package com.nanri.aiimage.config; import lombok.Data; import org.springframework.boot.context.properties.ConfigurationProperties; @Data @ConfigurationProperties(prefix = "aiimage.appearance-patent") public class AppearancePatentProperties { /** * LLM API(OpenAI 兼容 /v1/chat/completions)地址 */ private String llmHost = "https://ai.t8star.org"; /** * 商标关键词提取模型 */ private String titleModel = "gemini-3.1-flash-lite-preview-thinking-medium"; /** * 外观检测模型(视觉) */ private String appearanceModel = "gemini-3.1-flash-lite-preview-thinking-medium"; private int llmMaxTokens = 64000; private int llmConnectTimeoutMillis = 10000; private int llmReadTimeoutMillis = 600000; /** * 首次尝试读超时(毫秒):上游偶发单请求不应答(挂满超时才失败),首查用更短预算快速失败并重试。 * 单图请求实测成功调用 p99≈34s、超 60s 仅 0.02%,但外观检测已改成一批 5 张图、回 5 份判定, * 输出量约 5 倍,60s 会把正常慢批次误杀、连带整批 5 行白等一轮重试,故首查抬到 300s、重试走完整 600s。 */ private int llmFirstAttemptReadTimeoutMillis = 300000; private int llmBatchSize = 10; /** * 商标关键词提取一批合并的行数(纯文本,一批一次请求)。设为 1 即退回逐行,是批量协议唯一应急开关。 */ private int llmTitleBatchSize = 10; /** * 外观检测一批合并的行数,同时是一批的图片数(Gemini 支持多图,一批一次请求)。设为 1 即退回逐行。 */ private int llmAppearanceBatchSize = 5; /** * 批内行级并发数。批次串行提交,每行串行发 2 个 LLM 请求, * 故该值≈单任务对 LLM 网关的瞬时并发;默认与品牌检测同为 5,避免多任务并行时成倍放大。 */ private int llmRowConcurrency = 5; /** * 每行每个 LLM 请求的重试次数(含首次) */ private int llmRetryTimes = 3; /** * 单行最多被「轮次」发起多少次(一轮 = 一次批量派发;每轮内部另有 llmRetryTimes 次 HTTP 重试)。 * <=0 关闭本闸。 * *

行检测失败会撤销处理中标记让下一轮重新申领(否则发版/中断就永久丢行),代价是轮次层此前 * 完全没有上限:上游持续劣化时同一批行会一轮轮重发,每轮都过 SecretUsageContext.call 扣用户的 * LLM 次数,而 assemble job 的 deferRunning 不累加 retryCount,MAX_RETRY_COUNT 那道闸永远到不了。 * 默认 3 轮:与 HTTP 层同量级,够躲过单次抖动,又不至于把一个坏掉的网关陪跑到 24 小时。 */ private int llmRowMaxRounds = 3; private int staleTimeoutMinutes = 30; private String staleFinalizeCron = "0 */2 * * * *"; /** * 二次判死线(心跳正常但连续 N 分钟无结果分片上报)阈值,分钟;<=0 关闭本线。 * 既有判定以 Redis heartbeat stale 为主信号,但心跳随 Python HTTP 心跳每分钟刷新—— * 主线程卡死时心跳线程照发,任务永远不 stale(与生产 28131 同型缺口)。 * 本线改看 biz_task_scope_state.last_chunk_at(仅分片上传时刷新)。 */ private int noResultUploadTimeoutMinutes = 180; /** * 末尾不足一批的数据等待该时长后强制提交检测。 * Python 回传超时后会直接封口;这个配置处理 Python 慢回传但仍未超时的零头批次。 */ private int flushPendingMinutes = 1; /** * 组装作业在 WAIT_LLM 停放期间的租约续命间隔(毫秒)。 * *

组装作业等下一轮分片回传时 process 返回 false、执行线程退出、Worker 的执行期心跳 * 随之取消,作业停在 RUNNING 只能靠客户端心跳经 {@code onHeartbeat} 触发 * {@code touchRunningAssembleJobsIfStale} 按本间隔节流续命(与 similar-asin 同一套口径)。 * 取值必须小于 job 级 stuck 扫描阈值(result-file-job.stuck-timeout-minutes,默认 5 分钟), * 否则停放作业在两跳续命之间就会被判陈旧、5 次重试耗尽后被误判成 * 「文件生成任务运行超时,已达到最大重试次数」(线上任务 31354 的死法)。 */ private long dbJobTouchIntervalMillis = 60000L; /** 单个外观专利源文件最多解析的有效数据行数,防止 POI 用户模型撑爆堆。 */ private int maxParseRows = 50000; /** * 组装结果文件时要求的 LLM 覆盖率下限(0~1,<=0 关闭)。 * 低于该比例说明大批行根本没拿到结论(如 2026-09-20 任务 28805:904 行只检了 1 行却报成功), * 此时判任务失败并由失败通知告警,而不是交付一份看着完整、实际是复制结论的表。 * *

2026-10-10 从 0.5 抬到 0.95:0.5 意味着半张表可以空着照样出文件。现网实测(10-06~10-09 * 六份已交付 xlsx)空行比例 20.7%–51.3%,全部在 0.5 之上放行、且一条覆盖率告警都没打—— * 因为旧分母按用户上传表的解析行数,用户表不带标题列时分母恒为 0。 * 分母口径已改为「会写进结果文件的行集」,判据见 AppearancePatentRowOutcome。 */ private double llmCoverageMinRatio = 0.95D; /** * 交付缺口最多允许再补检几轮(<=0 关闭补检)。 * *

它存在的理由是「补检不能借用作业重试那条预算」:组装作业重排走 {@code requeue}, * 而 {@code requeue} 的 WHERE 带 {@code retry_count < MAX_RETRY_COUNT}——恰恰是"还没检完" * 这件事把 retry_count 抛满的(覆盖率抛、空结果抛),于是越慢越补不上。 * 2026-10-19 现网读数:{@code 补检排不上队,按已有结果交付} 四例 missingRows=112/455/1471/2110, * 作业全部 retry_count=5。 */ private int recheckMaxRounds = 2; }