From 2d6eff66a7dca1014afc1b088b4b1b3fbf62ca4a Mon Sep 17 00:00:00 2001
From: =?UTF-8?q?=E7=BB=9D=E5=B0=98?= <237809796@qq.com>
Date: Fri, 19 Jun 2026 04:57:13 +0800
Subject: [PATCH] =?UTF-8?q?=E9=87=8D=E6=9E=84:=20=E6=8B=86provider.rs=20df?=
 =?UTF-8?q?-ai-core=E6=A0=B8=E5=BF=83=E7=B1=BB=E5=9E=8B(strategy=E6=A0=B8?=
 =?UTF-8?q?=E5=BF=83=E5=BA=93)?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

- 新建 df-ai-core/types.rs(221行): 13类型(CompletionRequest/ContentPart/ChatMessage/MessageRole/ToolDefinition/ToolCall/TokenUsage/StreamChunk/ToolCallDelta等) + now_millis_i64
- provider.rs 572→369: pub use crate::types::* re-export透明 + impl/LlmProvider trait保留
- lib.rs: pub mod types
主代兜底(独立 -p df-ai-core 避 df-ai anthropic_compat 其他会话E0599): cargo check 0 + test 24
strategy: 核心库自底向上, 纯类型抽离, re-export稳定(df_ai::provider::* 与 df_ai_core::provider::限定路径双通, df-ideas印证)
git add指定(df-ai-core/*)
核心库拆分完整: context/anthropic/openai/scan/model_fetch/migrations/executor/model_probe/provider 八大文件
---
 crates/df-ai-core/src/lib.rs      |   1 +
 crates/df-ai-core/src/provider.rs | 225 ++----------------------------
 crates/df-ai-core/src/types.rs    | 221 +++++++++++++++++++++++++++++
 3 files changed, 233 insertions(+), 214 deletions(-)
 create mode 100644 crates/df-ai-core/src/types.rs

diff --git a/crates/df-ai-core/src/lib.rs b/crates/df-ai-core/src/lib.rs
index a925443..7746939 100644
--- a/crates/df-ai-core/src/lib.rs
+++ b/crates/df-ai-core/src/lib.rs
@@ -7,6 +7,7 @@
 
 pub mod model;
 pub mod provider;
+pub mod types;
 
 pub use model::*;
 pub use provider::*;
diff --git a/crates/df-ai-core/src/provider.rs b/crates/df-ai-core/src/provider.rs
index 6ee8cb8..f7ed120 100644
--- a/crates/df-ai-core/src/provider.rs
+++ b/crates/df-ai-core/src/provider.rs
@@ -3,70 +3,20 @@
 //! 支持 OpenAI 兼容 API（覆盖 OpenAI / GLM / DeepSeek / Claude 兼容模式），
 //! 含 function calling / tool use 能力。
 //!
-//! 本文件仅含 trait + 数据结构定义（零 IO）。HTTP impl（OpenAICompatProvider /
-//! AnthropicCompatProvider）+ 业务逻辑（ContextManager / AiToolRegistry /
-//! build_provider 工厂）留在 df-ai crate。
-
-use std::pin::Pin;
+//! 本文件含 trait + 类型 impl 块（零 IO）。纯类型定义（CompletionRequest /
+//! ChatMessage / ContentPart 等 `#[derive]` struct/enum）已拆分到 `types.rs`，
+//! 经下方 `pub use crate::types::*` re-export 保持外部路径
+//! `df_ai_core::provider::*` / `df_ai::provider::*` 不变（编译期验证）。
+//! HTTP impl（OpenAICompatProvider / AnthropicCompatProvider）+ 业务逻辑
+//! （ContextManager / AiToolRegistry / build_provider 工厂）留在 df-ai crate。
 
 use async_trait::async_trait;
-use futures::Stream;
-use serde::{Deserialize, Serialize};
 
