pipeline-platform/pipeline_platform/platform_ability.py

"""
pipeline-service: platform_ability — 平台内部 agent 能力包（pipeline_id=platform_general）

产线平台自身的运维/管理 agent：拥有平台应用和各模块的技能，
核心能力是「通读模型 API 文档 → 自动生成模型治理配置（供应商/适配模板/模型/定价）」。

权限模型（代码层硬门禁，不依赖 prompt）：
  所有工具 handler 入口校验调用者持有 owner 组织的角色（orgtypeid='owner'，含通配 'owner.*'）。
  内部 agent 只服务 owner 组织的角色——其他组织的用户即使打开页面也调不动任何工具。

配置生成链路（用户给定 API 文档 → 完成配置）：
  ① fetch_model_doc：抓取文档页面（SSRF 防护：仅 http(s) 公网域名）
  ② extract_llm_api_spec：LLM 从文档提取端点/协议/请求响应格式/定价
  ③ apply_llm_config：写库——复用 pipeline-llm 模块的 CRUD 函数
     （llm_vendor.endpoints + llm_api_profile 模板 + llm_model 含四价）
"""

import asyncio
import hashlib
import json
import logging
import re
import time

import yaml

from appPublic.uniqueID import getID

from pipeline_core import (
    ToolDefinition,
    PipelineAbility,
    register_ability,
)

logger = logging.getLogger("pipeline.platform_ability")

PLATFORM_PIPELINE_ID = "platform_general"

# 组织门禁：内部 agent 仅 owner 组织的角色可操作（任一 owner.* 角色，含通配）
OWNER_ORG = "owner"

# 当前运行时调用链支持的协议（模式定义在模型的适配模板/执行器，非供应商）：
#   openai_compat —— 同步 chat/completions 一次往返
#   dashscope_async —— 异步执行器：提交任务→轮询 query_profile_ids→取结果（2026-09-05）
# 其他协议的适配模板会存入 llm_api_profile 备查，但运行时暂不渲染。
RUNTIME_PROTOCOLS = ("openai_compat", "dashscope_async", "dashscope_sync")

# ────────────────────── 会话级规格缓存（extract 锚定，2026-09-05）──────────────────────
# 根因：apply_llm_config 要求 LLM 把 extract 返回的大 JSON 规格逐字复制进参数，
# 模型「转述」大 JSON 必然编造结构（实测三轮全编造 vendor{}/api_profile{} 等契约外字段）。
# 对策：extract 成功后把规格锚定到「会话级缓存」，apply/apply_model_pricing 用
# use_last_extract=true 直接取用 + 少量覆盖项（vendor_name 等），LLM 永不搬运大 JSON。
#
# 会话级隔离（用户硬要求）：缓存键 = pipeline_id:user_id:session_id，三段缺一不可，
# 防跨会话/跨用户/跨产线串数据。存 Redis db4（治理命名空间，gateway 已在用），
# 跨 worker 进程不丢；TTL 兜底过期。Redis 不可用时降级进程内字典（仍按同键隔离）。
_SPEC_CACHE_TTL = 7200          # 规格缓存 2 小时（一次配置会话足够）
_SPEC_CACHE_PREFIX = "llm_spec"
_spec_cache_local = {}          # Redis 不可用时的进程内降级（同样按隔离键）


def _spec_cache_key(ctx):
    """会话级隔离键：pipeline_id:user_id:session_id。任一段缺失返回 ''（拒绝缓存）。"""
    pl = (ctx.get("pipeline_id") or "").strip()
    uid = (ctx.get("user_id") or "").strip()
    sid = (ctx.get("session_id") or "").strip()
    if not (pl and uid and sid):
        return ''
    return "%s:%s:%s:%s" % (_SPEC_CACHE_PREFIX, pl, uid, sid)


def _spec_redis():
    """复用治理命名空间 Redis db4（与 gateway 限流同库，会话态用 db3 不冲突）。"""
    try:
        import redis as _r
        try:
            from appPublic.jsonConfig import getConfig
            url = (getConfig().website or {}).get('session_redis', {}).get('url', '')
        except Exception:
            url = ''
        if not url:
            url = 'redis://127.0.0.1:6379/3'
        base = url.rsplit('/', 1)[0]
        return _r.Redis.from_url(base + '/4', socket_timeout=2)
    except Exception:
        return None


def _spec_save(ctx, spec):
    """锚定规格到会话缓存。返回 True/False。无隔离键则不缓存（apply 会要求显式传 spec）。"""
    key = _spec_cache_key(ctx)
    if not key:
        return False
    try:
        payload = json.dumps(spec, ensure_ascii=False)
    except Exception:
        return False
    r = _spec_redis()
    if r is not None:
        try:
            r.set(key, payload, ex=_SPEC_CACHE_TTL)
            return True
        except Exception:
            pass
    _spec_cache_local[key] = (payload, time.time() + _SPEC_CACHE_TTL)
    return True


def _spec_load(ctx):
    """取本会话锚定的规格。无则返回 None。严格会话级隔离（键含 session_id）。"""
    key = _spec_cache_key(ctx)
    if not key:
        return None
    r = _spec_redis()
    raw = None
    if r is not None:
        try:
            v = r.get(key)
            raw = v.decode('utf-8') if isinstance(v, (bytes, bytearray)) else v
        except Exception:
            raw = None
    if raw is None:
        ent = _spec_cache_local.get(key)
        if ent and ent[1] > time.time():
            raw = ent[0]
        elif ent:
            _spec_cache_local.pop(key, None)
    if not raw:
        return None
    try:
        return json.loads(raw)
    except Exception:
        return None


def _spec_overlay(base, overrides):
    """覆盖项合并：仅允许少量标量覆盖（vendor_name 等），不做大 JSON 搬运。

    overrides 只认白名单键，防止 LLM 借覆盖项塞回编造结构。
    model_capability（2026-09-06 wan3.0 教训）：{vendor_model_id: capability}
    按模型纠正能力——用户提醒「这是参考生视频」后助手必须有工具路径把纠正
    落进规格，否则只能重跑 extract，同样提示词同样误判（提醒无效的死循环）。
    纠正值仍要过能力字典校验（下游 unknown 拒绝落库），不会被塞私货。
    """
    allowed = {'vendor_name', 'base_url', 'protocol', 'doc_url', 'doc_notes'}
    out = dict(base or {})
    for k in allowed:
        if k in (overrides or {}) and str(overrides.get(k) or '').strip():
            out[k] = str(overrides[k]).strip()
    mc = (overrides or {}).get('model_capability')
    if isinstance(mc, str):
        try:
            mc = json.loads(mc)
        except Exception:
            mc = None
    if isinstance(mc, dict) and mc:
        fixed = []
        models = list(out.get('models') or [])
        for m in models:
            vmid = m.get('vendor_model_id') or m.get('name') or ''
            newcap = str(mc.get(vmid) or '').strip()
            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 '') +
                                ' [能力已按人工纠正: %s]' % '；'.join(fixed)).strip()
    return out


# ────────────────────── 权限门禁（代码层） ──────────────────────

async def _require_owner(sor, ctx) -> str:
    """校验当前用户持有 owner 组织的角色。返回 ''=通过，否则错误信息。

    判定：userrole→role JOIN 后，存在任一 orgtypeid='owner' 的角色（含通配 'owner.*'）。
    """
    uid = ctx.get("user_id", "") or ""
    if not uid:
        return "无法识别当前用户身份（未登录），内部 agent 仅 owner 组织角色可用"
    recs = await sor.sqlExe(
        "SELECT r.orgtypeid, r.name FROM userrole ur JOIN role r ON ur.roleid=r.id "
        "WHERE ur.userid=${u}$", {"u": uid})
    await sor.sqlExe("COMMIT", {})
    roles = []
    for r in (recs or []):
        o = getattr(r, "orgtypeid", "") or ""
        n = getattr(r, "name", "") or ""
        if o and n:
            roles.append("%s.%s" % (o, n))
    if any(fn.split(".", 1)[0] == OWNER_ORG for fn in roles):
        return ""
    return "权限不足：内部 agent 工具仅 %s 组织的角色可操作，当前角色 %s" % (
        OWNER_ORG, sorted(set(roles)) or "无")


def _row(r):
    """sqlor row → dict（容忍属性访问）。"""
    if hasattr(r, "__dict__"):
        return {k: v for k, v in r.__dict__.items() if not k.startswith("_")}
    return {}


# ────────────────────── 工具 1：模型治理状态 ──────────────────────

async def _h_platform_llm_status(sor, params, ctx):
    """供应商/账号/模型/用量概览（owner 组织诊断配置用）。"""
    err = await _require_owner(sor, ctx)
    if err:
        return err
    out = {}
    for tbl in ("llm_vendor", "llm_account", "llm_model"):
        recs = await sor.sqlExe(
            "SELECT status, COUNT(*) AS c FROM " + tbl + " GROUP BY status", {})
        await sor.sqlExe("COMMIT", {})
        out[tbl] = {getattr(r, "status", ""): int(getattr(r, "c", 0)) for r in (recs or [])}
    accs = await sor.sqlExe(
        "SELECT name, balance, status FROM llm_account ORDER BY balance DESC LIMIT 20", {})
    await sor.sqlExe("COMMIT", {})
    out["accounts"] = [
        {"name": getattr(r, "name", ""), "balance": float(getattr(r, "balance", 0) or 0),
         "status": getattr(r, "status", "")} for r in (accs or [])]
    models = await sor.sqlExe(
        "SELECT name, vendor_model_id, capability, status "
        "FROM llm_model ORDER BY created_at DESC LIMIT 30", {})
    await sor.sqlExe("COMMIT", {})
    out["models"] = [
        {"name": getattr(r, "name", ""), "vendor_model_id": getattr(r, "vendor_model_id", ""),
         "capability": getattr(r, "capability", ""),
         "status": getattr(r, "status", "")} for r in (models or [])]
    return json.dumps(out, ensure_ascii=False)


# ────────────────────── 工具 2：抓取模型 API 文档 ──────────────────────

_MAX_DOC_CHARS = 60000
_MAX_REDIRECTS = 5


def _validate_doc_url(url: str) -> str:
    """SSRF 防护：仅允许 http(s) + 公网域名。返回 ''=通过，否则错误。"""
    if not re.match(r"^https?://", url or ""):
        return "文档 URL 必须是 http/https 链接"
    host = re.sub(r"^https?://", "", url).split("/")[0].split(":")[0].lower()
    if not re.match(r"^[a-z0-9][a-z0-9.-]+\.[a-z]{2,}$", host):
        return "文档 URL 域名非法（不接受 IP/内网地址）"
    if host in ("localhost",) or host.endswith((".local", ".internal", ".localhost")):
        return "文档 URL 不允许指向内网/本地地址"
    return ""


def _html_to_text(html: str) -> str:
    """粗暴去标签提取文本（文档页面用，不追求完美排版）。"""
    txt = re.sub(r"(?is)<(script|style|noscript)[^>]*>.*?</\1>", " ", html or "")
    txt = re.sub(r"(?is)<[^>]+>", " ", txt)
    txt = re.sub(r"&nbsp;", " ", txt)
    txt = re.sub(r"&lt;", "<", txt)
    txt = re.sub(r"&gt;", ">", txt)
    txt = re.sub(r"&amp;", "&", txt)
    txt = re.sub(r"&quot;", '"', txt)
    txt = re.sub(r"[ \t]+", " ", txt)
    txt = re.sub(r"\n\s*\n+", "\n", txt)
    return txt.strip()


def _is_private_ip(ip: str) -> bool:
    """DNS 解析后的二次防线：解析到私有/环回/链路本地地址一律拒绝（DNS rebinding 防护）。"""
    import ipaddress
    try:
        a = ipaddress.ip_address(ip)
    except ValueError:
        return True  # 解析不出就当私有（拒绝）
    return (a.is_private or a.is_loopback or a.is_link_local
            or a.is_reserved or a.is_multicast or a.is_unspecified)


async def _fetch_url_safe(url: str, max_redirects: int = _MAX_REDIRECTS):
    """带重定向逐跳校验的抓取（每一跳都过域名+DNS双重校验）。

    返回 (text, content_type)；失败抛 ValueError。
    """
    import aiohttp
    current = url
    for _ in range(max_redirects + 1):
        verr = _validate_doc_url(current)
        if verr:
            raise ValueError(verr)
        host = re.sub(r"^https?://", "", current).split("/")[0].split(":")[0].lower()
        # DNS 解析校验（同步阻塞短调用，可接受；防 DNS rebinding 指向内网）
        try:
            infos = await asyncio.get_event_loop().getaddrinfo(host, None)
        except Exception as e:
            raise ValueError("文档域名无法解析：%s" % str(e)[:120])
        for info in infos:
            ip = str(info[4][0])
            if _is_private_ip(ip):
                raise ValueError("文档域名解析到内网地址（%s），拒绝访问" % ip)
        timeout = aiohttp.ClientTimeout(total=30)
        async with aiohttp.ClientSession(timeout=timeout) as sess:
            async with sess.get(current, headers={"User-Agent": "Mozilla/5.0"},
                                allow_redirects=False, ssl=False) as resp:
                if resp.status in (301, 302, 303, 307, 308):
                    loc = resp.headers.get("Location", "")
                    if not loc:
                        raise ValueError("重定向缺少 Location")
                    if loc.startswith("/"):
                        scheme = "https" if current.startswith("https") else "http"
                        loc = "%s://%s%s" % (scheme, host, loc)
                    current = loc
                    continue
                if resp.status != 200:
                    raise ValueError("抓取失败：HTTP %d" % resp.status)
                ctype = resp.headers.get("Content-Type", "")
                raw = await resp.text(errors="replace")
                return raw, ctype
    raise ValueError("重定向次数超限（>%d）" % max_redirects)


async def _h_fetch_model_doc(sor, params, ctx):
    """抓取模型 API 文档页面 → 纯文本（供 LLM 提取配置规格）。"""
    err = await _require_owner(sor, ctx)
    if err:
        return err
    url = (params.get("url") or "").strip()
    try:
        raw, ctype = await _fetch_url_safe(url)
    except ValueError as e:
        return str(e)
    except Exception as e:
        return "抓取失败：%s" % str(e)[:200]
    if "html" in ctype.lower() or raw.lstrip()[:15].lower().startswith(("<!doctype", "<html")):
        text = _html_to_text(raw)
    else:
        text = raw
    if len(text) > _MAX_DOC_CHARS:
        text = text[:_MAX_DOC_CHARS] + "\n[文档过长已截断，共 %d 字符]" % len(text)
    # 出处行：提取规格照抄进 doc_url，落库写进模型/定价描述（2026-09-05 用户规则）
    text = text + "\n\n[出处URL] " + url
    return text


# ────────────────────── 工具 3：提取配置规格（LLM） ──────────────────────

_EXTRACT_PROMPT = """你是大模型 API 配置专家。通读下面这份模型 API 文档，提取配置规格。

只输出一个 JSON 对象（不要 markdown 代码块），字段：
{
  "vendor_name": "供应商名称",
  "base_url": "API 主机根——只填 scheme+域名（如 https://dashscope.aliyuncs.com），禁止带任何路径段（/api/v1、/compatible-mode/v1 等一律不进 base_url）。端点是纯连接点、对所有模型可互换；接口路径（含版本段）完整放进 chat_path / 各步骤 path",
  "protocol": "openai_compat | dashscope_sync | dashscope_async | custom（能走 chat/completions 语义的填 openai_compat；DashScope 原生接口按交互形态二选一，见下方协议判定规则）",
  "endpoints": [{"base_url": "主机根，如 https://dashscope.aliyuncs.com", "region": "domestic|international", "timeout": 60}],
  "chat_path": "对话接口从主机根起的完整路径（含版本段，如 /compatible-mode/v1/chat/completions 或 /api/v3/chat/completions）",
  "auth_header": "认证头格式说明（如 Bearer API_KEY）",
  "request_headers": {"说明": "文档调用示例里除认证外的必需请求头，逐字照抄（如 DashScope 异步的 X-DashScope-Async: enable）；无则 null"},
  "request_fields": ["请求体字段名列表"],
  "request_example": {"说明": "文档调用示例(cURL/代码)中的完整请求体 JSON，逐字照抄结构与各字段示例值，不要修改；文档无示例填 null"},
  "field_enums": {"说明": "业务参数的可选值枚举（从文档参数说明表逐字照抄，如 {\"resolution\": [\"480P\",\"720P\",\"1080P\"], \"duration\": [3,5,10]}）。文档没列可选值的参数不要编造；无则 null"},
  "response_format": "响应格式说明（content 字段路径 + usage 字段路径）",
  "response_example": {"说明": "文档中的响应示例 JSON（或结果字段说明），逐字照抄；无则 null"},
  "async_steps": [{"purpose": "query|download", "path": "该步骤接口路径", "method": "GET|POST", "request_fields": ["请求字段名列表"], "response_format": "该步骤响应格式说明"}],
  "models": [{"vendor_model_id": "供应商侧模型ID", "capability": "t2t|t2i|i2t|m2t|t2v|i2v|r2v|i2i|embedding|rerank|tts|asr|mm-embedding|mm-rerank",
              "sync_mode": "sync|async（提交后需轮询查询结果的填 async）",
              "description": "一句话说明"}],
  "pricing": {
    "currency": "CNY|USD（文档标注的币种）",
    "items": [{"vendor_model_id": "对应模型ID",
               "factor": "duration|flat|prompt_tokens|completion_tokens|uncache_tokens|cached_tokens（计价因子：视频按秒=duration，按次=flat；token计价：文档只给一个输入价=prompt_tokens；文档区分缓存命中价=非缓存输入用uncache_tokens+缓存命中用cached_tokens+输出completion_tokens——禁止用prompt_tokens配缓存价，会与uncache/cached重复计价）",
               "unit_price": 0.45,
               "unit": "秒|次|百万（文档标注的计价单位名）",
               "dimensions": {"resolution": "480P（影响价格档位的维度，按文档原文值；禁止放 model）"},
               "doc_quote": "文档原文定价句（逐字照抄，标明出处用）"}]
  },
  "doc_url": "从文档文本末尾的 [出处URL] 行逐字照抄（配置出处，必填）",
  "doc_notes": "文档中影响配置的关键注意点"
}

