feat(ai-gateway): DeepSeek v4 Flash 统一接入与多 Key 轮询 + sync 幂等写入

- 纯文字 AI 功能统一路由至 DeepSeek v4 Flash 0731，支持 DEEPSEEK_API_KEYS 逗号分隔多 Key 轮询（回退兼容 DEEPSEEK_API_KEY）
- providers.py 重构：GLM/Qwen/DeepSeek provider 对齐新模型路由；超时预算与流式降级测试同步更新
- 提示词模板统一升级（卡片生成/概念预检/冲突检测/内容分级/错误模式/评估/测验/推荐/摘要）
- sync-service 新增 isUniqueViolation（pg 23505）幂等写入错误分类（M6/M7）
- 收入模型调整：免费层以本地推理为主 + 低价档付费模型兜底（不依赖供应商免费额度）；.env.example 补 DEEPSEEK_API_KEYS 说明

Author: Aparencia

docs/product/revenue-plan-no-license.md

@@ -45,7 +45,7 @@
 │  高级模型 / 更高配额 / 多模态课堂助手               │
 ├─────────────────────────────────────────────────┤
 │  第一层：免费层（永久免费）                         │
-│  全部核心学习功能 + 基础 AI（GLM 模型/低配额）      │
+│  全部核心学习功能 + 基础 AI（本地推理/低配额）      │
 └─────────────────────────────────────────────────┘
 ```
 
@@ -58,7 +58,7 @@
 | 闪卡 + 间隔重复（反衰减呼吸） | 核心学习工具 |
 | 费曼输出（浮出水面） | 核心学习工具 |
 | 学习启动仪式 / 成就系统 | 体验层 |
-| 基础 AI 功能（GLM-4-Flash） | 每日 15 次 AI 调用，覆盖摘要/闪卡生成/基础提问 |
+| 基础 AI 功能（本地推理为主 + 低价档付费模型兜底） | 每日 15 次 AI 调用，覆盖摘要/闪卡生成/基础提问；**不依赖供应商免费额度**（智谱《服务协议》3.4 条禁止转供他人使用） |
 | BYOK（自带 API Key） | 用户自行接入任意模型，不受平台配额限制 |
 
 **设计意图**：免费层已构成完整学习闭环，付费不是"解锁功能"而是"提升 AI 体验上限"。
@@ -67,7 +67,7 @@
 
 | 维度 | Free | Pro（¥12/月 或 ¥99/年） |
 |------|------|--------------------------|
-| AI 模型 | GLM-4-Flash（轻量） | Qwen-Plus / DeepSeek-Chat / GLM-4（高级） |
+| AI 模型 | 本地模型（Ollama）/ 低价档付费模型（轻量） | Qwen-Plus / DeepSeek-Chat / GLM-4（高级，付费档） |
 | 每日 AI 调用次数 | 15 次 | 80 次 |
 | 每日费用上限 | ¥0.5（平台承担） | ¥2.0（平台承担） |
 | 多模态课堂助手 | ❌ | ✅（Qwen-VL 视觉提取） |
@@ -165,15 +165,15 @@
 
 | 用户类型 | 月均 AI 成本 | 说明 |
 |----------|:---:|------|
-| Free 用户 | ¥0（GLM-4-Flash 免费额度） | 智谱免费层覆盖 |
+| Free 用户 | ¥0.5~1.5 | 本地推理为主 + 低价档付费模型兜底（约 300 次/月 × ¥0.003）；免费额度仅限开发/内测，不可服务公众用户 |
 | Pro 轻度（日均 10 次） | ~¥8 | Qwen-Plus 为主 |
 | Pro 重度（日均 50 次） | ~¥35 | 含多模态调用 |
 
 ### 盈亏平衡
 
-- 月固定成本 ¥60 + 10 个 Pro 用户 AI 成本 ¥80 = ¥140
+- 月固定成本 ¥60 + AI 成本（10 个 Pro × ¥15 + 200 个 Free × ¥1 ≈ ¥350）= ¥410
 - 10 个 Pro 用户收入 = ¥120（月付）或 ¥82（年付均摊）
-- **盈亏平衡点 ≈ 15 个 Pro 月付用户**（含早鸟预售收入则更快）
+- **盈亏平衡点 ≈ 35 个 Pro 月付用户**（含早鸟预售收入则更快；若 Free 层 AI 成本经 BYOK 转嫁用户，回落至 ≈ 25）
 
 ---
 
@@ -199,6 +199,7 @@
 | ❌ 爱发电 | 用户明确要求排除 |
 | ❌ 需要工商户的支付通道 | 当前阶段约束 |
 | ❌ 强制联网验证 | 离线可用是底线；激活码本地缓存验证，7 天离线宽限 |
+| ❌ 供应商免费额度转供用户 | 智谱等《服务协议》3.4 条禁止"复制、转让、出售、出租、出借、许可、提供他人使用"；免费额度仅限开发/内测（非商业运营） |
 
 ---
 
@@ -207,6 +208,7 @@
 | 风险 | 概率 | 应对 |
 |------|:---:|------|
 | 付费意愿不足（< 10 人早鸟） | 中 | 转向纯赞助模式（GitHub Sponsors + 打赏码），AI 成本由 BYOK 转嫁用户 |
