异步任务系统

WeKnora 的文档解析、索引构建、富化（摘要 / 问题生成 / 图谱抽取 / 多模态）、Wiki 生成、数据源同步、批量删除与重解析等所有耗时操作，都通过基于 asynq（Redis 作为 broker）的异步任务系统执行。涉及的主要源码：

1. 总体架构：双执行模式

WeKnora 有两种任务执行模式，通过部署形态选择：

• asynq 模式（标准部署）：任务经 asynq.Client 序列化为 JSON payload 写入 Redis 队列，由多个独立的 asynq.Server（worker pool）消费。internal/router/task.go 中 RunAsynqServer() 构建统一的 asynq.ServeMux 并在 6 个 pool 上运行。
• Lite 模式（单机 / macOS App，无 Redis）：internal/router/sync_task.go 的 SyncTaskExecutor 实现同一个 interfaces.TaskEnqueuer 接口，Enqueue 直接把任务派发到 goroutine 执行，支持 ProcessIn（延迟）与 MaxRetry 选项；重试为线性退避（attempt * 5s，上限 30s）。

// internal/router/sync_task.go
// SyncTaskExecutor executes tasks synchronously (in a goroutine) without Redis.
// Used in Lite mode as a drop-in replacement for *asynq.Client.

两种模式注册的 handler 集合完全一致（对比 RunAsynqServer 与 RegisterSyncHandlers），保证任务语义不因部署形态漂移。

2. Redis 在系统中的角色

Redis 连接参数来自环境变量 REDIS_ADDR / REDIS_USERNAME / REDIS_PASSWORD / REDIS_DB / TLS 配置。读写超时由 WEKNORA_REDIS_OP_TIMEOUT_MS 控制，默认 500ms（写超时为其 2 倍以吸收队头阻塞）：

// internal/router/task.go
const defaultRedisOpTimeoutMs = 500
opt := &asynq.RedisClientOpt{
    Addr:        os.Getenv("REDIS_ADDR"),
    ReadTimeout: time.Duration(timeoutMs) * time.Millisecond,
    WriteTimeout: time.Duration(timeoutMs*2) * time.Millisecond,
    ...
}

3. 任务类型清单

任务类型常量定义在 internal/types/task.go：

所有 payload 结构体（如 DocumentProcessPayload、ImageMultimodalPayload）都内嵌 types.TracingContext，用于跨进程传递 Langfuse/W3C traceparent（见可观测性文档），并统一携带 tenant_id / knowledge_id / knowledge_base_id 等路由字段，供死信归档与取消匹配使用。

4. Worker Pool 拓扑与治理策略

internal/types/task.go 中的 queueDefinitions 是队列拓扑的唯一事实来源（single source of truth），worker server 构建（QueueWeightsForPool）与运维面板展示（QueueStats）共用该注册表，防止权重漂移。

4.1 六个独立 worker pool

每个 pool 是一个独立的 asynq.Server，并发度硬隔离（不是权重偏好）。默认并发与配置键（system_settings 键 / 环境变量，见 types.ResolveWorkerPoolConcurrency）：

设计要点（源码注释均可佐证）：

• 保障容量 + 弹性借用：core/postprocess/enrichment/maintenance 提供最低保障容量；shared pool 同时订阅 core 与 enrichment 的队列，闲置容量可被任一阶段借用（NewSharedAsynqServer：Redis dequeue 原子，多 server 订阅同一队列每个任务仍只执行一次）。post-process 与 maintenance 被刻意排除在 shared 之外（QueueWeightsForSharedPool 注释：post-process 需要延迟保证，长 maintenance 任务不应占用面向用户的突发容量）。
• Wiki 硬隔离：wiki pool 只拉取 wiki 队列，防止解析流水线与 Wiki 生成互相饿死（NewWikiAsynqServer 注释）。
• 聊天附件优先：chat_attachment 在 core pool 权重 3 高于 default 的 1，大批量 KB 导入不会让交互式聊天上传排队。
• 滚动升级兼容：QueueMaintenance 常量的物理 Redis 队列名保持旧版的 "low"，旧版本入队的任务在滚动部署期间仍可被消费。

