feat(asr): 降级兜底——分离路由全挂时退到无分离路由，只交付逐字稿
回退链从「一条主路由 + 一串替补」改成两级：先把同能力（有说话人分离）的路由 试完，全挂才降级到不分离的路由。降级是**本次事实**而不是配置事实，写进第 2 步 产物（capability_degraded / capability_zh），第 3 步与第 5/6 步据此判为不可用。 - transcribe.go：Result 加 CapabilityDegraded，判据 chain[0] 能分离而实际这条 不能；与 HasSpeakers 分开记（后者可能是「配了却没输出」那种异常） - audio_handlers.go：闸门从「读路由声明的能力」改成「读稿子里实际有没有标签」 （audioTranscriptSpeakerKeys），与第 3 步共用同一句 SpeakerKeysOf；本次没分离 → 哨兵错误 errAudioSpeakersUnavailableThisRun，不再放行去写一份看不出残缺的纪要 - 闸门**不看** capability_degraded：改动前落库的老产物没有这个字段，看它就 fail-open - 第 1 步「转写要求」提前把降级的后果说清；第 2 步产物带完整措辞与「⚠」日志 - 前端两处（SpecialistPanel.vue / audioSkill.js）判断顺序改为先读实际结果 has_speakers、再退回声明 speakers —— 顺序反了会在降级那一次照旧显示第 3 步 - ai_config.json：补 3 条云端无分离路由与各自的回退链 验证：三处变异（产物 key 拼错、标记写死 true、闸门 fail-closed）都验过会红； 新增两个用例文件走真实 gin 路由 + 真实鉴权中间件，断言拦下来的**理由**而不只是 「拦下来了」；go test ./... 全绿、gofmt 干净、前端构建通过。 同期把本地 ASR 装成 systemd 常驻服务（deploy/install_asr_local.sh 七步全过， 开机自启，实测 26.7 分钟录音 → 3.1 分钟）。装的过程挖出两个只在服务化时才暴露的坑： - E12 转写堵住事件循环 → 探活超时 → 本地被判不健康 → auto 静默退云端、音频出网， 全程没有任何报错。修法 run_in_threadpool（deploy/asr/serve.py） - E13 服务账号的 ~ 不可写，pyannote 写不了 ~/.pyannote/database.yml，每次转写 500。 修法 asr.env 加 HOME=<cache 目录>（该目录在 unit 的 ReadWritePaths 里） 顺带收口一处交付缺口：服务源码原先只有 ~/asr-poc 一份，而 DELIVERY.md 的清理计划 要 rm -rf 它 —— 那会让唯一副本变成 /opt 下 root 所有、不在任何版本库里的文件。 现在 deploy/asr/ 是唯一事实源，装机脚本与文档同步改。 已知偏离 / 未做（记在案）： - 界面那句「本次没有说话人分离，后续步骤不可用」只验到后端接口层，没有造出真实 降级场景渲染出来看过 - deploy/asr/ 的引入改变了装机来源：原型目录 $SRC_DIR 从此只提供 venv 与模型， 服务代码一律从仓库取 Co-Authored-By: Claude Code <noreply@anthropic.com>
This commit is contained in:
eaiadmin
@@ -0,0 +1,121 @@
|
||||
package skillapi
|
||||
|
||||
import (
|
||||
"encoding/json"
|
||||
"strings"
|
||||
"testing"
|
||||
|
||||
"eai_agentplatform/backend/internal/model"
|
||||
audiotranscribe "eai_agentplatform/backend/internal/skills/packages/audio_transcribe"
|
||||
)
|
||||
|
||||
// 这一组用例钉的是「降级」这件事在**产物里的往返**：第 2 步写进去的字段，
|
||||
// 必须原样被下游读出来。
|
||||
//
|
||||
// 为什么值得单独写：这条链上全是**字符串 key**，没有一处会被编译器检查。
|
||||
// 把 capability_degraded 拼错一个字母，Go 照样编译，`go test` 照样全绿，
|
||||
// 而结果是降级提示不再出现、闸门也不再判「本次没有说话人分离」——
|
||||
// 用户拿到一份看不出残缺的产物，依赖说话人身份的几步却已经在后台跑不了了。
|
||||
//
|
||||
// 手写 JSON 的用例（audio_speakers_gate_test.go）盖不到这一段：它们自己造
|
||||
// ContentJSON，验的是读的一侧。这里验的是写的一侧，以及写读之间对得上。
|
||||
|
||||
// degradedResult 造一个「主路由能分离、实际跑的这条不能」的转写结果。
|
||||
func degradedResult() *audiotranscribe.Result {
|
||||
return &audiotranscribe.Result{
|
||||
Text: "测试转写内容",
|
||||
Language: "zh",
|
||||
Duration: 12.5,
|
||||
// 无分离 ASR 的输出：segment 在，speaker 是空的。
|
||||
Segments: []audiotranscribe.Segment{{Speaker: "", Start: 0, End: 12.5, Text: "测试转写内容"}},
|
||||
HasSpeakers: false,
|
||||
Model: "XingChenAGI/XingChenASR-V3.2-Ultra",
|
||||
RouteID: "audio_route_siliconflow_asr_ultra",
|
||||
IsLocal: false,
|
||||
FellBack: true,
|
||||
// 关键：本该用的那条能分离，实际这条不能。
|
||||
PrimaryRouteID: "audio_route_local_whisper",
|
||||
CapabilityDegraded: true,
|
||||
}
|
||||
}
|
||||
|
||||
// TestTranscribeArtifactCarriesCapabilityDegraded 产物里必须带着降级的两个字段。
|
||||
func TestTranscribeArtifactCarriesCapabilityDegraded(t *testing.T) {
|
||||
output := transcribeArtifactOutput(
|
||||
degradedResult(), model.MediaFile{ID: 1, Filename: "a.mp3"}, "转写正文", "zh")
|
||||
|
||||
if got, ok := output["capability_degraded"].(bool); !ok || !got {
|
||||
t.Errorf("产物里 capability_degraded = %#v，期望 true —— "+
|
||||
"界面靠它显示「本次没有说话人分离，后续步骤不可用」", output["capability_degraded"])
|
||||
}
|
||||
zh, _ := output["capability_zh"].(string)
|
||||
if !strings.Contains(zh, "后续步骤不可用") {
|
||||
