@henjicc/ai-sdk 0.7.0 → 0.9.0

package/CHANGELOG.md

@@ -1,218 +1,238 @@
 # Changelog
 
+## 0.9.0 - 2026-10-06
+
+- 生成结果新增 `urls: string[]`：按输出顺序列出全部结果地址，多结果模型不再需要拆分 `url` 中的 `|||` 拼接串。`url` 保留为兼容字段，内容不变。
+
+- 百炼文件转写支持 `options.resumeTaskId`，通过官方任务查询恢复，不重新读取、上传或提交音频。短音频协议明确拒绝恢复参数。
+- 恢复查询沿用取消、超时、供应商失败和转写结果校验；现有请求行为保持兼容。
+
+- Seed-ICL 2.0 新增 `volcIclMode: 'clone'`：使用 V3 上传录音、自动生成后付费音色编号、训练与按任务恢复查询。音色名称用 `volcCloneName`，音频用 `volcCloneAudio`，统一 `prompt` 为 4–300 字试听文本；完成响应中的 `metadata.clonedVoice` 供宿主持久保存，试听 URL 可为空。
+- 提交网络结果不确定时保留可查询任务，不自动重放训练；已激活或正在训练的预付费槽位禁止覆盖。
+- Seed-TTS / Seed-ICL 2.0 的公开后付费字符估价更新为 ¥3/万字符；首次正式调用后付费复刻音色另收 ¥138 并锁定音色。
+- 迁移：使用非 `S_` 音色进行正式合成时需显式传入 `volcIclActivationConsent: true`，表示已向用户说明首次激活收费。已有预付费 `S_` 音色与语音供应商凭据 ID 保持兼容。消费者应处理克隆成功但无试听 URL 的元数据结果，不能将其视为合成音频。
+
+## 0.8.0 - 2026-09-27
+
+- TTS 音色参数统一支持选择器；公开 `listTtsVoices` 查询百炼 MiniMax、Qwen Audio 3.1、CosyVoice 3.5 和硅基流动 CosyVoice2 的账号音色。
+- Henji-AI 首发宿主加入 Qwen Audio 3.1 与火山 Seed-TTS 2.0 的官方预置音色目录，并为其他 TTS 模型展示已核实的预置或示例音色。无法查询完整音色目录的渠道保留手填 ID 兜底。
+- 迁移：上述 TTS 音色参数在目录中改为 `composite` 字符串字段；依赖旧 `dropdown.options` 渲染 Qwen 3.1 音色的 SDK 消费方需改用自己的音色选择器。原参数 ID、字符串值和请求构建保持不变。
+
 ## 0.7.0 - 2026-09-27
 
 - 新增 Fal、百炼、KIE、硅基流动和火山语音的 13 个 TTS 模型入口；保留派欧云 MiniMax Speech 2.8，并按平台契约隐藏未证实的情感参数。
 - 接入百炼 MiniMax Hex 音频、百炼 Qwen/CosyVoice 同步音频、硅基流动二进制音频及火山 V3 分块音频；输出统一交给现有媒体落盘边界。
 - 有公开字符单价的模型提供估算；按音频输出 Token 计费或缺少可核实按量单价的模型不显示数字估算。
-
-## 0.6.2 - 2026-09-24
-
-- 完善聊天与翻译 SSE 的事件边界和完成状态校验：保留合法空中间帧、用量与状态通知，提前结束、服务端错误和无效终态不再伪装成功；保留翻译增量/累积协议差异。
-- 修复百炼实时 ASR 字段校验、Qwen 中间文字拼接和状态通知处理；保留 0.6.1 空中间帧兼容，诊断包含实际模型、协议及失败阶段。
-- 收口共享实时会话的取消、超时、后台故障通知和资源释放；SDK 会话提供可选 result promise，旧自定义会话仍兼容。握手清理失败保留首个故障，火山服务错误默认脱敏。
-- 阻止聊天及火山实时识别在取消后继续派发同一帧的后续结果；明确智谱推理网络错误与上下文截断，扩展通知不冒充完成证据。
-- 增加脱敏事件序列回归并执行修复撤销验证，更新聊天示例的合法结束帧。未改变供应商配额、网络稳定性或模型识别质量。
-
-## 0.6.1 - 2026-09-24
-
-- 修复百炼 Fun Duplex 实时识别把无句首标记的空文本中间帧误判为无效响应的问题；覆盖 Qwen Audio 3.1 streaming 与 Fun-ASR 共享协议。
-- 保持缺失文字字段、空最终结果、全程无有效 final 的严格校验及连接释放。
-
-## 0.6.0 - 2026-09-24
-
-- 新增 MiMo 2.6 Pro / Flash / Pro-UltraSpeed 能力；默认推荐 Pro / Flash，保留 2.5 ID（官方计划 10 月 21 日下线），不自动替换用户选择。
-- MiMo Chat / Responses 思考字段分离，兼容完整 reasoning_text 事件及历史思考回传，流中断不再伪装完成。
-- 新增大陆 GLM-5.3-FlashX 与官方价格；Flash / FlashX 开放 JSON 输出并保留思考。
-- 新增 KIE HappyHorse 1.1 文生、图生、多图参考模式，以及火山 Seedream 5.0 Flash 生成/编辑和图层拆分；价格按最新官方单价。
-- 百炼新增 Qwen-Audio 3.1 短音频、文件与实时 ASR，支持方言/即时热词与说话人输出；修复短音频 JSON 回退、上下文字段及文件声道数组。
-- Kimi K3 资料补齐缓存写入 TTL 价格。新增公开入口保持向后兼容，既有外部 ASR 消费方从 0.2.x 升级仍须满足 0.5.0 的宿主流式上传要求。
-
-
-## 0.5.2 - 2026-09-21
-
-- `llm/streaming` 新增有类型定义的文本、JSON Object 与 JSON Schema 输出配置，并把它正式写入 Chat Completions 的 `response_format`。
-- 模型能力现在可声明结构化输出与思考模式能否并用；不支持或尚未核实的组合在网络请求前返回可解析错误码，Groq 流式 JSON Schema 按官方限制明确拒绝。
-- 新增 `maxOutputTokens`，OpenAI/Groq/MiMo 使用 `max_completion_tokens`，其余兼容端点沿用 `max_tokens`；省略时不再强制 4096，流结束用 `truncated` 标记 token 上限截断。
-- 最终发送体复用正式构建结果，`onRequestBuilt` 只收到观察快照；保留正文/思考分流、AbortSignal、可选总时限与轻量受限宿主边界。
-
-## 0.5.1 - 2026-09-21
-
-- Grsai GPT Image 2.5 默认变体从维护中的 Flare 切换为可用的 Standard；显式 Flare/Sunburst 参数保持兼容，等待官方恢复公告。
-- 默认请求体与默认价格估算同步使用 Standard，避免界面未选择变体时仍把任务提交到维护通道。
-
-## 0.5.0 - 2026-09-21
-
-- 文件 ASR 支持分块 JSON/Base64 与 multipart，请求体不重组整文件；支持结构化大小错误、PCM 时长估算及取消清理。
-- **迁移要求**：百炼异步本地文件需宿主 transport.uploadFile 原生直传 OSS，不再走媒体读取通道。其他流式路径需 describe/readChunk + fetchStream；旧 read 路径保留但不得放宽内存保护。
-- 修复上传凭证字符串大小限制漏检，采用官方临时上传 1 GB 上限；Qwen 按编码后 10 MB 预检，Groq/硅基流动附件采用保守十进制上限。
-- 包含原待发布 0.4.2 网络重试修复；外部消费者从公共 npm 精确安装 0.5.0。
-
-## 0.4.2 - 待发布
-
-- 明确识别 TLS 建立前的断连；安全请求在端点尝试耗尽后按 1、3、8 秒退避恢复，取消可立即结束等待。
-- 每次失败重新判定是否可以重试；提交状态不明的写请求停止重放，查询中断继续使用原任务。
-- 网络错误附带脱敏端点、连接阶段、耗时与提交状态，便于宿主定位失败。
-
-## 0.4.1 - 2026-09-11
-
-- 修复 KIE GPT Image 2 / 2.5 误带参考生视频标签；保留图片生成、编辑、多图输入与原有请求契约。