4.2 Worker Pool 架构图

flowchart LR
    subgraph Producers["生产者 (API handlers / services)"]
        API["HTTP API
(上传 / 重解析 / 删除 / 同步...)"]
        CRON["调度器
(datasource scheduler 等)"]
    end
    API -->|"asynq.Client.Enqueue"| REDIS
    CRON -->|"asynq.Client.Enqueue"| REDIS

    subgraph REDIS["Redis (asynq broker)"]
        Q1["default (1)"]
        Q2["chat_attachment (3)"]
        Q3["postprocess (1)"]
        Q4["summary (2)"]
        Q5["multimodal (1)"]
        Q6["graph (1)"]
        Q7["question (1)"]
        Q8["sync (2)"]
        Q9["low (1, maintenance)"]
        Q10["wiki (1)"]
    end

    subgraph Workers["六个独立 asynq.Server (共享同一个 ServeMux)"]
        CORE["core pool
并发 8"]
        PP["postprocess pool
并发 2"]
        EN["enrichment pool
并发 12"]
        MT["maintenance pool
并发 4"]
        SH["shared pool (弹性)
并发 6"]
        WK["wiki pool
并发 8"]
    end

    Q1 --> CORE
    Q2 --> CORE
    Q3 --> PP
    Q4 --> EN
    Q5 --> EN
    Q6 --> EN
    Q7 --> EN
    Q8 --> MT
    Q9 --> MT
    Q10 --> WK
    Q1 -. "弹性借用" .-> SH
    Q2 -. "弹性借用" .-> SH
    Q4 -. "弹性借用" .-> SH
    Q5 -. "弹性借用" .-> SH
    Q6 -. "弹性借用" .-> SH
    Q7 -. "弹性借用" .-> SH

    subgraph MW["ServeMux 中间件链 (安装顺序)"]
        M1["1. asynqdl 死信中间件
(最先安装, 看到原始错误)"]
        M2["2. backgroundTaskMiddleware
(标记后台任务, 模型并发治理)"]
        M3["3. langfuse.AsynqMiddleware
(trace 续接 + SPAN 包裹)"]
    end
    Workers --> MW --> H["业务 Handler
(KnowledgeService.ProcessDocument 等)"]

4.3 中间件治理

RunAsynqServer（internal/router/task.go）在同一个 mux 上按顺序安装三个中间件：

1. asynqdl.MiddlewareWithCallback（死信） — 必须最先安装，以便看到 handler 返回的原始错误（后续中间件可能转换错误）。见第 7 节。
2. backgroundTaskMiddleware — 对每个任务 context 打 types.WithBackgroundTask 标记，使 per-model 聊天并发治理器（chat concurrency governor）对 ingestion/enrichment 的 LLM 调用限流，但不影响交互式用户聊天。
3. langfuse.AsynqMiddleware — Langfuse 关闭时为直通；开启时续接上游 HTTP trace 或新开独立 trace，将 handler 执行包成 SPAN。

4.4 重试退避策略

默认使用 asynq 的指数退避（约 10s、40s、90s、2.5m…），但对 Wiki ingest 锁冲突做了定制（asynqRetryDelayFunc）：

// internal/router/task.go
func asynqRetryDelayFunc(n int, e error, t *asynq.Task) time.Duration {
    if errors.Is(e, service.ErrWikiIngestConcurrent) {
        return wikiIngestRetryDelay // 固定 15s
    }
    return asynq.DefaultRetryDelayFunc(n, e, t)
}

原因：孤儿锁 TTL ≤ 60s，固定 15s 重试几乎必然成功；指数退避反而会让崩溃重启后的 KB 卡 7–10 分钟。

5. 任务生命周期状态机

asynq 侧的运行时状态（internal/router/task_inspector.go 中 runtimeTaskState 映射为 types.RuntimeTaskState）：pending、active、scheduled、retry、archived、completed。业务侧知识行的 parse_status（internal/types/knowledge.go）：pending → processing → finalizing → completed，以及 failed / deleting / cancelled。

stateDiagram-v2
    direction LR
    [*] --> pending : Enqueue()
    [*] --> scheduled : Enqueue(ProcessIn=delay)
    scheduled --> pending : 到达 NextProcessAt
    pending --> active : worker 原子 dequeue
    active --> completed : handler 返回 nil
    active --> retry : handler 返回 error
且 retried < max_retry
    retry --> pending : 退避时间到
(默认指数, wiki 锁冲突固定 15s)
    active --> archived : 最后一次重试仍失败
asynqdl 写 task_dead_letters
+ 回调置 Knowledge=failed
    active --> [*] : CancelProcessing 信号
(context.Canceled)
    pending --> [*] : TaskInspector.DeleteTask
(取消 / KB 删除)
    scheduled --> [*] : TaskInspector.DeleteTask
    retry --> [*] : TaskInspector.DeleteTask
    archived --> pending : 运维操作 run_now
(Inspector.RunTask, 保留重试计数)
    archived --> [*] : 运维删除 / 清空 archived
    completed --> [*] : 保留期到期 (asynq TTL)

