重构: 拆model_probe模型探测(strategy核心库)

- 新建 df-ai/model_probe_helpers.rs(137行): PRESETS_JSON/presets(OnceLock) + heuristic_infer + has_vision_token
- model_probe.rs 388→251: probe主入口 + use helpers
- lib.rs: mod model_probe_helpers
主代grep核验(不cargo避audit-split-5中间态): model_probe.rs use+probe + lib.rs mod印证; agent df-ai独立自验cargo 0+test 119
strategy: 核心库自底向上, 纯函数抽离, pub(super)可见性, helper私有mod零API表面扩大
git add指定(df-ai/*)

crates/df-ai/src/lib.rs

@@ -11,6 +11,9 @@ pub mod model_fetch;
 // crate 内复用,private mod — 外部经 model_fetch 间接访问,无直接路径需求。
 mod model_fetch_helpers;
 pub mod model_probe;
+// model_probe 的纯逻辑子模块(预设表加载 / 启发式推断 / 词素判定),
+// crate 内复用,private mod — 外部经 model_probe 间接访问,无直接路径需求。
+mod model_probe_helpers;
 pub mod openai_compat;
 pub mod openai_helpers;
 pub mod provider;

crates/df-ai/src/model_probe.rs

@@ -12,28 +12,11 @@
 //! (设计文档 §4.1 写的是"启发式先行 + 预设表合并";本实施按阶段 2 任务规格
 //!  收敛为"预设优先 > 启发式"链 — 预设表精确数据可信度高于命名猜测,优先短路)。
 
-use std::sync::OnceLock;
+use df_ai_core::model::{ModelConfig, ProbeSource};
 
-use df_ai_core::model::{
+// 纯逻辑子模块(预设表加载 / 启发式推断 / 词素判定)抽离至此 —
-    Capability, CostTier, IntelligenceTier, Modality, ModelConfig, ProbeSource,
+// private mod,crate 内复用,外部经 model_probe::probe 间接访问(对齐 model_fetch_helpers)。
-};
+use crate::model_probe_helpers::{heuristic_infer, presets};
-
-// ────────────────────────────────────────────────────────────
-// 预设表:编译期嵌入(include_str! 相对 crate 根),零运行时文件依赖
-// ────────────────────────────────────────────────────────────
-
-/// 预设表原始 JSON(编译期从 `crates/df-ai/presets/models.json` 嵌入)。
-const PRESETS_JSON: &str = include_str!("../presets/models.json");
-
-/// 解析后的预设表(进程内单例,首次访问惰性解析一次)。
-fn presets() -> &'static [ModelConfig] {
-    static PRESETS: OnceLock<Vec<ModelConfig>> = OnceLock::new();
-    PRESETS.get_or_init(|| {
-        // include_str! 内容由仓库控制,解析失败属编译期/仓库错误,panic 合理。
-        serde_json::from_str::<Vec<ModelConfig>>(PRESETS_JSON)
-            .expect("presets/models.json 解析失败 — 检查 JSON 格式与 ModelConfig serde 映射")
-    })
-}
 
 // ────────────────────────────────────────────────────────────
 // 公共入口
@@ -79,95 +62,6 @@ pub fn probe(model_id: &str) -> ModelConfig {
     heuristic
 }
 
