接入VectorEngine画布Agent规划

切换画布 Agent 与通用 LLM 代理到 VectorEngine gpt-5.4-mini。为画布 Agent 注入上一轮生成结果并默认承接上一张图编辑。补齐规范图工具分流、规范展板 prompt 要求和 JSON 残片回复兜底。同步前后端契约、测试脚本、环境示例和项目文档。
2026-07-05 17:42:27 +08:00
parent a4a7aed024
commit d7d98acfd4
20 changed files with 945 additions and 116 deletions
@@ -1,11 +1,12 @@
 # Server-side OpenAI-compatible LLM endpoint base URL.
-LLM_BASE_URL="https://ark.cn-beijing.volces.com/api/v3"
+LLM_BASE_URL="https://api.vectorengine.cn/v1"

 # Server-side API key used by the local Vite proxy.
-# Recommended: set `LLM_API_KEY` or `ARK_API_KEY`.
+# Recommended: set `LLM_API_KEY` locally, or use `VECTOR_ENGINE_API_KEY`
+# through the Rust api-server proxy.
 # Legacy compatibility: `VITE_LLM_API_KEY` is still supported by the proxy,
 # but it should not be relied on by browser code.
-LLM_API_KEY="YOUR_API_KEY"
+LLM_API_KEY=""

 # Optional frontend override for the local proxy path.
 VITE_LLM_PROXY_BASE_URL="/api/llm"
@@ -116,7 +117,11 @@ WECHAT_MINIPROGRAM_GENERATION_RESULT_TEMPLATE_ID="m5z7BkkBhJGbcH0cdDeHaeRU2tViDE
 WECHAT_MINIPROGRAM_SUBSCRIBE_MESSAGE_STATE="formal"

 # Model name for chat completions.
-VITE_LLM_MODEL="doubao-1-5-pro-32k-character-250715"
+VITE_LLM_MODEL="gpt-5.4-mini"
+GENARRATIVE_LLM_PROVIDER="openai-compatible"
+GENARRATIVE_LLM_BASE_URL="https://api.vectorengine.cn/v1"
+GENARRATIVE_LLM_API_KEY=""
+GENARRATIVE_LLM_MODEL="gpt-5.4-mini"

 # Optional: enable upstream web search for RPG story text generation.
 RPG_LLM_WEB_SEARCH_ENABLED="true"
@@ -125,13 +130,8 @@ RPG_LLM_WEB_SEARCH_ENABLED="true"
 DASHSCOPE_BASE_URL="https://dashscope.aliyuncs.com/api/v1"
 DASHSCOPE_API_KEY="YOUR_DASHSCOPE_API_KEY"

-# APIMart Responses config for creative-agent text/multimodal understanding.
-APIMART_BASE_URL="https://api.apimart.ai/v1"
-APIMART_API_KEY="YOUR_APIMART_API_KEY"
-APIMART_IMAGE_REQUEST_TIMEOUT_MS="180000"
-
-# VectorEngine GPT-image-2 / Gemini image generation config.
-VECTOR_ENGINE_BASE_URL="https://api.vectorengine.ai"
+# VectorEngine LLM and GPT-image-2 / Gemini image generation config.
+VECTOR_ENGINE_BASE_URL="https://api.vectorengine.cn"
 VECTOR_ENGINE_API_KEY=""
 VECTOR_ENGINE_IMAGE_REQUEST_TIMEOUT_MS="1000000"

@@ -49,8 +49,8 @@ GENARRATIVE_SPACETIME_POOL_SIZE=8
 GENARRATIVE_SPACETIME_PROCEDURE_TIMEOUT_SECONDS=45

 GENARRATIVE_LLM_PROVIDER=openai-compatible
-GENARRATIVE_LLM_BASE_URL=
+GENARRATIVE_LLM_BASE_URL=https://api.vectorengine.cn/v1
 GENARRATIVE_LLM_API_KEY=
-GENARRATIVE_LLM_MODEL=
+GENARRATIVE_LLM_MODEL=gpt-5.4-mini
 WECHAT_MINIPROGRAM_MESSAGE_TOKEN=
 WECHAT_MINIPROGRAM_MESSAGE_ENCODING_AES_KEY=
@@ -57,16 +57,12 @@ GENARRATIVE_SPACETIME_POOL_SIZE=8
 GENARRATIVE_SPACETIME_PROCEDURE_TIMEOUT_SECONDS=45

 GENARRATIVE_LLM_PROVIDER=openai-compatible
-GENARRATIVE_LLM_BASE_URL=
+GENARRATIVE_LLM_BASE_URL=https://api.vectorengine.cn/v1
 GENARRATIVE_LLM_API_KEY=
-GENARRATIVE_LLM_MODEL=
+GENARRATIVE_LLM_MODEL=gpt-5.4-mini
 GENARRATIVE_RPG_LLM_WEB_SEARCH_ENABLED=false
 GENARRATIVE_CREATION_AGENT_LLM_WEB_SEARCH_ENABLED=false