协议判定规则（2026-09-08 qwen-image-plus 实测教训：交互形态有三种，同步生成此前被误判成异步）：
- **dashscope_sync（同步生成）**：调用示例是 `MultiModalConversation.call(stream=False)` 或一次 HTTP 请求直接返回产物（图像/语音），无 task_id、无轮询查询接口 → sync_mode=sync、async_steps=[]、**不带 X-DashScope-Async 头**。
- **dashscope_async（异步任务）**：文档描述「先提交任务拿 task_id、再轮询查询结果」，或示例带 `X-DashScope-Async: enable` 头 → sync_mode=async，并提取 async_steps：
  至少一条 purpose=query（查询任务状态/结果）；若文档另有独立下载/取文件接口，再加一条 purpose=download。
- 判据优先级：**调用示例的交互形态 > 供应商惯例**。同一供应商（如 DashScope）可同时有同步生成模型（图像/语音）和异步任务模型（长视频）——按各模型自己的文档判，不要按供应商一刀切。
- 任务查询接口通常是**供应商级共用**的（如 DashScope 全系异步模型都是 GET /tasks/{task_id}），path 照文档逐字抄；同供应商多个模型会复用同一份查询模板，不要因模型而异。
- 同步模型 async_steps 填空数组 []。

能力判定铁律（2026-09-06 wan3.0-video-prime 误判教训——概述明写"四模态全能参考"、
输入=音频/图像/文本/视频，却因调用示例只有 prompt 被判成 t2v）：
- capability 必须以文档**概述正文 + 输入/输出模态声明**为准，禁止以调用示例为准——
  示例常只演示最简形态（纯文本 prompt），照示例判会把多媒体参考模型误判成纯文本模型。
- 判定表（输入模态 → 输出模态 ⇒ 能力）：
  多种媒体输入或正文含「参考/reference/全能参考/多图/多模态输入」且输出为视频 ⇒ r2v（即使示例只有文本）；
  图像+文本 → 视频 ⇒ i2v；仅文本 → 视频 ⇒ t2v；仅文本 → 图像 ⇒ t2i；图像 → 图像 ⇒ i2i；
  视频 → 视频 ⇒ v2v 类按字典就近；文本 → 音频 ⇒ tts；音频 → 文本 ⇒ asr；
  仅图像(+文本) → 文本 ⇒ i2t；多种媒体输入(图+视频/音频等任意组合)(+文本) → 文本 ⇒ m2t；仅文本 → 文本 ⇒ t2t。
- description 里必须保留正文的模态声明原文关键词（如"支持四模态全能参考"），供下游一致性校验。

定价规则：
- pricing.items 每条必须带 doc_quote（文档原文定价句逐字照抄）——定价只允许来自文档原文
- 价格/单位按文档原文记录，禁止自行换算、推导或统一单位
- 同一模型多档价格（如不同分辨率）拆成多条 item，各带自己的 dimensions 与 doc_quote
- dimensions 禁止放 model——一个定价方案只服务一个模型；定价完全相同的多个模型
  共享同一个定价方案（同一 ppid），不是往定价里加 model 过滤
- 文档没写价格：items 填空数组 []（禁止编造价格）

文档内容：
"""


async def _h_extract_llm_api_spec(sor, params, ctx):
    """LLM 通读文档文本 → 结构化配置规格（JSON）。"""
    err = await _require_owner(sor, ctx)
    if err:
        return err
    doc_text = (params.get("doc_text") or "").strip()
    if len(doc_text) < 100:
        return "文档文本太短（<100字符），无法提取配置——先用 fetch_model_doc 抓取"
    try:
        from pipeline_service.llm_bridge import llm_call_msgs
        # purpose='utility'：辅助任务走辅助模型链（机构策略配置则优先，便宜快）
        # timeout=300：长文档提取慢，端点默认 60 秒实测跑不完（2026-09-04 根因）
        raw = await llm_call_msgs(
            [{"role": "system", "content": _EXTRACT_PROMPT},
             {"role": "user", "content": doc_text[:48000]}],
            temperature=0.1, org_id="0", user_id=ctx.get("user_id", ""),
            purpose="utility", timeout=300)
    except Exception as e:
        return "LLM 提取失败：%s" % str(e)[:200]
    txt = (raw or "").strip()
    if txt.startswith("```"):
        txt = txt.split("\n", 1)[1] if "\n" in txt else txt
        txt = txt.rsplit("```", 1)[0]
    try:
        spec = json.loads(txt)
    except Exception:
        m = re.search(r"\{.*\}", txt, re.S)
        if not m:
            return "LLM 输出不是合法 JSON：%s" % txt[:300]
        try:
            spec = json.loads(m.group(0))
        except Exception:
            return "LLM 输出不是合法 JSON：%s" % txt[:300]
    # 会话级锚定（2026-09-05）：规格存会话缓存（键含 session_id，跨会话隔离），
    # 后续 apply_llm_config / apply_model_pricing 用 use_last_extract=true 取用——
    # LLM 不再搬运/转述大 JSON（转述必编造结构，实测三轮全编造）。
    anchored = _spec_save(ctx, spec)
    out = dict(spec)
    if anchored:
        out["__anchored__"] = ("规格已锚定到本会话缓存。下一步调用 apply_llm_config 与 "
                               "apply_model_pricing 时传 {\"use_last_extract\": true}，"
                               "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；2026-09-08 升级：词匹配只当触发器，
    # 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 or _fix:
            # 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__"] = ("能力分类存疑项（LLM 语义裁决结果）："
                                       + "；".join(cap_alerts)
                                       + "。如需人工指定用 overrides.model_capability。")
    return json.dumps(out, ensure_ascii=False)


# ────────────────────── 工具 4：写入配置（幂等） ──────────────────────

def _f(v, default=0.0):
    try:
        return float(v)
    except (TypeError, ValueError):
        return default


# 描述里的媒体输入声明词（能力一致性守卫用）
_DESC_MEDIA_WORDS = {
    'image': ('图像', '图片', '多图'),
    'video': ('视频',),
    'audio': ('音频', '声音'),
}
_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，
    示例只演示最简形态就误判；提示词加铁律后仍需代码级兜底，LLM 不保证遵守）。

    保守策略：只在「纯文本能力（t2v/t2i/t2t）+ 描述含媒体输入/参考声明」这种
    铁证矛盾时纠正；其他不一致只警告不改（避免误伤描述措辞不规范的正确配置）。
    歧义处理："视频"二字在 t2v/i2v 描述里几乎必现（输出侧），不算输入声明；
    输入声明判据 = 参考词（参考生/全能参考/四模态等）或图像/音频词或输入媒体≥2类。
    返回 (corrected_cap 或 None, warning 或 None)。
    """
    desc = description or ''
    if not desc or capability not in ('t2v', 't2i', 't2t'):
        return None, None
    has_ref = any(w in desc for w in _DESC_REF_WORDS)
    kinds = [k for k, words in _DESC_MEDIA_WORDS.items() if any(w in desc for w in words)]
    # 输出侧媒体词对称排除（2026-09-07 qwen-image-plus 实测根因）：纯文本生成
    # 能力的描述几乎必含其输出媒体词——t2v 必含「视频」、t2i 必含「图像/图片」，
    # 那是输出声明不是输入声明。此前只排 video（video 在 t2v/i2v 描述必现），
    # 没排 image（image 在 t2i 描述必现）→「千问系列图像生成模型」被误判有
    # 图像输入 → t2i 被反复纠正成 i2i，且 overrides.model_capability 压不住
    # （守卫在 apply 前置阶段每次又改回去，用户纠正陷入死循环）。
    _OUTPUT_KIND = {'t2v': 'video', 't2i': 'image'}
    out_kind = _OUTPUT_KIND.get(capability)
    input_kinds = [k for k in kinds if k != out_kind]
    if not (has_ref or input_kinds):
        return None, None
    if capability == 't2t':
        return None, ("描述含媒体输入声明（%s%s）但能力是 t2t——请人工核对能力分类"
                      % ('/'.join(kinds), '，含参考声明' if has_ref else ''))
    out_word = '视频' if capability == 't2v' else '图像'
    expected = None
    if has_ref:
        expected = 'r2v' if capability == 't2v' else 'i2i'
    elif len(input_kinds) >= 2:
        expected = 'r2v' if capability == 't2v' else 'i2i'
    elif 'image' in input_kinds:
        expected = 'i2v' if capability == 't2v' else 'i2i'
    elif 'audio' in input_kinds:
        # 音频输入语义不定（r2v 音频参考 / asr / tts 反向），不敢自动纠正
        return None, ("描述含音频输入声明但能力是 %s——无法确定目标能力，"
                      "请人工核对（可用 overrides.model_capability 纠正）" % capability)
    if expected and expected != capability:
        return expected, ("能力自动纠正 %s→%s：描述声明媒体输入（%s%s），"
                          "纯文本能力与之矛盾（提取照示例误判，守卫按正文模态纠正）"
                          % (capability, expected, '/'.join(kinds),
                             '，含参考声明' if has_ref else ''))
    return None, None


# ────────────────────── 模型配套技能自动生成（2026-09-08 用户定夺） ──────────────────────

def _model_skill_path(model_name):
    """模型配套技能路径：skills/models/{model}/SKILL.md（全局模板目录）。

    skills/models/ 不在 SkillLoader 扫描范围（global/pipelines/orgs/users），
    不进 agent 技能目录层——它是 invoke_model 完备性裁决的数据契约，
    由 platform_model_tools.load_model_skill 直读。
    """
    import os
    from pipeline_core.skill_pack import get_skills_base
    safe = "".join(ch for ch in (model_name or "") if ch.isalnum() or ch in "-_.")
    if not safe:
        raise ValueError("模型名不能用于目录: %r" % model_name)
    return os.path.join(get_skills_base(), "models", safe, "SKILL.md")


_CAP_MODAL_TEXT = {
    "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（图像/视频/音频组合）", "视频"),
    "tts": ("文本", "语音"), "asr": ("语音", "文本"),
    "embedding": ("文本", "向量"), "rerank": ("候选集", "排序"),
}


async def _write_model_skill(sor, vmid, m, spec, profile_ids):
    """生成/更新模型配套技能（幂等：重 apply 覆盖旧版）。

    内容全部来自本次落库的确定数据（不编造）：
      - 能力模态（输入→输出，能力字典语义）
      - 必备输入（param_schema 里 required=true 的字段 + 能力模态决定的媒体输入）
      - 可选参数（required=false，带默认值）
      - 调用契约（三数组媒体格式 + 产物形态）
      - 出处（doc_url / vendor / sync_mode）
    invoke_model 的完备性裁决 LLM 按本技能对照用户已给内容判断缺什么。
    """
    import os
    cap = (m.get("capability") or "t2t").strip().lower()
    inp, outp = _CAP_MODAL_TEXT.get(cap, ("文本", "产物"))
    desc = (m.get("description") or "").strip()
    sync_mode = "async" if str(m.get("sync_mode") or "").strip() == "async" else "sync"
    doc_url = (spec.get("doc_url") or "").strip()

    # param_schema（本次生成/复用的模板）→ 必备/可选参数表
    required_rows, optional_rows = [], []
    pid = profile_ids.get(cap, "")
    if pid:
        recs = await sor.sqlExe(
            "SELECT param_schema FROM llm_api_profile WHERE id=${i}$ LIMIT 1", {"i": pid})
        await sor.sqlExe("COMMIT", {})
        if recs:
            try:
                schema = json.loads(getattr(recs[0], "param_schema", "") or "[]")
            except Exception:
                schema = []
            for f in schema if isinstance(schema, list) else []:
                if not isinstance(f, dict):
                    continue
                nm = f.get("name") or ""
                label = f.get("label") or nm
                dv = f.get("defaultvalue")
                if f.get("required"):
                    required_rows.append("- %s（%s）" % (nm, label))
                else:
                    optional_rows.append("- %s：%s%s" % (
                        nm, label, ("，默认 %s" % dv) if dv not in (None, "") else ""))

    # 能力模态决定的媒体输入（媒体三数组契约）
    media_required = []
    if cap in ("i2v", "i2i"):
        media_required.append("- image_files：输入图片（公网 URL 或 base64，字符串或数组）——必备")
    elif cap == "asr":
        media_required.append("- audio_files：输入音频（公网 URL 或 base64）——必备")
    elif cap == "r2v":
        media_required.append("- image_files / audio_files / video_files：至少一类参考素材——必备")
    elif cap in ("t2v",):
        media_required.append("- image_files：（可选）提供参考图则接近 i2v 形态")

    lines = [
        "---",
        "name: model-%s" % vmid,
        "description: 模型 %s（%s）的输入契约——必备输入/可选参数/媒体格式。invoke_model 完备性裁决依据。" % (vmid, cap),
        "capability: %s" % cap,
        "sync_mode: %s" % sync_mode,
        "---" ,
        "",
        "# 模型 %s 输入契约" % vmid,
        "",
        "能力：%s（%s → %s）%s" % (cap, inp, outp, "，异步任务（提交→轮询）" if sync_mode == "async" else "，同步返回"),
    ]
    if desc:
        lines += ["", "描述：" + desc[:300]]
    lines += ["", "## 必备输入（缺任一即不可调用，须先向用户索取）"]
    if media_required:
        lines += media_required
    if required_rows:
        lines += required_rows
    if not media_required and not required_rows:
        lines.append("- task：任务描述/提示词（%s内容）" % inp)
    lines += ["", "## 可选参数（有默认值或缺省可接受，缺失**不算**不完备）"]
    lines += (optional_rows or ["- （无）"])
    lines += [
        "",
        "## 调用契约",
        "- 提示词经 task 传入（组包为 messages 末条文本）。",
        "- 媒体输入一律三数组：image_files / audio_files / video_files（值为公网 URL 或 base64 的字符串或数组）。",
        "- 产物：%s（返回本地持久 URL）。" % outp,
    ]
    if doc_url:
        lines.append("- 文档出处：" + doc_url)
    lines += [
        "",
        "## 完备性裁决规则（judge_completeness 按此执行）",
        "- 对照「必备输入」逐项检查用户已提供的内容（含任务描述里隐含的 URL/素材）。",
        "- 必备项缺失 → 判不完备，追问话术说清缺什么、要什么格式。",
        "- 可选参数缺失不拦。判断不了放行（宁可放行不误拦）。",
        "",
        "（本技能由模型上线 apply_llm_config 自动生成，重 apply 时覆盖更新；数据源=落库的 param_schema+能力字典，人工可修订。）",
    ]
    path = _model_skill_path(vmid)
    os.makedirs(os.path.dirname(path), exist_ok=True)
    with open(path, "w", encoding="utf-8") as f:
        f.write("\n".join(lines))
    logger.info("模型配套技能已写入: %s", path)


# pipeline_llm 产品类别根名（首次自动建；已存在则复用，防类别树分裂）
_LLM_PRODUCT_ROOT_NAME = "大模型消费"
_LLM_ROOT_CAT_ID = "7S4za5hOEJqBGXb2f-NmK"   # 现有根类别 id（实测），新建时兜底用它


async def _sync_model_products(sor, org_id="0"):
    """模型上线后自动产品映射（2026-09-08 用户需求：添加模型时如有产品模块自动映射）。

    根治记账 failed「模型未映射到产品」：apply 落库模型后，调产品模块的
    import_categories_and_products(resource_module='pipeline_llm') 增量导入
    所有 active 模型为产品（幂等：已映射的按 resource_ref_id+org_id 跳过，
    顺带自愈其他漏映射模型）。

    产品模块未装（env 无 import_categories_and_products）→ 返回跳过说明，
    不阻断 apply（模型注册本身已成功，产品映射是下游增值步骤）。
    返回 (ok, note)。
    """
    from ahserver.serverenv import ServerEnv
    env = ServerEnv()
    import_fn = getattr(env, "import_categories_and_products", None)
    if not callable(import_fn):
        return True, "产品模块（product_management）未加载，跳过自动产品映射（模型已注册成功，可后续在产品管理手动导入产线模型）"

    # 定父类别：复用已有 pipeline_llm 根类别（防类别树分裂）；没有则新建根
    parent_cat = _LLM_ROOT_CAT_ID
    try:
        recs = await sor.sqlExe(
            "SELECT id FROM product_category WHERE resource_module='pipeline_llm' "
            "AND parent_id IS NULL AND org_id=${o}$ LIMIT 1", {"o": org_id})
        await sor.sqlExe("COMMIT", {})
        if recs:
            parent_cat = getattr(recs[0], "id", "") or _LLM_ROOT_CAT_ID
        else:
            # 查名字兜底（parent_id 可能存 '0' 而非 NULL）
            recs2 = await sor.sqlExe(
                "SELECT id FROM product_category WHERE name=${n}$ AND org_id=${o}$ LIMIT 1",
                {"n": _LLM_PRODUCT_ROOT_NAME, "o": org_id})
            await sor.sqlExe("COMMIT", {})
            if recs2:
                parent_cat = getattr(recs2[0], "id", "") or _LLM_ROOT_CAT_ID
    except Exception as e:
        logger.warning("_sync_model_products 父类别解析失败（用默认根）: %s", e)

    try:
        result = await import_fn(
            resource_module="pipeline_llm", org_id=org_id,
            parent_category_id=parent_cat, user_id="system")
    except Exception as e:
        return False, "自动产品映射调用失败（模型已注册，请手动在产品管理导入产线模型）：%s" % repr(e)[:150]
    if not result or not result.get("success"):
        err = (result or {}).get("error", "导入无返回") if isinstance(result, dict) else "导入无返回"
        return False, "自动产品映射未成功（模型已注册，请手动导入）：%s" % str(err)[:150]
    return True, "自动产品映射完成：%s" % str((result or {}).get("message", ""))[:150]


async def _h_apply_llm_config(sor, params, ctx):
    """按提取的规格写库：供应商（复用/新建）+ 适配模板 + 模型。

    幂等：供应商按名称复用；模板按 (协议×能力×形态指纹) 复用——同形态复用/收编，
    异形态各建各的（见 _tpl_fingerprint）；模型按 name/vendor_model_id 复用
    （name 全局唯一键）——已存在则更新元数据；供应商归属不一致时不改挂、
    如实报 vendor_conflicts。

