life-echo/api

Life Echo API

Life Echo 后端服务，基于 FastAPI 构建的实时语音对话回忆录生成系统。

项目简介

Life Echo API 是一个智能对话系统，通过 WebSocket 实时连接，使用 LangChain Agent 引导用户进行回忆录访谈对话，并将口语内容自动整理为结构化的书面章节，最终生成回忆录 PDF。

架构要点（多 Agent 收敛）

• 会话真源：conversation_messages（DB）+ Redis 缓存；实时编排入口：ChatOrchestrator。
• 图像管线：正文主图 generate_story_image；章节封面 try_enqueue_generate_chapter_cover → generate_chapter_cover。
• 回忆录批次：MemoirOrchestrator.prepare_batches 显式分桶后，process_memoir_phase1 派发 Phase 2 按类别调用 run_story_pipeline_for_category_batch（含 StoryRouteAgent.plan_batch 多 unit 写入）。

LLM 与记忆（约定文档）

• JSON 模式：结构化抽取/路由/叙事 JSON 使用 app/core/langchain_llm.py 的 bind_json_object_mode（与 DeepSeek JSON Output 一致）；详见 docs/llm-json-mode.md。适配器说明见 app/adapters/llm/deepseek.py。
• 记忆检索：异步与 Celery 均使用 向量（pgvector） chunks，见 docs/memory-retrieval.md（含 async/sync 行为矩阵）。
• AI 相关代码扫描：uv run python scripts/ai_touchpoints_scan.py --markdown docs/ai-touchpoints.md（在 api/ 目录下执行）生成带标签的触点列表，见 docs/ai-touchpoints.md。
• 与 AI 强相关的配置项（摘录）：CHAT_MEMORY_RETRIEVAL_ENABLED / MEMOIR_PHASE1_BATCH_LLM_ENABLED / MEMORY_ENRICHMENT_ENABLED / MEMORY_EVIDENCE_EMPTY_QUERY_INCLUDE_ROLLING 等见 app/core/config.py；调参时建议对照 docs/memory-retrieval.md 与 docs/ai-touchpoints.md。
• Memory compaction：.env.example / .env.development / .env.staging / .env.production 均默认 MEMORY_COMPACTION_ENABLED=true。须运行 Celery worker 与 celery-beat（docker-compose.yml 已包含 celery-beat，用于定期 memory_compaction_sweep）。
• Memory LLM enrichment（单次 LLM：会话摘要 + 事实）：任务路由到 memory_idle 队列（CELERY_MEMORY_ENRICHMENT_QUEUE，默认 memory_idle）。本地与 compose 内 worker 已使用 -Q celery,memory_idle；生产可单独起低并发 worker 只消费 memory_idle，与主队列隔离。

技术栈

• Web 框架: FastAPI 0.115.0
• WebSocket: websockets 14.1
• AI 框架: LangChain 0.3.7 + DeepSeek/兼容 OpenAI 的 LLM
• 数据库: PostgreSQL 17 + SQLAlchemy 2.0.36 (asyncpg)
• 缓存/队列: Redis 7 + Celery 5.3
• PDF 生成: ReportLab 4.2.2 + WeasyPrint 62.3
• ASR/TTS: OpenAI Whisper API
• 认证: JWT (python-jose) + bcrypt
• 其他: Pydantic, python-dotenv

项目结构

api/
├── main.py                 # 应用入口（uvicorn 启动）
├── app/                    # 应用主包
│   ├── main.py            # FastAPI 应用定义
│   ├── core/               # 核心基础设施
│   │   ├── config.py      # 配置（pydantic-settings）
│   │   ├── db.py          # 数据库连接
│   │   ├── redis.py       # Redis 服务
│   │   ├── security.py    # JWT、密码哈希
│   │   └── task_tracker.py # 任务状态追踪
│   ├── features/          # 功能模块（各模块含 router、service、repo）
│   │   ├── auth/          # 认证（注册、登录、短信验证码）
│   │   ├── user/          # 用户信息
│   │   ├── conversation/  # 对话、WebSocket
│   │   ├── memory/        # 记忆检索
│   │   ├── memoir/        # 回忆录、章节、PDF、图像生成
│   │   ├── payment/       # 支付
│   │   ├── plan/          # 套餐
│   │   ├── quota/         # 配额
│   │   ├── tasks/         # 任务状态 API
│   │   └── content/       # 内容（TTS 等）
│   ├── adapters/          # 外部能力适配器（ASR、TTS、LLM、短信、存储等）
│   ├── ports/             # 能力契约（Protocol）
│   └── agents/            # LangChain Agent
├── tasks/                 # Celery 后台任务
│   └── memoir_tasks.py    # 回忆录处理任务
└── docs/                  # 详细文档

