企业 AI 系统里最难发现的一类问题，从来不是会报错的 bug，而是看起来一切正常、但在某个并发节点悄悄挂住的 “静默故障”。

这周的工程焦点，正好集中在这种类型的问题——异步嵌套、session 锁未释放、外部依赖配置漂移、知识图谱 schema 不稳定。每一项单独看都不算大事，但叠加起来就是企业级系统从“能跑”到“真能扛”之间的那条界线。

一、asyncio 嵌套与 worker session lock：异步框架里最容易被忽略的两个坑

在异步框架里，有两类问题几乎每个项目都会遇到一次：

第一个是 asyncio 嵌套。 简单说就是在已经存在的事件循环里又跑了一个事件循环，或者在异步函数里同步调用了一个本应 await 的方法。表现是程序不会崩，只会在某些场景下卡住、超时、或者悄悄丢任务。排查难度高于普通报错——因为日志里什么都看不到。

第二个是 worker session lock 没有及时清理。 多 worker 模式下，每个 worker 进程持有自己的 session 上下文，如果一个会话异常退出时锁没释放，下一次请求就会卡在等锁上。表现也是“看起来在跑，实际什么都没在跑”。

这两件事都不是写功能时能预见到的，是上量之后才会浮出来的。这周把它们一起处理掉。

二、Zep 退场，LLM 配置回到平台单一入口

记忆管理这一层做了一次重要的架构收口——清理掉对 Zep 的依赖，改为直接继承平台的核心 LLM 配置。

Zep 是一个第三方记忆管理服务，提供长短期记忆的存储和检索。早期接入是为了快速验证记忆能力，但代价是：每一个使用它的 agent 都要单独配一份模型连接、API key、endpoint。当模型升级、key 轮换、地址变更的时候，要改的地方散落在多个服务里。

清掉 Zep 之后，记忆能力由 Graphiti 接手（知识图谱方向，下面会讲），LLM 配置只在平台核心层维护一份，所有下游服务统一继承。

这件事的工程意义比技术意义更大。外部依赖每多一个，平台就多一处配置漂移的可能性。能收回来的，就该收回来。

三、Graphiti 实体 schema 落地：知识图谱和向量检索做的是不同的事

记忆能力的承接者是 Graphiti——一个基于知识图谱的记忆框架。它和已经在用的 RAG 向量检索不冲突，因为两者解决的是不同的问题：

能力	解决什么	不擅长什么
向量检索（RAG）	“找到相似的内容”	找不到实体之间的关系
知识图谱（Graphiti）	“找到相关的实体和关系”	不擅长模糊语义召回

举个具体场景：在知识库里搜“某员工的上级是谁”，向量检索能找到所有提到这个员工的文档，但是要从文档里再提炼“上级是谁”这层关系，需要 LLM 再过一遍。知识图谱直接存了“员工 → 隶属 → 部门 → 负责人”这条关系链，一次查询就能拿到。

这周做的是把 Graphiti 的实体 schema 稳定下来，并且打通和现有知识库的桥接——知识库里上传的文档，可以作为 Graphiti 的实体抽取源。两条记忆路径并行，互相补位。

四、多租户 token 入账：用量统计真正的技术难点

企业用量统计上线，最容易被低估的是 token 入账的实现复杂度。

表面上是“记一个数”，实际上要解决几件事：

• 每一次 LLM 调用之后，要把 prompt_tokens 和 completion_tokens 拆开记，因为这两者在大多数模型上是分开计费的

• 流式调用没有最终 usage 字段，要在流结束之后从 chunk 里反推

• 多 worker 模式下，写入要去重、要支持并发，不能用进程内累加

• 跨 agent、跨工作流、跨用户的归属关系要在调用栈最深处就标记好，不能在写入时再回溯

把这些处理干净之后，企业才能拿到一份真正可对账的用量数据——哪个部门用了多少、哪个工作流烧了多少、哪个时间段是高峰。

让 AI 平台的成本变得可计量，是它能被纳入企业预算体系的前提。

五、dev/prod parity：本地 compose 和测试环境对齐

还有一件容易被忽略的事——本地 docker-compose 启动方式和测试环境的等效性。

很多平台的“本地能跑、上测试就挂”，根源是这两套启动方式背后的配置不一致：环境变量、网络拓扑、证书、secret 注入方式。本地用 compose 走的是一套路径，K8s 里走的是另一套。

这周把这两套尽量对齐了——本地起的服务，在网络拓扑、环境变量、密钥注入上和测试环境保持等效。这不是炫技，是给团队省排查时间。任何一个 dev/prod 的偏差，都会在某天变成线上事故的伏笔。

这周的工作没有新增多少用户能直接看到的功能。但是异步层的并发安全、外部依赖的收口、知识图谱的承接、多租户计量、本地与线上的对齐——这五件事每一件都是把整个系统的根基往下夯了一层。

企业级系统的成熟度，不是看上层功能有多花哨，而是看下面这些“看不见的事”有没有在持续被处理。

这，是第三十四天。

《从0到1：企业级AI项目迭代日记》记录一个企业级 AI 项目从创意、架构到落地的真实过程。不讲神话，只记录进化。

---

如果你也在做企业 AI 落地，欢迎留言来聊。或者，把这篇转发给一个正在踩同样坑的朋友。