docs: confirm open questions and update design [AC-AISVC-01]

spec/ai-service/design.md

@@ -111,6 +111,7 @@ inputs:
 
 2) **Embedding**
 - 由 `EmbeddingProvider` 生成向量（可复用 LLM 适配层或独立适配层）。
+- ✅ 已确认：Token 计数统一使用 `tiktoken` 进行精确计算（用于 history 截断与证据预算）。
 
 3) **向量检索**（Qdrant）
 - 按租户隔离选择 collection（见 5.1）。
@@ -163,6 +164,7 @@ MVP 提供 `VectorRetriever(Qdrant)`。
 - 以 `T_low` 为阈值（可配置），检索不足场景通常产生较低 `confidence`。
 3) 转人工建议：
 - `confidence < T_low` 时 `shouldTransfer=true`，可附 `transferReason`。
+- ✅ 已确认：MVP 阶段 `confidence` 优先基于 RAG 检索分数（Score）计算（并结合检索不中兜底下调）。
 
 ---
 
@@ -181,6 +183,7 @@ MVP 提供 `VectorRetriever(Qdrant)`。
 
 #### 5.1.3 租户生命周期
 - tenant 创建：初始化 collection（含向量维度与 index 参数）。
+  - ✅ 已确认：采用**提前预置**模式，不通过业务请求动态创建 collection。
 - tenant 删除：删除 collection。
 - tenant 扩容：独立配置 HNSW 参数或分片（依赖 Qdrant 部署模式）。
 
@@ -252,6 +255,9 @@ MVP 提供 `VectorRetriever(Qdrant)`。
 - 客户端断开：
   - 立即停止 LLM 流（如果适配层支持 cancel），并避免继续写入 response。
 
+- ✅ 已确认：必须实现 SSE 心跳（Keep-alive），以注释行形式定期发送 `: ping`（不改变事件模型），防止网关/中间件断开连接。
+- ✅ 已确认：Python 内部设置 **20s 硬超时**（包含 LLM 调用与检索/存储等关键步骤的总体超时控制），防止资源泄露与请求堆积。
+
 ---
 