-// ============================================================
-// 核心数据结构
-// ============================================================
-
-/// LLM 调用请求
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct CompletionRequest {
-    /// 模型名称
-    pub model: String,
-    /// 提示消息列表
-    pub messages: Vec<ChatMessage>,
-    /// 温度（0.0 ~ 2.0）
-    pub temperature: Option<f32>,
-    /// 最大生成 token 数
-    pub max_tokens: Option<u32>,
-    /// 是否流式输出
-    pub stream: bool,
-    /// 可调用的工具定义
-    #[serde(skip_serializing_if = "Option::is_none")]
-    pub tools: Option<Vec<ToolDefinition>>,
-    /// 工具调用策略: "auto" | "none" | {"type":"function","name":"xxx"}
-    #[serde(skip_serializing_if = "Option::is_none")]
-    pub tool_choice: Option<serde_json::Value>,
-    /// DeepSeek thinking 模式：需把上一轮 response 的 reasoning_content 回传
-    #[serde(skip_serializing_if = "Option::is_none")]
-    pub reasoning_content: Option<String>,
-}
-
-/// 多模态消息内容片。Text 片为字符串；Image 片可走 url 或 base64（二选一，base64 非空时 url 忽略）。
-///
-/// F-260614-05 Phase 2a 后端：ContentPart 作为 `ChatMessage.parts` 的元素类型。
-/// 设计上 `content: String`（纯文本主载荷）保持不变，多模态片挂在 `parts`：
-/// 这样未接入多模态的调用方（audit/title/commands/knowledge_inject 等读 content 当字符串）
-/// 零回归，避免一次性改全仓。provider 转换层在 `has_image()` 为真时把 parts 透传给
-/// vision 端点，否则只用 content 文本（保持纯文本端点兼容）。
-#[derive(Debug, Clone, Serialize, Deserialize, PartialEq)]
-#[serde(tag = "type", rename_all = "snake_case")]
-pub enum ContentPart {
-    /// 文本片
-    Text { text: String },
-    /// 图片片。
-    /// - url：http(s) 可达 URL（provider 直接转发，不读字节）。
-    /// - base64：data URI 之外的纯 base64 字符串 + media_type（provider 内嵌转发）。
-    ///   base64 非空时 url 忽略，便于前端上行无网络回拉的本地粘贴图。
-    Image {
-        url: Option<String>,
-        base64: Option<String>,
-        /// base64 模式必填（image/png | image/jpeg | image/webp | image/gif）；url 模式可空。
-        media_type: Option<String>,
-        /// 可选 alt（vision 模型/降级文本时用）
-        #[serde(skip_serializing_if = "Option::is_none")]
-        alt: Option<String>,
-    },
-}
+// 透明 re-export：types.rs 中所有 pub 类型经此回流到 provider::* glob,
+// 使 df_ai::provider::*（df-ai/src/provider.rs:15 的 `pub use df_ai_core::provider::*`）
+// 与直接 `df_ai_core::provider::Type` 限定路径全部继续可用。
+pub use crate::types::*;
+use crate::types::now_millis_i64;
 
 impl ContentPart {
     pub fn text(text: impl Into<String>) -> Self {
@@ -90,51 +40,6 @@ impl ContentPart {
     }
 }
 
