dsh-connect-modelscope-token-plan 0.5.0 → 0.6.2

package/lib/host-config.js

@@ -181,37 +181,63 @@ function extractStructuredType(message) {
 	return match ? match[1] ?? null : null;
 }
 /**
-* 一个被 peer 判为 QUOTA 的失败，是否其实是限频、应纠正为 RATE_LIMIT。
+* 一个被 peer 判为 QUOTA 的失败，按哪条判据路径处理——429 重分类的**可观测
+* 理由**。纯函数，复用同一批判据（模块私有的 {@link RATE_SIGNAL} /
+* {@link RATE_CAP_WORDING}、{@link hasHardQuotaWordingIn}、结构化 type），不
+* 引入第二份词表；返回稳定短串（非自由文本），供面板/日志/测试引用“为什么
+* 这么判”。
 *
 * 这是修正 v1（纯文本启发）漏判的核心：`{"message":"rpm exhausted",
 * "type":"quota_exceeded_error","code":"8"}` 这种体——魔搭把**请求速率上限**
-* 复用 `quota_exceeded_error` 这个名字，纯文本里没有 “rate limit” 字样，v1 的
+* 复用 `quota_exceeded_error` 这个名字，纯文本里没有 rate limit 字样，v1 的
 * `looksLikeRateLimit` 既没命中限频信号也没命中硬额度，于是留在 QUOTA、不重试、
-* 直接失败。本函数改读结构化 `type`，逐层收窄：
-*
-*   1. `type` 含 `rate_limit` → 本就是限频（peer 多数已判 RATE_LIMIT，这里是防御）。
-*   2. `type` 含 `quota` 但仍带 {@link RATE_CAP_WORDING}（rpm/tpm/每分钟/限流…）
-*      → 是“被错命名为 quota 的速率上限”，纠正为 RATE_LIMIT。
-*   3. `type` 含 `quota` 且无任何速率信号（token/credit/balance 真耗尽）→ 保留 QUOTA。
-*   4. `type` 是其它非 quota 值 → 保守不纠正。
-*   5. 无结构化 `type` → 退回 v1 的 {@link looksLikeRateLimit}。
+* 直接失败。本函数改读结构化 `type` 逐层收窄，每个返回串对应一条路径：
+*
+*   - `"not_quota_code"`             失败为空或 code≠QUOTA，纠正层不适用。
+*   - `"structured:rate_limit_type"`  结构化 type 含 rate_limit，本就是限频（防御，纠正）。
+*   - `"structured:quota_rate_cap"`   结构化 type 含 quota 且命中 {@link RATE_CAP_WORDING}
+*                                     （rpm/tpm/每分钟/限流…）→ 错命名，纠正。
+*   - `"structured:quota_no_cap"`     结构化 type 含 quota 且无速率信号（token/credit/
+*                                     balance 真耗尽）→ 保留 QUOTA。
+*   - `"structured:other_type"`       结构化 type 是其它非 quota 值 → 保守不纠正。
+*   - `"text:rate_signal"`            无结构化 type，纯文本命中 {@link RATE_SIGNAL} 且
+*                                     无硬额度字样 → 纠正。
+*   - `"text:hard_quota"`             无结构化 type，命中硬额度字样 → 保留 QUOTA。
+*   - `"text:no_rate_signal"`         无结构化 type 也无限频信号 → 保留 QUOTA。
 *
 * 不纠正真配额耗尽：那是共享 Token Plan 池的硬耗尽，重试只会延长冷却窗口
 * （ROADMAP §1 纪律），所以宁可快失败。
 * @param {{code?: string, message?: string}} failure
-* @returns {boolean} true 表示应纠正为 RATE_LIMIT。
+* @returns {string} 标记处理路径的稳定短串。
 */
-function shouldReclassifyQuotaToRate(failure) {
-	if (!failure || failure.code !== CODE.QUOTA) return false;
+function reclassifyReason(failure) {
+	if (!failure || failure.code !== CODE.QUOTA) return "not_quota_code";
 	const message = typeof failure.message === "string" ? failure.message : "";
 	const type = extractStructuredType(message);
 	if (type !== null) {
