vpp-ai-platform/docs/09-runtime-implementation.md

09 · Runtime 实现设计（Mastra 落地）

回答「Runtime 到底怎么实现」。API 形态基于 Mastra 当前文档核实 （@mastra/core/workflows 的 suspend/resume、schedule、快照持久化）， 实现时以安装版本的内嵌文档为准。

0. 总思路：薄壳 + 三原语 + 四个自建服务

Runtime = 
  Mastra Workflow   ← 流程模板 + Proposal 状态机（suspend/resume = 审批悬挂）
  Mastra Agent      ← 五类智能体（作为工作流中的受控步骤，不自由漫游）
  Mastra Tool       ← Skill 注册表（包一层血缘记录）
  ＋ 自建：触发服务 · 事件总线(outbox) · 血缘/审计服务 · 记忆落库

关键反直觉点：Agent 不是入口，Workflow 才是。每个业务流程（申报、复盘、纠偏） 是一条 createWorkflow 定义的确定性步骤链，Agent 只在其中特定步骤被调用。 这就是 02 篇「LLM 决定做什么，工作流引擎决定怎么按步骤做」的代码形态。

1. 触发服务（三源归一）

三类触发源全部收敛为「实例化某个 workflow 模板 + 参数」：

// 周期触发：直接用 workflow 的 schedule（cron），完全不经过 LLM
export const daySituationWorkflow = createWorkflow({
  id: 'day-ahead-situation',
  inputSchema: z.object({ targetDate: z.string() }),
  outputSchema: situationReportSchema,
  schedule: { cron: '0 6 * * *' },        // D-1 06:00
}).then(fetchContextStep).then(forecastStep).then(analyzeStep).then(publishStep).commit()

// 事件触发：outbox 消费者做确定性规则判断后实例化
eventBus.on('MeterDeviationExceeded', async (evt) => {
  const run = await mastra.getWorkflow('intraday-correction').createRun()
  await run.start({ inputData: { unitId: evt.unitId, deviation: evt.value } })
})

// 人工触发：唯一经过 LLM 的入口——路由 Agent 做意图解析
// 输出被 zod 约束为「模板 id + 参数」，LLM 不能发明新流程
const routed = await routerAgent.generate(userMessage, {
  output: z.object({
    workflowId: z.enum(['day-ahead-bid', 'review', 'adhoc-analysis', ...]),
    params: z.record(z.unknown()),
  }),
})

要点：意图解析的输出模式（structured output）把 LLM 的不确定性压缩为 「在已注册模板中选一个」——选错可纠正、可审计，但不可能执行未定义流程。

2. Proposal 状态机 = 一条独立的生命周期工作流

设计决策：可信执行链不内联在每个业务流程尾部，而是实现为唯一的 proposal-lifecycle workflow。业务流程的终点是「提交 Proposal」，生命周期流程接管后续。 状态机只实现一次，所有 Proposal 类型共用；审批恢复（resume）永远指向同一条流程。

const envelopeGate = createStep({
  id: 'envelope-gate',
  inputSchema: proposalSchema,
  resumeSchema: z.object({            // 人工审批回传的数据
    decision: z.enum(['approve', 'reject']),
    approverId: z.string(),
    comment: z.string().optional(),
  }),
  suspendSchema: z.object({ reason: z.string(), proposalId: z.string() }),
  execute: async ({ inputData, resumeData, suspend }) => {
    if (resumeData) {                                    // —— 恢复路径：人工已裁决
      await audit.record('HUMAN_DECISION', resumeData)   // 审批人身份写入血缘
      if (resumeData.decision === 'reject') throw new ProposalRejected(resumeData)
      return { ...inputData, status: 'APPROVED' }
    }
    const env = await envelopeService.match(inputData)   // 自建：包络匹配与边界检查
    if (env.within) {
      await audit.record('AUTO_APPROVED', { envelopeId: env.id })
      return { ...inputData, status: 'AUTO_APPROVED', envelopeRef: env.id }
    }
    await notifyApprovers(inputData, env.requiredLevel)  // 推送审批工作台
    return await suspend({ reason: env.reason, proposalId: inputData.id })  // 悬挂
  },
})

export const proposalLifecycle = createWorkflow({
  id: 'proposal-lifecycle',
  inputSchema: proposalSchema,
  outputSchema: releasedProposalSchema,
})
  .then(ruleCheckStep)        // 确定性步骤：调用自建规则引擎（含血缘完整性检查）
  .then(simulationStep)       // 调用仿真 Skill；告警 → 强制走 envelopeGate 的人工分支
  .then(envelopeGate)         // 包络内自动 / 包络外 suspend 等人工
  .then(releaseStep)          // 投递适配器（申报）或执行引擎（控制计划）
  .commit()

审批工作台的「批准」按钮就是一次 resume 调用：

// POST /approvals/:runId/decide  （鉴权走既有权限系统，见 06 篇 §4）
const run = await mastra.getWorkflow('proposal-lifecycle').createRun({ runId })
await run.resume({
  step: 'envelope-gate',
  resumeData: { decision: 'approve', approverId: session.userId },
})

