feat: AI智能学习助手分析结果缓存到Redis

- 后端API添加Redis缓存，有效期4小时
- 支持force_refresh参数强制刷新缓存
- 前端自动加载使用缓存，手动刷新强制更新
- 返回from_cache字段标识数据来源

Co-authored-by: Cursor <cursoragent@cursor.com>

backend/app/api/v1/ability.py

@@ -2,11 +2,13 @@
 能力评估API接口
 用于智能工牌数据分析、能力评估报告生成等
 """
+import json
 from fastapi import APIRouter, Depends, HTTPException, Query
 from sqlalchemy.ext.asyncio import AsyncSession
-from typing import List
+from typing import List, Optional
 
 from app.core.deps import get_current_user, get_db
+from app.core.redis import get_redis_client
 from app.models.user import User
 from app.schemas.base import ResponseModel
 from app.schemas.ability import AbilityAssessmentResponse, AbilityAssessmentHistory
@@ -18,32 +20,42 @@ import logging
 logger = logging.getLogger(__name__)
 router = APIRouter()
 
+# Redis 缓存配置
+ABILITY_CACHE_KEY_PREFIX = "ability:assessment:"
+ABILITY_CACHE_TTL = 4 * 60 * 60  # 4小时缓存
+
 
 @router.post("/analyze-yanji", response_model=ResponseModel)
 async def analyze_yanji_badge_data(
+    force_refresh: bool = Query(False, description="强制刷新缓存"),
     db: AsyncSession = Depends(get_db),
     current_user: User = Depends(get_current_user)
 ):
     """
     分析智能工牌数据生成能力评估和课程推荐
     
-    使用 Python 原生 AI 服务实现。
+    使用 Python 原生 AI 服务实现，结果缓存4小时。
     
     功能说明：
     1. 从言迹智能工牌获取员工的最近10条录音记录
     2. 分析对话数据，进行能力评估（6个维度）
     3. 基于能力短板生成课程推荐（3-5门）
     4. 保存评估记录到数据库
+    5. 缓存结果到Redis（4小时有效期）
     
     要求：
     - 用户必须已绑定手机号（用于匹配言迹数据）
     
+    参数：
+    - force_refresh: 是否强制刷新缓存（默认False）
+    
     返回：
     - assessment_id: 评估记录ID
     - total_score: 综合评分（0-100）
     - dimensions: 能力维度列表（6个维度）
     - recommended_courses: 推荐课程列表（3-5门）
     - conversation_count: 分析的对话数量
+    - from_cache: 是否来自缓存
     """
     # 检查用户是否绑定手机号
     if not current_user.phone:
@@ -53,6 +65,29 @@ async def analyze_yanji_badge_data(
             detail="用户未绑定手机号，无法匹配言迹数据"
         )
     
+    # Redis 缓存键
+    cache_key = f"{ABILITY_CACHE_KEY_PREFIX}{current_user.id}"
+    
+    # 尝试从缓存获取（除非强制刷新）
+    if not force_refresh:
+        try:
+            redis = get_redis_client()
+            cached_data = await redis.get(cache_key)
+            if cached_data:
+                result = json.loads(cached_data)
+                result['from_cache'] = True
+                logger.info(
+                    f"从缓存返回能力评估结果: user_id={current_user.id}, "
+                    f"assessment_id={result.get('assessment_id')}"
+                )
+                return ResponseModel(
+                    code=200,
+                    message="智能工牌数据分析完成（缓存）",
+                    data=result
+                )
+        except Exception as e:
+            logger.warning(f"读取缓存失败，将重新分析: {e}")
+    
     # 获取服务实例
     yanji_service = YanjiService()
     assessment_service = get_ability_assessment_service()
@@ -60,7 +95,7 @@ async def analyze_yanji_badge_data(
     try:
         logger.info(
             f"开始分析智能工牌数据: user_id={current_user.id}, "
-            f"phone={current_user.phone}"
+            f"phone={current_user.phone}, force_refresh={force_refresh}"
         )
         
         # 调用能力评估服务（使用 Python 原生实现）
@@ -72,6 +107,26 @@ async def analyze_yanji_badge_data(
             engine="v2"  # 固定使用 V2
         )
         
