refactor: 推理请求统一走 er_backend 代理（127.0.0.1:17700）

- 嵌入/生成服务地址不再由前端按 cardType 推导端口，改为经 er_backend
  的 /v1/* 代理转发，服务端口以后端配置为唯一真相来源
- config.ts: 新增 ER_BACKEND_URL 统一常量，删除端口推导逻辑
- generator/statusHandler/queryHandler/erBackendHandler 跟随改造
- fix: package-kylin-arm64-deb.sh 从 .app-version 读版本号时剥离 v 前缀，
  修复无 git 环境下 dpkg-deb 报"版本号没有以数字开头"

scripts/package-kylin-arm64-deb.sh

@@ -29,7 +29,7 @@ fi
 # 的解析逻辑保持一致，确保三处版本号（deb 文件名、界面显示、控制文件）永远一致。
 VERSION=$(git describe --tags --abbrev=0 2>/dev/null | sed 's/^v//') || true
 if [ -z "$VERSION" ] && [ -f .app-version ]; then
-  VERSION=$(cat .app-version | tr -d '[:space:]')
+  VERSION=$(cat .app-version | tr -d '[:space:]' | sed 's/^v//')
 fi
 if [ -z "$VERSION" ]; then
   VERSION=$(node -p "require('./package.json').version")

src/main/config.ts

@@ -2,11 +2,14 @@ import { app } from 'electron'
 import { join } from 'path'
 import { existsSync, readFileSync, writeFileSync } from 'fs'
 
+// 推理请求统一走 er_backend 代理（管理面端口，/v1/* 由后端转发到其实际管理的 llama-server）
+export const ER_BACKEND_URL = 'http://127.0.0.1:17700'
+
 export interface AppConfig {
   embed: {
     provider: 'local' | 'llamacpp'
     localModelPath: string
-    baseUrl: string   // 由 applyPlatformOverrides 自动推导，不对用户暴露
+    baseUrl: string   // 由 applyPlatformOverrides 固定为 er_backend 代理地址，不对用户暴露
   }
   rag: {
     chunkSize: number
@@ -14,6 +17,7 @@ export interface AppConfig {
     topK: number
     systemPrompt: string
   }
+  // 服务的启动参数/端口由 er_backend 统一管理，以下字段仅为历史配置保留，前端不再用于路由
   llamacppServer: {
     executablePath: string
     modelPath: string
@@ -60,7 +64,7 @@ export const DEFAULT_CONFIG: AppConfig = {
   embed: {
     provider: 'llamacpp',
     localModelPath: '',
-    baseUrl: 'http://127.0.0.1:17701'
+    baseUrl: ER_BACKEND_URL
   },
   llamacppServer: {
     executablePath: '',
@@ -206,19 +210,18 @@ export function getConfig(): AppConfig {
 }
 
 // 按计算卡型号覆盖 embed provider 和默认启动参数
+// 推理请求统一走 er_backend 代理（ER_BACKEND_URL），服务端口以后端配置为准，前端不再维护
 function applyPlatformOverrides(config: AppConfig): void {
   const card = config.hardware.cardType
   if (card === 'er25') {
     // ER25：嵌入固定本地 CPU，无嵌入服务进程
     config.embed.provider = 'local'
-    config.llamacppServer.port = 8080
     if (!config.llamacppServer.extraArgs.trim()) {
       config.llamacppServer.extraArgs = '--port 8080 --ctk bf16 --ctv bf16 --no-warmup -ub 128'
     }
   } else {
     // ER160：嵌入默认 llamacpp NPU（local 保持不变）
     if (config.embed.provider !== 'local') config.embed.provider = 'llamacpp'
-    config.llamacppServer.port = 8081
     if (!config.llamacppServer.extraArgs.trim()) {
       config.llamacppServer.extraArgs = '--port 8081 --presence_penalty 1.5'
     }
@@ -226,8 +229,8 @@ function applyPlatformOverrides(config: AppConfig): void {
       config.llamacppEmbed.extraArgs = DEFAULT_CONFIG.llamacppEmbed.extraArgs
     }
   }
-  // 嵌入服务地址跟随端口
+  // 嵌入/生成服务地址固定为 er_backend 代理
-  config.embed.baseUrl = `http://127.0.0.1:${config.llamacppEmbed.port}`
+  config.embed.baseUrl = ER_BACKEND_URL
 }
 
 export function saveConfig(config: AppConfig): void {

src/main/ipc/erBackendHandler.ts

@@ -1,7 +1,6 @@
 import { ipcMain } from 'electron'
 import { execFile } from 'child_process'
-
+import { ER_BACKEND_URL } from '../config'
-const ER_BACKEND_URL = 'http://localhost:17700'
 
 async function isRunning(): Promise<boolean> {
   try {

src/main/ipc/queryHandler.ts

@@ -16,7 +16,7 @@ export function registerQueryHandlers(getWin: () => BrowserWindow | null): void
     console.log(`\n${'='.repeat(60)}`)
     console.log('[query] 问题：', payload.question)
     console.log('[query] topK：', payload.topK)
-    console.log('[query] 向量化方式：', config.embed.provider, '生成服务端口：', config.llamacppServer.port)
+    console.log('[query] 向量化方式：', config.embed.provider, '生成/嵌入服务：er_backend 代理（127.0.0.1:17700）')
 
