优化: AI Chat全栈多批审查修复与架构清理(risk_level清理/路由解耦/工具渲染/测试补测/死代码)

src-tauri/src/commands/ai/title.rs

@@ -6,10 +6,11 @@ use tauri::{AppHandle, Emitter};
 use tokio::sync::Mutex;
 
 use df_ai::provider::{ChatMessage, CompletionRequest, LlmProvider, MessageRole};
-// F-01 阶段5: 标题生成路由 — TaskRequirements(Lite + Low 成本,无需工具)。
-// 标题是短文本摘要任务,选便宜 Lite 模型;池空/无匹配兜底 default_model(行为不变)。
+// F-01 阶段5: 标题生成路由 — TaskRequirements(无需工具)。
+// 标题是短文本摘要任务;池空/无匹配兜底 default_model(行为不变)。
+// 注:路由已解耦(B-260618-03),原 Lite/Low 智力成本约束已删除,纯 weight 选模型。
 use df_ai::router::{
-    select_model_id, CostTier, IntelligenceTier, Modality, TaskRequirements,
+    select_model_id, Modality, TaskRequirements,
 };
 use df_storage::crud::AiConversationRepo;
 use df_storage::db::Database;
@@ -56,6 +57,7 @@ pub(crate) async fn ensure_conversation_title(
                 model: None,
                 status: None,
                 reasoning_content: m.reasoning_content.clone(),
+                timestamp: m.timestamp,
             })
             .collect();
         (summary, session.messages.all_messages_clone())
@@ -64,35 +66,55 @@ pub(crate) async fn ensure_conversation_title(
         return;
     }
 
+    // B-260617-17 修复:进入即 extract_title 兜底落库 + emit,保证侧栏即时有非"新对话"标题。
+    // 原实现仅在 LLM 返回 None(失败)或 provider 构建失败时才落 extract——但 LLM 卡住
+    // (generate_title_via_llm 的 llm_concurrency 信号量 acquire 阻塞 / 网络挂起 / 后台
+    // spawn 未跑完即刷新)时,既不返回 None 也不落库 → 标题长期停留"新对话"。现先落 extract
+    // 兜底,下方 LLM 生成成功后覆盖;LLM 卡住/失败/超时则保留兜底,无论如何不再"新对话"。
+    let fallback_title = extract_title(&all_msgs).unwrap_or_else(|| "新对话".to_string());
+    if let Err(e) = conv_repo.update_field(conv_id, "title", &fallback_title).await {
+        tracing::error!("对话标题兜底落库失败(conv_id={}, title={}): {}", conv_id, fallback_title, e);
+    }
+    let _ = app_handle.emit("ai-conversation-changed", ());
+
     // 标题生成是独立一次 LLM 调用，自建 provider（便于后台 spawn，不借主 loop 的 &dyn LlmProvider）
-    // build_provider_for 含空 key 早失败:Err(如 keyring 读不到)→ 跳过 LLM,extract_title 兜底
     let provider: Box<dyn LlmProvider> = match super::secret::build_provider_for(provider_config) {
         Ok(p) => p,
         Err(e) => {
-            tracing::warn!("标题生成跳过(provider 密钥不可用,走 extract_title 兜底): {}", e);
-            let title = extract_title(&all_msgs).unwrap_or_else(|| "新对话".to_string());
-            let _ = conv_repo.update_field(conv_id, "title", &title).await;
-            let _ = app_handle.emit("ai-conversation-changed", ());
+            // 兜底已落库 + emit,LLM 跳过(密钥不可用等)
+            tracing::warn!("标题 LLM 生成跳过(provider 密钥不可用,保留 extract_title 兜底): {}", e);
             return;
         }
     };
-    // F-01 阶段5: 标题生成路由 — 选便宜 Lite 模型(Low 成本上限,无工具)。
-    // select_model_id None(池空/无匹配)→ 兜底 default_model。
+    // F-01 阶段5: 标题生成路由 — select_model_id None(池空/无匹配)→ 兜底 default_model。
     let title_req = TaskRequirements {
         modalities: vec![Modality::Text],
         needs_tool_use: false,
-        min_intelligence: IntelligenceTier::Lite,
-        max_cost: Some(CostTier::Low),
         estimated_context: 0,
     };
     let title_model = select_model_id(&title_req, &provider_config.model_configs)
         .unwrap_or_else(|| provider_config.default_model.clone());
-    let title = match generate_title_via_llm(&*provider, &title_model, summary_msgs, &llm_concurrency).await {
-        Some(t) => t,
-        None => extract_title(&all_msgs).unwrap_or_else(|| "新对话".to_string()),
+    // B-260617-17: LLM 调用包 20s 超时,防信号量/网络挂起致后台 task 永久堆积;
+    // 超时或返回 None 均保留上方已落的 extract 兜底,不覆盖。
+    let title = match tokio::time::timeout(
+        std::time::Duration::from_secs(20),
+        generate_title_via_llm(&*provider, &title_model, summary_msgs, &llm_concurrency),
+    ).await {
+        Ok(Some(t)) => t,
+        Ok(None) => {
+            tracing::warn!("标题 LLM 生成返回空,保留 extract_title 兜底(conv_id={})", conv_id);
+            return;
+        }
+        Err(_) => {
+            tracing::warn!("标题 LLM 生成超时(20s),保留 extract_title 兜底(conv_id={})", conv_id);
+            return;
+        }
     };
 
-    let _ = conv_repo.update_field(conv_id, "title", &title).await;
+    // LLM 生成成功 → 覆盖 extract 兜底
+    if let Err(e) = conv_repo.update_field(conv_id, "title", &title).await {
+        tracing::error!("对话标题 LLM 落库失败(conv_id={}, title={}): {}", conv_id, title, e);
+    }
     let _ = app_handle.emit("ai-conversation-changed", ());
 }