用 FastAPI 暴露 AI Harness 服务

HTTP 层负责认证、验证、流式和取消，运行逻辑应独立。

问题背景

生成式模型擅长处理模糊语言和提出候选方案，却不天然保证状态一致、权限正确或动作可恢复。讨论“用 FastAPI 暴露 AI Harness 服务”时，重点不应只是跑通演示，而是系统失败后是否知道发生了什么、能否安全继续，以及结果能否重复验证。

设计方案

请求创建运行 ID，SSE 返回事件，长任务进入可恢复执行器。

在“异步任务 API”进入实现前，先标注输入来源、调用身份和数据等级；输出通过结构与领域校验后才允许进入下一步。涉及外部副作用时，执行记录必须包含稳定业务键和脱敏证据。

实施产物：异步任务 API

POST 创建 Run 并返回 202；GET 查询状态；事件流单独订阅；客户端提供幂等键；后台任务由持久队列承接。先在测试环境保存一条完整运行证据，再接入真实写操作；每次变更都必须能定位到配置、代码和数据版本。

@dataclass(frozen=True)
class PythonFastapiHarnessPolicy:
    timeout_s: int = 30
    max_attempts: int = 2

async def python_fastapi_harness(request, policy):
    async with asyncio.timeout(policy.timeout_s):
        return await execute_validated(request)

示例只表达边界，不是可直接复制的完整框架配置。落地时应使用当前依赖版本的官方 API，并把超时、身份和审计接到现有基础设施。

实施步骤

选一个可回放的小任务，写清输入、成功条件和禁止发生的副作用。
实现“异步任务 API”，把模型建议与真正执行隔离。
人工走通成功、拒绝和恢复三条路径，保存 run_id 与关键事件。
加入自动化回归，再用小比例非关键流量观察指标。
达到门槛后逐步放量；任一安全约束失败立即停止新任务并回退版本。

失败演练与验收

首要反例是：在 Web 进程内启动不可恢复的后台协程。不要只验证顺利完成；还要注入超时、重复请求、取消、无权限输入和依赖返回畸形数据。

本篇的硬性验收是：重启 API Pod 后任务仍可查询并由 Worker 继续。同时记录 排队时长、Run 丢失数、接口 P95。验收脚本应按结构化字段判定，不以“回答看起来合理”代替测试。

上线与回滚

“异步任务 API”上线前要固定模型、提示、规则、工具 schema 与数据版本，并用影子或灰度流量比较旧版。若 排队时长、Run 丢失数、接口 P95 越过门槛，先停止新 Run，再处理在途任务，恢复旧组合后逐项核对未决副作用。

适用边界

当场景是“毫秒级同步模型调用”时，这套设计的维护成本通常高于收益。权限、金额、删除和一致性约束始终交给确定性代码，不能交给模型自行判断。

API 只管理 Run，不在请求内跑长任务

接口	语义
`POST /runs`	用幂等键创建并返回 `202 + run_id`
`GET /runs/{id}`	返回版本化状态与进度
`POST /runs/{id}/cancel`	请求取消，重复调用幂等
`GET /runs/{id}/events`	分页/SSE 读取事件

API 在数据库持久化 Run 与 enqueue intent 后才返回，worker 从 durable queue 获取；不要用进程内 background task 承担跨 Pod、跨分钟任务。状态更新使用版本号 compare-and-swap，只有 worker lease 持有者能推进。

Pydantic 模型负责外部结构，领域层再次校验租户、资源与权限。依赖注入的身份来自可信中间件，不能接受请求体 tenant_id 覆盖。错误统一含 code/request_id，验证错误不回显秘密。

测试 API Pod 在创建后立即重启、worker 在外部调用前后崩溃、重复 POST、重复 cancel 和两个 worker 抢同一 Run。验收任务可查询、可恢复、业务副作用唯一；指标同时覆盖排队、执行、状态冲突和孤儿 Run。

第二轮实践复核

围绕“异步任务 API”建立一个不接触生产数据的最小项目，固定运行时、框架、模型、提示、规则和工具 schema 版本。正文代码块若缺少完整依赖、导入或领域类型，应视为架构伪代码；只有放入示例仓库并通过下述命令的代码才标记为可运行。

项目验证：python -m pytest -q
回归夹具：把输入、结构化输出、工具轨迹和副作用记录为 JSON，用固定版本执行正常、拒绝、超时、取消与重复请求五组回归样本。
必留证据：run_id、版本组合、终止原因、动作幂等键，以及 排队时长、Run 丢失数、接口 P95。
通过条件：未批准写操作为零副作用；相同幂等键重复执行只产生一个业务结果；超时或恢复后状态可解释。
失败处理：先停新任务，再核对在途动作；回滚模型、提示、规则、工具与状态迁移的完整组合，不能只换回模型。

复用顺序

为“用 FastAPI 暴露 AI Harness 服务”建立确定性假工具，先跑契约与失败用例，不接触真实凭据。
围绕“异步任务 API”接入只读能力，核对权限裁剪、脱敏字段和 Trace 完整性。
需要写能力时先输出 dry-run 差异，再绑定审批结果与一次性动作哈希。
以本文验收指标比较影子流量；达到门槛才放量，越线立即执行文中的组合回滚。

实践与资料复核日期：2026-08-22；框架 API 以锁定版本的官方文档为准。

参考资料

官方文档

框架 API 会持续演进，复制示例前应再次确认当前版本。可持续的 AI 工程不依赖某个模型偶尔表现出色，而依赖清晰契约、可靠 Harness 与可重复验证。