docs: 同步问答链路抽离到 ai-gateway 后的架构文档

README.md/PROGRESS.md 里大量描述还停留在"FAM-Edge 自己维护 Gemini→NVIDIA→ Ollama 问答降级链"的旧架构，跟实际代码（FAM-Edge 已改为转发客户端，模型链整个搬到独立的 ai-gateway 服务）不一致，逐处订正： - 新增 §3.4 AI-Gateway 模块章节、部署拓扑图、Gitea 仓库表新增 ai-gateway 条目 - 模块表（FAM-Core/FAM-Edge）、API 文档、数据库 compute_provider 说明更新 - §6.2/6.3 本地 Ollama 与模型适配器章节：去掉已删除的 OllamaAdapter/role=text，问答降级链路图重画为"FAM-Edge 转发 -> AI-Gateway 内部降级" - 修复已经损坏（合并冲突残留）且过时的 fam-edge/config.yaml 示例，新增 ai-gateway/config.yaml 示例；如实记录两份 .env 各自独立维护的实际部署状态 - PROGRESS.md 补一条 2026-08-23 变更记录 + 服务运行状态表新增 AI-Gateway 行 Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>
2026-08-23 17:40:55 +08:00
parent 5caeb299a4
commit 2e370ab668
2 changed files with 128 additions and 69 deletions
--- a/PROGRESS.md
+++ b/PROGRESS.md
@@ -1,15 +1,25 @@
 # 项目进度追踪

-> 最后更新: 2026-08-22 12:45
+> 最后更新: 2026-08-23

 ## 服务运行状态

 | 服务 | 节点 | 地址 | 状态 | 验证结果 |
 |------|------|------|------|---------|
 | FAM-Core | NAS | 0.0.0.0:8000 | ✅ 运行中 | health=ok, gunicorn 单 worker；Oracle-Sync + MotionNotifier 轮询 SS 事件推送（游标 DB 续用/失败重试） |
-| FAM-Edge | Oracle | 0.0.0.0:5000 | ✅ 运行中 | systemd 守护（fam-edge.service）；素材→运动片段分割→只分析片段；队列消费正常 |
+| FAM-Edge | Oracle | 0.0.0.0:5000 | ✅ 运行中 | systemd 守护（fam-edge.service）；素材→运动片段分割→只分析片段；问答改为转发 AI-Gateway；队列消费正常 |
+| **AI-Gateway** | Oracle | 0.0.0.0:5100 | ✅ 运行中 | systemd 守护（ai-gateway.service），2026-08-23 新增；独立仓库/独立部署；`/health` 正常，端到端问答实测成功（provider=nvidia） |
 | MariaDB | NAS | 127.0.0.1:3306 | ✅ 运行中 | 10.11.11, 6 张表, utf8mb4 |
-| Ollama | Oracle | 127.0.0.1:11434 | ✅ 运行中 | qwen2.5:7b，仅智能问答兜底（不参与视觉/融合） |
+| Ollama | Oracle | 127.0.0.1:11434 | ✅ 运行中 | qwen2.5:7b，仅智能问答兜底（不参与视觉/融合）；**被 AI-Gateway 调用，不再被 FAM-Edge 直接调用** |
+
+## 2026-08-23 问答链路抽离为独立 ai-gateway 服务
+
+- **决策**：原本嵌在 FAM-Edge 里的问答模型降级链（NVIDIA 文字模型链 → Gemini 非 flash 文字模型链 → 本地 Ollama 兜底，含 key 轮换/熔断）跟视频分析业务无关，是通用能力，抽成独立服务（OpenAI 兼容协议 `/v1/chat/completions`），除了 FAM-Edge 自己（改为转发调用），别的项目也能直接接入
+- **新增独立仓库/项目 `ai-gateway`**（http://192.168.50.64:3000/ericwyuan/ai-gateway）：`app.py`（Flask，`/v1/chat/completions` 流式+非流式、`/v1/models` 占位、`/health` 免鉴权）/ `auth.py`（Bearer token 鉴权，fail-closed）/ `orchestrator.py`（`ChatOrchestrator`，按 provider 顺序降级，保留"未吐字才切换、已吐字后中途失败直接结束"语义）/ `adapters/`（NVIDIA/Gemini/Ollama，纯文本，从 fam-edge 对应适配器裁剪 chat 相关代码而来）；测试 37/37 通过
+- **FAM-Edge 侧改动**（commit `5caeb29`）：`qa.py` 重写为 HTTP 转发客户端（调 ai-gateway `/v1/chat/completions`，翻译回原有 `run_qa`/`run_qa_stream` 契约，`api_gateway.py` 和 FAM-Core 调用方零改动）；删除 `model_adapters/ollama_adapter.py` 及其测试；`gemini_adapter.py`/`nvidia_adapter.py` 移除 `chat()`/`chat_stream()`/问答专用超时（只保留 `analyze_video`）；`app.py` 移除 Ollama 预热逻辑；`config.yaml` 移除 3 个问答专用 model 条目，新增 `ai_gateway` 客户端配置块；测试 125/125 通过
+- **部署**：Oracle 新建 `/opt/ai-gateway/`（独立 venv，Python 3.8），systemd `ai-gateway.service` 守护，gunicorn 绑定 `0.0.0.0:5100`（对外直接开放，Bearer token 鉴权，用户明确选择"别的项目也能从这台机器之外访问"而不是仅本机）；`AI_GATEWAY_TOKEN`/`NVIDIA_API_KEY`/`GEMINI_API_KEY*` 存在独立的 `/opt/ai-gateway/.env`（用户选择两份 `.env` 各自独立维护，而非复用 `/opt/fam-edge/.env`，代价是以后轮换 key 需要改两处）
+- **验证**：`/health` 通过；`curl` 直接测 `/v1/chat/completions`（带 token）端到端成功，provider=nvidia；FAM-Edge `/api/edge/chat/ask` 非流式 + `/api/edge/chat/ask/stream` 流式均验证通过，事件格式（`provider_trying`/`chunk`/`done`）不变，中文无乱码；队列/pending/failed 数量正常，无积压
+- **已知代价**：NVIDIA/Gemini key 现在两处各存一份（`/opt/fam-edge/.env` + `/opt/ai-gateway/.env`），非最初设计的"复用同一份"，用户已知情并选择保留现状