    规格来源（2026-09-05 防编造改造）：
      use_last_extract=true（推荐）→ 取本会话 extract 锚定的规格，
        overrides 白名单覆盖（vendor_name 等少量标量）；
      否则用 params.spec（LLM 手传，历史路径）——结构不符时报错列出期望键。
    """
    err = await _require_owner(sor, ctx)
    if err:
        return err
    use_last = str(params.get("use_last_extract") or "").lower() in ("true", "1", "yes")
    overrides = params.get("overrides") or {}
    if isinstance(overrides, str):
        try:
            overrides = json.loads(overrides)
        except Exception:
            overrides = {}
    spec = None
    if use_last:
        spec = _spec_load(ctx)
        if spec is None:
            return ("本会话没有锚定的提取规格——先调 extract_llm_api_spec（成功后规格自动"
                    "锚定本会话），再传 {\"use_last_extract\": true}。"
                    "注意会话级隔离：其他会话提取的规格本会话不可见，需在本会话重新提取。")
        spec = _spec_overlay(spec, overrides)
    else:
        try:
            spec = json.loads(params.get("spec") or "{}")
        except Exception:
            return "spec 不是合法 JSON"
        # 结构校验（修B：报错给出路，不让模型盲改重试）
        if not isinstance(spec, dict) or "vendor_name" not in spec or "models" not in spec:
            got = sorted(spec.keys())[:12] if isinstance(spec, dict) else "(非对象)"
            return ("spec 结构不符——不要自己编写/改写规格结构。期望顶层键："
                    "vendor_name / base_url / endpoints / protocol / chat_path / models / "
                    "pricing / doc_url / doc_notes（extract_llm_api_spec 的原样输出）。"
                    "你传入的顶层键：%s。正确做法：调 extract_llm_api_spec 后传 "
                    "{\"use_last_extract\": true}（规格已锚定本会话，禁止复制转述），"
                    "需改动加 overrides（仅 vendor_name/base_url/protocol/doc_url/doc_notes）。"
                    % got)
    vendor_name = (spec.get("vendor_name") or "").strip()
    if not vendor_name:
        return "spec 缺少 vendor_name（可用 overrides.vendor_name 指定）"
    endpoints = spec.get("endpoints") or []
    if not endpoints and spec.get("base_url"):
        endpoints = [{"base_url": spec["base_url"], "region": "domestic", "timeout": 60}]
    if not endpoints:
        return "spec 缺少 endpoints/base_url"
    protocol = (spec.get("protocol") or "openai_compat").strip() or "openai_compat"
    models = spec.get("models") or []
    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；2026-09-08 用户定夺升级）：
    # 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 无该能力键、模型更新的 IF 空值保护把旧模板原样保留。
    # ⚠️ 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 not (_fix or _warn):
            continue
        _jfix, _jnote = await _llm_capability_judge(
            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，
    # 含种子/提示词/端点注释四处同步），再配模型。防 LLM 静默塞进近似分类。
    recs = await sor.sqlExe(
        "SELECT k FROM appcodes_kv WHERE parentid='llm_capability'", {})
    await sor.sqlExe("COMMIT", {})
    known_caps = set(getattr(r, "k", "") for r in (recs or []))
    unknown = sorted(set(
        (m.get("capability") or "t2t").strip() for m in models) - known_caps)
    if unknown:
        return ("能力分类未登记，拒绝落库：%s。请先在能力分类字典"
                "（appcodes_kv parentid=llm_capability，含种子数据/提取提示词/"
                "模型列表端点注释同步）中添加该分类，再重新执行本工具。"
                "现有分类：%s" % ("、".join(unknown), "、".join(sorted(known_caps))))

    from appPublic.uniqueID import getID

    # 1. 供应商：按名称复用。端点 = 纯连接点（2026-09-12 用户定夺：模型和端点
    #    不能强绑定——多端点=冗余/区域/多key，每个端点都必须支持全部模型）。
    #    base_url 一律归一为主机根（scheme+域名）：提取 LLM 若给了带路径段的
    #    URL（旧约定残留），确定性剥掉路径段；路径段归 profile.path 承载
    #    （完整相对路径，含版本段）。同 (主机根, region) 去重，timeout 取最大值
    #    （同主机不同形态接口的超时需求不同，单端点必须覆盖最长）。
    from urllib.parse import urlparse as _urlparse
    recs = await sor.sqlExe(
        "SELECT id, endpoints FROM llm_vendor WHERE name=${n}$", {"n": vendor_name})
    await sor.sqlExe("COMMIT", {})
    if recs:
        vendor_id = getattr(recs[0], "id", "")
        eps_old = []
        try:
            eps_old = json.loads(getattr(recs[0], "endpoints", "") or "[]")
        except Exception:
            eps_old = []
        # 存量端点也归一到主机根（旧数据带 /api/v1 等路径段时收敛合并）
        merged = []
        for e in eps_old:
            pu = _urlparse((e.get("base_url") or "").rstrip("/"))
            root = (pu.scheme + "://" + pu.netloc) if pu.netloc else (e.get("base_url") or "").rstrip("/")
            if not root:
                continue
            hit = None
            for m2 in merged:
                if m2["_root"] == root and m2["region"] == (e.get("region") or "domestic"):
                    hit = m2
                    break
            if hit is None:
                merged.append({"_root": root, "region": e.get("region") or "domestic",
                               "timeout": int(_f(e.get("timeout"), 60))})
            else:
                hit["timeout"] = max(hit["timeout"], int(_f(e.get("timeout"), 60)))
        added_eps = []
        skipped_eps = []
        for ep in endpoints:
            bu = (ep.get("base_url") or "").rstrip("/")
            if not bu:
                continue
            pu = _urlparse(bu)
            if not pu.netloc:
                skipped_eps.append("%s（非法 URL：无主机名）" % bu)
                continue
            root = pu.scheme + "://" + pu.netloc
            if pu.path.strip("/"):
                skipped_eps.append("%s 的路径段 /%s 不入端点（归 profile.path 承载）"
                                   % (bu, pu.path.strip("/")))
            region = ep.get("region") or "domestic"
            to = int(_f(ep.get("timeout"), 60))
            hit = None
            for m2 in merged:
                if m2["_root"] == root and m2["region"] == region:
                    hit = m2
                    break
            if hit is None:
                merged.append({"_root": root, "region": region, "timeout": to})
                added_eps.append(root)
            else:
                hit["timeout"] = max(hit["timeout"], to)
        merged_out = [{"base_url": m2["_root"], "region": m2["region"],
                       "timeout": m2["timeout"], "protocol": protocol}
                      for m2 in merged]
        await sor.sqlExe(
            "UPDATE llm_vendor SET endpoints=${e}$, updated_at=NOW() WHERE id=${i}$",
            {"e": json.dumps(merged_out, ensure_ascii=False), "i": vendor_id})
        await sor.sqlExe("COMMIT", {})
        vendor_action = "复用供应商 %s（新增端点 %d 个%s）" % (
            vendor_id, len(added_eps),
            ("，说明：%s" % "；".join(skipped_eps)) if skipped_eps else "")
        vendor_endpoints = merged_out
    else:
        vendor_id = getID()
        eps_norm = []
        for ep in endpoints:
            bu = (ep.get("base_url") or "").rstrip("/")
            if not bu:
                continue
            pu = _urlparse(bu)
            root = (pu.scheme + "://" + pu.netloc) if pu.netloc else bu
            hit = None
            for m2 in eps_norm:
                if m2["base_url"] == root and m2["region"] == (ep.get("region") or "domestic"):
                    hit = m2
                    break
            to = int(_f(ep.get("timeout"), 60))
            if hit is None:
                eps_norm.append({"base_url": root,
                                 "region": ep.get("region") or "domestic",
                                 "timeout": to, "protocol": protocol})
            else:
                hit["timeout"] = max(hit["timeout"], to)
        await sor.C("llm_vendor", {
            "id": vendor_id, "name": vendor_name,
            "endpoints": json.dumps(eps_norm, ensure_ascii=False),
            "description": spec.get("doc_notes", "") or "",
            "status": "active", "org_id": ctx.get("org_id", "") or "0"})
        vendor_action = "新建供应商 %s（%s）" % (vendor_id, vendor_name)
        vendor_endpoints = eps_norm

    # 2. 适配模板：按 (协议×能力×形态指纹) 复用（2026-09-06 用户定夺）。
    #    纯按能力复用的事故：happyhorse r2v 纯图 vs wan3.0 r2v 四模态，共享模板
    #    静默丢媒体；一模型一模板则 wan3.1 同 API 时白白新增。指纹同→复用，
    #    指纹异→各建各的。旧骨架模板（硬编码 xxx_file/__from_doc__，2026-09-05
    #    实测 t2v 因它渲染崩）视为不可用，按文档示例自愈重建。
    #    旧命名 {protocol}-{cap}-自动配置（无指纹段）：形态一致则改名收编，
    #    不一致则保留（已挂模型继续可用），新形态另建。
    profile_ids = {}
    tpl_errors = []
    tpl_notes = []
    tpl_notes.extend(cap_notes)  # 能力守卫纠正/告警先进 notes（前置阶段产生）
    caps = sorted(set((m.get("capability") or "t2t") for m in models))
    for cap in caps:
        # 先生成再比对：指纹来自生成结果（path/req/resp/schema 归一化 sha256[:12]）
        tpl = _gen_templates(protocol, cap, spec)
        dry_err = _dry_render_check(tpl["req"], cap, tpl["biz_params"], tpl["media_params"])
        if dry_err:
            # 宁可不建，不埋雷：渲染不了的模板落库=运行时必崩，如实报错由助手修正规格重跑
            # 模型已挂的旧模板不动（更新路径 IF 保护，profile_id 保持原值）
            tpl_errors.append("%s: %s" % (cap, dry_err))
            continue
        fp = _tpl_fingerprint(tpl["path"], tpl["req"], tpl["resp"], tpl["param_schema"])
        shared_name = "%s-%s-自动配置-%s" % (protocol, cap, fp)
        legacy_name = "%s-%s-自动配置" % (protocol, cap)
        recs = await sor.sqlExe(
            "SELECT id, name, path, request_template, response_template, param_schema "
            "FROM llm_api_profile "
            "WHERE name IN (${n1}$, ${n2}$) AND status='active' "
            "ORDER BY CASE WHEN name=${n1}$ THEN 0 ELSE 1 END LIMIT 1",
            {"n1": shared_name, "n2": legacy_name})
        await sor.sqlExe("COMMIT", {})
        if recs:
            pid_old = getattr(recs[0], "id", "")
            nm_old = getattr(recs[0], "name", "")
            old_tpl = (getattr(recs[0], "request_template", "") or "") + \
                      (getattr(recs[0], "response_template", "") or "")
            # schema 体检：存量脏 schema（未注册 uitype/default/重复字段/结构常量）判死重建，
            # 否则代码修了、用户前端还是坏表单（自愈门禁，见 _schema_violations）
            sv = _schema_violations(getattr(recs[0], "param_schema", ""))
            for s in sv['soft']:
                tpl_notes.append("模板 %s（%s）schema 提示：%s" % (pid_old, cap, s))
            fp_old = _tpl_fingerprint(getattr(recs[0], "path", "") or "",
                                      getattr(recs[0], "request_template", "") or "",
                                      getattr(recs[0], "response_template", "") or "",
                                      getattr(recs[0], "param_schema", "") or "")
            broken = bool(sv['hard']) or any(mk in old_tpl for mk in _SKELETON_MARKERS)
            if not broken and fp_old == fp:
                if nm_old != shared_name:
                    # 旧命名收编：形态一致，改名挂指纹（存量模型按 id 引用，不受影响）
                    await sor.sqlExe(
                        "UPDATE llm_api_profile SET name=${n}$ WHERE id=${i}$",
                        {"n": shared_name, "i": pid_old})
                    await sor.sqlExe("COMMIT", {})
                    tpl_notes.append("模板 %s（%s）形态与本次生成一致，旧命名收编为 %s"
                                     % (pid_old, cap, shared_name))
                profile_ids[cap] = pid_old
                continue
            if broken or nm_old == shared_name:
                # 坏模板（hard 违规/骨架标记）一律弃用——不论命名；
                # 指纹命名但内容漂移（人工改过库）的也弃用重建
                await sor.sqlExe("UPDATE llm_api_profile SET status='deprecated' "
                                 "WHERE id=${i}$", {"i": pid_old})
                await sor.sqlExe("COMMIT", {})
                if sv['hard']:
                    tpl_notes.append("存量模板 %s（%s）param_schema 不合规，已弃用重建：%s"
                                     % (pid_old, cap, "；".join(sv['hard'])))
                elif any(mk in old_tpl for mk in _SKELETON_MARKERS):
                    tpl_notes.append("旧骨架模板 %s（%s）含硬编码占位符，已弃用并按文档示例重建"
                                     % (pid_old, cap))
                else:
                    tpl_notes.append("模板 %s（%s）内容与命名指纹不符（漂移），已弃用重建"
                                     % (pid_old, cap))
            else:
                # 旧命名、健康、但形态不一致：保留（还挂着存量模型，弃用会断运行时），
                # 新形态走下面新建
                tpl_notes.append("旧命名模板 %s（%s）形态与本次生成不一致（指纹 %s≠%s），"
                                 "保留旧模板、按新形态另建" % (pid_old, cap, fp_old, fp))
        pid = getID()
        await sor.C("llm_api_profile", {
            "id": pid, "name": shared_name,
            "protocol": protocol, "capability": cap,
            "path": tpl["path"],
            # method 独立列（2026-09-06 用户定夺）：提交类模板恒 POST
            "method": "POST",
            "headers": json.dumps(tpl["headers"], ensure_ascii=False),
            "request_template": tpl["req"], "response_template": tpl["resp"],
            "param_schema": json.dumps(tpl["param_schema"], ensure_ascii=False),
            "status": "active"})
        profile_ids[cap] = pid
        for nt in tpl["notes"]:
            tpl_notes.append("%s: %s" % (cap, nt))

    # 3. 模型：按 name/vendor_model_id 幂等（name 全局唯一键）
    doc_url = (spec.get("doc_url") or "").strip()
    created, updated, skipped = [], [], []
    conflicts = []  # 供应商归属冲突（模型已挂别的供应商）——如实报告不静默迁移
    for m in models:
        vmid = (m.get("vendor_model_id") or "").strip()
        if not vmid:
            skipped.append("(缺 vendor_model_id)")
            continue
        cap = m.get("capability") or "t2t"
        sync_mode = "async" if str(m.get("sync_mode") or "").strip() == "async" else "sync"
        desc = (m.get("description", "") or "").strip()
        # 出处标注（2026-09-05 用户规则）：模型注册表描述字段必须保存文档 URL
        if doc_url and ("[出处:" + doc_url + "]") not in desc:
            desc = (desc + " " if desc else "") + "[出处:%s]" % doc_url
        # 异步模型：后续步骤模板链（提交后顺序执行 query→[download]）
        query_ids = []
        if sync_mode == "async":
            steps = spec.get("async_steps") or []
            if not any((s.get("purpose") or "") == "query" for s in steps):
                desc = "⚠️异步模型但文档未提取到查询步骤（query_profile_ids 需人工补录）。" + desc
            for s in steps:
                qid = await _ensure_step_profile(sor, protocol, cap, vmid, s, spec)
                if qid:
                    query_ids.append(qid)
        query_ids_json = json.dumps(query_ids) if query_ids else ""
        # 幂等键=name（uk_llm_model_name 全局唯一）。不能按 (vendor_id, vmid) 查：
        # 模型换挂供应商后（如迁到阿里云百炼），旧查询找不到→INSERT→撞唯一键崩（实测）。
        recs = await sor.sqlExe(
            "SELECT id, vendor_id FROM llm_model WHERE name=${m}$ OR vendor_model_id=${m}$",
            {"m": vmid})
        await sor.sqlExe("COMMIT", {})
        if recs:
            mid = getattr(recs[0], "id", "")
            cur_vendor = getattr(recs[0], "vendor_id", "") or ""
            if cur_vendor and cur_vendor != vendor_id:
                # 供应商归属不一致：治理决策，不静默迁移——只更新元数据并如实报告
                conflicts.append(
                    "%s: 模型已存在且挂供应商 id=%s，与本次规格供应商（%s）不一致——"
                    "未改供应商归属，仅更新描述/同步模式；如需迁移请明确指示"
                    % (vmid, cur_vendor, vendor_name))
            # profile_id 必须一并刷新（2026-09-05 实测 bug）：模型原挂模板可能已被
            # 弃用重建（旧骨架自愈），不刷新则运行时仍指 deprecated 模板→必崩
            # query_profile_ids 同理要 IF 保护（2026-09-06 实测 bug）：本次规格没带
            # async_steps 时空串覆盖会把模型已挂好的查询模板清空 → 异步测试报
            # 「未登记查询步骤模板」。空值=没提取到，不是「要清除」。
            # capability 必须写回（2026-09-06 wan3.0 二次教训）：守卫纠正 t2v→r2v
            # 后模型行能力不更新=纠正只改了模板没改注册表，运行时仍按旧能力路由
            new_pid = profile_ids.get(cap, "")
            await sor.sqlExe(
                "UPDATE llm_model SET description=${d}$, capability=${cap}$, "
                "sync_mode=${sm}$, query_profile_ids=IF(${q}$='', query_profile_ids, ${q}$), "
                "profile_id=IF(${p}$='', profile_id, ${p}$), updated_at=NOW() "
                "WHERE id=${i}$",
                {"d": desc, "cap": cap, "sm": sync_mode, "q": query_ids_json,
                 "p": new_pid, "i": mid})
            await sor.sqlExe("COMMIT", {})
            updated.append(vmid)
            continue
        mid = getID()
        await sor.C("llm_model", {
            "id": mid, "vendor_id": vendor_id, "account_id": "",
            "name": vmid, "vendor_model_id": vmid, "capability": cap,
            "sync_mode": sync_mode, "profile_id": profile_ids.get(cap, ""),
            "query_profile_ids": query_ids_json,
            "ppid": "",
            "default_params": "{}", "status": "active",
            "description": desc, "org_id": "0"})
        created.append(vmid)

    rt_note = ""
    if protocol not in RUNTIME_PROTOCOLS:
        rt_note = ("⚠️ 协议「%s」的适配模板已存档，但当前运行时调用链仅支持 %s——"
                   "该供应商模型暂不可被产线直接调用" % (protocol, "/".join(RUNTIME_PROTOCOLS)))
    # 4. 账号端点绑定自检已删（2026-09-12 端点可互换重构）：端点是纯连接点、
    #    对所有模型等价，账号 endpoint_ids 空=选用全部端点，不存在「协议不匹配
    #    会 404」需要补绑的场景；请求形态由 profile.path（完整相对路径）承载。
    account_notes = []
    audit_note = await _audit_media_convention(sor, list(profile_ids.values()))
    # 5. 模型配套技能自动生成（2026-09-08 用户定夺：每个模型的加入需要有
    #    配套 skill——记录该模型需要什么样的输入；invoke_model 完备性判断由
    #    LLM 按此技能对照用户已给内容裁决缺什么，不再靠硬编码能力表）。
    #    数据全部来自本次落库结果（param_schema 的 required + 能力模态 +
    #    媒体契约），生成失败只记 note 不阻断（技能缺失时门禁降级为
    #    「LLM 按能力语义判断 → 代码表兜底」，功能不失效）。
    skill_notes = []
    for m in models:
        vmid = (m.get("vendor_model_id") or "").strip()
        if not vmid:
            continue
        try:
            await _write_model_skill(sor, vmid, m, spec, profile_ids)
            skill_notes.append("%s: 配套技能已生成/更新" % vmid)
        except Exception as e:
            skill_notes.append("%s: 配套技能生成失败（%s）——完备性判断将按能力语义降级"
                               % (vmid, str(e)[:80]))
    # 6. 自动产品映射（2026-09-08 用户需求：添加模型时如有产品模块自动做产品映射）。
    #    根治记账 failed「模型未映射到产品」——不靠人工事后补。产品模块未装则
    #    跳过不阻断（模型注册已成功）；映射幂等（已映射跳过+自愈其他漏映射模型）。
    prod_ok, prod_note = await _sync_model_products(sor, org_id="0")
    return json.dumps({
        "vendor": vendor_action, "profiles": profile_ids,
        "models_created": created, "models_updated": updated, "models_skipped": skipped,
        "vendor_conflicts": conflicts,
        "template_errors": tpl_errors,
        "template_notes": tpl_notes,
        "account_notes": account_notes,
        "skill_notes": skill_notes,
        "product_mapping": {"ok": prod_ok, "note": prod_note},
        "runtime_note": rt_note,
        "media_audit": audit_note,
    }, ensure_ascii=False)