-- 增加全目录输出模态与视频能力标签一致性回归检查，防止图片模型再次显示视频功能。
-
-## 0.4.0 - 2026-09-11
-
-- 新增硅基流动 LLM 按需入口与四个常用模型预设，支持流式正文、思考和工具调用，复用聊天与模型步骤运行时。
-- 硅基流动模型发现支持服务端 chat / embedding / reranker 分类，保留新模型；无效响应不再伪装为空列表。
-- DeepSeek 官方默认仍为 V4.1 Flash；硅基流动托管模型使用独立协议与能力标注。
-
-## 0.3.0 - 2026-09-11
-
-- 新增按需文本 Embedding/Rerank 能力：硅基流动、百炼、派欧云、智谱两类入口，以及火山方舟单条文本向量入口；统一向量索引、重排分数、用量与取消，通过宿主 transport/credentials 执行。火山 VikingDB 重排不在本轮范围。
-
-- 新增 GPT Image 2.5 的 APIMart、KIE、Fal、Grsai 模型及按需入口，默认生成目录从 105 扩展至 109；保留 GPT Image 2 及现有参数和入口。
-- DeepSeek 官方默认与唯一推荐模型更新为 `deepseek-flash`（V4.1 Flash），登记图片理解、1M 上下文和 384K 输出，默认使用 Responses；聚合渠道旧模型保持独立。
-- 根据供应商分别支持 Flare / Sunburst、官方 / Ext 渠道、1K–4K、质量、透明背景、多图和 Fal 遮罩编辑；不支持的组合在构建请求时明确拒绝。
-- 价格区分按张、积分与 token：Fal/APIMart 官方渠道显示输出参考估算，输入另计；Grsai 保留基础充值档估价，并说明大额充值折扣。
-- 补充官方字段与响应 fixture、文生图/编辑契约和宿主参数切换回归；未执行付费生成，不代表实测质量、速度或账单。
-
-## Unreleased
-
-## 0.2.8 - 2026-08-31
-
-- 正式分发渠道从需要读包凭据的私有 GitHub Packages 迁移到公共 npm；消费项目现在可以直接安装 `@henjicc/ai-sdk`，无需 `.npmrc` 或访问令牌。
-- 发布前门禁固定校验 npm 公共 registry、仓库 scope 映射与 `access=public`，并提供显式指定公共源的 `npm run publish:sdk`，避免用户级配置把版本误发回私有源；正式发布仍只由 npm 包维护者手动执行。
-- 本次只调整分发与安装契约，不改变 0.2.7 的运行时 API、模型目录、请求协议或宿主能力边界。
-
-## 0.2.7 - 2026-08-31
-
-- ASR 按需能力从百炼 9 个模型扩展到 15 个：新增火山引擎 SeedASR 2.0 文件 submit/query 与二进制实时 WebSocket、硅基流动 SenseVoiceSmall/TeleSpeechASR，以及 Groq Whisper Large v3/Turbo。
-- 火山实时协议严格校验 V1 大端二进制帧、sequence、payload size、gzip 与终包语义；文件标准版只接受官方要求的公网 URL，不为本地文件伪造上传能力。
-- Groq 与硅基流动使用各自官方 multipart 转写契约并统一输出 `SpeechRecognitionOutput`；Groq `verbose_json` 额外归一化时长、分句和词级时间戳，免费层默认按 25 MB 本地上限保护，消费宿主可按套餐显式调整。
-- 新增四个 ASR 独立 exports、官方来源 fixture、协议断牙测试、bundle 隔离、仓外 Vite/Node ESM 与无全局 TextEncoder/TextDecoder 的受限宿主门禁。
-
-- 默认生成目录从 99 个扩展到 105 个模型，新增六个 Fal 入口：IC-Light v2 重打光，以及 Topaz、Topaz 透明图、SeedVR2、Bria Creative、Ideogram 高清放大；按需工具仍不混入默认目录。
-- IC-Light v2 固定单图约 1MP 重打光契约，并提供五档官方初始光照方向；Fal GPT Image 2 新增 `2:1` 比例和显式约 2K 输出档。
-- Topaz 图片放大统一为 Precision / Creative / Generative 显式模式路由，按模式裁剪模型、增强和人脸参数；Topaz 计价改为按实时官方输出 MP 阶梯计算，不再将所有超过 48MP 的任务直接估为 `$1.36`。
-- Fal 可选图片工具扩展到 12 个：保留 3 个消除工具，新增 6 个重打光、暗光增强、扩图、商品摄影、照片修复、背景移除工具，以及 Qwen、Perspective、FLUX 2 三个多角度工具；提供 3 / 6 / 3 三个聚合 pack 和对应单模型入口。
-- 多角度工具分别支持九档离散方位、透视水平/垂直旋转与 FLUX 2 连续水平、垂直、缩放控制；图片实用工具保持单图输入、官方字段限制和独立固定/按 MP 估价。
-- 新增可移植的 `StructuredGenerationOutput` / `layer-stack` 响应契约；火山引擎、APIMart、KIE 的 Seedream 5.0 Pro 图层拆分统一解析输出顺序、尺寸、格式、包围盒和原始索引，同时保留供应商原始 metadata。
-- Fal 队列提交现在只把 `sync_mode: true` 当作本地直连路由标记；显式 `sync_mode: false` 会继续发送给队列，保证 Pixelcut 等端点返回可持久化 CDN URL。
-- Fal 返回或恢复的 `status_url` / `response_url` 必须属于官方 `https://queue.fal.run` 源，拒绝带用户信息或第三方源的任务 URL，且 `invalid_endpoint` 不进入轮询重试，避免 API Key 被外带。
-- `continuePolling()` 只解析模型端点，不再为了续查重建并校验完整生成请求体；持久化任务可在没有原始媒体参数时安全恢复轮询。
-- 新增 `openai-responses` 模型步骤协议，与 Chat Completions 并存；标准 Responses SSE、usage、失败与取消统一落到既有模型步骤事件和错误契约。
-- 预制供应商按“供应商端点 × 具体模型”自动选择协议：DeepSeek、火山引擎、百炼、MiniMax 与智谱国内 GLM-5.3 的已确认组合默认 Responses，聚合网关和未确认模型继续 Chat。
-- Anthropic 协议仍未实现，不再向宿主设置界面提供伪选项；自定义未知端点只需在 Chat / Responses 之间选择。
-- `LlmProviderSetup` 新增可选 `connectionOverrides`：预设默认继续按具体模型自动路由，只有用户主动修改时才覆盖 API 地址或统一请求协议；供应商身份、凭据槽与模型能力仍保留预设契约。
-- 发布门禁同步锁定 105 个默认模型、12 个 Fal 工具、三类工具聚合包以及仓库外 Node ESM、严格 TypeScript、Vite 与受限宿主包回装；fixture/scripted 验证不发起付费供应商请求。
-
-## 0.2.6 - 2026-08-28
-
-- 新增统一的 `PROVIDER_METADATA` 与 `findProviderMetadata(providerId, options)` 公共契约，覆盖全部生成供应商、LLM 预设与 BigModel 国内/国际端点的官网和 API Key 入口。
-- 派欧云、KIE、APIMart 的 `websiteUrl` 保留项目已有邀请码，其余供应商使用正常官网；未知自定义供应商返回 `null`，宿主无需复制或猜测链接。
-- LLM preset 与 endpoint profile 改为消费统一供应商目录，并更新 Kimi、MiniMax、小米 MiMo、百炼、火山引擎等已变化的控制台入口。
-
-## 0.2.5 - 2026-08-28
-