-APIMART_BASE_URL=
-APIMART_API_KEY=
-APIMART_IMAGE_REQUEST_TIMEOUT_MS=180000
-
 VECTOR_ENGINE_BASE_URL=https://api.vectorengine.cn
 VECTOR_ENGINE_API_KEY=
 VECTOR_ENGINE_IMAGE_REQUEST_TIMEOUT_MS=1000000
@@ -2126,7 +2126,7 @@
 ## 2026-05-09 GPT-image-2 图片生成统一迁移到 VectorEngine

 - 背景：仓库内 RPG、拼图、方洞和本地模板脚本的 GPT-image-2 生图此前依赖 APIMart 图片网关；团队要求参考 VectorEngine Apifox `api-448710071`，后续不再使用 APIMart 执行 GPT-image-2 图片生成。
- 决策：所有 GPT-image-2 无参考图生图请求统一走 VectorEngine `POST /v1/images/generations`，有参考图请求走 `POST /v1/images/edits` multipart，基础配置读取 `VECTOR_ENGINE_BASE_URL` / `VECTOR_ENGINE_API_KEY` / `VECTOR_ENGINE_IMAGE_REQUEST_TIMEOUT_MS`，上游模型使用 `gpt-image-2`，请求体不再携带 `official_fallback`。APIMart 只保留给创意 Agent 的 `gpt-5` Responses 文本/多模态链路。
+- 决策：所有 GPT-image-2 无参考图生图请求统一走 VectorEngine `POST /v1/images/generations`，有参考图请求走 `POST /v1/images/edits` multipart，基础配置读取 `VECTOR_ENGINE_BASE_URL` / `VECTOR_ENGINE_API_KEY` / `VECTOR_ENGINE_IMAGE_REQUEST_TIMEOUT_MS`，上游模型使用 `gpt-image-2`，请求体不再携带 `official_fallback`。当时 APIMart 仍保留给创意 Agent 的 `gpt-5` Responses 文本/多模态链路；该文本链路已被 2026-07-05 VectorEngine Chat Completions `gpt-5.4-mini` 决策覆盖。
 - 影响范围：`api-server` 共享图片 helper、拼图图片生成、角色主图、RPG 场景图、开局 CG 故事板、方洞视觉资产、生产环境示例、gpt-image-2 本地 skill 和相关技术文档。
 - 验证方式：执行 `npm run check:encoding`、`cargo test -p api-server openai_image --manifest-path server-rs/Cargo.toml`、`cargo test -p api-server puzzle --manifest-path server-rs/Cargo.toml`、`cargo test -p api-server custom_world_ai --manifest-path server-rs/Cargo.toml`、`cargo test -p api-server character_visual --manifest-path server-rs/Cargo.toml`，并用 `npm run dev:api-server` + `/healthz` 做后端 smoke。
 - 关联文档：`docs/technical/VECTOR_ENGINE_GPT_IMAGE_2_GENERATION_2026-05-09.md`、`docs/technical/API_SERVER_EXTERNAL_SERVICE_ENV_CONFIG_2026-05-07.md`。
@@ -2149,7 +2149,7 @@

 ## 2026-05-08 APIMart 接口统一携带 `official_fallback`

-> 2026-05-09 追认：本决策中的图片生成部分已被“GPT-image-2 图片生成统一迁移到 VectorEngine”覆盖；当前只保留 APIMart `gpt-5` Responses 文本/多模态链路继续显式携带 `official_fallback`。
+> 2026-05-09 追认：本决策中的图片生成部分已被“GPT-image-2 图片生成统一迁移到 VectorEngine”覆盖；2026-07-05 后 APIMart `gpt-5` Responses 文本/多模态链路也被 VectorEngine Chat Completions `gpt-5.4-mini` 覆盖，不再携带 `official_fallback`。

 - 背景：APIMart 的图片生成和 Responses 接口在仓库内分散于 `api-server`、`platform-llm` 和本地 skill 脚本，若只修单点，容易出现不同入口的上游请求体不一致。
 - 决策：凡是仓库内调用 APIMart 的 OpenAI 兼容接口，请求体统一携带 `official_fallback: true`；其中图片生成请求直接固定写入，`platform-llm` 的 APIMart GPT-5 client 通过显式开关开启，不默认扩散到 Ark 等其它 provider。
@@ -2304,7 +2304,7 @@
 ## 2026-05-05 creative-agent Task E API / SSE facade 已落地