-/// 聊天消息
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct ChatMessage {
-    pub role: MessageRole,
-    pub content: String,
-    /// 多模态内容片（F-260614-05 Phase 2a）。
-    ///
-    /// `None`/空 → 纯文本消息（绝大多数场景，content 即全部载荷）。
-    /// `Some(含 Image 片)` → 多模态消息，provider 在 `has_image()` 为真时把 parts
-    /// 连同 content（作为前置 Text 片）一起转成 OpenAI/Anthropic 的 content blocks。
-    /// content 字段始终保留人类可读文本（文本消息的 Text 片内容与 content 一致），
-    /// 保证 audit/title/export 等读 content 当字符串的调用方零回归。
-    #[serde(default, skip_serializing_if = "Option::is_none")]
-    pub parts: Option<Vec<ContentPart>>,
-    /// 工具调用 ID（role=Tool 时必填）
-    #[serde(skip_serializing_if = "Option::is_none")]
-    pub tool_call_id: Option<String>,
-    /// AI 发起的工具调用列表（role=Assistant 时可能有）
-    #[serde(skip_serializing_if = "Option::is_none")]
-    pub tool_calls: Option<Vec<ToolCall>>,
-    /// 生成该消息的 model（仅 assistant 消息有，消息级 model 追溯）
-    #[serde(default, skip_serializing_if = "Option::is_none")]
-    pub model: Option<String>,
-    /// 消息状态（UX-09 编辑重生成）：None/"active" 正常可见；
-    /// "truncated" 软删（编辑某条 user 消息后其后续消息标记，保留 DB 可追溯但不进 LLM 上下文、前端视图过滤）
-    /// 默认 None（向前兼容老 JSON 反序列化）。落库随 messages JSON 序列化，无需独立列。
-    #[serde(default, skip_serializing_if = "Option::is_none")]
-    pub status: Option<String>,
-    /// DeepSeek thinking 模式的推理内容（多轮需回传）
-    #[serde(default, skip_serializing_if = "Option::is_none")]
-    pub reasoning_content: Option<String>,
-    /// 消息创建时间(Unix 毫秒)。仅前端时间戳展示用,序列化进 messages JSON 持久化;
-    /// provider 请求映射不读此字段(构造器打戳→映射忽略,不进 LLM 请求),老数据反序列化为 None。
-    #[serde(default, skip_serializing_if = "Option::is_none")]
-    pub timestamp: Option<i64>,
-}
-
-/// 当前 Unix 毫秒(ChatMessage 打戳用;df-ai-core 不依赖 df-types,内联避免新增依赖)。
-fn now_millis_i64() -> i64 {
-    std::time::SystemTime::now()
-        .duration_since(std::time::UNIX_EPOCH)
-        .map(|d| d.as_millis() as i64)
-        .unwrap_or(0)
-}
-
 impl ChatMessage {
     pub fn system(content: impl Into<String>) -> Self {
         Self { role: MessageRole::System, content: content.into(), parts: None, tool_call_id: None, tool_calls: None, model: None, status: None, reasoning_content: None, timestamp: Some(now_millis_i64()) }
@@ -194,24 +99,6 @@ impl ChatMessage {
     }
 }
 
-/// 消息角色
-#[derive(Debug, Clone, Serialize, Deserialize)]
-#[serde(rename_all = "lowercase")]
-pub enum MessageRole {
-    System,
-    User,
-    Assistant,
-    Tool,
-}
-
-/// 工具定义
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct ToolDefinition {
-    #[serde(rename = "type")]
-    pub tool_type: String,
-    pub function: ToolFunction,
-}
-
 impl ToolDefinition {
     pub fn function(name: impl Into<String>, description: impl Into<String>, parameters: serde_json::Value) -> Self {
         Self {
@@ -221,23 +108,6 @@ impl ToolDefinition {
     }
 }
 
-/// 函数定义
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct ToolFunction {
-    pub name: String,
-    pub description: String,
-    pub parameters: serde_json::Value,
-}
-
-/// 工具调用（AI 发起）
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct ToolCall {
-    pub id: String,
-    #[serde(rename = "type")]
-    pub call_type: String,
-    pub function: ToolCallFunction,
-}
-
 impl ToolCall {
     pub fn new(id: impl Into<String>, name: impl Into<String>, arguments: impl Into<String>) -> Self {
         Self {
@@ -248,79 +118,6 @@ impl ToolCall {
     }
 }
 