-- 新增 `LlmProviderSetup` 的 preset/custom 来源契约和 `builtin | user` 生命周期；已有配置字段与工厂参数均保持可选，0.2.4 消费代码无需迁移即可继续运行。
-- `createProviderFromPreset()` 现在显式返回稳定 `credentialId` 与 setup 来源，并允许宿主把正式内置记录标为 `builtin`；BigModel cn/global 仍保持区域化 endpoint profile 与凭据隔离。
-- 新增 API Key 管理地址规范化与解析：endpoint profile 官方地址优先，其次 preset 官方地址，custom 只接受不含内嵌凭据、长度不超过 2048 的绝对 HTTP(S) URL。
-
-## 0.2.4 - 2026-08-28
-
-- 新增 `@henjicc/ai-sdk/llm/bigmodel` 按需入口：保留 `bigmodel` 中国大陆默认实例，并在同一协议族内提供 `cn/global` 两个端点 profile、独立凭据槽和分区价格。
-- 新增 GLM-5.3-Flash 的保守能力目录与 Chat Completions 文件引用、普通 SSE 工具分片支持；结构化输出、`tool_stream` 与 SDK 未实现的 `file_id` 上传保持关闭。
-- LLM 原生流式与模型步按 `providerFamilyId` 应用协议规则、按 `credentialId` 取密钥，并拒绝 BigModel 跨区端点或凭据错配。
-
-本项目遵循语义化版本。`0.x` 阶段仍可能包含破坏性调整，升级时请先阅读对应版本说明。
-
-## 0.2.3 - 2026-08-28
-
-- 修复 Fun-ASR Realtime 把官方 `sentence_begin=true`、`sentence_end=false`、`text=""` 句首生命周期事件误报为 `invalid_response`；空句首现在继续等待真实文本。
-- 保持严格终态：空 final 仍报协议错误，任务全程没有有效 final 时在 `task-finished` 报无有效转写；空 `task-finished.payload` 不覆盖已累计结果。
-- 重复 final 只累计并通知一次；补齐官方事件 fixture、用户错误回归、空终态、终态顺序、错误与资源释放断牙测试。
-
-## 0.2.2 - 2026-08-28
-
-- 新增按需入口 `@henjicc/ai-sdk/llm/modules`：外部包、插件与内置 LLM 共用 source-aware 注册、流式/非流式执行、模型发现、取消、drain、namespace 注销和 dispose 生命周期。
-- LLM module 复用现有 Chat DTO、Token/ReasoningToken、usage、Abort/timeout、RuntimeContext、日志、trace 与统一 discovery；client 统一发射 Usage/Finish/Done/Error，插件不需要导入 SDK，也没有第二套插件专用执行器。
-- module ID 与 provider/model 坐标冲突均拒绝覆盖并列出双方 source；新增 `createGroqLlmModule()`，正式验证外部插件不能遮蔽内置 Groq。
-- 新增精确资源/断牙测试、无网络 bundle 隔离门禁，以及远端 Node ESM、strict TypeScript、Vite 和无全局 `TextEncoder` / `TextDecoder` 消费验证。
-
-## 0.2.1 - 2026-08-28
-
-- 修复构建期 ESM specifier 重写漏掉精确 `.` / `..` 目录导入，确保 Node ESM 消费方可直接加载 ASR、实时 ASR、翻译和 Groq 按需入口。
-- 发布门禁新增仓库外 Node ESM 实际执行，连同严格 TypeScript、Vite、无全局 `TextEncoder` / `TextDecoder` 与 bundle 隔离一起验证；发布说明将 `0.2.0` 标记为不建议使用。
-
-## 0.2.0 - 2026-08-28
-
-- 新增供应商无关的 ASR、翻译与实时会话能力协议；宿主按需注入 HTTP、实时连接、媒体读取、凭据、日志、Abort 与超时，不依赖 Node/Electron 或浏览器全局 WebSocket。
-- 新增 5 个百炼短音频/文件 ASR、4 个百炼实时 ASR、Qwen-MT Flash/Plus/Lite，以及 Groq GPT-OSS 20B 流式聊天、静态默认模型与模型发现入口；具体能力均需从独立子路径显式导入。
-- capability descriptor 新增必填 `source.kind/source.namespace`，支持内置/外部/插件所有权、冲突诊断、来源批量卸载和资源释放；module ID、provider/kind/model 坐标与统一 discovery ID 冲突不再静默覆盖。
-- **破坏性变更**：百炼 ASR module ID 从 `bailian.<modelId>` 统一为 `bailian.speech-recognition.<modelId>`，SDK 不保留旧 ID 或 `funasr` provider alias；已有宿主持久化数据需一次性迁移。
-- 新增 ASR、翻译、Groq 与开放 OCR/custom operation 的穷举/断牙测试及独立 bundle 门禁；所有供应商 fixture 均不含真实密钥，本版本发布验证不发起付费模型请求。
-
-## 0.1.8 - 2026-08-28
-
-- 修复 Photoshop UXP 9.2 缺少全局 `TextDecoder` 时 LLM SSE 无法启动：窄流式入口改用 SDK 内部增量 UTF-8 解码器，不要求宿主注入 DOM 或 Node polyfill。
-- UTF-8 解码覆盖中文与 emoji 跨 chunk、畸形/过长/代理项/越界序列的替换字符语义，以及流结束截断尾段 flush；LLM reasoning/text/usage/stop/`[DONE]` 和 Abort 契约不变。
-- UXP 门禁不再向 VM 注入 `TextEncoder` / `TextDecoder`，并禁止重新引入直接 `TextDecoder` 构造。
-
-## 0.1.7 - 2026-08-28
-
-- 新增 `@henjicc/ai-sdk/llm/streaming` 受限宿主入口，仅包含原生 OpenAI-compatible SSE、取消、必要类型与错误协议，不静态带入 modelStep、Zod 或 Vercel AI SDK。
-- 原生 SSE 补齐 usage 与 finish reason 结果，保持 reasoning/text 事件与旧入口兼容；覆盖 UTF-8 跨 chunk、`[DONE]`、供应商错误与 Abort。
-- 新增关闭 tree-shaking 的 UXP LLM IIFE/ESM 发布门禁，禁止动态代码生成、Node 全局与非必需 Streams polyfill。
-
-## 0.1.6 - 2026-08-28
-
-- APIMart Nano Banana 2、Lite、Pro 新增常规/官方双渠道，保持常规渠道为默认，并按渠道切换精确模型 ID 与估价。
-- APIMart Seedream 5 Pro 补齐官方合法的 `2:1` / `1:2`；Pro/Lite 对列表外比例显式报错，不再静默降级 1:1。
-- Fal Seedream 5 Pro/Lite、Qwen Image 3、GPT Image 2、Z-Image 补齐通用比例与显式约 1MP 请求档；GPT Image 2 补齐 `quality=auto`，所有 0.1.5 默认保持不变。
-- 补齐 Photoshop adapter 迁移交接；APIMart Midjourney、Z-Image、GPT Image 2 与 Fal Nano 隐藏默认经官方契约核证后维持现实现。
-
-## 0.1.5 - 2026-08-28
-
-- 新增零内置依赖的 `generation/core`、99 个完整单模型 pack、8 个 provider adapter/pack；默认
