Architecture

معماری سرویس گردش‌کار هوش مصنوعی

مستند زنده معماری پیاده‌سازی‌شده: مرز مسئولیت با core-api، قراردادهای HTTP و رویداد، workerهای context / prior-art / drafting / conversation، مسیر میراث edit، package محلی Office Action، خط لوله‌های AI و استقرار Docker.

اجزای اصلی

این جدول ownership و رابط هر جزء را نشان می‌دهد. core-api، RabbitMQ، Object Storage و providerهای AI وابستگی‌های بیرونی این repository هستند.

جزء	نقش	رابط	رفتار مهم
core-api (بیرون از این مخزن)	مالک پرونده، RBAC، outbox/inbox و projection وضعیت محصول	`RabbitMQ · InboxEvent · SSE/WS`	کلید artifact و شناسه‌ها را در requested می‌فرستد؛ document/context/prior-art/draft/conversation inboxها نتیجه را idempotent اعمال می‌کنند.
info-extraction (بیرون از این مخزن)	پارس PDF/DOCX/TXT، OCR/ASR و نرمال‌سازی متن	`queue: document.extraction.requested`	فایل اصلی را read-only از Object Storage می‌خواند؛ محلی: extraction-mock. chunking، embedding و Milvus ندارد.
FastAPI API	رابط HTTP همزمان برای health، credit، extract، prior-art، claims، description و rewrite	`docker-compose: api · /api/v1/*`	('مسیر توسعه/ATP/Swagger؛ GET /api/v1/credit استثنای محصول برای موجودی AvalAI است؛ استخراج فقط .txt UTF-8؛ صفحات /، /architecture/، /quality/، /atp/. گفتگوی محصول HTTP ندارد.',)
Context extraction worker	استخراج InventionContext و چرخه سؤال‌های تکمیلی	`queue: context.extraction.requested`	schema_version 2؛ artifact ورودی فقط‌خواندنی؛ snapshot را inline در completed/questions_required منتشر می‌کند.
Prior-art search worker	جستجوی پیشینه فنی، غنی‌سازی IPC/CPC و رتبه‌بندی مراجع	`queue: prior_art.search.requested`	schema_version 2؛ InventionContext را از S3 می‌خواند؛ JSON نتیجه + manifest را می‌نویسد. محلی: prior-art-mock جایگزین‌پذیر است.
Prior-art report worker	انتخاب خانوادهٔ متمایز top-k و تولید گزارش فارسی پیشینه	`queue: prior_art.report.requested`	نتیجه search را می‌خواند؛ top_k تا prior_art_report_top_k محدود می‌شود؛ report.md، JSON و manifest ذخیره می‌شوند.
Claims draft worker	تولید ادعانامه فارسی از context و نتیجه جستجوی پیشینه	`queue: draft.claims.requested`	schema_version 1؛ ورودی فقط‌خواندنی از S3؛ claims_draft را inline در completed برمی‌گرداند؛ Core آن را در S3 و بخش claims می‌نویسد.
Description draft worker	تولید توصیف و خلاصه فارسی با checkpoint و resume	`queue: draft.description.requested`	completed_checkpoints از Core را محترم می‌شمارد؛ progress مرحله‌ای دارد؛ description_draft (با abstract جدا) inline برمی‌گردد.
Conversation worker	نوبت‌های discover و draft روی قرارداد conversation.v1	`queue: conversation.turn.requested`	agent_key=discover (بسته گردش‌کار / دانش) و agent_key=draft (propose_draft_edit متن ساده، بدون ProseMirror). control + stream plane.
Draft edit / fragment workers (میراث)	مسیرهای رویداد قدیمی بازنویسی واحد و fragment-edit	`draft.edit.* · draft.fragment_edit.*`	هنوز در compose هستند؛ مسیر محصول ویرایش انتخاب‌شده از طریق conversation draft است (ADR-0020 / event-schema ADR-0011).
Office Action package	عامل پاسخ اظهارنظر اداره ثبت (دامنه آماده، bus هنوز نه)	`patent_genie_ai.office_action · harness`	run_office_action_response با phase-gated ReAct؛ بدون event-schema / worker / inbox در Core. agent_key=office_action برای conversation نامعتبر است.
RabbitMQ	اتوبوس رویداد requested / progress / completed / failed / stream	`exchange: patent_genie.events · DLX: patent_genie.dlx`	Topic exchange، صف‌های durable، prefetch=1؛ conversation stream روی صف TTL جدا؛ DLQ برای خطای مدیریت‌نشده.
Object Storage (S3/Ceph)	انتقال artifactهای حجیم میان Core و workerها	`workspaces/{workspace_id}/…`	context/draft/conversation: read-only؛ prior-art: read/write برای JSON/manifest/report؛ کلیدها قبل از دسترسی با workspace_id validate می‌شوند.
LLM و providerهای بیرونی	استخراج ساخت‌یافته، عامل‌های ReAct، جستجو، واکشی محتوا و rerank	`AvalAI/OpenAI · Tavily · Firecrawl · Cohere rerank`	provider از environment؛ usage در outcomeها برای ledger Core؛ tracing اختیاری Langfuse در draft و conversation.