+| 供应商免费额度收紧/条款变动 | 中 | 免费层不依赖免费额度（本地推理 + BYOK + 付费低价档）；每季度复审各 Provider 服务协议 |
 | AI 成本失控（重度用户） | 低 | 日配额硬顶已就绪（budget.py）；极端用户单独沟通 |
 | 激活码被分享 | 中 | 一码一设备绑定（machineId）；超限自动冻结 |
 | 平台政策变动（面包多） | 低 | 多通道备份（Gumroad + 个人收款码） |

server/.env.example

@@ -36,6 +36,10 @@ JWT_SECRET=change-this-to-a-random-string-in-production
 # （ASR 模型为 qwen3-asr-flash，DashScope OpenAI 兼容模式仅支持该系列做转写）
 QWEN_API_KEY=
 # DeepSeek：https://platform.deepseek.com
+# 主力 Provider（v4 Flash 0731）：所有纯文字 AI 功能统一路由至此
+# 支持多 Key 轮询（逗号分隔），突破单 Key RPM/TPM 限制
+DEEPSEEK_API_KEYS=sk-your-first-key,sk-your-second-key
+# 兼容单 Key 配置（DEEPSEEK_API_KEYS 不存在时回退）
 DEEPSEEK_API_KEY=
 # 智谱 GLM：https://open.bigmodel.cn
 # 用途：免费文本/视觉模型 glm-4.6v-flash，同时是 ASR 备选链路（模型 glm-asr）。

server/ai-gateway/chains/card_gen_chain.py

@@ -70,14 +70,23 @@ async def _stage_extract(self, note: str) -> list[str]:
             list[str]: 提取的知识点列表
         """
         extract_prompt = (
-            "请从以下学习笔记中提取所有核心知识点，每个知识点用一行描述。\n"
-            "只需要列出知识点，不要编号，不要额外解释。\n\n"
-            f"笔记内容：\n{note}"
+            "## 笔记内容\n"
+            f"{note}\n\n"
+            "## 提取要求\n"
+            "请从以上学习笔记中提取所有核心知识点，每行一个知识点。"
+            "只需要列出知识点，不要编号，不要额外解释。"
         )
 
         result = await self.provider.generate(
             prompt=extract_prompt,
-            system_prompt="你是一个教育内容专家，擅长从学习材料中识别核心概念、定义和关键关系。请用中文输出。",
+            system_prompt=(
+                "你是一个教育内容专家，擅长从学习材料中识别核心概念、定义和关键关系。\n\n"
+                "## 输出规范\n"
+                "- 每行一个知识点\n"
+                "- 不要编号，不要列表符号\n"
+                "- 使用简洁准确的表述\n"
+                "- 用中文输出"
+            ),
             model=self.model,
             temperature=0.3,
             max_tokens=1024,
@@ -129,7 +138,14 @@ async def _stage_generate(
 
         result = await self.provider.generate(
             prompt=prompt,
-            system_prompt="你是一个教育内容专家，擅长从知识点中生成高质量问答闪卡。请务必以JSON格式输出结果。",
+            system_prompt=(
+                "你是一个教育内容专家，擅长从知识点中生成高质量问答闪卡。\n\n"
+                "## 输出规范\n"
+                "- 必须严格按照 JSON 格式输出\n"
+                "- 每张卡片包含 front、back、type、confidence 四个字段\n"
+                "- 确保问题具有区分度，答案准确完整\n"
+                "- 用中文输出"
+            ),
             model=self.model,
             temperature=0.4,
             max_tokens=2048,

server/ai-gateway/chains/evaluation_chain.py

