SSE 流式对话

后端实现

• 端点：POST /api/v1/chat/stream（JWT + Handler 内额度）
• Gin c.Stream() + io.Writer 推送 SSE 事件
• 请求体：{ sessionId?, message, personIds?, scenarioType?, model?, locale?, regenerate? }（regenerate：重放上一轮用户消息并重新生成助手回复）
• 响应 Header：Content-Type: text/event-stream, Cache-Control: no-cache, X-Accel-Buffering: no
• Agent 生成的 StreamChunk 通过 Go channel 传递到 Handler，逐个序列化为 SSE 行
• Pipeline 模式下，primary 和 secondary Agent 的输出连续流入同一 channel，通过 agent 字段区分
• 事件格式：data: {"content":"你","done":false,"agent":"strategist"}\n\n
• 结束事件：data: {"content":"","done":true,"sessionId":123,...}\n\n
• 画像/档案更新提案（可选）：当本轮对话触发「资料补全」门控并完成抽取时，结束事件的 JSON 可携带 profileProposal 字段（与 done: true 同包）。前端在流结束后读取该对象，弹出确认 UI；用户确认前不落库。
  • reason：incomplete_self（我的画像偏空）、incomplete_person（关联人脉档案偏空）、refinement（上下文已较完整时的精炼补充）。
  • self / persons：字段级 patch 列表（key、currentValue、proposedValue、sourceNote、selected 等）；偏空场景下后端可能只返回少量 LLM 抽取行，Web 端会在确认弹窗内 拉取当前画像/人脉并展开为完整可编辑表单（见 frontend.md）。
• 流结束后：
  1. 保存完整内容为 assistant ChatMessage
  2. 异步触发 EmotionExtractor（非 Mock LLM 时）

---

前端实现

• streamChat() 在 @shice/api 包中，使用 fetch API + ReadableStream
• 支持 POST 请求 + Authorization: Bearer header（非 EventSource）
• 返回 AbortController 用于取消
• 解析逻辑：按 \n 分割缓冲区，提取 data: 前缀行，JSON.parse 为 StreamChunk（含可选 profileProposal）

---

UI 效果

• 打字机光标：流式内容末尾显示 2px 闪烁竖线（stream-cursor class, CSS @keyframes blink）
• 等待指示器：首个 chunk 到达前显示三点跳动动画
• 停止生成：流式进行中，发送按钮变为红色停止图标（StopOutline），AbortController.abort()
• 自动滚动：watch streamingContent → scrollToBottom()
• Pipeline 分段：当 agent 字段在流中切换时（如从 analyzer → writer），显示为连续输出，中间有分隔线

---

非流式回退

POST /api/v1/chat 保留作为非流式端点，内部同样经 Agent System，收集完整响应后返回 JSON。