# 生成类能力：出参是文件（图/视频/音频/3D），response 必须 downloadfile2url 落地
_MEDIA_CAPS = ('t2i', 'i2v', 't2v', 'r2v', 't2a', 'tts', 'i2i', 'v2v', '3d')


async def _audit_media_convention(sor, profile_ids):
    """强制检查（2026-09-05 用户规则：每个 llm 配置都要检查媒体转换约定）：

    生成类能力的适配模板——
      request_template 含上传媒体参数时，必须用 {{b64media2url(request, xxx_file)}}
        转本地公网 URL 再传上游；
      response_template 必须用 {{downloadfile2url(request, <产物url>)}}
        把生成物落地为本地持久 URL（上游 URL 有效期短，视频仅 24 小时）。
    返回检查结论（无问题为空串），随 apply 结果返回给内部 agent 转告。
    """
    if not profile_ids:
        return ""
    issues = []
    for pid in profile_ids:
        recs = await sor.sqlExe(
            "SELECT name, capability, request_template, response_template "
            "FROM llm_api_profile WHERE id=${i}$", {"i": pid})
        await sor.sqlExe("COMMIT", {})
        if not recs:
            continue
        r = recs[0]
        cap = getattr(r, 'capability', '') or ''
        name = getattr(r, 'name', '') or pid
        if cap not in _MEDIA_CAPS:
            continue  # 非生成类（t2t/embedding/rerank）无生成物
        rt = getattr(r, 'request_template', '') or ''
        st = getattr(r, 'response_template', '') or ''
        if '__note__' in st and 'downloadfile2url' not in st:
            issues.append("「%s」response 模板是骨架——生成物必须用 "
                          "downloadfile2url(request, <产物url>) 落地后再返回" % name)
        elif st and 'downloadfile2url' not in st:
            issues.append("「%s」response 模板缺 downloadfile2url——生成类能力"
                          "（%s）的产物 URL 必须落地为本地持久 URL" % (name, cap))
        # 上传参数线索：模板里出现 image/video/audio 文件参数但没有 b64media2url
        has_upload_ref = any(k in rt for k in ('image_file', 'video_file', 'audio_file',
                                               'image_files', 'video_files', 'audio_files',
                                               'first_frame', 'image_url', 'media'))
        if has_upload_ref and 'b64media2url' not in rt:
            # 三数组直通透传（image_files 等直接渲染进 content）是内部执行器的
            # 合法路径：request=None 时 b64media2url 兜底缺 BASEURL 会拼出坏路径
            # （2026-09-16 实测），data URL/公网 URL 直传上游已验证可用。
            three_arr = any(k in rt for k in ('image_files', 'video_files', 'audio_files'))
            if not three_arr:
                issues.append("「%s」request 模板含媒体上传参数但缺 b64media2url——"
                              "上传文件必须转本地公网 URL 再传上游" % name)
        # 媒体输入能力模板必须渲染输入媒体（2026-09-16 i2i 闭眼编造教训）：
        # i2i/i2v/r2v 等能力的 request_template 若不引用任何输入媒体变量，
        # 调用方传的 image_files 会在模板层静默丢失 → 模型无输入图纯编造。
        if cap in _MEDIA_INPUT_CAPS and not has_upload_ref:
            issues.append("「%s」能力 %s 需要输入媒体，但 request 模板未渲染任何输入"
                          "媒体变量（image_files/media 等）——输入图会在模板层丢失，"
                          "模型将无图编造；请补 content 图像数组或对应媒体参数"
                          % (name, cap))
    if issues:
        return "⚠️ 媒体转换约定检查未通过：" + "；".join(issues)
    return ""


# 能力 → 统一出参键（同类能力对外契约一致：视频出 video、图出 image）
_MEDIA_OUT_KEY = {
    't2v': 'video', 'i2v': 'video', 'v2v': 'video', 'r2v': 'video',
    't2i': 'image', 'i2i': 'image',
    'tts': 'audio', 't2a': 'audio',
    '3d': 'glb',
}
# 能力 → 上游产物字段名兜底（文档没给响应示例时用供应商惯例）
_MEDIA_OUT_FIELD = {
    'video': 'video_url', 'image': 'image_url', 'audio': 'audio_url', 'glb': 'model_url',
}
# 文档示例里表示「上传媒体」的结构线索
_MEDIA_TYPES = ('first_frame', 'last_frame', 'ref_image', 'ref_images', 'image', 'img',
                'reference_image', 'reference_video', 'reference_audio', 'reference')
_MEDIA_KEY_HINTS = ('img_url', 'image_url', 'first_frame_url', 'last_frame_url',
                    'ref_image_url', 'video_url', 'audio_url')
# 需要「输入媒体」的能力（这些能力里出现 URL 叶子才判定为上传媒体）
_MEDIA_INPUT_CAPS = ('i2v', 'i2i', 'v2v', 'i2t', 'm2t', '2i2v', 'r2v')


def _media_param_name(typeval, keyname):
    """按文档媒体结构推断运行时统一媒体参数名。

    2026-09-06 用户定夺契约（对齐 sage/llmage）：媒体统一三数组参数
    image_files / audio_files / video_files——值是数组或单字符串，
    模板 Jinja 动态判断两种形态；有些模型三种任意组合（r2v 最多 9 图），
    有些只支持图片，按文档示例动态组装，不固定槽位。
    """
    t = ('%s %s' % (typeval or '', keyname or '')).lower()
    if 'video' in t:
        return 'video_files'
    if 'audio' in t:
        return 'audio_files'
    return 'image_files'


def _media_list_expr(param):
    """Jinja 表达式：params.<param> 归一为列表（字符串→单元素；缺省→空列表）。"""
    return ("(params.{p} if params.{p} is not string and params.{p} "
            "else ([params.{p}] if params.{p} is string else []))").format(p=param)


def _media_scalar_expr(param):
    """Jinja 表达式：params.<param> 取单值（字符串原样；数组取首个；缺省→空串）。"""
    return ("(params.{p} if params.{p} is string "
            "else ((params.{p} or [''])[0]))").format(p=param)


def _is_url_example(v):
    return isinstance(v, str) and v.strip().lower().startswith(('http://', 'https://'))


def _example_to_nested(fields):
    """request_fields 点号路径 → 嵌套 dict（文档无请求示例时的兜底结构来源）。"""
    root = {}
    for f in fields or []:
        parts = [p for p in str(f).split('.') if p]
        if not parts:
            continue
        cur = root
        for p in parts[:-1]:
            nxt = cur.get(p)
            if not isinstance(nxt, dict):
                nxt = {}
                cur[p] = nxt
            cur = nxt
        cur[parts[-1]] = ''
    return root


def _is_media_array(lst, capability):
    """判定「媒体数组」（2026-09-06 r2v 教训）：文档示例里
    [{"type": "reference_image", "url": "https://..."}, ...] 这类变长数组
    （r2v 最多 9 张参考图，有些模型图/视频/音频任意组合）。

    判据：非空 dict 列表，每个元素都含 URL 叶子且 type/键名带媒体线索
    （或能力属输入媒体类）。整组换 Jinja 动态组装，**禁止按示例元素个数
    展开固定槽位**——那是上一版 r2v 模板渲染崩（image_file）的根因。
    """
    if not isinstance(lst, list) or not lst:
        return False
    for d in lst:
        if not isinstance(d, dict):
            return False
        tval = str(d.get('type') or '').lower()
        url_hit = any(_is_url_example(v) for v in d.values())
        hinted = (tval in _MEDIA_TYPES
                  or any(str(k).lower() in _MEDIA_KEY_HINTS for k in d)
                  or capability in _MEDIA_INPUT_CAPS)
        if not (url_hit and hinted):
            return False
    return True


def _media_any_expr(mps):
    """「任一媒体参数有值」Jinja 布尔表达式（字符串/数组两形态归一）。

    2026-09-06 用户纠正后引入：全能参考模型（wan3.0 类 r2v）文档明示
    「prompt 和 media 必填其一」「文生视频不传入任何媒体文件」——零媒体是
    合法 t2v 形态且文档示例**不带 media 键**。无条件渲染会发出 "media": []
    空数组（API 未承诺接受，不能赌），故 media 键必须条件渲染：有媒体才
    输出键，零媒体整个省略。真实示例路径与合成兜底路径共用本表达式。
    """
    return ' or '.join(
        '(params.%s if params.%s is not string and params.%s else '
        '([params.%s] if params.%s is string else []))' % ((mp,) * 5) for mp in mps)


def _media_array_expr(elements):
    """媒体数组示例 → Jinja 动态组装表达式（三数组契约 image_files/
    audio_files/video_files，值为字符串或数组均可）。

    按元素 type/键名归组到统一参数，每组渲染一个 for 循环（元素结构逐字
    保留，仅 URL 叶子换 b64media2url）；混合类型多循环用 namespace 计数
    合并逗号。返回 (expr, media_params)。
    """
    groups, seen = [], set()
    for d in elements:
        if not isinstance(d, dict):
            continue
        tval = d.get('type') if isinstance(d.get('type'), str) else ''
        urlkey = next((k for k, v in d.items() if _is_url_example(v)), '')
        if not urlkey:
            continue
        mp = _media_param_name(tval, urlkey)
        if mp in seen:
            continue
        seen.add(mp)
        parts = []
        for k, v in d.items():
            if k == urlkey:
                parts.append('"%s": {{ b64media2url(request, _f)|tojson }}' % k)
            else:
                parts.append('%s: %s' % (json.dumps(str(k), ensure_ascii=False),
                                         json.dumps(v, ensure_ascii=False)))
        groups.append((mp, '{%s}' % ', '.join(parts)))
    if not groups:
        return '', []
    params = [g[0] for g in groups]
    if len(groups) == 1:
        mp, elem = groups[0]
        expr = ('[{%% for _f in %s %%}%s{%% if not loop.last %%},'
                '{%% endif %%}{%% endfor %%}]' % (_media_list_expr(mp), elem))
        return expr, params
    segs = ['[{% set _c = namespace(n=0) %}']
    for mp, elem in groups:
        segs.append('{%% for _f in %s %%}{%% if _c.n %%},{%% endif %%}'
                    '{%% set _c.n = _c.n + 1 %%}%s{%% endfor %%}'
                    % (_media_list_expr(mp), elem))
    segs.append(']')
    return ''.join(segs), params


def _dashscope_envelope(example):
    """DashScope SDK kwargs 形态 → 原生 HTTP 信封归一（2026-09-08 实测根因）。

    文档常只给 Python SDK 示例（MultiModalConversation.call(messages=...,
    size=...)），提取 LLM 照抄成平铺 {model, messages, size, watermark...}；
    但原生 HTTP 端点要求 {"model", "input": {"messages": [...]},
    "parameters": {...}}——平铺体提交必 400 InvalidParameter
    （qwen-image-plus 实测「messages parameter invalid」）。
    代码级确定性归一（不靠提取 LLM 自觉）：顶层有 messages 且无 input 信封
    时，messages 进 input，除 model/input/parameters 外的业务键全进 parameters。
    """
    if not isinstance(example, dict) or not example:
        return example
    if 'input' in example or 'parameters' in example:
        return example          # 已是信封形态（curl 示例），不动
    msgs = example.get('messages')
    if not isinstance(msgs, list):
        return example          # 非 SDK kwargs 形态，不动
    out = {'model': example.get('model', '')}
    out['input'] = {'messages': msgs}
    params = {k: v for k, v in example.items()
              if k not in ('model', 'messages')}
    if params:
        out['parameters'] = params
    return out


def _tpl_from_example(example, capability):
    """文档请求示例 → Jinja2 请求体模板（结构逐字保留，值换成运行时变量）。

    规则（2026-09-06 三数组契约版，对齐 sage/llmage）：
      model 键            → {{ model|tojson }}
      prompt/text 键      → {{ prompt|tojson }}
      媒体数组（r2v media 等变长数组）→ Jinja for 循环按 image_files/
                          audio_files/video_files 动态组装（见 _media_array_expr）
      单值上传媒体        → {{ b64media2url(request, <scalar_expr>)|tojson }}
                          （params.xxx_files 字符串/数组两形态兼容）
      其他标量            → {{ params.<key>|default(<文档示例值>)|tojson }}
    **示例里没有上传媒体就不生成媒体参数**——纯文生视频(t2v)曾因硬编码
    params.xxx_file 骨架在运行时崩（'dict object' has no attribute 'xxx_file'）。

    返回 (模板串, media_params, biz_params, used_example)。
    """
    tokens = {}
    cond_tokens = {}
    media_params, biz_params = [], []
    used_example = isinstance(example, dict) and bool(example)
    tree = example if used_example else _example_to_nested(None)

    def _put(expr):
        k = '__TPL%d__' % len(tokens)
        tokens[k] = expr
        return k

    def walk(node, parent_key='', sib_type=None):
        if isinstance(node, list):
            if _is_media_array(node, capability):
                expr, mps = _media_array_expr(node)
                if expr:
                    for mp in mps:
                        if mp not in media_params:
                            media_params.append(mp)
                    tk = _put(expr)
                    # media 键条件渲染（2026-09-06 用户纠正）：零媒体=合法 t2v
                    # 形态且文档示例不带 media 键，无条件渲染发出 "media": []
                    # 空数组（API 未承诺接受，不能赌）。记录 (token→键名/媒体参数)
                    # 供替换阶段整键包 Jinja 条件。仅 dict 下的数组键可条件化。
                    if parent_key:
                        cond_tokens[tk] = (parent_key, mps)
                    return tk
            return [walk(v, parent_key, sib_type) for v in node]
        if not isinstance(node, dict):
            return node
        tval = node.get('type') if isinstance(node.get('type'), str) else sib_type
        out = {}
        for k, v in node.items():
            if isinstance(v, (dict, list)):
                out[k] = walk(v, k, tval)
                continue
            kl = str(k).lower()
            if kl == 'model' and isinstance(v, str):
                out[k] = _put('{{ model|tojson }}')
                continue
            if kl in ('prompt', 'text') and isinstance(v, str):
                out[k] = _put('{{ prompt|tojson }}')
                continue
            is_media = _is_url_example(v) and (
                str(tval or '').lower() in _MEDIA_TYPES
                or kl in _MEDIA_KEY_HINTS
                or capability in _MEDIA_INPUT_CAPS)
            if is_media:
                mp = _media_param_name(tval, k)
                if mp not in media_params:
                    media_params.append(mp)
                out[k] = _put('{{ b64media2url(request, %s)|tojson }}'
                              % _media_scalar_expr(mp))
                continue
            biz_params.append({'name': k, 'example': v})
            if v == '' or v is None:
                out[k] = _put('{{ params.%s|tojson }}' % k)   # 无示例值：调用必传
            else:
                # 数值强转（2026-09-06 真实调用实抓）：wan3.0 零媒体 t2v 提交
                # 报 InvalidParameter "Input should be a valid integer:
                # parameters.duration"——params 来自表单/agent 时常为字符串 "5"，
                # 直接 tojson 出 "5"（带引号）被 API 拒。文档示例是 int/float 的
                # 参数按示例类型强转，字符串数字也能落到正确 JSON 类型。
                # bool 是 int 子类须先排除（bool 不加 |int，避免 UI 真值语义被改写）。
                coerce = ''
                if isinstance(v, bool):
                    pass
                elif isinstance(v, int):
                    coerce = '|int'
                elif isinstance(v, float):
                    coerce = '|float'
                out[k] = _put('{{ (params.%s|default(%s))%s|tojson }}'
                              % (k, json.dumps(v, ensure_ascii=False), coerce))
        return out

    body = walk(tree)
    s = json.dumps(body, ensure_ascii=False)
    for k, expr in tokens.items():
        if k in cond_tokens:
            # media 键条件渲染：零媒体时整键省略（对齐文档 t2v 形态）。
            # json.dumps 分隔符固定 ", "，按键在对象中的位置分三模式吃逗号：
            #   首/中键（后随 ", "）→ 条件段自带尾逗号
            #   末键（前缀 ", "）  → 条件段吃掉前逗号
            #   独键               → 直接包
            keyname, mps = cond_tokens[k]
            anyexpr = _media_any_expr(mps)
            seg_body = '"%s": %s' % (keyname, expr)
            pat_first = '"%s": "%s", ' % (keyname, k)
            pat_last = ', "%s": "%s"' % (keyname, k)
            pat_only = '"%s": "%s"' % (keyname, k)
            if pat_first in s:
                s = s.replace(pat_first, ' {%% if %s %%}%s, {%% endif %%}' % (anyexpr, seg_body))
            elif pat_last in s:
                s = s.replace(pat_last, '{%% if %s %%}, %s{%% endif %%}' % (anyexpr, seg_body))
            elif pat_only in s:
                s = s.replace(pat_only, ' {%% if %s %%}%s{%% endif %%}' % (anyexpr, seg_body))
            continue
        s = s.replace('"%s"' % k, expr)
    return s, media_params, biz_params, used_example


def _collect_url_fields(node, prefix=''):
    """递归收集响应示例里的 URL 字段点号路径（如 output.video_url）。"""
    hits = []
    if isinstance(node, dict):
        for k, v in node.items():
            p = (prefix + '.' + str(k)) if prefix else str(k)
            if isinstance(v, (dict, list)):
                hits.extend(_collect_url_fields(v, p))
            elif _is_url_example(v):
                hits.append(p)
    elif isinstance(node, list):
        for i, v in enumerate(node[:3]):
            hits.extend(_collect_url_fields(v, prefix))
    return hits


def _resp_tpl_for(capability, spec):
    """生成类响应模板：产物 URL 经 downloadfile2url 落地（上游 URL 有效期短）。