 ## 2026-08-22 运动事件驱动架构（v3）

--- a/README.md
+++ b/README.md
@@ -3,7 +3,7 @@

 > 多模型容灾降级 + 交互式命名 + AI 对话的家庭监控系统。
 > 本文档为项目需求文档与 README 的整合版，按当前代码实际状态（v1.0 E2E 已打通）编写。
-> 最后更新：2026-08-22（运动事件驱动架构：整段素材分割运动片段再分析）
+> 最后更新：2026-08-23（问答链路抽离为独立 ai-gateway 服务：FAM-Edge 不再自己维护问答模型降级链，改为转发调用）

 ---

@@ -20,7 +20,7 @@
 - **FAM-UI**（NAS 端）：Vue3 SPA 读本地同步镜像（sync_videos / sync_events / sync_people），事件时间轴 + 人物管理 + AI 对话 + 对话历史 + 统计
 - **数据库**：Oracle 侧 SQLite（videos/events/people/ss_motion_events/sync_cursor）；NAS 侧 MariaDB 镜像（sync_videos / sync_events / sync_people / sync_cursor）+ chat_history
 - **数据流向**：Google 硬盘 ──rclone──► 甲骨文整段素材 ──按运动事件分割片段──► 片段云端分析 ──► Oracle SQLite ──每 30 分钟 NAS 拉取──► NAS MariaDB 镜像 ──► FAM-UI；运动事件由 NAS 轮询 SS 推送 Oracle（NAS → Oracle 单向）
- **AI 对话**：查 sync_events 拼上下文 → 经 FAM-Edge 问答编排（Gemini → NVIDIA → 本地 Ollama 兜底）生成回答 → 返回并写 chat_history
+- **AI 对话**：查 sync_events 拼上下文 → FAM-Edge 转发到独立 **ai-gateway** 服务（OpenAI 兼容协议，NVIDIA → Gemini → 本地 Ollama 降级链在 ai-gateway 内部完成，FAM-Edge 不再自己维护模型链）→ 返回并写 chat_history
 - **人物命名**：用户命名/合并某 label → 回推 Oracle `/api/oracle/people/correct`（manual 优先）→ 下一周期同步回 NAS；Oracle 独立 person_service 汇总全量人物 → LLM 合并为规范名 → 回灌视频提示

 ### 1.2 不在首期范围（推迟 v1.1+）
@@ -47,13 +47,13 @@
 |------|--------|------|------|
 | **视觉分析 + 结构化输出**（看图识人/动作/衣着 → 直出 JSON） | 云端 | Gemini → NVIDIA NIM（fallback 降级） | 云端 VLM 直接产出 `global_summary` / `entities_json` / `frame_details`，Edge 仅做**格式化校验**后直存 NAS，**本地模型不介入** |
 | **结果格式化**（云端 JSON → 入库 schema） | Edge 进程 | 无模型调用 | `format_cloud_result`：字段归一化、补 `source_providers`/`compute_provider`、推导 `entities`、缺失 `global_summary` 时事实拼接；纯数据转换，非 LLM 二次汇总 |
-| **AI 对话**（"汤圆今天干嘛了"） | 云端优先 + 本地兜底 | Gemini → NVIDIA NIM → 本地 Ollama | 两云端任一成功即用；**仅当 Gemini 与 NVIDIA 都失败**才回退本地 Ollama qwen2.5:7b |
+| **AI 对话**（"汤圆今天干嘛了"） | 独立 **ai-gateway** 服务（OpenAI 兼容协议） | NVIDIA → Gemini → 本地 Ollama | FAM-Edge 不参与问答模型调用，只转发；降级顺序、key 轮换、熔断全部由 ai-gateway 自己管理 |

- **Google Gemini**（`gemini-flash-latest`，API Key 已验证，支持多图单请求，视觉 + 问答均参与）
- **NVIDIA NIM**（`meta/llama-3.2-11b-vision-instruct`，OpenAI 兼容 API，云端 GPU 推理，单请求限 1 图故逐帧调用；视觉 + 问答均参与）
- **本地 Ollama**（qwen2.5:7b）**仅参与智能问答，且仅作兜底**：视觉链路两云端全失败 → 任务 FAILED 走重试，**绝不回退本地模型做视觉/融合**
+- **Google Gemini**（`gemini-flash-latest`，API Key 已验证，支持多图单请求；**问答场景改用 ai-gateway 里独立的非 flash 文字模型链**，不复用视觉分析这个 flash 实例）
+- **NVIDIA NIM**（视觉分析用 `nvidia/nemotron-3-nano-omni-30b-a3b-reasoning` 整视频输入；**问答场景改用 ai-gateway 里独立的文字模型链**，不复用视觉分析实例）
+- **本地 Ollama**（qwen2.5:7b）**已从 FAM-Edge 移除，2026-08-23 起归属独立的 ai-gateway 服务**：仅参与智能问答，且仅在 ai-gateway 内部 NVIDIA/Gemini 都失败时作兜底；视觉分析链路完全不涉及本地模型

-Orchestrator 视觉阶段按 `fallback` 模式顺序降级：Gemini → NVIDIA NIM；云端模型直出结构化 JSON 后由 `format_cloud_result` 格式化。问答阶段按 `gemini → nvidia → ollama` 顺序，仅末位本地模型作兜底。
+Orchestrator 视觉阶段按 `fallback` 模式顺序降级：Gemini → NVIDIA NIM；云端模型直出结构化 JSON 后由 `format_cloud_result` 格式化，均在 FAM-Edge 内完成。问答阶段完全在 **ai-gateway**（独立服务，见 §3.4）内部按 `nvidia → gemini → ollama` 顺序降级，FAM-Edge 只是转发客户端。

