调整BGM提示词助手Token预算

AI补全使用2048 completion tokens

AI简化两轮均使用8192 completion tokens

同步设计文档并补充请求预算断言

docs/【编辑器】画板音乐生成入口设计-2026-06-18.md

@@ -256,6 +256,7 @@ SFX V2 已完成产品与技术口径冻结及 T0–T6 工程实施；这不表
 
 - 点击 AI 补全时先按统一规则规范化输入框首尾空白并同步写回；至少 2 个有效字符且总字符数不超过 200 时，前端才把这份可见最终 Prompt 传给登录态内部 BFF。
 - Prompt 助手当前使用专用请求模型 `gpt-5.6-luna`，请求级 `reasoning_effort` 固定为 `medium`；画布 Agent 本身仍使用现有编辑器 Agent LLM 配置中的 `gpt-5.4-mini`。两者复用现有 `LlmClient`，不建立新的平台 LLM 能力。
+- AI 补全固定 completion tokens 总预算为 `2048`；当前 VectorEngine OpenAI Chat wire 发送 `max_completion_tokens = 2048`。该预算包含模型可能消耗的隐藏 reasoning tokens 与可见输出 tokens，不含输入 Prompt tokens，也不保证可见正文长度。
 - 服务端模板必须要求：保留用户明确的主题、场景、风格、情绪、乐器、能量、韵律、时长、循环和避免项；按场景选择性补足场景、氛围、能量、韵律、乐器、旋律、声音设计、循环和避免项，不为凑全方向堆砌形容词。
 - 用户描述已足够完整时，只补充一至两个与主题匹配的具体声音细节。发现冲突时，优先级为“明确避免项和限制 > 明确玩法用途与场景 > 风格、情绪、能量与韵律 > AI 补充细节”。
 - 内部 envelope 的 `prompt` 字段只允许包含一条可直接写回输入框的中文 BGM Prompt；候选文本本身不得包含解释、标题、Markdown、JSON、代码块、具体艺人或歌曲模仿要求。
@@ -270,6 +271,7 @@ SFX V2 已完成产品与技术口径冻结及 T0–T6 工程实施；这不表
 ### 一键简化
 
 - 点击一键简化时先按统一规则规范化输入框首尾空白并同步写回；只在规范化后的当前 Prompt 至少含 1 个有效字符且总字符数为 201–2000 时允许调用。超过 2000 时完整保留文本，但不得调用简化 BFF。点击前保存这份规范化后的完整 Prompt，AI 处理中保持输入框不变。
+- 一键简化的每个业务语义轮（包括 180 字首轮和 170 字第二轮）固定 completion tokens 总预算为 `8192`；当前 VectorEngine OpenAI Chat wire 发送 `max_completion_tokens = 8192`。该预算包含模型可能消耗的隐藏 reasoning tokens 与可见输出 tokens，不含输入 Prompt tokens，也不保证可见正文长度。
 - 服务端在本次简化中冻结 `originalPrompt` 为入站 canonical Prompt，最多两个业务语义轮期间始终不变，作为内容保真参照。第一次业务语义轮使用 `currentPrompt = originalPrompt`，目标为 180 字。这里的 `originalPrompt` / `currentPrompt` 是服务端组装 LLM 简化模板时的内部变量；客户端简化 BFF DTO 仍只提交一个 `currentPrompt`，该入站值经 canonicalization 后同时成为内部 `originalPrompt` 和第一次内部 `currentPrompt`。每个业务语义轮内部由 `LlmClient` 按现有配置执行的 transport retry 不增加业务语义轮数。
 - 180 不是硬门槛。简化使用与补全相同的四字段内部结构化 envelope；envelope 不属于候选文本，也不得写回输入框或通过 BFF 暴露。响应不能解析为包含上述正确字段类型的对象时，本次候选不通过。
 - 候选“格式合法”专指 `isDirectWritebackFormat = true`：模型确认 canonical 候选只包含一条可直接写回输入框的中文 BGM Prompt，不包含解释、标题、Markdown、JSON、代码块、字数报告、处理过程或删改说明。它与“内部结构可解析”是两个独立校验项；程序不得另用关键词或未定义的正则推断标题、解释等语义格式。

server-rs/crates/api-server/src/editor_background_music_prompt_assist.rs

@@ -26,7 +26,8 @@ use crate::{
     state::AppState,
 };
 
