# 消息流系统 (Message Stream System)

## 概述

DeepSearcher 的消息流系统是一个新的消息传输机制，用于替代原来的日志传输方式。该系统支持三种类型的消息：`search`、`think` 和 `answer`，并提供了灵活的消息管理和传输功能。

## 消息类型

### 1. Search 消息
- **类型**: `search`
- **用途**: 表示搜索相关的操作和状态
- **示例**: 
  - "在向量数据库中搜索相关信息..."
  - "找到5个相关文档片段"
  - "搜索人工智能的定义..."

### 2. Think 消息
- **类型**: `think`
- **用途**: 表示思考和推理过程
- **示例**:
  - "开始处理查询: 什么是人工智能?"
  - "分析搜索结果..."
  - "生成子查询: 人工智能的定义、历史、应用"

### 3. Answer 消息
- **类型**: `answer`
- **用途**: 表示最终答案和结果
- **示例**:
  - "==== FINAL ANSWER===="
  - "人工智能是计算机科学的一个分支..."

## 核心组件

### MessageStream 类

主要的消息流管理器，提供以下功能：

```python
from deepsearcher.utils.message_stream import MessageStream

# 创建消息流实例
message_stream = MessageStream()

# 发送消息
message_stream.send_search("搜索内容...")
message_stream.send_think("思考内容...")
message_stream.send_answer("答案内容...")

# 获取消息
messages = message_stream.get_messages()
messages_dict = message_stream.get_messages_as_dicts()
messages_json = message_stream.get_messages_as_json()
```

### 全局函数

为了方便使用，提供了全局函数：

```python
from deepsearcher.utils.message_stream import send_search, send_think, send_answer

# 直接发送消息
send_search("搜索内容...")
send_think("思考内容...")
send_answer("答案内容...")
```

## API 接口

### 1. 获取消息
```
GET /messages/
```

返回所有消息的列表：
```json
{
  "messages": [
    {
      "type": "search",
      "content": "搜索内容...",
      "timestamp": 1755043653.9606102,
      "metadata": {}
    }
  ]
}
```

### 2. 清空消息
```
POST /clear-messages/
```

清空所有消息并返回成功状态：
```json
{
  "message": "Messages cleared successfully"
}
```

### 3. 查询接口（已更新）
```
GET /query/?original_query=<query>&max_iter=<iterations>
```

现在返回结果包含消息流：
```json
{
  "result": "最终答案...",
  "messages": [
    {
      "type": "search",
      "content": "搜索内容...",
      "timestamp": 1755043653.9606102,
      "metadata": {}
    }
  ]
}
```

## 前端集成

前端界面现在包含一个消息流显示区域，实时显示处理过程中的各种消息：

### CSS 样式
- `.message-search`: 搜索消息样式（蓝色边框）
- `.message-think`: 思考消息样式（黄色边框）
- `.message-answer`: 答案消息样式（绿色边框）

### JavaScript 功能
- `displayMessages(messages)`: 显示消息流
- 自动滚动到最新消息
- 时间戳显示

## 使用示例

### 后端使用

```python
from deepsearcher.utils.message_stream import send_search, send_think, send_answer

# 在搜索过程中发送消息
send_think("开始处理查询...")
send_search("在数据库中搜索...")
send_search("找到相关文档...")
send_think("分析结果...")
send_answer("最终答案...")
```

### 前端使用

```javascript
// 获取消息
const response = await fetch('/query/?original_query=test&max_iter=3');
const data = await response.json();

// 显示消息流
if (data.messages && data.messages.length > 0) {
    displayMessages(data.messages);
}
```

## 优势

1. **结构化数据**: 消息包含类型、内容、时间戳和元数据
2. **类型安全**: 使用枚举确保消息类型的一致性
3. **灵活传输**: 支持多种输出格式（字典、JSON）
4. **实时显示**: 前端可以实时显示处理过程
5. **易于扩展**: 可以轻松添加新的消息类型和功能

## 迁移说明

从原来的日志系统迁移到新的消息流系统：

### 原来的代码
```python
log.color_print(f"<search> Search [{query}] in [{collection}]... </search>\n")
log.color_print(f"<think> Summarize answer... </think>\n")
log.color_print(f"<answer> Final answer... </answer>\n")
```

### 新的代码
```python
send_search(f"Search [{query}] in [{collection}]...")
send_think("Summarize answer...")
send_answer("Final answer...")
```

## 测试

运行测试脚本验证系统功能：

```bash
python test_message_stream.py
```

这将测试消息流的基本功能，包括消息发送、获取和格式化。