服务端上传文件与内部传path接口；centOS8系统中：conda虚拟环境安装ffmpeg，导致supervisor管理进程时，访问不到ffmpeg的问题；copilot提示词研究（建立一个模型服务化的一整套架构设计和约束定义）；

1.服务端上传文件与内部传path接口；

最近让ai写代码，它一般会分为服务端上传文件与内部传path两个接口；
一、核心原因：信任边界不一样（这是根本）
（1）服务端上传文件（multipart / bytes）
👉来源主要是：前端 / 第三方系统、外网用户、不可信来源；
（2）内部传 path（/data/audio/xxx.wav）
👉微服务之间，同一台机器 / 同一集群，调度系统、任务系统、队列消费者；
你信任调用方，你们共享存储（本地 / NAS / 对象存储挂载），path 本身就是一个“资源引用”

👉最终的工程办法
🌐 对外 API（不信任）
POST /funasr/transcribe
Content-Type: multipart/form-data
上传文件 👉 做格式校验 👉 存对象存储 / 临时目录 👉 生成内部 path
🧠 内部 API（可信）
只负责推理 👉 不碰权限、不碰存储策略 👉 快、稳、可扩展

2.centOS8系统中：conda虚拟环境安装ffmpeg，导致supervisor管理进程时，访问不到ffmpeg的问题；

👉我是使用的centOS8，centOS8本身不自带ffmpeg，需要下载安装。
执行以下命令sudo yum install ffmpeg
然后遇到了经典的 依赖缺失 问题。错误显示 ffmpeg 需要 libSDL2，但你的标准仓库里找不到它。这是因为 ffmpeg 在 CentOS 上通常不在官方基础库（BaseOS）里。遂放弃；

👉直接在conda环境中安装ffmpeg。
conda install -c conda-forge ffmpeg
成功，并且在vscode中能够正常运行；

👉supervisor管理服务进程
supervisor是一个应用级进程管理，以往的模型服务化后都是用supervisor进行管理；
按部就班，配置完以后，外部访问报出No such file or directory: 'ffmpeg'这样的错误。

👉ffmpeg 这种复杂的二进制工具，在执行某些编解码操作时内部可能会：
（1）调用外部 Shell 命令。
（2）寻找系统动态库加载器。
（3）触发其他系统级的辅助进程。

👉找不到ffmpeg文件夹问题No such file or directory: 'ffmpeg'
这个问题核心原因在于：Supervisor 环境确实无法自动获取系统变量。

👉问题也包含Python包和系统二进制程序的区别。
（1）Python包的调用
只要你在 Supervisor 的 command 里指定了 Conda 环境下的那个 python 解释器路径。
（2）系统二进制程序的调用
Supervisor 会跳出 Python 的范围，去 Linux 的 $PATH 环境路径里搜索名为 ffmpeg 的文件。

然后Supervisor 环境确实无法自动获取系统变量，最终导致Supervisor找不到ffmpeg这个系统二进制程序，遂报错。1.

👉问题最终解决
在Supervisor配置中全路径注入environment

command=/home/user/miniconda3/envs/FunASR/bin/python -m uvicorn main:app --host 0.0.0.0 --port 8005
directory=/home/user/models/funasr
environment=PATH="/home/user/miniconda3/envs/FunASR/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin"
autostart=true
autorestart=true

最终解决了这个Supervisor找不到系统变量问题。

3.copilot提示词研究（建立一个模型服务化的一整套架构设计和约束定义）；
（1） 结构化目录：定义“各司其职”即便简单，也要把“跑模型的”和“接接口的”分开。
👉提示词：“我正在使用 FastAPI 部署模型服务。业务不复杂，请帮我设计一个轻量但清晰的目录结构。要求：将 API 定义（路由）、业务逻辑（处理上传/转换）和模型加载（推理）分开。提供一个 core/ 目录用于存放模型配置和环境变量加载。提供一个 services/ 目录专门处理业务流程。请解释每个文件夹存在的意义，确保边界清晰。”
（2） 模型单例化：防止内存爆炸模型部署最怕重复加载模型。你需要定义一个“模型边界”。
👉提示词：“在我的项目中，模型加载非常耗时且占用巨大显存。请帮我写一个 ModelManager 类，采用单例模式。要求：模型只在服务启动时加载一次。提供一个统一的推理接口供 API 调用。确保推理接口是线程安全的（如果适用），并解释如何避免并发请求导致显存溢出。”
（3） 文件流转边界：从 UploadFile 到 Inference，定义好数据怎么走。
👉提示词：“请帮我设计一个文件处理的流转规范。场景： 外部调用通过 API 上传文件，存入临时文件调用模型识别；内部调用输入路径调用模型识别。要求：定义一个服务类。明确输入边界：API 层只负责接收 UploadFile和path 并传给服务类。明确处理边界：服务类负责调用模型。明确清理边界：确保处理完后删除临时文件，防止磁盘写满。”
（4） 异常捕获边界：不要让模型错误导致服务崩溃模型报错（比如 GPU 内存不足）不应该让 Uvicorn 挂掉。
👉提示词：“请为我的模型服务设计一套异常处理机制。要求：区分‘用户输入错误’（文件格式不对）、‘处理错误’和‘模型推理错误’。使用 FastAPI 的 exception_handler 捕获这些错误，并返回统一的 JSON 响应，而不是直接让程序抛出Traceback。”