    产物字段路径优先取文档响应示例里的 URL 字段（递归，支持 output.video_url
    这类嵌套——运行时 ns 有 output/usage/task_id），缺则用供应商惯例兜底，
    并在 notes 里如实说明来源（不假装是文档确证）。
    """
    outkey = _MEDIA_OUT_KEY.get(capability, 'video')
    field = ''
    rex = spec.get('response_example')
    if isinstance(rex, dict):
        hits = _collect_url_fields(rex)
        # 优先 *_url 结尾且与产物类型匹配的字段
        want = ('video', 'image', 'audio', 'glb', 'model')
        for h in hits:
            leaf = h.split('.')[-1].lower()
            if leaf.endswith('_url') and any(w in leaf for w in want):
                field = h
                break
        if not field and hits:
            field = hits[0]
    note = ''
    proto = str(spec.get('protocol') or '').strip()
    if proto == 'dashscope_sync':
        # DashScope 同步生成实测响应形态（2026-09-08 qwen-image-plus 真图验证）：
        #   output.choices[0].message.content[0].{image|video|audio}
        # 同步路径渲染命名空间无 task_id/status（StrictUndefined 会崩），
        # 模板只引用 output/usage/request 三个必有变量。
        # 优先级：文档响应示例给出的 output.* 产物路径 > 实测兜底形态。
        if field and field.startswith('output.'):
            path_expr = field
            note = ''   # 文档确证，无需兜底声明
        else:
            seg_key = {'image': 'image', 'video': 'video', 'audio': 'audio'}.get(outkey, outkey)
            path_expr = 'output.choices[0].message.content[0].%s' % seg_key
            if not field:
                note = ('产物路径按 DashScope 同步生成实测形态生成（%s），'
                        '文档未提供响应示例，如上游形态不同需修正' % path_expr)
        resp = ('{"%s": "{{ downloadfile2url(request, %s) }}", '
                '"usage": {{ json.dumps(usage) }}}' % (outkey, path_expr))
        return resp, note
    if not field:
        field = _MEDIA_OUT_FIELD.get(outkey, 'result_url')
        note = ('产物字段名「%s」按供应商惯例兜底（文档未提供响应示例或示例中无 URL 字段），'
                '如上游字段不同需修正' % field)
    # usage 值不加包裹引号（2026-09-06 实测 bug）：`"usage": "{{ json.dumps(usage) }}"`
    # 在 usage 非空时内层双引号破坏外层 JSON 字符串值 → json.loads 断在 char 161，
    # 渲染整体回退、生成物不落地。渲染为嵌套 JSON 对象才是合法形态，手工拼接：
    resp = ('{"status": "SUCCEEDED", "%s": "{{ downloadfile2url(request, %s) }}", '
            '"usage": {{ json.dumps(usage) }}, "task_id": "{{ task_id }}"}'
            % (outkey, field))
    return resp, note


def _headers_from_spec(spec):
    """请求头：认证头统一 api_key 变量，其余按文档示例逐字带上
    （如 DashScope 异步必需的 X-DashScope-Async: enable）。"""
    headers = {'Authorization': 'Bea' + 'rer {{api_key}}',
               'Content-Type': 'application/json'}
    rh = spec.get('request_headers')
    if isinstance(rh, dict):
        for k, v in rh.items():
            if str(k).lower() in ('authorization', 'content-type'):
                continue
            if isinstance(v, str) and v.strip():
                headers[k] = v.strip()
    # 协议兜底：dashscope_async 提交必须带异步开关头（文档示例遗漏也不至于提交即失败）；
    # dashscope_sync 是同步生成（MultiModalConversation stream=False 类，即时返回产物），
    # **绝不能带异步头**——带了上游按异步受理，不支持异步的密钥直接 403
    # （2026-09-08 qwen-image-plus 实测：'current user api does not support asynchronous calls'）。
    if str(spec.get('protocol') or '').strip() == 'dashscope_async':
        headers.setdefault('X-DashScope-Async', 'enable')
    elif str(spec.get('protocol') or '').strip() == 'dashscope_sync':
        headers.pop('X-DashScope-Async', None)
    return headers


def _gen_templates(protocol: str, capability: str, spec: dict) -> dict:
    """按文档示例动态生成适配模板（path/headers/request/response/param_schema）。

    返回 {path, headers, req, resp, param_schema, media_params, biz_params, notes}。
    path 约定（2026-09-12 用户定夺）：从主机根起的完整相对路径（含版本段，如
    /compatible-mode/v1/chat/completions）——端点 base_url 是纯主机根，
    运行时 url = 端点主机根 + path。提取 LLM 给全 URL 时确定性剥掉 scheme+host。
    """
    chat_path = _norm_relative_path(
        spec.get("chat_path") or "/chat/completions")
    headers = _headers_from_spec(spec)
    notes = []
    if protocol == "openai_compat":
        # 2026-09-06 修复（豆包 pro 配置实抓）：旧模板用 json.dumps 包占位符——
        #   1. "messages": "{{messages}}" 带引号，渲染成 Python repr 字符串而非
        #      JSON 数组，上游必拒；
        #   2. "{{temperature}}" 运行时命名空间无此变量（inference._build_upstream_body
        #      的 ns 是 model/messages/extra/params/api_key/org_id），StrictUndefined
        #      干跑必崩 → 落库被拦，profiles 恒空，运行时侥幸走 _BUILTIN_REQUEST_TMPL。
        # 正确形态对齐 pipeline-llm 内置模板：tojson 无引号 + extra 白名单透传循环
        # （temperature/top_p/max_tokens 等调用方传了才发，不硬编码业务参数）。
        req = ('{"model": {{ model|tojson }}, "messages": {{ messages|tojson }}'
               '{% for k, v in extra.items() %}, "{{ k }}": {{ v|tojson }}'
               '{% endfor %}, "stream": false}')
        resp = json.dumps({
            "content": "choices[0].message.content",
            "usage": {"prompt_tokens": "usage.prompt_tokens",
                      "completion_tokens": "usage.completion_tokens"},
        }, ensure_ascii=False)
        return {"path": chat_path, "headers": headers, "req": req, "resp": resp,
                "param_schema": _build_param_schema(capability, [], []),
                "media_params": [], "biz_params": [], "notes": notes}

    example = spec.get("request_example")
    if not (isinstance(example, dict) and example):
        example = _example_to_nested(spec.get("request_fields"))
        notes.append("文档未提供完整请求示例，模板按 request_fields 字段路径生成，"
                     "业务参数无默认值（调用时必须显式传入），建议人工核对")
    # DashScope SDK kwargs → 原生 HTTP 信封归一（2026-09-08 qwen-image-plus 实测：
    # 平铺体提交 400 InvalidParameter，必须 input.messages + parameters 信封）
    if protocol in ('dashscope_sync', 'dashscope_async'):
        example = _dashscope_envelope(example)
    req, media_params, biz_params, _used = _tpl_from_example(example, capability)
    if capability in _MEDIA_CAPS:
        resp, rnote = _resp_tpl_for(capability, spec)
        if rnote:
            notes.append(rnote)
        if not media_params and capability in _MEDIA_INPUT_CAPS:
            if capability == 'r2v' and (example or {}).get('input') is not None:
                # 页面示例是纯文本最简形态（SPA 懒加载抓不到完整示例，wan3.0-video-prime
                # 实测：概述明写"四模态全能参考"、示例只有 input.prompt）——r2v 必有
                # 参考媒体，DashScope 家族契约是 input.media 数组 [{type,url}]，
                # 类型集 image→reference_image / video→reference_video / audio→reference_audio。
                # 复用 _media_array_expr（e2e 验证过的 namespace 混合类型写法）按契约
                # 合成三数组，比只报警更有用：用户填了参考媒体就能发出去。
                # 如实注明合成来源，不假装是文档确证。
                try:
                    import re as _re
                    synth = [{'type': 'reference_image', 'url': 'https://synth.invalid/ref.jpg'},
                             {'type': 'reference_video', 'url': 'https://synth.invalid/ref.mp4'},
                             {'type': 'reference_audio', 'url': 'https://synth.invalid/ref.mp3'}]
                    expr, mps = _media_array_expr(synth)
                    m = _re.search(r'("input"\s*:\s*\{)', req)
                    if expr and m:
                        # 条件渲染（2026-09-06 用户纠正后补）：wan3.0 类全能参考模型
                        # 文档明示「prompt 和 media 必填其一」「文生视频不传入任何媒体
                        # 文件」——零媒体是合法 t2v 形态，且文档 t2v 示例**不带 media
                        # 键**；无条件渲染会发出 "media": [] 空数组（API 未承诺接受，
                        # 不能赌）。有媒体才渲染 media 键，零媒体整个省略。
                        anyexpr = _media_any_expr(mps)
                        # 前导空格不可省：段以 {% 开头，紧跟 input 的 { 会拼成
                        # "{{%" —— Jinja 词法把 {{ 当变量表达式开始 → unexpected '%'
                        # （2026-09-06 单测实抓）。JSON 空白无副作用。
                        media_seg = (' {%% if %s %%}"media": %s, {%% endif %%}'
                                     % (anyexpr, expr))
                        pos = m.end()
                        req = req[:pos] + media_seg + req[pos:]
                        for mp in mps:
                            if mp not in media_params:
                                media_params.append(mp)
                        notes.append("示例未见参考媒体（页面示例为纯文本最简形态），"
                                     "r2v 契约合成 input.media 数组（reference_image/"
                                     "video/audio 三类，DashScope 家族契约），零媒体时"
                                     "省略 media 键（对齐文档 t2v 形态）——"
                                     "建议对照供应商 API 参考页人工核对")
                except Exception as _e:
                    notes.append("r2v 媒体合成失败（%s），示例未见上传字段，请人工核对" % str(_e)[:80])
            elif capability == 'i2i' and protocol in ('dashscope_sync', 'dashscope_async'):
                # i2i 契约合成（2026-09-16 实测教训：qwen-image-3.0-pro 自动配置出的
                # 模板 content 只有 text 项，image_files 在模板层丢失 → 模型"闭眼 i2i"
                # 纯编造画面，白皮书配图 QA 逐字核对实锤）。DashScope 图像编辑家族契约：
                # input.messages[].content = [{"image": url}, ..., {"text": prompt}]。
                # 页面示例常只给纯文本最简形态 → 在 content 数组头部条件渲染 image 项
                # （零媒体时整个省略，对齐 t2i 合法形态），与 r2v 合成同款思路。
                import re as _re2
                m2 = _re2.search(r'("content"\s*:\s*\[)', req)
                if m2 and 'image_files' not in req:
                    # 单 % ：本串不经 % 格式化（r2v  precedent 的 %% 是因为它走
                    # '...%s...' % (...) 格式化）；写 %% 会把字面 {%% 留进模板
                    # 致 Jinja "tag name expected"（2026-09-16 单测实抓）。
                    seg = ('{% for img in (params.image_files or []) %}'
                           '{"image": {{ img|tojson }}},{% endfor %}')
                    pos2 = m2.end()
                    req = req[:pos2] + seg + req[pos2:]
                    if 'image_files' not in media_params:
                        media_params.append('image_files')
                    notes.append("示例未见输入图（页面示例为纯文本最简形态），按 "
                                 "DashScope 图像编辑家族契约合成 content 图像数组"
                                 "（image_files 三数组，零媒体时省略）——"
                                 "建议对照供应商 API 参考页人工核对")
            else:
                notes.append("能力 %s 通常需要输入媒体，但文档示例未见上传字段——"
                             "模板未生成媒体参数，请核对文档" % capability)
    else:
        resp = json.dumps({"content": "{{ text }}"}, ensure_ascii=False)
    # field_enums：文档参数说明表里的可选值（提取层逐字照抄），驱动 code 下拉
    enums = spec.get("field_enums") if isinstance(spec.get("field_enums"), dict) else None
    schema = _build_param_schema(capability, media_params, biz_params, enums)
    return {"path": chat_path, "headers": headers, "req": req, "resp": resp,
            "param_schema": schema, "media_params": media_params,
            "biz_params": biz_params, "notes": notes}


def _norm_relative_path(p: str) -> str:
    """接口路径归一为「主机根起的完整相对路径」（2026-09-12 端点可互换约定）。

    - 全 URL → 剥掉 scheme+host，保留完整路径段（含版本段）；
    - 相对路径 → 保证以 / 开头；
    - 空 → 原样返回（调用方有自己的缺省）。
    旧约定「path 相对带版本段的 base_url」已废弃：端点是纯连接点（主机根），
    path 必须自带版本段，任意端点可拼。
    """
    s = (p or '').strip()
    if not s:
        return s
    if s.startswith('http://') or s.startswith('https://'):
        from urllib.parse import urlparse
        pu = urlparse(s)
        s = pu.path or '/'
        if pu.query:
            s = s + '?' + pu.query
    if not s.startswith('/'):
        s = '/' + s
    return s


# 旧骨架模板标记：含这些标记的 profile 视为不可用，apply 时按文档自愈重建
_SKELETON_MARKERS = ('__from_doc__', '__note__', 'xxx_file',
                     # 旧单值媒体契约（2026-09-06 前）：params.image_file) 等。
                     # 新三数组契约表达式是 params.image_files if ...，不会误伤。
                     'params.image_file)', 'params.video_file)', 'params.audio_file)')


def _tpl_fingerprint(path: str, req: str, resp: str, schema) -> str:
    """模板形态指纹（2026-09-06 用户定夺）：提交模板复用键=协议×能力×指纹。

    为什么不能只按能力复用（实测事故）：happyhorse r2v 纯图参考、wan3.0 r2v
    四模态参考（图/视频/音频）——按能力共享一份模板，后配模型的媒体模态被
    静默丢弃。也不能一模型一模板：wan3.1 若 API 与 wan3.0 完全一致应零新增。
    指纹=归一化 (path, request_template, response_template, param_schema) 的
    sha256 前 12 位：形态同→复用，形态异→各建各的，无需人工设计签名维度。

    归一化规则：path 去空白；req/resp/schema JSON 往返（loads→dumps sorted
    紧凑分隔符）消除键序/空白差异；解析失败退化为去空白原文（保守不误判同形）。
    headers/method 不入指纹：headers 按协议统一，提交模板 method 恒 POST。
    """
    def _canon(s):
        s = (s or "").strip()
        if not s:
            return ""
        try:
            return json.dumps(json.loads(s), sort_keys=True,
                              ensure_ascii=False, separators=(",", ":"))
        except Exception:
            return re.sub(r"\s+", "", s)

    if not isinstance(schema, str):
        schema = json.dumps(schema, sort_keys=True, ensure_ascii=False)
    blob = "|".join([(path or "").strip(),
                     _canon(req), _canon(resp), _canon(schema)])
    return hashlib.sha256(blob.encode("utf-8")).hexdigest()[:12]


def _schema_violations(raw):
    """存量 param_schema 合规体检（2026-09-06 用户指正后补的自愈门禁）。

    为什么必须有它：apply 的模板复用门禁原先只看 request_template 里的骨架标记，
    完全不看 param_schema —— 于是「模板正常但 schema 是 textarea/number/default」的
    存量 profile 会被永久复用（实测 happyhorse r2v/t2v/i2v 三个 active profile 全中招，
    r2v 还带 3 个重复 type 字段）。代码修好了，用户在前端看到的仍是坏表单：
    Input.create 遇未注册 uitype 返回 null 只打一行 debug（input.js:1294），字段静默消失。
    所以复用前必须体检 schema，违规一律弃用重建，让存量数据跟着代码自愈。

    分级（避免误杀仿权威样例的 profile）：
      hard = 会导致字段消失/撞名覆盖/默认值不生效 → 判死重建
             （未注册 uitype、用 default、同名字段重复、结构常量入表单）
      soft = 功能受限但不崩 → 只提示，不判死。典型：媒体数组缺 multiple:true
             （input.js:426 决定值是数组还是 files[0]；权威样例 minimax_h3_setup.sql:13
              的 image_files 就没带 multiple，模板靠 for 循环兼容 str，故不能判死）
    返回 {'hard': [...], 'soft': [...]}。
    """
    out = {'hard': [], 'soft': []}
    raw = (raw or "").strip()
    if not raw:
        return out
    try:
        schema = json.loads(raw)
    except Exception as exc:
        out['hard'].append("param_schema 不是合法 JSON（%s）" % exc)
        return out
    if not isinstance(schema, list):
        out['hard'].append("param_schema 顶层应为数组")
        return out
    seen = set()
    for f in schema:
        if not isinstance(f, dict):
            out['hard'].append("schema 元素非对象: %r" % (f,))
            continue
        nm = f.get("name")
        ut = f.get("uitype")
        if ut not in _BRICKS_UITYPES:
            out['hard'].append("字段 %s 的 uitype %r 未注册" % (nm, ut))
        if "default" in f:
            out['hard'].append("字段 %s 用了 default（应为 defaultvalue）" % nm)
        # 同名字段重复：前端 dom_element.id 撞名，后者覆盖前者
        if nm in seen:
            out['hard'].append("字段 %s 重复出现" % nm)
        seen.add(nm)
        # 结构常量不该出现在表单（值已固化在模板里）
        if nm in _STRUCT_CONST_FIELDS:
            out['hard'].append("结构常量字段 %s 不该让用户填" % nm)
        # 媒体数组参数缺 multiple：UI 只能选 1 个（soft，权威样例也这样）
        if nm in _MEDIA_UITYPE and not f.get("multiple"):
            out['soft'].append("媒体数组字段 %s 缺 multiple:true（UI 只能选 1 个）" % nm)
    return out


def _biz_field_uitype(name, example, enums):
    """业务参数 → bricks uitype（2026-09-06 用户指正：只准用注册过的类型）。

    合法全集（bricks/input.js Input.register）：str/hide/tel/date/int/float/check/
    checkbox/email/file/image/code/text/password/audio/video/audiorecorder/
    audiotext/search/group。**textarea / number 均未注册**，用了前端渲染不出来。

