fix(cross-vendor): 修复 Zhipu GLM-5 跨供应商故障转移时 tool_result 角色错位导致级联 400 错误;

[ThreeFish-AI]

问题描述

当 Zhipu GLM-5 遇到 429 限流后回退至 Anthropic Opus-4.6 时，Anthropic API 返回 400：

messages.105: `tool_result` blocks can only be in `user` messages

此错误被 is_semantic_rejection() 归类为"语义拒绝"，导致同样的畸形请求级联转发到所有后续 tier（anthropic → copilot），每个 tier 都重复失败，最终整条请求链崩溃。

根因分析

三重问题叠加：

1. 畸形数据来源：Zhipu GLM-5 通过 Anthropic 兼容端点返回的 assistant 响应中可能同时包含 tool_use 和 tool_result 内容块（模拟工具执行倾向）。Proxy 薄透传不解析 SSE 流，畸形数据直接到达客户端并存入对话历史。
2. 请求未被修复：故障转移时 body 原样传递给下一个 tier，Anthropic 严格校验拒绝 tool_result 出现在非 user 消息中。
3. 级联失败：is_semantic_rejection() 将所有 invalid_request_error 视为语义拒绝（包含结构性错误），导致同样的畸形请求在每个 tier 重复失败——这是最严重的级联放大效应。

修复方案：三层纵深防御

第一层 — 请求规范化（request_normalizer.py）

检测并修复非 user 消息中的 tool_result 内容块：

• 剥离非 user 消息中的 tool_result 块，记录 misplaced_tool_result_stripped adaptation
• 空 assistant 消息自动插入占位 text block，保持消息结构合法性
• 无后续 user 消息时自动创建新 user 消息容纳错位的 tool_result
• 重复 tool_use_id 检测，避免重复添加

第二层 — 结构性错误分类器（error_classifier.py）⭐ 核心修复

新增 is_structural_validation_error() 函数，解决级联失败的根本原因：

• 识别结构性验证错误（tool_result 角色错位、消息交替违规、thinking/tool_use 位置不合规等）
• 在 is_semantic_rejection() 中前置排除结构性错误
• 核心逻辑：结构性错误指示请求格式不合规，将同样的畸形请求转发到其他供应商无意义

第三层 — Anthropic 供应商纵深防御（anthropic.py）

• 新增 _strip_misplaced_tool_results() 函数
• 在 _prepare_request 中作为兜底再次剥离非 user 消息中的 tool_result
• 剥离后 content 为空时插入占位 text block

执行器短路（executor.py）

流式故障转移路径中：

• 检测到结构性验证错误后立即 raise，停止级联故障转移
• 避免浪费时间将同样的畸形请求转发到下一层供应商
• 日志标记：Tier {name} structural validation error, stopping failover

变更文件

文件	改动说明
src/coding/proxy/server/request_normalizer.py	检测并剥离非 user 消息中的 tool_result
src/coding/proxy/routing/error_classifier.py	新增 is_structural_validation_error() 结构性错误分类
src/coding/proxy/routing/executor.py	结构性错误短路，停止级联故障转移
src/coding/proxy/vendors/anthropic.py	纵深防御 _strip_misplaced_tool_results()
tests/test_request_normalizer.py	修复策略测试（剥离、占位符、新建 user 消息、长对话 105+）
tests/test_error_classifier.py	结构性错误分类 + 语义拒绝排除测试
tests/test_vendors.py	Anthropic 纵深防御测试

测试覆盖

新增测试覆盖以下场景：

• ✅ tool_result 在 assistant 消息 → 被剥离
• ✅ tool_result 在 system 等其他角色消息 → 被迁移到 user 消息
• ✅ assistant 消息仅含 tool_result → 占位 text block + 新建 user 消息
• ✅ 重复 tool_use_id → 不重复添加
• ✅ 长对话 (105+ messages) → 正确处理
• ✅ 结构性错误 → 不触发级联故障转移
• ✅ 结构性错误 → 不被误判为语义拒绝
• ✅ 非 400 状态码 → 不被识别为结构性错误