مرز سرویس در پلتفرم

این مخزن لایه اجرای AI است، نه مالک پرونده و نه پردازشگر فایل خام. core-api وضعیت محصول را نگه می‌دارد؛ info-extraction متن را از اسناد خام می‌سازد؛ ai-workflow روی متن نرمال‌شده، InventionContext، prior-art، پیش‌نویس claims/description، نوبت‌های conversation و (به‌صورت package محلی) Office Action کار می‌کند.

ورودی این سرویس متن UTF-8 (.txt) یا JSON ساخت‌یافته است؛ PDF، DOCX و OCR در info-extraction انجام می‌شود.
core-api با outbox به RabbitMQ publish می‌کند و از inboxهای document / context / prior-art / draft / conversation نتیجه را اعمال می‌کند.
info-extraction فایل اصلی را read-only از S3 می‌خواند؛ core کلید artifact متن نرمال‌شده را در context.extraction.requested به این سرویس می‌فرستد.
پس از آماده‌شدن InventionContext، core می‌تواند prior_art.search سپس prior_art.report را و بعد draft.claims سپس draft.description را orchestrate کند (ADR-0006 / ADR-0014).
ویرایش انتخاب‌شدهٔ پیش‌نویس در محصول از conversation (agent_key=draft + propose_draft_edit) است؛ Core با draft_edit_apply Slice می‌سازد و accept/reject می‌کند (ADR-0020).
landing-chat WebSocket و draft.fragment_edit.* از مسیر محصول کنار گذاشته شده‌اند؛ منطق دانش/طبقه‌بندی discover در package landing_chat باقی مانده و توسط conversation استفاده می‌شود.
Office Action فقط به‌صورت package پایتون + harness آماده است؛ event-schema و wiring Core هنوز نیست.
workerها هرگز به PostgreSQL Core نمی‌نویسند و مدل Django Core را import نمی‌کنند؛ تصمیم پذیرش نسخه، قفل پیش‌نویس و RBAC فقط در Core است.
استعلام اعتبار AvalAI استثنای محصول است: Core با HTTP همزمان GET /api/v1/credit می‌خواند (lookup ارزان و فوری است و صف ندارد)؛ استخراج، پیشینه، پیش‌نویس و گفتگو روی RabbitMQ می‌مانند.