t.Errorf("capability_zh 没有说清后果：%q", zh)
|
||||
}
|
||||
if !strings.Contains(zh, "逐字稿") {
|
||||
t.Errorf("capability_zh 没有告诉用户逐字稿还在（那是这次唯一拿得到的东西）：%q", zh)
|
||||
}
|
||||
}
|
||||
|
||||
// TestTranscribeArtifactNotDegradedByDefault 没降级时不许留下这句话。
|
||||
//
|
||||
// 反向断言不能省：一个永远返回 true 的字段会让每一条正常转写都顶着
|
||||
// 「本次没有说话人分离」的红字，闸门也会把所有任务拦在第 5 步。
|
||||
func TestTranscribeArtifactNotDegradedByDefault(t *testing.T) {
|
||||
result := degradedResult()
|
||||
result.CapabilityDegraded = false
|
||||
result.HasSpeakers = true
|
||||
result.Segments[0].Speaker = "0"
|
||||
|
||||
output := transcribeArtifactOutput(
|
||||
result, model.MediaFile{ID: 1, Filename: "a.mp3"}, "转写正文", "zh")
|
||||
|
||||
if got, _ := output["capability_degraded"].(bool); got {
|
||||
t.Error("没降级却标了 capability_degraded —— 正常转写会被当成缺了说话人分离")
|
||||
}
|
||||
if zh, _ := output["capability_zh"].(string); zh != "" {
|
||||
t.Errorf("没降级时 capability_zh 该是空串，实际 %q", zh)
|
||||
}
|
||||
}
|
||||
|
||||
// TestTranscribeArtifactOutputRoundTripsToGate 是这一组里最关键的一条：
|
||||
// 把产物**序列化成 JSON**（persistAudioStep 就是这么落库的）再交给下游那两个
|
||||
// 读它的函数，必须得出「本次没有说话人分离」。
|
||||
//
|
||||
// 直接调写和读的函数而不比字段名是刻意的：要比的正是「写进去的 key」
|
||||
// 与「读出来的 key」是同一个 —— 两边各写一遍字面量，正是这类 bug 的温床。
|
||||
func TestTranscribeArtifactOutputRoundTripsToGate(t *testing.T) {
|
||||
output := transcribeArtifactOutput(
|
||||
degradedResult(), model.MediaFile{ID: 1, Filename: "a.mp3"}, "转写正文", "zh")
|
||||
|
||||
raw, err := json.Marshal(output)
|
||||
if err != nil {
|
||||
t.Fatalf("产物序列化失败：%v", err)
|
||||
}
|
||||
contentJSON := string(raw)
|
||||
|
||||
if !audioTranscriptDegraded(contentJSON) {
|
||||
t.Error("产物里写着降级，落库后再读却读不出降级 —— " +
|
||||
"第 3 步会把「本次没有说话人分离」误报成「配了分离却没输出」")
|
||||
}
|
||||
if keys := audiotranscribe.SpeakerKeysOf(contentJSON); len(keys) != 0 {
|
||||
t.Errorf("降级产物理应读不出说话人标签，实际读到 %v", keys)
|
||||
}
|
||||
|
||||
// 有标签的那一次走同一个往返，确保上面不是「永远读不出标签」的假绿。
|
||||
kept := degradedResult()
|
||||
kept.CapabilityDegraded = false
|
||||
kept.HasSpeakers = true
|
||||
kept.Segments[0].Speaker = "0"
|
||||
raw2, err := json.Marshal(transcribeArtifactOutput(
|
||||
kept, model.MediaFile{ID: 1, Filename: "a.mp3"}, "转写正文", "zh"))
|
||||
if err != nil {
|
||||
t.Fatalf("产物序列化失败：%v", err)
|
||||
}
|
||||
if audioTranscriptDegraded(string(raw2)) {
|
||||
t.Error("没降级的产物被读成了降级")
|
||||
}
|
||||
if keys := audiotranscribe.SpeakerKeysOf(string(raw2)); len(keys) != 1 || keys[0] != "0" {
|
||||
t.Errorf("有标签的产物读出的说话人是 %v，期望 [\"0\"]", keys)
|
||||
}
|
||||
}
|
||||
@@ -2,6 +2,7 @@ package skillapi
|
||||
|
||||
import (
|
||||
"encoding/json"
|
||||
"errors"
|
||||
"fmt"
|
||||
"os"
|
||||
"strings"
|
||||
@@ -47,7 +48,7 @@ var audioStepSpecs = map[string]audioStepSpec{
|
||||
Step: "transcribe",
|
||||
ActionTitle: "生成逐字转写文本",
|
||||
ArtifactTitle: "逐字转写稿",
|
||||
ArtifactType: "transcript",
|
||||
ArtifactType: audioTranscriptArtifactType,
|
||||
},
|
||||
"speakers": {
|
||||
Step: "speakers",
|
||||
@@ -254,9 +255,16 @@ func runAudioScopeStep(user *model.User, req audioStepReq) (*audioStepOutcome, e
|
||||
if language != "" {
|
||||
languageText = audioLanguageLabel(language)
|
||||
}
|
||||
// 说「区分」时要把降级的可能一并说掉：可分离的路由都不成时，回退链会退到
|
||||
// 一条不分离的（config.GetFallbackAudioRoutes 的两级排序），届时依赖说话人
|
||||
// 身份的后续步骤不可用。第 1 步是用户唯一能**事先**看到这个后果的地方。
|
||||
speakerText := "不区分（当前音频路由的模型不输出说话人）"
|
||||
if route.SupportsSpeakers {
|
||||
speakerText = "区分（当前音频路由的模型输出说话人标签）"
|
||||
if config.AudioFallbackDegradesSpeakers(route.RouteID) {
|
||||
