dsh-neartoken

把 New API 站点（NearToken，https://llm.pko.svcfusion.com）变成 DSH 的模型供应商：在设置页发起设备授权 → 用户在自己浏览器里登录站点并确认 → 插件自动接入 neartoken provider。插件全程不接触密码。模型选择器再把这批模型按 New API 的渠道分组折成 模型 → 分组 → 推理等级 三级。

架构

插件只在三条流向上说话，其余都是它们的支撑：

流向	路径
登录	设置页 → POST /neartoken/authorize → 站点 POST /api/dsh/device/authorize 拿到确认码 → 用户在自己浏览器里批准 → 插件按 interval 轮询 POST /api/dsh/device/token（authorization_pending / slow_down 退避 +2s / access_denied / expired_token / granted）→ 把站点铸造的 key 写进 credentials 的 NEARTOKEN_API_KEY
目录	GET /api/pricing（TTL 缓存）→ 按 (分组, 模型) 展开成 "<组>::<模型>" → 可见性过滤 → listModels 交给 DSH
出字	stream() → 按模型选协议 → 站点 /v1/messages、/v1beta/models/*:streamGenerateContent、/v1/responses、/v1/chat/completions。body.model 是裸模型名，x-neartoken-group 头带分组的 #<id>，每个请求另带会话亲和键（prompt_cache_key / metadata.user_id，见已知限制）
画图	工具 generate_image → 站点 /v1/images/generations（声明了 image-generation 的模型）或 /v1/chat/completions（gemini 系）→ 取回 bytes → 存进 attachment → 结果里带图

一条实现约束：provider 只有在凭据存在时才挂载，且 credentials 服务可能晚于本插件就绪，所以启动时先同步一次、再用 ctx.inject 同步一次。

文件	职责
src/index.ts	配置 schema、按凭据现状挂载 provider、装配其余模块
src/host/account.ts	RFC 8628 形状的设备授权：发起、按 interval 轮询、把 key 写进 credentials
src/host/routes.ts	设置页调用的同源路由（状态 / 余额立即刷新 / 授权 / 取消 / 断开 / 模型白名单 / 生图设置）
src/host/whitelist.ts	白名单读写在插件自身 Config 的 enabledModels（volatile），存 profile patch
src/host/pricing.ts	拉 /api/pricing，展开成 "<组>::<模型>" 路由，过滤出能聊的模型
src/host/model-caps.ts	一个模型能不能聊、上下文窗口多大、可选的推理等级（只读站点声明，不存模型表）
src/host/adapter.ts	目录、元数据、按模型选协议并流式解析
src/host/*-wire.ts	四条上游协议各自的请求体与 SSE 解析
src/host/protocol-router.ts	按模型选上游协议（claude / gemini / gpt / 其余）
src/host/session-key.ts	从 GenerateOptions.sessionId 取会话亲和键，四条 wire 用它让站点把会话粘在同一渠道
src/host/provider-mount.ts	路由挂载、撤下、白名单变更时 replace() 重播
src/host/images.ts	生图：挑通道、发请求、两种响应都读成 bytes
src/host/image-tool.ts	generate_image 工具：选模型/分组、把图写进 attachment
src/host/image-settings.ts	生图设置读写与校验（模型必须是站点当前的生图模型，分组必须是该模型自己的分组）
src/client/	设置页、模型选择器、分组胶囊渲染

使用

1. 装插件、重启 dsh web、硬刷新。
2. 打开 设置 → NearToken，点「连接 NearToken」。
3. 设置页显示确认码；点「打开浏览器确认」，在站点自己的页面登录（密码、2FA、passkey 都走站点原生流程）并批准。 这个按钮走 Host：页面自己 window.open 开出来的窗口会被困在承载页面的外壳里（Electron 桌面端会另开一个应用窗口、macOS 上甚至没有任何反应），所以由 Host 调平台启动器交给系统默认浏览器（macOS open / Windows rundll32 url.dll,FileProtocolHandler / Linux xdg-open）。地址固定取 Host 自己等待的那个，页面无法让 Host 打开任意 URL。 卡片同时把确认地址当作可选文字列出来（带「复制链接」按钮）—— 没有桌面环境的机器（远程、容器）启动器可能不存在，把地址贴进自己的浏览器即可。
4. 插件轮询到批准后自动完成：把站点为该插件铸造的 API key 写进 credentials 的 NEARTOKEN_API_KEY，并挂上 neartoken provider。
5. 「断开连接」删掉本地凭据、撤掉 provider，并调用站点的撤销端点。
6. 卡片下方的「模型白名单」勾选即自动保存 —— 未勾选的不再出现在模型选择器里，且当场生效（Host 用 AdapterRegistrationHandle.replace() 重新声明同一条路由，同步发布 llm/adapters-updated，浏览器重拉目录）。没设置过白名单时默认全部显示，「全部显示」清空白名单。
7. 再往下的「图像生成」卡片：先勾「启用 generate_image 工具」，再勾要用的生图模型并为每个模型选分组（选的是计费分组，不是模型），最后点保存。工具随开关挂载/撤下，模型立刻能用或不能用。