对应的知识行状态（由任务驱动）：

stateDiagram-v2
    direction LR
    [*] --> k_pending : 创建知识
    k_pending --> k_processing : document:process 开始
    k_processing --> k_finalizing : 主解析完成, 富化子任务在飞
(pending_subtasks_count > 0)
    k_finalizing --> k_completed : 最后一个子任务原子归零
    k_processing --> k_failed : 死信回调 / housekeeping 清扫
    k_finalizing --> k_failed : 死信回调 / housekeeping 清扫
    k_processing --> k_cancelled : 用户取消解析
    k_finalizing --> k_cancelled : 用户取消解析
    k_cancelled --> k_pending : reparse 重新触发
    k_failed --> k_pending : reparse 重新触发
    k_pending : pending
    k_processing : processing
    k_finalizing : finalizing
    k_completed : completed
    k_failed : failed
    k_cancelled : cancelled

6. 任务巡检、取消与运维面板（TaskInspector）

internal/router/task_inspector.go 实现 interfaces.TaskInspector，asynq 模式下由 asynq.Inspector + 原生 Redis client 支撑；Lite 模式为 noopTaskInspector（goroutine 无法在启动前被摘除，checkpoint 式中止是唯一停止信号）。

6.1 按知识 / 知识库取消

• CancelTasksForKnowledge(ctx, knowledgeID)：扫描全部注册队列（queuesScanned 来自 types.QueueDefinitions()）的 pending/scheduled/retry/active 四个状态，payload 中 knowledge_id 匹配即处理。可取消的任务类型白名单 taskTypesForKnowledgeCancel：document:process、manual:process、image:multimodal、knowledge:post_process、question:generation、summary:generation、chunk:extract（刻意不含 FAQ 导入 / KB 级任务）。
• 取消流程分三阶段（cancelMatchingTasks）：① 先删干净排队态；② 快照 active 任务后调用 Inspector.CancelProcessing 发信号，并在 1s 的 settle 窗口内轮询（25ms 间隔）删除因 context.Canceled 转入 retry 的记录（deleteCancelledTransitions）；③ 再扫一遍排队态，兜住取消期间新入队的下游任务。
• CancelTasksForKnowledgeBase：KB 删除后的孤儿任务清理；kb:delete 与 index:delete 明确排除（它们携带快照、负责真正的存储清理，删掉会泄漏资源）。clone/move 的语义 KB 字段（source_id/target_id/source_kb_id/target_kb_id）也参与匹配。
• 一切均为 best-effort：Redis 抖动时记 Warn 日志并吞掉，取消 API 依然返回成功。
• HasQueuedTasksForKnowledge：只读探测，housekeeping 清扫用它区分"积压但未孤儿"的行，避免误标 failed。

6.2 运维面板（SystemAdmin Runtime Dashboard）

• QueueStats()：逐队列 GetQueueInfo，输出 types.QueueStat（size/pending/active/scheduled/retry/archived/completed、当日 processed/failed、paused、latency_ms（最老 pending 任务年龄）、内存占用），并附上静态 pool/weight 元数据。从未创建过的队列返回零值行（isAsynqQueueNotFound 同时兼容 asynq v0.26 泄漏的内部 NOT_FOUND 错误串，见 task_inspector_errors.go）。
• ListRuntimeTasks()：基于 Redis 键 asynq:{<queue>}:<state> 直接分页 —— pending/active 是 LIST（最新在前），scheduled/retry 是按 NextProcessAt 升序的 ZSET，archived/completed 按分数倒序。游标为 base64 编码的锚点窗口（最多 32 个锚点，runtimeTaskCursorMaxAnchors），锚点消失（任务完成/重试/删除）时可继续分页。payload 只投影白名单路由元数据（tenant/kb/knowledge/task/sync 等 ID），绝不暴露文档内容或密钥。
• 任务动作由 runtimeTaskActions 状态检查约束：cancel（pending/active/scheduled/retry 且可取消类型）、run_now（scheduled/retry/archived，asynq 保留重试计数）、delete（仅 archived）；另有 PurgeArchivedRuntimeTasks 一键清空单队列 archived 集合。
• WorkerServerStats()：读取 asynq server 心跳（并发、活跃 worker 数、状态、队列权重），跨副本聚合后区分"配置的单实例容量"与"实际集群容量"。