 ---

@@ -64,13 +64,13 @@ Orchestrator 视觉阶段按 `fallback` 模式顺序降级：Gemini → NVIDIA N
 | 节点 | 角色 | 硬件 | IP | 服务与端口 |
 |------|------|------|-----|-----------|
 | Synology NAS | FAM-Core + FAM-UI + 数据库 | DS220+ (Geminilake), DSM 7 | 家庭局域网 192.168.50.64 / Tailscale 100.70.234.39 | FAM-Core :8000, FAM-UI（Vue3 构建产物，由 FAM-Core 托管）, MariaDB :3306, Surveillance Station :5000 |
-| Oracle Cloud | FAM-Edge | Ampere A1 2C12G ARM64（无 GPU）, Ubuntu 20.04 | 公网 129.146.203.203 / Tailscale 100.74.137.126 | FAM-Edge :5000（systemd 守护）, Ollama :11434（仅本地） |
+| Oracle Cloud | FAM-Edge + AI-Gateway | Ampere A1 2C12G ARM64（无 GPU）, Ubuntu 20.04 | 公网 129.146.203.203 / Tailscale 100.74.137.126 | FAM-Edge :5000（systemd 守护，视频分析 + 转发问答）, **AI-Gateway :5100（systemd 守护，对外监听，问答模型降级链）**, Ollama :11434（仅本地，被 AI-Gateway 调用） |
 | 家庭网络 | 用户入口 | 普通终端 | 192.168.50.0/24 | 浏览器访问 `http://192.168.50.64:8000` |

 **网络要点（推送模式）**：
 - 服务间通信只有两条出站：**NAS → Oracle 公网 IP:5000**（① `GET /api/oracle/sync` 拉增量 + `POST /api/oracle/people/correct` 命名回推 ② `POST /api/ss/motion` 推送运动侦测事件）。Edge 不需要反向访问 NAS
 - **运动事件获取（NAS 轮询驱动）**：FAM-Core MotionNotifier 每 60s 轮询本机 Surveillance Station 事件列表 API（`SYNO.SurveillanceStation.EventCenter.Event`），增量推送 Oracle。`/api/ss/webhook` 端点在代码中保留为可选低延迟补充（SS 行動規則 Webhook 未配置则不触发）
- Oracle 端 Ollama 端口 11434 不对外暴露，聊天请求经 FAM-Edge `/api/edge/chat/ask` 代理转发
+- Oracle 端 Ollama 端口 11434 不对外暴露；聊天请求 NAS → FAM-Edge `/api/edge/chat/ask`（保持不变的对外契约）→ **FAM-Edge 转发到同机的 AI-Gateway :5100**（`/v1/chat/completions`，OpenAI 兼容协议，Bearer token 鉴权）→ NVIDIA/Gemini/Ollama 降级链。AI-Gateway 自己对外监听 0.0.0.0:5100（Bearer token 鉴权 fail-closed），供其他项目直接接入，不止服务本系统
 - Tailscale 两节点已安装在线，但 NAS tailscaled 为 userspace 模式且防火墙端口不通，暂走公网 IP

 ### 2.2 部署拓扑与数据流（新架构 v2：Oracle 分析 + NAS 镜像）
@@ -88,9 +88,16 @@ Orchestrator 视觉阶段按 `fallback` 模式顺序降级：Gemini → NVIDIA N
 │   ├─ Video-Processor: 素材按 ss_motion_events 分割运动片段 → 只分析片段         │
 │   │    (ffmpeg -c:v copy -c:a aac) → Gemini → 失败 NVIDIA → 再失败 FAILED     │
 │   ├─ Person-Service: 汇总人物 → LLM 合并规范名 → 回灌视频提示                  │
+│   ├─ QA-Proxy (qa.py): /api/edge/chat/ask(/stream) 原样转发到 AI-Gateway       │
 │   ├─ OracleDB (SQLite): videos / events / people / ss_motion_events            │
 │   └─ API: /api/oracle/sync (增量拉取) · /api/ss/motion (运动事件) ·            │
-│         /api/oracle/people/correct (命名校正) · /api/edge/chat/ask (问答)      │
+│         /api/oracle/people/correct (命名校正) · /api/edge/chat/ask (问答代理)  │
+│                        │ HTTP (本机回环 + 公网均可达)                          │
+│                        ▼                                                       │
+│  AI-Gateway (Flask :5100，独立项目/服务/git 仓库，OpenAI 兼容协议)              │
+│   ├─ /v1/chat/completions：NVIDIA → Gemini（多 Key 轮换）→ 本地 Ollama 降级链   │
+│   ├─ Bearer token 鉴权（fail-closed），对外 0.0.0.0:5100，非本系统专属          │
+│   └─ 独立 .env（/opt/ai-gateway/.env，NVIDIA/Gemini key 与 FAM-Edge 各自一份） │
 └───────────────────────────────┬───────────────────────────────────────────────┘
                                 │ HTTP GET /api/oracle/sync?since=&token= （每 30 分钟）
                                 ▼
@@ -130,7 +137,8 @@ Orchestrator 视觉阶段按 `fallback` 模式顺序降级：Gemini → NVIDIA N

 **网络要点（新架构）**：
 - NAS → Oracle 出站共两条：① `GET /api/oracle/sync`（拉取增量）+ `POST /api/oracle/people/correct`（命名回推）；② `POST /api/ss/motion`（运动侦测事件推送）。均走 Oracle 公网 IP:5000，token 鉴权
- Oracle Ollama :11434 不对外暴露，问答经 FAM-Edge `/api/edge/chat/ask` 代理
+- Oracle Ollama :11434 不对外暴露，问答经 FAM-Edge `/api/edge/chat/ask` → 同机 AI-Gateway `:5100` 两跳代理
+- AI-Gateway `:5100` 本身对公网直接开放（Bearer token 鉴权），跟 FAM-Edge `:5000` 是两个独立监听端口，非本系统的其他项目可以跳过 FAM-Edge 直接接入
 - Tailscale 两节点在线但 NAS 无法反向访问 Oracle，故全部走 NAS 主动出站拉取模式