 - 背景：Phase 1 需要先把创意 Agent 的 HTTP/SSE 门面接入 Rust `api-server`，用于前端工作区调用和拼图模板确认闭环。
- 决策：`api-server` 挂载 `/api/runtime/creative-agent/*` 六个鉴权路由；creative session 在 Task D 表未收口前暂存在 `api-server` 运行态并按 authenticated user 校验 owner；未确认模板前不创建拼图 session，`confirm-template` 后才通过既有 `spacetime-client` 创建/编译 `puzzle_agent_session`；`gpt-5` 请求只从 `APIMART_BASE_URL` / `APIMART_API_KEY` 构造专用 Responses client，不复用通用 `GENARRATIVE_LLM_API_KEY`。
+- 决策：`api-server` 挂载 `/api/runtime/creative-agent/*` 六个鉴权路由；creative session 在 Task D 表未收口前暂存在 `api-server` 运行态并按 authenticated user 校验 owner；未确认模板前不创建拼图 session，`confirm-template` 后才通过既有 `spacetime-client` 创建/编译 `puzzle_agent_session`；当时 `gpt-5` 请求只从 `APIMART_BASE_URL` / `APIMART_API_KEY` 构造专用 Responses client，不复用通用 `GENARRATIVE_LLM_API_KEY`。该 LLM 来源已被 2026-07-05 VectorEngine Chat Completions `gpt-5.4-mini` 决策覆盖。
 - 影响范围：`server-rs/crates/api-server/src/creative_agent.rs`、`creative_agent_sse.rs`、`app.rs`、`state.rs`、`module-puzzle` creative template/tool、Phase 1 PRD。
 - 验证方式：`cargo check -p api-server`、`cargo test -p module-puzzle creative`、`cargo test -p api-server creative_agent`、`npm run dev:api-server` 后检查 `/healthz`、`POST /api/runtime/creative-agent/sessions`、`POST /api/runtime/creative-agent/sessions/{sessionId}/messages/stream`。
 - 关联文档：`docs/prd/CREATIVE_INTERACTIVE_AGENT_PHASE1_LANGCHAIN_RUST_PUZZLE_LOOP_PRD_2026-05-05.md`。
@@ -3821,3 +3821,12 @@
 - 决策：兑换码使用校验中，公共码继续按 `max_uses` 控制单用户可兑次数；唯一码和私有码改为同一 `code + user_id` 只能成功兑换一次。私有码仍先校验 `allowed_user_ids`，命中允许名单后再按该用户历史使用次数拒绝重复兑换；`global_used_count` 只保留为统计字段，不再作为唯一码 / 私有码的兑换阻断条件。
 - 影响范围：`module-runtime::validate_runtime_profile_redeem_code_usage`、`profile_redeem_code_usage` 计次语义。
 - 验证方式：`cargo test -p module-runtime --manifest-path server-rs/Cargo.toml runtime_profile_redeem_code_usage_validation_matches_modes`、`npm run check:encoding`、`git diff --check`。
+
+## 2026-07-05 VectorEngine LLM 默认使用 `gpt-5.4-mini`
+
+- 背景：VectorEngine Apifox `api-349239079` 暴露 OpenAI-compatible `POST /v1/chat/completions`；创意 Agent 和通用 LLM 代理需要统一到 VectorEngine 文本服务，并将默认文本模型切换为 `gpt-5.4-mini`。
+- 决策：创意 Agent 的 `CREATIVE_AGENT_GPT5_MODEL` 固定为 `gpt-5.4-mini`，协议切到 Chat Completions，不再携带旧 APIMart `official_fallback` 字段；画布 Agent 侧边栏聊天规划请求也复用该模型和 Chat Completions 协议，不再显式使用 `gpt-4o` / Responses。通用 `/api/llm/chat/completions` 代理使用 `GENARRATIVE_LLM_PROVIDER=openai-compatible`、`GENARRATIVE_LLM_BASE_URL=https://api.vectorengine.cn/v1`、`GENARRATIVE_LLM_MODEL=gpt-5.4-mini`。未单独配置 `GENARRATIVE_LLM_API_KEY` 时，api-server 可复用 `VECTOR_ENGINE_API_KEY`；前端 LLM 客户端必须兼容 OpenAI `choices`、api-server raw `{content}` 和项目 envelope `{ok,data:{content}}` 三种非流式响应，以及 OpenAI SSE delta 和 api-server `event: delta` 两种流式响应。
+- 决策补充：画布 Agent 的 planning prompt 必须自动注入上一条已完成生成结果的 `latestGeneratedImage`，来源为上一轮 generation 的 `summary` / `toolName` / `resourceId` / `objectKey` 等轻量摘要。用户用「这张」「刚才那个」「上一张」「把衣服换成……」等方式指代上一张图或继续编辑时，规划默认调用 `edit_image` 并引用该结果；不能因为本轮没有手动附件而退回 `generate_image`。
+- 决策补充：画布 Agent 侧边栏的“规范图 / 视觉规范图 / 风格规范图 / 素材规范展板”是 Agent 规划 prompt 和 function-calling 工具选择约束，不是侧边栏 UI 说明文案。此类请求默认走 `generate_image`，prompt 必须要求规范展板包含统一视角、线条粗细、色卡、材质、阴影、圆角、状态层级、尺寸标注等视觉规范元素；角色规范图若是规范展板也走 `generate_image`，只有实际角色立绘才走 `generate_character`，多个图标素材 / 图集才走 `generate_icon_spritesheet`。
+- 影响范围：`server-rs/crates/platform-agent`、`server-rs/crates/api-server/src/config.rs`、`src/services/llmClient.ts`、`.env.example`、`deploy/env/api-server.env.example`、`scripts/test-ve-llm.mjs`。
+- 验证方式：`npm run test -- src/services/llmClient.test.ts`、`cargo test -p api-server --manifest-path server-rs/Cargo.toml from_env_reads_non_public_models_and_urls app_state_builds_creative_agent_gpt5_client_from_vector_engine_settings llm_chat_completions editor_agent_llm_request_uses_vector_engine_chat_model`、`cargo test -p platform-agent --manifest-path server-rs/Cargo.toml`、`npm run check:encoding`、`git diff --check`。
@@ -1370,7 +1370,7 @@
 ## GPT-image-2 不再读 APIMart 图片配置

