dsh-neartoken

把 New API 站点（NearToken，https://llm.pko.svcfusion.com）变成 DSH 的模型供应商：在设置页发起设备授权 → 用户在自己浏览器里登录站点并确认 → 插件自动接入 neartoken provider。插件全程不接触密码。模型选择器再把这批模型按 New API 的渠道分组折成 模型 → 分组 → 推理等级 三级。

架构

插件只在三条流向上说话，其余都是它们的支撑：

流向	路径
登录	设置页 → POST /neartoken/authorize → 站点 POST /api/dsh/device/authorize 拿到确认码 → 用户在自己浏览器里批准 → 插件按 interval 轮询 POST /api/dsh/device/token（authorization_pending / slow_down 退避 +2s / access_denied / expired_token / granted）→ 把站点铸造的 key 写进 credentials 的 NEARTOKEN_API_KEY
目录	GET /api/pricing（TTL 缓存）→ 按 (分组, 模型) 展开成 "<组>::<模型>" → 可见性过滤 → listModels 交给 DSH
出字	stream() → 按模型选协议 → 站点 /v1/messages、/v1beta/models/*:streamGenerateContent、/v1/responses、/v1/chat/completions。body.model 是裸模型名，x-neartoken-group 头带分组的 #<id>

一条实现约束：provider 只有在凭据存在时才挂载，且 credentials 服务可能晚于本插件就绪，所以启动时先同步一次、再用 ctx.inject 同步一次。

文件	职责
src/index.ts	配置 schema、按凭据现状挂载 provider、装配其余模块
src/host/account.ts	RFC 8628 形状的设备授权：发起、按 interval 轮询、把 key 写进 credentials
src/host/routes.ts	设置页调用的同源路由（状态 / 授权 / 取消 / 断开 / 模型白名单）
src/host/whitelist.ts	白名单读写在插件自身 Config 的 enabledModels（volatile），存 profile patch
src/host/pricing.ts	拉 /api/pricing，展开成 "<组>::<模型>" 路由，过滤出能聊的模型
src/host/model-caps.ts	一个模型能不能聊、上下文窗口多大、可选的推理等级
src/host/adapter.ts	目录、元数据、按模型选协议并流式解析
src/host/*-wire.ts	四条上游协议各自的请求体与 SSE 解析
src/host/protocol-router.ts	按模型选上游协议（claude / gemini / gpt / 其余）
src/host/provider-mount.ts	路由挂载、撤下、白名单变更时 replace() 重播
src/client/	设置页、模型选择器、分组胶囊渲染

使用

1. 装插件、重启 dsh web、硬刷新。
2. 打开 设置 → NearToken，点「连接 NearToken」。
3. 设置页显示确认码；点「打开浏览器确认」，在站点自己的页面登录（密码、2FA、passkey 都走站点原生流程）并批准。
4. 插件轮询到批准后自动完成：把站点为该插件铸造的 API key 写进 credentials 的 NEARTOKEN_API_KEY，并挂上 neartoken provider。
5. 「断开连接」删掉本地凭据、撤掉 provider，并调用站点的撤销端点。
6. 卡片下方的「模型白名单」勾选即自动保存 —— 未勾选的不再出现在模型选择器里，且当场生效（Host 用 AdapterRegistrationHandle.replace() 重新声明同一条路由，同步发布 llm/adapters-updated，浏览器重拉目录）。没设置过白名单时默认全部显示，「全部显示」清空白名单。

备用路径：直接让 credentials 服务存 NEARTOKEN_API_KEY，或启动环境导出同名变量 —— provider 会在启动时按凭据现状挂载。

设备授权流需要 new-api 侧实现对应端点，契约见 HANDOFF-new-api.md 第一部分。站点尚未实现时会直接报「站点拒绝发起设备授权」。

分组路由按同一文档：请求头 x-neartoken-group 的值是 /api/pricing 的 group_refs 给出的 #<id>（纯 ASCII），分组名只用于展示；某分组没有 ref 时不发该头，按令牌自身分组路由。

配置

字段	默认	说明
baseURL	https://llm.pko.svcfusion.com	站点根地址，不带尾斜杠
apiKeyEnv	NEARTOKEN_API_KEY	授权写入、adapter 读取的凭据引用名
catalogTtlMs	300000	/api/pricing 目录缓存时长
defaultContextWindow	200000	没有任何来源能说明某模型上下文窗口时上报的值
modelOverrides	{}	按裸模型名逐条修正容量与推理等级，见下
enabledModels	[]	模型白名单（裸模型名）；空数组 = 全部显示。唯一 volatile 字段，设置页直接写它

modelOverrides 是「站点没声明、目录还没收录」时的兜底手段，改完重启即生效，不需要发新版本：

- id: dsh-neartoken
  config:
    defaultContextWindow: 200000
    modelOverrides:
      gemini-4-argon:
        contextWindow: 1048576
        reasoning: [low, medium, high, max]

模型可见性

站点 /api/pricing 会列出它知道的所有模型，插件只提供会响应聊天请求的那部分：

1. 站点自己声明的 supported_endpoint_types 优先：含 openai / openai-response / anthropic / gemini 任一即可见。这是站点上新增模型当天就能出现在选择器里的原因 —— 不需要等插件发版。
2. 无论站点声明什么，-c 后缀与媒体名（image / tts / transcribe / asr）都不提供 —— 定价接口把这些路由也挂在 openai 这个 surface 下，只看声明会把生图和语音模型塞进聊天选择器。
3. 站点没声明时回退到名字规则：pi-ai 目录里没有的名字不提供。