 ### 2.3 主链路时序（新架构 v3：运动事件驱动）
@@ -165,7 +173,7 @@ Orchestrator 视觉阶段按 `fallback` 模式顺序降级：Gemini → NVIDIA N
 | 模块 | 文件 | 职责 |
 |------|------|------|
 | Oracle-Sync | `oracle_sync/oracle_sync.py` | 后台线程：每 30 分钟 `GET /api/oracle/sync?since=<cursor>&token=` 拉增量 → upsert 到 `sync_videos`/`sync_events`/`sync_people` → 推进 `sync_cursor`；`push_name_correct()` 回推命名校正；`trigger_now()` 立即同步 |
-| Chat-Handler | `chat_handler/chat_handler.py` | `/api/chat/ask` 查 `sync_events` 拼上下文 → 经 Oracle `/api/edge/chat/ask` 问答编排（Gemini→NVIDIA→本地 Ollama 兜底）→ 写 chat_history |
+| Chat-Handler | `chat_handler/chat_handler.py` | `/api/chat/ask` 查 `sync_events` 拼上下文 → 经 Oracle `/api/edge/chat/ask` 问答（FAM-Edge 转发到独立 AI-Gateway 服务，接口契约不变）→ 写 chat_history |
 | Member-Manager | `member_manager/member_manager.py` | `/api/member/unnamed` / `/api/member/list` / `/api/member/name` / `/api/member/merge`；命名/合并回推 Oracle 并即时拉回本地镜像 |
 | MotionNotifier | `motion_notifier/motion_notifier.py` | **轮询主路径**（`poll_enabled=true`）：每 `poll_interval_sec`(60s) 查 SS `EventCenter.Event.List`（camera_ids/event_types=10）→ 增量推送 Oracle `/api/ss/motion`；游标存 MariaDB（重启续用/补推停机期间事件，失败批次不前进）；心跳线程定期空 POST 证明链路存活；启动时拉取 SS 摄像头「名→id」映射并配置兜底 |
 | Motion-BP | `motion_bp.py` | `POST /api/ss/webhook` 可选低延迟补充（SS 行動規則 Webhook 未配置则不触发，兼容 JSON/表单/单条/数组）→ 映射 → 推送 Oracle；`GET /api/ss/status` 查询状态 |
@@ -180,13 +188,13 @@ Orchestrator 视觉阶段按 `fallback` 模式顺序降级：Gemini → NVIDIA N

 | 模块 | 文件 | 职责 |
 |------|------|------|
-| API-Gateway | `api_gateway/api_gateway.py` | `GET /api/oracle/sync`（增量拉取，since+token 校验）；`POST /api/oracle/people/correct`（命名校正）；`POST /api/edge/chat/ask`（问答编排）；`POST /api/ss/motion`（运动事件接收，token 校验，落库 `ss_motion_events` + 刷新心跳）；`GET /api/oracle/frame|avatar`（帧/头像）；`GET /health` |
+| API-Gateway | `api_gateway/api_gateway.py` | `GET /api/oracle/sync`（增量拉取，since+token 校验）；`POST /api/oracle/people/correct`（命名校正）；`POST /api/edge/chat/ask(/stream)`（问答，转发到 AI-Gateway，见 §3.4）；`POST /api/ss/motion`（运动事件接收，token 校验，落库 `ss_motion_events` + 刷新心跳）；`GET /api/oracle/frame|avatar`（帧/头像）；`GET /health` |
 | Video-Queue | `video_queue.py` | 生产-消费队列：生产者 30s 轮询 rclone 同步落地目录登记整段素材入队（含重启恢复）；消费者（`max_concurrent` 个线程）取队列调 Video-Processor；素材分割出的运动片段自动入队；模型超时 = 原配置 ×`timeout_multiplier`；失败重试上限 `max_retries` |
 | Video-Processor | `video_processor.py` | **素材→分割/片段→分析**双分支：素材按 `ss_motion_events` 已结束运动事件 ffmpeg 分割运动片段（`-c:v copy -c:a aac` 保留音频，`motion_event_id` 幂等），片段只送云端 VLM 分析；按 `vision_order` 调适配器；首个成功即落库 Oracle `videos`+`events`+`people`；全失败标 `failed` |
 | Person-Service | `person_service.py` | 汇总全量人物 → LLM 合并为规范名 → `set_canonical`；生成 `known_members_context` 回灌片段提示；manual 命名优先不被覆盖 |
 | OracleDB | `oracle_db.py` | SQLite：videos（含 `motion_event_id`/`camera_id` 列）/ events / people / sync_cursor / ss_motion_events；`get_sync_delta(since)` 增量导出；`record_motion_events` / `get_motion_events_in_range`（已结束运动事件窗口查询，分割用）/ `has_motion_in_range_local` / 心跳 |
-| Model-Adapters | `model_adapters/` | `BaseModelAdapter.analyze_video(video_path, known_members_context, event_start_time)`；Gemini（Files API）/ NVIDIA（整视频 `video_url`）/ Ollama（纯文本，不参与视频）——输入均为运动片段 |
-| QA-Orchestrator | `qa.py` | 遍历所有适配器 `chat()`，Gemini→NVIDIA→Ollama 三级降级（仅问答） |
+| Model-Adapters | `model_adapters/` | `BaseModelAdapter.analyze_video(video_path, known_members_context, event_start_time)`；Gemini（Files API）/ NVIDIA（整视频 `video_url`）——**只有视觉分析用，2026-08-23 起不再含 Ollama/文字模型**，问答模型完全移交 AI-Gateway |
+| QA-Proxy | `qa.py` | **2026-08-23 重写为 HTTP 转发客户端**（原来自己遍历适配器 `chat()` 做 NVIDIA→Gemini→Ollama 三级降级的逻辑已整个搬到 AI-Gateway）：调 AI-Gateway `/v1/chat/completions`，把 OpenAI 兼容响应翻译回原有 `run_qa`/`run_qa_stream` 契约，`api_gateway.py` 和 FAM-Core 调用方零改动 |

 ### 3.3 FAM-UI（NAS 端）

@@ -200,6 +208,20 @@ Vue3 + Vite + Tailwind SPA（`fam-ui/src/views/*.vue`，构建产物 `fam-ui/dis
 | 📝 对话历史 | chat_history 倒序展示 |
 | 📈 统计图表 | 模型来源占比 / 关注事件 / 同步状态 |