 		const t = type.toLowerCase();
-		if (/rate[_\s-]?limit/.test(t)) return true;
-		if (/quota/.test(t)) return RATE_CAP_WORDING.test(message);
-		return false;
+		if (/rate[_\s-]?limit/.test(t)) return "structured:rate_limit_type";
+		if (/quota/.test(t)) return RATE_CAP_WORDING.test(message) ? "structured:quota_rate_cap" : "structured:quota_no_cap";
+		return "structured:other_type";
 	}
-	return looksLikeRateLimit(message);
+	if (!RATE_SIGNAL.some((re) => re.test(message.toLowerCase()))) return "text:no_rate_signal";
+	return hasHardQuotaWordingIn(message) ? "text:hard_quota" : "text:rate_signal";
+}
+/** 判为「应纠正为 RATE_LIMIT」的理由集合——{@link shouldReclassifyQuotaToRate} 的唯一真源。 */
+const RECLASSIFY_TRUE_REASONS = /* @__PURE__ */ new Set([
+	"structured:rate_limit_type",
+	"structured:quota_rate_cap",
+	"text:rate_signal"
+]);
+/**
+* 一个被 peer 判为 QUOTA 的失败，是否其实是限频、应纠正为 RATE_LIMIT。
+* 布尔判定单一真源：读 {@link reclassifyReason} 是否落在「应纠正」集合里，分支
+* 逻辑不再写第二遍；可观测“为什么这么判”见 {@link reclassifyReason} 的返回串。
+* @param {{code?: string, message?: string}} failure
+* @returns {boolean} true 表示应纠正为 RATE_LIMIT。
+*/
+function shouldReclassifyQuotaToRate(failure) {
+	return RECLASSIFY_TRUE_REASONS.has(reclassifyReason(failure));
 }
 /**
 * 把单个流 chunk 里的失败码在误判时纠正。
@@ -375,9 +401,12 @@ function enabledCountOf(list, rosterIds) {
 * 1. `compat.supportsDeveloperRole: false`——pi-ai 缺省会**自动探测**这个标志，
 *    对非标准 provider 一律猜 `true`，于是每条请求都用 `developer` 角色，魔搭这个
 *    多模型代理不认识，会 400 或 403。qoder 路由证明必须显式写 false。
-* 2. `maxTokens` 只在目录**声明了**上限时声明——harness 对未声明的 maxTokens
-*    用 `defaultMaxTokens ?? 32768` 兜底，所以「不声明」是「平台没说」的诚实处理，
-*    别猜数字填。
+* 2. `maxTokens` 由 `maxTokensFor` 一处决定，优先级 **`覆盖 > 目录声明 > 不声明`**：
+*    目录没声明时不猜数字（harness 会用它的 `defaultMaxTokens ?? 32768` 兜底，那是
+*    harness 的默认值，不是平台说的），但操作者可以在 `maxTokensOverrides` 里显式
+*    填实测值。**本插件的目录（魔搭 `/v1/models`）从不返回这个字段**，所以「目录
+*    说了算」在现实里等于「永远是 32768」——这条退路不是锦上添花，它是唯一出口。
+*    完整回退顺序写在 `maxTokensFor` 上，此处不重复。
 * 3. `reasoning: false` + **不设** `thinkingLevelMap`——魔搭 API-Inference 是
 *    多模型代理，是否吃 `reasoning_effort` 取决于背后那个具体模型，本插件无法
 *    离线得知每个 id 的档位表（sensenova 那份是拿真令牌逐模型探测才钉出来的）。
@@ -685,9 +714,11 @@ function contextWindowSourceOf(entry) {
 /**
 * 读目录声明的单次输出上限，0 = 未声明。
 *
-* 这个数**只用于展示/投影**。descriptor 只在 >0 时声明 `maxTokens`（见模块头注
-* 第 2 条），所以它从不变成请求参数——它说的是平台至多能吐多少，让用户明白为什么
-* 长回答仍会以 `finish_reason: length` 停住。
+* 这个数**是请求参数**，不是纯展示值：`toPiDescriptor` 在它 >0 时声明为
+* `maxTokens`（见模块头注第 2 条）。**但 `0` 有真实的代价**——魔搭目录从不返回
+* 这个字段，所以它对本插件的每一个模型都是 0，harness 于是用 `defaultMaxTokens ??