-  `generation` 仍保持 99 模型兼容行为。
-- 新增 provider-scoped 媒体预处理/上传策略，完整 pack 可独立完成媒体读取、上传与生成生命周期。
-- 新增开放 capability module 协议，支持 ASR/OCR 等非媒体生成能力按模块注册、发现、类型化执行与取消。
-- 新增 3 个不进入默认目录的 Fal 图像消除单模型 pack 与聚合 `tool-packs/fal-image-edit-tools`，复用同一
-  Fal 上传、队列、轮询、错误与取消内核。
-- 新增跨 generation、LLM 与开放扩展的统一能力画像和组合筛选；筛选只作用于宿主已导入候选，
-  静态最小化仍由单模型、供应商或模型集合 pack 的 import 边界决定。
-
-## 0.1.4 - 2026-08-27
-
-- 新增 `@henjicc/ai-sdk/generation` 与 `createGenerationClient`，复用根客户端唯一生成内核，不静态带入 LLM/Vercel AI SDK。
-- 新增 generation IIFE/VM 发布门禁：99 模型目录与零网络生命周期通过，禁止 Node、动态代码生成、global fetch、Streams、File、`btoa`/`atob` 等受限宿主风险。
-- Fal CDN 上传改为全程使用 `RuntimeContext.transport` 的 REST initiate + signed PUT，不再依赖 `@fal-ai/client` 或构造 `File`；补齐成功、失败、取消 fixture。
-- 保留 `uploadToFal(apiKey, prepared)` 两参数兼容调用；新宿主应显式传 Transport 或使用生成客户端。
-
-## 0.1.3 - 2026-08-27
-
-- 修复 Fal 队列任务在提交 alias 与状态查询 canonical route 不一致时轮询失败：优先保存供应商返回的完整 `status_url`，仅缺失时才按 `request_id` 重建。
-- 完整 `status_url` 轮询完成后仍还原纯 request id，避免状态 URL 被媒体结果收集器误判为生成结果。
-- KIE/Fal Seedream 4.0、4.5 四个历史 override 已完成真实供应商单张最小规格验证；KIE/APIMart/PPIO 只读连通性与 KIE/APIMart 设置页余额展示已完成正式 Electron 验证。
-
-## 0.1.2 - 2026-08-27
-
-- 修复发布包在标准 Vite 开发模式下无法解析：五个 `exports` 入口不再优先指向未随包发布的 `src/`，统一解析到已发布的 `dist/` ESM 与类型声明。
-- 发布前门禁新增仓库外临时消费方的标准 Vite dev server 解析回归，覆盖包根及四个子路径入口，防止再次发布只在 monorepo 内可用的条件导出。
-
-## 0.1.1 - 2026-08-27
-
-- 新增 Electron、Tauri、UXP 接入指南，以及供应商域名与错误处理参考。
-- 新增 `minimal-node`、`form-renderer`、`llm-chat` 三个可构建示例。
-- 重写快速开始，补齐 GitHub Packages 私有安装、四项宿主接口注入和生成/轮询示例。
-
-- 不改变 `0.1.0` 的运行时 API；此补丁版用于交付完整指南、示例与已知限制。
-
-## 0.1.0 - 2026-08-27
-
-- 首次私有发布到 GitHub Packages：`@henjicc/ai-sdk`。
-- 提供 8 个生成供应商、99 个模型目录、媒体上传预处理与统一 `createAIClient` 入口。
-- 提供 OpenAI-compatible LLM 流式执行与模型步能力。
-- 提供 5 个 ESM 导出入口、完整 TypeScript 类型声明及模型/LLM 适配文档。
-- 产物保留源码模块结构，不预打成单文件，供 UXP、Tauri 与现代 Node 打包器静态分析和 tree-shaking。
-
-迁移说明：这是首次发布，无历史 npm 版本需要迁移；仓库内原占位导入名 `@henji/ai-sdk` 已统一改为 `@henjicc/ai-sdk`。
+
+## 0.6.2 - 2026-09-24
+
+- 完善聊天与翻译 SSE 的事件边界和完成状态校验：保留合法空中间帧、用量与状态通知，提前结束、服务端错误和无效终态不再伪装成功；保留翻译增量/累积协议差异。
+- 修复百炼实时 ASR 字段校验、Qwen 中间文字拼接和状态通知处理；保留 0.6.1 空中间帧兼容，诊断包含实际模型、协议及失败阶段。
+- 收口共享实时会话的取消、超时、后台故障通知和资源释放；SDK 会话提供可选 result promise，旧自定义会话仍兼容。握手清理失败保留首个故障，火山服务错误默认脱敏。
+- 阻止聊天及火山实时识别在取消后继续派发同一帧的后续结果；明确智谱推理网络错误与上下文截断，扩展通知不冒充完成证据。
+- 增加脱敏事件序列回归并执行修复撤销验证，更新聊天示例的合法结束帧。未改变供应商配额、网络稳定性或模型识别质量。
+
+## 0.6.1 - 2026-09-24
+
+- 修复百炼 Fun Duplex 实时识别把无句首标记的空文本中间帧误判为无效响应的问题；覆盖 Qwen Audio 3.1 streaming 与 Fun-ASR 共享协议。
+- 保持缺失文字字段、空最终结果、全程无有效 final 的严格校验及连接释放。
+
+## 0.6.0 - 2026-09-24
+
+- 新增 MiMo 2.6 Pro / Flash / Pro-UltraSpeed 能力；默认推荐 Pro / Flash，保留 2.5 ID（官方计划 10 月 21 日下线），不自动替换用户选择。
+- MiMo Chat / Responses 思考字段分离，兼容完整 reasoning_text 事件及历史思考回传，流中断不再伪装完成。
+- 新增大陆 GLM-5.3-FlashX 与官方价格；Flash / FlashX 开放 JSON 输出并保留思考。
+- 新增 KIE HappyHorse 1.1 文生、图生、多图参考模式，以及火山 Seedream 5.0 Flash 生成/编辑和图层拆分；价格按最新官方单价。
+- 百炼新增 Qwen-Audio 3.1 短音频、文件与实时 ASR，支持方言/即时热词与说话人输出；修复短音频 JSON 回退、上下文字段及文件声道数组。
+- Kimi K3 资料补齐缓存写入 TTL 价格。新增公开入口保持向后兼容，既有外部 ASR 消费方从 0.2.x 升级仍须满足 0.5.0 的宿主流式上传要求。
+
+
+## 0.5.2 - 2026-09-21
+
+- `llm/streaming` 新增有类型定义的文本、JSON Object 与 JSON Schema 输出配置，并把它正式写入 Chat Completions 的 `response_format`。
+- 模型能力现在可声明结构化输出与思考模式能否并用；不支持或尚未核实的组合在网络请求前返回可解析错误码，Groq 流式 JSON Schema 按官方限制明确拒绝。
+- 新增 `maxOutputTokens`，OpenAI/Groq/MiMo 使用 `max_completion_tokens`，其余兼容端点沿用 `max_tokens`；省略时不再强制 4096，流结束用 `truncated` 标记 token 上限截断。
+- 最终发送体复用正式构建结果，`onRequestBuilt` 只收到观察快照；保留正文/思考分流、AbortSignal、可选总时限与轻量受限宿主边界。
+
+## 0.5.1 - 2026-09-21
+
+- Grsai GPT Image 2.5 默认变体从维护中的 Flare 切换为可用的 Standard；显式 Flare/Sunburst 参数保持兼容，等待官方恢复公告。
+- 默认请求体与默认价格估算同步使用 Standard，避免界面未选择变体时仍把任务提交到维护通道。
+
+## 0.5.0 - 2026-09-21
+