+### 3.4 AI-Gateway（Oracle 端，独立项目/服务，2026-08-23 新增）
+
+> 独立的 git 仓库/部署单元（`ai-gateway/`，Gitea 见 §10.4），跟 FAM-Edge/FAM-Core 不是同一个代码库。原本嵌在 FAM-Edge 里的问答模型降级链（跟视频分析业务无关，是通用能力）整个抽出来，做成 OpenAI 兼容协议的独立服务——除了 FAM-Edge 自己（改为转发调用），任何支持自定义 `base_url` 的 OpenAI SDK/工具都能直接接入，不限于本系统。
+
+| 模块 | 文件 | 职责 |
+|------|------|------|
+| App | `app.py` | `POST /v1/chat/completions`（核心端点，OpenAI 兼容请求/响应结构，支持 `stream: true` 流式与非流式）；`GET /v1/models`（占位实现）；`GET /health`（免鉴权） |
+| Auth | `auth.py` | Bearer token 鉴权（`Authorization: Bearer <AI_GATEWAY_TOKEN>`），**fail-closed**：未配置 token 时全部需鉴权接口直接拒绝（503），不会退回任何默认值 |
+| Orchestrator | `orchestrator.py` | `ChatOrchestrator`：按 `config.yaml` 里 `models` 数组顺序依次尝试适配器 `chat()`/`chat_stream()`，一个 provider 完全没有输出才换下一个；已开始吐字后中途失败直接结束，不悄悄换源接着写 |
+| Adapters | `adapters/` | `NvidiaAdapter`（多模型链）/ `GeminiAdapter`（多 Key 随机轮换，`_messages_to_gemini()` 转换为原生 `contents`/`systemInstruction`）/ `OllamaAdapter`（`/api/chat` 原生多轮，含 `warm_up()` 启动预热）——**纯文本，均为 chat-only，不含视觉分析** |
+| Config | `config_loader.py` | 部署时用 `FAM_ENV_FILE` 指向共享的 `.env` 复用密钥（当前实际部署未启用这个复用，AI-Gateway 用自己独立的 `/opt/ai-gateway/.env`，见 §8.3 说明） |
+
+**降级链**（`config.yaml` 里 `models` 数组顺序）：NVIDIA（多模型链自动降级）→ Gemini（多 Key 随机轮换）→ 本地 Ollama（兜底，`OLLAMA_KEEP_ALIVE=-1` + 启动预热避免冷启动）。
+
 ---

 ## 4. 数据库设计
@@ -243,7 +265,7 @@ chat_history 独立表（问答上下文摘要留存）
 ### 4.3 compute_provider

 - `sync_videos.compute_provider`：字符串，记录该视频实际成功调用的视觉模型（`gemini` / `nvidia`）；本地 Ollama 不参与视频分析，不会出现在该字段
- 问答链路（Gemini→NVIDIA→Ollama 兜底）的 provider 体现在 `/api/edge/chat/ask` 响应的 `provider` 字段
+- 问答链路（AI-Gateway 内部 NVIDIA→Gemini→Ollama 降级链）的 provider 体现在 `/api/edge/chat/ask` 响应的 `provider` 字段（由 AI-Gateway 原样透传回来）

 ### 4.4 兼容性注意

@@ -284,7 +306,7 @@ chat_history 独立表（问答上下文摘要留存）
 - 401：token 校验失败

 **POST /api/oracle/people/correct** — 命名校正回推：`{"label":"人物A","canonical_name":"汤圆","token":...}`（manual 优先，不被 LLM 覆盖）→ `{"status":"ok"}`
-**POST /api/edge/chat/ask** — 智能问答编排（FAM-Core Chat-Handler 调用）：请求 `{"prompt","max_tokens"}` → 响应 `{"answer","provider"}`；内部按 Gemini → NVIDIA → 本地 Ollama 顺序，仅两云端都失败才用本地兜底
+**POST /api/edge/chat/ask(/stream)** — 智能问答（FAM-Core Chat-Handler 调用）：请求 `{"prompt","max_tokens"}` → 响应 `{"answer","provider"}`（流式版为 SSE，事件 `provider_trying`/`chunk`/`done`/`all_failed`）；**2026-08-23 起 FAM-Edge 自己不跑模型，转发到同机 AI-Gateway `/v1/chat/completions`**，内部按 NVIDIA → Gemini → 本地 Ollama 顺序降级（对 FAM-Core 不可见，接口契约不变）
 **POST /api/ss/motion** — 运动事件接收（NAS MotionNotifier 推送）：`{"token", "events":[{event_id, camera_id, event_type, start_time, duration, thumbnail_url}]}` → 幂等落库 `ss_motion_events` + 刷新心跳；`events: []` 空数组即心跳
 **GET /api/oracle/frame** — 事件帧图：`?video_id=&ts=&w=` → jpeg（`ts` 为绝对时间，`frame_service` 按 `ts − event_start_time` 偏移从视频文件取帧）
 **GET /api/oracle/avatar** — 人物头像：`?label=&w=` → jpeg（从该人物候选事件 `person_appearances` bbox 裁剪）
@@ -356,19 +378,19 @@ chat_history 独立表（问答上下文摘要留存）
 - **压缩**：长边 > 1024px 才缩放，JPEG 质量 80
 - **异常兜底**：ffprobe 失败退化为 60s 间隔抽帧；帧差异常退化为等距 5 帧

-### 6.2 本地 Ollama（仅智能问答兜底，ARM CPU）
+### 6.2 本地 Ollama（仅智能问答兜底，归属 AI-Gateway）

-本地 Ollama（qwen2.5:7b，纯文本模型）**不参与视觉分析、不参与云端结果融合**。它只在**智能问答**场景下、且 Gemini 与 NVIDIA 两云端模型都失败时才被启用作为兜底。视觉分析与结构化输出全部由云端模型承担。以下参数作为问答任务的调优依据保留。
+本地 Ollama（qwen2.5:7b，纯文本模型）**不参与视觉分析、不参与云端结果融合**。**2026-08-23 起 Ollama 相关代码（`OllamaAdapter`、启动预热逻辑）已从 FAM-Edge 整个移除，归属独立的 AI-Gateway 服务**——它只在 AI-Gateway 内部 NVIDIA 与 Gemini 都失败时才被启用作为兜底，进程仍然跑在 Oracle 同一台机器上，只是调用方从 FAM-Edge 换成了 AI-Gateway。视觉分析与结构化输出全部由云端模型承担，跟本地模型无关。以下参数作为问答任务的调优依据保留。

 | 参数 | 值 | 依据 |
 |------|-----|------|
 | `OLLAMA_KEEP_ALIVE=-1` | 模型常驻内存 | 消除 55s 冷启动（常驻约 4.3GB，12GB 内存够用） |
 | `num_predict=512` | 限制生成 token | ARM 约 5 tok/s，过长生成会拖慢问答响应 |
-| 视觉/模型 timeout | 600s | 实测 1024px 帧视觉编码 ~36s + 生成 ~12s/60token（问答链路改用 config 中各模型 timeout） |
+| AI-Gateway 启动预热 | 后台线程 `warm_up()` | `OLLAMA_KEEP_ALIVE=-1` 只保证加载后不换出，不负责主动预加载；NVIDIA/Gemini 一直成功时 Ollama 永远不会被自然触发，加了启动时预热避免真正兜底时才发现要等 1-2 分钟冷启动 |
 | gunicorn（Edge） | `--timeout 1800` | 同步分析模式，默认 30s 会杀 worker |
 | push_timeout（NAS） | 1800s | 覆盖最坏情况（30min 视频实测 929s） |