备用路径：直接让 credentials 服务存 NEARTOKEN_API_KEY，或启动环境导出同名变量 —— provider 会在启动时按凭据现状挂载。

设备授权流需要 new-api 侧实现对应端点，契约见 HANDOFF-new-api.md 第一部分。站点尚未实现时会直接报「站点拒绝发起设备授权」。

分组路由按同一文档：请求头 x-neartoken-group 的值是 /api/pricing 的 group_refs 给出的 #<id>（纯 ASCII），分组名只用于展示；某分组没有 ref 时不发该头，按令牌自身分组路由。

配置

字段	默认	说明
baseURL	https://llm.pko.svcfusion.com	站点根地址，不带尾斜杠
apiKeyEnv	NEARTOKEN_API_KEY	授权写入、adapter 读取的凭据引用名
catalogTtlMs	300000	/api/pricing 目录缓存时长
defaultContextWindow	200000	没有任何来源能说明某模型上下文窗口时上报的值
modelOverrides	{}	按裸模型名逐条修正容量与推理等级，见下
enabledModels	[]	模型白名单（裸模型名）；空数组 = 全部显示。volatile，设置页直接写它
imageTimeoutMs	300000	单次生图的预算（毫秒）；工具调用截止时间 = 它 + 30 秒，见下文「超时」
imageGeneration	{ enabled: false, models: {} }	生图开关与「模型 → 分组」映射；volatile，设置页写

modelOverrides 是「站点没声明清楚」时的逐条修正手段，改完重启即生效，不需要发新版本：

- id: dsh-neartoken
  config:
    defaultContextWindow: 200000
    modelOverrides:
      gemini-4-argon:
        contextWindow: 1048576
        reasoning: [low, medium, high, max]

模型可见性

站点 /api/pricing 会列出它知道的所有模型，插件只提供会响应聊天请求的那部分：

1. 站点自己声明的 supported_endpoint_types 优先：含 openai / openai-response / anthropic / gemini 任一即可见。这是站点上新增模型当天就能出现在选择器里的原因 —— 不需要等插件发版。
2. 无论站点声明什么，-c 后缀与媒体名都不提供 —— 名单是 image / tts / transcribe / asr / embedding / lyria / midjourney / nano-banana / veo / imagen / dall-e / sd*。这是名字约定，不是能力元数据，也是当前唯一可用的判据：定价接口把生图、embedding、音乐、视频模型同样挂在 openai / gemini 这个 surface 下（它们确实走那条路径），所以 supported_endpoint_types 分不出「聊天模型」和「共用该 surface 的媒体模型」。站点若将来能发布模型用途字段，这条约定就可以删。
3. 站点没声明时（老部署）按名字规则放行：插件不再持有模型白名单，所以宁可多列一个也不能让整份目录消失。

容量与推理等级

模型 metadata 的单一真源是站点。 插件不内置任何模型表：上下文窗口、最大输出、输入模态、推理档位全部读 /api/pricing，站点没声明就是没有（走配置兜底或干脆不提供），不再由插件猜。这样一台站点的容量对所有客户端一致生效，插件不需要跟着站点上新模型发版 —— 也因此不存在「插件里的表与站点打架」这种情况。

站点侧在 New API 管理后台按模型维护这四项，/api/pricing 以 context_window / max_tokens / input_modalities / reasoning_levels 发布。维护步骤见 new-api 仓库 AGENTS.md 的「模型能力清单」一节。

上下文窗口（contextWindow）决定两件事：对话里的占用率显示，以及自动压缩的阈值。它缺失时自动压缩会直接放弃（compaction 后端拒绝为无界模型计算摘要预算），所以插件永远会给出一个值。优先级：

优先级	来源	维护方式
1	设置页「模型白名单 → 覆盖」填的上下文（modelMeta，volatile，保存即生效）	设置页模型行点「覆盖」
2	modelOverrides.*.contextWindow	改 profile 配置，重启
3	站点 /api/pricing 的 context_window	在 New API 管理后台维护
4	defaultContextWindow	改 profile 配置

