR
    ChatPage["聊天页面组件"] --> ChatStream["chatStream.ts"]
    ChatStream --> ChatApi["chatApi.ts"]
    ChatApi --> Sse["sse.ts"]
    Sse --> Constants["constants.ts"]
    ChatStream --> Types["types.ts"]
    Sse --> Types

图表来源

chatStream.ts:1-50
chatApi.ts:1-80
sse.ts:1-20
types.ts:240-260
constants.ts:20-28

后端模块依赖

graph LR
    Controller["AgentChatController"] --> Service["AgentChatService"]
    Service --> Impl["AgentChatServiceImpl"]
    Impl --> SessionMapper["AgentChatSessionMapper"]
    Impl --> MessageMapper["AgentMessageMapper"]
    Impl --> AgentService["AgentService"]
    Impl --> ModelService["AgentModelService"]
    Impl --> UsageStore["UsageStore"]
    Impl --> GraphService["GraphService"]
    Impl --> CaseAccessGuard["CaseAccessGuard"]

图表来源

AgentChatController.java:1-170
AgentChatService.java:1-83
AgentChatServiceImpl.java:1-120

章节来源

AgentChatController.java:1-170
AgentChatService.java:1-83
AgentChatServiceImpl.java:1-120

性能与内存特性

富内容块增量扫描

chatStream.ts 对每次 token 追加并不立即重新扫描全文，而是通过 RESAN_THROTTLE_MS 节流，默认约 100ms。这避免了长回答中反复扫描 Markdown/代码/ECharts/Insight 围栏导致的 O(n²) 成本。

已完成块会被冻结复用，进一步降低重复解析压力。

章节来源

chatStream.ts:1-30
chatStream.ts:450-520

SSE 缓冲区与解码器

sse.ts 维护一个字符串缓冲区，逐块拼接后再按 \n\n 切分。对于超大响应：

缓冲区和消息 content 都会持续增长。
浏览器侧 TextDecoder 以流模式解码，减少一次性转换开销。
若后端一次推送 chunk 过大，可能造成单次解析耗时增加。

优化建议：

控制后端单次 SSE data payload 大小。
前端可对过长 response 做上限保护，避免极端情况导致内存暴涨。

章节来源

sse.ts:20-120
sse.ts:160-222

会话级互斥

AgentChatServiceImpl 使用 ConcurrentHashMap<Long, Semaphore> 保证同一会话只有一条流。这避免：

双标签页并发写 Agent 记忆槽。
多条流交错写 transcript。
第一条对话完成后后续消息误报“正在回复中”。

注意：这是进程内锁，多实例部署时需要扩展为分布式锁。

章节来源

AgentChatServiceImpl.java:80-120
AgentChatServiceImpl.java:380-400

常见问题排查

SSE 断连与心跳

现象：

模型长时间无输出，前端显示“正在输出”，但实际没有新 token。
用户看到“连接已结束但未收到完成信号”。

原因：

服务端模型推理慢，但 SSE 连接未断。
中间代理、网关或防火墙提前关闭空闲连接。
后端服务进程异常退出。

排查要点：

检查 lastHeartbeatAt 是否持续更新。
若心跳停止但 lastActivityAt 也很久没变，大概率是连接断了。
若心跳正常但无 token，可能是模型卡住或工具调用阻塞。
后端心跳间隔为 10 秒，前端不应仅凭“长时间无活动”就判定断连。

章节来源

AgentChatServiceImpl.java:593-599
chatStream.ts:460-598

token 过期或未登录

现象：

前端收到 HTTP 200，但 Content-Type 不是 text/event-stream。
出现“请求失败：服务端未返回事件流”或跳转到登录页。

原因：

后端 sa-token 校验失败，返回普通 Result JSON，而非 SSE。
前端先检测 Content-Type，再尝试解析 JSON 中的 code=401。

处理：

前端会调用 handleUnauthorizedRedirect 跳转。
用户重新登录后应重新发起对话。
不要静默吞掉未登录错误。

章节来源

sse.ts:140-190

服务端 503 或其他非 SSE 响应

现象：

前端显示“请求失败（HTTP 503）”或类似错误。
工具日志不完整，助手消息可能被标记为 error。

原因：

网关、负载均衡或后端服务不可用。
上游 LLM 提供商返回异常。
后端抛出未捕获异常。

处理：

sse.ts 会尝试读取响应体并提取 message 或 error。
前端 store 将消息标记为 error，并保留已收到的内容。
建议添加“重试”按钮，而不是自动无限重试。