speakerText += "；该路由不可用时会依次回退，最后可能退到一条不区分说话人的路由，" +
|
||||
"那种情况下后续依赖说话人身份的步骤不可用"
|
||||
}
|
||||
}
|
||||
|
||||
lines := []string{
|
||||
@@ -361,20 +369,7 @@ func runAudioTranscribeStep(user *model.User, req audioStepReq) (*audioStepOutco
|
||||
"media_id": media.ID,
|
||||
"language": language,
|
||||
},
|
||||
Output: gin.H{
|
||||
"media_id": media.ID,
|
||||
"file_name": media.Filename,
|
||||
"text": result.Text,
|
||||
"transcript": transcript,
|
||||
"language": result.Language,
|
||||
"duration": result.Duration,
|
||||
"segments": result.Segments,
|
||||
"has_speakers": result.HasSpeakers,
|
||||
"model": result.Model,
|
||||
"route_id": result.RouteID,
|
||||
"is_local": result.IsLocal,
|
||||
"fell_back": result.FellBack,
|
||||
},
|
||||
Output: transcribeArtifactOutput(result, media, transcript, language),
|
||||
Logs: transcribeLogs(result, media, durationText),
|
||||
SourceRefs: []gin.H{{"type": "upload", "title": media.Filename, "media_id": media.ID}},
|
||||
Extra: gin.H{
|
||||
@@ -394,6 +389,10 @@ func runAudioTranscribeStep(user *model.User, req audioStepReq) (*audioStepOutco
|
||||
// fallback_reason 是原始错误串，留作排障，不往用户脸上摆。
|
||||
"fell_back_zh": audioFallbackLabel(result),
|
||||
"fallback_reason": result.FallbackReason,
|
||||
// 降级与回退是两件事，界面上要分开说：回退是「换了条路」，
|
||||
// 降级是「换的那条路少了一样能力」。可分离路由都没跑成时才降级。
|
||||
"capability_degraded": result.CapabilityDegraded,
|
||||
"capability_zh": audioCapabilityLabel(result),
|
||||
},
|
||||
}, nil
|
||||
}
|
||||
@@ -441,6 +440,54 @@ func audioFallbackLabel(result *audiotranscribe.Result) string {
|
||||
audioRouteDisplayName(result.PrimaryRouteID), audioRouteDisplayName(result.RouteID))
|
||||
}
|
||||
|
||||
// transcribeArtifactOutput 第 2 步产物的结构化字段（它会被 marshal 成
|
||||
// task_artifact.content_json，也原样作为 result 回给前端）。
|
||||
//
|
||||
// 单独拎出来是为了能被测试直接调。这些 key 有两条**按字符串**读的消费路径：
|
||||
// 前端的结果卡片（capability_degraded / capability_zh）与后端自己
|
||||
// （audioTranscriptDegraded 读 capability_degraded、SpeakerKeysOf 读 segments）。
|
||||
// key 打错一个字既不会编译报错，也不会让任何用例变红，只会让降级提示和
|
||||
// 「本次没有说话人分离」的判断一起静默失效 —— 那正是这个改动最怕的失败方式。
|
||||
func transcribeArtifactOutput(
|
||||
result *audiotranscribe.Result, media model.MediaFile, transcript, language string,
|
||||
) gin.H {
|
||||
return gin.H{
|
||||
"media_id": media.ID,
|
||||
"file_name": media.Filename,
|
||||
"text": result.Text,
|
||||
"transcript": transcript,
|
||||
"language": result.Language,
|
||||
"duration": result.Duration,
|
||||
"segments": result.Segments,
|
||||
"has_speakers": result.HasSpeakers,
|
||||
"model": result.Model,
|
||||
"route_id": result.RouteID,
|
||||
"is_local": result.IsLocal,
|
||||
"fell_back": result.FellBack,
|
||||
// 降级要一路带到界面：回退链允许退到不分离的路由，
|
||||
// 而「这一次没有说话人分离」直接决定后面的步骤还能不能跑。
|
||||
"capability_degraded": result.CapabilityDegraded,
|
||||
"capability_zh": audioCapabilityLabel(result),
|
||||
}
|
||||
}
|
||||
|
||||
// audioCapabilityLabel 把「这一次有没有说话人分离」说成人话，降级时点明后果。
|
||||
//
|
||||
// 只在降级时返回非空。正常拿到标签时界面不需要多一句话；而「本来该有、这次没有」
|
||||
// 是用户必须当场知道的事 —— 它决定了后面的步骤还能不能跑，不能等到点了第 5 步
|
||||
// 才从一句报错里反推。措辞与第 3 步的失败文案共用同一个判断（见
|
||||
// audioTranscriptSpeakerKeys），两处不能各说各的。
|
||||
func audioCapabilityLabel(result *audiotranscribe.Result) string {
|
||||
if result == nil || !result.CapabilityDegraded {
|
||||
return ""
|
||||
}
|
||||
return fmt.Sprintf(
|
||||
"本次没有说话人分离，后续步骤不可用："+
|
||||
"能区分说话人的路由这次都没跑成，已改用「%s」完成转写。"+
|
||||
"逐字稿可以正常查看，但「识别说话人身份」及其后的整理与纪要都跑不了。",
|
||||
audioRouteDisplayName(result.RouteID))
|
||||
}
|
||||
