fix(stores): 修 Codex 对抗审查报的五条，其中两条同一根因

最实的一条：读取端只要一段能解析成 JSON 就收下，没检查它后面有没有换行。而短写完全可能正好写完整个 JSON 对象、只差那个换行——那次写从来没被确认过（调用方的 await 还没返回），按契约就是「没发生」，但它会被当成一条有效的动作意图读回来，恢复据此判成「状态未知」并可能重放，而那个动作一定没执行过（调用方是在写意图返回之后才去执行的）。判据改成「这一行有没有被换行终结」，不是「能不能解析」。同一个改动顺带修掉第三条：一行完整终结的坏行（比如被外部追加的 {}）此前会被当成撕裂尾行吞掉，读成「少了一条记录但看起来完整」的日志；现在终结过的行解不开就是损坏，直接报错。其余三条： - 新建日志文件不 fsync 父目录。os.fsync(fd) 刷的是文件内容，刷不到「这个目录里多了一个文件」这条目录项；掉电后内容可能在而文件不存在，read_log 走「文件不存在」返回空日志，驱动入口判成全新运行，一次已经花过钱的运行静默没了留痕。只在新建时刷。 - 同一运行标识上的并发写会交错：一条记录可能由不止一次 os.write 写完，而 O_APPEND 只保证每次 write 的追加位置原子，保证不了一条逻辑行整体原子。按运行标识加锁串起来（不同运行照样并行），跨进程那一半仍靠独占创建挡。有一条用短写逼出那个窗口的测试。 - 往返测试的 TOTAL_WRITES 是硬编码，而且漏写结束标记它发现不了（恢复会把最后一步之后那次停止判定重演一遍，得出同样结果）。加一条把十次写的记录类型序列整个钉死的测试。
2026-08-10 03:52:35 -04:00
parent 7f6066701e
commit aeb575e0f7
4 changed files with 299 additions and 34 deletions
@@ -0,0 +1,100 @@
+# Design 0012 · 模型调用接缝的网关适配器
+
+**日期** 2026-08-10 · **状态** 待确认
+
+**落实** `0003-public-api-shape.md` 决策四里的模型调用接缝，与 `../../CLAUDE.md` §1.5
+「模型调用一律走 PolyGateway，不在本项目里另写重试 / 限流 / 熔断 / 缓存 / 遥测」。
+
+**触及** `../../src/polyloop/adapters/`，以及 `../../tests/integration/`——那一层到现在还是空的，
+因为「连真 PolyGateway 的是 integration」（`../../CLAUDE.md` §1.9），而在这之前没有任何东西连它。
+
+## 这份适配器要跨的那条缝
+
+一边是本库的 `ModelCall` 与 `ModelReply`：消息是内容块序列、绑定是字符串映射、失败以异常
+表达。另一边是网关的 `GatewayClient.chat`：消息是 `list[dict[str, Any]]`、返回一个有二十来个
+字段的 `LLMResponse`、失败抛一族它自己的异常。
+
+**缝两边的形状都不归我们定**，所以这份文档定的全是「怎么对上」，不是「该长什么样」。
+
+## 决策一：收一个已经装配好的客户端，不自己装配
+
+```python
+GatewayModelClient(client=..., settings=...)
