优化: 模型能力探测前缀匹配收紧 + 手动标注能力不被测试覆盖

crates/df-ai/src/model_probe.rs

@@ -4,7 +4,7 @@
 //!
 //! 多源探测,高优先源命中即返(短路):
 //!   1. 内置预设表精确匹配(name 完全相等) → `ProbeSource::PresetTable`
-//!   2. 内置预设表模糊匹配(子串包含)       → `ProbeSource::PresetTable`
+//!   2. 内置预设表前缀匹配(前缀 + 分隔符边界) → `ProbeSource::PresetTable`
 //!   3. 模型名启发式推断(命名模式)         → `ProbeSource::Heuristic`
 //!   4. 默认值兜底(`ModelConfig::with_defaults`) → `ProbeSource::Default`
 //!
@@ -26,7 +26,7 @@ use crate::model_probe_helpers::{heuristic_infer, presets};
 ///
 /// 多源探测顺序(高优先源命中即返):
 /// 1. 预设表精确匹配(`model_id` 完全相等,大小写敏感)
-/// 2. 预设表模糊匹配(`model_id` 双向子串包含,大小写不敏感)
+/// 2. 预设表前缀匹配(`model_id` 是入参前缀且后缀以分隔符开始,大小写不敏感)
 /// 3. 启发式推断(模型名命名模式)
 /// 4. 默认值兜底
 ///
@@ -38,14 +38,27 @@ pub fn probe(model_id: &str) -> ModelConfig {
         return hit;
     }
 
-    // 2. 预设表模糊匹配(双向子串包含,大小写不敏感)
-    // 多个候选命中时,选预设 model_id 最长者(最具体:glm-4v > glm-4)。
+    // 2. 预设表前缀匹配(入参名以预设名开头 + 后缀以分隔符开始,大小写不敏感)
+    //    收紧自原「双向子串包含」:子串匹配会把 glm-4.6v 误配给 glm-4v(继承其 vision),
+    //    gpt-4o-mini 误配给 gpt-4o 等「张冠李戴」。前缀匹配保留合理继承
+    //    (glm-4v-flash → glm-4v),同时要求后缀以分隔符(-/./_)或结尾开始,
+    //    防止 glm-4v2/glm-4vx 命中 glm-4v。
     let needle = model_id.to_lowercase();
     let fuzzy = presets()
         .iter()
         .filter(|m| {
             let cand = m.model_id.to_lowercase();
-            !cand.is_empty() && (cand.contains(&needle) || needle.contains(&cand))
+            if cand.is_empty() || cand.len() > needle.len() {
+                return false;
+            }
+            if !needle.starts_with(&cand) {
+                return false;
+            }
+            // 前缀后须为分隔符或字符串结束,避免部分单词命中(glm-4v2 不算 glm-4v)
+            match needle[cand.len()..].chars().next() {
+                None => true, // 完全相等(精确匹配已覆盖,这里兜底)
+                Some(c) => matches!(c, '-' | '.' | '_'),
+            }
         })
         .max_by_key(|m| m.model_id.len());
 
@@ -157,20 +170,68 @@ mod tests {
         assert_eq!(m.context_window, 1_048_576);
     }
 
-    // ── 预设模糊匹配 ──
+    // ── 预设前缀匹配 ──
 
     #[test]
     fn probe_preset_fuzzy_match_glm4v_variant() {
-        // "glm-4v-x" 不在预设表精确命中,但 "glm-4v" 是其子串 → 模糊命中
+        // "glm-4v-x" 不在预设表精确命中,但 "glm-4v" 是其前缀(后缀 "-x" 以分隔符开始) → 前缀命中
         let m = probe("glm-4v-x");
         assert_eq!(m.probe_source, Some(ProbeSource::PresetTable));
-        assert_eq!(m.model_id, "glm-4v-x", "模糊命中后 model_id 应用入参名");
+        assert_eq!(m.model_id, "glm-4v-x", "前缀命中后 model_id 应用入参名");
         assert!(
             m.modalities.contains(&Modality::Vision),
             "应继承 glm-4v 的 vision 模态"
         );
     }
 