+* 32768` 兜底。「目录没说」在这里不等于「平台没限制」，只等于**我们不知道**；把它
+* 当「不设上限」读会错得很远。操作者知道时用 `maxTokensFor` 的覆盖参数补上。
 * @param {object} entry - 一条归一目录条目。
 * @returns {number} 声明的上限，未声明为 0。
 */
@@ -703,6 +734,50 @@ function maxOutputLengthOf(entry) {
 	return 0;
 }
 /**
+* 该条目**实际生效**的输出上限：`覆盖 > 目录声明 > 不声明(0)`——全插件唯一的
+* 回退顺序，写在这里就只写一遍。
+*
+* 为什么覆盖必须排在目录**之前**（而不是「目录优先、覆盖只补空缺」）：目录说的是
+* 「这个平台声称能吐多少」，覆盖说的是「我实测过这个模型能吐多少」。两者冲突时后者
+* 是更新的事实——目录是我们**抓来的**（`/v1/models`，会随上游改动、也可能常年不
+* 更新），覆盖是操作者**写的**。魔搭这条路上目录连这个字段都不返回，所以顺序在
+* 多数情况下没有争议；把它写死仍然重要，因为「谁赢」这件事只能有一个答案。
+*
+* 返回 0 的含义与 `maxOutputLengthOf` 完全一致：**不声明** `maxTokens`，让 harness
+* 用它的兜底值——不是「上限为 0」。`0` 因此不是一个可以配置的上限（
+* `resolveMaxTokensOverrides` 会把 0 丢掉）。
+* @param {object} entry - 一条归一目录条目。
+* @param {object|null} [overrides] - 归一后的 id → 上限映射（`ResolvedSettings`）。
+* @returns {number} 生效上限，未声明为 0。
+*/
+function maxTokensFor(entry, overrides) {
+	const declared = maxOutputLengthOf(entry);
+	if (overrides === void 0 || overrides === null) return declared;
+	const id = str(entry?.id, "");
+	if (id === "") return declared;
+	const override = overrides[id];
+	return typeof override === "number" && Number.isInteger(override) && override > 0 ? override : declared;
+}
+/**
+* 这个条目的输出上限数字从真值链哪一级来——与 {@link maxTokensFor} 配对的来源标记，
+* 形状与 {@link contextWindowSourceOf} 刻意保持同一套词汇。
+*
+* 只有两级，因为这里**没有策展表**：窗口有 `context-catalog.ts` 那份实测策展表，
+* 输出上限没有（魔搭从不声明它，策展一张「猜每个模型能吐多少」的表没有依据）。
+* `catalog` 的含义因此是「覆盖没命中」——包括目录没声明、值就是 0 的情况，面板据此
+* 不画徽章。
+* @param {object} entry - 一条归一目录条目。
+* @param {object|null} [overrides] - 归一后的 id → 上限映射。
+* @returns {"catalog"|"override"} 来源标记。
+*/
+function maxTokensSourceOf(entry, overrides) {
+	if (overrides === void 0 || overrides === null) return "catalog";
+	const id = str(entry?.id, "");
+	if (id === "") return "catalog";
+	const override = overrides[id];
+	return typeof override === "number" && Number.isInteger(override) && override > 0 ? "override" : "catalog";
+}
+/**
 * 把一条目录条目映射成适配器交给 pi-ai 的 model descriptor。
 *
 * vision 用的是与快照/roster 完全相同的判定（`isVisionModel`），所以模型选择器
@@ -711,14 +786,17 @@ function maxOutputLengthOf(entry) {
 * @param {object} [options] - 装配参数。
 * @param {string} [options.providerId] - 该 descriptor 所属的 provider id。
 * @param {string} [options.baseUrl] - OpenAI 兼容源站。
+* @param {object} [options.maxTokensOverrides] - 逐模型输出上限覆盖（id → tokens），
+*   经 `maxTokensFor` 决定 `maxTokens`。缺省 = 目录说了算（对本插件的目录即「不声
+*   明」）。
 * @returns {object} pi-ai descriptor。
 */
 function toPiDescriptor(entry, options = {}) {
-	const { providerId = LLM_PROVIDER_ID, baseUrl } = options;
+	const { providerId = LLM_PROVIDER_ID, baseUrl, maxTokensOverrides } = options;
 	const id = str(entry?.id, "");