    规则：有枚举 → code（UiCode=select，data:[{value,text}]）；
          数值 → int/float；布尔 → check；其余 → text（UiText 自动增高多行）。
    返回 (uitype, extra_opts)。
    """
    opts = {}
    vals = None
    if isinstance(enums, dict):
        for k in enums:
            if str(k).lower() == str(name).lower():
                v = enums[k]
                if isinstance(v, (list, tuple)) and v:
                    vals = list(v)
                break
    if vals:
        opts['data'] = [{'value': v, 'text': ('%s' % v)} for v in vals]
        return 'code', opts
    if isinstance(example, bool):
        return 'check', opts
    if isinstance(example, int):
        return 'int', opts
    if isinstance(example, float):
        return 'float', opts
    # 文档没给示例值也没枚举：一律 text（不是未注册的 textarea/number）
    return 'text', opts


# 媒体参数 → bricks 专用上传控件（UiImage/UiAudio/UiVideo 均继承 UiFile）
_MEDIA_UITYPE = {'image_files': 'image', 'audio_files': 'audio', 'video_files': 'video'}
# 媒体参数的中文标签（人话，不做机械拼接）
_MEDIA_LABEL = {'image_files': '参考图片', 'audio_files': '参考音频',
                'video_files': '参考视频'}

# bricks 已注册的 uitype 全集（input.js 末尾 Input.register 逐行抄录，2026-09-06）。
# 白名单硬校验：写进 param_schema 的类型若不在其中，前端 Input.create 返回 null
# 只打一行 debug 日志（input.js:1294），字段静默消失——比报错更难查。
_BRICKS_UITYPES = frozenset([
    'str', 'hide', 'tel', 'date', 'int', 'float', 'check', 'checkbox', 'email',
    'file', 'image', 'code', 'text', 'password', 'audio', 'video',
    'audiorecorder', 'audiotext', 'search', 'group',
])

# 文档结构常量：值在模板里已逐字固化，不该让用户填（r2v 的 media[].type 等）
_STRUCT_CONST_FIELDS = frozenset(['type', 'role', 'format', 'mime_type'])


def _validate_uitypes(schema):
    """param_schema uitype 白名单校验（防未注册类型静默丢字段）。

    另校验默认值字段名：只准 defaultvalue——input.js 从不读 default，
    写成 default 的默认值前端不生效（2026-09-06 实测踩坑）。
    违规直接抛异常，让 apply 当场失败并报进 template_errors，不落库坏 schema。
    """
    for f in schema:
        ut = f.get('uitype')
        if ut not in _BRICKS_UITYPES:
            raise ValueError('param_schema 非法 uitype %r（字段 %s）——bricks 已注册类型: %s'
                             % (ut, f.get('name'), '/'.join(sorted(_BRICKS_UITYPES))))
        if 'default' in f:
            raise ValueError('param_schema 字段 %s 用了 default——bricks 只认 defaultvalue'
                             % f.get('name'))
    return True


def _build_param_schema(capability, media_params, biz_params, enums=None):
    """生成 bricks 合规的参数表单 schema。

    合规要点（2026-09-06，对照 bricks/input.js + uapi/sql/minimax_h3_setup.sql 权威样例）：
      - uitype 只取注册过的值（禁 textarea/number）
      - 默认值字段名必须是 defaultvalue（input.js 只读它，default 无人消费）
      - 数组媒体参数带 multiple:true（input.js:426 决定值是数组还是单文件；
        r2v 最多 9 张参考图，缺它 UI 只能选 1 张）
      - 媒体 uitype 用专用控件 image/audio/video（非泛用 file），带预览+相机
      - 文档结构常量（如 media 元素的 type: "reference_image"）不进表单——
        模板里已逐字固化，让用户填只会出错（旧版曾生成 3 个重复 type 字段）
      - 同名参数去重（数组多元素曾各自产出一条同名业务参数）
    """
    schema = [{'name': 'prompt', 'label': '提示词', 'uitype': 'text',
               'required': capability not in ('embedding', 'rerank')}]
    seen = {'prompt'}
    for mp in media_params:
        if mp in seen:
            continue
        seen.add(mp)
        schema.append({'name': mp, 'label': _MEDIA_LABEL.get(mp, mp),
                       'uitype': _MEDIA_UITYPE.get(mp, 'file'),
                       # 媒体一律非必填（2026-09-06 用户纠正）：全能参考模型(wan3.0)
                       # 三类媒体可自由组合、且允许全不传——全不传即纯文生视频(t2v)。
                       # 文档明示「prompt 和 media 必填其一」「文生视频仅通过 prompt，
                       # 不传入任何媒体文件」。required=True 会把合法的 t2v / 部分组合
                       # 模式全堵死。prompt 保持必填，作「必填其一」的锚。
                       # 纯参考模型(无 t2v 模式)若空媒体提交，API 会拒、test_model_call
                       # 当场暴露，非静默失败——故 UI 层一律非必填是安全默认。
                       'required': False,
                       # 三数组契约：UI 允许多选，值成数组；运行时兼容字符串/数组两形态
                       'multiple': True})
    for b in biz_params:
        name = b['name']
        # 结构常量不进表单：媒体元素的 type 等已在模板里逐字固化
        if name in seen or str(name).lower() in _STRUCT_CONST_FIELDS:
            continue
        seen.add(name)
        uitype, extra = _biz_field_uitype(name, b.get('example'), enums)
        f = {'name': name, 'label': b.get('label') or name,
             'uitype': uitype, 'required': False}
        f.update(extra)
        if b.get('example') not in (None, ''):
            f['defaultvalue'] = b['example']
        schema.append(f)
    _validate_uitypes(schema)
    return schema


def _dry_render_check(req_tpl, capability, biz_params, media_params):
    """落库前干跑渲染（StrictUndefined）：模板引用了运行时拿不到的变量当场报错。

    运行时命名空间见 pipeline-llm inference._build_async_body：
      model / prompt / messages / params(业务参数) / api_key / org_id
      + request / json / b64media2url / downloadfile2url。
    旧缺陷正是漏了这步：模板硬编码 params.xxx_file，直到 test_model_call 才崩。
    """
    try:
        from jinja2 import Environment, StrictUndefined
    except Exception as e:
        return "干跑校验跳过（jinja2 不可用：%s）" % str(e)[:60]

    def _stub(request, value, *a, **k):
        return str(value)     # StrictUndefined 传入未定义值时在此抛错

    params_arr = {}
    for b in biz_params or []:
        # 干跑模拟「业务参数全部提供」场景：无示例值的参数给占位串
        # （模板 {{ params.x|tojson }} 无默认——运行时必须显式传，属预期契约）
        params_arr[b['name']] = b['example'] if b.get('example') not in ('', None) else 'dry'
    params_str = dict(params_arr)
    for mp in media_params or []:
        # 三数组契约两形态都要干跑（2026-09-06）：数组走 for 循环路径，
        # 字符串走 `is string` 归一路径——模板只兼容其一会在运行时崩
        params_arr[mp] = ['https://dry-run.invalid/sample.bin']
        params_str[mp] = 'https://dry-run.invalid/sample.bin'
    errors = []
    for tag, params in (('数组形态', params_arr), ('字符串形态', params_str),
                        # 零媒体形态（2026-09-06）：全能参考模型(r2v)文档明示
                        # 「prompt 和 media 必填其一」，零媒体=合法 t2v 模式且
                        # 文档示例不带 media 键——模板条件渲染的 False 分支
                        # 必须干跑出合法 JSON（省略 media 键，非空数组）。
                        # 只测空数组 []（运行时真实「未选媒体」场景，schema 字段
                        # 存在值为空）；不测缺键——运行时用默认 Undefined 容错，
                        # StrictUndefined 下缺键会误报，二者行为不一致。
                        ('零媒体形态', dict(params_arr, **{mp: [] for mp in media_params or []}))):
        ns = {'model': 'dry-run-model', 'prompt': '干跑校验', 'messages': [],
              # extra：运行时白名单透传参数（inference._build_upstream_body 注入，
              # openai_compat 模板的 for 循环消费）——干跑缺它会误报 UndefinedError
              'extra': {'temperature': 0.7},
              'params': params, 'api_key': 'sk-dry-run', 'org_id': '0',
              'request': None, 'json': json,
              'b64media2url': _stub, 'downloadfile2url': _stub}
        try:
            env = Environment(undefined=StrictUndefined)
            out = env.from_string(req_tpl).render(**ns)
            json.loads(out)
        except Exception as e:
            errors.append("%s渲染失败：%s: %s" % (tag, type(e).__name__, str(e)[:120]))
    if errors:
        return ("请求模板干跑渲染失败（落库前拦截）：%s——模板引用了运行时不存在的"
                "变量（业务参数可用：%s）" % ("；".join(errors),
                                              sorted(params_arr.keys()) or '无'))
    return ""


async def _ensure_step_profile(sor, protocol, cap, vmid, step, spec):
    """异步后续步骤的适配模板（query/download）。

    2026-09-05 改造（用户：同类任务查询接口供应商级相同，可复用）：
      幂等键=名称「{protocol}-{purpose}-{path}」（去掉模型维度）——同供应商同协议
      下多个模型共享同一份查询模板；旧的 {vmid}-{purpose} 命名兼容复用，
      但若旧模板仍是骨架（__from_doc__）同样弃用重建。
      path 归一化（2026-09-12 端点可互换约定，见 _norm_relative_path）：
        - 保留从主机根起的完整相对路径（含 /api/v1 版本段），不再剥前缀
        - 任务号占位符用**单花括号** {task_id}（运行时 str.replace 消费）
        - 缺占位符时按 DashScope 惯例补 /api/v1/tasks/{task_id}
    返回 profile id。
    """
    purpose = (step.get("purpose") or "query").strip() or "query"
    path = (step.get("path") or "").strip()
    method = (step.get("method") or ("GET" if purpose == "query" else "POST")).strip().upper()
    # path 归一化（2026-09-12 端点可互换约定）：
    #   - 保留从主机根起的完整相对路径（含 /api/v1 等版本段），不再剥前缀——
    #     端点 base_url 已是纯主机根，运行时 url = 主机根 + path，剥了反而 404
    #   - 全 URL → 剥掉 scheme+host（_norm_relative_path）
    #   - 任务号占位符用**单花括号** {task_id}（运行时 str.replace 消费，
    #     Jinja 双花括号不会被替换）；文档给 {{task_id}} 也归一为单花括号
    #   - 缺占位符时按 DashScope 惯例补 /api/v1/tasks/{task_id}
    path = _norm_relative_path(path)
    path = path.replace("{{task_id}}", "{task_id}")
    if "{task_id}" not in path and purpose == "query":
        path = (path.rstrip("/") + "/{task_id}") if path and path != "/" else "/api/v1/tasks/{task_id}"
    shared_name = "%s-%s-%s" % (protocol, purpose, path or "default")
    legacy_name = "%s-%s" % (vmid, purpose)
    for cand in (shared_name, legacy_name):
        recs = await sor.sqlExe(
            "SELECT id, request_template, response_template FROM llm_api_profile "
            "WHERE name=${n}$ AND status='active' LIMIT 1", {"n": cand})
        await sor.sqlExe("COMMIT", {})
        if not recs:
            continue
        old_tpl = (getattr(recs[0], "request_template", "") or "") + \
                  (getattr(recs[0], "response_template", "") or "")
        if not any(mk in old_tpl for mk in _SKELETON_MARKERS):
            return getattr(recs[0], "id", "")
        pid_old = getattr(recs[0], "id", "")
        await sor.sqlExe("UPDATE llm_api_profile SET status='deprecated' "
                         "WHERE id=${i}$", {"i": pid_old})
        await sor.sqlExe("COMMIT", {})
        # 旧骨架弃用——继续往下重建（不 return）
    headers = _headers_from_spec(spec)
    # method 独立列（2026-09-06 用户定夺）：不再塞 request_template JSON
    if method == "GET":
        req = ""
    else:
        req = json.dumps({"data": {"task_id": "{task_id}"}}, ensure_ascii=False)
    # 查询步骤的响应解析在运行时由提交模板的 response_template 接管
    # （inference._async_inference 轮询后直接用提交模板渲染），这里存档即可
    resp = json.dumps({
        "note": "查询步骤模板：运行时响应解析走模型提交模板的 response_template",
        "response_format": step.get("response_format", "") or "",
    }, ensure_ascii=False)
    pid = getID()
    await sor.C("llm_api_profile", {
        "id": pid, "name": shared_name, "protocol": protocol, "capability": cap,
        "path": path, "method": method,
        "headers": json.dumps(headers, ensure_ascii=False),
        "request_template": req, "response_template": resp,
        "param_schema": "", "status": "active"})
    return pid


# ────────────────────── 工具 5：定价自动导入 ──────────────────────

_FACTOR_LABELS = {
    'duration': '时长', 'flat': '按次', 'prompt_tokens': '输入tokens',
    'completion_tokens': '输出tokens', 'uncache_tokens': '非缓存输入tokens',
    'cached_tokens': '缓存tokens',
}

# 缓存拆分因子（derived 自 usage 原始字段，定价引擎自动计算，见 pricing-data-format 技能）
_DERIVED_FACTOR_SPECS = {
    'uncache_tokens': {
        'type': 'int', 'role': 'factor', 'label': '非缓存输入Token',
        'derived': 'prompt_tokens - prompt_tokens_details.cached_tokens'},
    'cached_tokens': {
        'type': 'int', 'role': 'factor', 'label': '缓存Token',
        'derived': 'prompt_tokens_details.cached_tokens'},
}

# token 因子族：一个 token 模型的定价天然多因子（输入/输出/缓存同在一个方案）。
# 旧校验「同模型仅允许单一因子」与生产事实矛盾（qwen3.8-max 三因子同方案正常出账），
# token 模型按此族合并为一个定价方案（2026-09-06 修复）。
_TOKEN_FACTORS = ('prompt_tokens', 'completion_tokens', 'uncache_tokens', 'cached_tokens')

# 同一因子多条价格且无维度区分 → 引擎会重复计价，必须拆方案（真混用的判据）
def _check_factor_dup(mitems, factors):
    seen = set()
    for it in mitems:
        f = it.get("factor") or "flat"
        dims = json.dumps(it.get("dimensions") or {}, ensure_ascii=False, sort_keys=True)
        k = (f, dims)
        if k in seen:
            return ("因子 %s 出现多条相同维度的价格（引擎会重复计价）——请核对文档，"
                    "同因子多价必须用维度区分档位" % f)
        seen.add(k)
    return None


def _build_pricing_yaml(currency_items, dimensions_all, factors):
    """生成定价 YAML（2026-09-05 用户定夺的新模式；2026-09-06 支持多因子）：

    - 不放 model 过滤：一个定价方案只服务一个模型；定价相同的多个模型共享
      同一 ppid（不是往定价里加 model 维度）
    - 不用 filters 子结构：维度直接平铺在定价项（引擎对非保留键做 AND 匹配）
    - fields 需定义每个维度（role: filter），否则引擎报「在fields中没有定义」
    - factors 为列表：token 模型天然多因子（输入/输出/缓存同在一个方案，
      生产实证 qwen3.8-max），每条 pricing 用各自的 factor；derived 因子
      （uncache_tokens/cached_tokens）必须在 fields 定义 derived 表达式，
      引擎计算衍生字段依赖此定义（pricing-data-format 技能 §2）
    """
    fields = {
        'price_factors': {'type': 'string', 'role': 'factor', 'label': '计价因子'},
        'unit_prices': {'type': 'float', 'role': 'factor', 'label': '单位定价'},
        'unit': {'type': 'string', 'role': 'factor', 'label': '计价单位'},
    }
    for factor in factors:
        if factor in fields:
            continue
        if factor in _DERIVED_FACTOR_SPECS:
            fields[factor] = dict(_DERIVED_FACTOR_SPECS[factor])
        else:
            fields[factor] = {'type': 'float', 'role': 'factor',
                              'label': _FACTOR_LABELS.get(factor, factor)}
    for dim in sorted(dimensions_all):
        fields[dim] = {'type': 'string', 'role': 'filter', 'label': dim}
    pricings = []
    for it in currency_items:
        item = {'price_factors': it.get('factor') or 'flat',
                'unit_prices': it['unit_price'], 'unit': it['unit']}
        for dk, dv in sorted((it.get('dimensions') or {}).items()):
            item[dk] = dv
        pricings.append(item)
    units = sorted(set(it['unit'] for it in currency_items))
    unit_values = {u: 1 for u in units}
    if '百万' in unit_values:
        unit_values['百万'] = 1000000
    if '千' in unit_values:
        unit_values['千'] = 1000
    doc = {'unit_values': unit_values, 'fields': fields, 'pricings': pricings}
    return yaml.dump(doc, allow_unicode=True, sort_keys=False)


async def _h_apply_model_pricing(sor, params, ctx):
    """定价自动导入：按提取规格建定价方案并挂模型 ppid（幂等）。