容量与推理等级

上下文窗口（contextWindow）决定两件事：对话里的占用率显示，以及自动压缩的阈值。它缺失时自动压缩会直接放弃（compaction 后端拒绝为无界模型计算摘要预算），所以插件永远会给出一个值。优先级：

优先级	来源	维护方式
1	modelOverrides	改 profile 配置，重启
2	站点 /api/pricing 的 context_window	在 New API 管理后台维护，见下
3	pi-ai 生成表（src/host/model-caps.generated.ts）	pnpm run gen:model-caps
4	defaultContextWindow	改 profile 配置

推荐在站点侧维护：New API 管理后台可以给每个模型填上下文窗口与最大输出，/api/pricing 会把它们作为 context_window / max_tokens 发出来。这样一台站点的容量对所有客户端一致生效，插件不需要跟着站点上新模型发版。维护步骤见 new-api 仓库 AGENTS.md 的「模型容量清单」一节。

最大输出（max_tokens）只在站点或配置明确给出时才写进请求；生成表里的 maxTokens 是厂商口径，站点可能把同一个名字路由到上限更低的渠道，照发会把「回答被截断」换成「请求被拒」，所以不用它。不给出该字段时由上游默认值决定。

输入模态（text / image）同样有三层来源：modelOverrides.*.input > pi-ai 目录 > ['text']。未知模型一律声明为纯文本，因为 harness 把「没有声明」当成「没有权限」：只有声明了 image 的模型才允许 read_image 和携带图片的请求，否则图片会在发出前被拦下。目录里有 729 个多模态模型，名字能对上的都会自动带上。

推理等级来自 @earendil-works/pi-ai 的模型目录（DSH 的 llm-pi-ai 用的同一份数据）。插件不在运行时依赖它：scripts/gen-model-caps.mjs 把目录生成成 src/host/model-caps.generated.ts（1101 个 chat 模型、486 个带推理档位、1101 个带上下文窗口），升级依赖后跑 pnpm run gen:model-caps 重建。同一模型 id 在不同 provider 下可能给出不同档位（网关常只列两档，厂商列六档），生成时取最完整的那份；上下文窗口取最小的那份。

已知限制

• 四套 wire（chat / anthropic / genai / responses）各自解析 SSE；图片与文件仍以占位文本发送；/model 弹窗仍是内置平铺列表；箭头键盘导航未接。
• 四套 wire 的 SSE 解析都有「帧样本 → 期望 chunk 序列」回归测试（src/host/wire-parse.spec.ts），帧样本取自生产网关的真实响应。网关在内容帧上发 "usage": null，只有末帧带真值：任何一处把 usage 当对象直接读都会让整条流中途崩掉（曾导致 claude 模型全不可用）。
• 推理等级按各协议自己的词汇发送：anthropic 发 thinking.type=adaptive + output_config.effort（不能再用 thinking.type=enabled + budget_tokens：Claude 5 代直接 400 requires adaptive thinking，而 adaptive 在老代际上同样可用，所以统一用它；minimal 收敛成 low）；genai 发 thinkingConfig 且带 includeThoughts（不带你拿不到思维链）；chat 与 responses 发 reasoning_effort / reasoning.effort。
• Gemini 4 换成 thinkingLevel：这一代不再接受 token 预算（发 budget 会 400 Use thinking level instead），按 gemini-<主版本> ≥ 4 自动切换字段，等级名用 low / medium / high / max。
• 思考历史不回传：harness 的 reasoning 块没有 signature 槽位，anthropic 的 signature_delta 与 gemini 的 thoughtSignature 都被丢弃。当前网关的转换层本身也会丢弃 thinking 块，所以多轮不会因此报错；接真正的 Anthropic / Gemini 直连渠道时这一条会变成硬限制。
• 文本与思维块由第一个非空 delta 打开，思维块为空时不产生空块；工具调用块在 content_block_start 打开，因为 id 与函数名只在那里出现。
• anthropic 线不硬编码 max_tokens：只在调用方给了上限、或开了 thinking 需要余量时才发。给死值会截断长回答。
• -c 后缀是站点自己的约定（带该后缀的模型工具调用不可靠）：站点声明了端点类型时插件按声明提供，声明里没有它就不会出现；没有声明时按名字隐藏它的无后缀孪生之外的变体。
• 站点上新、pi-ai 目录还没收录的模型：只要站点声明了端点类型就会提供，容量走 defaultContextWindow，推理等级为空（除非在 modelOverrides 里写明）。
• pricing 加载失败时沿用上一次成功的结果，从未成功过则目录为空（失败不写缓存，下次调用会重试）。
• 账号卡片不自动刷新：数字只来自授权那一刻 grant 里的 user（站点的 dashboard 接口认浏览器会话，不认本插件持有的 relay key），落盘到 profile 下的 neartoken-account.json，重启后从文件恢复。之后余额变化不会反映，需要重新连接一次。
• 白名单按裸模型名过滤：勾掉某模型会把它的所有分组一起隐藏；某个正在使用的模型被勾掉后，会话里已选中的 id 仍在，但选择器里不再列出它。
• 白名单写入走 DSH 的 Settings：profile 里该行只保留 volatile 字段，所以别把 baseURL 等非 volatile 字段写进同一个 profile 行（会在此后第一次保存白名单时被 Settings 的 strip 规则清掉）。

开发

pnpm install
pnpm run typecheck
pnpm run test       # vitest：account / pricing / adapter / model-caps / groups / whitelist / routes / config / wire-parse
pnpm run gen:model-caps   # 升级 @earendil-works/pi-ai 后重建能力表
pnpm run build      # lib/index.js (host) + lib/client.js (client) + lib/types