# ChatModel + Embedding 解耦 Proposal

## 问题

项目 5 个 Java 文件硬编码 DashScope 具体实现类，而非 Spring AI 抽象接口：

- ChatService/ChatController/AiOpsService：方法签名用 `DashScopeChatModel` 而非 `ChatModel`
- VectorEmbeddingService：完全绕过 Spring AI，直接用 DashScope SDK 的 `TextEmbedding`
- RagService：完全绕过 Spring AI，直接用 DashScope SDK 的 `Generation`（流式对话）

导致替换 LLM 或 Embedding 模型需要改代码而非改配置。

## 建议方案

**面向 Spring AI 报表接口编程**：
- Chat 部分：`DashScopeChatModel` → `ChatModel` 接口，通过 Spring Boot 自动注入
- Embedding 部分：DashScope SDK `TextEmbedding` → Spring AI `EmbeddingModel` 接口
- RagService 流式对话：DashScope SDK `Generation` → Spring AI `ChatModel` 流式接口 (`stream()`)

通过 Spring Boot Starter + `application.yml` 配置切换模型实现，无需改代码。

## 范围

- 本次要做：
  - ChatService：删除 `createDashScopeApi()` / `createChatModel()` 工厂方法，改为注入 `ChatModel`
  - ChatController：删除 DashScope import 和手动构建，改为使用注入的 `ChatModel`
  - AiOpsService：方法签名 `DashScopeChatModel` → `ChatModel`
  - VectorEmbeddingService：DashScope SDK → Spring AI `EmbeddingModel`
  - RagService：DashScope SDK `Generation` → Spring AI `ChatModel` stream
  - DashScopeConfig：通用化配置（保留 DashScope starter 配置，但代码层不再硬编码 DashScope 类）
  - application.yml：保持现有 DashScope 配置，增加模型切换说明
  - ModelRoutingConfig：新增 `@Configuration` + `@Primary` 集中路由，支持 Chat/Embedding 跨厂商混合

- 本次不做：
  - 不替换 DashScope 为其他提供商（只做解耦，不换实现）
  - 不修改 Agent Framework 本身
  - 不改 Milvus 相关代码
  - 不改 MCP 客户端配置

## 关键约束

- ReactAgent.builder().model() 已接受 ChatModel 接口（已验证）
- Spring AI 的 EmbeddingModel 接口可替代 DashScope TextEmbedding
- Spring AI 的 ChatModel.stream() 可替代 DashScope Generation 流式接口
- DashScope starter 仍需保留作为默认实现（通过 pom 依赖 + yml 配置）

## 风险

- RagService 流式对话的迁移可能最复杂：DashScope SDK 返回 RxJava Flowable，Spring AI ChatModel.stream() 返回 Flux，需要适配 SSE 推送逻辑
- VectorEmbeddingService 维度可能变化：DashScope text-embedding-v4 输出 1024 维，替换模型后维度不同，需要同步修改 Milvus VECTOR_DIM 常量