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 14:00:32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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
264
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
270
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.34 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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