[!info] related notes

• 所属 MOC: 前端工程化 MOC, 前端基础 MOC
• 相关概念: AI 聊天与流式 UI, ai-chat-page, ai-frontend-monitoring-metrics, frontend-streaming-response-patterns, ai-output-uncertainty-and-ux, ai-chat-performance-optimization
• 面试问法: AI 对话流式输出前端怎么做, AI 结果不稳定时前端怎么做体验设计

AI 产品前端稳定性

AI 业务前端的稳定性问题，往往不是简单的接口失败，而是长链路中的中断、取消、超时和结果不稳定共同叠加。

一句话定义

AI 产品前端稳定性，核心是让流式响应、长任务和不确定输出在异常情况下仍然可恢复、可解释、可继续操作。

常见风险点

• 首 token 太慢
• 生成过程被中断
• 长文本渲染卡顿
• 用户主动取消后状态混乱
• 多轮消息上下文错位

常见稳定性设计

• 取消先显示请求中；后端确认后再标已取消，已提交副作用单独展示。
• 分开设置连接、首事件、空闲与整体任务超时；客户端超时后先查任务状态。
• 区分重连同一 run 与重新生成新 run；有副作用的操作按幂等记录恢复，不能盲目重提。
• 按会话 / run / message ID 隔离旧事件；组件卸载或会话切换后清理订阅。
• 保留已确认的部分结果，说明未完成部分和可恢复入口，不把断流当作成功终态。
• 反馈真实阶段与等待状态；支持恢复时依赖服务端事件记录与游标，详见 durable-sse-recovery-with-after-seq。

为什么它重要

• AI 业务链路更长
• 用户对“正在生成”的状态更敏感
• 长任务失败可能丢失已投入的时间和部分成果，需要明确恢复边界

验证场景

模拟中途断网、刷新、切换会话、取消与完成同时到达、重复重试、迟到事件和渲染异常。检查任务状态与服务端一致，结果不重复写入，用户正在阅读的位置不被强制打断。

最短记忆方式

AI 前端稳定性，重点不是永不失败，而是失败后还能清楚、可恢复地继续用。

Related notes

• AI MOC