对应 HTTP API（internal/router/router.go，SystemAdmin + 平台 API Key capability 门控）：

7. 失败重试与死信处理

7.1 asynq 死信中间件（internal/middleware/asynqdl/asynqdl.go）

• 只在最后一次尝试失败时（isFinalAttempt：retried >= max_retry）写一行 task_dead_letters，避免瞬时抖动每次都产生一行。
• buildDeadLetter 用宽容的 payloadProbe 从任意 payload 提取 tenant_id / knowledge_base_id / kb_id / knowledge_id / source_kb_id，inferScope 按"爆炸半径"推断 scope（knowledge_base > knowledge > tenant > unknown）。payload 原样保留（可用于将来重放），last_error 截断到 8KB。
• 插入是 best-effort：DB 失败只记日志，原始任务错误始终原样向 asynq 上抛（进入 archived）。
• OnDeadLetter 回调（internal/router/task.go 的 newDeadLetterKnowledgeFailer）：document:process / knowledge:post_process / manual:process 耗尽重试时，单条 UPDATE 把知识行 parse_status=failed + error_message 一并写入（避免半更新），并调用 SpanTracker.FinalizeAttempt 关闭对应 attempt 的根 span，让时间线不再显示"进行中"。knowledge:list_delete 有专门分支 markKnowledgeListDeleteFailed。image:multimodal 刻意不标记父知识失败（finalize-on-last-attempt 已保证进度）。回调用 context.Background() 执行且 panic 被捕获，绝不改变原始任务错误。

7.2 持久化任务队列与服务级死信（internal/application/repository/task_queue.go）

task_pending_ops 表是 Redis list 队列的持久化替代（重启不丢、无 TTL 驱逐），队列身份是 (task_type, scope, scope_id) 三元组，目前主要消费者是 Wiki ingest：

• Enqueue / EnqueueIfKnowledgeBaseActive：后者在事务中用 Postgres SHARE 行锁校验 KB 仍存活，防止 KB 软删后仍写入新的持久化工作。
• ClaimBatch：按 dedup_key（=文档）整组原子认领。核心不变量：同一文档的多个 op（如 ingest 后跟 retract）绝不拆到两个并发批次；有新鲜 claim（claimed_at >= staleBefore）的 key 整体跳过，晚到的兄弟 op 等待持有者完成或 claim 过期。Postgres 上用每个 key 的 anchor 行 FOR UPDATE SKIP LOCKED 保证并发认领者拿到不相交的 key 集；SQLite（Lite/测试）依赖单写者引擎。
• IncrFailCount（UPDATE ... RETURNING 单往返原子自增）配合服务侧上限（wiki 的 wikiMaxFailRetries）：超限后该 op 从 task_pending_ops 移入 task_dead_letters（internal/application/service/wiki_ingest.go 直接 deadLetterRepo.Insert）。
• ReleaseByIDs / DeleteByIDs / DeleteByScope / DeleteByDedupKey / PendingCount 提供释放、消费确认、KB 生命周期清理与积压观测。

死信仓储 taskDeadLetterRepository 提供 ListByScope / ListByTaskType（id 倒序游标分页，limit 1–200）与 DeleteByID；运维可直接 SQL 按任务类型 / scope / 租户查询失败，无需翻日志。

7.3 兜底：housekeeping 清扫

internal/application/service/knowledge_housekeeping.go：cron 每 5 分钟（0 */5 * * * *）扫描卡在 pending/processing/finalizing 超过 stale 阈值的知识行并标记 failed。这是 asynq 重试、死信回调、multimodal finalize 之外的最后防线（worker 被 kill 在 handler 中间、defer 没跑到等场景）。清扫结合 span 心跳、updated_at 与 TaskInspector.HasQueuedTasksForKnowledge，避免误杀"积压但未孤儿"的行。可用 WEKNORA_HOUSEKEEPING_ENABLED=false 关闭。

