技术架构

可恢复的学习工作流，可验证的工程边界

CataiLearn 将资料隔离扫描、Hybrid RAG、结构化教学内容、多角色练习反馈与学习报告连接为持久化工作流，并以清晰端口隔离模型、搜索、存储与观测能力。

当前系统结构

下图展示已实现的核心模块与稳定边界。公开图不包含部署地址、密钥、容量阈值或未完成的生产接入声明。

用户数据隔离　·　上传安全扫描　·　结构化内容　·　引用可追溯　·　内容护栏　·　任务可恢复　·　进度可继续　·　数据可备份恢复

大屏可查看完整拓扑图；小屏以分层列表保证可读。

架构演进

当前架构优先保证学习链路可靠和边界清晰。未来的并发能力、消息系统与服务实现，将由可观测数据和效果评估共同驱动。

API、任务执行和模型调用保持独立扩容，根据真实流量、队列等待与端到端延迟决定扩展时机。

按任务类型隔离资源，持续完善优先级、幂等、超时、重试与降级，让慢任务不拖累交互路径。

模型、搜索、存储与消息能力通过清晰端口隔离，在真实性能证据充分时演进具体实现。

结合确定性规则、离线评估、在线观测与人工抽检，持续评估正确性、引用质量、学习效果、成本和延迟。

Go、Kafka 等技术会在吞吐量、延迟或解耦需求达到明确门槛后再评估，不作为当前架构的预设答案。