+- 文件 ASR 支持分块 JSON/Base64 与 multipart，请求体不重组整文件；支持结构化大小错误、PCM 时长估算及取消清理。
+- **迁移要求**：百炼异步本地文件需宿主 transport.uploadFile 原生直传 OSS，不再走媒体读取通道。其他流式路径需 describe/readChunk + fetchStream；旧 read 路径保留但不得放宽内存保护。
+- 修复上传凭证字符串大小限制漏检，采用官方临时上传 1 GB 上限；Qwen 按编码后 10 MB 预检，Groq/硅基流动附件采用保守十进制上限。
+- 包含原待发布 0.4.2 网络重试修复；外部消费者从公共 npm 精确安装 0.5.0。
+
+## 0.4.2 - 待发布
+
+
+- 根入口补充导出既有的百炼、火山引擎、硅基流动与 Groq 语音识别模块，兼容经典 Node 模块解析的 Electron 宿主；原有按需子路径保持不变。
+- 明确识别 TLS 建立前的断连；安全请求在端点尝试耗尽后按 1、3、8 秒退避恢复，取消可立即结束等待。
+- 每次失败重新判定是否可以重试；提交状态不明的写请求停止重放，查询中断继续使用原任务。
+- 网络错误附带脱敏端点、连接阶段、耗时与提交状态，便于宿主定位失败。
+
+## 0.4.1 - 2026-09-11
+
+- 修复 KIE GPT Image 2 / 2.5 误带参考生视频标签；保留图片生成、编辑、多图输入与原有请求契约。
+- 增加全目录输出模态与视频能力标签一致性回归检查，防止图片模型再次显示视频功能。
+
+## 0.4.0 - 2026-09-11
+
+- 新增硅基流动 LLM 按需入口与四个常用模型预设，支持流式正文、思考和工具调用，复用聊天与模型步骤运行时。
+- 硅基流动模型发现支持服务端 chat / embedding / reranker 分类，保留新模型；无效响应不再伪装为空列表。
+- DeepSeek 官方默认仍为 V4.1 Flash；硅基流动托管模型使用独立协议与能力标注。
+
+## 0.3.0 - 2026-09-11
+
+- 新增按需文本 Embedding/Rerank 能力：硅基流动、百炼、派欧云、智谱两类入口，以及火山方舟单条文本向量入口；统一向量索引、重排分数、用量与取消，通过宿主 transport/credentials 执行。火山 VikingDB 重排不在本轮范围。
+
+- 新增 GPT Image 2.5 的 APIMart、KIE、Fal、Grsai 模型及按需入口，默认生成目录从 105 扩展至 109；保留 GPT Image 2 及现有参数和入口。
+- DeepSeek 官方默认与唯一推荐模型更新为 `deepseek-flash`（V4.1 Flash），登记图片理解、1M 上下文和 384K 输出，默认使用 Responses；聚合渠道旧模型保持独立。
+- 根据供应商分别支持 Flare / Sunburst、官方 / Ext 渠道、1K–4K、质量、透明背景、多图和 Fal 遮罩编辑；不支持的组合在构建请求时明确拒绝。
+- 价格区分按张、积分与 token：Fal/APIMart 官方渠道显示输出参考估算，输入另计；Grsai 保留基础充值档估价，并说明大额充值折扣。
+- 补充官方字段与响应 fixture、文生图/编辑契约和宿主参数切换回归；未执行付费生成，不代表实测质量、速度或账单。
+
+## Unreleased
+
+## 0.2.8 - 2026-08-31
+
+- 正式分发渠道从需要读包凭据的私有 GitHub Packages 迁移到公共 npm；消费项目现在可以直接安装 `@henjicc/ai-sdk`，无需 `.npmrc` 或访问令牌。
+- 发布前门禁固定校验 npm 公共 registry、仓库 scope 映射与 `access=public`，并提供显式指定公共源的 `npm run publish:sdk`，避免用户级配置把版本误发回私有源；正式发布仍只由 npm 包维护者手动执行。
+- 本次只调整分发与安装契约，不改变 0.2.7 的运行时 API、模型目录、请求协议或宿主能力边界。
+
+## 0.2.7 - 2026-08-31
+
+- ASR 按需能力从百炼 9 个模型扩展到 15 个：新增火山引擎 SeedASR 2.0 文件 submit/query 与二进制实时 WebSocket、硅基流动 SenseVoiceSmall/TeleSpeechASR，以及 Groq Whisper Large v3/Turbo。
+- 火山实时协议严格校验 V1 大端二进制帧、sequence、payload size、gzip 与终包语义；文件标准版只接受官方要求的公网 URL，不为本地文件伪造上传能力。
+- Groq 与硅基流动使用各自官方 multipart 转写契约并统一输出 `SpeechRecognitionOutput`；Groq `verbose_json` 额外归一化时长、分句和词级时间戳，免费层默认按 25 MB 本地上限保护，消费宿主可按套餐显式调整。
+- 新增四个 ASR 独立 exports、官方来源 fixture、协议断牙测试、bundle 隔离、仓外 Vite/Node ESM 与无全局 TextEncoder/TextDecoder 的受限宿主门禁。
+
+- 默认生成目录从 99 个扩展到 105 个模型，新增六个 Fal 入口：IC-Light v2 重打光，以及 Topaz、Topaz 透明图、SeedVR2、Bria Creative、Ideogram 高清放大；按需工具仍不混入默认目录。
+- IC-Light v2 固定单图约 1MP 重打光契约，并提供五档官方初始光照方向；Fal GPT Image 2 新增 `2:1` 比例和显式约 2K 输出档。
+- Topaz 图片放大统一为 Precision / Creative / Generative 显式模式路由，按模式裁剪模型、增强和人脸参数；Topaz 计价改为按实时官方输出 MP 阶梯计算，不再将所有超过 48MP 的任务直接估为 `$1.36`。
+- Fal 可选图片工具扩展到 12 个：保留 3 个消除工具，新增 6 个重打光、暗光增强、扩图、商品摄影、照片修复、背景移除工具，以及 Qwen、Perspective、FLUX 2 三个多角度工具；提供 3 / 6 / 3 三个聚合 pack 和对应单模型入口。
+- 多角度工具分别支持九档离散方位、透视水平/垂直旋转与 FLUX 2 连续水平、垂直、缩放控制；图片实用工具保持单图输入、官方字段限制和独立固定/按 MP 估价。
+- 新增可移植的 `StructuredGenerationOutput` / `layer-stack` 响应契约；火山引擎、APIMart、KIE 的 Seedream 5.0 Pro 图层拆分统一解析输出顺序、尺寸、格式、包围盒和原始索引，同时保留供应商原始 metadata。
+- Fal 队列提交现在只把 `sync_mode: true` 当作本地直连路由标记；显式 `sync_mode: false` 会继续发送给队列，保证 Pixelcut 等端点返回可持久化 CDN URL。
+- Fal 返回或恢复的 `status_url` / `response_url` 必须属于官方 `https://queue.fal.run` 源，拒绝带用户信息或第三方源的任务 URL，且 `invalid_endpoint` 不进入轮询重试，避免 API Key 被外带。
+- `continuePolling()` 只解析模型端点，不再为了续查重建并校验完整生成请求体；持久化任务可在没有原始媒体参数时安全恢复轮询。
+- 新增 `openai-responses` 模型步骤协议，与 Chat Completions 并存；标准 Responses SSE、usage、失败与取消统一落到既有模型步骤事件和错误契约。
+- 预制供应商按“供应商端点 × 具体模型”自动选择协议：DeepSeek、火山引擎、百炼、MiniMax 与智谱国内 GLM-5.3 的已确认组合默认 Responses，聚合网关和未确认模型继续 Chat。
+- Anthropic 协议仍未实现，不再向宿主设置界面提供伪选项；自定义未知端点只需在 Chat / Responses 之间选择。