    幂等键：模型已有 ppid 且方案描述含同一出处 URL → 更新时序（拉链）；
    否则新建方案。价格只来自文档原文（提取层强制 doc_quote）。

    规格来源（2026-09-05 防编造改造）：use_last_extract=true → 取本会话
    extract 锚定规格（含 pricing/doc_url），禁止 LLM 复制转述大 JSON。
    """
    err = await _require_owner(sor, ctx)
    if err:
        return err
    use_last = str(params.get("use_last_extract") or "").lower() in ("true", "1", "yes")
    if use_last:
        spec = _spec_load(ctx)
        if spec is None:
            return ("本会话没有锚定的提取规格——先调 extract_llm_api_spec（成功后规格自动"
                    "锚定本会话，含 pricing 与 doc_url），再传 {\"use_last_extract\": true}。"
                    "会话级隔离：其他会话的规格本会话不可见。")
    else:
        try:
            spec = json.loads(params.get("spec") or "{}")
        except Exception:
            return "spec 不是合法 JSON"
        if not isinstance(spec, dict) or "pricing" not in spec:
            return ("spec 结构不符——不要自己编写规格。正确做法：extract_llm_api_spec 后传 "
                    "{\"use_last_extract\": true}（pricing 与 doc_url 已锚定本会话）。")
    pricing = spec.get("pricing") or {}
    items = pricing.get("items") or []
    if not items:
        return "spec.pricing.items 为空——文档没提取到价格（禁止编造），如需定价请先核对文档"
    doc_url = (spec.get("doc_url") or "").strip()
    currency = (pricing.get("currency") or "CNY").strip() or "CNY"
    # 校验：每条必须有 doc_quote（出处）；dimensions 禁止 model
    for it in items:
        if not (it.get("doc_quote") or "").strip():
            return "定价条目缺 doc_quote（文档原文定价句）——定价只允许来自文档原文，拒绝落库"
        if "model" in (it.get("dimensions") or {}):
            return "定价 dimensions 含 model——一个定价方案只服务一个模型，禁止 model 维度；定价相同的模型共享同一 ppid"
    # 按 vendor_model_id 分组（一个模型一个定价方案）
    by_model = {}
    for it in items:
        vmid = (it.get("vendor_model_id") or "").strip()
        if not vmid:
            return "定价条目缺 vendor_model_id"
        by_model.setdefault(vmid, []).append(it)

    results = []
    for vmid, mitems in by_model.items():
        # 找模型
        recs = await sor.sqlExe(
            "SELECT id, name, ppid FROM llm_model WHERE vendor_model_id=${m}$ "
            "AND status='active' LIMIT 1", {"m": vmid})
        await sor.sqlExe("COMMIT", {})
        if not recs:
            results.append({"model": vmid, "ok": False,
                            "error": "模型未注册（先 apply_llm_config）"})
            continue
        model_id = getattr(recs[0], "id", "")
        old_ppid = getattr(recs[0], "ppid", "") or ""
        factors = sorted(set((it.get("factor") or "flat") for it in mitems))
        # 因子族校验（2026-09-06 修复）：token 模型天然多因子（输入/输出/缓存
        # 同在一个方案，生产实证 qwen3.8-max ppid=TNJnx_Nw1HGDOtDIFji-w 三因子
        # 正常出账）——旧「单因子」铁律把所有 token 定价判死，工具校验与生产
        # 事实矛盾。真混用的判据改为两条：
        #   1. token 族与非 token 族（duration/flat 等）不可混在一个方案
        #   2. 同一因子多条价格且维度相同 → 引擎重复计价
        non_token = sorted(set(factors) - set(_TOKEN_FACTORS))
        token_hit = sorted(set(factors) & set(_TOKEN_FACTORS))
        if non_token and token_hit:
            results.append({"model": vmid, "ok": False,
                            "error": "token 因子 %s 与按量因子 %s 混在一个模型——"
                                     "计费单位不同，请拆分为多个定价方案" % (token_hit, non_token)})
            continue
        if len(non_token) > 1:
            results.append({"model": vmid, "ok": False,
                            "error": "同一模型混用多个按量计价因子 %s——请拆分为多个定价方案" % non_token})
            continue
        # 缓存拆分与整体输入价互斥：prompt_tokens 计全部输入，uncache_tokens 只计
        # 非缓存部分——同方案并存会对缓存命中 tokens 重复计价（2026-09-06）
        if 'prompt_tokens' in factors and ('uncache_tokens' in factors or 'cached_tokens' in factors):
            results.append({"model": vmid, "ok": False,
                            "error": "prompt_tokens 与 uncache_tokens/cached_tokens 同方案——"
                                     "缓存命中部分会被重复计价。文档区分缓存价时只用 "
                                     "uncache_tokens+cached_tokens+completion_tokens；"
                                     "不区分时只用 prompt_tokens+completion_tokens"})
            continue
        dup_err = _check_factor_dup(mitems, factors)
        if dup_err:
            results.append({"model": vmid, "ok": False, "error": dup_err})
            continue
        factor = ",".join(factors)   # 方案命名/回报展示用
        dims_all = set()
        for it in mitems:
            dims_all.update((it.get("dimensions") or {}).keys())
        yaml_str = _build_pricing_yaml(mitems, dims_all, factors)
        # 引擎试算护栏：渲染一遍确认合法 YAML + fields 完整（不落库先验证）
        try:
            parsed = yaml.safe_load(yaml_str)
            assert parsed.get('pricings') and parsed.get('fields')
        except Exception as e:
            results.append({"model": vmid, "ok": False,
                            "error": "定价 YAML 生成校验失败：%s" % str(e)[:150]})
            continue
        desc_quotes = "；".join((it.get("doc_quote") or "")[:80] for it in mitems)[:500]
        pp_desc = "定价出处：%s | 文档原文：%s" % (doc_url or "(未提供)", desc_quotes)
        now = time.strftime('%Y-%m-%d')
        if old_ppid:
            ppid = old_ppid
            # 幂等核心（2026-09-05 用户纠正：时序应只有一条有效行，重复执行不得堆历史）：
            # 先取当前生效行比对内容——
            #   内容相同 → 跳过（不产生新时序行）
            #   内容不同且生效行今天才启用 → 原地 UPDATE（同日替换无历史区间可保留，
            #     拉链会产生 enabled==expired 的零宽死行，纯垃圾）
            #   内容不同且生效行是历史日期 → 正常拉链（关旧行+插新行）
            recs2 = await sor.sqlExe(
                "SELECT id, pricing_data, enabled_date FROM pricing_program_timing "
                "WHERE ppid=${p}$ AND expired_date='9999-12-31' "
                "ORDER BY enabled_date DESC LIMIT 1", {"p": ppid})
            await sor.sqlExe("COMMIT", {})
            cur = recs2[0] if recs2 else None
            same = False
            if cur is not None:
                try:
                    same = (yaml.safe_load(getattr(cur, 'pricing_data', '') or '{}')
                            == yaml.safe_load(yaml_str))
                except Exception:
                    same = (getattr(cur, 'pricing_data', '') or '') == yaml_str
            await sor.sqlExe(
                "UPDATE pricing_program SET description=${d}$ WHERE id=${i}$",
                {"d": pp_desc[:1000], "i": ppid})
            await sor.sqlExe("COMMIT", {})
            if same:
                results.append({"model": vmid, "ok": True, "ppid": ppid,
                                "action": "无变化（幂等跳过，未产生新时序行）",
                                "items": len(mitems), "factor": factor,
                                "dimensions": sorted(dims_all)})
                continue
            if cur is not None and str(getattr(cur, 'enabled_date', ''))[:10] == now:
                await sor.sqlExe(
                    "UPDATE pricing_program_timing SET pricing_data=${y}$, name=${n}$ "
                    "WHERE id=${i}$",
                    {"y": yaml_str, "n": "%s %s计价" % (vmid, factor),
                     "i": getattr(cur, 'id', '')})
                await sor.sqlExe("COMMIT", {})
                action = "原地更新（同日替换，不产生历史行）"
                results.append({"model": vmid, "ok": True, "ppid": ppid,
                                "action": action, "items": len(mitems),
                                "factor": factor, "dimensions": sorted(dims_all)})
                continue
            # 历史生效行 → 拉链
            await sor.sqlExe(
                "UPDATE pricing_program_timing SET expired_date=${d}$ "
                "WHERE ppid=${p}$ AND expired_date='9999-12-31'",
                {"d": now, "p": ppid})
            action = "更新（拉链：旧行截至今日，新时序生效 %s）" % now
        else:
            ppid = getID()
            await sor.C("pricing_program", {
                "id": ppid, "name": "%s 定价" % vmid, "ownerid": "0",
                "providerid": "", "pricing_belong": "",
                "description": pp_desc[:1000], "currency": currency})
            action = "新建"
        await sor.C("pricing_program_timing", {
            "id": getID(), "ppid": ppid, "name": "%s %s计价" % (vmid, factor),
            "pricing_data": yaml_str,
            "enabled_date": now, "expired_date": "9999-12-31"})
        await sor.sqlExe("COMMIT", {})
        # 挂模型
        await sor.sqlExe("UPDATE llm_model SET ppid=${p}$ WHERE id=${i}$",
                         {"p": ppid, "i": model_id})
        await sor.sqlExe("COMMIT", {})
        results.append({"model": vmid, "ok": True, "ppid": ppid,
                        "action": action, "items": len(mitems),
                        "factor": factor,
                        "dimensions": sorted(dims_all)})
    ok_n = sum(1 for r in results if r.get("ok"))
    return json.dumps({
        "summary": "定价导入：%d/%d 个模型成功" % (ok_n, len(results)),
        "results": results,
        "convention": "一个定价方案只服务一个模型（无 model 维度/无 filters，维度平铺）；"
                      "定价完全相同的模型共享同一 ppid",
    }, ensure_ascii=False)


# ────────────────────── 工具 6：模型测试（真实调用） ──────────────────────

async def _h_test_model_call(sor, params, ctx):
    """真实调用测试：走完整治理链（门禁→上游→结算），返回调用结果+流水ID。

    参数：model_name 必填；prompt 文本提示（t2t）；业务参数放 params JSON
    （媒体统一三数组契约 image_files/audio_files/video_files——字符串或数组
    均可；另 resolution/duration 等）；timeout 等待秒数（异步模型默认 600）。
    前置：供应商账号已配 api_key（无 key 会报可行动错误，不静默）。
    """
    err = await _require_owner(sor, ctx)
    if err:
        return err
    model_name = (params.get("model_name") or "").strip()
    if not model_name:
        return "缺 model_name"
    prompt = (params.get("prompt") or "回复两个字：正常").strip()
    try:
        extra = json.loads(params.get("params") or "{}")
    except Exception:
        return "params 不是合法 JSON"
    timeout_s = int(_f(params.get("timeout"), 0)) or 600
    try:
        from pipeline_llm.inference import chat_inference
    except Exception as e:
        return "推理模块未加载：%s" % str(e)[:100]
    payload = {"model": model_name,
               "messages": [{"role": "user", "content": prompt}]}
    payload.update(extra)
    if timeout_s:
        payload["_timeout"] = timeout_s
    task_ref = "agent-test:%s:%d" % (model_name[:20], int(time.time()))
    t0 = time.time()
    try:
        data = await chat_inference(ctx.get("org_id", "") or "0",
                                    ctx.get("user_id", ""), payload,
                                    model_name=model_name, task_ref=task_ref)
    except Exception as e:
        return json.dumps({
            "ok": False, "model": model_name, "task_ref": task_ref,
            "elapsed_sec": round(time.time() - t0, 1),
            "error": str(e)[:400],
            "hint": "常见原因：账号无api_key/余额不足/端点超时/模板配置缺失——按错误消息处置",
        }, ensure_ascii=False)
    elapsed = round(time.time() - t0, 1)
    content = ""
    try:
        content = data["choices"][0]["message"]["content"]
    except Exception:
        content = str(data)[:200]
    out = {
        "ok": True, "model": model_name, "task_ref": task_ref,
        "elapsed_sec": elapsed,
        "content_head": str(content)[:200],
        "usage": data.get("usage") or {},
    }
    if data.get("media"):
        out["media"] = data["media"]   # 生成物本地持久 URL（已落地）
    if data.get("task_id"):
        out["task_id"] = data["task_id"]
    return json.dumps(out, ensure_ascii=False)


# ────────────────────── 工具 7：记账检查 ──────────────────────

async def _h_check_model_accounting(sor, params, ctx):
    """记账正确性检查（三态：created/accounted/failed）。

    按 task_ref（测试调用返回的）或 model_name 查最近流水：
    1. 流水存在性 + accounting_status
    2. usages 计价因子完整性
    3. accounted → charge 金额与定价引擎重算对比（独立复算，不信记账侧）
    4. failed → 给出 note 原因与处置建议
    5. created → 出账循环 60 秒一轮，提示等待或查 worker 进程
    """
    err = await _require_owner(sor, ctx)
    if err:
        return err
    task_ref = (params.get("task_ref") or "").strip()
    model_name = (params.get("model_name") or "").strip()
    if not task_ref and not model_name:
        return "需要 task_ref（测试调用返回值）或 model_name 之一"
    if task_ref:
        recs = await sor.sqlExe(
            "SELECT id, model_id, status, accounting_status, charge, cost, usages, "
            "ppid, note, created_at FROM llm_usage WHERE task_ref=${t}$ "
            "ORDER BY created_at DESC LIMIT 3", {"t": task_ref})
    else:
        recs = await sor.sqlExe(
            "SELECT u.id, u.model_id, u.status, u.accounting_status, u.charge, u.cost, "
            "u.usages, u.ppid, u.note, u.created_at FROM llm_usage u "
            "JOIN llm_model m ON m.id=u.model_id "
            "WHERE m.name=${n}$ OR m.vendor_model_id=${n}$ "
            "ORDER BY u.created_at DESC LIMIT 3", {"n": model_name})
    await sor.sqlExe("COMMIT", {})
    if not recs:
        return "未找到流水（task_ref=%s model=%s）——调用可能没发生或没结算" % (
            task_ref, model_name)
    out_rows = []
    for r in recs:
        row = dict(r)
        st = row.get("accounting_status", "")
        item = {
            "usage_id": row.get("id", ""),
            "call_status": row.get("status", ""),
            "accounting_status": st,
            "charge": float(row.get("charge") or 0),
            "usages": row.get("usages", "") or "",
            "ppid": row.get("ppid", "") or "",
            "created_at": str(row.get("created_at", "")),
        }
        if st == "failed":
            item["verdict"] = "记账失败"
            item["reason"] = (row.get("note") or "")[:200]
            item["hint"] = ("常见处置：模型未挂ppid→apply_model_pricing；"
                            "模型未映射产品→apply_llm_config 已自动映射（2026-09-08），"
                            "仍报未映射说明自动映射失败（看 apply 返回 product_mapping.note，"
                            "多为产品模块未加载），重跑一次 apply 或告知用户；"
                            "定价无匹配档位→核对usages维度值与定价YAML是否一致")
        elif st == "created":
            # 2026-09-06 用户定夺：只有 status='SUCCEEDED' 的行才写 accounting_status，
            # 非 SUCCEEDED 行为 NULL（不再挂 created 冒充待记账）——
            # 走到这里必然是 SUCCEEDED 成功调用的真待记账行
            item["verdict"] = "待记账（出账循环60秒一轮，稍后复查；持续不变查记账worker进程）"
        elif not st:
            # accounting_status=NULL：无记账意义（调用失败行/充值对账行）
            call_st = row.get("status", "")
            if call_st == "recharge":
                item["verdict"] = "充值对账流水（非计费用量，accounting_status=NULL）"
            else:
                item["verdict"] = "调用未成功行（status=%s，不计费，accounting_status=NULL）" % call_st
                item["reason"] = (row.get("note") or "")[:200]
        elif st == "accounted":
            # 独立复算：用 usages 因子过定价引擎，对比 charge
            item["verdict"] = "已记账"
            try:
                usage_data = json.loads(row.get("usages") or "{}")
            except Exception:
                usage_data = {}
            ppid = row.get("ppid") or ""
            if ppid and usage_data:
                try:
                    from ahserver.serverenv import ServerEnv
                    env = ServerEnv()
                    fn = getattr(env, "buffered_charging", None)
                    if fn:
                        prices = await fn(ppid, usage_data)
                        expect = round(sum(float(getattr(p, "amount", 0) or 0)
                                           for p in (prices or [])), 6)
                        item["recomputed_amount"] = expect
                        item["amount_match"] = abs(expect - float(row.get("charge") or 0)) < 0.01
                        if not item["amount_match"]:
                            item["verdict"] = "已记账但金额不符（复算 %.4f ≠ charge %.4f）" % (
                                expect, float(row.get("charge") or 0))
                except Exception as e:
                    item["recompute_error"] = str(e)[:150]
            else:
                item["verdict"] = "已记账（缺ppid或usages，无法独立复算）"
        out_rows.append(item)
    return json.dumps({"rows": out_rows}, ensure_ascii=False)


# ────────────────────── 工具 8：模块/应用信息查询 ──────────────────────

async def _h_platform_modules(sor, params, ctx):
    """列出平台已装载的业务模块（内部 agent 了解平台构成用）。"""
    err = await _require_owner(sor, ctx)
    if err:
        return err
    mods = []
    for name, title in [
        ("pipeline_core", "产线核心（会话/技能/项目）"),
        ("pipeline_service", "执行引擎（任务链/角色/治理）"),
        ("pipeline-llm", "模型治理（供应商/账号/模型/定价/记账）"),
        ("pipeline-bidding", "投标产线"),
        ("pipeline-opportunity", "商机产线"),
        ("pipeline-sdlc", "开发产线前端"),
        ("pipeline-ops", "运维"),
        ("pipeline-task", "任务中心"),
    ]:
        try:
            __import__(name.replace("-", "_"))
            loaded = True
        except Exception:
            loaded = False
        mods.append({"module": name, "title": title, "loaded": loaded})
    return json.dumps(mods, ensure_ascii=False)


# ────────────────────── 工具 9：只读数据库查询 ──────────────────────
# 根因（2026-09-07 记账失败排查实录）：agent 想核实库内数据（产品映射/记账流水）时，
# 工具集里没有 DB 查询动作，只能拿 run_command 手搓连库脚本——撞上沙箱四重摩擦：
#   ① bwrap 的 /tmp 是会话私有 tmpfs，脚本不跨命令持久（写完下一条就 No such file）
#   ② /d/pipeline 只读 bind，应用目录写不进
#   ③ run_command 输出双重截断（stdout[:2000] + tool_result[:500]），无截断提示
#   ④ 框架 API 逐个踩坑（initEnv 签名/sqlor % 格式化/SHOW 语句返回 int）
# 十余轮试错查一条数据。补只读查询工具根治：SELECT 白名单 + ${k}$ 强制参数化 +
# 行数/字符上限显式截断 + SELECT 后 COMMIT（防 MDL 锁，已知坑）。

_DB_QUERY_MAX_ROWS = 200
_DB_QUERY_MAX_CHARS = 8000
_DB_QUERY_MAX_TABLES = 10


def _validate_readonly_sql(sql: str) -> str:
    """只读校验：仅单条 SELECT。返回 ''=通过，否则可行动的错误信息。"""
    s = re.sub(r"--[^\n]*", " ", sql or "")            # 去行注释（防注释夹带）
    s = re.sub(r"/\*.*?\*/", " ", s, flags=re.S)       # 去块注释
    s = " ".join(s.split()).strip()
    if not s:
        return "SQL 为空"
    if ";" in s.rstrip(";"):
        return "只允许单条语句（禁止分号分隔多条）"
    head = s.lstrip("(").lstrip().split(" ", 1)[0].lower()
    if head != "select":
        return ("只允许 SELECT 查询（收到 %s）。SHOW/DESC 不支持——查表结构用 tables 参数"
                "（返回列定义），或 SELECT information_schema.COLUMNS" % head)
    low = s.lower()
    for bad in ("into outfile", "into dumpfile", "load_file(", "for update",
                "lock in share mode"):
        if bad in low:
            return "禁止 %s 子句（只读工具）" % bad
    # 裸 % 会被 aiomysql 当格式占位符 → "not enough arguments for format string"
    # （内部助手实录踩坑）。LIKE 通配符必须走 ${k}$ 参数化由 params 传值。
    if "%" in s:
        return ("SQL 里禁止直接写 %（会被数据库驱动误当格式占位符报 "
                "not enough arguments）。用 ${key}$ 占位符 + params 传值："
                "如 LIKE ${k}$ 配 params {\"k\": \"%xxx%\"}")
    return ""


async def _h_db_query(sor, params, ctx):
    """只读数据库查询（SELECT 白名单 / tables 表结构捷径）。

