Document async model streaming plan

ai_knowledge_base_v2/development_records/2026-07-08-concurrency-optimization-plan.md

@@ -225,3 +225,25 @@
 1. 飞书 token、wiki node、children、docx/file 文本缓存需要与阶段 4 Redis 缓存一起设计。
 2. async DB session 是否引入，需要结合 SQLAlchemy 连接池和迁移成本单独评估。
 3. 如果短期不引入 async DB session，飞书/RAG 可以先使用独立的异步外部请求层，DB 读写仍保持同步但缩短持有时间。
+
+## 阶段 3A 实施计划
+
+目标：把模型真实流式阶段中的上游长连接调用改成异步 `httpx.AsyncClient.stream`，减少模型生成期间对同步 worker 线程的占用。
+
+实施范围：
+
+1. `/chat/completions` 改为 async SSE 生成器。
+2. `ChatStreamService` 增加 async 流式入口，保留原同步入口作为兼容和回退。
+3. `ModelStreamService` 增加 async 流式入口：
+   - OpenAI 兼容协议使用 `AsyncClient.stream`。
+   - Anthropic Messages 协议使用 `AsyncClient.stream`。
+   - mock、未命中知识库、关闭流式、MiniMax/Gemini 等仍走安全降级输出。
+4. SSE 事件格式保持不变，用户端无需改动。
+5. 队列兜底先保持当前进程内逻辑不变，Redis 全局队列仍放到阶段 4。
+
+风险控制：
+
+1. 不修改飞书检索、RAG 排序、段落截取和知识库召回逻辑。
+2. 不修改数据库 schema。
+3. 不把当前工作区已有的 5 个后端未提交文件混入阶段 3A 提交。
+4. 如果 async 模型流式验证失败，保留同步流式入口，便于快速回退。