+- `LlmProviderSetup` 新增可选 `connectionOverrides`：预设默认继续按具体模型自动路由，只有用户主动修改时才覆盖 API 地址或统一请求协议；供应商身份、凭据槽与模型能力仍保留预设契约。
+- 发布门禁同步锁定 105 个默认模型、12 个 Fal 工具、三类工具聚合包以及仓库外 Node ESM、严格 TypeScript、Vite 与受限宿主包回装；fixture/scripted 验证不发起付费供应商请求。
+
+## 0.2.6 - 2026-08-28
+
+- 新增统一的 `PROVIDER_METADATA` 与 `findProviderMetadata(providerId, options)` 公共契约，覆盖全部生成供应商、LLM 预设与 BigModel 国内/国际端点的官网和 API Key 入口。
+- 派欧云、KIE、APIMart 的 `websiteUrl` 保留项目已有邀请码，其余供应商使用正常官网；未知自定义供应商返回 `null`，宿主无需复制或猜测链接。
+- LLM preset 与 endpoint profile 改为消费统一供应商目录，并更新 Kimi、MiniMax、小米 MiMo、百炼、火山引擎等已变化的控制台入口。
+
+## 0.2.5 - 2026-08-28
+
+- 新增 `LlmProviderSetup` 的 preset/custom 来源契约和 `builtin | user` 生命周期；已有配置字段与工厂参数均保持可选，0.2.4 消费代码无需迁移即可继续运行。
+- `createProviderFromPreset()` 现在显式返回稳定 `credentialId` 与 setup 来源，并允许宿主把正式内置记录标为 `builtin`；BigModel cn/global 仍保持区域化 endpoint profile 与凭据隔离。
+- 新增 API Key 管理地址规范化与解析：endpoint profile 官方地址优先，其次 preset 官方地址，custom 只接受不含内嵌凭据、长度不超过 2048 的绝对 HTTP(S) URL。
+
+## 0.2.4 - 2026-08-28
+
+- 新增 `@henjicc/ai-sdk/llm/bigmodel` 按需入口：保留 `bigmodel` 中国大陆默认实例，并在同一协议族内提供 `cn/global` 两个端点 profile、独立凭据槽和分区价格。
+- 新增 GLM-5.3-Flash 的保守能力目录与 Chat Completions 文件引用、普通 SSE 工具分片支持；结构化输出、`tool_stream` 与 SDK 未实现的 `file_id` 上传保持关闭。
+- LLM 原生流式与模型步按 `providerFamilyId` 应用协议规则、按 `credentialId` 取密钥，并拒绝 BigModel 跨区端点或凭据错配。
+
+本项目遵循语义化版本。`0.x` 阶段仍可能包含破坏性调整，升级时请先阅读对应版本说明。
+
+## 0.2.3 - 2026-08-28
+
+- 修复 Fun-ASR Realtime 把官方 `sentence_begin=true`、`sentence_end=false`、`text=""` 句首生命周期事件误报为 `invalid_response`；空句首现在继续等待真实文本。
+- 保持严格终态：空 final 仍报协议错误，任务全程没有有效 final 时在 `task-finished` 报无有效转写；空 `task-finished.payload` 不覆盖已累计结果。
+- 重复 final 只累计并通知一次；补齐官方事件 fixture、用户错误回归、空终态、终态顺序、错误与资源释放断牙测试。
+
+## 0.2.2 - 2026-08-28
+
+- 新增按需入口 `@henjicc/ai-sdk/llm/modules`：外部包、插件与内置 LLM 共用 source-aware 注册、流式/非流式执行、模型发现、取消、drain、namespace 注销和 dispose 生命周期。
+- LLM module 复用现有 Chat DTO、Token/ReasoningToken、usage、Abort/timeout、RuntimeContext、日志、trace 与统一 discovery；client 统一发射 Usage/Finish/Done/Error，插件不需要导入 SDK，也没有第二套插件专用执行器。
+- module ID 与 provider/model 坐标冲突均拒绝覆盖并列出双方 source；新增 `createGroqLlmModule()`，正式验证外部插件不能遮蔽内置 Groq。
+- 新增精确资源/断牙测试、无网络 bundle 隔离门禁，以及远端 Node ESM、strict TypeScript、Vite 和无全局 `TextEncoder` / `TextDecoder` 消费验证。
+
+## 0.2.1 - 2026-08-28
+
+- 修复构建期 ESM specifier 重写漏掉精确 `.` / `..` 目录导入，确保 Node ESM 消费方可直接加载 ASR、实时 ASR、翻译和 Groq 按需入口。
+- 发布门禁新增仓库外 Node ESM 实际执行，连同严格 TypeScript、Vite、无全局 `TextEncoder` / `TextDecoder` 与 bundle 隔离一起验证；发布说明将 `0.2.0` 标记为不建议使用。
+
+## 0.2.0 - 2026-08-28
+
+- 新增供应商无关的 ASR、翻译与实时会话能力协议；宿主按需注入 HTTP、实时连接、媒体读取、凭据、日志、Abort 与超时，不依赖 Node/Electron 或浏览器全局 WebSocket。
+- 新增 5 个百炼短音频/文件 ASR、4 个百炼实时 ASR、Qwen-MT Flash/Plus/Lite，以及 Groq GPT-OSS 20B 流式聊天、静态默认模型与模型发现入口；具体能力均需从独立子路径显式导入。
+- capability descriptor 新增必填 `source.kind/source.namespace`，支持内置/外部/插件所有权、冲突诊断、来源批量卸载和资源释放；module ID、provider/kind/model 坐标与统一 discovery ID 冲突不再静默覆盖。
+- **破坏性变更**：百炼 ASR module ID 从 `bailian.<modelId>` 统一为 `bailian.speech-recognition.<modelId>`，SDK 不保留旧 ID 或 `funasr` provider alias；已有宿主持久化数据需一次性迁移。
+- 新增 ASR、翻译、Groq 与开放 OCR/custom operation 的穷举/断牙测试及独立 bundle 门禁；所有供应商 fixture 均不含真实密钥，本版本发布验证不发起付费模型请求。
+
+## 0.1.8 - 2026-08-28
+
+- 修复 Photoshop UXP 9.2 缺少全局 `TextDecoder` 时 LLM SSE 无法启动：窄流式入口改用 SDK 内部增量 UTF-8 解码器，不要求宿主注入 DOM 或 Node polyfill。
+- UTF-8 解码覆盖中文与 emoji 跨 chunk、畸形/过长/代理项/越界序列的替换字符语义，以及流结束截断尾段 flush；LLM reasoning/text/usage/stop/`[DONE]` 和 Abort 契约不变。
+- UXP 门禁不再向 VM 注入 `TextEncoder` / `TextDecoder`，并禁止重新引入直接 `TextDecoder` 构造。
+
+## 0.1.7 - 2026-08-28
+
+- 新增 `@henjicc/ai-sdk/llm/streaming` 受限宿主入口，仅包含原生 OpenAI-compatible SSE、取消、必要类型与错误协议，不静态带入 modelStep、Zod 或 Vercel AI SDK。
+- 原生 SSE 补齐 usage 与 finish reason 结果，保持 reasoning/text 事件与旧入口兼容；覆盖 UTF-8 跨 chunk、`[DONE]`、供应商错误与 Abort。
+- 新增关闭 tree-shaking 的 UXP LLM IIFE/ESM 发布门禁，禁止动态代码生成、Node 全局与非必需 Streams polyfill。
+
+## 0.1.6 - 2026-08-28
+
+- APIMart Nano Banana 2、Lite、Pro 新增常规/官方双渠道，保持常规渠道为默认，并按渠道切换精确模型 ID 与估价。
+- APIMart Seedream 5 Pro 补齐官方合法的 `2:1` / `1:2`；Pro/Lite 对列表外比例显式报错，不再静默降级 1:1。
+- Fal Seedream 5 Pro/Lite、Qwen Image 3、GPT Image 2、Z-Image 补齐通用比例与显式约 1MP 请求档；GPT Image 2 补齐 `quality=auto`，所有 0.1.5 默认保持不变。
+- 补齐 Photoshop adapter 迁移交接；APIMart Midjourney、Z-Image、GPT Image 2 与 Fal Nano 隐藏默认经官方契约核证后维持现实现。
+
+## 0.1.5 - 2026-08-28
+
+- 新增零内置依赖的 `generation/core`、99 个完整单模型 pack、8 个 provider adapter/pack；默认
+  `generation` 仍保持 99 模型兼容行为。
+- 新增 provider-scoped 媒体预处理/上传策略，完整 pack 可独立完成媒体读取、上传与生成生命周期。
+- 新增开放 capability module 协议，支持 ASR/OCR 等非媒体生成能力按模块注册、发现、类型化执行与取消。
+- 新增 3 个不进入默认目录的 Fal 图像消除单模型 pack 与聚合 `tool-packs/fal-image-edit-tools`，复用同一
+  Fal 上传、队列、轮询、错误与取消内核。
+- 新增跨 generation、LLM 与开放扩展的统一能力画像和组合筛选；筛选只作用于宿主已导入候选，
+  静态最小化仍由单模型、供应商或模型集合 pack 的 import 边界决定。
+
+## 0.1.4 - 2026-08-27
+
+- 新增 `@henjicc/ai-sdk/generation` 与 `createGenerationClient`，复用根客户端唯一生成内核，不静态带入 LLM/Vercel AI SDK。
+- 新增 generation IIFE/VM 发布门禁：99 模型目录与零网络生命周期通过，禁止 Node、动态代码生成、global fetch、Streams、File、`btoa`/`atob` 等受限宿主风险。
+- Fal CDN 上传改为全程使用 `RuntimeContext.transport` 的 REST initiate + signed PUT，不再依赖 `@fal-ai/client` 或构造 `File`；补齐成功、失败、取消 fixture。
+- 保留 `uploadToFal(apiKey, prepared)` 两参数兼容调用；新宿主应显式传 Transport 或使用生成客户端。
+
+## 0.1.3 - 2026-08-27
+
+- 修复 Fal 队列任务在提交 alias 与状态查询 canonical route 不一致时轮询失败：优先保存供应商返回的完整 `status_url`，仅缺失时才按 `request_id` 重建。
+- 完整 `status_url` 轮询完成后仍还原纯 request id，避免状态 URL 被媒体结果收集器误判为生成结果。
+- KIE/Fal Seedream 4.0、4.5 四个历史 override 已完成真实供应商单张最小规格验证；KIE/APIMart/PPIO 只读连通性与 KIE/APIMart 设置页余额展示已完成正式 Electron 验证。
+
+## 0.1.2 - 2026-08-27
+
+- 修复发布包在标准 Vite 开发模式下无法解析：五个 `exports` 入口不再优先指向未随包发布的 `src/`，统一解析到已发布的 `dist/` ESM 与类型声明。
+- 发布前门禁新增仓库外临时消费方的标准 Vite dev server 解析回归，覆盖包根及四个子路径入口，防止再次发布只在 monorepo 内可用的条件导出。
+
+## 0.1.1 - 2026-08-27
+
+- 新增 Electron、Tauri、UXP 接入指南，以及供应商域名与错误处理参考。
+- 新增 `minimal-node`、`form-renderer`、`llm-chat` 三个可构建示例。
+- 重写快速开始，补齐 GitHub Packages 私有安装、四项宿主接口注入和生成/轮询示例。
+
+- 不改变 `0.1.0` 的运行时 API；此补丁版用于交付完整指南、示例与已知限制。
+
+## 0.1.0 - 2026-08-27
+
+- 首次私有发布到 GitHub Packages：`@henjicc/ai-sdk`。
+- 提供 8 个生成供应商、99 个模型目录、媒体上传预处理与统一 `createAIClient` 入口。
+- 提供 OpenAI-compatible LLM 流式执行与模型步能力。
+- 提供 5 个 ESM 导出入口、完整 TypeScript 类型声明及模型/LLM 适配文档。
+- 产物保留源码模块结构，不预打成单文件，供 UXP、Tauri 与现代 Node 打包器静态分析和 tree-shaking。
+
+迁移说明：这是首次发布，无历史 npm 版本需要迁移；仓库内原占位导入名 `@henji/ai-sdk` 已统一改为 `@henjicc/ai-sdk`。

package/README.md

@@ -48,10 +48,10 @@ try {
 
 百炼工厂必须传 `baseUrl` 为实际地域/工作空间的 API 根地址，不包含端点路径。其他供应商可以覆盖根地址与 `credentialId`；SDK 不自动切换地域或账号。不同模型的向量不能混用；切换模型通常需要重建向量索引。Rerank 分数仅在本次请求内比较。
 
-SDK `0.7.0` 的正式分发渠道为公共 npm，无需配置 registry 或访问令牌：
+SDK `0.9.0` 的正式分发渠道为公共 npm，无需配置 registry 或访问令牌：
 
 ```bash
-npm install @henjicc/ai-sdk@0.7.0
+npm install @henjicc/ai-sdk@0.9.0
 ```
 
 然后提供 4 个宿主能力（`Transport` / `CredentialStore` / `MediaReader` / `Logger`），创建客户端：

package/dist/capabilities/speech-recognition/bailian/module.js

@@ -172,19 +172,32 @@ async function wait(ms, context) {
     });
 }
 async function executeFile(preset, input, apiKey, apiBaseUrl, uploadBaseUrl, config, context) {
-    const audio = await resolveAsyncAudioUrl(input.audio, preset.modelId, apiKey, uploadBaseUrl, context);
-    const asyncInput = preset.asyncInputField === 'file_urls' ? { file_urls: [audio.url] } : { file_url: audio.url };
-    const headers = {
-        Authorization: `Bearer ${apiKey}`, 'Content-Type': 'application/json', 'X-DashScope-Async': 'enable',
-    };
-    if (audio.usesOss)
-        headers['X-DashScope-OssResourceResolve'] = 'enable';
