feat: 完善 LMArena 文本模型的列表

src/backend/adapter/lmarena_text.js

@@ -281,7 +281,19 @@ export const manifest = {
         { id: 'gpt-5.2', codeName: '019b1448-d548-78f4-8b98-788d72cbd057', imagePolicy: 'optional', type: 'text' },
         { id: 'glm-4.6v-flash', codeName: '019b1536-49c0-73b2-8d45-403b8571568d', imagePolicy: 'optional', type: 'text' },
         { id: 'qwen3-omni-flash', codeName: '0199c9dc-e157-7458-bd49-5942363be215', imagePolicy: 'optional', type: 'text' },
-        { id: 'gemini-3-pro-grounding', codeName: '019abdb7-6957-71c1-96a2-bfa79e8a094f', imagePolicy: 'optional', type: 'text', search: true }
+        { id: 'gemini-3-pro-grounding', codeName: '019abdb7-6957-71c1-96a2-bfa79e8a094f', imagePolicy: 'forbidden', type: 'text', search: true },
+        { id: 'gpt-5.1-search', codeName: '019abdb7-50a5-7c05-9308-4491d069578b', imagePolicy: 'forbidden', type: 'text', search: true },
+        { id: 'grok-4-fast-search', codeName: '9217ac2d-91bc-4391-aa07-b8f9e2cf11f2', imagePolicy: 'forbidden', type: 'text', search: true },
+        { id: 'gemini-2.5-pro-grounding', codeName: 'b222be23-bd55-4b20-930b-a30cc84d3afd', imagePolicy: 'forbidden', type: 'text', search: true },
+        { id: 'o3-search', codeName: 'fbe08e9a-3805-4f9f-a085-7bc38e4b51d1', imagePolicy: 'forbidden', type: 'text', search: true },
+        { id: 'grok-4-search', codeName: '86d767b0-2574-4e47-a256-a22bcace9f56', imagePolicy: 'forbidden', type: 'text', search: true },
+        { id: 'ppl-sonar-reasoning-pro-high', codeName: '24145149-86c9-4690-b7c9-79c7db216e5c', imagePolicy: 'forbidden', type: 'text', search: true },
+        { id: 'claude-opus-4-1-search', codeName: 'd942b564-191c-41c5-ae22-400a930a2cfe', imagePolicy: 'forbidden', type: 'text', search: true },
+        { id: 'gpt-5-search', codeName: 'd14d9b23-1e46-4659-b157-a3804ba7e2ef', imagePolicy: 'forbidden', type: 'text', search: true },
+        { id: 'claude-opus-4-search', codeName: '25bcb878-749e-49f4-ac05-de84d964bcee', imagePolicy: 'forbidden', type: 'text', search: true },
+        { id: 'diffbot-small-xl', codeName: '0862885e-ef53-4d0d-b9c4-4c8f68f453ce', imagePolicy: 'forbidden', type: 'text', search: true },
+        { id: 'grok-4-1-fast-search', codeName: '019af19c-0658-7566-9c60-112ae5bdb8db', imagePolicy: 'forbidden', type: 'text', search: true },
+        { id: 'gpt-5.2-search', codeName: '019b1448-f74a-72de-b25d-8666618f8c5a', imagePolicy: 'forbidden', type: 'text', search: true }
     ],
 
     // 模型 ID 解析

升级.md

@@ -1,395 +0,0 @@
-这是一个非常好的架构升级思路。为了支持文本模型（Chat Model）并构建“虚拟上下文”，我们需要重构 `src/server/parseChat.js`，让它具备根据模型类型（图片 vs 文本）采用不同解析策略的能力。
-
-以下是具体的修改方案：
-
-### 修改思路
-
-1.  **区分模型类型**：我们需要知道当前请求的模型是“生图模型”还是“文本模型”。
-      * *方案*：在 `registry.js` 中为模型定义增加 `type` 字段（如 `type: 'text'`），或者在 `parseChat.js` 中简单地通过判断模型 ID 是否包含特定关键字（如 `gpt-4`, `claude`）来区分。为了演示方便，我将在代码中添加一个简单的判断逻辑。
-2.  **文本模型解析逻辑**：
-      * 不再只取最后一条消息。
-      * 遍历 `messages` 数组。
-      * 提取 `system` 消息作为“系统指令”。
-      * 提取之前的 `user` 和 `assistant` 消息作为“历史对话”。
-      * 提取最后一条 `user` 消息作为“当前输入”。
-      * **图片处理**：在遍历过程中，遇到图片不仅要保存文件，还要在文本中插入 `[图片1]` 占位符，并将图片路径收集到 `imagePaths` 数组中。
-
-### 修改代码
-
-你需要修改 `src/server/parseChat.js`。
-
-#### 1\. 新增辅助函数 `buildTextContext`
-
-这个函数负责将 OpenAI 格式的 `messages` 数组转换为你要求的“虚拟上下文”字符串格式。
-
-#### 2\. 改造 `parseRequest` 主函数
-
-增加分支逻辑：如果是文本模型走新逻辑，如果是生图模型走原有逻辑（只取最后一条）。
-
-以下是完整的修改后的 `src/server/parseChat.js` 代码：
-
-```javascript
-/**
- * @fileoverview 请求解析模块
- * @description 负责解析聊天请求、提取提示词和处理图片
- */
-
-import fs from 'fs';
-import path from 'path';
-import sharp from 'sharp';
-import { IMAGE_POLICY } from '../backend/registry.js';
