fix: llm_client按OCG-Router文档——max_tokens默认None不写入payload(推理模型烧光根因),timeout150→180

deploy/profile-scripts/llm_client.py

@@ -215,8 +215,13 @@ def gateway_alive(timeout=5):
         return False
 
 
-def call_llm(prompt, model=None, max_tokens=4096, timeout=150,
+def call_llm(prompt, model=None, max_tokens=None, timeout=180,
              retries=1, backoff=20, system=None, concurrent=False):
+    # 2026-08-17 OCG-Router文档对齐：
+    #   max_tokens 默认 None=不写入 payload（deepseek-v4-flash 是推理模型，指定 max_tokens
+    #   会被 reasoning tokens 烧光 → finish=length 空输出。不指定用模型默认 1M 上下文）。
+    #   timeout 150→180（文档普通请求建议）。
+    #   retries/backoff 保持 1/20：6 通道链下多重试=疯狂重试（文档禁止项），20s 退避防限流。
     """调用 LLM：OCG 直连优先，hermes gateway 兜底。带重试和结构化日志。
 
     Args:
@@ -235,18 +240,18 @@ def call_llm(prompt, model=None, max_tokens=4096, timeout=150,
         永远不抛异常到调用方。
     """
     model_name = model or REASSESS_MODEL
-    # OCG/deepseek 对过小 max_tokens 会短路返回空（2026-07-22 实测 max_tokens=64 必空）
-    if max_tokens < 512:
+    # 仅显式传入时才钳制下限（防过小短路，2026-07-22 实测 max_tokens=64 必空）；
+    # None = 不指定（遵循文档：推理模型不设上限）
+    if max_tokens is not None and max_tokens < 512:
         max_tokens = 512
     messages = []
     if system:
         messages.append({"role": "system", "content": system})
     messages.append({"role": "user", "content": prompt})
-    payload = json.dumps({
-        "model": model_name,
-        "messages": messages,
-        "max_tokens": max_tokens,
-    }).encode()
+    _req = {"model": model_name, "messages": messages}
+    if max_tokens is not None:
+        _req["max_tokens"] = max_tokens
+    payload = json.dumps(_req).encode()
 
     # ── 构建通道列表：SenseNova(快,同款model) → OCG路由代理(本地,自动选key) → key池直连 → gateway 兜底 ──
     # 2026-08-13 老莫修复 ocg_router bug 后，路由代理作为 OCG 主通道（自动选最空闲key+故障冷却）。