章节来源

sse.ts:170-200
chatStream.ts:520-598

大响应导致内存增长

现象：

长时间对话后，浏览器内存明显上升。
超长工具结果或图谱导致渲染卡顿。

原因：

chatStream.ts 中 target.content 不断拼接 token。
sse.ts 的 buffer 累积未解析文本。
tool_steps 中 result 可能包含大量文本。
历史消息恢复图谱时，全量 graph 可能很大。

缓解措施：

前端限制单条消息最大长度，超出部分截断或折叠。
对工具结果采用分页或懒加载。
图谱数据优先展示元信息，全量图按需拉取。
后端对工具结果长度做合理限制。

章节来源

chatStream.ts:450-520
sse.ts:20-120

中断后刷新看不到消息

现象：

用户停止生成后刷新页面，助手消息消失。
或者只看到半截内容。

原因：

中断发生在后端持久化之前。
前端只做了本地 optimistic 写入，未落库。
后端在中断时尝试持久化部分消息，但可能失败或尚未完成。

处理：

前端在 interrupted 状态下提示“请重试”。
后端 persistPartialMessage 会写入 messageType=interrupted。
若刷新后确实没有消息，属于后端落库失败或服务异常，应记录日志并提示用户。

章节来源

AgentChatServiceImpl.java:781-804
chatStream.ts:560-598

结论

Agent 对话与 SSE 流式交互是一个典型的前后端实时协作场景：

前端 chatApi.ts 暴露稳定接口，sse.ts 处理低层流协议，chatStream.ts 承载业务状态机。
后端 AgentChatController 只做路由，AgentChatServiceImpl 负责会话互斥、Agent 事件映射、SSE 帧生产和消息持久化。
SSE 事件不仅是 token 流，还承载工具调用、思考过程、意图识别、下一步建议和心跳。
正确理解 AgentChatSession、AgentMessage 与 Insight 会话的区别，有助于避免把不同业务会话混为一谈。
排障时应优先区分三类问题：认证问题、连接问题、后端业务问题。
性能和内存方面，应关注长消息拼接、SSE 缓冲区、工具结果体积和图谱全量数据。

Agent 对话总览与 SSE 流式交互.md 32 KB

History Raw

Agent 对话总览与 SSE 流式交互

目录

引言

项目结构定位

核心组件与职责分工

前端：`chatApi.ts`

前端：`sse.ts`

前端：`chatStream.ts`

后端：`AgentChatController.java`

后端：`AgentChatService.java`

后端：`AgentChatServiceImpl.java`

架构总览

SSE 流式消息链路

前端发起连接

后端事件生产

前端增量聚合与渲染

会话与消息数据模型

会话实体：`AgentChatSession`

消息实体：`AgentMessage`

三者关系

典型调用示例

示例一：选择模型后发送文本消息

示例二：查看工具调用日志

示例三：中断或重连 SSE

依赖关系分析

前端模块依赖

后端模块依赖

性能与内存特性

富内容块增量扫描

SSE 缓冲区与解码器

会话级互斥

常见问题排查

SSE 断连与心跳

token 过期或未登录

服务端 503 或其他非 SSE 响应

大响应导致内存增长

中断后刷新看不到消息

结论

Agent 对话总览与 SSE 流式交互.md 32 KB History Raw

Agent 对话总览与 SSE 流式交互

目录

引言

项目结构定位

核心组件与职责分工

前端：chatApi.ts

前端：sse.ts

前端：chatStream.ts

后端：AgentChatController.java

后端：AgentChatService.java

后端：AgentChatServiceImpl.java

架构总览

SSE 流式消息链路

前端发起连接

后端事件生产

前端增量聚合与渲染

会话与消息数据模型

会话实体：AgentChatSession

消息实体：AgentMessage

三者关系

典型调用示例

示例一：选择模型后发送文本消息

示例二：查看工具调用日志

示例三：中断或重连 SSE

依赖关系分析

前端模块依赖

后端模块依赖

性能与内存特性

富内容块增量扫描

SSE 缓冲区与解码器

会话级互斥

常见问题排查

SSE 断连与心跳

token 过期或未登录

服务端 503 或其他非 SSE 响应

大响应导致内存增长

中断后刷新看不到消息

结论

Agent 对话总览与 SSE 流式交互.md 32 KB

History Raw

前端：`chatApi.ts`

前端：`sse.ts`

前端：`chatStream.ts`

后端：`AgentChatController.java`

后端：`AgentChatService.java`

后端：`AgentChatServiceImpl.java`

会话实体：`AgentChatSession`

消息实体：`AgentMessage`