设置页的「覆盖」编辑器（模型白名单每行右侧按钮）可给单个模型改上下文 / 最大输出 / 输入类型三项：填了的字段逐项盖过 modelOverrides 与站点声明，留空的字段沿用下一级；输入类型（文本/图像）整体生效、至少留一项。数据存 modelMeta（volatile，与白名单同一次 profile 写入），保存后路由即重申、模型选择器立刻刷新，「清除覆盖」回到站点声明。编辑器里同时显示站点声明值作参照。

最大输出（max_tokens）只在站点或配置明确给出时才写进请求。站点可能把同一个名字路由到上限更低的渠道，照抄厂商口径会把「回答被截断」换成「请求被拒」。不给出该字段时由上游默认值决定。

输入模态（text / image）优先级：设置页「覆盖」的输入类型（modelMeta.*.input）> modelOverrides.*.input > 站点 input_modalities > ['text']。站点没声明的模型一律当纯文本，因为 harness 把「没有声明」当成「没有权限」：只有声明了 image 的模型才允许 read_image 和携带图片的请求，否则图片会在发出前被拦下。所以后台忘了勾 image 的模型，症状是「贴图被拦」而不是「报错」。

推理档位（minimal / low / medium / high / xhigh / max）优先级：modelOverrides.*.reasoning > 站点 reasoning_levels > 无档位。站点没声明就没有档位选择器 —— 与其发一个上游不认的档位换来 400，不如不提供。

图像生成（generate_image）

开启后插件注册一个 generate_image 工具，模型可以直接出图：

{ "prompt": "一只戴墨镜的柴犬，扁平插画风格", "model": "gpt-image-2.5-flare", "size": "1024x1024" }

参数：

参数	说明	通道
prompt	必填，描述要画什么	都行
model	省略时用设置页里第一个启用的模型	都行
images	参考图路径数组（最多 4 张），用于改图/合成；第一张决定输出长宽比	都行
path	额外把图写到这个路径（文件必须不存在）	都行
size	如 1024x1024	仅 images
quality	low / medium / high / auto	仅 images
background	transparent / opaque / auto	仅 images

「仅 images」的参数发给 chat 通道的模型（nano-banana、gemini-*-image、grok）会明确报错，不会被静默丢掉 —— 静默丢弃会让模型以为自己在控制画幅和质量，那比报错更糟。

结果同时带文字信封（模型名、分组、写出路径、尺寸、字节数）和图片块，所以模型自己能看到画出来的东西，用户也能在卡片里看到。

两种上游通道由站点声明的端点决定，不用手动选：

通道	判定	请求	响应
images	声明含 image-generation（gpt-image 系）	POST /v1/images/generations	data[0].b64_json 或临时 url
genai	声明含 gemini（nano-banana、gemini-*-image）	POST /v1beta/models/<model>:generateContent	candidates[0].content.parts[].inlineData（结构化）
chat	其余（只有 openai 的，如 grok-imagine）	POST /v1/chat/completions	回复文本里的 data:image/...;base64, 或图片链接

Gemini 系走原生 surface 而不是 openai 兼容层：同模型同提示词实测 74 秒（原生，返回 inlineData）对 110 秒（chat，返回 markdown data URL）。原生拿的是结构化字段，不用从文本里抠图，也不依赖网关的转换实现。

实测数据：gpt-image-2.5-flare 走促销分组 #39 约 43 秒返回 1.3 MB PNG（base64）；nano-banana-pro 打 images 端点会被站点拒绝（only imagen models are supported），走 chat 才出图；grok-imagine-image 两条都通。拿到 bytes 后按 magic bytes 判格式（PNG/JPEG/WebP/GIF），再交给 attachment 服务落盘。

为什么分组必须选：同一个模型常被好几个分组转售，价格差好几倍，站点靠 x-neartoken-group 头决定路由。所以设置页里「模型 → 分组」是显式配置，而不是取第一个分组了事。保存时 Host 会校验：模型必须仍在站点当前清单里、分组必须是该模型自己的分组，否则拒绝（400），宁可让你重选，也不存一条调到必然失败的路由。

改图

images 传工作区里的图片路径，工具读成 data URL 后按通道发送：

• images 通道：作为 image 数组（data URL）发给 /v1/images/generations（站点 DTO 里没有可用的 edits 路由，参考图只能搭生成请求）
• genai 通道：作为 inlineData part 与提示词一起进 contents[0].parts
• chat 通道：作为 image_url content part 与提示词一起进 messages