-const BACKGROUND_MUSIC_PROMPT_ASSIST_MAX_OUTPUT_TOKENS: u32 = 1024;
+const BACKGROUND_MUSIC_PROMPT_COMPLETION_MAX_OUTPUT_TOKENS: u32 = 2048;
+const BACKGROUND_MUSIC_PROMPT_SIMPLIFICATION_MAX_OUTPUT_TOKENS: u32 = 8192;
 const BACKGROUND_MUSIC_PROMPT_ASSIST_MODEL: &str = "gpt-5.6-luna";
 const BACKGROUND_MUSIC_PROMPT_MAX_CHARS: usize =
     platform_audio::SUNO_GPT_DESCRIPTION_PROMPT_MAX_CHARS;
@@ -153,6 +154,7 @@ async fn run_background_music_prompt_completion(
         .run(build_background_music_prompt_llm_request(
             background_music_completion_system_prompt(),
             background_music_completion_user_prompt(current_prompt),
+            BACKGROUND_MUSIC_PROMPT_COMPLETION_MAX_OUTPUT_TOKENS,
         ))
         .await
         .map_err(map_background_music_prompt_llm_error)?;
@@ -173,6 +175,7 @@ async fn run_background_music_prompt_simplification(
                 original_prompt,
                 BACKGROUND_MUSIC_SIMPLIFICATION_FIRST_TARGET_CHARS,
             ),
+            BACKGROUND_MUSIC_PROMPT_SIMPLIFICATION_MAX_OUTPUT_TOKENS,
         ))
         .await
         .map_err(map_background_music_prompt_llm_error)?;
@@ -196,6 +199,7 @@ async fn run_background_music_prompt_simplification(
                 second_current_prompt,
                 BACKGROUND_MUSIC_SIMPLIFICATION_SECOND_TARGET_CHARS,
             ),
+            BACKGROUND_MUSIC_PROMPT_SIMPLIFICATION_MAX_OUTPUT_TOKENS,
         ))
         .await
         .map_err(map_background_music_prompt_llm_error)?;
@@ -208,6 +212,7 @@ async fn run_background_music_prompt_simplification(
 fn build_background_music_prompt_llm_request(
     system_prompt: String,
     user_prompt: String,
+    max_output_tokens: u32,
 ) -> LlmRunRequest {
     LlmRunRequest::new(vec![
         LlmMessage::system(system_prompt),
@@ -216,7 +221,7 @@ fn build_background_music_prompt_llm_request(
     .with_model(BACKGROUND_MUSIC_PROMPT_ASSIST_MODEL)
     .with_openai_chat()
     .with_response_reasoning_effort(LlmResponseReasoningEffort::Medium)
-    .with_max_output_tokens(BACKGROUND_MUSIC_PROMPT_ASSIST_MAX_OUTPUT_TOKENS)
+    .with_max_output_tokens(max_output_tokens)
 }
 
 fn inspect_background_music_prompt_candidate(
@@ -467,8 +472,11 @@ mod tests {
 
     #[test]
     fn llm_request_uses_editor_gpt_chat_without_tools() {
-        let request =
-            build_background_music_prompt_llm_request("系统".to_string(), "用户".to_string());
+        let request = build_background_music_prompt_llm_request(
+            "系统".to_string(),
+            "用户".to_string(),
+            BACKGROUND_MUSIC_PROMPT_COMPLETION_MAX_OUTPUT_TOKENS,
+        );
 
         assert_eq!(request.model.as_deref(), Some("gpt-5.6-luna"));
         assert_eq!(request.api_kind, LlmApiKind::OpenAiChat);
@@ -478,7 +486,7 @@ mod tests {
         );
         assert_eq!(
             request.max_output_tokens,
-            Some(BACKGROUND_MUSIC_PROMPT_ASSIST_MAX_OUTPUT_TOKENS)
+            Some(BACKGROUND_MUSIC_PROMPT_COMPLETION_MAX_OUTPUT_TOKENS)
         );
         assert!(request.function_tools.is_empty());
         assert_eq!(request.tool_choice, None);
@@ -889,7 +897,7 @@ mod tests {
         );
         assert_eq!(
             requests[0].body["max_completion_tokens"],
-            BACKGROUND_MUSIC_PROMPT_ASSIST_MAX_OUTPUT_TOKENS
+            BACKGROUND_MUSIC_PROMPT_COMPLETION_MAX_OUTPUT_TOKENS
         );
         assert!(requests[0].body.get("max_tokens").is_none());
         assert_eq!(requests[0].body["reasoning_effort"], "medium");
@@ -1033,6 +1041,12 @@ mod tests {
 
         let requests = mock.finish();
         assert_eq!(requests.len(), 2);
+        for request in &requests {
+            assert_eq!(
+                request.body["max_completion_tokens"],
+                BACKGROUND_MUSIC_PROMPT_SIMPLIFICATION_MAX_OUTPUT_TOKENS
+            );
+        }
         let first_input = user_message_json(&requests[0].body);
         assert_eq!(first_input["originalPrompt"], original_prompt);
         assert_eq!(first_input["currentPrompt"], original_prompt);