环境配置

1. 安装依赖

cd api
pip install -r requirements.txt

2. 环境变量配置

创建 .env 文件（在 api/ 目录下）：

# DeepSeek API 配置（推荐，优先使用）
DEEPSEEK_API_KEY=your_deepseek_api_key_here
DEEPSEEK_BASE_URL=https://api.deepseek.com  # 可选，默认值
DEEPSEEK_MODEL=deepseek-chat  # 可选，默认值

# 或使用通用 LLM 配置（支持其他兼容 OpenAI 的 LLM）
LLM_API_KEY=your_llm_api_key_here
LLM_BASE_URL=https://api.your-llm-provider.com  # 可选
LLM_MODEL=your-model-name  # 可选，默认 deepseek-chat
LLM_TEMPERATURE=0.7  # 可选，默认 0.7

# 数据库配置（本地用 docker-compose.dev.yml 时为固定端口 48291，见下文「本地开发」）
DATABASE_URL=postgresql://postgres:postgres@localhost:48291/life_echo

# Redis 配置（本地 compose.dev 固定端口 48307）
REDIS_URL=redis://localhost:48307/0

# 认证配置
SECRET_KEY=your-secret-key-here  # JWT签名密钥（建议使用随机字符串）
ALGORITHM=HS256  # JWT算法（默认HS256）
ACCESS_TOKEN_EXPIRE_MINUTES=120  # 访问令牌过期时间（分钟，默认120即2小时）

# 服务器配置（可选）
HOST=0.0.0.0
PORT=8000

LLM 配置优先级：

1. DEEPSEEK_API_KEY - 优先使用 DeepSeek（推荐）
2. LLM_API_KEY - 通用 LLM 配置（支持其他兼容 OpenAI 格式的 LLM）

DeepSeek 配置示例：

DEEPSEEK_API_KEY=sk-xxxxxxxxxxxxx
DEEPSEEK_MODEL=deepseek-chat

3. 数据库迁移

数据库 schema 由 Alembic 管理。app/main.py 启动时会在线程中执行 alembic upgrade head（见 app/core/alembic_startup.py）：对连接类错误自动重试；生产环境建议设置 ALEMBIC_STARTUP_FAIL_FAST=true，迁移失败则进程退出。仍可手动执行：

cd api
uv run alembic upgrade head

快速启动

本地开发

推荐使用一键脚本（会自动启动 PostgreSQL/Redis、检查 .venv、安装依赖并拉起 FastAPI + Celery）：

cd api
./dev-up.sh

可选环境变量：

• SKIP_INSTALL=1：跳过依赖安装
• API_HOST / API_PORT：覆盖 API 启动地址和端口
• CELERY_POOL：覆盖 Celery 池类型（macOS 推荐 solo）

也可以使用手动方式：

cd api

# 1. 启动 PostgreSQL + Redis
docker compose -f docker-compose.dev.yml up -d

# 2. 安装依赖
pip install -r requirements.txt

# 3. 配置环境变量（与 docker-compose.dev.yml 固定宿主端口一致：Postgres 48291、Redis 48307）
export DATABASE_URL=postgresql://postgres:postgres@localhost:48291/life_echo
export REDIS_URL=redis://localhost:48307/0

# 4. 启动 API（终端 1）
uvicorn main:app --reload --host 0.0.0.0 --port 8000

# 5. 启动 Celery Worker（终端 2）
# macOS 使用 solo 池避免 fork 崩溃问题；须同时消费 memory_idle（Memory 富化）
celery -A app.tasks.celery_app worker --loglevel=info --pool=solo -Q celery,memory_idle

