🔧 AI Review: reasoning_effort=low для GLM (frontend)
Root cause: reasoning: {enabled: false} НЕ работает для GLM-5.3(-Flash).
Thinking нельзя отключить полностью (доки Together).
- MODEL_SECONDARY: GLM-5.3-Flash
- _is_glm() — определение GLM
- GLM: reasoning_effort=low, max_tokens=12000
- DeepSeek: reasoning={enabled: false}, max_tokens=8000
- Логируем reasoning_content
Бюджет: ~$0.25-0.35 на оба репо.
This commit is contained in:
+74
-16
@@ -30,6 +30,20 @@ Frontend слишком большой (1M+ символов) для одног
|
||||
DeepSeek V4.1 Flash — основная, GLM 5.3 — вторая.
|
||||
Пересечение по (file, snippet) → confidence +0.05.
|
||||
→ USE_SECONDARY_MODEL=True включает вторую модель.
|
||||
(26.09.2026, ночь) ФИКС reasoning-per-model + бюджет:
|
||||
→ MODEL_SECONDARY: zai-org/GLM-5.3 (флагман, $1.40/$4.40) →
|
||||
zai-org/GLM-5.3-Flash ($0.15/$0.50). На фронтенде (1M+ символов,
|
||||
9 паков × 2 модели) флагман почти упирался в бюджет 80 центов/
|
||||
аудит — Flash укладывается с большим запасом.
|
||||
→ ROOT CAUSE: "reasoning": {"enabled": False} НЕ работает на
|
||||
GLM-5.3 / GLM-5.3-Flash (в доке Together: "Thinking cannot be
|
||||
disabled entirely on GLM-5.3"). Это и объясняет "6 из 9 паков
|
||||
без ответа" из заметки выше — скорее всего это были именно
|
||||
GLM-паки: thinking съедал весь max_tokens, content пустой.
|
||||
→ call_together_model строит РАЗНЫЙ payload по семейству модели:
|
||||
DeepSeek → reasoning.enabled=False; GLM-5.3* → reasoning_effort
|
||||
="low" + увеличенный max_tokens (единственный рычаг для GLM).
|
||||
→ Логируем длину reasoning_content для диагностики.
|
||||
"""
|
||||
|
||||
import json
|
||||
@@ -49,10 +63,13 @@ GITEA_BOT_TOKEN = os.environ.get("BOT_TOKEN")
|
||||
GITEA_INSTANCE = os.environ.get("GITEA_INSTANCE", "https://git.filwordspl.com")
|
||||
GITEA_REPO = os.environ.get("GITEA_REPO", "Drobysh/filwordspl-frontend")
|
||||
|
||||
# 🔧 ФИКС (26.09.2026, вечер): ai_review_dual_model —
|
||||
# Две модели для пересечения находок.
|
||||
# 🔧 ФИКС (26.09.2026, ночь): ai_review_glm_flash —
|
||||
# Флагман GLM-5.3 ($1.40 in / $4.40 out) заменён на GLM-5.3-Flash
|
||||
# ($0.15 in / $0.50 out), та же линейка Z.ai, но кодинг-версия
|
||||
# попроще и в ~9 раз дешевле. На фронтенде (1M+ символов) это главный
|
||||
# рычаг, чтобы не упереться в 80 центов на аудит.
|
||||
MODEL_PRIMARY = "deepseek-ai/DeepSeek-V4.1-Flash"
|
||||
MODEL_SECONDARY = "zai-org/GLM-5.3"
|
||||
MODEL_SECONDARY = "zai-org/GLM-5.3-Flash"
|
||||
MODEL = MODEL_PRIMARY # backward compat
|
||||
|
||||
# 🔧 ФИКС (26.09.2026, вечер): secondary_model_enabled.
|
||||
@@ -60,8 +77,16 @@ USE_SECONDARY_MODEL = True
|
||||
|
||||
# 🔧 ФИКС (26.09.2026): ai_review_overshoot —
|
||||
# 32000 токенов = модель пишет "Ок" на каждую функцию.
|
||||
# Актуально только для DeepSeek (у GLM свой лимит, см. GLM_MAX_OUTPUT_TOKENS).
|
||||
MAX_OUTPUT_TOKENS = 8000
|
||||
|
||||
# 🔧 ФИКС (26.09.2026, ночь): ai_review_glm_reasoning_budget —
|
||||
# GLM-5.3(-Flash) не даёт полностью выключить thinking, трейс мышления
|
||||
# делит max_tokens с финальным JSON-ответом. Раньше это обнуляло content
|
||||
# именно на GLM-паках. Даём больше запаса.
|
||||
GLM_MAX_OUTPUT_TOKENS = 12000
|
||||
GLM_REASONING_EFFORT = "low"
|
||||
|
||||
# Что игнорировать при сборе кода
|
||||
IGNORE_DIRS = {
|
||||
"node_modules", "dist", "build", ".git", ".gitea",
|
||||
@@ -318,8 +343,19 @@ USER_PROMPT_TEMPLATE = """Проанализируй часть кода fronten
|
||||
|
||||
# ============ Запрос к Together AI ============
|
||||
|
||||
def _is_glm(model_name: str) -> bool:
|
||||
return "GLM-5.3" in model_name or "glm-5.3" in model_name.lower()
|
||||
|
||||
|
||||
def call_together_model(code: str, pack: dict, model_name: str) -> str:
|
||||
"""Отправляет код пака в указанную модель."""