|
||||
// transcribeLogs 第 2 步的日志行。
|
||||
//
|
||||
// 出网那一行只在本地的没走成时出现：本地转写是这个平台的常态，不该每次
|
||||
@@ -456,6 +503,11 @@ func transcribeLogs(result *audiotranscribe.Result, media model.MediaFile, durat
|
||||
"⚠ 主路由 %s 不可用（%s），已回退到 %s",
|
||||
result.PrimaryRouteID, result.FallbackReason, result.RouteID))
|
||||
}
|
||||
if result.CapabilityDegraded {
|
||||
logs = append(logs, fmt.Sprintf(
|
||||
"⚠ 本次没有说话人分离（%s 不支持），后续依赖说话人身份的步骤不可用",
|
||||
result.RouteID))
|
||||
}
|
||||
if !result.IsLocal {
|
||||
logs = append(logs, audioEgressLabel(false))
|
||||
}
|
||||
@@ -472,21 +524,24 @@ func transcribeLogs(result *audiotranscribe.Result, media model.MediaFile, durat
|
||||
// 任务写成「待确认」—— 两处都是既有枚举，界面上也已经有对应的展示（右栏产物区
|
||||
// 显示「待确认」，左侧任务列表显示「待确认」），不需要任何新的展示代码。
|
||||
func runAudioSpeakersStep(c *gin.Context, task model.TaskRecord, req audioStepReq) (*audioStepOutcome, error) {
|
||||
transcript, found := latestArtifact(task.ID, "transcript")
|
||||
transcript, found := latestArtifact(task.ID, audioTranscriptArtifactType)
|
||||
if !found || strings.TrimSpace(transcript.ContentText) == "" {
|
||||
return nil, fmt.Errorf("本任务还没有「逐字转写稿」，请先完成转写再来识别说话人")
|
||||
}
|
||||
|
||||
keys := audiotranscribe.SpeakerKeysOf(transcript.ContentJSON)
|
||||
if len(keys) == 0 {
|
||||
// 硬失败，不当作「没有说话人」自动放行。
|
||||
// 硬失败，不当作「没有说话人」自动放行（G02 反例 A：状态未知就默认视为通过）。
|
||||
//
|
||||
// 这里对应 G02 反例 A 的形状：「状态未知就默认视为通过」。当前音频路由是
|
||||
// 开着说话人分离的（audio_route_siliconflow_diarize 的 supports_speakers
|
||||
// 为 true），配了却没吐出说话人标签，只可能是转写出了问题 —— 那种情况下
|
||||
// 悄悄跳过身份确认，会让后面几步把「说话人 0」当成一个人名写进纪要。
|
||||
return nil, fmt.Errorf("逐字稿里没有说话人标签：当前音频路由配了说话人分离却没输出，" +
|
||||
"请检查第 2 步的转写结果，或换一条音频路由后重跑")
|
||||
// 措辞不能断言「当前路由配了说话人分离」：回退链允许降级，
|
||||
// 配了分离却退到一条不分离的路由是**预期内**的结果，不是故障。
|
||||
// 分岔看第 2 步产物里记的 capability_degraded —— 降级走共用哨兵错误，
|
||||
// 与第 5/6 步的闸门说同一句话；没降级才是「配了却没输出」那种异常。
|
||||
if audioTranscriptDegraded(transcript.ContentJSON) {
|
||||
return nil, errAudioSpeakersUnavailableThisRun
|
||||
}
|
||||
return nil, fmt.Errorf("逐字稿里没有说话人标签，识别不了说话人身份：" +
|
||||
"请检查第 2 步的转写结果，或换一条支持说话人分离的音频路由后重新转写")
|
||||
}
|
||||
|
||||
route, err := resolveAudioChatRoute(req.AiRouteID)
|
||||
@@ -561,7 +616,7 @@ func runAudioTextStep(c *gin.Context, task model.TaskRecord, req audioStepReq, k
|
||||
var sourceType, sourceLabel string
|
||||
switch kind {
|
||||
case audiotranscribe.KindStructure:
|
||||
sourceType, sourceLabel = "transcript", "逐字转写稿"
|
||||
sourceType, sourceLabel = audioTranscriptArtifactType, "逐字转写稿"
|
||||
case audiotranscribe.KindMinutes:
|
||||
sourceType, sourceLabel = "document", "结构化纪要"
|
||||
default:
|
||||
@@ -752,6 +807,13 @@ func latestArtifact(taskID uint, artifactType string) (model.TaskArtifact, bool)
|
||||
return artifact, true
|
||||
}
|
||||
|
||||
// audioTranscriptArtifactType 第 2 步「逐字转写稿」产物的类型。
|
||||
//
|
||||
// 与 audioSpeakerArtifactType 同一个理由：写它的地方一处（步骤表），读它的地方
|
||||
// 三处（第 3 步、闸门、第 5/6 步）。各写一遍字面量的话，改类型名时只会漏掉一处，
|
||||
// 而闸门漏掉的症状是「永远当作还没转写」—— 静默放行，比卡死更糟。
|
||||
const audioTranscriptArtifactType = "transcript"
|
||||
|
||||
// audioSpeakerArtifactType 「说话人名单」产物的类型。
|
||||
//
|
||||
// 单独拎出来是因为有三处要用同一个字面量：识别那一步写它、确认那一步读它、
|
||||
@@ -759,26 +821,50 @@ func latestArtifact(taskID uint, artifactType string) (model.TaskArtifact, bool)
|
||||
// 「闸门永远说没确认过」—— 任务卡死，且看不出为什么。
|
||||
const audioSpeakerArtifactType = "speakers"
|
||||
|
||||
// audioRouteSupportsSpeakers 单独拎成变量，只为让测试能覆盖「这条音频路由不输出
|
||||
// 说话人分离」那一支。音频路由读的是 config/ai_config.json，没有环境变量可以改写
|
||||
