# 边界情况

> 本文档从 `9-llm-provider-unified-interface.md` 拆分而来，包含 §9 边界情况。
>
> **相关文件：**
> - [9b-ir-type-system.md](9b-ir-type-system.md) — IR 类型定义（ContentBlock、ThinkingConfig、MessageRequest/Response 等）
> - [9c-llm-provider-trait.md](9c-llm-provider-trait.md) — StreamEvent 类型定义（ThinkingDelta 等）
> - [9d-provider-implementations.md](9d-provider-implementations.md) — Anthropic 流式状态机（与 Thinking signature 强相关）
> - [9e-llm-cycle-and-upstream.md](9e-llm-cycle-and-upstream.md) — LlmCycle 的 tool 循环与 compact 逻辑

## 9. 边界情况

### 9.1 工具定义的传递路径变化

| 阶段 | 路径 |
|------|------|
| **当前** | `ToolRegistry.definitions()` → `Vec<ToolDefinition>` → `build_request()` 包装为 `Vec<OpenaiTool>` → `ChatRequest.tools` |
| **方案 C** | `ToolRegistry.definitions()` → `Vec<ToolDefinition>` → `build_request()` 直接放入 → `MessageRequest.tools` → **Provider 内部**包装为原生格式 |

工具定义的抽象层次从 LlmCycle 下移到 Provider 内部，更合理。

### 9.2 Thinking 的端到端流程

```
Agent 启用 thinking:
  config.thinking = Some(ThinkingConfig { budget_tokens: 16000 })

LlmCycle.build_request():
  → MessageRequest { thinking: config.thinking, ... }

OpenaiProvider:
  → capabilities().features.thinking == false
  → 忽略 thinking 字段（或转为 extra.reasoning_tokens）

AnthropicProvider:
  → capabilities().features.thinking == true
  → 将 thinking 写入 Anthropic 请求参数
  → 流式响应中返回 StreamEvent::ThinkingDelta
  → 最终消息的 content 中包含 ContentBlock::Thinking
```

> **✅ 推演结论（2026-06-17）：方案 C —— MessageComplete 兜底 + finalize 统一回填**
>
> **决策：** Thinking signature 不在 event 级传递，而是通过 `MessageComplete.thinking_signature` 携带，
> 由 `PartialMessageResponse::finalize()` 统一回填到最后一个 Thinking block。
>
> **具体路径：**
> ```
> Anthropic message_delta
>   → AnthropicProvider 提取 thinking.signature
>   → 发出 MessageComplete { stop_reason, thinking_signature: Some("0x...") }
>
> PartialMessageResponse:
>   ContentBlockEnd(thinking_idx)       ← signature 还没到，builder 中 signature = None
>     ...
>   MessageComplete { thinking_signature: Some("0x...") }
>     → state.thinking_signature = Some("0x...")
>
> finalize():
>   遍历 blocks → 找到 Thinking builder
>     → builder.signature 为 None，用 state.thinking_signature 回填
>     → ContentBlock::Thinking { text, signature: Some("0x...") }
> ```
>
> **理由：**
> 1. 不新增独立事件类型（保持 StreamEvent 简洁）
> 2. signature 在 message_delta 中下发（晚于 content_block_stop），MessageComplete 是该时刻的天然载体
> 3. Anthropic 同一响应中最多一个 thinking block，不存在"多 thinking block 归属"的歧义
> 4. 非流式响应中，thinking block 的 signature 直接通过 IR→原生映射填充，路径不变
>
> **影响范围：**
> - `StreamEvent::MessageComplete` 增加 `thinking_signature: Option<String>` 字段
> - `PartialMessageResponse` 增加 `thinking_signature: Option<String>` 暂存字段
> - `PartialMessageResponse::finalize()` 增加回填逻辑（约 3 行代码）
> - AnthropicProvider 流式状态机在 `message_delta` 处理中提取 thinking.signature
>
> **何时实现：** Phase 4 AnthropicProvider 流式状态机实现时一并完成

### 9.3 Multiple ContentBlock 的处理

消息的 `content` 为 `Vec<ContentBlock>`，可包含多种类型的混合：

```rust
Message::Assistant {
    content: vec![
        ContentBlock::Text { text: "让我思考一下..." },
        ContentBlock::Thinking { text: "先用加法工具...", signature: None },
        ContentBlock::Text { text: "答案是 3" },
        ContentBlock::ToolUse { id: "call_1", name: "add", input: json!({"a":1,"b":2}) },
    ],
}
```

LlmCycle 处理 tool 循环时只关心 `ToolUse` block，其他 block 按原样传递给消息历史。

### 9.4 多 Choice 场景

OpenAI 的 `n > 1` 参数在 IR 中通过 `extra` 传递：

```rust
// 请求
request.set_extra("n", json!(3));
// 响应
response.extra["all_choices"] = json!([...choices 2..n]);
```

`MessageResponse` 只承载 `choices[0]`（主消息），其他 choices 放 `extra`。

### 9.5 OpenAI Response API 的内置工具

通过 `extra` + 可选能力 trait 支持：

```rust
// 配置内置工具
request.set_extra("built_in_tools", json!(["web_search", "file_search"]));

// Response API 返回的搜索结果
// → ContentBlock::Extension { kind: "web_search_result", data: {...} }
```

如果未来内置工具成为跨 Provider 通用特性，将 `BuiltInToolsCapable` 升级为核心 trait。