 	if (id === "") throw new Error("toPiDescriptor: catalog entry has no id");
 	const vision = isVisionModel(entry);
-	const maxOutputLength = maxOutputLengthOf(entry);
+	const effectiveMaxTokens = maxTokensFor(entry, maxTokensOverrides);
 	return {
 		id,
 		name: str(entry.name, id),
@@ -729,7 +807,7 @@ function toPiDescriptor(entry, options = {}) {
 		reasoning: false,
 		cost: { ...NO_COST },
 		contextWindow: contextWindowOf(entry),
-		...maxOutputLength > 0 ? { maxTokens: maxOutputLength } : {},
+		...effectiveMaxTokens > 0 ? { maxTokens: effectiveMaxTokens } : {},
 		compat: {
 			maxTokensField: "max_tokens",
 			supportsDeveloperRole: false
@@ -810,11 +888,11 @@ function buildRosterRows(entries, project) {
 * `rosterWithAvailability` 仍显示它们，灰显加原因，但 picker 不提供注定 429 的
 * 请求；两处口径不同是故意的，别统一。
 * @param {object[]} entries - 归一目录条目。
-* @param {object} options - `{ providerId, baseUrl, enabledIds, unavailableModelIds }`。
+* @param {object} options - `{ providerId, baseUrl, enabledIds, unavailableModelIds, maxTokensOverrides }`。
 * @returns {object[]} pi-ai descriptor，按首见顺序。
 */
 function buildDescriptors(entries, options = {}) {
-	const { providerId = LLM_PROVIDER_ID, baseUrl, enabledIds = [], unavailableModelIds = [] } = options;
+	const { providerId = LLM_PROVIDER_ID, baseUrl, enabledIds = [], unavailableModelIds = [], maxTokensOverrides } = options;
 	const filtered = filterByEnabled(entries, enabledIds).filter((entry) => isChatModel(entry));
 	const blocked = new Set(Array.isArray(unavailableModelIds) ? unavailableModelIds : []);
 	const seen = /* @__PURE__ */ new Map();
@@ -834,7 +912,8 @@ function buildDescriptors(entries, options = {}) {
 			id
 		}, {
 			providerId,
-			...baseUrl !== void 0 ? { baseUrl } : {}
+			...baseUrl !== void 0 ? { baseUrl } : {},
+			...maxTokensOverrides !== void 0 ? { maxTokensOverrides } : {}
 		});
 	}
 	return out;
@@ -1001,9 +1080,14 @@ function resolveDrawModelChoice(entries, requested, preferred) {
 * 面板保留它们在清单里、灰显，让用户看得见「为什么模型从选择器里不见了」。
 * @param {object[]} entries - 归一目录条目。
 * @param {string[]} unavailableIds - 额度耗尽的模型 id；空数组 = 全部可用。
-* @returns {{id: string, name: string, vision: boolean, capability: ModelCapability, available: boolean, quotaExhausted: boolean, contextWindow: number, maxOutputLength: number}[]}
+* @param {object} [maxTokensOverrides] - 逐模型输出上限覆盖（id → tokens）。**位置参数
+*   而非 options 对象**：本函数的既有调用面就是两个位置参数，第三个在三个调用点都是
+*   一次机械追加；改成对象会动三处签名与它们各自的测试假件，收益只是好看。窗口那边
+*   （`contextSource`）**不**走这个参数——它在 fetchModels 归一时就被打标了，两条路
+*   的机制不同，这里不假装统一。