// 它指向的文件，测试里没法安全地换一条路由（那是用户线上正在用的配置）。
|
||||
// errAudioSpeakersUnavailableThisRun 本次转写没有说话人分离，依赖身份的步骤不可用。
|
||||
//
|
||||
// 这一支必须被测到：它是**唯一的放行口**，写反了（比如把取反写掉）会让所有
|
||||
// 用 Qwen3-ASR 这类无说话人分离路由的任务永久卡死在第 5 步，没有任何办法绕过去。
|
||||
// 同一个模式见 internal/skills/core/allowed_skills.go 的 allowedSkillKeyProvider。
|
||||
// 读的是**声明路由**（default_audio_route）而不是解析 audio_transcribe：
|
||||
// 后者现在指向 auto，会按此刻哪台服务活着挑一条，于是这一问的答案会随着
|
||||
// 本机 ASR 起没起而变化 —— 而这个答案必须是常量。第 1 步（确认范围）、
|
||||
// 第 2 步（转写）、第 5/6 步（本闸门）是三次独立解析，中间隔着几分钟，
|
||||
// 用 auto 就会出现「闸门以为有标签、稿子里其实没有」这种最坏的自相矛盾。
|
||||
// auto 侧的配套约束见 config/route_health.go 的 resolveAutoRoute：
|
||||
// 它只在说话人能力相同的候选里挑，所以声明值就是实际会跑的那一类。
|
||||
var audioRouteSupportsSpeakers = func() (bool, error) {
|
||||
route, err := config.GetDeclaredAudioRoute()
|
||||
if err != nil {
|
||||
return false, fmt.Errorf("音频路由不可用：%w", err)
|
||||
// 单列成哨兵错误是为了让测试断言「拦下来的理由」而不只是「拦下来了」——
|
||||
// 「没有说话人分离」和「名单还没确认」都返回 error，混在一个 error 里
|
||||
// 就分不清闸门是拦对了还是拦错了。
|
||||
var errAudioSpeakersUnavailableThisRun = errors.New(
|
||||
"本次没有说话人分离，后续步骤不可用：逐字稿里没有说话人标签，" +
|
||||
"识别不了说话人身份，整理与纪要也就没法把姓名替换进正文。" +
|
||||
"逐字稿已在第 2 步产物中，可以直接查看；" +
|
||||
"若要跑完整流程，请换一条支持说话人分离的音频路由后重新转写")
|
||||
|
||||
// audioTranscriptSpeakerKeys 返回第 2 步逐字稿里**实际出现**的说话人标签，
|
||||
// 以及「本任务转写过没有」。单独拎成变量，只为让测试能构造三种情形
|
||||
// （有标签 / 无标签 / 还没转写），同 audioRouteSupportsSpeakers 的老做法。
|
||||
//
|
||||
// 判据从「路由声明的能力」改成「稿子里到底有没有标签」，是因为回退链现在允许
|
||||
// 降级：能分离的路由全挂时会退到一条不分离的（见 config.GetFallbackAudioRoutes），
|
||||
// 于是「配置说支持」和「这次真的拿到了」不再恒等，只有稿子说的是真的。
|
||||
//
|
||||
// 这也让闸门和第 3 步同源：runAudioSpeakersStep 判断「能不能识别身份」用的
|
||||
// 就是同一句 SpeakerKeysOf。两处若各判各的，重新长出「闸门以为有标签、
|
||||
// 稿子里其实没有」只是时间问题 —— 而那正是当初把它们绑在一起的初衷。
|
||||
var audioTranscriptSpeakerKeys = func(taskID uint) (keys []string, transcribed bool) {
|
||||
artifact, found := latestArtifact(taskID, audioTranscriptArtifactType)
|
||||
if !found {
|
||||
return nil, false
|
||||
}
|
||||
return route.SupportsSpeakers, nil
|
||||
return audiotranscribe.SpeakerKeysOf(artifact.ContentJSON), true
|
||||
}
|
||||
|
||||
// audioTranscriptDegraded 读第 2 步产物里记的「本次是否降级」。
|
||||
//
|
||||
// 读产物而不是读路由配置：降级是**这一次**的事实，配置只说明想要什么 ——
|
||||
// 而这两件事现在可以不一致，正是本改动引入的自由度。
|
||||
// 解析失败按 false 处理：降级字段是后加的，老任务的产物里没有它，
|
||||
// 那种情况下「配了分离却没输出」的旧解释才是对的。
|
||||
func audioTranscriptDegraded(contentJSON string) bool {
|
||||
var payload struct {
|
||||
CapabilityDegraded bool `json:"capability_degraded"`
|
||||
}
|
||||
if err := json.Unmarshal([]byte(contentJSON), &payload); err != nil {
|
||||
return false
|
||||
}
|
||||
return payload.CapabilityDegraded
|
||||
}
|
||||
|
||||
// ensureAudioSpeakersConfirmed 闸门：说话人身份没被用户确认过，下游两步不许跑。
|
||||
@@ -789,21 +875,26 @@ var audioRouteSupportsSpeakers = func() (bool, error) {
|
||||
// 以这个身份发出去，「张三说」和「李四说」就换了人。所以这一步不放行，
|
||||
// 而不是放行后补一句「仅供参考」——后者是 AR05 §6.6 明确不接受的做法。
|
||||
//
|
||||
// 音频路由不支持说话人分离时直接放行：那种情况下第 3 步根本跑不起来，
|
||||
// 不存在「有一个待确认的身份」这件事，卡在这里就成了死锁。
|
||||
// 本次没有说话人分离时判为**不可用**（errAudioSpeakersUnavailableThisRun），
|
||||
// 而不是像以前那样放行。放行的结果是正文里那些「说话人 0」被当成一个称谓
|
||||
// 写进正式纪要，用户拿到手看不出来这里少了东西 —— 那就是 G02 反例 A
|
||||
// 「状态未知就默认视为通过」的形状，只不过这次是「能力缺失就默认视为够用」。
|
||||
// 用户已拍板：这种时候宁可只交付逐字稿，也不要一份看不出残缺的纪要。
|
||||
func ensureAudioSpeakersConfirmed(taskID uint) error {
|
||||
supports, err := audioRouteSupportsSpeakers()
|
||||
if err != nil {
|
||||
return err
|
||||
}
|
||||
if !supports {
|
||||
keys, transcribed := audioTranscriptSpeakerKeys(taskID)
|
||||
if !transcribed {
|
||||
// 还没转过写：这不是本闸门该报的错，调用方各自的前置检查（
