框架: chat()撞模型max_tokens上限自适应降档重发(M2.7上限196608实测,修降级链400断链)

.claude/skills/llm/scripts/llm.py

@@ -59,6 +59,17 @@ def chat(prompt, model=DEFAULT_MODEL, max_tokens=512000, temperature=0.2,
             r = s.post(f"{BASE}/v1/chat/completions",
                        headers={"Authorization": f"Bearer {TOKEN}"},
                        json=payload, timeout=timeout)
+            # 各模型 max_tokens 上限不一（实测 M3 收 512k、M2.7 上限 196608 报 400）：
+            # 撞上限自适应降档重发，保证降级链换模型时不被参数掀翻。
+            # 必须在敏感检查之前处理——重发后的响应仍要完整走敏感/429/5xx 判定链
+            if r.status_code == 400 and "max tokens" in r.text.lower():
+                cur = payload.get("max_tokens", 0)
+                payload["max_tokens"] = 196608 if cur > 196608 else 12000
+                print(f"[llm] {model} max_tokens={cur} 超模型上限，降为 {payload['max_tokens']} 重发",
+                      file=sys.stderr)
+                r = s.post(f"{BASE}/v1/chat/completions",
+                           headers={"Authorization": f"Bearer {TOKEN}"},
+                           json=payload, timeout=timeout)
             # 内容安全拦截：同模型退避重试必再敏感，立即抛 SensitiveError 交上层
             # 降级换模型，不在此浪费退避（否则一敏感章空烧 3 次，实测占放量请求 23%）
             if r.status_code >= 500 and "sensitive" in r.text.lower():