-/// 工具调用函数部分
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct ToolCallFunction {
-    pub name: String,
-    pub arguments: String,
-}
-
-/// LLM 调用响应
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct CompletionResponse {
-    /// 生成的文本
-    pub text: String,
-    /// 使用的模型
-    pub model: String,
-    /// 消耗的 token 数
-    pub usage: TokenUsage,
-    /// AI 发起的工具调用（如有）
-    #[serde(skip_serializing_if = "Option::is_none")]
-    pub tool_calls: Option<Vec<ToolCall>>,
-    /// DeepSeek thinking 模式响应中的推理内容（需回传到下一轮请求）
-    #[serde(default, skip_serializing_if = "Option::is_none")]
-    pub reasoning_content: Option<String>,
-}
-
-/// Token 用量
-#[derive(Debug, Clone, Default, Serialize, Deserialize)]
-pub struct TokenUsage {
-    pub prompt_tokens: u32,
-    pub completion_tokens: u32,
-    pub total_tokens: u32,
-}
-
-/// 流式输出的 chunk
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct StreamChunk {
-    /// 增量文本
-    pub delta: String,
-    /// 是否结束
-    pub finished: bool,
-    /// 工具调用增量（如有）
-    #[serde(skip_serializing_if = "Option::is_none")]
-    pub tool_calls: Option<Vec<ToolCallDelta>>,
-    /// Token 用量（流末 chunk 携带，由 provider 解析自 SSE usage 事件）
-    #[serde(skip_serializing_if = "Option::is_none")]
-    pub usage: Option<TokenUsage>,
-    /// provider 流式错误事件（如 Anthropic SSE `type=="error"`）。
-    /// 非空表示流中途出错，不应视为正常完成（finished 路径），由 stream_llm 转 AiError。
-    #[serde(skip)]
-    pub error: Option<String>,
-    /// DeepSeek thinking 模式推理内容增量
-    #[serde(default, skip_serializing_if = "Option::is_none")]
-    pub reasoning_content: Option<String>,
-}
-
-/// 工具调用增量（流式中的片段）
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct ToolCallDelta {
-    /// 索引
-    pub index: u32,
-    /// 工具调用 ID（仅第一个 chunk 有）
-    #[serde(skip_serializing_if = "Option::is_none")]
-    pub id: Option<String>,
-    /// 函数名片段
-    #[serde(skip_serializing_if = "Option::is_none")]
-    pub function_name: Option<String>,
-    /// 函数参数片段
-    #[serde(skip_serializing_if = "Option::is_none")]
-    pub function_arguments: Option<String>,
-}
-
-/// 异步流类型别名
-pub type StreamResult = Pin<Box<dyn Stream<Item = anyhow::Result<StreamChunk>> + Send>>;
-
 /// LLM Provider trait
 #[async_trait]
 pub trait LlmProvider: Send + Sync {
diff --git a/crates/df-ai-core/src/types.rs b/crates/df-ai-core/src/types.rs
new file mode 100644
index 0000000..9fcbb6b
--- /dev/null
+++ b/crates/df-ai-core/src/types.rs
@@ -0,0 +1,221 @@
+//! LLM Provider 数据结构定义（纯类型，零 IO）
+//!
+//! 从 provider.rs 拆分的核心数据类型层：请求/响应/消息/工具/Token 等
+//! `#[derive]` struct 与 enum + 一个内联时间戳辅助函数。所有 impl 块与
+//! `LlmProvider` trait 留在 provider.rs，本文件只承载类型定义。
+//!
+//! 经 `provider.rs` 的 `pub use crate::types::*` re-export，外部路径
+//! `df_ai_core::provider::*` / `df_ai::provider::*` 保持不变（编译期验证）。
+
+use std::pin::Pin;
+
+use futures::Stream;
+use serde::{Deserialize, Serialize};
+
+// ============================================================
+// 核心数据结构
+// ============================================================
+
+/// LLM 调用请求
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct CompletionRequest {
+    /// 模型名称
+    pub model: String,
+    /// 提示消息列表
+    pub messages: Vec<ChatMessage>,
+    /// 温度（0.0 ~ 2.0）