+    #[test]
+    fn probe_preset_prefix_match_glm4v_flash() {
+        // 合理继承:glm-4v-flash 以 glm-4v 为前缀 + 分隔符 -,命中并继承 vision
+        let m = probe("glm-4v-flash");
+        assert_eq!(m.probe_source, Some(ProbeSource::PresetTable));
+        assert!(m.modalities.contains(&Modality::Vision));
+    }
+
+    #[test]
+    fn probe_preset_prefix_match_gpt4o_mini() {
+        // 合理继承:gpt-4o-mini 以 gpt-4o 为前缀 + 分隔符 -
+        let m = probe("gpt-4o-mini");
+        assert_eq!(m.probe_source, Some(ProbeSource::PresetTable));
+        assert_eq!(m.model_id, "gpt-4o-mini");
+    }
+
+    #[test]
+    fn probe_preset_prefix_match_case_insensitive() {
+        // 前缀匹配大小写不敏感(精确匹配大小写敏感,前缀兜底)
+        let m = probe("GLM-4V-FLASH");
+        assert_eq!(m.probe_source, Some(ProbeSource::PresetTable));
+        assert!(m.modalities.contains(&Modality::Vision));
+    }
+
+    #[test]
+    fn probe_preset_prefix_reject_non_prefix_variant() {
+        // 张冠李戴防线:glm-4.6v 不以 glm-4v 为前缀(字符顺序不同),不继承 glm-4v 的 vision。
+        // 但它以 glm-4 为前缀(+ 分隔符 .)→ 命中 glm-4 预设(纯文本),合理。
+        let m = probe("glm-4.6v");
+        assert_eq!(m.probe_source, Some(ProbeSource::PresetTable));
+        assert_eq!(
+            m.model_id, "glm-4.6v",
+            "前缀命中后 model_id 应用入参名"
+        );
+        assert!(
+            !m.modalities.contains(&Modality::Vision),
+            "glm-4.6v 不应继承 glm-4v 的 vision(只继承 glm-4 纯文本): {:?}",
+            m.modalities
+        );
+    }
+
+    #[test]
+    fn probe_preset_prefix_reject_no_separator() {
+        // 分隔符边界:glm-4v2 前缀后是数字(非 -/./_),不算 glm-4v 的合法变体
+        let m = probe("glm-4v2");
+        assert_eq!(m.probe_source, Some(ProbeSource::Heuristic));
+    }
+
     // ── 启发式:Vision ──
 
     #[test]

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

@@ -19,7 +19,7 @@
 use tauri::State;
 
 // df-ai 重导出 df_ai_core(供下游直接引用 trait/类型);src-tauri 不直接依赖 df-ai-core crate。
-use df_ai::df_ai_core::model::ModelConfig;
+use df_ai::df_ai_core::model::{ModelConfig, ProbeSource};
 use df_types::types::new_id;
 use df_storage::models::AiProviderRecord;
 
@@ -342,9 +342,22 @@ pub async fn ai_fetch_models(
     // 否则每次「测试连接/拉取模型」覆盖回探测默认 weight(50),权重失效致 ProviderPool/router
     // 排序摇摆。对齐 provider 级 enabled/weight 编辑保留逻辑(commands.rs:1041 match existing)。
     // 新模型(旧池无同 model_id)用探测默认值。
+    //
+    // 手动优先:旧配置 probe_source == UserSet(用户在表格手动标注能力)→ 保留手动能力维度,
+    // 不被新探测覆盖(对齐 ProbeSource::UserSet「最高优先,永不被覆盖」设计意图)。
     let merged: Vec<ModelConfig> = probed
         .iter()
         .map(|c| match provider.model_configs.iter().find(|o| o.model_id == c.model_id) {
+            Some(old) if old.probe_source == Some(ProbeSource::UserSet) => ModelConfig {
+                // 手动标注优先:保留用户能力维度 + 手动来源,仅更新路由控制字段
+                weight: old.weight,
+                enabled: old.enabled,
+                label: old.label.clone(),
+                modalities: old.modalities.clone(),
+                capabilities: old.capabilities.clone(),
+                probe_source: Some(ProbeSource::UserSet),
+                ..c.clone()
+            },
             Some(old) => ModelConfig {
                 weight: old.weight,
                 enabled: old.enabled,