-// ────────────────────────────────────────────────────────────
-// 启发式推断(模型名命名模式 → 4 维度)
-// ────────────────────────────────────────────────────────────
-
-/// 模型名启发式推断。仅推断功能性维度(modalities/capabilities),
-/// cost_tier / intelligence 一律返中性默认(Medium / Standard)。
-///
-/// 取舍:B-260618-04 — 模型名关键词猜档位(flash→Lite、4o→High、pro→Plus)无依据,
-/// 厂商定价/智力与命名无关,瞎填会污染路由器过滤(intelligence >= min / cost_tier <= max)。
-/// 改中性默认,真实档位由用户手填或更高阶探测源(如厂商 API/定价表)提供。
-///
-/// 规则(任务规格,设计文档 §4.4 模糊匹配规则对齐):
-/// - `embed`/`embedding`/`e-`(前缀) → Embedding 模型:capabilities=[Embedding],modalities=[](去 Text)
-/// - `v`/`vision`/`vl`(词素) → modalities 加 Vision
-/// - `code`/`coder` → capabilities 加 CodeGen
-/// - cost_tier / intelligence → 中性默认 Medium / Standard(不靠名字猜)
-fn heuristic_infer(model_id: &str) -> ModelConfig {
-    let name = model_id.to_lowercase();
-    let mut modalities: Vec<Modality> = Vec::new();
-    let mut capabilities: Vec<Capability> = Vec::new();
-    // 中性默认:不靠模型名猜档位(B-260618-04)
-    let cost_tier = CostTier::Medium;
-    let intelligence = IntelligenceTier::Standard;
-
-    // —— Embedding 优先判定(改变模态集合,且通常独占) ——
-    // 规则:含 embed / embedding / 以 "e-" / "embedding-" 起首
-    let is_embedding = name.contains("embed")
-        || name.contains("embedding")
-        || name.starts_with("e-")
-        || name.starts_with("embedding-")
-        || name.starts_with("text-embedding");
-
-    if is_embedding {
-        capabilities.push(Capability::Embedding);
-        // embedding 模型不走对话模态,modalities 留空(设计 §4.4 embedding-3 例:modalities=[])
-        return ModelConfig {
-            model_id: model_id.to_string(),
-            enabled: true,
-            label: None,
-            modalities,
-            capabilities,
-            cost_tier,
-            intelligence,
-            weight: 50,
-            context_window: 8192,
-            probe_source: None,
-        };
-    }
-
-    // —— 对话模型默认 Text 模态 ——
-    modalities.push(Modality::Text);
-
-    // —— Vision 词素:含 "v"(独立词素:glm-4v / qwen-vl)、"vision"、"vl" ——
-    // 注:裸 "v" 子串误伤大(如 "review"),故仅在边界词素命中:
-    //   以 "v" 结尾、含 "-v" / "v-" 分隔、含 "vl" / "vision"
-    if has_vision_token(&name) {
-        modalities.push(Modality::Vision);
-    }
-
-    // —— CodeGen:含 code / coder ——
-    if name.contains("code") || name.contains("coder") {
-        capabilities.push(Capability::CodeGen);
-    }
-
-    // —— 对话模型默认 ToolUse(主流支持 function calling) ——
-    capabilities.push(Capability::ToolUse);
-
-    ModelConfig {
-        model_id: model_id.to_string(),
-        enabled: true,
-        label: None,
-        modalities,
-        capabilities,
-        cost_tier,
-        intelligence,
-        weight: 50,
-        context_window: 8192,
-        probe_source: None,
-    }
-}
-
-// —— 词素判定助手(命名约定式启发式,集中维护便于增删) ——
-
-/// Vision 词素:`-v`(尾缀如 glm-4v)、以 `v` 结尾、含 `vl` / `vision`。
-/// 不直接 `contains('v')`(避免误伤 review/verbal 等)。
-fn has_vision_token(name: &str) -> bool {
-    name.contains("vision") || name.contains("vl") || name.ends_with('v') || name.contains("-v")
-}
-
 // ────────────────────────────────────────────────────────────
 // 测试
 // ────────────────────────────────────────────────────────────