+    pub temperature: Option<f32>,
+    /// 最大生成 token 数
+    pub max_tokens: Option<u32>,
+    /// 是否流式输出
+    pub stream: bool,
+    /// 可调用的工具定义
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub tools: Option<Vec<ToolDefinition>>,
+    /// 工具调用策略: "auto" | "none" | {"type":"function","name":"xxx"}
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub tool_choice: Option<serde_json::Value>,
+    /// DeepSeek thinking 模式：需把上一轮 response 的 reasoning_content 回传
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub reasoning_content: Option<String>,
+}
+
+/// 多模态消息内容片。Text 片为字符串；Image 片可走 url 或 base64（二选一，base64 非空时 url 忽略）。
+///
+/// F-260614-05 Phase 2a 后端：ContentPart 作为 `ChatMessage.parts` 的元素类型。
+/// 设计上 `content: String`（纯文本主载荷）保持不变，多模态片挂在 `parts`：
+/// 这样未接入多模态的调用方（audit/title/commands/knowledge_inject 等读 content 当字符串）
+/// 零回归，避免一次性改全仓。provider 转换层在 `has_image()` 为真时把 parts 透传给
+/// vision 端点，否则只用 content 文本（保持纯文本端点兼容）。
+#[derive(Debug, Clone, Serialize, Deserialize, PartialEq)]
+#[serde(tag = "type", rename_all = "snake_case")]
+pub enum ContentPart {
+    /// 文本片
+    Text { text: String },
+    /// 图片片。
+    /// - url：http(s) 可达 URL（provider 直接转发，不读字节）。
+    /// - base64：data URI 之外的纯 base64 字符串 + media_type（provider 内嵌转发）。
+    ///   base64 非空时 url 忽略，便于前端上行无网络回拉的本地粘贴图。
+    Image {
+        url: Option<String>,
+        base64: Option<String>,
+        /// base64 模式必填（image/png | image/jpeg | image/webp | image/gif）；url 模式可空。
+        media_type: Option<String>,
+        /// 可选 alt（vision 模型/降级文本时用）
+        #[serde(skip_serializing_if = "Option::is_none")]
+        alt: Option<String>,
+    },
+}
+
+/// 聊天消息
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct ChatMessage {
+    pub role: MessageRole,
+    pub content: String,
+    /// 多模态内容片（F-260614-05 Phase 2a）。
+    ///
+    /// `None`/空 → 纯文本消息（绝大多数场景，content 即全部载荷）。
+    /// `Some(含 Image 片)` → 多模态消息，provider 在 `has_image()` 为真时把 parts
+    /// 连同 content（作为前置 Text 片）一起转成 OpenAI/Anthropic 的 content blocks。
+    /// content 字段始终保留人类可读文本（文本消息的 Text 片内容与 content 一致），
+    /// 保证 audit/title/export 等读 content 当字符串的调用方零回归。
+    #[serde(default, skip_serializing_if = "Option::is_none")]
+    pub parts: Option<Vec<ContentPart>>,
+    /// 工具调用 ID（role=Tool 时必填）
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub tool_call_id: Option<String>,
+    /// AI 发起的工具调用列表（role=Assistant 时可能有）
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub tool_calls: Option<Vec<ToolCall>>,
+    /// 生成该消息的 model（仅 assistant 消息有，消息级 model 追溯）
+    #[serde(default, skip_serializing_if = "Option::is_none")]
+    pub model: Option<String>,
+    /// 消息状态（UX-09 编辑重生成）：None/"active" 正常可见；
+    /// "truncated" 软删（编辑某条 user 消息后其后续消息标记，保留 DB 可追溯但不进 LLM 上下文、前端视图过滤）
+    /// 默认 None（向前兼容老 JSON 反序列化）。落库随 messages JSON 序列化，无需独立列。
+    #[serde(default, skip_serializing_if = "Option::is_none")]
+    pub status: Option<String>,
+    /// DeepSeek thinking 模式的推理内容（多轮需回传）
+    #[serde(default, skip_serializing_if = "Option::is_none")]
+    pub reasoning_content: Option<String>,
+    /// 消息创建时间(Unix 毫秒)。仅前端时间戳展示用,序列化进 messages JSON 持久化;
+    /// provider 请求映射不读此字段(构造器打戳→映射忽略,不进 LLM 请求),老数据反序列化为 None。
