label_ai_service 是知识图谱智能标注平台的 AI 计算服务，基于 FastAPI 提供独立部署的推理与预处理能力。它不直接访问数据库，而是通过 ZhipuAI GLM 系列模型完成结构化抽取，通过 RustFS 读写原始文件和处理结果，并通过 HTTP 回调把异步视频任务结果通知上游后端。

当前服务覆盖 6 类核心能力：

文本三元组提取，支持 TXT、PDF、DOCX
图像四元组提取，并自动裁剪 bbox 区域图
视频抽帧，支持固定间隔和近似关键帧两种模式
视频转文本，将视频片段描述输出为文本文件
基于文本或图片证据生成问答对
向 ZhipuAI 提交微调任务并查询状态

适用场景

这个服务适合作为 label-backend 的 AI 能力侧车服务，也可以单独运行，用于验证文件解析、图像理解、视频预处理和问答生成流程。

典型调用链如下：

Java 后端把原始文本、图片或视频上传到 RustFS。
Java 后端调用 label_ai_service 的 REST API。
AI 服务从 RustFS 读取文件，调用 GLM 模型做抽取或生成。
结果以 JSON 返回，或写回 RustFS 后通过回调通知上游。

功能概览

能力	接口	说明
健康检查	`GET /health`	用于容器存活探测和联调自检
文本三元组提取	`POST /api/v1/text/extract`	从文档中提取 `subject / predicate / object / source_snippet / source_offset`
图像四元组提取	`POST /api/v1/image/extract`	从图片中提取 `subject / predicate / object / qualifier / bbox`，并输出裁剪图路径
视频抽帧	`POST /api/v1/video/extract-frames`	异步抽取视频帧，结果通过回调返回
视频转文本	`POST /api/v1/video/to-text`	异步抽样视频代表帧，生成中文描述文本并上传到对象存储
文本问答生成	`POST /api/v1/qa/gen-text`	基于三元组和原文证据生成问答对
图像问答生成	`POST /api/v1/qa/gen-image`	基于裁剪图和四元组生成问答对
微调任务提交	`POST /api/v1/finetune/start`	向 ZhipuAI 提交微调任务
微调状态查询	`GET /api/v1/finetune/status/{job_id}`	查询微调任务状态和进度

技术栈

Python 3.12
FastAPI
Pydantic v2
ZhipuAI Python SDK
boto3
OpenCV
pdfplumber
python-docx
httpx
pytest / pytest-asyncio

架构说明

外部依赖

ZhipuAI
- 文本与多模态推理
- 微调任务提交与查询
RustFS 或任意 S3 兼容对象存储
- 原始文件读取
- 裁剪图、视频帧、视频描述文本写回
上游回调接口
- 视频任务完成后接收结果

处理边界

服务本身不负责文件上传，也不维护任务状态库。
文本、图像接口是同步返回。
视频接口是异步返回 202 Accepted，真实处理结果走回调。
服务默认不做鉴权，通常由上游网关或后端负责访问控制。

项目结构

label_ai_service/
├── app/
│   ├── main.py
│   ├── clients/
│   │   ├── llm/
│   │   └── storage/
│   ├── core/
│   ├── models/
│   ├── routers/
│   └── services/
├── docs/
│   └── superpowers/
├── specs/
├── tests/
├── config.yaml
├── .env
├── Dockerfile
├── docker-compose.yml
├── requirements.txt
└── README.md

目录职责：

app/main.py
- FastAPI 应用入口，注册中间件、异常处理器和所有路由
app/clients
- 第三方依赖适配层，当前包含 ZhipuAI 和 RustFS
app/services
- 业务核心逻辑，负责文件解析、提示词拼装、结果转换和异步任务处理
app/routers
- HTTP 接口层
app/models
- 请求与响应模型
app/core
- 配置、日志、中间件、异常等通用模块
tests
- Router、Service、Config 和 Client 的测试

配置说明

配置采用 config.yaml + .env 分层方式：

config.yaml
- 存放稳定、可提交的结构化配置
.env
- 存放密钥和环境差异项

环境变量会覆盖 config.yaml 中的同名配置。

config.yaml

当前项目默认配置如下：

server:
  port: 8000
  log_level: INFO

storage:
  buckets:
    source_data: "source-data"
    finetune_export: "finetune-export"

backend: {}

video:
  frame_sample_count: 8
  max_file_size_mb: 200
  keyframe_diff_threshold: 30.0

models:
  default_text: "glm-4-flash"
  default_vision: "glm-4v-flash"

.env

建议至少配置这些变量：

变量名	必填	说明
`ZHIPUAI_API_KEY`	是	ZhipuAI API Key
`STORAGE_ACCESS_KEY`	是	RustFS/S3 Access Key
`STORAGE_SECRET_KEY`	是	RustFS/S3 Secret Key
`STORAGE_ENDPOINT`	是	RustFS/S3 Endpoint，例如 `http://rustfs:9000`
`BACKEND_CALLBACK_URL`	否	视频异步任务回调地址
`LOG_LEVEL`	否	日志级别，默认 `INFO`
`MAX_VIDEO_SIZE_MB`	否	覆盖视频大小上限

.env 示例：

ZHIPUAI_API_KEY=your-zhipuai-api-key-here
STORAGE_ACCESS_KEY=your-storage-access-key
STORAGE_SECRET_KEY=your-storage-secret-key
STORAGE_ENDPOINT=http://rustfs:9000
BACKEND_CALLBACK_URL=http://label-backend:8080/api/ai/callback
LOG_LEVEL=INFO