-**已知问题**：原 llava-phi3 多图单请求基本失效（N 张图一次调用输出长度仅 3~4）。**已替换为 qwen2.5:7b**（纯文本模型，专职问答兜底，不涉及视觉多图问题；视频分析已全部由云端 VLM 承担）。
+**历史问题**：原 llava-phi3 多图单请求基本失效（N 张图一次调用输出长度仅 3~4）。已替换为 qwen2.5:7b（纯文本模型，专职问答兜底，不涉及视觉多图问题；视频分析已全部由云端 VLM 承担）。

 ### 6.3 模型适配器架构

@@ -388,13 +410,14 @@ chat_history 独立表（问答上下文摘要留存）

 | provider | 适配器类 | role | SDK / 协议 | 状态 |
 |----------|---------|------|------------|------|
-| `ollama` | `OllamaAdapter` | **text** | requests 直调 REST `/api/chat` | 已实现 |
-| `gemini` | `GeminiAdapter` | **vision** | requests 直调 REST `:generateContent` | 待实现 |
-| `nvidia` | `NvidiaVisionAdapter` | **vision** | **openai SDK**（NIM 兼容 OpenAI API 规范） | 待实现 |
+| `gemini` | `GeminiAdapter` | **vision** | requests 直调 REST `:generateContent` | 已实现 |
+| `nvidia` | `NvidiaVisionAdapter` | **vision** | **openai SDK**（NIM 兼容 OpenAI API 规范） | 已实现 |
+
+> `OllamaAdapter` 已于 2026-08-23 从 FAM-Edge 移除（连同 `role='text'` 的问答适配器整体搬到独立的 AI-Gateway 服务，见 §3.4）。FAM-Edge 现在的 `model_adapters/` 只剩 `vision` 角色，`role` 字段本身仍保留（`get_role()` 仍被 `video_processor.py` 用于筛选视觉适配器），只是不会再出现 `text` 取值。

 **role 语义**：
 - `vision`：参与视觉分析阶段，按 fallback 顺序降级，直出结构化 JSON
- `text`：仅参与智能问答（`usage: qa_fallback`），且为 Gemini/NVIDIA 都失败时的兜底，不参与视觉分析、不参与云端结果融合
+- `text`：**已不在 FAM-Edge 出现**——原来"仅参与智能问答、Gemini/NVIDIA 都失败时兜底"的语义现在完全由独立的 AI-Gateway 服务内部实现（见 §3.4）

 **NvidiaVisionAdapter 关键实现**（`fam_edge/adapters/nvidia_adapter.py`）：

@@ -433,30 +456,40 @@ format_cloud_result：字段归一化 → 补 source_providers=[provider] / comp
 合法入库结构，随响应返回 NAS 直接落库（本地模型不介入）
 ```

-**智能问答降级链路（chat 场景）**：
+**智能问答降级链路（chat 场景，2026-08-23 起完全在独立的 AI-Gateway 服务内部，FAM-Edge 只转发）**：