flowchart TB
  user["کاربر / Frontend MVP"] --> core["core-api"]
  core --> store[("S3 / Ceph")]
  providers["LLM / Search / Rerank"]

  subgraph stage1 ["1. Document extraction"]
    direction TB
    docReq["document.extraction.requested"] --> ie["info-extraction / mock"]
    ie --> docDone["completed / failed"]
  end

  subgraph stage2 ["2. Context extraction"]
    direction TB
    ctxReq["context.extraction.requested"] --> ctxW["context worker"]
    ctxW --> ctxDone["completed / questions_required / failed"]
  end

  subgraph stage3 ["3. Prior-art"]
    direction TB
    paReq["prior_art.search / report.requested"] --> paW["search + report workers"]
    paW --> paDone["completed / failed + artifacts"]
  end

  subgraph stage4 ["4. Drafting"]
    direction TB
    draftReq["draft.claims / description.requested"] --> draftW["claims + description workers"]
    draftW --> draftDone["progress / completed / failed"]
  end

  subgraph stage5 ["5. Conversation"]
    direction TB
    turnReq["conversation.turn.requested"] --> convW["conversation worker"]
    convW --> turnDone["completed / failed"]
    convW --> stream["progress / delta / tool-call"]
  end

  core --> docReq
  store -.-> ie
  docDone --> core
  core --> ctxReq
  store -.-> ctxW
  ctxDone --> core
  ctxW --> providers
  core --> paReq
  store <--> paW
  paDone --> core
  paW --> providers
  core --> draftReq
  store -.-> draftW
  draftDone --> core
  draftW --> providers
  core --> turnReq
  store -.-> convW
  turnDone --> core
  stream -.->|"advisory TTL"| core
  convW --> providers

مسیر HTTP همزمان

FastAPI مسیر مستقیمی برای توسعه، Swagger، ATP، صفحه کیفیت و یکپارچه‌سازی همزمان فراهم می‌کند. هر درخواست تا پایان فراخوانی‌های AI باز می‌ماند و RabbitMQ در این مسیر دخیل نیست.

GET /api/v1/credit استثنای محصول HTTP است: core-api موجودی AvalAI را همزمان می‌خواند (GET https://api.avalai.ir/user/v1/credit پشت این سرویس؛ خود lookup صورتحساب ندارد). استخراج/پیشینه/پیش‌نویس محصول روی صف می‌مانند.
POST /api/v1/extract فقط multipart file با پسوند .txt، کدگذاری UTF-8 و سقف API_MAX_UPLOAD_MB می‌پذیرد؛ خروجی شامل context، missing_questions، failures و metrics است.
POST /api/v1/prior-art/search یک InventionContext یا {context: ...} می‌گیرد و فقط نتیجه جستجو را برمی‌گرداند (include_report=false).
POST /api/v1/prior-art/report کل خروجی search را می‌گیرد و JSON گزارش یا Markdown قابل دانلود برمی‌گرداند؛ انتخاب مراجع خانواده‌محور با سقف prior_art_report_top_k است.
POST /api/v1/draft/claims: InventionContext + PriorArtSearchResult → claims JSON یا Markdown فارسی.
POST /api/v1/draft/description: context + claims_draft + prior_art اختیاری → description.v2 با markdown_fa و abstract_markdown_fa جدا؛ download=true/description یا download=abstract.
POST /api/v1/draft/rewrite: multipart برای تست محلی بازنویسی؛ محصول ویرایش از conversation draft است.
GET /، /architecture/، /quality/، /atp/: صفحات HTML فارسی برای خانه، معماری، کیفیت و ATP.
گفتگوی discover/draft endpoint محصول HTTP در این سرویس ندارد؛ harness فقط برای dev است.
Swagger/ReDoc فقط در local، docker-dev یا با ENABLE_API_DOCS=true فعال است. middleware احراز هویت API وجود ندارد و CORS روی همه originها باز است.

flowchart TB
  client["Client / Swagger / ATP / Quality"] --> api["FastAPI"]

  api --> health["GET /api/v1/health"]
  api --> credit["GET /api/v1/credit"]
  api --> extract["POST /api/v1/extract"]
  api --> search["POST /api/v1/prior-art/search"]
  api --> report["POST /api/v1/prior-art/report"]
  api --> claims["POST /api/v1/draft/claims"]
  api --> description["POST /api/v1/draft/description"]
  api --> rewrite["POST /api/v1/draft/rewrite"]
  api --> pages["GET / architecture quality atp"]

  extract --> sectioned["sectioned A-F to G"] --> ctxOut["InventionContext"]
  search --> searchAgent["Search agent"] --> searchOut["PriorArtSearchResult"]
  report --> familySelect["distinct family top-k"] --> reportAgent["Report agent"] --> reportOut["report JSON / MD"]
  claims --> claimsAgent["Claims agent"] --> claimsOut["claims.v2"]
  description --> descAgent["Description agent"] --> descOut["description.v2"]
  rewrite --> rewriteRunner["run_draft_rewrite"] --> replacements["replacements[]"]
  credit --> avalaiUser["AvalAI GET /user/v1/credit"]

  searchOut -.-> report
  searchOut -.-> claims
  claimsOut -.-> description

مسیر ناهمزمان (RabbitMQ)

در مسیر تولید، core-api رویداد درخواست حاوی شناسه‌ها و کلید artifact را publish می‌کند. هر worker فقط صف اختصاصی خود را با prefetch=1 مصرف می‌کند و نتیجه terminal را به exchange برمی‌گرداند.

Context (v2): متن را با client فقط‌خواندنی از Object Storage می‌گیرد؛ snapshot را inline منتشر می‌کند؛ inbox Core آن را در PostgreSQL و S3 پایدار می‌سازد.
شکاف outstanding شامل BLOCKING، HIGH، MEDIUM و LOW است و questions_required منتشر می‌شود. پس از CONTEXT_EXTRACTION_MAX_QUESTION_ROUNDS (پیش‌فرض ۲) خروجی forced-complete منتشر می‌شود.
Prior-art (v2): Search نتیجه JSON + manifest و Report خروجی MD/JSON + manifest را در S3 می‌نویسند؛ completed فقط pointer + checksum برمی‌گرداند. Core پس از search.completed رویداد report را جداگانه می‌فرستد.
Drafting (v1): Claims و Description ورودی را از S3 می‌خوانند، کلید را با workspace_id validate می‌کنند، و payload را inline برمی‌گردانند. Core claims را در بخش پیش‌نویس و S3 می‌نویسد و description را enqueue می‌کند.
Description resume: Core ممکن است completed_checkpoints و input_fingerprint بفرستد؛ worker بخش‌های تأییدشده را دوباره تولید نمی‌کند (safe_checkpoints در برابر full_restart).
Conversation (conversation.v1): control plane = turn.requested/completed/failed + cancel؛ stream plane = progress/delta/tool-call روی صف TTL. worker صف inbox Core را declare نمی‌کند.
صف‌های requested به DLX متصل‌اند. خطاهای شناخته‌شده → failed + ack؛ خطای مدیریت‌نشده (مثلاً payload نامعتبر) → reject به DLQ.
draft.edit.* و draft.fragment_edit.* در topology و compose باقی‌اند اما مسیر محصول ویرایش از conversation است؛ fragment-edit-mock را مقابل Core فعلی راه نیندازید.

flowchart TB
  core["core-api outbox"] --> ex[("patent_genie.events")]
  ex -.-> dlx[("patent_genie.dlx")]
  ex --> ctx["context worker"]
  ex --> pa["prior-art search/report"]
  ex --> draft["claims + description"]
  ex --> conv["conversation worker"]
  ctx & pa & draft & conv --> s3[("S3 / Ceph")]
  ctx & pa & draft -->|"completed / failed / questions"| ex
  conv -->|"completed / failed"| ex
  conv -->|"progress / delta / tool-call"| stream["stream TTL queues"]
  ex --> inboxes["Core inboxes"]
  stream -.->|"conversation-stream-relay"| channels["Channels Redis"]
  inboxes --> coreState["product state"]
  channels --> fe["Frontend WS"]

جریان استخراج ساخت‌یافته

تنها پروفایل فعلی sectioned-device-parallel-fulltext است: ورودی یک‌بار آماده می‌شود، شش بخش مستقل همزمان استخراج می‌شوند و compiler آن‌ها را به مدل canonical تبدیل می‌کند.

A: مسئله و پیشینه؛ B: اجزا؛ C: توپولوژی؛ D: ویژگی‌های ابتکاری؛ E: آثار فنی؛ F: دامنه و جایگزین‌ها.
ThreadPoolExecutor با حداکثر ۶ worker اجرا می‌شود و در حالت عادی هر thread نمونه LLM مستقل دارد تا structured-output schemaها با هم تداخل نکنند.
هر node retry دارد و nodeهای retryable ناموفق می‌توانند در recovery pass دوباره اجرا شوند؛ شکست جزئی در section_failures ثبت می‌شود.
Compiler (مرحله G) InventionContext، provenance، missing_questions و آمادگی را می‌سازد؛ metrics شامل زمان nodeها و مصرف LLM در پاسخ HTTP قابل مشاهده است.
در مسیر async، snapshot_mapping gaps با severity برابر BLOCKING، HIGH، MEDIUM یا LOW را outstanding می‌شمارد و readiness_state را questions_required می‌کند؛ not-applicable و EXTRACTION_FAILURE سؤال مخترع نمی‌شوند.
داده ساختگی مجاز نیست: مقادیر باید به متن منبع متصل باشند و شکاف‌ها به‌صورت missing یا inferred همراه دلیل ثبت شوند.
معیارهای کیفیت هر گره در صفحه /quality/ (بخش استخراج) مستند شده است.

flowchart TB
  input["PatentContextExtractionInput / .txt"] --> n0["N0 prepare"]
  n0 --> parallel["A B C D E F parallel extract"]
  parallel --> compile["G canonical compiler"]
  parallel -.-> recovery["retry + recovery"] -.-> compile
  compile --> out["InventionContext + missing_questions"]
  out --> gaps["snapshot_mapping
outstanding = BLOCKING or HIGH"]
  gaps --> ready{"outstanding gaps?"}
  ready -->|yes| qr["questions_required"]
  ready -->|no| done["completed or forced-complete"]

خط لوله پیشینه فنی

پیشینه فنی دو مرحله مستقل دارد که Core پشت‌سرهم orchestrate می‌کند: عامل جستجو مراجع و شواهد را تولید می‌کند؛ عامل گزارش پس از PriorArtSearchResult نمایندگان خانوادهٔ متمایز را تحلیل و گزارش فارسی می‌سازد.

ابتدا خلاصه راهکار و featureهای فنی از InventionContext استخراج و عناصر جستجو با LLM تولید می‌شوند.
عامل LangGraph ReAct جستجو را با محدودیت تعداد step/call اجرا می‌کند؛ provider تنظیم‌شده Tavily است (AvalAI tool یا TavilyClient).
نتایج normalize و deduplicate می‌شوند، متن منتخب با Firecrawl غنی می‌شود، کدهای IPC/CPC استخراج و برای refinement استفاده می‌شوند و در صورت فعال بودن با Cohere از طریق AvalAI rerank می‌شوند.
خروجی search شامل strategy، records، references، classification candidates، preliminary report، warnings، trace و metrics است؛ جایگزین جستجوی رسمی اداره ثبت نیست.
گزارش: resolve_report_top_k مقدار درخواستی را تا PRIOR_ART_REPORT_TOP_K محدود می‌کند؛ select_top_k_distinct_families حداکثر effective_top_k خانواده متمایز برمی‌گزیند.
عامل report محتوای نمایندگان را واکشی و تحلیل مقایسه‌ای می‌سازد؛ assess_report_quality وضعیت complete/partial/degraded/insufficient_evidence را جدا از finalization_mode می‌سنجد.
خروجی نهایی Markdown فارسی است؛ در کیفیت ضعیف نتیجه‌گیری احتیاطی جایگزین ادعای قطعی نوآوری می‌شود.
محلی می‌توان prior-art-mock را به‌جای این دو worker اجرا کرد (نه هر دو روی یک صف).

flowchart TB
  subgraph prepare ["۱. آماده‌سازی جستجو"]
    direction LR
    ctx["InventionContext"] --> features["Technical summary
+ features"] --> terms["LLM search elements"]
  end
  subgraph retrieval ["۲. جستجو و غنی‌سازی"]
    direction LR
    agent["LangGraph ReAct
جستجو"] --> search["Tavily
AvalAI یا TavilyClient"] --> enrich["Firecrawl + IPC enrichment"]
  end
  subgraph ranking ["۳. رتبه‌بندی و خروجی جستجو"]
    direction LR
    normalize["Normalize + dedupe"] --> rerank["Cohere rerank
اختیاری"] --> result["PriorArtSearchResult"]
  end
  subgraph reporting ["۴. گزارش — درخواست مستقل Core"]
    direction LR
    clamp["resolve_report_top_k"] --> families["select_top_k_distinct_families"] --> report["Report ReAct agent"] --> quality["assess_report_quality"] --> doc["Persian MD / JSON"]
  end
  terms --> agent
  enrich --> normalize
  result -.->|"Core enqueue report"| clamp

خط لوله پیش‌نویس ادعا و توصیف

تولید سند دو مرحلهٔ متوالی دارد که Core orchestrate می‌کند: Claims سپس Description. ویرایش انتخاب‌شدهٔ محصول از conversation است؛ workerهای draft.edit / fragment_edit میراث‌اند.

ورودی claims: InventionContext + PriorArtSearchResult؛ خروجی schema claims.v2 با لایه‌های grounding، prose، claims، validation و markdown_fa.
قبل از finalize نرم، quality_retry کدهایی مانند dependent_overpacked_fallback و wrong_parent_component را بررسی می‌کند؛ native tool turn narration جعلی را رد می‌کند.
Claims خالی یا validation.is_valid≠true به‌عنوان Completed منتشر نمی‌شود (CLAIMS_GENERATION_ERROR).
ورودی description: context + PatentClaimsDraft (+ prior_art اختیاری)؛ خروجی description.v2 با sections، support_matrix، markdown_fa و abstract_markdown_fa جدا.
checkpoint: worker progress و section snapshot می‌فرستد؛ روی retry، completed_checkpoints از Core باعث می‌شود بخش‌های معتبر دوباره تولید نشوند.
Workerها کلید artifact را با workspace_id validate می‌کنند؛ کلید نامعتبر → failed با INVALID_ARTIFACT_KEY (non-retryable).
نتیجه generation در Object Storage توسط worker نوشته نمی‌شود؛ Core پس از inbox، claims_draft.json و بخش‌های ProseMirror را تحت قفل locked_generating می‌نویسد.
HTTP rewrite و صف‌های draft.edit / draft.fragment_edit برای سازگاری/تست‌اند؛ مسیر محصول ویرایش: conversation agent_key=draft → propose_draft_edit → Core draft_edit_apply.
جزئیات کیفیت در /quality/.

flowchart TB
  core["core-api drafting"] --> claimsReq["draft.claims.requested"]
  claimsReq --> claimsAgent["Claims ReAct agent"]
  claimsAgent --> claimsOut["claims.v2 inline"]
  claimsOut --> coreApply["Core: write claims section + S3"]
  coreApply --> descReq["draft.description.requested"]
  descReq --> descAgent["Description ReAct agent"]
  descAgent --> descOut["description.v2 + abstract"]
  descOut --> unlock["Core: apply sections · unlock"]

  conv["conversation agent_key=draft"] --> propose["propose_draft_edit
plain text"]
  propose --> apply["Core draft_edit_apply
Slice + accept/reject"]

  legacy["draft.edit / fragment_edit
legacy workers"] -.->|"not product path"| discard["retired vs Core"]

گفتگو (discover + draft)

یک conversation-worker نوبت‌های صفحه discover و دستیار پیش‌نویس را روی conversation.v1 پاسخ می‌دهد. Frontend فقط با Core (REST + WebSocket) حرف می‌زند؛ این سرویس مستقیم به مرورگر وصل نیست.