|
||||
"""Отправляет код пака в указанную модель.
|
||||
|
||||
🔧 ФИКС (26.09.2026, ночь): ai_review_reasoning_per_model —
|
||||
у DeepSeek reasoning реально выключается через
|
||||
"reasoning": {"enabled": False}. У GLM-5.3(-Flash) это НЕ работает
|
||||
(thinking у GLM-5.3 нельзя отключить полностью, см. доки Together) —
|
||||
там единственный рычаг: reasoning_effort="low" + больший max_tokens.
|
||||
"""
|
||||
print(f" 🤖 Отправляю пак '{pack['name']}' в {model_name}...")
|
||||
|
||||
user_prompt = USER_PROMPT_TEMPLATE.format(
|
||||
@@ -328,22 +364,33 @@ def call_together_model(code: str, pack: dict, model_name: str) -> str:
|
||||
code=code,
|
||||
)
|
||||
|
||||
payload = {
|
||||
"model": model_name,
|
||||
"messages": [
|
||||
{"role": "system", "content": SYSTEM_PROMPT},
|
||||
{"role": "user", "content": user_prompt},
|
||||
],
|
||||
"temperature": 0.2,
|
||||
}
|
||||
|
||||
if _is_glm(model_name):
|
||||
# GLM-5.3 / GLM-5.3-Flash: thinking нельзя выключить полностью,
|
||||
# только снизить через reasoning_effort. Даём больше max_tokens,
|
||||
# т.к. трейс мышления делит бюджет с JSON-ответом.
|
||||
payload["reasoning_effort"] = GLM_REASONING_EFFORT
|
||||
payload["max_tokens"] = GLM_MAX_OUTPUT_TOKENS
|
||||
else:
|
||||
# DeepSeek: reasoning реально выключается этим флагом.
|
||||
payload["reasoning"] = {"enabled": False}
|
||||
payload["max_tokens"] = MAX_OUTPUT_TOKENS
|
||||
|
||||
response = httpx.post(
|
||||
"https://api.together.xyz/v1/chat/completions",
|
||||
headers={
|
||||
"Authorization": f"Bearer {TOGETHER_API_KEY}",
|
||||
"Content-Type": "application/json",
|
||||
},
|
||||
json={
|
||||
"model": model_name,
|
||||
"messages": [
|
||||
{"role": "system", "content": SYSTEM_PROMPT},
|
||||
{"role": "user", "content": user_prompt},
|
||||
],
|
||||
"max_tokens": MAX_OUTPUT_TOKENS,
|
||||
"temperature": 0.2,
|
||||
"reasoning": {"enabled": False},
|
||||
},
|
||||
json=payload,
|
||||
timeout=300.0,
|
||||
)
|
||||
|
||||
@@ -360,15 +407,26 @@ def call_together_model(code: str, pack: dict, model_name: str) -> str:
|
||||
if not result:
|
||||
raise KeyError("пусто (content отсутствует)")
|
||||
except (KeyError, IndexError, TypeError) as e:
|
||||
print(f" ❌ Формат ответа: {e}", file=sys.stderr)
|
||||
# 🔧 ФИКС (26.09.2026, ночь): логируем длину reasoning-трейса
|
||||
# для диагностики, сколько токенов ушло на "мысли" до отказа.
|
||||
reasoning_len = 0
|
||||
try:
|
||||
reasoning_len = len(
|
||||
data["choices"][0]["message"].get("reasoning_content") or ""
|
||||
)
|
||||
except Exception:
|
||||
pass
|
||||
print(f" ❌ Формат ответа: {e} (reasoning_content: {reasoning_len} символов)", file=sys.stderr)
|
||||
return ""
|
||||
|
||||
usage = data.get("usage", {})
|
||||
finish = data["choices"][0].get("finish_reason", "unknown")
|
||||
reasoning_len = len(data["choices"][0]["message"].get("reasoning_content") or "")
|
||||
print(
|
||||
f" ✅ [{model_name.split('/')[-1]}] Пак '{pack['name']}': "
|
||||
f"вход={usage.get('prompt_tokens', 0)}, "
|
||||
f"выход={usage.get('completion_tokens', 0)}, finish={finish}"
|
||||
f"выход={usage.get('completion_tokens', 0)}, "
|
||||
f"reasoning≈{reasoning_len} симв., finish={finish}"
|
||||
)
|
||||
if finish == "length":
|
||||
print(
|
||||
|
||||
Reference in New Issue
Block a user