优化API调用超时提示信息，增加空回复重试逻辑(应该能用)

src/config/api_ada_configs.py

@@ -23,7 +23,7 @@ class APIProvider(ConfigBase):
     """最大重试次数（单个模型API调用失败，最多重试的次数）"""
 
     timeout: int = 10
-    """API调用的超时时长（超过这个时长，本次请求将被视为“请求超时”，单位：秒）"""
+    """API调用的超时时长（超过这个时长，本次请求将被视为"请求超时"，单位：秒）"""
 
     retry_interval: int = 10
     """重试间隔（如果API调用失败，重试的间隔时间，单位：秒）"""

src/llm_models/model_client/aiohttp_gemini_client.py

@@ -159,6 +159,8 @@ def _build_generation_config(
     config = {
         "maxOutputTokens": max_tokens,
         "temperature": temperature,
+        "topK": 1,
+        "topP": 1,
     }
     
     # 处理响应格式

src/llm_models/utils_model.py

@@ -207,6 +207,13 @@ class LLMRequest:
         # 请求并处理返回值
         logger.debug(f"LLM选择耗时: {model_info.name} {time.time() - start_time}")
         
+        # 空回复重试逻辑
+        empty_retry_count = 0
+        max_empty_retry = api_provider.max_retry
+        empty_retry_interval = api_provider.retry_interval
+        
+        while empty_retry_count <= max_empty_retry:
+            try:
                 response = await self._execute_request(
                     api_provider=api_provider,
                     client=client,
@@ -218,15 +225,31 @@ class LLMRequest:
                     tool_options=tool_built,
                 )
                 
-        
                 content = response.content
                 reasoning_content = response.reasoning_content or ""
                 tool_calls = response.tool_calls
+                
                 # 从内容中提取<think>标签的推理内容（向后兼容）
                 if not reasoning_content and content:
                     content, extracted_reasoning = self._extract_reasoning(content)
                     reasoning_content = extracted_reasoning
                 
+                # 检测是否为空回复
+                is_empty_reply = not content or content.strip() == ""
+                
+                if is_empty_reply and empty_retry_count < max_empty_retry:
+                    empty_retry_count += 1
+                    logger.warning(f"检测到空回复，正在进行第 {empty_retry_count}/{max_empty_retry} 次重新生成")
+                    
+                    # 等待一定时间后重试
+                    if empty_retry_interval > 0:
+                        await asyncio.sleep(empty_retry_interval)
+                    
+                    # 重新选择模型（可能选择不同的模型）
+                    model_info, api_provider, client = self._select_model()
+                    continue
+                
+                # 记录使用情况
                 if usage := response.usage:
                     llm_usage_recorder.record_usage_to_database(
                         model_info=model_info,
@@ -236,14 +259,36 @@ class LLMRequest:
                         endpoint="/chat/completions",
                     )
                 
+                # 如果内容仍然为空
                 if not content:
                     if raise_when_empty:
-                logger.warning("生成的响应为空")
+                        logger.warning(f"经过 {empty_retry_count} 次重试后仍然生成空回复")
-                raise RuntimeError("生成的响应为空")
+                        raise RuntimeError(f"经过 {empty_retry_count} 次重试后仍然生成空回复")
                     content = "生成的响应为空，请检查模型配置或输入内容是否正确"
+                else:
+                    # 成功生成非空回复
+                    if empty_retry_count > 0:
+                        logger.info(f"经过 {empty_retry_count} 次重试后成功生成回复")
 
                 return content, (reasoning_content, model_info.name, tool_calls)
                 
+            except Exception as e:
+                # 如果是网络错误等其他异常，不进行空回复重试
+                if empty_retry_count == 0:  # 只在第一次出错时抛出异常
+                    raise e
+                else:
+                    # 如果已经在重试过程中出错，记录日志并继续
+                    logger.error(f"重试过程中出错: {e}")
+                    empty_retry_count += 1
+                    if empty_retry_count <= max_empty_retry and empty_retry_interval > 0:
+                        await asyncio.sleep(empty_retry_interval)
+                    continue
+        
+        # 如果所有重试都失败了
+        if raise_when_empty:
+            raise RuntimeError(f"经过 {max_empty_retry} 次重试后仍然无法生成有效回复")
+        return "生成的响应为空，请检查模型配置或输入内容是否正确", ("", model_info.name, None)
+
     async def get_embedding(self, embedding_input: str) -> Tuple[List[float], str]:
         """获取嵌入向量
         Args: