fix(platform): 能力语义判断改LLM裁决(2026-09-08用户定夺:词匹配不当裁决者)

qwen-image-plus实测根因:词匹配守卫把描述"图像生成"的输出词当输入证据,
反复把t2i纠正成i2i,人工override也被改回,死循环。
- 新增_llm_capability_judge:utility模型按能力字典语义裁决(输入→输出模态),
  失败不裁决不纠正(宁可保守不让词匹配越权)
- extract/apply两处:词匹配只当廉价触发器报可疑,裁决交LLM
- 人工override权威:__human_cap_overrides__登记的模型apply守卫一律跳过
- LLM裁决改能力后重新_spec_save锚定(否则apply取回旧值裁决白做)

pipeline_platform/platform_ability.py

@@ -162,6 +162,12 @@ def _spec_overlay(base, overrides):
             if vmid and newcap and newcap != m.get('capability'):
                 fixed.append('%s: %s→%s' % (vmid, m.get('capability'), newcap))
                 m['capability'] = newcap
+                # 人工纠正登记（2026-09-08）：apply 阶段的能力守卫必须跳过
+                # 这些模型——人工指令是权威，守卫再纠正=把用户的纠正改回去
+                # （qwen-image-plus 实测死循环的机制根源）。
+                hc = dict(out.get('__human_cap_overrides__') or {})
+                hc[vmid] = newcap
+                out['__human_cap_overrides__'] = hc
         out['models'] = models
         if fixed:
             out['doc_notes'] = ((out.get('doc_notes') or '') +
@@ -449,17 +455,35 @@ async def _h_extract_llm_api_spec(sor, params, ctx):
                                "需改动只传覆盖项（overrides 白名单：vendor_name/base_url/"
                                "protocol/doc_url/doc_notes/model_capability）。"
                                "禁止把本规格复制进 spec 参数——复制即编造。")
-    # 能力一致性告警（2026-09-06 wan3.0 教训）：提取完当场校验描述模态声明 vs
+    # 能力一致性告警（2026-09-06 wan3.0 教训；2026-09-08 升级：词匹配只当触发器，
-    # capability，矛盾信息直接回给助手（用户纠正时传 overrides.model_capability 重 apply）
+    # 裁决交 LLM——qwen-image-plus 实测词匹配把输出词当输入证据、t2i 被反复改成 i2i）
     cap_alerts = []
+    _cap_changed = False
     for _m in (spec.get("models") or []):
         _fix, _warn = _capability_guard(_m.get("capability", ""), _m.get("description", ""))
-        if _warn:
+        if _warn or _fix:
-            cap_alerts.append("%s: %s" % (_m.get("vendor_model_id", "?"), _warn))
+            # 词匹配报可疑 → LLM 语义裁决（裁决失败则只告警不纠正）
+            _jfix, _jnote = await _llm_capability_judge(
+                _m.get("capability", ""), _m.get("description", ""),
+                _m.get("vendor_model_id", ""))
+            if _jfix:
+                _m["capability"] = _jfix
+                _cap_changed = True
+                cap_alerts.append("%s: %s（已按 LLM 裁决更新提取规格）"
+                                  % (_m.get("vendor_model_id", "?"), _jnote))
+            elif _jnote:
+                cap_alerts.append("%s: %s" % (_m.get("vendor_model_id", "?"), _jnote))
+            elif _warn:
+                cap_alerts.append("%s: %s（词匹配可疑，LLM 裁决维持原判）"
+                                  % (_m.get("vendor_model_id", "?"), _warn))
+    # 裁决改了能力 → 必须重新锚定：_spec_save 在裁决前已存旧值，不重存则
+    # apply(use_last_extract=true) 取回的还是旧能力，LLM 裁决白做（实测根因）。
+    if _cap_changed:
+        _spec_save(ctx, spec)
     if cap_alerts:
-        out["__capability_alert__"] = ("能力分类与文档描述矛盾（按示例误判的典型信号），"
+        out["__capability_alert__"] = ("能力分类存疑项（LLM 语义裁决结果）："
-                                       "apply 时会自动纠正，也可用 overrides.model_capability "
+                                       + "；".join(cap_alerts)
-                                       "人工指定：" + "；".join(cap_alerts))
+                                       + "。如需人工指定用 overrides.model_capability。")
     return json.dumps(out, ensure_ascii=False)
 
 
@@ -481,6 +505,58 @@ _DESC_MEDIA_WORDS = {
 _DESC_REF_WORDS = ('参考生', '全能参考', '参考图', '参考视频', '参考音频', '四模态', '多模态参考')
 