صف پیش‌فرض conversation.turn.requested (+ DLQ) و صف cancel انحصاری per-instance؛ topology را worker خودش declare می‌کند و inbox Core را declare نمی‌کند.
ورودی: ConversationTurnRequested با context inline یا artifact_key حامل ConversationContextBundle (history، scope، case/draft snapshot، packages، tools مجاز).
agent_key=discover: طبقه‌بندی/دامنه/دانش از package landing_chat؛ توصیه بسته فقط از packages ارسال‌شده Core؛ توصیه خارج از فهرست در inbox رد می‌شود.
agent_key=draft: ابزارهای get_section_text، search_draft_sections، propose_draft_edit (وقتی Core در bundle اجازه داده باشد)؛ خروجی پیشنهاد متن ساده است نه Slice.
agent ناشناخته → ConversationTurnFailed با unsupported_agent (validation، non-retryable).
Control plane durable: completed/failed روی exchange؛ Stream plane مشورتی: progress، delta، tool-call started/completed با TTL؛ پس از reconnect منبع حقیقت پیام‌های persistشده Core است.
Cancel: conversation.run.cancel_requested به صف cancel همان instance؛ registry اجرای فعال را قطع می‌کند.
scripts/conversation_harness فقط برای توسعه است (127.0.0.1، نه compose، نه FastAPI محصول).
برای production، topology conversation باید در Infra init نیز اعلام شود؛ self-declare محلی جایگزین init تولید نیست.

flowchart TB
  fe["Frontend"] -->|"REST + WS"| core["core-api"]
  core -->|"turn.requested"| worker["conversation-worker"]
  bundle["ConversationContextBundle
scope · history · packages · tools"] --> worker

  worker --> route{"agent_key"}
  route -->|"discover"| discover["landing_chat logic
recommend / knowledge"]
  route -->|"draft"| draftA["draft agent
propose_draft_edit"]
  route -->|"other"| fail["failed unsupported_agent"]

  discover & draftA --> stream["progress / delta / tool-call"]
  discover & draftA --> done["completed / failed"]
  stream -.-> core
  done --> core
  core -->|"Channels"| fe
  draftA -.->|"accept/reject"| apply["Core draft_edit_apply"]

Office Action (دامنه محلی)

package office_action عامل پاسخ اظهارنظر را با phase-gated ReAct پیاده کرده است، اما هنوز به RabbitMQ، event-schema یا inbox Core وصل نشده است.

ورودی عمومی: run_office_action_response(case_context, config, resume_checkpoint?, strategy_decision?).
کنترل جریان LangGraph نیست: toolهای قطعی برای ingest/validate/finalize و LLM فقط روی allowlist فاز جاری.
فاز await_strategy_approval نیاز به HITL دارد؛ checkpoint قابل serialize برای resume است.
نتیجه دامنه: OfficeActionResponseResult با schema_version رشته‌ای office_action_response.v1 (متفاوت از envelope عددی رویدادها).
progress امروز فقط سه نقطه (start / pause / done) دارد؛ برای SSE آینده باید روی phase advance غنی شود.
Harness: scripts/run_officer_agent_folder_test.py؛ مستند جزئیات: docs/OFFICE_ACTION_AGENT_ARCHITECTURE.md.
agent_key=office_action برای conversation نامعتبر است؛ OA را روی نوبت گفتگو سوار نکنید.
الگوی رویداد پیشنهادی برای wiring بعدی: مشابه drafting (Requested / Progress / Completed / Failed).