# Linux/生产环境可以使用 prefork 池
# celery -A app.tasks.celery_app worker --loglevel=info --concurrency=4 -Q celery,memory_idle

验证服务

# 检查 PostgreSQL
docker exec life-echo-postgres-dev psql -U postgres -c "SELECT 1"

# 检查 Redis  
docker exec life-echo-redis-dev redis-cli ping

生产部署（一键）

cd api

# 创建生产配置
cp .env .env.prod
# 编辑 .env.prod

# 启动所有服务
docker compose up -d

# 查看日志
docker compose logs -f

服务启动后，访问：

• API 文档: http://localhost:8000/docs
• 健康检查: http://localhost:8000/health

📚 详细文档

更多详细文档请参考 docs/README.md：

• 本地开发环境配置 - 开发环境搭建指南
• WebSocket 快速测试指南 - WebSocket 快速测试
• WebSocket 测试文档 - WebSocket 详细接口文档
• 文字交流模式说明 - 文字对话模式功能说明
• 测试脚本使用说明 - 自动化测试脚本指南

API 文档

认证系统

系统使用 JWT（JSON Web Token）进行认证，采用访问令牌（Access Token）+ 刷新令牌（Refresh Token）机制：

• 访问令牌：有效期 2 小时，用于 API 请求认证
• 刷新令牌：有效期 30 天，用于刷新访问令牌

认证流程

1. 用户注册：POST /api/auth/register
2. 用户登录：POST /api/auth/login → 返回 access_token 和 refresh_token
3. API 请求：在 Header 中携带 Authorization: Bearer {access_token}
4. 刷新令牌：POST /api/auth/refresh → 使用 refresh_token 获取新的 access_token
5. 用户登出：POST /api/auth/logout → 撤销 refresh_token

认证 API (/api/auth)

用户注册

POST /api/auth/register
Content-Type: application/json

{
  "phone": "13800138000",
  "password": "password123",
  "nickname": "用户昵称",
  "email": "user@example.com"  // 可选
}

响应：

{
  "access_token": "eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9...",
  "refresh_token": "random-refresh-token-string",
  "token_type": "bearer"
}

用户登录

POST /api/auth/login
Content-Type: application/json

{
  "phone": "13800138000",
  "password": "password123"
}

响应：同注册接口

刷新访问令牌

POST /api/auth/refresh
Content-Type: application/json

{
  "refresh_token": "your-refresh-token"
}

响应：

{
  "access_token": "new-access-token",
  "refresh_token": "same-refresh-token",
  "token_type": "bearer"
}

用户登出

POST /api/auth/logout
Authorization: Bearer {access_token}
Content-Type: application/json

{
  "refresh_token": "your-refresh-token"
}

获取当前用户信息

GET /api/auth/me
Authorization: Bearer {access_token}

响应：

{
  "id": "user-id",
  "phone": "13800138000",
  "email": "user@example.com",
  "nickname": "用户昵称",
  "avatar_url": null,
  "subscription_type": "free",
  "created_at": "2024-01-15T10:00:00Z"
}

使用认证令牌

所有需要认证的 API 请求都需要在 Header 中携带访问令牌：

Authorization: Bearer {access_token}

REST API

对话管理 (/api/conversations)

注意：所有对话相关接口都需要认证。

• POST /api/conversations - 创建新对话（需要认证）
• GET /api/conversations/{conversation_id} - 获取对话详情（需要认证，只能访问自己的对话）
• POST /api/conversations/{conversation_id}/end - 结束对话（需要认证，只能结束自己的对话）

章节管理 (/api/chapters)

注意：所有章节相关接口都需要认证。

• GET /api/chapters - 获取用户所有章节（需要认证）
• GET /api/chapters/{chapter_id} - 获取章节详情（需要认证，只能访问自己的章节）
• POST /api/chapters/{chapter_id}/regenerate - 重新整理章节（需要认证，只能操作自己的章节）

回忆录管理 (/api/books)

注意：所有回忆录相关接口都需要认证。

• GET /api/books/current - 获取当前回忆录（需要认证）
• POST /api/books/export-pdf - 导出 PDF（需要认证，只能导出自己的回忆录）

WebSocket API

对话 WebSocket (/ws/conversation/{conversation_id})

注意：WebSocket 连接需要认证，通过查询参数传递访问令牌。

连接地址：

ws://localhost:8000/ws/conversation/{conversation_id}?token={access_token}

实时双向通信，支持：

• 接收客户端音频数据
• 发送 Agent 响应文本
• 实时语音识别（ASR）
• 实时语音合成（TTS）

认证要求：

• 必须在查询参数中提供有效的 access_token
• 只能连接属于当前用户的对话
• 如果对话不存在，将自动创建并关联到当前用户

消息格式:

客户端 → 服务端:

{
  "type": "audio",
  "data": "base64_encoded_audio_data"
}

服务端 → 客户端:

{
  "type": "transcript",
  "text": "识别出的文本",
  "agent_response": "Agent 的回复"
}

{
  "type": "audio",
  "data": "base64_encoded_tts_audio"
}

数据库模型

User（用户）

• id: 用户 ID
• phone: 手机号（唯一，必填）
• password_hash: 密码哈希
• email: 邮箱（可选）
• openid: 微信 OpenID（可选）
• nickname: 昵称
• avatar_url: 头像 URL
• subscription_type: 订阅类型（free/premium）
• created_at: 创建时间

RefreshToken（刷新令牌）

• id: 令牌 ID
• user_id: 用户 ID（外键）
• token: 刷新令牌（唯一）
• expires_at: 过期时间（30天后）
• created_at: 创建时间
• is_revoked: 是否已撤销

Conversation（对话）

• id: 对话 ID
• user_id: 用户 ID
• started_at: 开始时间
• ended_at: 结束时间
• duration_seconds: 持续时间（秒）
• summary: 对话摘要
• status: 状态（active/ended/processing）
• current_topic: 当前话题
• conversation_stage: 对话阶段（childhood/education/career/family/beliefs/summary）

Segment（对话段落）

• id: 段落 ID
• conversation_id: 对话 ID
• audio_url: 音频 URL
• user_input_text: 用户输入正文（语音 ASR 或文字输入；历史列名 transcript_text）
• created_at: 创建时间
• processed: 是否已处理
• topic_category: 话题分类
• agent_response: Agent 响应

Chapter（章节）

• id: 章节 ID
• user_id: 用户 ID
• title: 标题
• content: 内容
• order_index: 排序索引
• status: 状态（draft/completed）
• images: 图片 URL 列表（JSON）
• updated_at: 更新时间
• category: 章节分类

Book（回忆录）

• id: 回忆录 ID
• user_id: 用户 ID
• title: 标题
• total_pages: 总页数
• total_words: 总字数
• cover_image_url: 封面图片 URL
• updated_at: 更新时间

核心功能

1. 对话引导 Agent

使用 LangChain 构建的对话 Agent，根据传记结构引导用户回忆：

• 童年时光
• 教育经历
• 职业生涯
• 家庭生活
• 人生信念
• 总结回顾

2. 记忆整理 Agent

将口语对话内容整理为结构化的书面章节：

• 口语转书面语
• 内容结构化
• 章节分类
• 自动生成标题

3. 语音服务

• ASR (语音识别): 使用 OpenAI Whisper API 将音频转为文本
• TTS (语音合成): 使用 OpenAI TTS API 将文本转为语音

4. PDF 生成

使用 ReportLab 和 WeasyPrint 生成精美的回忆录 PDF 文档。

开发指南

添加新的 API 路由

1. 在 routers/ 目录创建新的路由文件
2. 定义路由函数
3. 在 main.py 中注册路由：

from routers import your_router
app.include_router(your_router.router)

添加新的数据库模型

1. 在对应 feature 的 app/features/<feature_name>/models.py 中定义模型类
2. 继承 Base（从 app.core.db 导入）
3. 在 app/main.py 中 import 该 models 模块以注册到 Base.metadata
4. 运行 Alembic 迁移

添加新的服务

1. 在 app/features/<feature_name>/service.py 中实现业务逻辑
2. 通过 deps.py 提供依赖注入
3. 在对应 feature 的 router 中通过 Depends(get_xxx_service) 使用

安全注意事项

1. CORS 配置: 当前允许所有来源，生产环境应限制为特定域名
2. API Key 安全: 确保 .env 文件不被提交到版本控制
3. SECRET_KEY 安全: 使用强随机字符串作为 JWT 签名密钥，生产环境必须更换
4. 密码安全: 密码使用 bcrypt 哈希存储，不会以明文形式保存
5. 令牌安全:
   • 访问令牌短期有效（2小时），降低泄露风险
   • 刷新令牌存储在数据库中，支持撤销
   • 令牌过期后必须使用刷新令牌重新获取
6. 数据库备份: 定期备份 PostgreSQL 数据库
7. 错误处理: 所有 API 都包含适当的错误处理和权限验证
8. 日志记录: 建议添加日志记录功能以便调试和监控

许可证

MIT License