Document streaming optimization phase

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

@@ -108,15 +108,15 @@
 
 ## 当前执行计划
 
-本次先从阶段 1 开始：
+阶段 1 已完成，下一步进入阶段 2“模型真实流式输出”。
 
-1. 新增后端进程内并发管理器。
-2. 用户端支持排队状态提示。
-3. 将配置项加入系统设置。
-4. 验证队列满、排队中、正常生成三种路径。
-5. 记录第一阶段已完成内容和遗留限制。
+阶段 2 本次实施范围：
 
-后续再继续阶段 2 的真实模型流式输出。
+1. 先支持 OpenAI 兼容协议和 Anthropic Messages 协议的上游真实流式。
+2. MiniMax、Gemini 等非主线协议暂时保持非流式调用，并通过统一事件接口降级输出。
+3. 后端在接收模型 chunk 时同步通过 SSE 输出给用户端，并在结束后累计完整回答落库。
+4. 流式过程中如果模型调用失败，返回 `error` 事件，并记录失败日志。
+5. 用户中断或连接断开时，尽量关闭上游模型连接；已收到但未完成的回答不作为成功消息落库。
 
 ## 风险记录
 
@@ -159,3 +159,15 @@
 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。
+
+## 阶段 2 实施记录
+
+2026-07-08 开始实现第二阶段“模型真实流式输出”。
+
+设计决策：
+
+1. 先不改动现有非流式 `ChatService.create_answer` 主逻辑，新增独立流式服务承载用户端 `/chat/completions`。
+2. 流式模型调用优先覆盖 OpenAI 兼容协议和 Anthropic Messages 协议。
+3. 非流式协议保留降级路径，保证模型配置多样性不被破坏。
+4. 本阶段仍使用同步 `httpx` 的流式能力；真正 async 化放到阶段 3。
+5. 本阶段不引入 Redis，全局多 worker 协调继续放到阶段 4。