crates/df-ai/src/model_probe_helpers.rs

@@ -0,0 +1,119 @@
+//! 模型探测器 — 纯逻辑子模块(F-01 阶段2)
+//!
+//! 从 `model_probe.rs` 抽离的纯函数实现(预设表加载 / 启发式推断 / 词素判定)。
+//! 无 IO、无外部状态,crate 内经 `model_probe::probe` 间接复用 —
+//! 对齐 `model_fetch_helpers` 拆分先例(private mod,外部零直接路径需求)。
+//!
+//! 设计来源:docs/02-架构设计/F-01-模型能力系统与智能路由设计-2026-06-16.md §4
+
+use std::sync::OnceLock;
+
+use df_ai_core::model::{
+    Capability, CostTier, IntelligenceTier, Modality, ModelConfig,
+};
+
+// ────────────────────────────────────────────────────────────
+// 预设表:编译期嵌入(include_str! 相对 crate 根),零运行时文件依赖
+// ────────────────────────────────────────────────────────────
+
+/// 预设表原始 JSON(编译期从 `crates/df-ai/presets/models.json` 嵌入)。
+pub(super) const PRESETS_JSON: &str = include_str!("../presets/models.json");
+
+/// 解析后的预设表(进程内单例,首次访问惰性解析一次)。
+pub(super) fn presets() -> &'static [ModelConfig] {
+    static PRESETS: OnceLock<Vec<ModelConfig>> = OnceLock::new();
+    PRESETS.get_or_init(|| {
+        // include_str! 内容由仓库控制,解析失败属编译期/仓库错误,panic 合理。
+        serde_json::from_str::<Vec<ModelConfig>>(PRESETS_JSON)
+            .expect("presets/models.json 解析失败 — 检查 JSON 格式与 ModelConfig serde 映射")
+    })
+}
+
+// ────────────────────────────────────────────────────────────
+// 启发式推断(模型名命名模式 → 4 维度)
+// ────────────────────────────────────────────────────────────
+
+/// 模型名启发式推断。仅推断功能性维度(modalities/capabilities),
+/// cost_tier / intelligence 一律返中性默认(Medium / Standard)。
+///
+/// 取舍:B-260618-04 — 模型名关键词猜档位(flash→Lite、4o→High、pro→Plus)无依据,
+/// 厂商定价/智力与命名无关,瞎填会污染路由器过滤(intelligence >= min / cost_tier <= max)。
+/// 改中性默认,真实档位由用户手填或更高阶探测源(如厂商 API/定价表)提供。
+///
+/// 规则(任务规格,设计文档 §4.4 模糊匹配规则对齐):
+/// - `embed`/`embedding`/`e-`(前缀) → Embedding 模型:capabilities=[Embedding],modalities=[](去 Text)
+/// - `v`/`vision`/`vl`(词素) → modalities 加 Vision
+/// - `code`/`coder` → capabilities 加 CodeGen
+/// - cost_tier / intelligence → 中性默认 Medium / Standard(不靠名字猜)
+pub(super) fn heuristic_infer(model_id: &str) -> ModelConfig {
+    let name = model_id.to_lowercase();
+    let mut modalities: Vec<Modality> = Vec::new();
+    let mut capabilities: Vec<Capability> = Vec::new();
+    // 中性默认:不靠模型名猜档位(B-260618-04)
+    let cost_tier = CostTier::Medium;
+    let intelligence = IntelligenceTier::Standard;
+
+    // —— Embedding 优先判定(改变模态集合,且通常独占) ——
+    // 规则:含 embed / embedding / 以 "e-" / "embedding-" 起首
+    let is_embedding = name.contains("embed")
+        || name.contains("embedding")
+        || name.starts_with("e-")
+        || name.starts_with("embedding-")
+        || name.starts_with("text-embedding");
+
+    if is_embedding {
+        capabilities.push(Capability::Embedding);
+        // embedding 模型不走对话模态,modalities 留空(设计 §4.4 embedding-3 例:modalities=[])
+        return ModelConfig {
+            model_id: model_id.to_string(),
+            enabled: true,
+            label: None,
+            modalities,
+            capabilities,
+            cost_tier,
+            intelligence,
+            weight: 50,
+            context_window: 8192,
+            probe_source: None,
+        };
+    }
+
+    // —— 对话模型默认 Text 模态 ——
+    modalities.push(Modality::Text);
+
+    // —— Vision 词素:含 "v"(独立词素:glm-4v / qwen-vl)、"vision"、"vl" ——
+    // 注:裸 "v" 子串误伤大(如 "review"),故仅在边界词素命中:
+    //   以 "v" 结尾、含 "-v" / "v-" 分隔、含 "vl" / "vision"
+    if has_vision_token(&name) {
+        modalities.push(Modality::Vision);
+    }
+
+    // —— CodeGen:含 code / coder ——
+    if name.contains("code") || name.contains("coder") {
+        capabilities.push(Capability::CodeGen);
+    }
+
+    // —— 对话模型默认 ToolUse(主流支持 function calling) ——
+    capabilities.push(Capability::ToolUse);
+
+    ModelConfig {
+        model_id: model_id.to_string(),
+        enabled: true,
+        label: None,
+        modalities,
+        capabilities,
+        cost_tier,
+        intelligence,
+        weight: 50,
+        context_window: 8192,
+        probe_source: None,
+    }
+}
+
+// —— 词素判定助手(命名约定式启发式,集中维护便于增删) ——
+
+/// Vision 词素:`-v`(尾缀如 glm-4v)、以 `v` 结尾、含 `vl` / `vision`。
+/// 不直接 `contains('v')`(避免误伤 review/verbal 等)。
+pub(super) fn has_vision_token(name: &str) -> bool {
+    name.contains("vision") || name.contains("vl") || name.ends_with('v') || name.contains("-v")
+}