|
||||
// latestArtifactText 的「请先完成上一步」）会先开口。
|
||||
return nil
|
||||
}
|
||||
if len(keys) == 0 {
|
||||
return errAudioSpeakersUnavailableThisRun
|
||||
}
|
||||
|
||||
artifact, found := latestArtifact(taskID, audioSpeakerArtifactType)
|
||||
if !found {
|
||||
return fmt.Errorf(
|
||||
"本任务还没有「说话人名单」：当前音频路由输出说话人标签，" +
|
||||
"本任务还没有「说话人名单」：逐字稿里有说话人标签，" +
|
||||
"请先执行「识别说话人身份」并确认后再继续")
|
||||
}
|
||||
if specialistruntime.NormalizeArtifactStatus(artifact.Status) != specialistruntime.ArtifactStatusApproved {
|
||||
|
||||
@@ -1,12 +1,12 @@
|
||||
package skillapi
|
||||
|
||||
import (
|
||||
"errors"
|
||||
"fmt"
|
||||
"path/filepath"
|
||||
"strings"
|
||||
"testing"
|
||||
|
||||
"eai_agentplatform/backend/internal/config"
|
||||
"eai_agentplatform/backend/internal/model"
|
||||
audiotranscribe "eai_agentplatform/backend/internal/skills/packages/audio_transcribe"
|
||||
specialistruntime "eai_agentplatform/backend/internal/specialists/runtime"
|
||||
@@ -67,26 +67,41 @@ func writeSpeakerArtifact(t *testing.T, taskID uint, status, contentJSON string)
|
||||
return artifact
|
||||
}
|
||||
|
||||
// requireDiarizingAudioRoute 确认当前音频路由真的输出说话人标签。
|
||||
// transcriptJSON 造一份第 2 步「逐字转写稿」产物的 ContentJSON。
|
||||
//
|
||||
// 不 Skip 而 Fatal，是因为「路由不输出了」正是这个功能整体失效的方式：
|
||||
// 换一条没有说话人分离的 ASR（比如 Qwen3-ASR），第 3 步会硬失败、闸门会直接放行，
|
||||
// 于是这几个用例会全部变绿而什么都没测。那种绿比红危险得多。
|
||||
// 读**声明路由**（default_audio_route），与 audioRouteSupportsSpeakers 用同一个
|
||||
// 来源。不能读 GetAudioRoute("audio_transcribe")：那条现在指向 auto，会按本机
|
||||
// ASR 此刻起没起挑路由，于是这套用例的成败取决于跑测试的机器上 8090 有没有在监听
|
||||
// —— 那是一种「绿得毫无意义、红得莫名其妙」的测试。声明值才是与机器状态无关的事实。
|
||||
func requireDiarizingAudioRoute(t *testing.T) {
|
||||
// 形状与 runAudioTranscribeStep 写的一致（Output 直接 marshal 进 ContentJSON）。
|
||||
// capabilityDegraded 传 true 用来构造「本次降级到不分离路由」那种产物：
|
||||
// 它有 segments，但每个 segment 的 speaker 都是空串 —— 无分离 ASR 的输出就长这样。
|
||||
func transcriptJSON(capabilityDegraded bool, speakers ...string) string {
|
||||
segs := make([]string, 0, len(speakers))
|
||||
for i, sp := range speakers {
|
||||
segs = append(segs, fmt.Sprintf(
|
||||
`{"speaker":%q,"start":%d,"end":%d,"text":"第 %d 句"}`, sp, i*10, i*10+10, i+1))
|
||||
}
|
||||
return fmt.Sprintf(`{"has_speakers":%v,"capability_degraded":%v,"segments":[%s]}`,
|
||||
len(speakers) > 0, capabilityDegraded, strings.Join(segs, ","))
|
||||
}
|
||||
|
||||
// writeTranscriptArtifact 往库里塞一条第 2 步的「逐字转写稿」产物。
|
||||
//
|
||||
// 这组用例必须先有它。闸门判「这一次到底有没有说话人分离」读的就是这份产物
|
||||
// （audioTranscriptSpeakerKeys），不再是路由声明的能力 —— 回退链允许降级之后，
|
||||
// 「配置说支持」和「这次真的拿到了」可以不相等，只有稿子说的是真的。
|
||||
func writeTranscriptArtifact(t *testing.T, taskID uint, contentJSON string) model.TaskArtifact {
|
||||
t.Helper()
|
||||
route, err := config.GetDeclaredAudioRoute()
|
||||
if err != nil {
|
||||
t.Fatalf("音频路由不可用：%v", err)
|
||||
artifact := model.TaskArtifact{
|
||||
TaskID: taskID,
|
||||
SpecialistKey: "general-assistant",
|
||||
Title: "逐字转写稿",
|
||||
ArtifactType: audioTranscriptArtifactType,
|
||||
Status: specialistruntime.ArtifactStatusReady,
|
||||
ContentText: "## 逐字转写稿\n",
|
||||
ContentJSON: contentJSON,
|
||||
}
|
||||
if !route.SupportsSpeakers {
|
||||
t.Fatalf("当前音频路由 %s 的 supports_speakers=false："+
|
||||
"「识别说话人身份」这一步跑不起来，本文件所有断言都会退化成空断言。"+
|
||||
"若确实要换掉带说话人分离的路由，请连同这套确认流程一起重新评估", route.RouteID)
|
||||
if err := store.DB.Create(&artifact).Error; err != nil {
|
||||
t.Fatalf("创建逐字转写稿产物失败：%v", err)
|
||||
}
|
||||
return artifact
|
||||
}
|
||||
|
||||