+        # 缓存结果到 Redis
+        try:
+            redis = get_redis_client()
+            # 序列化时处理 datetime 对象
+            cache_data = {
+                "assessment_id": result["assessment_id"],
+                "total_score": result["total_score"],
+                "dimensions": result["dimensions"],
+                "recommended_courses": result["recommended_courses"],
+                "conversation_count": result["conversation_count"],
+                "analyzed_at": result["analyzed_at"].isoformat() if result.get("analyzed_at") else None,
+                "engine": result.get("engine"),
+            }
+            await redis.setex(cache_key, ABILITY_CACHE_TTL, json.dumps(cache_data, ensure_ascii=False))
+            logger.info(f"能力评估结果已缓存: user_id={current_user.id}, ttl={ABILITY_CACHE_TTL}s")
+        except Exception as e:
+            logger.warning(f"缓存结果失败: {e}")
+        
+        result['from_cache'] = False
+        
         logger.info(
             f"智能工牌数据分析完成: user_id={current_user.id}, "
             f"assessment_id={result['assessment_id']}, "

frontend/src/api/trainee/index.ts

@@ -490,8 +490,10 @@ export const sendCourseMessage = (sessionId: string, content: string) => {
 /**
  * 分析智能工牌数据
  * 调用后端API分析言迹智能工牌的录音数据，生成能力评估报告和课程推荐
+ * 
+ * @param forceRefresh - 是否强制刷新缓存（默认false，使用4小时缓存）
  */
-export const analyzeYanjiBadge = () => {
+export const analyzeYanjiBadge = (forceRefresh: boolean = false) => {
   return request.post<{
     assessment_id: number
     total_score: number
@@ -509,5 +511,6 @@ export const analyzeYanjiBadge = () => {
     }>
     conversation_count: number
     analyzed_at: string
-  }>('/api/v1/ability/analyze-yanji')
+    from_cache?: boolean
+  }>(`/api/v1/ability/analyze-yanji?force_refresh=${forceRefresh}`)
 }

frontend/src/views/trainee/growth-path.vue

@@ -309,7 +309,7 @@
           <p class="empty-description">
             {{ analyzing ? '正在分析您的智能工牌数据，为您推荐最适合的课程' : '暂无智能工牌数据，请先使用智能工牌记录对话' }}
           </p>
-          <el-button v-if="!analyzing && userInfo.role === 'trainee'" type="primary" @click="analyzeSmartBadgeData">
+          <el-button v-if="!analyzing && userInfo.role === 'trainee'" type="primary" @click="analyzeSmartBadgeData(true)">
             <el-icon><Refresh /></el-icon>
             重新分析
           </el-button>
@@ -593,8 +593,9 @@ const initRadarChart = () => {
 
 /**
  * AI 分析智能工牌数据
+ * @param forceRefresh - 是否强制刷新缓存
  */
-const analyzeSmartBadgeData = async () => {
+const analyzeSmartBadgeData = async (forceRefresh: boolean = false) => {
   // 前置检查：只有学员用户且已绑定手机号才能分析
   if (userInfo.value.role !== 'trainee') {
     ElMessage.warning('该功能仅对学员开放')
@@ -609,8 +610,8 @@ const analyzeSmartBadgeData = async () => {
   analyzing.value = true
   
   try {
-    // 调用后端API分析智能工牌数据
-    const response = await analyzeYanjiBadge()
+    // 调用后端API分析智能工牌数据（支持缓存）
+    const response = await analyzeYanjiBadge(forceRefresh)
     
     if (response.code === 200 && response.data) {
       const { dimensions, recommended_courses, total_score, conversation_count } = response.data
@@ -708,10 +709,11 @@ const analyzeSmartBadgeData = async () => {
 /**
  * 刷新AI推荐课程
  * 重新调用AI分析接口，获取最新的课程推荐
+ * 强制刷新缓存以获取最新数据
  */
 const refreshRecommendations = async () => {
-  // 直接调用AI分析智能工牌数据的方法，复用已有逻辑
-  await analyzeSmartBadgeData()
+  // 强制刷新，不使用缓存
+  await analyzeSmartBadgeData(true)
 }
 
 /**