 - 现象：配置了 `APIMART_BASE_URL` / `APIMART_API_KEY` 后，RPG、拼图或方洞的 GPT-image-2 生图仍返回缺配置，或请求体里还出现 `official_fallback` / `image_urls`。
- 原因：2026-05-21 后 GPT-image-2 图片生成按 VectorEngine 创建/编辑接口分流，APIMart 只保留给创意 Agent 的 `gpt-5` Responses 文本/多模态链路。
+- 原因：2026-05-21 后 GPT-image-2 图片生成按 VectorEngine 创建/编辑接口分流；2026-07-05 后创意 Agent 文本链路也改为 VectorEngine Chat Completions `gpt-5.4-mini`，APIMart 不再作为当前创意 Agent 来源。
 - 处理：为图片生成配置 `VECTOR_ENGINE_BASE_URL=https://api.vectorengine.ai`、`VECTOR_ENGINE_API_KEY`、`VECTOR_ENGINE_IMAGE_REQUEST_TIMEOUT_MS`；排查请求体时确认无参考图路径为 `/v1/images/generations`、有参考图路径为 `/v1/images/edits`，模型为 `gpt-image-2`。
 - 验证：运行 `cargo test -p api-server openai_image --manifest-path server-rs/Cargo.toml` 和相关玩法图片生成测试；真实联调只在本地私密环境放置 VectorEngine key。
 - 关联：`docs/technical/VECTOR_ENGINE_GPT_IMAGE_2_GENERATION_2026-05-09.md`、`server-rs/crates/api-server/src/openai_image_generation.rs`。
@@ -216,7 +216,7 @@ npm run check:server-rs-ddd

 ## 外部服务与资产

- LLM：通用 LLM 门面继续使用 `GENARRATIVE_LLM_*`；创意 Agent `gpt-5` Responses / Chat Completions 文本链路已于 2026-06 从 APIMart 迁移到 VectorEngine，使用 `VECTOR_ENGINE_BASE_URL` / `VECTOR_ENGINE_API_KEY` 构造 OpenAI-compatible client，`api-server` 会把未带 `/v1` 的 VectorEngine base URL 规范化到 `/v1` 后请求 `/responses`。`APIMART_BASE_URL` / `APIMART_API_KEY` 只作为历史残留，不再作为创意 Agent gpt-5 客户端来源；后续排障时优先确认 VectorEngine `/v1/models`、`/v1/chat/completions` 和 `/v1/responses` 可用性。
+- LLM：通用 LLM 门面继续使用 `GENARRATIVE_LLM_*`；创意 Agent `gpt-5.4-mini` Chat Completions 文本链路已于 2026-06 从 APIMart 迁移到 VectorEngine，使用 `VECTOR_ENGINE_BASE_URL` / `VECTOR_ENGINE_API_KEY` 构造 OpenAI-compatible client，`api-server` 会把未带 `/v1` 的 VectorEngine base URL 规范化到 `/v1` 后请求 `/chat/completions`。通用 `/api/llm/chat/completions` 代理使用 `GENARRATIVE_LLM_PROVIDER=openai-compatible`、`GENARRATIVE_LLM_BASE_URL=https://api.vectorengine.cn/v1`、`GENARRATIVE_LLM_MODEL=gpt-5.4-mini`；未单独配置 `GENARRATIVE_LLM_API_KEY` 时可复用 `VECTOR_ENGINE_API_KEY`。`APIMART_BASE_URL` / `APIMART_API_KEY` 只作为历史残留，不再作为创意 Agent gpt-5.4-mini 客户端来源；后续排障时优先确认 VectorEngine `/v1/models`、`/v1/chat/completions` 和 `/v1/responses` 可用性。
 - 图片生成：VectorEngine `gpt-image-2` 图片 provider 归属 `platform-image`，密钥只在后端环境变量中；`api-server` 内的 `openai_image_generation.rs` 只是兼容调用面和外部失败审计桥接，不再承载 provider 协议实现。实际外部生成运行记录统一落 `tracking_event`，`event_key = external_generation_run`，metadata 记录开始 / 结束时间、耗时、状态、成功标记、失败原因、provider task id 和结果摘要，不再写回过时的 `ai_task`。DashScope 只按仍在使用的历史能力单独处理，不作为 GPT-image-2 兜底。VectorEngine `/v1/images/generations` 和 `/v1/images/edits` 上游 POST 使用 `libcurl` 发送；`reqwest` 只保留给参考图 URL 下载和响应中图片 URL 下载。`/v1/images/edits` 的 multipart 参考图必须作为 libcurl 文件上传 part 发送，字段名为 `image`，实现上使用 `Form::buffer(file_name, bytes)` 并设置 `Content-Type`；不能只用 `contents(...).filename(...)`，否则上游会把请求转码为缺少图片并返回 `image is required`。`request_send` 阶段的 curl timeout / connect error 按可重试传输错误处理，最多尝试 5 次，并使用指数退避加短抖动；排障时优先看 `attempt`、`max_attempts`、`retry_delay_ms`、`reference_image_bytes_total` 和 `request_params`，不要把 `SendRequest` 当成上游业务错误。
 - Match3D 物品 sheet：关卡整图完成后走 VectorEngine `/v1/images/edits` multipart `image`，模型为 `gpt-image-2`，`2K 1:1` 输出 `10*10` spritesheet；物品 sheet prompt 固定要求单一纯绿色 `#00FF00 / RGB(0,255,0)` 绿幕背景，后端上传 OSS 前必须把绿幕扣成透明 PNG，并把透明整图写入 `itemSpritesheetImageSrc/itemSpritesheetImageObjectKey`。后端优先按透明 alpha 连通域从该 sheet 识别真实素材矩形并持久化 20 个物品、每个 5 个形态；识别数量不足时才回退 `10*10` 固定网格。通用系列素材图集的行列索引按每行 2 个物品计算，必须落在 `1..=10`，难度只决定运行态加载 3 / 9 / 15 / 20 种。
 - Match3D UI spritesheet 和背景派生图：关卡整图作为参考图并发生成 `1K 1:1` UI spritesheet 与 `1K 9:16` 背景图，模型均为 `gpt-image-2`。UI spritesheet prompt 固定要求单一纯绿色 `#00FF00 / RGB(0,255,0)` 绿幕背景，后端上传 OSS 前必须把绿幕扣成透明 PNG；背景图必须合成为全画幅不透明 PNG。
@@ -455,13 +455,13 @@ OpenTelemetry 现阶段默认开启 OTLP traces / metrics / logs，但本地日

 结构化创作 / RPG 的 Responses JSON 链路默认不打开 `web_search`；本地和生产如需联网增强，必须显式配置 `GENARRATIVE_RPG_LLM_WEB_SEARCH_ENABLED=true` 或 `GENARRATIVE_CREATION_AGENT_LLM_WEB_SEARCH_ENABLED=true`。如果上游未开通工具，Responses 可能先吐自然语言再返回 `ToolNotOpen`，这类报错应按工具不可用排查，不要先当成 JSON 解析 bug。

-创意 Agent `gpt-5` 文本链路已从 APIMart 切到 VectorEngine：`api-server` 读取 `VECTOR_ENGINE_BASE_URL` / `VECTOR_ENGINE_API_KEY` 构造 OpenAI-compatible LLM client，并自动补齐 `/v1` 前缀用于 Responses 协议。排查或切换密钥后，可在本地运行：
+创意 Agent `gpt-5.4-mini` 文本链路已从 APIMart 切到 VectorEngine：`api-server` 读取 `VECTOR_ENGINE_BASE_URL` / `VECTOR_ENGINE_API_KEY` 构造 OpenAI-compatible LLM client，并自动补齐 `/v1` 前缀后请求 `/chat/completions`。通用 `/api/llm/chat/completions` 代理使用 `GENARRATIVE_LLM_PROVIDER=openai-compatible`、`GENARRATIVE_LLM_BASE_URL=https://api.vectorengine.cn/v1`、`GENARRATIVE_LLM_MODEL=gpt-5.4-mini`，未单独配置 `GENARRATIVE_LLM_API_KEY` 时可复用 `VECTOR_ENGINE_API_KEY`。排查或切换密钥后，可在本地运行：

 ```bash
 node scripts/test-ve-llm.mjs
 ```