 ```
-Gemini (role=vision, 也参与问答)
-   │ 失败 / 熔断 OPEN / 超时
+FAM-Edge /api/edge/chat/ask(/stream)
+   │ HTTP 转发（qa.py，本机回环）
   ▼
-NVIDIA NIM (role=vision, 也参与问答)
-   │ 失败 / 熔断 OPEN / 超时
+AI-Gateway /v1/chat/completions
+   │
   ▼
-本地 Ollama (qwen2.5:7b, role=text, usage=qa_fallback) —— 仅当两云端都失败才启用
+NVIDIA（问答专用文字模型链，跟视觉分析的 omni 模型完全独立）
+   │ 完全没有输出 / 熔断 OPEN / 超时
+   ▼
+Gemini（问答专用非 flash 文字模型链，多 Key 随机轮换，跟视觉分析的 flash 模型完全独立）
+   │ 完全没有输出 / 熔断 OPEN / 超时
+   ▼
+本地 Ollama (qwen2.5:7b) —— 仅当前两者都失败才启用
   │ 失败
   ▼
-返回"所有模型均不可用"
+返回"所有模型均不可用"（HTTP 503）
 ```

-**熔断器策略**（按 provider 独立，仅云端模型启用）：
+> 已经开始吐字之后中途失败：不换下一个 provider 接着写（避免答案风格前后不连贯），直接结束这次生成——这个语义在 AI-Gateway 的 `orchestrator.py` 里实现，FAM-Edge 的 `qa.py` 只是原样转发这个行为，不重复实现。

-| provider | role | threshold | cooldown | enabled |
-|----------|------|-----------|----------|---------|
-| Gemini | vision | 3 次连续失败 | 600s | true |
-| NVIDIA NIM | vision | 3 次连续失败 | 600s | true |
-| Ollama | text | — | — | false（本地，不熔断） |
+**熔断器策略**（按 provider 独立）：

-**健康探测**：Ollama `GET /api/tags`；Gemini `GET /v1/models?key=...`；NVIDIA `client.models.list()`。视觉模型全部不健康返回 503。
+| 服务 | provider | role | threshold | cooldown | enabled |
+|------|----------|------|-----------|----------|---------|
+| FAM-Edge | Gemini | vision | 3 次连续失败 | 600s | true |
+| FAM-Edge | NVIDIA NIM | vision | 3 次连续失败 | 600s | true |
+| AI-Gateway | NVIDIA（问答） | — | 见 ai-gateway 配置 | — | true |
+| AI-Gateway | Gemini（问答） | — | 见 ai-gateway 配置 | — | true |
+| AI-Gateway | Ollama | — | — | — | false（本地，不熔断） |
+
+**健康探测**：FAM-Edge 侧 Gemini `GET /v1/models?key=...`；NVIDIA `client.models.list()`，视觉模型全部不健康返回 503。AI-Gateway 侧 Ollama `GET /api/tags`；Gemini/NVIDIA 同上，各自独立。

 **多模型标签兼容**：`compute_provider` 与 `event_details.source_providers` 的 JSON 数组值新增 `"nvidia"` 标签（与 `"ollama"` / `"gemini"` 并列）；`validate_schema` 校验非空数组。

@@ -506,7 +539,8 @@ task_id=289（30s 测试片段）全链路打通：推送 5.7MB → Edge 分析
 | FAM-Core | NAS | `/volume1/web/sentinel-home-ai/fam-core/` | `bash start_core.sh`（gunicorn -w 1 :8000，source .env 注入 DSM_*/ORACLE_SYNC_TOKEN/FAM_AUTH_*） |
 | FAM-UI | NAS | `/volume1/web/sentinel-home-ai/fam-ui/dist/` | Vue3 构建产物，由 FAM-Core `static_app.py` 托管（无需独立进程）；本地改代码后 `npm run build` 并 tar 部署 dist |
 | FAM-Edge | Oracle | `/opt/fam-edge/` | **systemd `fam-edge.service` 守护**（Restart=always）；部署代码后 `sudo systemctl restart fam-edge`（勿手动 setsid，会端口冲突） |
-| Ollama | Oracle | systemd 托管 | 环境变量 `OLLAMA_KEEP_ALIVE=-1` |
+| **AI-Gateway** | Oracle | `/opt/ai-gateway/` | **systemd `ai-gateway.service` 守护**（Restart=always），独立 venv（Python 3.8）；gunicorn 绑定 `0.0.0.0:5100`（对外直接开放，非仅本机）；部署代码后 `sudo systemctl restart ai-gateway` |
+| Ollama | Oracle | systemd 托管 | 环境变量 `OLLAMA_KEEP_ALIVE=-1`；**被 AI-Gateway 调用，不再被 FAM-Edge 调用** |

 > **外网访问（frp 内网穿透）**：NAS 跑 `frpc`（`/etc/frp/frpc.toml`，S99frpc.sh 守护），映射到 Oracle `129.146.203.203`（frps :7000）：
 > - `3000` → NAS Gitea、`8500` → NAS WordPress(8088)、**`8000` → NAS FAM-Core（本系统）**
@@ -514,14 +548,15 @@ task_id=289（30s 测试片段）全链路打通：推送 5.7MB → Edge 分析
 >
 > **登录校验（2026-08-22 新增，2026-08-23 改为 fail-closed）**：FAM-Core 全站拦截（`auth.py`）——页面未登录 302 `/login`（内置深色登录页，SPA 零改动），`/api/*` 未登录 401；凭据 `FAM_AUTH_USER`/`FAM_AUTH_PASS`（NAS `.env` 配置，**无硬编码默认值**——这两个变量跟 NAS SSH 密码是同一个值，公网入口不能有"没配置就退回已知密码"的兜底，`.env` 没配好这两项时直接拒绝所有登录）；白名单免登录：`/login` `/api/login` `/api/logout` `/api/auth/check` `/health` `/api/ss/webhook` `/assets/*`。登录态为进程内 token + HttpOnly cookie（**2 小时**），过期或重启 fam-core 需重新登录。

-> Oracle 部署方式：本地 git 提交 push Gitea → tar 管道到 `/opt/fam-edge`（`--strip-components=1` 解临时目录再 cp，避免动 data/venv/gdrive_videos）。
+> Oracle 部署方式：本地 git 提交 push Gitea → tar 管道到 `/opt/fam-edge`（`--strip-components=1` 解临时目录再 cp，避免动 data/venv/gdrive_videos）。**AI-Gateway 是独立 git 仓库**（http://192.168.50.64:3000/ericwyuan/ai-gateway，见 §10.4），同样 tar 管道部署到 `/opt/ai-gateway`，互不影响。

 ### 8.2 依赖

 - **FAM-Core（NAS, Python 3.10 venv）**：Flask, Gunicorn, **PyMySQL**（45KB 纯 Python 替代 19MB mysql-connector）, PyYAML, requests
 - **FAM-UI（NAS, Node）**：Vue3 + Vite + Tailwind（`fam-ui/`，构建产物 dist 不入库）；**不再依赖 Streamlit**
- **FAM-Edge（Oracle, Python venv）**：Flask, Gunicorn, requests, PyYAML, opencv-python, numpy, **openai**（NVIDIA NIM 兼容 OpenAI API 规范）；Gemini 用 requests 直调 REST
- **系统级**：FFmpeg（两端；Oracle 端用于运动片段分割 + 帧图/头像）、Ollama + qwen2.5:7b（Oracle）、MariaDB 10.11（NAS）、rclone（Oracle，同步 Google Drive 素材）
+- **FAM-Edge（Oracle, Python venv）**：Flask, Gunicorn, requests, PyYAML, opencv-python, numpy, **openai**（NVIDIA NIM 兼容 OpenAI API 规范，仅视觉分析用）；Gemini 用 requests 直调 REST；**问答不再直接调模型，只用 requests 转发到 AI-Gateway**
+- **AI-Gateway（Oracle, Python 3.8 venv，独立部署单元）**：Flask, Gunicorn, requests, PyYAML, **openai**（NVIDIA 问答模型用）
+- **系统级**：FFmpeg（两端；Oracle 端用于运动片段分割 + 帧图/头像）、Ollama + qwen2.5:7b（Oracle，**被 AI-Gateway 调用**）、MariaDB 10.11（NAS）、rclone（Oracle，同步 Google Drive 素材）

 ### 8.3 配置文件要点

@@ -556,7 +591,7 @@ motion_notifier:                # 运动监测（轮询主路径）
  heartbeat_interval_sec: 300   # 心跳（证明推送链路存活，< Oracle 侧 900s 阈值）
 ```