@@ -145,9 +145,23 @@ async def run(
         result = await self.provider.generate(
             prompt=prompt,
             system_prompt=(
-                "你是一位友善且专业的学习导师，擅长评估学生对知识概念的理解程度。"
-                "请使用费曼学习法的评估标准，从准确性、完整性、简洁性、通俗性四个维度进行评分。"
-                "请注意多给予鼓励，同时给出具体的改进建议。请务必以JSON格式输出。"
+                "你是一位友善且专业的学习导师，擅长评估学生对知识概念的理解程度。\n"
+                "请使用费曼学习法的评估标准，从四个维度进行评分。\n\n"
+                "## 评估维度\n"
+                "1. 准确性（accuracy）：概念理解是否正确，有无事实错误\n"
+                "2. 完整性（completeness）：是否覆盖了概念的核心要点\n"
+                "3. 简洁性（conciseness）：表达是否简洁明了，不冗余\n"
+                "4. 通俗性（accessibility）：是否使用了通俗易懂的语言、生活化类比或举例\n\n"
+                "## 评分标准\n"
+                "- 每个维度 0-10 分\n"
+                "- 综合评分 = 四个维度的加权平均（准确性权重最高）\n\n"
+                "## 输出格式\n"
+                "请务必以 JSON 格式输出，包含：overall_score、dimensions（含 dimension/score/feedback）、"
+                "strengths、improvements、encouragement。\n\n"
+                "## 注意事项\n"
+                "- 多给予正面鼓励，保护学习积极性\n"
+                "- 改进建议要具体可操作\n"
+                "- 综合评分为四个维度的加权平均（准确性权重最高）"
             ),
             model=self.model,
             temperature=0.5,

server/ai-gateway/chains/feynman_question_chain.py

@@ -50,22 +50,24 @@ async def generate_questions(
         )
 
         system_prompt = (
-            "你是一个对知识充满好奇但了解不多的\u201c小白\u201d。\n"
+            "你是一个对知识充满好奇但了解不多的「小白」。\n"
             "你刚刚听了一位同学对某个概念的讲解，请根据讲解中可能不够清晰、"
             "不够深入或存在逻辑跳跃的地方，提出追问。\n"
             "追问应该能帮助这位同学更深入地理解概念。\n\n"
-            "要求：\n"
+            "## 追问原则\n"
             "1. 追问要像好奇的小白：天真但切中要害\n"
             "2. 聚焦解释中的薄弱点（模糊表述、缺少具体例子、逻辑跳跃）\n"
             "3. 每个追问都要具体，不要泛泛而谈\n"
-            "4. 以 JSON 格式输出，格式为：\n"
-            '   {"questions": [{"question": "追问内容", "focus": "聚焦的知识点"}]}\n'
-            "5. 提出 1-3 个追问，不要超过 3 个"
+            "4. 提出 1-3 个追问，不要超过 3 个\n\n"
+            "## 输出格式\n"
+            '请以 JSON 格式输出，格式为：{"questions": [{"question": "追问内容", "focus": "聚焦的知识点"}]}'
         )
 
         user_prompt = (
-            f"这位同学讲解的概念是：「{concept}」\n\n"
-            f"讲解内容如下：\n{explanation}\n\n"
+            "## 讲解概念\n"
+            f"{concept}\n\n"
+            "## 讲解内容\n"
+            f"{explanation}\n\n"
             "请根据讲解内容中的薄弱点提出追问。"
         )
 
@@ -162,23 +164,26 @@ async def evaluate_answers(
         system_prompt = (