+```
+
+网关的装配入口收十几个参数（限流器、熔断器、缓存后端、遥测记录器、重试与背压策略……），
+而**那些全是治理配置，按 §1.5 不归本库管**。适配器自己调那个工厂等于替项目决定了这些，而且
+项目常常要在多个用途之间共享同一个限流器和缓存——它自己装配才做得到。
+
+**代价是调用方多写一行。** 接受，因为另一条路是把网关的工厂签名抄进我们的签名里：他们加一个
+参数，我们就得跟着加一个，而漏跟的表现是「这个参数传不进去」。
+
+## 决策二：同时收一份配置，只为算出可复现的模型身份
+
+`parameters()` 要回答「这次运行用的是哪个模型配置」，续跑时逐字段比对。但**客户端不公开
+它的源列表与 scope**（构造时收下，只留在内部），所以从客户端本身问不出这个答案。
+
+于是适配器同时收那份 `GatewaySettings`，用**网关自己的** `build_model_fingerprint(sources)`
+算指纹。那个函数是它的公开函数，语义是「本 scope 会用哪些（模型、请求形态）组合」，并且把
+采样参数与推理开关也算进去——把 temperature 从 0 改成 1 之后重启，指纹会变。
+
+**用它而不是我们自己拼一串**，因为模型身份怎么算是网关的事：他们哪天认为某个新字段也该参与
+身份，改在他们那里，我们跟着变。自己拼的话，那个定义会和他们的悄悄分叉。
+
+**残留风险照实认下：客户端与配置必须真的是同一对。** 传一个客户端加另一份配置，指纹会说谎，
+而续跑守卫就白设了。库验不了这件事——客户端不公开它是按哪份配置装的。这条写进那个类的
+docstring，让传参的人看得见。
+
+## 决策三：消息按块拼成一个字符串
+
+`Message.content` 是内容块序列，网关那边一条消息的 `content` 是一个值。第一版只有文本块，
+所以把它们按顺序拼起来——不加分隔符，因为块之间本来就没有分隔符这个概念，加了就是往模型看见
+的文字里塞东西。
+
+将来有图片块时，这里改成网关/供应商的多模态数组形态。**那是加分支，不是改签名**，正是
+`0003` 决策六把内容定成序列而不是裸字符串换来的。
+
+## 决策四：绑定里只有网关认得的那两个键会传下去，其余留给参数快照
+
+`ModelCall.binding` 是项目自己的坐标（某个下游有五维），网关只有 `session_id` 与
+`parent_card_id` 两个槽位放得下这类东西。适配器把这两个键传下去，其余的键**不传**。
+
+**这不是静默丢弃。** 绑定的首要消费者是参数快照——它的全部键值都进运行开始记录
+（`0006` 决策三），续跑时逐字段比对。也就是说那些键已经被记下来了，只是网关那边没有对应的
+格子。适配器再报一次错，等于要求项目为了适配一个网关而裁剪自己的坐标系。
+
+**认不得的键不报错，也是因为报错的那条路更糟**：项目换一个网关就要改绑定，而绑定同时是
+续跑守卫的输入——改它会让所有在跑的运行续不上。
+
+## 决策五：网关的异常原样穿出去
+
+不捕获、不翻译、不重试。`session` 那一层已经定了模型调用失败怎么处置：记一条带失败说明的
+结果记录、记一步、以模型调用失败收尾（`0004` 决策三 C 档），而失败说明取的是异常的类名与文本
+——网关的异常类名（`AllSourcesExhausted`、`CircuitOpenError`、`GovernanceBackendError`……）
+本身就是最有用的那部分信息，翻译成我们自己的名字只会把它盖掉。
+
+**重试尤其不能做。** 网关内部已经有重试、退避、换源、熔断，外面再套一层会让两套预算重叠计费
+——那正是网关自己在 1.1.1 里修掉的那类 bug。
+
+`asyncio.CancelledError` 同样原样穿出去，它继承 `BaseException`，不会被任何 `except Exception`
+接住。
+
+## 决策六：空串的调用标识映射成空值
+
+`LLMResponse.call_id` 的类型是 `str`，而本库的 `ModelReply.call_id` 是 `str | None` 且**绝不为
+空串**——空串是个看起来合法的键，连表时静默匹配不上。所以拿到空串就映射成空值。
+
+## 留给后续的
+
+**响应里那些字段本库不带走，靠调用标识连过去。** 网关的响应有二十来个字段（用量、延迟、
+缓存命中、成本、供应商实际报告的模型串……），而 `ModelReply` 只取三个：调用标识、可见回复、
+推理段。其余的留在网关自己的账目里，两边靠调用标识连表。
+
+这条对**可复现性**尤其要紧：`model_reported` 是供应商在响应体里报的模型串，它和配置里那个
+别名可能分叉（供应商把别名指向新权重时），而实验复现必须认这个串。它不进本库的轨迹，但它在
+网关的账目里，按调用标识连得上——这正是 `ModelReply.call_id` 那句「与账目之间的连接键」的
+用处。
+
+**流式的中间事件本库拿不到，也不要。** 网关的 `chat` 默认走流式但返回的是一个完整响应；
+本库的接缝是「一次调用返回一次回复」，中间的增量属于观察通道，等事件集那份 design doc 定了
+再看要不要透出去。