Jan项目架构优化:将线程和消息管理迁移至业务层的技术实践
2025-05-05 09:13:50作者:宗隆裙
背景与现状分析
在Jan项目的当前架构中,线程(threads)和消息(messages)的处理逻辑被紧密耦合在cortex.cpp服务器实现中。这种架构设计存在几个显著问题:
- 核心业务逻辑与底层服务实现强耦合,导致业务规则难以复用
- 不同客户端(桌面端/移动端/Web端)需要重复实现相同的业务逻辑
- 服务器端承担了过多非核心职责,影响系统可维护性
架构重构方案
本次优化将采用分层架构思想,将核心业务逻辑下沉到应用业务层:
核心变更点
-
抽象业务接口层
- 定义Thread/Message的标准化操作接口
- 包括创建、查询、更新等原子操作
- 支持插件化的存储后端实现
-
业务逻辑迁移
- 将状态管理从cortex.cpp解耦
- 实现基于事件的业务状态通知机制
- 建立领域模型与持久化层的明确边界
-
服务层重构
- cortex.cpp专注AI推理核心功能
- 通过轻量级API与业务层交互
- 采用契约优先的接口设计
技术实现细节
接口设计示例
interface ThreadService {
createThread(meta: ThreadMeta): Promise<Thread>;
getThreadMessages(threadId: string): Promise<Message[]>;
appendMessage(message: NewMessage): Promise<Message>;
}
interface MessageBus {
onMessageCreated(callback: (msg: Message) => void): void;
onThreadUpdated(callback: (thread: Thread) => void): void;
}
数据流重构
- 客户端直接与业务层交互处理消息数据
- 业务层通过事件总线通知状态变更
- 推理服务仅接收纯文本输入/输出
兼容性处理
由于这是破坏性变更,需要:
- 提供适配层支持旧客户端
- 设计数据迁移方案
- 版本化API管理
预期收益
- 架构清晰度提升:业务逻辑与技术实现解耦
- 开发效率提高:功能复用度提升30%+
- 性能优化空间:细粒度控制数据加载策略
- 多端一致性:统一的核心业务实现
实施路线建议
- 先实现新接口的适配层
- 分批次迁移功能模块
- 并行运行新旧实现进行验证
- 最终移除遗留代码
这种架构演进将使Jan项目更符合现代应用架构的最佳实践,为后续功能扩展奠定坚实基础。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137