// rosterJSON 造一份「说话人名单」产物的 ContentJSON（形状与 runAudioSpeakersStep 写的一致）。
|
||||
@@ -102,9 +117,19 @@ func rosterJSON(roster ...audiotranscribe.SpeakerIdentity) string {
|
||||
|
||||
func TestAudioSpeakersGateBlocksWithoutConfirmation(t *testing.T) {
|
||||
setupSpeakerGateDB(t)
|
||||
requireDiarizingAudioRoute(t)
|
||||
task := newSpeakerGateTask(t)
|
||||
|
||||
// 0) 稿子还没有 —— 这时不该由闸门开口，见
|
||||
// TestAudioSpeakersGatePassesThroughWhenNotTranscribedYet。
|
||||
// 写在这里是为了把「还没转写」与「转写了但没有说话人」分开，
|
||||
// 后者必须拦（TestAudioSpeakersGateBlocksDegradedTranscript）。
|
||||
if err := ensureAudioSpeakersConfirmed(task.ID); err != nil {
|
||||
t.Errorf("还没转写时闸门不该报「没有说话人分离」，会把用户引向错误的原因：%v", err)
|
||||
}
|
||||
|
||||
// 本次转写有说话人标签 —— 下面几条断言的前提。
|
||||
writeTranscriptArtifact(t, task.ID, transcriptJSON(false, "0", "1"))
|
||||
|
||||
// 1) 连名单都还没有 —— 这一步没跑过，下游不能跑。
|
||||
// （走不到这里的正常路径：人在第 3 步就停住了；但直接把请求打到第 5 步就能绕过前端。）
|
||||
if err := ensureAudioSpeakersConfirmed(task.ID); err == nil {
|
||||
@@ -143,8 +168,8 @@ func TestAudioSpeakersGateBlocksWithoutConfirmation(t *testing.T) {
|
||||
// → 闸门如果只看「历史上有没有确认过」，就会拿**上一版**的身份去写新稿子。
|
||||
func TestAudioSpeakersGateReopensWhenReinferred(t *testing.T) {
|
||||
setupSpeakerGateDB(t)
|
||||
requireDiarizingAudioRoute(t)
|
||||
task := newSpeakerGateTask(t)
|
||||
writeTranscriptArtifact(t, task.ID, transcriptJSON(false, "0"))
|
||||
|
||||
writeSpeakerArtifact(t, task.ID, specialistruntime.ArtifactStatusApproved, rosterJSON(
|
||||
audiotranscribe.SpeakerIdentity{Key: "0", Name: "张三"},
|
||||
@@ -162,51 +187,100 @@ func TestAudioSpeakersGateReopensWhenReinferred(t *testing.T) {
|
||||
}
|
||||
}
|
||||
|
||||
// TestAudioSpeakersGatePassesThroughWhenRouteHasNoDiarization 钉住闸门的唯一放行口。
|
||||
// TestAudioSpeakersGatePassesThroughWhenNotTranscribedYet 钉住闸门不越权报错。
|
||||
//
|
||||
// 换一条不输出说话人分离的 ASR（如 Qwen3-ASR）时，「识别说话人身份」这一步
|
||||
// 根本没有对象可做，闸门必须直接放行。这一支写反的后果不是少一道校验，
|
||||
// 而是**所有这类任务永久卡死**：第 3 步跑不出名单 → 闸门说没有名单 → 不许跑第 5 步，
|
||||
// 而用户无论如何也变不出那份名单。没有别的路可以绕过去。
|
||||
//
|
||||
// 断言的是「一个名单都没有的情况下也放行」：若改成先查名单，这条会红。
|
||||
func TestAudioSpeakersGatePassesThroughWhenRouteHasNoDiarization(t *testing.T) {
|
||||
// 第 5/6 步拿不到前置产物时，该开口的是 latestArtifactText 的「请先完成上一步」。
|
||||
// 闸门若抢着报「本次没有说话人分离」，用户会去查一条根本不存在的路由问题，
|
||||
// 而真正的原因是他还没跑第 2 步。
|
||||
func TestAudioSpeakersGatePassesThroughWhenNotTranscribedYet(t *testing.T) {
|
||||
setupSpeakerGateDB(t)
|
||||
task := newSpeakerGateTask(t)
|
||||
|
||||
// 换上「这条路由不输出说话人标签」。测试替身必须在断言之前换好，
|
||||
// 换晚了等于没换（测的还是线上那条真路由）。
|
||||
original := audioRouteSupportsSpeakers
|
||||
audioRouteSupportsSpeakers = func() (bool, error) { return false, nil }
|
||||
t.Cleanup(func() { audioRouteSupportsSpeakers = original })
|
||||
|
||||
// 刻意不写任何产物：没有名单、没有确认，什么都不该拦。
|
||||
if err := ensureAudioSpeakersConfirmed(task.ID); err != nil {
|
||||
t.Fatalf("音频路由不输出说话人分离时，闸门仍把后续步骤拦住了（这类任务将永远卡死）：%v", err)
|
||||
t.Fatalf("还没转写时闸门就报错了（会把用户引向错误的原因）：%v", err)
|
||||
}
|
||||
}
|
||||
|
||||
// TestAudioSpeakersGateFailsClosedWhenRouteUnavailable 钉住「路由读不出来时不放行」。
|
||||
// TestAudioSpeakersGateBlocksDegradedTranscript 钉住本改动引入的核心行为。
|
||||
//
|
||||
// 与上一条相反的方向：读不到路由配置（ai_config.json 被改坏、audio_routes 缺项）
|
||||
// 时**不能**当作「不支持说话人分离」而放行。放行等于跳过确认，正是这道闸门
|
||||
// 要防的事；而报错会让用户看见问题在哪。
|
||||
func TestAudioSpeakersGateFailsClosedWhenRouteUnavailable(t *testing.T) {
|
||||
// 回退链现在允许降级：能分离说话人的路由全挂时会退到一条不分离的
|
||||
// （config.GetFallbackAudioRoutes 的两级排序），逐字稿仍然拿得到。
|
||||
// 代价是稿子里只剩「说话人 0」这样的裸标签 —— 没有身份可确认，
|
||||
// 所以第 3 步与第 5/6 步要一起判为不可用。