-import { ERROR_CODES, getErrorMessage } from './errors.js';
-
-/**
- * 构造解析错误结果
- */
-function parseError(code, customMessage) {
-    return {
-        success: false,
-        error: {
-            code,
-            error: customMessage || getErrorMessage(code)
-        }
-    };
-}
-
-/**
- * 判断是否为文本模型 (根据模型ID特征简单判断，你可以根据 registry 里的配置来判断)
- * @param {string} modelId 
- * @returns {boolean}
- */
-function isTextModel(modelId) {
-    if (!modelId) return false;
-    // 这里可以根据实际情况修改，比如检查 registry.getModelType(modelId)
-    // 示例：如果 ID 包含 gpt, claude, llama, qwen 且不是 image 模型，则认为是文本模型
-    // 现有的图片模型通常有 image 关键字，或者在 registry 中明确定义。
-    // 为了简单起见，假设除了已知的生图模型外，其他都是文本模型，或者你可以维护一个列表。
-    const textKeywords = ['gpt-4', 'claude', 'llama', 'qwen', 'deepseek', 'gemini-pro']; 
-    // 注意：gemini-3-pro-image-preview 是生图的，需排除
-    if (modelId.includes('image') || modelId.includes('flux') || modelId.includes('seedream')) return false;
-    
-    return textKeywords.some(k => modelId.includes(k));
-}
-
-/**
- * 解析聊天请求
- */
-export async function parseRequest(data, options) {
-    const {
-        tempDir,
-        imageLimit,
-        backendName,
-        resolveModelId,
-        getImagePolicy,
-        requestId,
-        logger
-    } = options;
-
-    const messages = data.messages;
-    const isStreaming = data.stream === true;
-
-    // 验证 messages
-    if (!messages || messages.length === 0) {
-        return parseError(ERROR_CODES.NO_MESSAGES);
-    }
-
-    // 1. 解析模型参数
-    let modelKey = null;
-    let isTextMode = false;
-
-    if (data.model) {
-        const resolved = resolveModelId(data.model);
-        if (resolved) {
-            modelKey = data.model;
-            logger.info('服务器', `触发模型: ${data.model}`, { id: requestId });
-            
-            // 判定是否为文本模式 (你需要根据实际情况实现 isTextModel 或传入 getModelType)
-            // 这里假设如果不包含特定生图关键词就是文本模型，或者你可以扩展 options 传入判断函数
-            isTextMode = isTextModel(data.model); 
-            if (isTextMode) {
-                logger.info('服务器', '解析模式: 文本对话 (虚拟上下文构建)', { id: requestId });
-            } else {
-                logger.info('服务器', '解析模式: 图像生成 (仅取最后一条)', { id: requestId });
-            }
-
-        } else {
-            return parseError(ERROR_CODES.INVALID_MODEL, `模型无效/后端 ${backendName} 不支持: ${data.model}`);
-        }
-    } else {
-        logger.info('服务器', '未指定模型，使用网页默认', { id: requestId });
-    }
-
-    // ============================================================
-    // 分支 A: 文本模型解析 (构建虚拟上下文)
-    // ============================================================
-    if (isTextMode) {
-        return await parseTextRequest(messages, tempDir, imageLimit, modelKey, isStreaming);
-    }
-
-    // ============================================================
-    // 分支 B: 生图模型解析 (原有逻辑，只取最后一条 User 消息)
-    // ============================================================
-    return await parseImageRequest(messages, tempDir, imageLimit, modelKey, isStreaming, getImagePolicy);
-}
-
-/**
- * 解析文本请求 (构建虚拟上下文)
- */
-async function parseTextRequest(messages, tempDir, imageLimit, modelId, isStreaming) {
-    let systemPrompt = '';
-    let historyPrompt = '';
-    let currentPrompt = '';
-    
-    const imagePaths = [];
-    let globalImageCount = 0;
-
-    // 辅助函数：处理单条消息内容
-    async function processContent(content) {
-        let textBuffer = '';
-        if (typeof content === 'string') {
-            textBuffer += content;
-        } else if (Array.isArray(content)) {
-            for (const item of content) {
-                if (item.type === 'text') {
-                    textBuffer += item.text;
