优化: AI Chat全栈多批审查修复与架构清理(risk_level清理/路由解耦/工具渲染/测试补测/死代码)

src-tauri/src/commands/ai/agentic.rs

@@ -13,11 +13,12 @@ use df_ai::provider::{ChatMessage, CompletionRequest, LlmProvider};
 // 实现流前失败重试退避对齐(决策 F-260616-07 a1),避免重写退避逻辑。
 use df_ai::retry;
 // F-01 阶段5: 智能路由 helper + TaskRequirements + 维度枚举。
-// 调用点构造 TaskRequirements(主对话:needs_tool_use=true,min_intelligence=Standard,
+// 调用点构造 TaskRequirements(主对话:needs_tool_use=true,
 // 当前仅 Text 模态;后续多模态接入时检测消息内 Part/Image 追加 Vision),
 // 经 select_model_id 在 provider.model_configs 池中选最优;池空/无匹配兜底 default_model。
+// 注:路由已解耦(B-260618-03),cost_tier/intelligence 不再参与硬路由。
 use df_ai::router::{
-    select_model_id, IntelligenceTier, Modality, TaskRequirements,
+    select_model_id, Modality, TaskRequirements,
 };
 
 use df_storage::db::Database;
@@ -344,10 +345,20 @@ pub(crate) async fn run_agentic_loop(
     // AiProviderRepo::new 仅 clone Arc<Database>(廉价),不复用 AppState.ai_providers
     // (run_agentic_loop 签名只传 Arc<Database>,改签名会牵动 3 调用点 + try_continue)。
     let provider_repo = df_storage::crud::AiProviderRepo::new(&db);
-    let pool_providers: Vec<AiProviderRecord> = provider_repo.list_all().await.unwrap_or_default();
+    let pool_providers: Vec<AiProviderRecord> = match provider_repo.list_all().await {
+        Ok(v) => v,
+        Err(e) => {
+            tracing::warn!(error = %e, "[ai] list_all providers 失败,负载均衡池退化为入参默认 provider(空池兜底)");
+            Vec::new()
+        }
+    };
     let ranked_candidates: Vec<AiProviderRecord> = super::provider_pool::ProviderPool::select(
         &pool_providers,
-        None, // 模型亲和此时尚未确定(router 选模型需 provider_config,见下方)
+        // specify 模式(用户指定 model):传 override 作亲和键,ProviderPool 优先选
+        // 「池中含该 model 的 provider」作 primary,打破下方「router 选模型需 provider_config」
+        // 的鸡生蛋——override 此时已知(入参 ← session.model_override),无须等 router。
+        // auto 模式(override=None)→ 全亲和纯权重排序,行为不变(向后兼容)。
+        model_override.as_deref(),
     );
     let (primary_provider, candidates): (AiProviderRecord, Vec<AiProviderRecord>) =
         match ranked_candidates.split_first() {
@@ -401,14 +412,12 @@ pub(crate) async fn run_agentic_loop(
         "[ai] 发起 LLM 请求"
     );
 
-    // F-01 阶段5: 主对话路由 — TaskRequirements(needs_tool_use=true,min_intelligence=Standard)。
+    // F-01 阶段5: 主对话路由 — TaskRequirements(needs_tool_use=true)。
     // 模态当前仅 Text(图像消息类型未实现,后续多模态接入时检测 Part/Image 追加 Vision)。
     // select_model_id None(池空/无匹配)→ 兜底 default_model,行为与接入前一致。
     let agentic_req = TaskRequirements {
         modalities: vec![Modality::Text],
         needs_tool_use: true,
-        min_intelligence: IntelligenceTier::Standard,
-        max_cost: None,
         estimated_context: 0,
     };
     let resolved_model = select_model_id(&agentic_req, &provider_config.model_configs)