refc：重构插件api，补全文档，合并expressor和replyer，分离reply和sender，新log浏览器

src/plugin_system/apis/llm_api.py

@@ -1,3 +1,12 @@
+"""LLM API模块
+
+提供了与LLM模型交互的功能
+使用方式：
+    from src.plugin_system.apis import llm_api
+    models = llm_api.get_available_models()
+    success, response, reasoning, model_name = await llm_api.generate_with_model(prompt, model_config)
+"""
+
 from typing import Tuple, Dict, Any
 from src.common.logger import get_logger
 from src.llm_models.utils_model import LLMRequest
@@ -6,49 +15,51 @@ from src.config.config import global_config
 logger = get_logger("llm_api")
 
 
-class LLMAPI:
-    """LLM API模块
+# =============================================================================
+# LLM模型API函数
+# =============================================================================
 
-    提供了与LLM模型交互的功能
+def get_available_models() -> Dict[str, Any]:
+    """获取所有可用的模型配置
+
+    Returns:
+        Dict[str, Any]: 模型配置字典，key为模型名称，value为模型配置
     """
-
-    def get_available_models(self) -> Dict[str, Any]:
-        """获取所有可用的模型配置
-
-        Returns:
-            Dict[str, Any]: 模型配置字典，key为模型名称，value为模型配置
-        """
+    try:
         if not hasattr(global_config, "model"):
-            logger.error(f"{self.log_prefix} 无法获取模型列表：全局配置中未找到 model 配置")
+            logger.error("[LLMAPI] 无法获取模型列表：全局配置中未找到 model 配置")
             return {}
 
         models = global_config.model
-
         return models
+    except Exception as e:
+        logger.error(f"[LLMAPI] 获取可用模型失败: {e}")
+        return {}
 
-    async def generate_with_model(
-        self, prompt: str, model_config: Dict[str, Any], request_type: str = "plugin.generate", **kwargs
-    ) -> Tuple[bool, str, str, str]:
-        """使用指定模型生成内容
 
-        Args:
-            prompt: 提示词
-            model_config: 模型配置（从 get_available_models 获取的模型配置）
-            request_type: 请求类型标识
-            **kwargs: 其他模型特定参数，如temperature、max_tokens等
+async def generate_with_model(
+    prompt: str, model_config: Dict[str, Any], request_type: str = "plugin.generate", **kwargs
+) -> Tuple[bool, str, str, str]:
+    """使用指定模型生成内容
 
-        Returns:
-            Tuple[bool, str, str, str]: (是否成功, 生成的内容, 推理过程, 模型名称)
-        """
-        try:
-            logger.info(f"{self.log_prefix} 使用模型生成内容，提示词: {prompt[:100]}...")
+    Args:
+        prompt: 提示词
+        model_config: 模型配置（从 get_available_models 获取的模型配置）
+        request_type: 请求类型标识
+        **kwargs: 其他模型特定参数，如temperature、max_tokens等
 
-            llm_request = LLMRequest(model=model_config, request_type=request_type, **kwargs)
+    Returns:
+        Tuple[bool, str, str, str]: (是否成功, 生成的内容, 推理过程, 模型名称)
+    """
+    try:
+        logger.info(f"[LLMAPI] 使用模型生成内容，提示词: {prompt[:100]}...")
 
-            response, (reasoning, model_name) = await llm_request.generate_response_async(prompt)
-            return True, response, reasoning, model_name
+        llm_request = LLMRequest(model=model_config, request_type=request_type, **kwargs)
 
-        except Exception as e:
-            error_msg = f"生成内容时出错: {str(e)}"
-            logger.error(f"{self.log_prefix} {error_msg}")
-            return False, error_msg, "", ""
+        response, (reasoning, model_name) = await llm_request.generate_response_async(prompt)
+        return True, response, reasoning, model_name
+
+    except Exception as e:
+        error_msg = f"生成内容时出错: {str(e)}"
+        logger.error(f"[LLMAPI] {error_msg}")
+        return False, error_msg, "", ""