-该脚本读取仓库根目录 `.env.secrets.local` 中的 `VECTOR_ENGINE_BASE_URL` 和 `VECTOR_ENGINE_API_KEY`，依次探测 `/v1/models`、`/v1/chat/completions`、`/v1/responses`、`gpt-5` Chat Completions 和基础 JSON 输出能力；脚本只输出 HTTP 状态、耗时、模型和截断摘要，不应打印密钥。若 `.env.secrets.local` 不存在，先补本地 secrets 文件再运行，不要把 secrets 提交进仓库。
+该脚本读取仓库根目录 `.env.secrets.local` 中的 `VECTOR_ENGINE_BASE_URL` 和 `VECTOR_ENGINE_API_KEY`，依次探测 `/v1/models`、`/v1/chat/completions`、`/v1/responses`、`gpt-5.4-mini` Chat Completions 和基础 JSON 输出能力；脚本只输出 HTTP 状态、耗时、模型和截断摘要，不应打印密钥。若 `.env.secrets.local` 不存在，先补本地 secrets 文件再运行，不要把 secrets 提交进仓库。

 ### 手机验证码短信

@@ -21,6 +21,9 @@
 | 生成 UI 设计图 | 既有 UI 设计图生成入口对应接口 |

 - 意图解析与工具编排在后端 api-server，前端只渲染状态，不承接业务规则。
+- 下面的工具选择口径属于 Agent 规划 prompt / function-calling 约束，不是侧边栏 UI 说明文案；侧边栏面板不展示这些规则解释。
+- 用户要求“规范图 / 视觉规范图 / 风格规范图 / 素材规范展板”时，规划默认选择 `generate_image`，并在 prompt 中明确要求生成规范展板，包含统一视角、线条粗细、色卡、材质、阴影、圆角、状态层级、尺寸标注等可落地的视觉规范元素。
+- 用户要求“角色规范图”且语义是角色的规范展板、风格展板或设定板时，仍走 `generate_image`，不要误分流到 `generate_character`；只有实际生成角色立绘、角色主形象或角色视觉资产时才走 `generate_character`。用户要求多个图标素材、图集或 spritesheet 时才走 `generate_icon_spritesheet`。
 - 所有生成必须走 `execute_billable_asset_operation_with_cost` 与模型定价配置，禁止绕过定价收口。
 - 视频 / 音频 / 图层操作等其余画板功能第一期不进入对话工具面，仍走现有面板。

@@ -67,9 +70,12 @@

 ## LLM 与计费

- 编排复用 `creative_agent_gpt5_client` 的 LLM 接入配置（同 provider/env，独立用途标识），但画布 Agent 的轻量规划请求显式使用 `gpt-4o`，避免把简单 JSON 意图识别交给容易长 reasoning 的 gpt-5；function-calling 注册五类工具。
+- 编排复用 `creative_agent_gpt5_client` 的 LLM 接入配置（同 provider/env，独立用途标识），画布 Agent 规划请求固定使用 VectorEngine `gpt-5.4-mini` Chat Completions；function-calling 注册五类工具。
 - 每个用户回合必须由 LLM 返回结构化计划；LLM 未配置、请求失败或返回格式不可解析时，后端写入明确错误消息，不使用本地关键词或“收到：...”回显兜底。
- 画布 Agent 规划请求使用 Responses API、1024 `max_output_tokens` 和 60 秒 Agent 专用请求超时；生成图片/编辑图片仍走对应生成工具和模型计费。
+- 规划 prompt 必须自动带入上一条已完成生成结果的 `latestGeneratedImage` 引用，内容只包含上一轮 generation 的 `summary` / `toolName` / `resourceId` / `objectKey` / `assetObjectId` 等轻量元数据，不把私有签名 URL 或大图内容塞进 prompt。
+- 用户使用「这张」「刚才那个」「上一张」「把衣服换成……」等方式指代或编辑上一张结果图时，LLM 默认选择 `edit_image` 并引用 `latestGeneratedImage` 作为源图；除非用户明确要求全新生成，否则不能因为本轮没有重新上传附件而降级为 `generate_image`。
+- 规划 prompt 必须显式区分“规范展板”和“实际素材产出”：规范图、视觉规范图、风格规范图、素材规范展板、角色规范图等规范展板请求走 `generate_image`，并补齐统一视角、线条粗细、色卡、材质、阴影、圆角、状态层级、尺寸标注等要求；实际角色立绘才走 `generate_character`，多个图标素材 / 图集才走 `generate_icon_spritesheet`。
+- 画布 Agent 规划请求使用 Chat Completions、1024 `max_tokens` 和 60 秒 Agent 专用请求超时；生成图片/编辑图片仍走对应生成工具和模型计费。
 - **对话回合免费**（聊天、分析回复不扣泥点），仅 Agent 实际触发生成工具时按对应模型定价扣泥点。
 - 工具调用前后端校验泥点余额；不足时该次生成失败并在对话中以明确错误气泡告知，对话本身可继续。

