# 基础服务配置方案（PG / Redis / 知识图谱 / 向量库）
## 1. 目标
- 为 4.13-7.1 研发阶段提供统一、可重复的基础服务底座。
- 与现有 `docker/dev-common` 与 `.devcontainer` 方案兼容，减少环境差异。

## 2. 服务基线
- 必选
  - PostgreSQL：主业务数据存储（多 schema）。
  - Redis：缓存、会话、热点数据。
  - Nacos：配置中心与注册中心（服务化阶段）。
  - NebulaGraph：知识图谱主方案（Neo4j 作为开发备选）。
  - Milvus：向量检索主方案。
- 可选
  - Python AI 服务：统一模型调用、图谱同步、向量写入。

## 3. 环境变量命名建议
- PostgreSQL
  - `K12STUDY_DB_HOST`
  - `K12STUDY_DB_PORT`
  - `K12STUDY_DB_NAME`
  - `K12STUDY_DB_USER`
  - `K12STUDY_DB_PASSWORD`
- Redis
  - `K12STUDY_REDIS_HOST`
  - `K12STUDY_REDIS_PORT`
  - `K12STUDY_REDIS_PASSWORD`
- Nacos
  - `K12STUDY_REGISTRY_HOST`
  - `K12STUDY_REGISTRY_PORT`
  - `K12STUDY_REGISTRY_GRPC_PORT`
  - `K12STUDY_REGISTRY_RAFT_PORT`
- 知识图谱（Nebula）
  - `K12STUDY_GRAPH_HOST`
  - `K12STUDY_GRAPH_PORT`
  - `K12STUDY_GRAPH_USER`
  - `K12STUDY_GRAPH_PASSWORD`
- 向量库（Milvus）
  - `K12STUDY_VECTOR_HOST`
  - `K12STUDY_VECTOR_PORT`
  - `K12STUDY_VECTOR_GRPC_PORT`

## 4. 配置落地建议
- 阶段一（M2）
  - 先以本地单机编排启动，保证联调可用。
- 阶段二（M5-M6）
  - 将图谱/向量配置接入 `ai-client` 与 `python-ai`。
- 阶段三（M7-M8）
  - 增加连通性与降级测试（图谱不可用、向量库超时、Redis 抖动）。

## 5. 健康检查建议
- PostgreSQL：`pg_isready`
- Redis：`redis-cli ping`
- NebulaGraph：`graphd` 端口连接可用
- Milvus：HTTP `/healthz`
- Python AI：`GET /health`

## 6. 与现有目录关系
- 现有公共服务编排：`docker/dev-common/docker-compose.public-services.yml`
- 本文新增服务编排样例：`docs/architecture/service-baseline.compose.yaml`