8. 事件总线（internal/event）

事件总线用于进程内的会话/Agent 流式事件分发（如 SSE 推送、IM 回调），与 asynq（跨进程持久任务）互补。

8.1 结构与投递保证

// internal/event/event.go
type Event struct {
    ID        string                 // 事件ID (自动生成UUID，用于流式更新追踪)
    Type      EventType
    SessionID string
    Data      interface{}
    Metadata  map[string]interface{}
    RequestID string
}

• EventBus.On(type, handler) 注册（同类型可多 handler），Off / Clear 移除；HasHandlers / GetHandlerCount 查询。
• 同步模式（NewEventBus，默认）：Emit 顺序执行 handler，任一 handler 出错立即返回错误（at-most-once，出错中断后续 handler）。
• 异步模式（NewAsyncEventBus）：Emit 对每个 handler 起 goroutine，fire-and-forget，错误被丢弃，panic 被 recover 记日志。
• EmitAndWait：两种模式下都并行执行全部 handler 并等待完成，收集错误与 panic。
• 投递保证为进程内、非持久化：无注册 handler 时事件被静默丢弃（返回 nil）；进程崩溃丢失在飞事件。持久化诉求应走 asynq 或 task_pending_ops。
• global.go 提供全局单例（event.On / event.Emit）；实践中会话级流式处理使用独立的 bus 实例（见订阅者）。
• middleware.go 提供 handler 中间件：WithLogging（触发/失败日志）、WithTiming（耗时写入 metadata）、WithRecovery（panic 转 PanicError），Chain / ApplyMiddleware 组合。
• adapter.go 的 EventBusAdapter 把 *EventBus 适配为 types.EventBusInterface，避免循环依赖。

8.2 事件类型清单（internal/event/event.go）

每类事件的数据结构定义在 internal/event/event_data.go（如 AgentToolCallData 携带 tool_call_id/tool_name/arguments/hint，AgentFinalAnswerData 携带 content/done/is_fallback 等）。

8.3 主要订阅者

9. internal/runtime 包

该包很小，是运行时基础设施而非 worker 逻辑：

• container.go：init() 创建全局 *dig.Container（uber dig），GetContainer() 供各包注册/解析依赖。所有 asynq server、handler、repository 都经它装配（实际大规模装配在 internal/container/container.go）。
• server.go：MarkServerStarted() / ServerStartedAt() / ServerUptime() —— 进程启动时刻记录，供运维面板显示 uptime。
• startup.go：SilenceGinRouteSpam() 抑制约 150 行 Gin 路由注册日志并汇总为一行（LogGinRouteCount）；LogStartupEnv() 打印精选环境变量横幅（敏感值只显示 set (N chars)），并对典型 footgun 发出显式警告（如 SYSTEM_AES_KEY 长度不等于 32 时加密实际被禁用、REDIS_TLS_INSECURE_SKIP_VERIFY=true）。

10. 如何监控任务

1. 运维面板 / Runtime API（第 6.2 节）：队列深度、最老 pending 延迟（latency_ms）、当日 processed/failed、worker 心跳；按状态浏览任务、查看 last_error、retried/max_retry、执行 run_now/cancel/delete。
2. 死信表 SQL：SELECT * FROM task_dead_letters WHERE scope='knowledge_base' AND scope_id='<kbID>' ORDER BY id DESC; 或按 task_type 聚合失败率；task_pending_ops 的 PendingCount / enqueued_at 可发现从未排空的积压。
3. 日志：worker 侧统一走 internal/logger，关键前缀有 [TaskInspector]（取消/巡检）、asynq dead-letter、[SyncTask]（Lite 模式）、[Housekeeping]；启动时每个 pool 打印 asynq <pool> server starting with concurrency=...。
4. Langfuse trace：开启后每个 asynq 任务是一个 asynq.<task_type> SPAN（含 queue、retry、payload 大小元数据），与触发它的 HTTP 请求同 trace（见可观测性文档）。
5. 平台审计：对 archived 任务的 run_now/delete/purge 操作写入 audit_logs（system.queue_task_* 动作），可追责。