+* @returns {{id: string, name: string, vision: boolean, capability: ModelCapability, available: boolean, quotaExhausted: boolean, contextWindow: number, contextSource: "catalog"|"override"|"curated", maxOutputLength: number, maxOutputSource: "catalog"|"override"}[]}
 */
-function rosterWithAvailability(entries, unavailableIds) {
+function rosterWithAvailability(entries, unavailableIds, maxTokensOverrides) {
 	const blocked = new Set(Array.isArray(unavailableIds) ? unavailableIds : []);
 	return buildRosterRows(entries, (entry, id) => ({
 		id,
@@ -1014,7 +1098,8 @@ function rosterWithAvailability(entries, unavailableIds) {
 		quotaExhausted: blocked.has(id),
 		contextWindow: contextWindowOf(entry),
 		contextSource: contextWindowSourceOf(entry),
-		maxOutputLength: maxOutputLengthOf(entry)
+		maxOutputLength: maxTokensFor(entry, maxTokensOverrides),
+		maxOutputSource: maxTokensSourceOf(entry, maxTokensOverrides)
 	}));
 }
 
@@ -1044,7 +1129,7 @@ const inject = ["webServer"];
 * 产物反而引入第二份真源；这里用常量、由 test/config.test.mjs 钉住与
 * package.json 一致。
 */
-const PLUGIN_VERSION = "0.5.0";
+const PLUGIN_VERSION = "0.6.2";
 /**
 * 默认值。刻意不含额度常数——理由见本文件头。
 * 面板头条是官方魔粒余额，次数口径的推算已在面板收敛时删除，这里若留着
@@ -1080,9 +1165,55 @@ const CONFIG_DEFAULTS = Object.freeze({
 	inferenceTimeoutMs: 3e4,
 	/** 事件流保留条数（429/错误事件的环形上限）。 */
 	maxEvents: 50,
+	/**
+	* 单模型「额度耗尽」的推断窗口（分钟）。
+	*
+	* 官方只给**账户级**魔粒余额，没有 per-model 额度端点，所以「哪个模型刚才在
+	* 限频」只能从本插件的 429 事件流推断（规则是纯函数 `exhaustedModelIds`，
+	* usage-store.ts）：某模型最近在这个窗口内出现过 `kind:"quota"` 事件
+	* （重分类后的 code，见 llm-error-fix），picker 就不再提供它、面板 roster
+	* 灰显；事件移出窗口即恢复提供。
+	*
+	* 取 60 分钟：覆盖一次「耗尽 → 用户看到 → 换模型」的合理观察期，又不至于让
+	* 一次深夜的耗尽事件把模型关一整天。**恢复不可观测是这条规则已知的代价**：
+	* 成功的流不发事件，所以额度若在窗口内恢复（按天重置恰好在窗口内发生），
+	* 模型最多灰显满一个窗口——方向是保守的（宁可少提供一会，不提供注定 429
+	* 的模型），且面板灰显上写着原因，不是静默消失。
+	*/
+	exhaustionWindowMinutes: 60,
 	/** provider 注册的 patch 默认值（面板保存值优先于它）。 */
 	registerProvider: false,
 	/**
+	* 逐模型的单次输出上限覆盖（模型 id → tokens），空对象 = 目录说了算。
+	*
+	* **为什么需要它**：本插件对输出上限的原始策略是「目录声明了才声明」
+	* （llm-models.ts 模块头注第 2 条），而魔搭 `/v1/models` **从不返回**这个字段
+	* （docs/REFERENCES.md 实测：每条只有 `id`/`object`/`owned_by`/`created`）。
+	* 两条合起来的结果是**每一个**模型的 descriptor 都不带 `maxTokens`，harness 于是
+	* 走它的 `defaultMaxTokens ?? 32768` 兜底——32768 不是魔搭声明的数，也不是任何
+	* 实测过的数，它只是 harness 的默认值。
+	*
+	* 目录给不出真值时，操作者是唯一的信息源：他知道某个模型实测能吐 64k。没有这个
+	* 字段，这份知识**无处可写**——写进目录缓存会被下一轮轮询覆盖。于是他只能看着
+	* 输出在 32768 处被截断，而手上明明有答案。
+	*
+	* **语义与优先级**：`覆盖 > 目录声明 > 不声明`。目录声明了时覆盖仍然赢（这是
+	* 「覆盖」二字的全部含义）；目录没声明时覆盖就是唯一的真值来源。空对象（默认）
+	* ＝ 完全维持旧行为，不改变任何已有部署的输出。
+	*
+	* **键是精确 id，不做子串匹配**——与 sensenova 那种「按名字包含」的倍率旋钮
+	* 刻意不同：上限是**请求参数**，一个宽松的键会顺手改掉一批没被点名的模型
+	* （键写 `flash` 会命中七八条）。只认整串相等。
+	*
+	* **值必须是正整数**：0 有保留含义（`maxOutputLengthOf` 里 0 = 未声明），所以
+	* 非法值一律**丢弃**（非整数 / NaN / Infinity / 字符串数字 / 0 / 负数），不是夹取
+	* ——夹取等于替用户声明一个他没说过的上限。
+	*