flowchart TB
  subgraph implemented ["پیاده‌سازی‌شده در ai-workflow"]
    ctx["OfficeActionCaseContext"] --> run["run_office_action_response"]
    run --> phases["phase-gated ReAct
+ tool allowlists"]
    phases --> res["OfficeActionResponseResult
+ markdown_fa"]
    run -.-> cb["on_progress sparse"]
  end

  subgraph missing ["هنوز پیاده‌سازی نشده"]
    es["event-schema office-action"]
    wh["RabbitMQ worker handler"]
    api["Core OfficeActionRun + inbox"]
    sse["SSE / workflow events"]
    es --> wh --> api --> sse
  end

  res -.->|"آینده"| wh

استقرار Docker Compose

Compose یک API و هشت process worker از یک image می‌سازد. RabbitMQ و S3 داخل این compose تعریف نشده‌اند و باید از قبل روی شبکه external در دسترس باشند.

API پورت داخلی 8000 را روی ${API_PORT:-8002} منتشر می‌کند؛ در compose.dev معمولاً uvicorn با --reload و bind-mountهای src/data/docs/logs اجرا می‌شود.
workerها پورت عمومی و healthcheck فعال ندارند و با restart: always اجرا می‌شوند.
همه سرویس‌ها به rabbitmq:5672 و s3:7480 روی شبکه patent-genie-local متصل می‌شوند؛ credentialها و تنظیمات provider از .env می‌آیند.
سرویس‌های محصول‌محور: api، worker (context)، prior-art-search-worker، prior-art-report-worker، claims-draft-worker، description-draft-worker، conversation-worker.
سرویس‌های میراث در compose: draft-edit-worker، draft-fragment-edit-worker (مسیر محصول ویرایش = conversation).
Office Action process جدا در compose ندارد؛ فقط از طریق harness/اسکریپت محلی اجرا می‌شود.
قبل از hardening تولید: --reload، CORS باز، نبود healthcheck worker و نبود auth در API را بازبینی کنید.

flowchart TB
  subgraph compose ["docker-compose"]
    direction TB
    api["api"]
    w1["context worker"]
    w2["prior-art-search-worker"]
    w3["prior-art-report-worker"]
    w4["claims-draft-worker"]
    w5["description-draft-worker"]
    w6["conversation-worker"]
    legacy["draft-edit + fragment-edit
legacy"]
  end
  net[["patent-genie-local"]]
  rmq[("RabbitMQ")]
  s3[("S3 / Ceph")]
  providers["LLM providers"]
  compose --- net
  net --- rmq
  net --- s3
  api & w1 & w2 & w3 & w4 & w5 & w6 --> providers
  legacy -.-> providers

دامنه و محدودیت این صفحه

این صفحه وضعیت پیاده‌سازی فعلی همین repository را توضیح می‌دهد، نه معماری هدف آینده. مسیر محصول ناهمزمان از طریق RabbitMQ با core-api است: context (v2)، prior-art (v2)، claims/description (v1) و conversation.v1. مسیرهای HTTP (/api/v1/extract، prior-art، draft) برای توسعه، ATP و Swagger‌اند. ویرایش انتخاب‌شدهٔ پیش‌نویس در محصول از conversation-worker با agent_key=draft است؛ draft.edit و draft.fragment_edit میراث‌اند. Office Action فقط به‌صورت package محلی + harness آماده است و هنوز bus ندارد. معیارهای کیفیت در /quality/ آمده است. guided interview جدا و رسم شکل (drawing) هنوز پیاده‌سازی نشده‌اند. tracing اختیاری با Langfuse پشتیبانی می‌شود. پارس PDF/DOCX و OCR در info-extraction (محلی: extraction-mock) است. نمایش Mermaid به CDN نیاز دارد.