 
+async def _llm_capability_judge(capability, description, vendor_model_id=''):
+    """LLM 语义裁决能力分类（2026-09-08 用户定夺：语义判断必须 LLM 参与，
+    词匹配只能当廉价触发器，不能当裁决者）。
+
+    背景：缺陷2（qwen-image-plus）实测——关键词守卫把描述里「图像生成」的
+    「图像」（输出词）当输入证据，反复把 t2i 纠正成 i2i，人工 override 也被
+    改回去，死循环。词匹配分不清输入/输出语义，LLM 能。
+
+    分工：_capability_guard（词匹配）只报「可疑」；本函数用 utility 廉价模型
+    按能力字典语义裁决。LLM 失败时返回 (None, 原因)——不裁决就不纠正，
+    保持提取 LLM 的原判定（宁可保守也不让词匹配越权）。
+    """
+    if not (description or '').strip():
+        return None, ''
+    prompt = (
+        '你是模型能力分类裁决器。模型 %s 的文档描述：\n%s\n\n'
+        '当前判定的能力分类：%s\n\n'
+        '能力分类字典（按输入→输出模态判定，描述里的输出媒体词不算输入证据）：\n'
+        't2t=文本→文本；i2t=图像→文本；m2t=多媒体→文本；t2i=文本→图像；'
+        'i2i=图像→图像；t2v=文本→视频；i2v=图像→视频；r2v=参考媒体(图/视频/音频组合)→视频；'
+        'tts=文本→语音；asr=语音→文本；embedding=文本→向量；rerank=重排序\n\n'
+        '请判断当前分类是否与描述的输入/输出模态一致。只返回 JSON：'
+        '{"consistent": true/false, "capability": "正确分类(不一致时给出)", '
+        '"reason": "一句话依据"}' % (vendor_model_id or '(未命名)', description[:600],
+                                     capability or '(空)'))
+    try:
+        from pipeline_service.llm_bridge import llm_call_msgs
+        raw = await llm_call_msgs(
+            [{"role": "user", "content": prompt}],
+            temperature=0, org_id="0", purpose="utility", timeout=60)
+    except Exception as e:
+        return None, 'LLM 裁决调用失败（保持原判定不纠正）: %s' % repr(e)[:120]
+    txt = (raw or '').strip()
+    m = re.search(r'\{[\s\S]*\}', txt)
+    if not m:
+        return None, 'LLM 裁决输出非 JSON（保持原判定不纠正）: %s' % txt[:120]
+    try:
+        obj = json.loads(m.group(0))
+    except Exception:
+        return None, 'LLM 裁决 JSON 解析失败（保持原判定不纠正）'
+    if not isinstance(obj, dict):
+        return None, ''
+    if obj.get('consistent') is True:
+        return None, ''
+    newcap = str(obj.get('capability') or '').strip().lower()
+    reason = str(obj.get('reason') or '')[:150]
+    if newcap and newcap != (capability or ''):
+        return newcap, 'LLM 语义裁决 %s→%s：%s' % (capability, newcap, reason)
+    return None, ('LLM 裁决认为能力分类存疑但未给出替代（%s），请人工核对'
+                  % reason) if reason else None
+
+
 def _capability_guard(capability, description):
     """描述模态声明 vs capability 一致性守卫（2026-09-06 wan3.0-video-prime 实测：
     描述自带"支持四模态全能参考"、capability 却是 t2v——提取 LLM 照调用示例判能力，
@@ -590,18 +666,35 @@ async def _h_apply_llm_config(sor, params, ctx):
     if not models:
         return "spec.models 为空——文档里没有可配置的模型？"
 
-    # 能力一致性守卫前置（2026-09-06 wan3.0 二次教训）：必须在 caps 计算/模板
+    # 能力一致性守卫前置（2026-09-06 wan3.0 二次教训；2026-09-08 用户定夺升级）：
-    # 生成之前跑——上一版放在模型循环里，纠正 t2v→r2v 时模板已按 t2v 生成，
+    # 必须在 caps 计算/模板生成之前跑——纠正能力后模板按新能力生成，否则
-    # profile_ids 无 r2v 键，模型更新的 IF 空值保护把旧 t2v 模板原样保留
+    # profile_ids 无该能力键、模型更新的 IF 空值保护把旧模板原样保留。
-    # （实测：template_notes 有纠正记录、库里 cap 仍是 t2v）。
+    # ⚠️ 语义判断必须 LLM 参与：词匹配只当廉价触发器（报可疑），裁决交
+    # _llm_capability_judge；**人工 override 的模型一律跳过守卫**——人工指令是
+    # 权威，守卫把用户纠正改回去正是 qwen-image-plus 死循环的机制根源。
     cap_notes = []
+    human_caps = spec.get('__human_cap_overrides__') or {}
     for m in models:
+        vmid = (m.get('vendor_model_id') or m.get('name') or '').strip()
+        if vmid and vmid in human_caps:
+            cap_notes.append("%s: 能力按人工指定 %s（守卫已跳过，不再自动纠正）"
+                             % (vmid, human_caps[vmid]))
+            continue
         _fix, _warn = _capability_guard(
             m.get("capability") or "", m.get("description") or "")
-        if _fix:
+        if not (_fix or _warn):
-            m["capability"] = _fix
+            continue
-        if _warn:
+        _jfix, _jnote = await _llm_capability_judge(
-            cap_notes.append("%s: %s" % (m.get("vendor_model_id") or "?", _warn))
+            m.get("capability") or "", m.get("description") or "", vmid)
+        if _jfix:
+            m["capability"] = _jfix
+            cap_notes.append("%s: %s" % (vmid or "?", _jnote))
+        elif _jnote:
+            cap_notes.append("%s: %s" % (vmid or "?", _jnote))
+        else:
+            cap_notes.append("%s: 词匹配报可疑但 LLM 裁决维持 %s（%s）"
+                             % (vmid or "?", m.get("capability") or "?",
+                                (_warn or _fix or '')[:80]))
 
     # 能力分类校验（2026-09-05 用户定夺的规则）：模型能力必须是字典已登记的
     # 分类；不存在则拒绝落库——先加能力分类（appcodes_kv llm_capability，