     const send = (channel: string, data: unknown): void => {
       getWin()?.webContents.send(channel, data)
@@ -50,7 +50,6 @@ export function registerQueryHandlers(getWin: () => BrowserWindow | null): void
         payload.question,
         chunks,
         payload.systemPrompt,
-        config.llamacppServer,
         {
           onDelta: (delta) => send('query:delta', { delta }),
           onDone: (stats) => send('query:done', { stats: stats ?? null }),

src/main/ipc/statusHandler.ts

@@ -2,7 +2,7 @@ import { ipcMain, dialog } from 'electron'
 import type { BrowserWindow } from 'electron'
 import { existsSync, readFileSync, writeFileSync } from 'fs'
 import { join } from 'path'
-import { getConfig, saveConfig, getDbPath, AppConfig } from '../config'
+import { getConfig, saveConfig, getDbPath, AppConfig, ER_BACKEND_URL } from '../config'
 import { getDocCount } from '../db/lancedb'
 import { embedOneLocal, resolveLocalModelPath } from '../rag/localEmbedder'
 import { syncNpuPolling } from './npuHandler'
@@ -100,11 +100,12 @@ export function registerStatusHandlers(getWin: () => BrowserWindow | null): void
     }
   })
 
-  ipcMain.handle('chat-test', async (_event, llamacppConfig: AppConfig['llamacppServer']): Promise<TestResult> => {
+  // 生成服务连接测试（经 er_backend 代理转发到 llama-server）
+  ipcMain.handle('chat-test', async (_event, _llamacppConfig: AppConfig['llamacppServer']): Promise<TestResult> => {
     const start = Date.now()
     const elapsed = (): string => `${Date.now() - start}ms`
     try {
-      const res = await fetch(`http://127.0.0.1:${llamacppConfig.port}/v1/chat/completions`, {
+      const res = await fetch(`${ER_BACKEND_URL}/v1/chat/completions`, {
         method: 'POST',
         headers: { 'Content-Type': 'application/json' },
         body: JSON.stringify({

src/main/rag/generator.ts

@@ -1,5 +1,5 @@
 import type { SearchResult } from '../db/lancedb'
-import type { AppConfig } from '../config'
+import { ER_BACKEND_URL } from '../config'
 
 export interface GeneratorStats {
   tokensPerSecond: number
@@ -14,12 +14,11 @@ export interface GeneratorCallbacks {
   onError: (message: string) => void
 }
 
-// 生成服务固定使用 llamacpp（ER160/ER25 均通过 er_backend 管理的 llama-server）
+// 生成服务经 er_backend 代理访问其管理的 llama-server（OpenAI 兼容接口，SSE 流式）
 export async function streamGenerate(
   question: string,
   chunks: SearchResult[],
   systemPrompt: string,
-  llamacppConfig: AppConfig['llamacppServer'],
   callbacks: GeneratorCallbacks
 ): Promise<void> {
   const context = chunks
@@ -33,22 +32,21 @@ ${context}
 请回答以下问题：${question}`
 
   console.log('\n[generator] ---- 发送给 LLM 的完整消息 ----')
-  console.log(`[generator] 服务地址：http://127.0.0.1:${llamacppConfig.port}`)
+  console.log(`[generator] 服务地址：${ER_BACKEND_URL}（er_backend 代理）`)
   console.log('[generator] system prompt：\n', systemPrompt)
   console.log('[generator] user message：\n', userMessage)
   console.log('[generator] ---- 消息结束 ----\n')
 
-  await streamGenerateLlamaCpp(userMessage, systemPrompt, llamacppConfig, callbacks)
+  await streamGenerateLlamaCpp(userMessage, systemPrompt, callbacks)
 }
 
 // llama.cpp server OpenAI 兼容接口（/v1/chat/completions），SSE 格式
 async function streamGenerateLlamaCpp(
   userMessage: string,
   systemPrompt: string,
-  llamacppConfig: AppConfig['llamacppServer'],
   callbacks: GeneratorCallbacks
 ): Promise<void> {
-  const baseUrl = `http://127.0.0.1:${llamacppConfig.port}`
+  const baseUrl = ER_BACKEND_URL
   let fullResponse = ''
   let thinkOpen = false
   const requestSentTime = Date.now()
@@ -71,12 +69,12 @@ async function streamGenerateLlamaCpp(
       })
     })
   } catch (e) {
-    callbacks.onError(`无法连接 llama.cpp server（${baseUrl}）：${String(e)}`)
+    callbacks.onError(`无法连接生成服务（${baseUrl}，er_backend 代理）：${String(e)}`)
     return
   }
 
   if (!response.ok) {
-    callbacks.onError(`llama.cpp server 请求失败：${response.status}`)
+    callbacks.onError(`生成服务请求失败：${response.status}`)
     return
   }