 ## 7. 上下文合并规则（Java history + 本地持久化 history）

spec/ai-service/tasks.md

@@ -0,0 +1,69 @@
+---
+feature_id: "AISVC"
+title: "Python AI 中台（ai-service）任务清单"
+status: "pending"
+version: "0.1.0"
+last_updated: "2026-02-24"
+---
+
+# Python AI 中台任务清单（AISVC）
+
+## 1. 任务拆分原则
+- **原子性**：每个任务仅解决一个具体技术点或功能逻辑。
+- **可验证性**：任务完成后必须可通过单元测试、接口冒烟或契约校验。
+- **弱模型可执行**：任务描述清晰，不依赖 AI 猜测业务逻辑。
+
+## 2. 任务执行计划
+
+### Phase 1: 基础设施（FastAPI 框架与多租户基础）
+- [ ] T1.1 初始化 FastAPI 项目骨架，配置基础环境与日志（包含 X-Tenant-Id 记录） `[AC-AISVC-01]`
+- [ ] T1.2 实现 `X-Tenant-Id` Header 拦截器，校验必填性并注入 Request State `[AC-AISVC-10, AC-AISVC-12]`
+- [ ] T1.3 定义基础响应模型 `ErrorResponse` 与异常处理器（Exception Handler） `[AC-AISVC-03, AC-AISVC-04]`
+- [ ] T1.4 初始化 PostgreSQL 数据库客户端（SQLModel/SQLAlchemy），支持租户隔离查询逻辑 `[AC-AISVC-11]`
+- [ ] T1.5 初始化 Qdrant 客户端，封装按租户动态选择 Collection 的工具函数 `[AC-AISVC-10]`
+- [ ] T1.6 实现 `/ai/health` 健康检查接口 `[AC-AISVC-20]`
+
+### Phase 2: 存储与检索实现（Memory & Retrieval）
+- [ ] T2.1 实现 Memory 层：定义 `chat_sessions` 与 `chat_messages` SQLModel 实体 `[AC-AISVC-13]`
+- [ ] T2.2 实现 Memory 层：完成基于 `(tenant_id, session_id)` 的历史消息加载与追加 API `[AC-AISVC-13]`
+- [ ] T2.3 实现 Retrieval 层：定义 `BaseRetriever` 抽象基类（插件点预留） `[AC-AISVC-16]`
+- [ ] T2.4 实现 `VectorRetriever`：集成 `qdrant-client` 完成向量检索，支持 scoreThreshold 过滤 `[AC-AISVC-16, AC-AISVC-17]`
+- [ ] T2.5 编写 Memory 与 Retrieval 层的独立单元测试（Mock 数据库与向量库） `[AC-AISVC-10, AC-AISVC-11]`
+
+### Phase 3: 核心编排（Orchestrator & LLM Adapter）
+- [ ] T3.1 实现 LLM Adapter：封装 `langchain-openai` 或官方 SDK，支持 `generate` 与 `stream_generate` `[AC-AISVC-02, AC-AISVC-06]`
+- [ ] T3.2 实现 Orchestrator：实现上下文合并逻辑（H_local + H_ext 的去重与截断策略） `[AC-AISVC-14, AC-AISVC-15]`
+- [ ] T3.3 实现 Orchestrator：实现 RAG 检索不足时的置信度下调与 `shouldTransfer` 逻辑 `[AC-AISVC-17, AC-AISVC-18, AC-AISVC-19]`
+- [ ] T3.4 实现 Orchestrator：整合 Memory、Retrieval 与 LLM 完成 non-streaming 生成闭环 `[AC-AISVC-01, AC-AISVC-02]`
+- [ ] T3.5 验证 non-streaming 响应字段完全符合 `openapi.provider.yaml` 契约 `[AC-AISVC-02]`
+
+### Phase 4: 流式响应（SSE 实现与状态机）
+- [ ] T4.1 在 API 层实现基于 `Accept` 头的响应模式自动切换逻辑 `[AC-AISVC-06]`
+- [ ] T4.2 实现 SSE 事件生成器：根据 Orchestrator 的增量输出包装 `message` 事件 `[AC-AISVC-07]`
+- [ ] T4.3 实现 SSE 状态机：确保 `final` 或 `error` 事件后连接正确关闭，且顺序不乱 `[AC-AISVC-08, AC-AISVC-09]`
+- [ ] T4.4 实现流式输出过程中的异常捕获，并转化为 `event: error` 输出 `[AC-AISVC-09]`
+
+### Phase 5: 集成与冒烟测试（Quality Assurance）
+- [ ] T5.1 编写集成测试：模拟多租户并发请求，验证数据存储与检索的严格物理/逻辑隔离 `[AC-AISVC-10, AC-AISVC-11]`
+- [ ] T5.2 编写 RAG 冒烟测试：模拟“检索命中”与“检索未命中”两种场景，验证 confidence 变化与回复兜底 `[AC-AISVC-17, AC-AISVC-18]`
+- [ ] T5.3 契约测试：使用外部工具（如 Schemathesis 或 Newman）验证 provider 契约一致性（L2 级自检） `[AC-AISVC-01, AC-AISVC-02]`
+
+---
+
+## 3. 待澄清（Open Questions）
+
+> ✅ 已确认：以下事项均已由产品/架构反馈确认，可直接作为实现基准。
+
+1. ✅ **Collection 初始化**：采用**提前预置**模式，不通过业务请求动态创建。
+2. ✅ **超时策略**：Python 内部设置 **20s 硬超时**，防止资源泄露与请求堆积。
+3. ✅ **SSE 心跳**：必须实现 `: ping` 机制（Keep-alive），防止网关/中间件断开连接。
+4. ✅ **置信度**：MVP 优先基于 RAG 检索分数（Score）计算 `confidence`。
+5. ✅ **Token 计数**：统一使用 `tiktoken` 库进行精确 Token 计数（用于 history 截断与证据预算）。
+
+---
+
+## 4. 任务状态说明
+- ⏳ 待处理 (Pending)
+- 🔄 进行中 (In Progress)
+- ✅ 已完成 (Completed)
+- ❌ 已取消 (Cancelled)