Implement chat queue fallback

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

@@ -124,3 +124,38 @@
 2. 当前模型和飞书外部 API 仍可能限流，排队只能保护本系统，不能突破外部限额。
 3. 排队请求持有 SSE 连接，网关和浏览器超时时间要一起配置。
 4. 真实流式前，用户端虽然能看到排队状态，但进入生成后仍要等完整模型结果才能输出内容。
+
+## 阶段 1 实施记录
+
+2026-07-08 开始实现第一阶段“并发准入与排队兜底”。
+
+已完成：
+
+1. 后端新增进程内问答队列管理器，支持最大生成并发、最大等待队列和排队超时。
+2. `/chat/completions` 改为立即返回 SSE 流，并通过 SSE 事件通知用户端：
+   - `queued`：请求进入排队。
+   - `generating`：请求获得执行名额。
+   - `content`：回答内容片段。
+   - `error`：队列满、排队超时或生成失败。
+3. 系统设置新增三个配置项：
+   - `chat_max_active_requests`
+   - `chat_max_queue_size`
+   - `chat_queue_timeout_seconds`
+4. 用户端 H5 支持排队状态展示，排队时在 AI 气泡中显示等待提示，进入生成后切换到正常回答。
+5. 队列满时返回“当前请求过多，请稍后再试”，避免请求无限堆积。
+
+阶段限制：
+
+1. 当前队列是单进程内存队列，适合当前开发环境和单 worker 兜底。
+2. 多 worker / 多实例部署前，必须升级为 Redis 全局队列，否则每个 worker 只会管理自己的排队状态。
+3. 当前仍不是真模型流式，进入生成后首字时间仍取决于飞书检索和模型完整返回时间。
+
+验证记录：
+
+1. 后端 `compileall` 检查通过。
+2. 用户端 H5 `npm run build` 通过。
+3. 管理后台 `npm run build` 通过；仅存在第三方依赖 Rollup 注释告警，不影响构建。
+4. `git diff --check` 通过。
+5. Docker dev 环境已重新构建并启动：backend、user-client、admin-web、mysql 均正常运行。
+6. 队列管理器验证通过：`max_active_requests=1`、`max_queue_size=1` 时，第一个请求获得执行名额，第二个请求进入排队，第三个请求被拒绝，释放名额后第二个请求恢复执行。
+7. 真实 `/chat/completions` SSE 验证通过：接口先返回 `generating` 事件，随后返回连续 `content` 事件。