-**fam-edge/config/config.yaml**（Oracle —— 素材分割 + 片段分析 + 同步 + 人物服务）：
+**fam-edge/config/config.yaml**（Oracle —— 素材分割 + 片段分析 + 同步 + 人物服务；**2026-08-23 起不再含任何问答模型配置**）：

 ```yaml
 server:
@@ -583,10 +618,15 @@ motion_segment:                 # 运动片段分割（运动事件驱动架构
  keep_audio: true              # 保留音频（pcm_alaw -> aac 64k 转码）
  min_duration_sec: 1
  unfinished_grace_sec: 10      # start+duration 距当前 ≤10s 视为已结束
-models:
+ai_gateway:                     # 问答转发客户端配置（2026-08-23 新增，取代原来的问答专用 models 条目）
+  base_url: "http://127.0.0.1:5100"
+  token: "${AI_GATEWAY_TOKEN}"
+  timeout: 60
+models:                         # 只剩视觉分析用的两个 provider，role 全是 vision
  - provider: "gemini"
    role: "vision"
    model_name: "gemini-flash-latest"
+    fallback_models: ["gemini-flash-lite-latest"]
    api_key: "${GEMINI_API_KEY}"
    extra_api_keys: ["${GEMINI_API_KEY_2}", "${GEMINI_API_KEY_3}", "${GEMINI_API_KEY_4}"]
    timeout: 600
@@ -596,30 +636,36 @@ models:
    base_url: "https://integrate.api.nvidia.com/v1"
    api_key: "${NVIDIA_API_KEY}"
    timeout: 600
-  - provider: "ollama"
-    role: "text"
-    usage: "qa_fallback"        # 仅智能问答兜底，不参与视频
-    model_name: "qwen2.5:7b"
-```    api_key: "${NVIDIA_API_KEY}"
-    timeout: 20
-    circuit_breaker:
-      enabled: true
-      threshold: 3
-      cooldown: 600
+```

-  # 3. 本地 Ollama（纯文本，仅 Q&A 兜底，不参与视觉分析、不参与云端结果融合）
+**ai-gateway/config/config.yaml**（Oracle —— 独立服务，问答模型降级链，`server.port: 5100`）：
+
+```yaml
+server:
+  port: 5100
+models:                         # 顺序即降级优先级，chat-only，不含视觉
+  - provider: "nvidia"
+    enabled: true
+    model_name: "nvidia/nemotron-3-ultra-550b-a55b"    # 问答专用文字模型链，跟视觉分析的 omni 模型不同实例
+    fallback_models: ["nvidia/nemotron-3-super-120b-a12b", "openai/gpt-oss-120b"]
+    api_key: "${NVIDIA_API_KEY}"
+    timeout: 600
+  - provider: "gemini"
+    enabled: true
+    model_name: "gemini-pro-latest"                     # 问答专用非 flash 模型链，跟视觉分析的 flash 模型不同实例
+    fallback_models: ["gemini-2.5-pro"]
+    api_key: "${GEMINI_API_KEY}"
+    extra_api_keys: ["${GEMINI_API_KEY_2}", "${GEMINI_API_KEY_3}", "${GEMINI_API_KEY_4}"]
+    timeout: 60
  - provider: "ollama"
-    role: "text"                # 仅问答兜底
-    usage: "qa_fallback"        # Gemini/NVIDIA 都失败时才启用
    enabled: true
    model_name: "qwen2.5:7b"
    base_url: "http://localhost:11434"
    timeout: 120
-    num_predict: 512
-    circuit_breaker:
-      enabled: false
 ```

+> 部署时 `config_loader.py` 支持 `FAM_ENV_FILE` 环境变量指向另一个 `.env` 复用密钥（设计初衷是复用 FAM-Edge 已配置的 `NVIDIA_API_KEY`/`GEMINI_API_KEY*`，避免同一份密钥维护两份）；**当前实际部署选择了各自独立**：`/opt/ai-gateway/.env` 自己存了一份 `NVIDIA_API_KEY`/`GEMINI_API_KEY*`/`AI_GATEWAY_TOKEN`，跟 `/opt/fam-edge/.env` 没有关联，以后轮换 key 需要两处都改。
+
 **环境变量**（Oracle 节点，写入 `~/.bashrc` 或 systemd 环境变量文件）：

 ```bash
@@ -716,10 +762,12 @@ cd fam-ui && npm run build   # 产物 fam-ui/dist/

 ### 10.4 Gitea 代码仓库

-| 项目 | 值 |
-|------|-----|
-| URL | http://192.168.50.64:3000/ericwyuan/sentinel-home-ai |
-| 账号 / 密码 | ericwyuan / iLoveJava5 |
+| 仓库 | URL | 说明 |
+|------|-----|------|
+| sentinel-home-ai（本仓库） | http://192.168.50.64:3000/ericwyuan/sentinel-home-ai | monorepo：fam-core + fam-edge + fam-ui |
+| ai-gateway（2026-08-23 新增） | http://192.168.50.64:3000/ericwyuan/ai-gateway | 独立仓库/独立部署单元，问答网关服务 |
+
+账号 / 密码：ericwyuan / iLoveJava5（两个仓库共用）

 ### 10.5 Gemini API（Google AI Studio）

@@ -779,8 +827,9 @@ export NVIDIA_API_KEY="nvapi-9cFAdO5xdbwPuxS8KGRTnlVimn1gJzbbbzWNhPwHa_Yl3pTe-Pf

 ## 12. 当前进度与 v1.1 计划

-### 已完成（截至 2026-08-22，v3 运动事件驱动架构）
+### 已完成（截至 2026-08-23）

+- **问答链路抽离为独立 ai-gateway 服务**（2026-08-23）：FAM-Edge 原本自己维护的问答模型降级链（NVIDIA→Gemini→Ollama，含 key 轮换/熔断）整个搬到独立仓库/独立部署单元 `ai-gateway`（OpenAI 兼容协议 `/v1/chat/completions`，Bearer token 鉴权，对外 `:5100`）；FAM-Edge `qa.py` 重写为转发客户端，`/api/edge/chat/ask(/stream)` 对 FAM-Core 的契约不变；`OllamaAdapter` 从 FAM-Edge 删除
 - **运动事件驱动**（v3，2026-08-22）：不再分析整段视频。NAS MotionNotifier 轮询 SS 事件列表（60s，游标续用/失败重试/心跳）推送 `ss_motion_events`；Oracle 整段素材按运动事件 ffmpeg 分割运动片段（`-c:v copy -c:a aac`，只分割已结束事件，`motion_event_id` 幂等），**只分析运动片段**；前端契约不变
 - **数据迁移**（2026-08-22）：整段提取的旧数据（Oracle videos/events/people + NAS 镜像）已清空并按运动视频重新提取；历史素材（NAS 轮询启动前）无运动事件，时间轴已过滤其空会话
 - **人物管理重设计**（2026-08-22）：人物卡新增「运动片段」区块（缩略图/时间/摘要/事件数，点击跳时间轴定位）；新增 `GET /api/ui/people/clips`；Timeline 支持 `?video=` 定位