@@ -59,6 +59,7 @@ export type EditorAgentGenerationStatus = 'generating' | 'completed' | 'failed';
 export interface EditorAgentGenerationRecord {
  toolCallId: string;
  toolName: EditorAgentToolName;
+  summary?: string | null;
  taskId: string | null;
  status: EditorAgentGenerationStatus;
  model: string | null;
@@ -464,9 +464,9 @@ GENARRATIVE_SPACETIME_POOL_SIZE=2
 GENARRATIVE_SPACETIME_PROCEDURE_TIMEOUT_SECONDS=15

 GENARRATIVE_LLM_PROVIDER=openai-compatible
-GENARRATIVE_LLM_BASE_URL=
+GENARRATIVE_LLM_BASE_URL=https://api.vectorengine.cn/v1
 GENARRATIVE_LLM_API_KEY=
-GENARRATIVE_LLM_MODEL=
+GENARRATIVE_LLM_MODEL=gpt-5.4-mini
 VECTOR_ENGINE_BASE_URL=
 VECTOR_ENGINE_API_KEY=
 ALIYUN_OSS_BUCKET=
@@ -83,32 +83,32 @@ const tests = [
    method: 'POST',
    path: '/v1/chat/completions',
    body: {
-      model: 'gpt-4o',
+      model: 'gpt-5.4-mini',
      messages: [{ role: 'user', content: '回复 ok，不要解释' }],
      max_tokens: 10,
    },
  },

-  // 3. Responses - Apimart 当前使用的协议
+  // 3. Responses - 仅作兼容探测，creative_agent 默认走 Chat Completions
  {
    name: 'POST /v1/responses (Responses)',
    method: 'POST',
    path: '/v1/responses',
    body: {
-      model: 'gpt-4o',
+      model: 'gpt-5.4-mini',
      input: [
        { role: 'user', content: [{ type: 'input_text', text: '回复 ok，不要解释' }] },
      ],
    },
  },

-  // 4. 测试 gpt-5 (creative_agent 模型)
+  // 4. 测试 gpt-5.4-mini (creative_agent 模型)
  {
-    name: 'POST /v1/chat/completions (gpt-5, Chat)',
+    name: 'POST /v1/chat/completions (gpt-5.4-mini, Chat)',
    method: 'POST',
    path: '/v1/chat/completions',
    body: {
-      model: 'gpt-5',
+      model: 'gpt-5.4-mini',
      messages: [{ role: 'user', content: '回复 ok' }],
      max_tokens: 10,
    },
@@ -120,7 +120,7 @@ const tests = [
    method: 'POST',
    path: '/v1/chat/completions',
    body: {
-      model: 'gpt-4o',
+      model: 'gpt-5.4-mini',
      messages: [
        { role: 'system', content: '你是抓大鹅游戏编辑，只返回 JSON。' },
        { role: 'user', content: '题材：水果。请生成 JSON：{"gameName":"水果切切乐","items":[{"name":"苹果","itemSize":"中"},{"name":"西瓜","itemSize":"大"}]}' },
@@ -155,7 +155,7 @@ console.log(`=== 结果: ${pass}/${tests.length} 通过, ${fail}/${tests.length}
 // 结论
 if (pass >= 3) {
  console.log('\n✅ VectorEngine 支持 LLM 文本调用，可替代 Apimart。');
-  console.log('   将 .env.secrets.local 中 APIMART_BASE_URL 改为 VectorEngine 地址即可。');
+  console.log('   将 .env.secrets.local 中 VECTOR_ENGINE_BASE_URL / VECTOR_ENGINE_API_KEY 配好即可。');
 } else if (pass <= 1) {
  console.log('\n❌ VectorEngine 不支持 LLM 文本调用。');
 } else {
@@ -940,8 +940,21 @@ impl AppConfig {
            config.llm_base_url = DEFAULT_ARK_BASE_URL.to_string();
        }

-        config.llm_api_key =
-            read_first_non_empty_env(&["GENARRATIVE_LLM_API_KEY", "LLM_API_KEY", "ARK_API_KEY"]);
+        config.llm_api_key = if config.llm_provider == LlmProvider::OpenAiCompatible {
+            read_first_non_empty_env(&[
+                "GENARRATIVE_LLM_API_KEY",
+                "LLM_API_KEY",
+                "VECTOR_ENGINE_API_KEY",
+                "ARK_API_KEY",
+            ])
+        } else {
+            read_first_non_empty_env(&[
+                "GENARRATIVE_LLM_API_KEY",
+                "LLM_API_KEY",
+                "ARK_API_KEY",
+                "VECTOR_ENGINE_API_KEY",
+            ])
+        };