-                } else if (item.type === 'image_url' && item.image_url?.url) {
-                    globalImageCount++;
-                    
-                    // 图片数量限制检查
-                    if (imageLimit > 0 && globalImageCount > imageLimit) {
-                        textBuffer += `[图片${globalImageCount} (已忽略:超过限制)]`;
-                        continue;
-                    }
-
-                    const url = item.image_url.url;
-                    if (url.startsWith('data:image')) {
-                        const imagePath = await saveBase64Image(url, tempDir);
-                        if (imagePath) {
-                            imagePaths.push(imagePath);
-                            // 插入占位符
-                            textBuffer += `[图片${globalImageCount}]`; 
-                        } else {
-                            textBuffer += `[图片${globalImageCount} (上传失败)]`;
-                        }
-                    } else {
-                        textBuffer += `[图片${globalImageCount} (无效链接)]`;
-                    }
-                }
-            }
-        }
-        return textBuffer;
-    }
-
-    // 1. 提取 System Prompt
-    const systemMsg = messages.find(m => m.role === 'system');
-    if (systemMsg) {
-        const content = await processContent(systemMsg.content);
-        if (content) {
-            systemPrompt = `=== 系统指令 (永远置顶) ===\n${content}\n\n`;
-        }
-    }
-
-    // 2. 区分历史和当前消息
-    // 找到最后一条 user 消息的索引
-    let lastUserIndex = -1;
-    for (let i = messages.length - 1; i >= 0; i--) {
-        if (messages[i].role === 'user') {
-            lastUserIndex = i;
-            break;
-        }
-    }
-
-    if (lastUserIndex === -1) {
-        return parseError(ERROR_CODES.NO_USER_MESSAGES);
-    }
-
-    // 3. 构建历史对话 (不包含 system 和 最后一条 user)
-    const historyMessages = messages.filter((m, index) => {
-        return m.role !== 'system' && index < lastUserIndex;
-    });
-
-    if (historyMessages.length > 0) {
-        historyPrompt += `=== 历史对话 (滑动窗口或摘要) ===\n`;
-        for (const msg of historyMessages) {
-            const roleName = msg.role === 'user' ? 'User' : 'AI';
-            const content = await processContent(msg.content);
-            historyPrompt += `${roleName}: ${content}\n`;
-        }
-        historyPrompt += `\n`;
-    }
-
-    // 4. 构建当前输入
-    const lastUserMsg = messages[lastUserIndex];
-    const currentContent = await processContent(lastUserMsg.content);
-    currentPrompt = `=== 当前输入 ===\nUser: ${currentContent}`;
-
-    // 5. 合并最终 Prompt
-    // 注意：这里我们告诉浏览器上传了 imagePaths 里的所有图片
-    // 并且在 prompt 文本中已经用 [图片N] 标记了它们的位置
-    const finalPrompt = systemPrompt + historyPrompt + currentPrompt;
-
-    return {
-        success: true,
-        data: {
-            prompt: finalPrompt,
-            imagePaths,     // 包含历史和当前的图片路径，按顺序排列
-            modelId,
-            modelName: modelId,
-            isStreaming
-        }
-    };
-}
-
-/**
- * 解析生图请求 (原有逻辑保持不变)
- */
-async function parseImageRequest(messages, tempDir, imageLimit, modelId, isStreaming, getImagePolicy) {
-    // 筛选用户消息
-    const userMessages = messages.filter(m => m.role === 'user');
-    if (userMessages.length === 0) {
-        return parseError(ERROR_CODES.NO_USER_MESSAGES);
-    }
-
-    const lastMessage = userMessages[userMessages.length - 1];
-
-    let prompt = '';
-    const imagePaths = [];
-    let imageCount = 0;
-
-    // 解析内容
-    if (Array.isArray(lastMessage.content)) {
-        for (const item of lastMessage.content) {
-            if (item.type === 'text') {
-                prompt += item.text + ' ';
