docs/v1.0/server/guides/ai-service-testing-guide.md

AI 服务测试指南

概述

本指南提供 AI 服务功能的完整测试流程，包括：

• AI 对话管理
• AI 提示词系统
• AI 任务管理
• 剧本解析

前置条件

1. 环境准备

确保 Docker 容器正常运行：

# 检查容器状态
docker ps | grep jointo-server

# 应该看到以下容器：
# - jointo-server-app
# - jointo-server-postgres
# - jointo-server-redis
# - jointo-server-rabbitmq
# - jointo-server-celery-ai
# - jointo-server-celery-export
# - jointo-server-celery-beat

2. 数据库准备

确保数据库迁移已完成：

# 检查迁移状态
docker exec jointo-server-app alembic current

# 如果需要升级
docker exec jointo-server-app python scripts/db_migrate.py upgrade

3. 测试用户准备

创建测试用户（如果还没有）：

docker exec -it jointo-server-postgres psql -U jointoAI -d jointo -c "
INSERT INTO users (user_id, phone, nickname, password_hash, is_active)
VALUES (
    gen_random_uuid(),
    '13800138000',
    '测试用户',
    '\$2b\$12\$LQv3c1yqBWVHxkd0LHAkCOYz6TtxMQJqhN8/LewY5GyYqNqYqNqYq',
    true
) ON CONFLICT (phone) DO NOTHING;
"

测试流程

阶段 1：单元测试

运行单元测试验证核心逻辑：

# 进入容器
docker exec -it jointo-server-app bash

# 运行 AI 服务单元测试
pytest tests/unit/test_ai_service.py -v

# 运行 AI 任务单元测试
pytest tests/unit/test_ai_tasks.py -v

阶段 2：集成测试

运行集成测试验证 API 端点：

# 运行 AI 集成测试
pytest tests/integration/test_ai_integration.py -v

# 运行特定测试类
pytest tests/integration/test_ai_integration.py::TestAIConversations -v
pytest tests/integration/test_ai_integration.py::TestAIPrompts -v
pytest tests/integration/test_ai_integration.py::TestAIJobs -v
pytest tests/integration/test_ai_integration.py::TestScreenplayParsing -v

阶段 3：手动 API 测试

使用 curl 或 Postman 测试 API 端点。

3.1 获取访问令牌

# 登录获取 token
curl -X POST http://localhost:8000/api/v1/auth/login \
  -H "Content-Type: application/json" \
  -d '{
    "phone": "13800138000",
    "password": "test123456"
  }'

# 保存返回的 access_token
export TOKEN="your_access_token_here"

3.2 测试 AI 对话管理

# 创建对话
curl -X POST http://localhost:8000/api/v1/ai/conversations \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "project_id": "your_project_id",
    "title": "测试对话"
  }'

# 保存返回的 conversation_id
export CONV_ID="conversation_id_here"

# 添加消息
curl -X POST http://localhost:8000/api/v1/ai/conversations/$CONV_ID/messages \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "role": "user",
    "content": "你好，请帮我生成一张图片"
  }'

# 获取对话历史
curl -X GET http://localhost:8000/api/v1/ai/conversations/$CONV_ID/messages \
  -H "Authorization: Bearer $TOKEN"

3.3 测试 AI 提示词系统

# 获取提示词列表
curl -X GET http://localhost:8000/api/v1/ai/prompts \
  -H "Authorization: Bearer $TOKEN"

# 根据 key 获取提示词
curl -X GET http://localhost:8000/api/v1/ai/prompts/key/image_generation \
  -H "Authorization: Bearer $TOKEN"

# 获取提示词变量
curl -X GET http://localhost:8000/api/v1/ai/prompts/key/image_generation/variables \
  -H "Authorization: Bearer $TOKEN"

3.4 测试 AI 模型查询

# 获取所有模型
curl -X GET http://localhost:8000/api/v1/ai/models \
  -H "Authorization: Bearer $TOKEN"

# 按类型过滤
curl -X GET "http://localhost:8000/api/v1/ai/models?model_type=image" \
  -H "Authorization: Bearer $TOKEN"

# 按提供商过滤
curl -X GET "http://localhost:8000/api/v1/ai/models?provider=aihubmix" \
  -H "Authorization: Bearer $TOKEN"

3.5 测试 AI 任务管理

# 创建图片生成任务
curl -X POST http://localhost:8000/api/v1/ai/jobs/image \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "project_id": "your_project_id",
    "model": "flux-1.1-pro",
    "prompt": "一只可爱的猫咪，坐在窗边，阳光洒在身上",
    "width": 1024,
    "height": 1024
  }'

