Generation Job 状态落库决策

这份文档用于回答一个关键技术债问题：DreamWeaver 是否需要为每次 AI 生成单独建立 generation_jobs 表。

当前结论

已新增轻量 generation_jobs 与 generation_job_events 表，但不引入复杂工作流引擎。

原因是当前 MVP 已经进入“请求接收与后台执行分离”的阶段：POST /api/generations 先接受请求并返回 generation_job_id，再由 Celery worker 完成主内容保存和后续资产补全。用户最关心的是“这个故事现在能不能读、任务跑到哪一步、哪些资产可补全”；系统侧则需要有足够的轨迹说明“这次生成做到了哪一步、哪里失败、是否被取消、哪些资产还能重试”。

因此当前采用轻量落库策略：

stories 继续承载用户可见结果和当前状态。
generation_jobs 记录一次生成或资产补全尝试。
generation_job_events 记录关键步骤事件，例如 request_accepted、context_prepared、narrative_generated、story_saved、cover_image_succeeded、storybook_page_image_succeeded、audio_succeeded、provider_call_succeeded、asset_retry_completed。

当前已提供三个查询入口：

GET /api/generations/jobs/{job_id}：查询单次生成/补全任务及其事件流。
GET /api/generations/{story_id}/jobs：查询某个故事或绘本的生成与重试历史。
GET /api/generations/{story_id}/provider-stats：按故事聚合 Provider 调用成功率、平均耗时、预估成本和 adapter 明细。
GET /api/generations/provider-analytics：按当前用户聚合跨故事 Provider 调用、任务数、故事数、成功率、平均耗时和预估成本，并支持 days / capability 筛选。
GET /api/generations/ops-summary：按当前用户聚合最近任务健康度，包括运行中数量、超时阈值、卡住任务数和最近失败摘要。

job 响应会返回 progress_percent、progress_label 和 is_terminal，用户端与管理端已经消费这些查询入口，在故事详情页和绘本阅读页展示最近任务、任务历史、事件时间线、进度条和 Provider 聚合指标；当任务未终止时，前端会自动轮询，为后台 worker 进度流预留体验形态。当前 analytics 还会聚合失败原因，便于快速解释“最近为什么失败”；ops summary 会额外把“哪些任务卡住了、最近哪些任务失败了”压缩成故事库首页能直接看的摘要。

现有状态模型

当前 stories 表已承载演示所需状态：

generation_status: 主流程状态，例如 narrative_ready、partial_ready、assets_generating、completed、degraded_completed、failed
text_status: 主文本或绘本结构状态，当前用于区分主内容是否已经可读
image_status: 封面或绘本插图状态
audio_status: 语音状态
last_error: 最近一次资产失败原因

partial_ready 表示主内容已经可读、但仍有封面、插图或音频可以继续补全；degraded_completed 表示主内容可读但至少一个资产失败。两者的区分能让前端把“正常待补全”和“需要重试失败资源”分开展示。

这些字段足够支撑前端展示、smoke 检查、失败降级、资产重试和生成轨迹解释。

当前维护策略

音频缓存由 STORY_AUDIO_CACHE_TTL_DAYS 控制过期时间，Celery beat 会每日清理。
生成任务由 GENERATION_JOB_STALE_MINUTES 控制卡住阈值，Celery beat 会每 30 分钟扫描一次，将超时运行中的任务标记为 generation_stale_failed。
当某个故事已经有运行中的 job 时，封面补全、音频生成和统一资产重试会直接拒绝重复请求，避免用户连点造成重复成本。
统一生成请求已由 Celery worker 执行，前端会先拿到 generation_job_id，再轮询 job 详情直到主记录落库或任务终止。
当前已支持首版任务控制：队列中的任务可直接取消，运行中的任务可在安全检查点取消，失败或已取消任务可重新排队。

为什么当前仍然需要扩展 job 模型

虽然 worker 化已经完成，但如果继续进入真实生产化，仍然需要扩展当前 job/event 模型：

单个故事会产生多次生成尝试，需要对比每次任务的 provider 表现、取消原因、重试原因和资产结果。
需要展示比当前事件更细颗粒度的步骤，例如 prompt 构建、provider 选择依据、provider failover 原因、每次调用 token/图片/语音成本。
需要按 provider、成本、延迟和失败原因做运营分析。
需要继续扩展取消与重试队列的颗粒度，例如更细的中断点、任务依赖和断点续跑策略。
需要断点续跑，避免 Worker 重启后丢失中间状态。

面试表达

我没有一上来引入复杂工作流引擎，而是先用轻量 job/event 表把关键执行轨迹落下来。这样既能回答“生成过程是否可追踪”，又不会为了求职版 MVP 牺牲主链路稳定性。

5.3 KiB Raw Blame History Unescape Escape