本地运行

方式一：直接运行

python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
python -m uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload

Windows PowerShell 可以使用：

python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -r requirements.txt
python -m uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload

启动后访问：

Swagger UI: http://localhost:8000/docs
健康检查: http://localhost:8000/health

方式二：Docker Compose

项目自带的 Compose 文件会启动：

ai-service
rustfs

启动命令：

docker compose up --build

如果你要联调视频异步任务，请确保 BACKEND_CALLBACK_URL 指向一个可访问的后端地址。否则任务本身会继续处理，但回调会失败并记录错误日志。

API 使用示例

1. 健康检查

curl http://localhost:8000/health

{"status":"ok"}

2. 文本三元组提取

curl -X POST http://localhost:8000/api/v1/text/extract \
  -H "Content-Type: application/json" \
  -d '{
    "file_path": "text/202404/123.txt",
    "file_name": "设备规范.txt"
  }'

3. 图像四元组提取

curl -X POST http://localhost:8000/api/v1/image/extract \
  -H "Content-Type: application/json" \
  -d '{
    "file_path": "image/202404/456.jpg",
    "task_id": 789
  }'

4. 视频抽帧

curl -X POST http://localhost:8000/api/v1/video/extract-frames \
  -H "Content-Type: application/json" \
  -d '{
    "file_path": "video/202404/001.mp4",
    "source_id": 10,
    "job_id": 42,
    "mode": "interval",
    "frame_interval": 30
  }'

5. 视频转文本

curl -X POST http://localhost:8000/api/v1/video/to-text \
  -H "Content-Type: application/json" \
  -d '{
    "file_path": "video/202404/001.mp4",
    "source_id": 10,
    "job_id": 43,
    "start_sec": 0,
    "end_sec": 60
  }'

6. 文本问答生成

curl -X POST http://localhost:8000/api/v1/qa/gen-text \
  -H "Content-Type: application/json" \
  -d '{
    "items": [
      {
        "subject": "变压器",
        "predicate": "额定电压",
        "object": "110kV",
        "source_snippet": "该变压器额定电压为110kV"
      }
    ]
  }'

7. 图像问答生成

curl -X POST http://localhost:8000/api/v1/qa/gen-image \
  -H "Content-Type: application/json" \
  -d '{
    "items": [
      {
        "subject": "电缆接头",
        "predicate": "位于",
        "object": "配电箱左侧",
        "cropped_image_path": "crops/1/0.jpg"
      }
    ]
  }'

8. 微调任务提交

curl -X POST http://localhost:8000/api/v1/finetune/start \
  -H "Content-Type: application/json" \
  -d '{
    "jsonl_url": "https://example.com/train.jsonl",
    "base_model": "glm-4-flash",
    "hyperparams": {
      "epochs": 3,
      "learning_rate": 0.0001
    }
  }'

数据输出约定

当前服务会主动写入这些派生结果：

类型	路径模式	说明
图像裁剪图	`crops/{task_id}/{index}.jpg`	图像提取结果的局部证据图
视频抽帧图片	`frames/{source_id}/{index}.jpg`	视频帧提取结果
视频文本描述	`video-text/{source_id}/{timestamp}.txt`	视频转文本结果

说明：

这些对象默认写入 storage.buckets.source_data
原始文件的上传路径由上游系统决定
服务不会替上游生成原始文件路径，只消费请求里传入的 file_path

日志与错误处理

日志

日志使用 JSON 格式输出，适合直接接入容器日志平台。请求日志会带上：

method
path
status
duration_ms

LLM 调用和后台任务也会输出结构化字段，方便排查接口超时、回调失败和模型解析错误。

错误码

统一错误返回格式：

{"code":"ERROR_CODE","message":"具体描述"}

当前主要错误码：

错误码	HTTP 状态码	含义
`UNSUPPORTED_FILE_TYPE`	400	文本提取文件格式不支持
`VIDEO_TOO_LARGE`	400	视频大小超过限制
`STORAGE_ERROR`	502	对象存储访问失败
`LLM_PARSE_ERROR`	502	模型返回内容无法解析为预期 JSON
`LLM_CALL_ERROR`	503	模型调用或微调接口调用失败
`INTERNAL_ERROR`	500	未捕获异常

测试

安装依赖后可直接运行：

python -m pytest

测试覆盖了这些主要模块：

健康检查接口
文本、图像、视频、QA、微调路由
各 Service 的基本成功与异常路径
配置加载和客户端适配

设计文档

项目内已有更详细的设计资料，可配合 README 阅读：

docs/superpowers/specs/2026-04-10-ai-service-design.md
docs/superpowers/plans/2026-04-10-ai-service-impl.md
specs/001-ai-service-requirements/

如果你刚接手这个服务，建议阅读顺序是：

本 README，先搞清楚服务职责、接口和运行方式
设计文档，再看架构和设计决策
app/services 与 tests，最后进入实现细节

已知约束

文本提取目前只支持 txt、pdf、docx
视频接口依赖对象存储可读取文件大小
视频任务状态不持久化在本服务内，由上游系统负责管理
图像问答采用 base64 内联图片，不依赖外网可访问的 presigned URL
如果 .env 中的回调地址不可达，视频任务会记录错误日志，但不会自动重试

开发建议

新增接口时同步补齐 Pydantic 模型、Router 测试和 README/API 文档
如果替换模型厂商，优先扩展 app/clients/llm
如果替换存储实现，优先扩展 app/clients/storage
任何输出路径规则变更，都应同步更新 README 和设计文档

README.md Unescape Escape

label_ai_service