# 保存返回的 job_id
export JOB_ID="job_id_here"

# 查询任务状态
curl -X GET http://localhost:8000/api/v1/ai/jobs/$JOB_ID \
  -H "Authorization: Bearer $TOKEN"

# 获取用户任务列表
curl -X GET http://localhost:8000/api/v1/ai/jobs \
  -H "Authorization: Bearer $TOKEN"

# 取消任务
curl -X POST http://localhost:8000/api/v1/ai/jobs/$JOB_ID/cancel \
  -H "Authorization: Bearer $TOKEN"

3.6 测试剧本解析

# 创建剧本（如果还没有）
curl -X POST http://localhost:8000/api/v1/screenplays \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "project_id": "your_project_id",
    "title": "测试剧本",
    "content": "场景1：咖啡馆 - 白天\n\n小明走进咖啡馆。\n\n小明：你好！"
  }'

# 保存返回的 screenplay_id
export SCREENPLAY_ID="screenplay_id_here"

# 解析剧本
curl -X POST http://localhost:8000/api/v1/screenplays/$SCREENPLAY_ID/parse \
  -H "Authorization: Bearer $TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4",
    "auto_create_elements": true,
    "auto_create_tags": true,
    "auto_create_storyboards": false
  }'

# 保存返回的 job_id，然后查询状态
curl -X GET http://localhost:8000/api/v1/ai/jobs/$JOB_ID \
  -H "Authorization: Bearer $TOKEN"

阶段 4：Celery 任务测试

验证 Celery 任务是否正常执行：

# 查看 Celery Worker 日志
docker logs jointo-server-celery-ai -f

# 查看 Celery Beat 日志（定时任务）
docker logs jointo-server-celery-beat -f

# 进入 Redis 查看任务队列
docker exec -it jointo-server-redis redis-cli
> KEYS celery*
> LLEN celery
> LRANGE celery 0 -1

阶段 5：性能测试

使用 Apache Bench 或 wrk 进行压力测试：

# 安装 Apache Bench
apt-get install apache2-utils

# 测试 AI 模型列表接口（100 个请求，10 个并发）
ab -n 100 -c 10 \
  -H "Authorization: Bearer $TOKEN" \
  http://localhost:8000/api/v1/ai/models

# 测试提示词列表接口
ab -n 100 -c 10 \
  -H "Authorization: Bearer $TOKEN" \
  http://localhost:8000/api/v1/ai/prompts

测试检查清单

✅ 功能测试

• AI 对话创建成功
• AI 对话消息添加成功
• AI 对话 @ 提及功能正常
• AI 提示词查询正常
• AI 提示词变量解析正常
• AI 模型列表查询正常
• AI 模型过滤功能正常
• 图片生成任务创建成功
• 视频生成任务创建成功
• 音效生成任务创建成功
• 配音生成任务创建成功
• 字幕生成任务创建成功
• 任务状态查询正常
• 任务取消功能正常
• 剧本解析任务创建成功
• 剧本解析结果正确

✅ 权限测试

• 未登录用户无法访问 API
• 用户只能访问自己的对话
• 用户只能访问自己的任务
• 管理员可以管理提示词
• 普通用户不能管理提示词

✅ 异常测试

• 无效的 project_id 返回 404
• 无效的 conversation_id 返回 404
• 无效的 job_id 返回 404
• 空剧本解析返回 400
• 无效的模型名称返回 400
• 超出配额返回 402

✅ 性能测试

• AI 模型列表响应时间 < 100ms
• AI 提示词列表响应时间 < 100ms
• 任务创建响应时间 < 200ms
• 任务状态查询响应时间 < 50ms
• 并发 10 个请求无错误

常见问题

1. Celery Worker 无法连接 RabbitMQ

症状：任务创建后一直处于 pending 状态

解决方案：

# 检查 RabbitMQ 状态
docker exec jointo-server-rabbitmq rabbitmqctl status

# 重启 Celery Worker
docker restart jointo-server-celery-ai

2. AI Provider 返回错误

症状：任务失败，错误信息显示 API 调用失败

解决方案：

# 检查环境变量
docker exec jointo-server-app env | grep AIHUBMIX

# 检查 AI Provider 日志
docker logs jointo-server-app | grep "AIHubMix"

3. 数据库连接超时

症状：API 请求超时或返回 500 错误

解决方案：

# 检查数据库连接
docker exec jointo-server-postgres pg_isready

# 检查连接池
docker exec jointo-server-app python -c "
from app.core.database import engine
print(engine.pool.status())
"

下一步

测试通过后，可以：

1. 部署到测试环境
2. 进行用户验收测试（UAT）
3. 监控生产环境性能
4. 收集用户反馈并优化

相关文档

• AI 服务故障排查指南
• AI 服务实施总结
• AI API 路由实施
• AI Celery 任务验证