refactor(llm_models): 优化反截断机制并迁移配置

将反截断功能的启用配置从API服务商级别迁移到单个模型级别，提供了更细粒度的控制。

主要变更：
- 在`LLMRequest`中，将硬编码的结束标记`[done]`替换为可配置的`self.end_marker`。
- 反截断检查逻辑从`api_provider`配置改为读取`model_info`中的`use_anti_truncation`布尔值。
- 更新了`model_config_template.toml`，移除了全局的反截断开关，并为每个模型增加了可选的`use_anti_truncation`配置项。

src/llm_models/utils_model.py

@@ -139,14 +139,15 @@ class LLMRequest:
 """
         
         # 反截断指令
-        self.anti_truncation_instruction = """
+        self.end_marker = "###MAI_RESPONSE_END###"
+        self.anti_truncation_instruction = f"""
 **【输出完成信令】**
-这是一个非常重要的指令,请务必遵守。在你的回复内容完全结束后,请务必在最后另起一行,只写 `[done]` 作为结束标志。
+这是一个非常重要的指令,请务必遵守。在你的回复内容完全结束后,请务必在最后另起一行,只写 `{self.end_marker}` 作为结束标志。
 例如:
 <你的回复内容>
-[done]
+{self.end_marker}
 
-这有助于我判断你的输出是否被截断。请不要在 `[done]` 前后添加任何其他文字或标点。
+这有助于我判断你的输出是否被截断。请不要在 `{self.end_marker}` 前后添加任何其他文字或标点。
 """
 
     async def generate_response_for_image(
@@ -299,11 +300,12 @@ class LLMRequest:
 
             try:
                 # 检查是否启用反截断
-                use_anti_truncation = getattr(api_provider, "anti_truncation", False)
+                # 检查是否为该模型启用反截断
+                use_anti_truncation = getattr(model_info, "use_anti_truncation", False)
                 processed_prompt = prompt
                 if use_anti_truncation:
                     processed_prompt += self.anti_truncation_instruction
-                    logger.info(f"'{model_name}' for task '{self.task_name}' 已启用反截断功能")
+                    logger.info(f"模型 '{model_name}' (任务: '{self.task_name}') 已启用反截断功能。")
                 
                 processed_prompt = self._apply_content_obfuscation(processed_prompt, api_provider)
 
@@ -340,8 +342,8 @@ class LLMRequest:
                     is_empty_reply = not tool_calls and (not content or content.strip() == "")
                     is_truncated = False
                     if use_anti_truncation:
-                        if content.endswith("[done]"):
-                            content = content[:-6].strip()
+                        if content.endswith(self.end_marker):
+                            content = content[: -len(self.end_marker)].strip()
                         else:
                             is_truncated = True
 

template/model_config_template.toml

@@ -1,5 +1,5 @@
 [inner]
-version = "1.2.8"
+version = "1.2.9"
 
 # 配置文件版本号迭代规则同bot_config.toml
 
@@ -41,7 +41,6 @@ timeout = 30
 retry_interval = 10
 enable_content_obfuscation = true                 # 启用内容混淆功能
 obfuscation_intensity = 2                         # 混淆强度（1-3级，1=低强度，2=中强度，3=高强度）
-anti_truncation_instruction = true                # 防阶段移到了模型配置里
 
 
 [[models]] # 模型（可以配置多个）
@@ -51,6 +50,7 @@ api_provider = "DeepSeek"          # API服务商名称（对应在api_providers
 price_in = 2.0                     # 输入价格（用于API调用统计，单位：元/ M token）（可选，若无该字段，默认值为0）
 price_out = 8.0                    # 输出价格（用于API调用统计，单位：元/ M token）（可选，若无该字段，默认值为0）
 #force_stream_mode = true          # 强制流式输出模式（若模型不支持非流式输出，请取消该注释，启用强制流式输出，若无该字段，默认值为false）
+#use_anti_truncation = true        # [可选] 启用反截断功能。当模型输出不完整时，系统会自动重试。建议只为有需要的模型（如Gemini）开启。
 
 [[models]]
 model_identifier = "Pro/deepseek-ai/DeepSeek-V3"