-    const submitResponse = await context.runtime.transport.fetch(`${apiBaseUrl}/services/audio/asr/transcription`, {
-        method: 'POST', headers,
-        body: JSON.stringify({ model: preset.modelId, input: asyncInput, parameters: asyncParameters(preset, input, providerOptions(input)) }),
-        signal: context.signal,
-    });
-    const submitted = parseTaskState(await responseJson(submitResponse, 'file ASR submit'));
+    const resumeTaskId = providerOptions(input).resumeTaskId;
+    let submitted;
+    if (resumeTaskId !== undefined) {
+        if (typeof resumeTaskId !== 'string' || !/^[a-zA-Z0-9_-]{1,256}$/.test(resumeTaskId))
+            throw new AiRuntimeError('invalid_parameter', 'Invalid ASR resume task ID');
+        const response = await context.runtime.transport.fetch(`${apiBaseUrl}/tasks/${encodeURIComponent(resumeTaskId)}`, { headers: { Authorization: `Bearer ${apiKey}` }, signal: context.signal });
+        submitted = parseTaskState(await responseJson(response, 'file ASR resume'));
+        if (submitted.taskId && submitted.taskId !== resumeTaskId)
+            throw new AiRuntimeError('invalid_response', 'ASR resume returned a different task');
+        submitted = { ...submitted, taskId: resumeTaskId };
+    }
+    else {
+        const audio = await resolveAsyncAudioUrl(input.audio, preset.modelId, apiKey, uploadBaseUrl, context);
+        const asyncInput = preset.asyncInputField === 'file_urls' ? { file_urls: [audio.url] } : { file_url: audio.url };
+        const headers = {
+            Authorization: `Bearer ${apiKey}`, 'Content-Type': 'application/json', 'X-DashScope-Async': 'enable',
+        };
+        if (audio.usesOss)
+            headers['X-DashScope-OssResourceResolve'] = 'enable';
+        const submitResponse = await context.runtime.transport.fetch(`${apiBaseUrl}/services/audio/asr/transcription`, {
+            method: 'POST', headers,
+            body: JSON.stringify({ model: preset.modelId, input: asyncInput, parameters: asyncParameters(preset, input, providerOptions(input)) }),
+            signal: context.signal,
+        });
+        submitted = parseTaskState(await responseJson(submitResponse, 'file ASR submit'));
+    }
     const taskId = submitted.taskId;
     if (!taskId)
         throw new AiRuntimeError('invalid_response', 'Bailian file ASR submit response has no task_id');
@@ -223,9 +236,11 @@ export function createBailianAsrModule(preset, options = {}) {
         maxPollingMs: options.maxPollingMs ?? 30 * 60_000,
     };
     return {
-        descriptor: preset.descriptor,
+        descriptor: preset.protocol === 'fun-short-sse' || preset.protocol === 'qwen-short' ? preset.descriptor : { ...preset.descriptor, features: [...preset.descriptor.features ?? [], 'resume-task'] },
         execute: async (input, context) => {
             checkAbort(context);
+            if (providerOptions(input).resumeTaskId !== undefined && (preset.protocol === 'fun-short-sse' || preset.protocol === 'qwen-short'))
+                throw new AiRuntimeError('unsupported_operation', 'Short ASR cannot resume a file task');
             const apiKey = await credential(context);
             if (preset.protocol === 'fun-short-sse') {
                 return await executeFunShort(preset, input, apiKey, apiBaseUrl, context);

package/dist/capabilities/speech-recognition/bailian/types.d.ts

@@ -1,4 +1,6 @@
 export interface BailianAsrOptions {
+    /** Resume polling an existing file task without reading/uploading/submitting audio. */
+    resumeTaskId?: string;
     format?: string;
     sampleRateHz?: number;
     enableItn?: boolean;