             "你是一位专业的学习评估导师。\n"
             "你需要评估一位同学对追问的回答质量，判断其对概念的理解深度。\n\n"
-            "请以 JSON 格式输出评估结果，格式为：\n"
+            "## 评分标准\n"
+            "- 0-3: 理解肤浅，回答模糊或偏离主题\n"
+            "- 4-6: 有基本理解，但缺少深度或具体例子\n"
+            "- 7-8: 理解较好，能用具体例子解释\n"
+            "- 9-10: 深入理解，能举一反三\n\n"
+            "## 输出格式\n"
+            "请以 JSON 格式输出评估结果：\n"
             "{\n"
             '  "understanding_score": 0-10 的数值,\n'
             '  "feedback": "整体反馈",\n'
             '  "strong_points": ["理解到位的方面"],\n'
             '  "weak_points": ["仍需加强的方面"]\n'
-            "}\n\n"
-            "评分标准：\n"
-            "0-3: 理解肤浅，回答模糊或偏离主题\n"
-            "4-6: 有基本理解，但缺少深度或具体例子\n"
-            "7-8: 理解较好，能用具体例子解释\n"
-            "9-10: 深入理解，能举一反三"
+            "}"
         )
 
         user_prompt = (
-            f"概念：「{concept}」\n\n"
-            f"以下是该同学对追问的回答：\n{qa_pairs}\n\n"
+            "## 概念\n"
+            f"{concept}\n\n"
+            "## 问答记录\n"
+            f"{qa_pairs}\n\n"
             "请评估该同学对这个概念的理解深度。"
         )
 

server/ai-gateway/chains/recommend_chain.py

@@ -207,8 +207,10 @@ async def run(
             result = await self.provider.generate(
                 prompt=prompt,
                 system_prompt=(
-                    "你是一个专注力管理助手，擅长根据用户的专注历史数据给出个性化的番茄钟时长建议。"
-                    "请基于数据分析给出科学的推荐。请务必以JSON格式输出。"
+                    "你是一个专注力管理助手，擅长根据用户的专注历史数据给出个性化的番茄钟时长建议。\n"
+                    "请基于数据分析给出科学的推荐。\n\n"
+                    "## 输出格式\n"
+                    "请务必以 JSON 格式输出，包含：recommended_minutes、break_minutes、reason。"
                 ),
                 model=self.model,
                 temperature=0.3,

server/ai-gateway/chains/summarize_chain.py

@@ -90,7 +90,14 @@ async def run(
         logger.info("SummarizeChain.run: text_length=%d, style=%s", len(processed_text), opts.get("style", "bullet"))
         result = await self.provider.generate(
             prompt=prompt,
-            system_prompt="你是一个专业的学习笔记摘要助手，擅长从学习内容中提取核心知识点并生成结构化摘要。请用中文输出。",
+            system_prompt=(
+                "你是一个专业的学习笔记摘要助手，擅长从学习内容中提取核心知识点并生成结构化摘要。\n\n"
+                "## 输出规范\n"
+                "- 始终用中文输出\n"
+                "- 提取核心概念、关键定义、重要关系\n"
+                "- 使用学生能理解的简洁语言\n"
+                "- 保持教育学习场景的专注性"
+            ),
             model=self.model,
             temperature=0.3,
             max_tokens=1024,