|
||||
//
|
||||
// 老行为是「路由不支持分离就直接放行」，而放行的结果是把裸标签当成称谓写进
|
||||
// 正式纪要，用户拿到手看不出这里少了东西（G02 反例 A 的形状）。
|
||||
// 用户已拍板：这种时候宁可只交付逐字稿。
|
||||
//
|
||||
// 名单存在、且已确认，也照样要拦：那份名单是**上一次**转写的产物，
|
||||
// 拿它去解释这一次的稿子，等于给这一版说话人安上上一版的身份。
|
||||
func TestAudioSpeakersGateBlocksDegradedTranscript(t *testing.T) {
|
||||
setupSpeakerGateDB(t)
|
||||
task := newSpeakerGateTask(t)
|
||||
|
||||
original := audioRouteSupportsSpeakers
|
||||
audioRouteSupportsSpeakers = func() (bool, error) {
|
||||
return false, fmt.Errorf("音频路由 %q 未在 ai_config.json 的 audio_routes 中定义", "x")
|
||||
}
|
||||
t.Cleanup(func() { audioRouteSupportsSpeakers = original })
|
||||
writeTranscriptArtifact(t, task.ID, transcriptJSON(true))
|
||||
writeSpeakerArtifact(t, task.ID, specialistruntime.ArtifactStatusApproved, rosterJSON(
|
||||
audiotranscribe.SpeakerIdentity{Key: "0", Org: "某某局", Title: "处长", Name: "张三"},
|
||||
))
|
||||
|
||||
err := ensureAudioSpeakersConfirmed(task.ID)
|
||||
if err == nil {
|
||||
t.Fatal("路由读不出来时闸门放行了 —— 配置坏掉会静默跳过说话人确认")
|
||||
t.Fatal("本次没有说话人分离，闸门却放行了 —— 裸标签会被当成称谓写进正式纪要")
|
||||
}
|
||||
if !strings.Contains(err.Error(), "audio_routes") {
|
||||
t.Errorf("报错没有把真实原因（路由配置）带出来：%v", err)
|
||||
if !errors.Is(err, errAudioSpeakersUnavailableThisRun) {
|
||||
t.Errorf("拦下来的理由不是「本次没有说话人分离」：%v", err)
|
||||
}
|
||||
if !strings.Contains(err.Error(), "后续步骤不可用") {
|
||||
t.Errorf("报错没有说清后果：%v", err)
|
||||
}
|
||||
if !strings.Contains(err.Error(), "逐字稿") {
|
||||
t.Errorf("报错没有告诉用户逐字稿还在（那是这次唯一拿得到的东西）：%v", err)
|
||||
}
|
||||
}
|
||||
|
||||
// TestAudioSpeakersGateDistinguishesBlockReasons 钉住两种「拦」的理由能分开。
|
||||
//
|
||||
// 两种情形都返回 error，但用户要做的事完全相反：没有说话人分离时该换一条支持
|
||||
// 分离的路由重跑；名单没确认时该去核对并确认名单。混成同一句话，
|
||||
// 用户照着报错做完还是过不去。
|
||||
func TestAudioSpeakersGateDistinguishesBlockReasons(t *testing.T) {
|
||||
setupSpeakerGateDB(t)
|
||||
|
||||
degraded := newSpeakerGateTask(t)
|
||||
writeTranscriptArtifact(t, degraded.ID, transcriptJSON(true))
|
||||
degradedErr := ensureAudioSpeakersConfirmed(degraded.ID)
|
||||
|
||||
unconfirmed := newSpeakerGateTask(t)
|
||||
writeTranscriptArtifact(t, unconfirmed.ID, transcriptJSON(false, "0"))
|
||||
writeSpeakerArtifact(t, unconfirmed.ID, specialistruntime.ArtifactStatusReady, rosterJSON(
|
||||
audiotranscribe.SpeakerIdentity{Key: "0", Name: "张三"},
|
||||
))
|
||||
unconfirmedErr := ensureAudioSpeakersConfirmed(unconfirmed.ID)
|
||||
|
||||
if degradedErr == nil || unconfirmedErr == nil {
|
||||
t.Fatalf("两种情形都该被拦住，实际：降级=%v，未确认=%v", degradedErr, unconfirmedErr)
|
||||
}
|
||||
if errors.Is(unconfirmedErr, errAudioSpeakersUnavailableThisRun) {
|
||||
t.Errorf("「名单还没确认」被报成了「没有说话人分离」：%v", unconfirmedErr)
|
||||
}
|
||||
if degradedErr.Error() == unconfirmedErr.Error() {
|
||||
t.Errorf("两种拦截理由说的是同一句话，用户分不清该做什么：\n%s", degradedErr)
|
||||
}
|
||||
}
|
||||
|
||||
// TestAudioSpeakersGateFailsClosedOnCorruptTranscript 钉住「读不出来时不放行」。
|
||||
//
|
||||
// 稿子在但 ContentJSON 解析不出来（历史数据、写库出错）时，SpeakerKeysOf 返回 nil，
|
||||
// 于是闸门看到的是「没有标签」。这个方向是**故意**的：分不清「真的没有分离」和
|
||||
// 「解析失败」时，宁可拦下来（用户看得见、能重跑），也不要放行 ——
|
||||
// 放行等于让一份身份不明的稿子直接进纪要。
|
||||
func TestAudioSpeakersGateFailsClosedOnCorruptTranscript(t *testing.T) {
|
||||
setupSpeakerGateDB(t)
|
||||
task := newSpeakerGateTask(t)
|
||||
writeTranscriptArtifact(t, task.ID, "{ 这不是 JSON")
|
||||
|
||||
if err := ensureAudioSpeakersConfirmed(task.ID); err == nil {
|
||||
t.Fatal("逐字稿解析不出来时闸门放行了 —— 身份不明的稿子会直接进纪要")
|
||||
}
|
||||
}
|
||||
|
||||
|
||||
Reference in New Issue
Block a user