+    #[serde(default, skip_serializing_if = "Option::is_none")]
+    pub timestamp: Option<i64>,
+}
+
+/// 当前 Unix 毫秒(ChatMessage 打戳用;df-ai-core 不依赖 df-types,内联避免新增依赖)。
+pub(crate) fn now_millis_i64() -> i64 {
+    std::time::SystemTime::now()
+        .duration_since(std::time::UNIX_EPOCH)
+        .map(|d| d.as_millis() as i64)
+        .unwrap_or(0)
+}
+
+/// 消息角色
+#[derive(Debug, Clone, Serialize, Deserialize)]
+#[serde(rename_all = "lowercase")]
+pub enum MessageRole {
+    System,
+    User,
+    Assistant,
+    Tool,
+}
+
+/// 工具定义
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct ToolDefinition {
+    #[serde(rename = "type")]
+    pub tool_type: String,
+    pub function: ToolFunction,
+}
+
+/// 函数定义
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct ToolFunction {
+    pub name: String,
+    pub description: String,
+    pub parameters: serde_json::Value,
+}
+
+/// 工具调用（AI 发起）
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct ToolCall {
+    pub id: String,
+    #[serde(rename = "type")]
+    pub call_type: String,
+    pub function: ToolCallFunction,
+}
+
+/// 工具调用函数部分
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct ToolCallFunction {
+    pub name: String,
+    pub arguments: String,
+}
+
+/// LLM 调用响应
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct CompletionResponse {
+    /// 生成的文本
+    pub text: String,
+    /// 使用的模型
+    pub model: String,
+    /// 消耗的 token 数
+    pub usage: TokenUsage,
+    /// AI 发起的工具调用（如有）
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub tool_calls: Option<Vec<ToolCall>>,
+    /// DeepSeek thinking 模式响应中的推理内容（需回传到下一轮请求）
+    #[serde(default, skip_serializing_if = "Option::is_none")]
+    pub reasoning_content: Option<String>,
+}
+
+/// Token 用量
+#[derive(Debug, Clone, Default, Serialize, Deserialize)]
+pub struct TokenUsage {
+    pub prompt_tokens: u32,
+    pub completion_tokens: u32,
+    pub total_tokens: u32,
+}
+
+/// 流式输出的 chunk
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct StreamChunk {
+    /// 增量文本
+    pub delta: String,
+    /// 是否结束
+    pub finished: bool,
+    /// 工具调用增量（如有）
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub tool_calls: Option<Vec<ToolCallDelta>>,
+    /// Token 用量（流末 chunk 携带，由 provider 解析自 SSE usage 事件）
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub usage: Option<TokenUsage>,
+    /// provider 流式错误事件（如 Anthropic SSE `type=="error"`）。
+    /// 非空表示流中途出错，不应视为正常完成（finished 路径），由 stream_llm 转 AiError。
+    #[serde(skip)]
+    pub error: Option<String>,
+    /// DeepSeek thinking 模式推理内容增量
+    #[serde(default, skip_serializing_if = "Option::is_none")]
+    pub reasoning_content: Option<String>,
+}
+
+/// 工具调用增量（流式中的片段）
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct ToolCallDelta {
+    /// 索引
+    pub index: u32,
+    /// 工具调用 ID（仅第一个 chunk 有）
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub id: Option<String>,
+    /// 函数名片段
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub function_name: Option<String>,
+    /// 函数参数片段
+    #[serde(skip_serializing_if = "Option::is_none")]
+    pub function_arguments: Option<String>,
+}
+
+/// 异步流类型别名
+pub type StreamResult = Pin<Box<dyn Stream<Item = anyhow::Result<StreamChunk>> + Send>>;