# models.dspy — 按能力分类列出可用模型（对齐 llmage v1/models 的分类方式）
#
# URL: /pipeline_llm/api/v1/models?catelogid=t2t
#   catelogid 可选：t2t / t2i / t2v / i2v / r2v / i2i / embedding / rerank / tts / asr / i2t / m2t ...
#   （能力类型标准 = 模型治理 appcodes llm_capability，新增走评审禁止野生标签）
#   不传 = 全部能力
#
# 鉴权：Authorization: Bearer *** token>（与 chat/completions 一致）。
# 机构隔离：只列本机构治理链可用的模型（无策略 = 空列表）。

auth = ''
try:
    auth = request.headers.get('Authorization', '') or ''
except Exception:
    auth = ''
if not auth:
    auth = (params_kw or {}).get('api_key', '') or ''

if not auth:
    return json.dumps({"error": {"message": "缺少 Authorization Bearer token",
                                 "type": "invalid_request_error", "code": "missing_token"}},
                      ensure_ascii=False)

ok, info = await verify_llm_token(auth)
if not ok:
    return json.dumps({"error": {"message": str(info),
                                 "type": "invalid_request_error", "code": "invalid_token"}},
                      ensure_ascii=False)

catelogid = (params_kw or {}).get('catelogid', '') or ''
rows = await llm_list_models(info.get('org_id', '') or '', catelogid=catelogid)

# OpenAI 兼容输出 + 分类字段（catelogid 照 llmage 叫法，值 = 能力类型标准）
out = {"object": "list", "data": []}
for r in rows:
    out["data"].append({
        "id": r.get('model_id', '') or r.get('name', ''),
        "object": "model",
        "name": r.get('name', ''),
        "catelogid": r.get('capability', ''),
        "vendor": r.get('vendor', ''),
    })
return json.dumps(out, ensure_ascii=False)