    - sql + params：单条 SELECT，占位符 ${k}$ 参数化，禁止裸 %
    - tables：逗号分隔表名，直接返回各表列定义（免手写 information_schema SQL）
    - 行数上限 200、输出上限 8000 字符，超限显式告知（禁止静默截断）
    - SELECT 后 COMMIT 释放 MDL 锁（已知坑）
    """
    err = await _require_owner(sor, ctx)
    if err:
        return err
    sql = (params.get("sql") or "").strip()
    tables = (params.get("tables") or "").strip()
    ns = params.get("params") or {}
    if isinstance(ns, str):
        try:
            ns = json.loads(ns)
        except (json.JSONDecodeError, ValueError):
            return "params 必须是 JSON 对象，如 {\"k\": \"%xxx%\"}"
    if not isinstance(ns, dict):
        return "params 必须是 JSON 对象（键对应 SQL 里的 ${键}$ 占位符）"
    # 防御：sqlor.sqlExe 见 ns 含 'page' 键会走分页路径返回 DictObject(total,rows)
    # 而非行列表——占位符命名撞 'page' 时静默变形，这里剔除。
    ns.pop("page", None)

    # ── 分支 1：tables 表结构捷径 ──
    if tables and not sql:
        tlist = [t.strip() for t in tables.split(",") if t.strip()][:_DB_QUERY_MAX_TABLES]
        out = {}
        try:
            for t in tlist:
                # 注意：sqlor 把返回列名统一转小写（sor.py _get_data），
                # 故用 AS 别名取小写键，不能 getattr(r, "COLUMN_NAME")。
                recs = await sor.sqlExe(
                    "SELECT COLUMN_NAME AS col_name, COLUMN_TYPE AS col_type, "
                    "IS_NULLABLE AS col_null, COLUMN_KEY AS col_key, "
                    "COLUMN_DEFAULT AS col_default FROM information_schema.COLUMNS "
                    "WHERE TABLE_SCHEMA=DATABASE() AND TABLE_NAME=${t}$ "
                    "ORDER BY ORDINAL_POSITION", {"t": t})
                await sor.sqlExe("COMMIT", {})
                out[t] = [{"name": getattr(r, "col_name", ""),
                           "type": getattr(r, "col_type", ""),
                           "null": getattr(r, "col_null", ""),
                           "key": getattr(r, "col_key", ""),
                           "default": getattr(r, "col_default", None)}
                          for r in (recs or [])]
        except Exception as e:
            return "查表结构失败: %s" % str(e)[:300]
        empty = [t for t in tlist if not out.get(t)]
        note = ("表不存在或无列: %s" % ",".join(empty)) if empty else ""
        text = json.dumps({"tables": out}, ensure_ascii=False, default=str)
        if note:
            text += "\n[⚠️ %s]" % note
        return text

    if not sql:
        return "需要 sql（SELECT 语句）或 tables（逗号分隔表名，查列定义）之一"

    # ── 分支 2：SELECT 查询 ──
    verr = _validate_readonly_sql(sql)
    if verr:
        return verr
    try:
        recs = await sor.sqlExe(sql, ns)
        await sor.sqlExe("COMMIT", {})
    except Exception as e:
        msg = str(e)[:300]
        hint = ""
        if "Unknown column" in msg or "1054" in msg:
            hint = "（列名不存在：先用 tables 参数查该表的列定义再改 SQL）"
        elif "Unknown table" in msg or "1146" in msg:
            hint = "（表不存在：核对表名，如 llm_usage/product/llm_model）"
        elif "not enough arguments" in msg:
            hint = "（SQL 含裸 % 或占位符缺值：LIKE 等用 ${k}$ + params 传值）"
        return "SQL 执行失败: %s%s" % (msg, hint)

    # sqlor 返回 DictObject（dict 子类，__setattr__ 写入键而非 __dict__）——
    # 必须 dict(r) 转换，不能用 r.__dict__（永远为空）。同 check_model_accounting 先例。
    rows = [dict(r) for r in (recs or [])]
    total = len(rows)
    note = ""
    if total > _DB_QUERY_MAX_ROWS:
        rows = rows[:_DB_QUERY_MAX_ROWS]
        note = ("⚠️ 结果共 %d 行，只返回前 %d 行——请加 WHERE/LIMIT 收窄"
                % (total, _DB_QUERY_MAX_ROWS))
    text = json.dumps({"total": total, "rows": rows}, ensure_ascii=False, default=str)
    while rows and len(text) > _DB_QUERY_MAX_CHARS:
        rows.pop()
        text = json.dumps({"total": total, "rows": rows}, ensure_ascii=False, default=str)
        note = ("⚠️ 输出超 %d 字符上限，已截断到前 %d 行（共 %d 行）——请加 WHERE/LIMIT 收窄"
                % (_DB_QUERY_MAX_CHARS, len(rows), total))
    if note:
        text += "\n[%s]" % note
    return text


# ────────────────────── 工具定义 ──────────────────────

PLATFORM_TOOLS = [
    ToolDefinition(
        name="platform_llm_status",
        description="查看模型治理状态：供应商/账号余额/模型定价/各状态分布。用户问「模型配置状态/账号余额」时调用。仅owner组织角色可用。",
        parameters={},
        category="platform",
    ),
    ToolDefinition(
        name="fetch_model_doc",
        description="抓取大模型供应商的 API 文档页面（返回纯文本）。配置新模型前先用此抓取官方文档。仅owner组织角色可用。",
        parameters={"url": "文档页面 URL（必须是公网 http/https）"},
        category="platform",
    ),
    ToolDefinition(
        name="extract_llm_api_spec",
        description="通读文档文本，LLM 提取 API 配置规格（端点/协议/请求响应格式/定价）。配合 fetch_model_doc 使用。仅owner组织角色可用。",
        parameters={"doc_text": "fetch_model_doc 返回的文档文本"},
        category="platform",
    ),
    ToolDefinition(
        name="apply_llm_config",
        description="按提取的规格写入模型治理配置：供应商/端点/适配模板/模型。幂等。推荐 use_last_extract=true 取本会话锚定规格（禁止把规格复制进 spec——复制即编造）；需改动加 overrides（vendor_name/base_url/protocol/doc_url/doc_notes/model_capability——用户纠正能力分类时传 model_capability 而非重提取）。仅owner组织角色可用。",
        parameters={
            "use_last_extract": "true=用本会话 extract_llm_api_spec 锚定的规格（推荐，会话级隔离）",
            "overrides": "覆盖项 JSON（白名单：vendor_name/base_url/protocol/doc_url/doc_notes/model_capability。model_capability={模型ID:能力} 如 {\\\"wan3.0-video-prime\\\": \\\"r2v\\\"}——用户纠正能力分类时传它+use_last_extract 重新 apply，不要重提取；模板会按新能力重建）",
            "spec": "（仅无锚定时的兜底）extract 返回的 JSON 规格原文",
        },
        category="platform",
        # 交互原则（2026-09-05 用户定）：配置链工具不设确认门——缺信息才问，
        # 否则一口气做完给测试结果，用户发现问题再按说明修改。
    ),
    ToolDefinition(
        name="apply_model_pricing",
        description="定价自动导入：建定价方案（pricing_program+时序YAML）并挂模型 ppid。幂等（内容无变化跳过；同日原地更新；历史行才拉链——时序表始终只一条有效行）。一个定价方案只服务一个模型；定价相同的模型共享同一 ppid。推荐 use_last_extract=true 取本会话锚定规格（含 pricing/doc_url），禁止复制转述。仅owner组织角色可用。",
        parameters={
            "use_last_extract": "true=用本会话锚定规格的 pricing+doc_url（推荐）",
            "spec": "（仅无锚定时的兜底）extract 返回的 JSON 规格原文",
        },
        category="platform",
    ),
    ToolDefinition(
        name="test_model_call",
        description="模型真实调用测试：走完整治理链（门禁→上游→结算）。返回 ok/content/usage/media（生成物本地URL）/task_ref。前置：供应商账号已配 api_key。异步模型（视频等）等待至任务完成（默认600秒）。仅owner组织角色可用。",
        parameters={
            "model_name": "模型名（llm_model.name 或 vendor_model_id）",
            "prompt": "文本提示词（t2t 默认「回复两个字：正常」；生成类填生成描述）",
            "params": "业务参数 JSON 字符串（生成类模型用；媒体统一三数组契约 "
                      "image_files/audio_files/video_files，字符串或数组均可，如 "
                      "{\\\"image_files\\\": [\\\"https://...\\\", \\\"https://...\\\"], "
                      "\\\"resolution\\\": \\\"480P\\\", \\\"duration\\\": 5}）",
            "timeout": "等待秒数（默认600，上限900）",
        },
        category="platform",
    ),
    ToolDefinition(
        name="check_model_accounting",
        description="记账正确性检查（三态 created/accounted/failed）：查最近流水的记账状态/usages因子/charge金额，accounted 时用定价引擎独立复算金额对比。failed 给原因与处置建议。仅owner组织角色可用。",
        parameters={
            "task_ref": "test_model_call 返回的 task_ref（优先）",
            "model_name": "或按模型名查最近流水",
        },
        category="platform",
    ),
    ToolDefinition(
        name="platform_modules",
        description="列出平台已装载的业务模块清单。用户问「平台有哪些模块」时调用。仅owner组织角色可用。",
        parameters={},
        category="platform",
    ),
    ToolDefinition(
        name="db_query",
        description="只读数据库查询（排查/核实库内数据的唯一正道——禁止用 run_command 手搓连库脚本）。"
                    "两种用法：①sql+params 执行单条 SELECT（占位符 ${k}$ 参数化，SQL 内禁写裸 %，"
                    "LIKE 通配符放 params 传值如 {\"k\":\"%xxx%\"}）；②tables=逗号分隔表名，直接返回列定义"
                    "（免查 information_schema，SQL 报列名/表名错误时先用它核对结构）。"
                    "行数上限200、输出上限8000字符，超限会显式提示收窄。仅owner组织角色可用。",
        parameters={
            "sql": "单条 SELECT 语句（占位符 ${k}$；禁裸 %、禁多语句、禁 INTO OUTFILE）",
            "params": "占位符取值 JSON 对象，如 {\"k\": \"%happyhorse%\", \"id\": \"abc123\"}",
            "tables": "（与 sql 二选一）逗号分隔表名，返回各表列定义，如 llm_usage,product",
        },
        category="platform",
    ),
]

PLATFORM_PROMPT = """
你是产线平台的内部运维 agent，服务对象是 owner 组织的角色。

## 模型自动配置全链工作流（用户给文档 URL 或正文要求配置模型时，一口气独立完成）
0. **输入形态判定**：用户给的是 URL → 走 fetch_model_doc；用户直接粘贴了文档正文
   （无 URL 或 URL 抓不到）→ **跳过 fetch_model_doc，把正文原样作为 doc_text 传给
   extract_llm_api_spec**（禁止凭记忆改写正文）。用户单独给了定价链接/正文时：
   定价链接可再 fetch_model_doc 抓取，定价正文直接并入 doc_text 一起提取。
1. **先 `load_skill` 加载 `model-auto-config`**（含媒体转换铁律/能力分类先行/定价新模式），严格执行
2. `fetch_model_doc` 抓取官方文档（返回文本末尾带 [出处URL] 行）
3. `extract_llm_api_spec` 通读文档提取规格——**成功后规格自动锚定到本会话缓存**
   （会话级隔离），返回里有 __anchored__ 提示
4. **不要停下来找用户确认**——直接进入下一步落库。只有文档里确实缺失、
   且无法从上下文合理推断的信息（如 api_key、能力分类需新增）才向用户提问。
5. `apply_llm_config` 传 **{"use_last_extract": true}**（用户要求改名等只加
   overrides 白名单覆盖项，如 {"overrides": {"vendor_name": "阿里云百炼"}}）。
   **绝对禁止把规格 JSON 复制/转述进 spec 参数——转述必编造结构（历史教训：
   三轮全编造 vendor{}/api_profile{} 等不存在的字段）。**
6. `apply_model_pricing` 同样传 **{"use_last_extract": true}**（定价+出处已锚定）
7. `test_model_call` 真实调用测试（前置：账号已配 api_key，没配则如实告知用户去补，
   不要伪造结果）——生成类模型传 params（媒体三数组 image_files/audio_files/
   video_files + resolution/duration 等）
8. `check_model_accounting` 检查记账（传上一步的 task_ref）：
   - accounted 且 amount_match=true → 全链通过，汇报金额
   - created → 等 60~120 秒再查一次（出账循环 60 秒一轮）
   - failed → 按 reason/hint 处置；需要核实库内数据（产品映射/定价挂接/流水明细）
     一律用 `db_query` 只读查询，**禁止用 run_command 手搓连库脚本**（沙箱 /tmp 不跨
     命令持久、平台目录只读、输出双截断——手搓必陷多轮试错）。
     产品映射由 apply_llm_config 自动完成（2026-09-08 起）——若仍报「未映射到产品」，
     回看 apply 返回的 product_mapping.note（多为产品模块未加载），重跑一次
     apply_llm_config（幂等）触发自动映射，仍失败才如实告知用户。
9. 汇报：配置/定价/测试/记账四段结果 + 出处 URL + 遗留事项（如模板需人工核对项）。
   用户发现问题后按其说明修改，再重新走对应环节（全链幂等，重跑安全）。

## 上线检查工作流（用户选定模型要求「上线检查」时，按模型配置后的测试过程处理）
1. `test_model_call` 对指定模型真实调用（完整治理链：门禁→上游→结算）。
   生成类模型（t2i/t2v/i2v/r2v 等）缺必要业务参数（媒体输入/分辨率等）时**先问用户**，
   禁止编造参数或跳过测试；t2t 用默认提示词即可。
2. `check_model_accounting` 传上一步 task_ref 检查记账：
   accounted 且 amount_match → 记账通过；created → 等 60~120 秒复查一次再下结论；
   failed → 按 reason/hint 报告原因与处置建议，需核实库内数据用 `db_query`
   （如 `SELECT ... FROM product WHERE resource_ref_id=${id}$` 查产品映射是否存在），
   禁止 run_command 手搓连库脚本。
3. `platform_llm_status` 复核该模型/定价/供应商当前状态（active/ppid 挂接等）。
4. **最后明确告诉用户检查结果：通过 / 不通过** + 各环节明细（调用/记账/状态）
   + 遗留事项。结论必须如实——任何一环失败都是不通过，禁止粉饰。

## 交互原则（用户定，2026-09-05）
- **只有缺失信息需要用户补充时才交互**（api_key、业务参数、需新增能力分类等）
- 否则从抓取到记账检查**一口气做完**，最后给出完整测试结果
- **不要每步找用户确认**——落库/定价/测试都直接执行（全部幂等，改起来安全）
- 用户发现问题 → 按用户说明修改重跑，这才是正确的纠错循环

## 工具报错自救规则
- 报「spec 结构不符/缺少 xxx」→ **不要改写结构重试**，改用 use_last_extract=true；
  本会话没锚定就重新走 fetch→extract（锚定是会话级的，跨会话不可见）
- 报「能力分类未登记」→ 如实转告用户需先加能力分类（这是人工评审门，不要绕过）
- 报「media_audit/runtime_note/需人工核对」警告 → 原样转告用户，不假装完成

## 硬规则
- **定价只允许来自文档原文**（doc_quote 强制），禁止编造/换算/推导
- **出处必留**：模型注册表描述字段与定价方案描述字段都必须保存文档 URL
- 能力分类不存在 → 先加分类（字典/种子/提示词/端点注释四处同步）再配模型，禁止塞近似分类
- 能力分类铁律：按文档正文的输入/输出模态声明判定，禁止照调用示例判（示例常只演示
  最简形态——wan3.0 实测「四模态全能参考」被示例判成 t2v）。extract 返回
  __capability_alert__ 说明描述与能力矛盾，apply 会自动纠正；用户口头纠正能力时，
  传 overrides={"model_capability": {"模型ID": "能力"}} + use_last_extract 重新 apply，
  禁止重提取（同样的提示词只会同样误判）
- 生成类模型媒体铁律：上行统一三数组契约 image_files/audio_files/video_files
  （字符串或数组均可）经 b64media2url 转公网 URL；下行产物用
  downloadfile2url(request, url) 落地；apply 返回的 media_audit 警告必须如实转告
- **模板渲染报错（如 'dict object' has no attribute 'xxx_file'）是机制缺陷，
  不是要用户去页面手改模板**：如实报告错误原文 + 你判断的根因，由维护者修生成器；
  禁止提出「请你在模型治理页面把模板改成…」这类人工兜底方案，禁止把模板 JSON 抄给用户
- 非标协议骨架模板需人工核对的项（__note__）必须如实转告用户，不假装完成
- 文档抓取失败/内容不足时如实说明，不要凭记忆编造 API 格式
- 测试没有 api_key 就停在配置阶段如实汇报，禁止跳过测试谎称完成
- 所有工具仅 owner 组织角色可用，权限报错时如实转告用户

## 平台知识
平台模块清单用 `platform_modules` 查询；技能库中「平台」相关技能（skills_library/all/ 与
pipelines/platform_general/）包含各模块的开发规范与踩坑记录，需要时用 load_skill 加载。
"""

PLATFORM_HANDLERS = {
    "platform_llm_status": _h_platform_llm_status,
    "fetch_model_doc": _h_fetch_model_doc,
    "extract_llm_api_spec": _h_extract_llm_api_spec,
    "apply_llm_config": _h_apply_llm_config,
    "apply_model_pricing": _h_apply_model_pricing,
    "test_model_call": _h_test_model_call,
    "check_model_accounting": _h_check_model_accounting,
    "platform_modules": _h_platform_modules,
    "db_query": _h_db_query,
}


def register_platform_ability():
    """注册平台内部 agent 能力包（幂等）。"""
    ability = PipelineAbility(
        pipeline_id=PLATFORM_PIPELINE_ID,
        name="平台内部 agent",
        tools=PLATFORM_TOOLS,
        system_prompt=PLATFORM_PROMPT,
        handlers=PLATFORM_HANDLERS,
        roles=[],
        menus=[
            {"label": "📊 模型治理", "icon": "", "url": "/pipeline-llm",
             "type": "tab"},
        ],
    )
    register_ability(ability)
    return ability


register_platform_ability()