实测（nano-banana-pro + 一张 2.1 MB 的 PNG 参考图）：chat 通道 110 秒出图返回 jpeg；同一模型单轮文生图走 genai 通道 74 秒返回 PNG。参考图在发请求前读盘并校验（存在、是普通文件、是 PNG/JPEG/WebP/GIF、≤ 20 MB），所以缺文件不会白花一次生成。

落盘

path 把同一张图另存一份到工作区：

• 只复制不移动：attachment 是会话历史的一部分，删了历史里的图就裂了
• 文件必须不存在：存在即拒绝（wx 独占创建），不做覆盖
• 只写本地后端：ctx.fs 只提供写入文本的接口，字节走宿主文件 API；目标路径仍由 ctx.fs.resolve 解析，所以工作区与沙箱策略照样生效。远程文件系统后端会拒绝并说明原因
• 写成功后会发 fs/observed，UI 的跟随高亮能跳到这个文件

限制：一次只出一张图（n 未暴露）；mask 局部重绘、input_fidelity 未暴露。

超时

生图是几十秒到几分钟的活，所以有两条时间线，故意错开：

层	值	超时后模型看到什么
插件自己的预算	imageTimeoutMs（默认 300 秒）	the site did not return an image within 300s (imageTimeoutMs); … retry, raise imageTimeoutMs, or enable a faster image model
工具调用截止时间	imageTimeoutMs + 30 秒，声明给 harness 的 timeout policy	通用的 tool call timed out after …ms

自己那条早 30 秒触发，所以正常情况模型拿到的是能指路的那条（等了多久、该调哪个旋钮）；harness 那条只兜住「工具无视 abort 继续跑」。预算耗尽和调用方取消是分开处理的（AbortSignal.any 里单独持有预算信号），取消原样向上传递，不会被写成超时。

实测：促销组 43 秒出过图，也遇到过 114 秒；另有一次上游 504（openai_error），重试即成功 —— 渠道故障插件不重试、不跨分组兜底，原样报给模型。

还有一条时间线不在插件里：模型若用 run_code 这类 PTC 工具去调 generate_image，外层 run_code 的默认 120 秒会先到。当普通工具直接调则没有这层。