Mastra 将悬挂快照持久化到配置的存储（我们配 PostgreSQL）， 审批悬挂数小时、进程重启、多副本部署都不丢状态——这正是选它承载状态机的原因。 申报截止倒计时告警（07 篇 T-30min 升级）由触发服务的巡检 cron 扫描悬挂中的 run 实现。

多级审批：L2/L3 包络用嵌套的第二个 suspend 步骤或循环恢复（同一 gate 按 requiredLevel 依次收集多个审批人 resume），实现时按框架版本择优。

3. Agent 作为受控步骤

const bidStrategyStep = createStep({
  id: 'bid-strategy',
  inputSchema: bidContextSchema,       // 上游步骤已确定性地备好：预测、账本、规则片段
  outputSchema: bidProposalDraftSchema,
  execute: async ({ inputData }) => {
    const result = await tradingAgent.generate(buildPrompt(inputData), {
      output: bidProposalDraftSchema,  // 结构化输出：申报说明 + 对工具输出的引用
      // Agent 工具集仅含：报价优化 MILP、收益测算、规则检索 —— 注册表白名单
    })
    return assembleProposal(result, lineage.current())  // 数字从血缘取，不从 LLM 文本取
  },
})

两条纪律，代码层面强制：

1. 上下文由上游步骤确定性组装（fetchContext 步骤查库、读账本、RAG 检索）， Agent 不自己「想查什么查什么」——上下文可复现，才谈得上决策可复现；
2. assembleProposal 只从血缘记录取数字：LLM 输出中的 payload численные字段 一律以 {toolCallId, path} 引用形式给出，组装器解引用填值。LLM 想编一个数字， 类型上就写不进 Proposal（P2 的编译期/运行期双保险）。

4. Skill 注册表：包一层血缘

function registerSkill<I, O>(def: SkillDef<I, O>) {
  return createTool({
    id: def.id,
    description: def.description,
    inputSchema: def.inputSchema,
    outputSchema: def.outputSchema,
    execute: async (input) => {
      const inputRef = await snapshots.put(input)                 // 不可变输入快照
      const out = await httpCall(def.endpoint, input, def.version) // Python Skill 服务
      const outputRef = await snapshots.put(out)
      lineage.record({ tool: def.id, version: def.version, inputRef, outputRef })
      return out
    },
  })
}

lineage 上下文用 Node AsyncLocalStorage 随工作流 run 传播（runId → 血缘缓冲）， Proposal 组装时一次性固化进 lineage.tool_calls。

5. 事件总线：一期 outbox，二期 Kafka

• 一期：PostgreSQL 事务性发件箱（业务写库与事件写入同事务）+ 轮询/LISTEN 消费者。 单库即可满足一期吞吐（申报级频次），且事件天然与业务数据同库对账；
• 二期接入遥测级事件量后，outbox 中继到 Kafka，消费者接口不变（薄抽象先行）；
• 事件即 00 篇 §4 的业务对象，全部 zod schema + 版本号；事件表即审计事实来源之一。

6. 记忆落库

层	实现
工作记忆	Mastra Memory（限当前任务线程）；工作流步骤间传参优先，能不进记忆就不进
情景记忆	不用框架——事件表 + 时序库就是情景记忆（P5），查询走确定性 fetchContext 步骤
语义记忆	自建表（结构化经验 + pgvector 检索），复盘流程写入，fetchContext 按场景注入

刻意选择：不用 Agent 框架的自动语义召回喂生产决策——注入什么经验由流程模板 显式声明（如申报流程注入「同类天气日的预测偏差模式」），可测试、可评审。

7. 模块结构（代码仓库形态）

packages/
├── runtime/            # Mastra 实例、触发服务、路由 Agent、outbox
│   ├── workflows/      # 流程模板：day-ahead-bid / proposal-lifecycle / review / ...
│   ├── agents/         # 五类 Agent 定义（instructions + 工具白名单）
│   └── tools/          # registerSkill 封装的工具注册表
├── domain/             # 业务对象 zod schemas（Proposal/Envelope/Ledger...）— 纯类型，零依赖
├── services/           # 自建确定性服务：规则引擎 · 包络 · 持仓账本 · 血缘/审计
├── adapters/           # 交易平台 / 调度 / 计量 防腐层
└── skills-py/          # Python Skill 服务群（独立部署，HTTP + JSON Schema 契约）

依赖方向：runtime → services → domain；domain 被所有层引用但不引用任何层。 自建服务不是 Mastra 工具（LLM 不可调用），是工作流步骤直接 import 的普通模块—— 规则校核、包络检查永远不暴露给 LLM 决定是否调用。

8. 一期验证方式

• Mastra Studio（npm run dev → localhost:4111）作为开发期调试台： 单独试跑 Agent、观察工作流步骤 IO——但不作为运营界面；
• 每条流程模板配历史数据回放测试（07 篇场景即第一条端到端用例）；
• 审批悬挂做混沌测试：悬挂中重启进程 / 双副本竞争 resume / 超时升级，全部有预期行为断言。