+	* 读取点只有一处：`llm-models.ts` 的 `maxTokensFor`。descriptor 构建与面板 roster
+	* **都**调它，所以面板显示的数字与线上真正发的 `max_tokens` 不可能不一致。
+	*/
+	maxTokensOverrides: {},
+	/**
 	* 出图工具的 patch 默认值（面板保存值优先于它）。
 	*
 	* **与 `registerProvider` 是两个独立开关**：前者是「把魔搭当 chat provider」，
@@ -1165,6 +1296,32 @@ function assertHttpUrl(value, field) {
 	if (parsed.protocol !== "http:" && parsed.protocol !== "https:") throw new Error(`${field} must be an http(s) URL, got ${parsed.protocol}`);
 }
 /**
+* 归一「逐模型输出上限覆盖」。
+*
+* 三个刻意的选择，都与姊妹插件的同类函数不同：
+*
+* 1. **键精确相等**，不做子串匹配。上限是请求参数，宽松匹配会改掉一批没被点名的
+*    模型；倍率那种「按名字包含」的旋钮可以宽松，因为它只影响画图。
+* 2. **值必须是正整数**，非法值**丢弃**而不是夹取。0 在 `maxOutputLengthOf` 里已经
+*    表示「未声明」，把 `-5` 夹成 1 等于替用户声明了一个他没说过的上限；丢弃则
+*    退回目录/兜底，方向是保守的。
+* 3. **非对象一律回落到默认空对象**，不抛错——坏配置不能让 apply 抛出去（本文件的
+*    既有纪律，见 resolveSettings 的 catch 分支）。
+* @param {unknown} raw - patch 行里的原始值（加载器送来的未校验输入）。
+* @returns {Record<string, number>} id → 上限，只含合法项。
+*/
+function resolveMaxTokensOverrides(raw) {
+	if (raw === void 0 || raw === null) return CONFIG_DEFAULTS.maxTokensOverrides;
+	if (typeof raw !== "object" || Array.isArray(raw)) return { ...CONFIG_DEFAULTS.maxTokensOverrides };
+	const out = {};
+	for (const [key, value] of Object.entries(raw)) {
+		if (key === "") continue;
+		if (typeof value !== "number" || !Number.isInteger(value) || value <= 0) continue;
+		out[key] = value;
+	}
+	return out;
+}
+/**
 * 把 patch 行的原始配置解析成有效设置。
 *
 * 坏行不许从这里抛出去——apply 在挂载期跑，抛错等于整机插件消失。问题以
@@ -1189,7 +1346,9 @@ function resolveSettings(config) {
 				pollSeconds: clampInt(source.pollSeconds, CONFIG_DEFAULTS.pollSeconds, 5, 3600),
 				inferenceTimeoutMs: clampInt(source.inferenceTimeoutMs, CONFIG_DEFAULTS.inferenceTimeoutMs, 1e3, 6e5),
 				maxEvents: clampInt(source.maxEvents, CONFIG_DEFAULTS.maxEvents, 1, 1e3),
+				exhaustionWindowMinutes: clampInt(source.exhaustionWindowMinutes, CONFIG_DEFAULTS.exhaustionWindowMinutes, 5, 1440),
 				registerProvider: source.registerProvider === true,
+				maxTokensOverrides: resolveMaxTokensOverrides(source.maxTokensOverrides),
 				drawEnabled: source.drawEnabled === true,
 				drawModelId: str(source.drawModelId, CONFIG_DEFAULTS.drawModelId),
 				drawTimeoutMs,
@@ -1209,7 +1368,9 @@ function resolveSettings(config) {
 				pollSeconds: CONFIG_DEFAULTS.pollSeconds,
 				inferenceTimeoutMs: CONFIG_DEFAULTS.inferenceTimeoutMs,
 				maxEvents: CONFIG_DEFAULTS.maxEvents,
+				exhaustionWindowMinutes: CONFIG_DEFAULTS.exhaustionWindowMinutes,
 				registerProvider: false,
+				maxTokensOverrides: CONFIG_DEFAULTS.maxTokensOverrides,
 				drawEnabled: false,
 				drawModelId: CONFIG_DEFAULTS.drawModelId,
 				drawTimeoutMs: CONFIG_DEFAULTS.drawTimeoutMs,