已知限制

• 四套 wire（chat / anthropic / genai / responses）各自解析 SSE；用户消息里的图片按各协议原样发送 —— chat 用 image_url part、anthropic 用 source.base64、genai 用 inlineData、responses 用 input_image。字节由 attachments.readImage 在请求前内联；没有 attachments 服务或读不出来会让请求失败，不再静默降级成纯文本（曾经就是这样：贴的截图模型根本收不到）。文件块（非图片附件）仍不发；/model 弹窗仍是内置平铺列表；箭头键盘导航未接。
• 四套 wire 的 SSE 解析都有「帧样本 → 期望 chunk 序列」回归测试（src/host/wire-parse.spec.ts），帧样本取自生产网关的真实响应。网关在内容帧上发 "usage": null，只有末帧带真值：任何一处把 usage 当对象直接读都会让整条流中途崩掉（曾导致 claude 模型全不可用）。
• 每个请求都带会话亲和键：chat 与 responses 发 prompt_cache_key，anthropic 发 metadata.user_id，取值都是 DSH 的 GenerateOptions.sessionId。站点就是靠这个值挑上游渠道的（New API 的「codex cli trace」规则：^gpt-.*$ + /v1/responses，键取自 body 的 prompt_cache_key，取不到就把整条规则跳过），而提示词缓存按上游账号存 —— 不带键时每个请求随机换账号，缓存永远不中。实测同一 6k 前缀：不带键连发 4 次 cached_tokens 全 0；带键后第 2 次起 5888/6011 ≈ 98%。/v1/chat/completions 上目前没有对应规则，chat 线即使带键也只是偶发命中，要彻底解决需要站点加一条匹配该路径的亲和规则；anthropic 线的 metadata.user_id 同理（规则只作用于 /v1/messages，这一条已经匹配）。
• anthropic 线显式打缓存断点：Anthropic 只在 cache_control 断点处写缓存，没有断点就整段 prompt 按新输入计价（亲和键只保证落在同一上游账号，不产生缓存）。每个请求打 4 个断点：tools 末项、system 末块、最后两条消息各自末块 —— harness 每轮全量重放历史，尾部双断点保证下一轮几乎全命中，每轮只写新增片段。实测（Claude Max 超惠分组，~6.3k token 前缀）：无断点连发两次 cache_read 全 0；打点后第 2 次起 in=4, cr=6316，三轮增长历史 cr 累积到 10811、in 恒为个位数。断点也覆盖 tool_result 结尾的轮次（DSH 会话的常态形态）。
• 推理等级按各协议自己的词汇发送：anthropic 发 thinking.type=adaptive + output_config.effort（不能再用 thinking.type=enabled + budget_tokens：Claude 5 代直接 400 requires adaptive thinking，而 adaptive 在老代际上同样可用，所以统一用它；minimal 收敛成 low）；genai 发 thinkingConfig 且带 includeThoughts（不带你拿不到思维链）；chat 与 responses 发 reasoning_effort / reasoning.effort。
• Gemini 4 换成 thinkingLevel：这一代不再接受 token 预算（发 budget 会 400 Use thinking level instead），按 gemini-<主版本> ≥ 4 自动切换字段，等级名用 low / medium / high / max。
• 思考历史不回传：harness 的 reasoning 块没有 signature 槽位，anthropic 的 signature_delta 与 gemini 的 thoughtSignature 都被丢弃。当前网关的转换层本身也会丢弃 thinking 块，所以多轮不会因此报错；接真正的 Anthropic / Gemini 直连渠道时这一条会变成硬限制。
• 文本与思维块由第一个非空 delta 打开，思维块为空时不产生空块；工具调用块在 content_block_start 打开，因为 id 与函数名只在那里出现。
• anthropic 线不硬编码 max_tokens：只在调用方给了上限、或开了 thinking 需要余量时才发。给死值会截断长回答。
• -c 后缀是站点自己的约定（带该后缀的模型工具调用不可靠）：站点声明了端点类型时插件按声明提供，声明里没有它就不会出现；没有声明时按名字隐藏它的无后缀孪生之外的变体。
• 站点上新但还没在后台填能力的模型：只要声明了端点类型就会提供，容量走 defaultContextWindow，模态按纯文本、没有推理档位（除非在 modelOverrides 里写明）。这不是 bug，是「站点是唯一真源」的直接后果——补能力请去后台填，不必等插件发版。
• pricing 加载失败时沿用上一次成功的结果，从未成功过则目录为空（失败不写缓存，下次调用会重试）。
• 上游错误映射到共享重试码表（src/host/wire-error.ts）：429→RATE_LIMIT、5xx/529/流中途失败→SERVER、网络层断连→TRANSPORT（fetch 抛错但非用户取消），这三类是 base 组合里 dsh-llm-retry 默认策略（5 次、指数退避、读 retry-after）会等过去重试的；401/403→AUTH、402/余额耗尽→QUOTA、400/413→INVALID_REQUEST、上下文超限→CONTEXT_WINDOW_EXCEEDED、其余→HTTP_<status> 保持不可重试。曾经全部抛 PROVIDER_ERROR——不在默认可重试集合里，网关一次瞬断就终止整轮（「一遇错误立即停止」的根因）。
• 账号卡片的钱是两次读拼接的：授权那一刻 grant 里的 user 给出身份事实，余额/已用/代金券则来自站点 /api/dsh/device/wallet——Host 每 5 分钟读一次，页面在余额旁另有立即刷新按钮（POST /neartoken/refresh，读完后把同一份状态回给页面），所以不必重连也能看到新数字。落盘到 profile 下的 neartoken-account.json 只作重启回退。站点若没有该端点或读不到，卡片保留上一次的数字、不会清空。代金券为空时卡片给一句去「邀请计划」（站点 /wallet 页）领免费代金券的提示。
• 白名单按裸模型名过滤：勾掉某模型会把它的所有分组一起隐藏；某个正在使用的模型被勾掉后，会话里已选中的 id 仍在，但选择器里不再列出它。
• 白名单写入走 DSH 的 Settings：profile 里该行只保留 volatile 字段，所以别把 baseURL 等非 volatile 字段写进同一个 profile 行（会在此后第一次保存白名单时被 Settings 的 strip 规则清掉）。
• 生图一次一张；size 对 images 通道只是建议，上游常忽略（实测不传 size 时 gpt-image-2.5-flare 出 1536x1024）。
• 生图结果默认只存 attachment；要给文件就传 path（必须是不存在的路径，且只对本地文件系统后端生效）。
• 生图失败按站点原话报错（限流、渠道无可用 channel、模型不支持该端点都会原样透出），不重试、不跨分组兜底 —— 换分组是用户的决定。

开发

pnpm install
pnpm run typecheck
pnpm run test       # vitest：account / pricing / adapter / model-caps / groups / whitelist / routes / config / wire-parse / images / image-settings / image-tool
pnpm run typecheck  # 两个 face 分别检查（host 与 client 的 ctx.sessions 声明互相冲突，不能同 program）
pnpm run build      # lib/index.js (host) + lib/client.js (client) + lib/types