-            } else if (item.type === 'image_url' && item.image_url?.url) {
-                imageCount++;
-
-                // 图片数量检查
-                if (imageLimit <= 10) {
-                    if (imageCount > imageLimit) {
-                        return parseError(ERROR_CODES.TOO_MANY_IMAGES, `图片数量超过限制（最大 ${imageLimit} 张）`);
-                    }
-                } else {
-                    if (imageCount > 10) continue;
-                }
-
-                // 处理 data URL
-                const url = item.image_url.url;
-                if (url.startsWith('data:image')) {
-                    const imagePath = await saveBase64Image(url, tempDir);
-                    if (imagePath) {
-                        imagePaths.push(imagePath);
-                    }
-                }
-            }
-        }
-    } else {
-        prompt = lastMessage.content;
-    }
-
-    prompt = prompt.trim();
-
-    // 图片策略校验
-    const hasImage = imagePaths.length > 0;
-    const policy = modelId ? getImagePolicy(modelId) : IMAGE_POLICY.OPTIONAL;
-
-    if (policy === IMAGE_POLICY.REQUIRED && !hasImage) {
-        return parseError(ERROR_CODES.IMAGE_REQUIRED, `模型 ${modelId} 需要参考图`);
-    }
-
-    if (policy === IMAGE_POLICY.FORBIDDEN && hasImage) {
-        return parseError(ERROR_CODES.IMAGE_FORBIDDEN, `模型 ${modelId} 不支持图片输入`);
-    }
-
-    return {
-        success: true,
-        data: {
-            prompt,
-            imagePaths,
-            modelId,
-            modelName: modelId,
-            isStreaming
-        }
-    };
-}
-
-/**
- * 保存 Base64 图片到临时文件
- */
-async function saveBase64Image(dataUrl, tempDir) {
-    const matches = dataUrl.match(/^data:([A-Za-z-+\/]+);base64,(.+)$/);
-    if (!matches || matches.length !== 3) {
-        return null;
-    }
-
-    try {
-        const buffer = Buffer.from(matches[2], 'base64');
-        // 压缩图片
-        const processedBuffer = await sharp(buffer)
-            .jpeg({ quality: 90 })
-            .toBuffer();
-
-        const filename = `img_${Date.now()}_${Math.random().toString(36).substring(7)}.jpg`;
-        const filePath = path.join(tempDir, filename);
-        fs.writeFileSync(filePath, processedBuffer);
-        return filePath;
-    } catch (e) {
-        return null;
-    }
-}
-```
-
-### 配套修改建议
-
-1.  **修改 `src/backend/registry.js` (可选，推荐)**:
-    在 `models` 数组中添加 `type: 'text'` 或 `type: 'image'` 字段，然后在 `getModelsForAdapter` 中暴露出来。这样 `parseChat.js` 就可以通过 `registry.getModelType(id)` 来精准判断，而不是靠猜。
-
-2.  **修改适配器代码**:
-    目前的适配器（如 `gemini_biz.js`, `zai_is.js`）的 `generateImage` 函数接收的是：
-
-    ```javascript
-    async function generateImage(context, prompt, imgPaths, modelId, meta = {})
-    ```
-
-    对于文本模型，`prompt` 现在将是一个包含了系统指令、历史对话和当前输入的**长字符串**。`imgPaths` 将包含**所有**涉及到的图片。
-
-      * 适配器的逻辑通常是：先上传所有 `imgPaths`，然后在输入框填入 `prompt`，最后发送。
-      * **注意**：你现有的 `gemini_biz.js` 和 `zai_is.js` 适配器逻辑是先 `pasteImages` 然后 `fillPrompt`。
-          * 这对于新的文本逻辑**正好适用**！因为图片占位符 `[图片1]` 已经在 `prompt` 文本里了，而实际的图片文件通过 `imgPaths` 传给适配器上传，适配器上传后，输入框里会有图片缩略图，加上我们输入的带有 `[图片1]` 的长文本，AI 就能理解这个对应关系（或者至少作为上下文）。
-
-### 效果预期
-
-当客户端发送如下请求时：
-
-```json
-{
-  "model": "gpt-4-text", 
-  "messages": [
-    {"role": "system", "content": "你是一个猫娘"},
-    {"role": "user", "content": "你好"},
-    {"role": "assistant", "content": "喵~"},
-    {"role": "user", "content": ["看看这个", {"type": "image_url", "url": "..."}]}
-  ]
-}
-```
-
-服务器会解析为：
-
-**prompt (传递给适配器输入框的文本):**
-
-```text
-=== 系统指令 (永远置顶) ===
-你是一个猫娘
-
-=== 历史对话 (滑动窗口或摘要) ===
-User: 你好
-AI: 喵~
-
-=== 当前输入 ===
-User: 看看这个[图片1]
-```
-
-**imagePaths (传递给适配器上传的文件):**
-`['/tmp/img_xxx.jpg']`
-
-这样你就成功地在一个单轮对话的网页接口上，模拟出了带上下文和多模态理解的多轮对话体验。