        if let Some(llm_model) =
            read_first_non_empty_env(&["GENARRATIVE_LLM_MODEL", "LLM_MODEL", "VITE_LLM_MODEL"])
@@ -1629,10 +1642,14 @@ mod tests {
        unsafe {
            std::env::remove_var("GENARRATIVE_LLM_PROVIDER");
            std::env::remove_var("GENARRATIVE_LLM_BASE_URL");
+            std::env::remove_var("GENARRATIVE_LLM_API_KEY");
+            std::env::remove_var("LLM_API_KEY");
+            std::env::remove_var("ARK_API_KEY");
            std::env::remove_var("GENARRATIVE_LLM_MODEL");
            std::env::remove_var("APIMART_BASE_URL");
            std::env::remove_var("APIMART_IMAGE_REQUEST_TIMEOUT_MS");
            std::env::remove_var("VECTOR_ENGINE_BASE_URL");
+            std::env::remove_var("VECTOR_ENGINE_API_KEY");
            std::env::remove_var("VECTOR_ENGINE_IMAGE_REQUEST_TIMEOUT_MS");
            std::env::remove_var("HYPER3D_BASE_URL");
            std::env::remove_var("DASHSCOPE_SCENE_IMAGE_MODEL");
@@ -1648,7 +1665,9 @@ mod tests {
            std::env::set_var("GENARRATIVE_LLM_MODEL", "internal-text-model");
            std::env::set_var("APIMART_BASE_URL", "https://responses.internal.example/v1");
            std::env::set_var("APIMART_IMAGE_REQUEST_TIMEOUT_MS", "190000");
+            std::env::set_var("ARK_API_KEY", "ark-key");
            std::env::set_var("VECTOR_ENGINE_BASE_URL", "https://vector.internal.example");
+            std::env::set_var("VECTOR_ENGINE_API_KEY", "vector-engine-key");
            std::env::set_var("VECTOR_ENGINE_IMAGE_REQUEST_TIMEOUT_MS", "210000");
            std::env::set_var("HYPER3D_BASE_URL", "https://model.internal.example/api/v2");
            std::env::set_var("DASHSCOPE_SCENE_IMAGE_MODEL", "scene-model");
@@ -1664,6 +1683,7 @@ mod tests {
        let config = AppConfig::from_env();
        assert_eq!(config.llm_provider, LlmProvider::OpenAiCompatible);
        assert_eq!(config.llm_base_url, "https://llm.internal.example/v1");
+        assert_eq!(config.llm_api_key.as_deref(), Some("vector-engine-key"));
        assert_eq!(config.llm_model, "internal-text-model");
        // assert_eq!(
        //     config.apimart_base_url,
@@ -1694,10 +1714,14 @@ mod tests {
        unsafe {
            std::env::remove_var("GENARRATIVE_LLM_PROVIDER");
            std::env::remove_var("GENARRATIVE_LLM_BASE_URL");
+            std::env::remove_var("GENARRATIVE_LLM_API_KEY");
+            std::env::remove_var("LLM_API_KEY");
+            std::env::remove_var("ARK_API_KEY");
            std::env::remove_var("GENARRATIVE_LLM_MODEL");
            std::env::remove_var("APIMART_BASE_URL");
            std::env::remove_var("APIMART_IMAGE_REQUEST_TIMEOUT_MS");
            std::env::remove_var("VECTOR_ENGINE_BASE_URL");
+            std::env::remove_var("VECTOR_ENGINE_API_KEY");
            std::env::remove_var("VECTOR_ENGINE_IMAGE_REQUEST_TIMEOUT_MS");
            std::env::remove_var("HYPER3D_BASE_URL");
            std::env::remove_var("DASHSCOPE_SCENE_IMAGE_MODEL");
@@ -191,13 +191,14 @@ mod tests {
            body: r#"{"id":"resp_api_server_01","model":"ark-router-test","choices":[{"message":{"content":"代理成功"},"finish_reason":"stop"}]}"#.to_string(),
            extra_headers: Vec::new(),
        }]);
-        let state = seed_authenticated_state(AppConfig {
+        let (state, user_id) = seed_authenticated_state(AppConfig {
            llm_base_url: server_url,
            llm_api_key: Some("test-key".to_string()),
+            llm_model: "test-model".to_string(),
            ..AppConfig::default()
        })
        .await;
-        let token = issue_access_token(&state);
+        let token = issue_access_token(&state, &user_id);
        let app = build_router(state);

        let response = app
@@ -266,13 +267,14 @@ mod tests {
            .to_string(),
            extra_headers: vec![("x-request-id", "req_llm_stream_01")],
        }]);
-        let state = seed_authenticated_state(AppConfig {
+        let (state, user_id) = seed_authenticated_state(AppConfig {
            llm_base_url: server_url,
            llm_api_key: Some("test-key".to_string()),
+            llm_model: "test-model".to_string(),
            ..AppConfig::default()
        })
        .await;
-        let token = issue_access_token(&state);
+        let token = issue_access_token(&state, &user_id);
        let app = build_router(state);

        let response = app
@@ -322,21 +324,20 @@ mod tests {
        assert!(body_text.contains("data: [DONE]"));
    }

-    async fn seed_authenticated_state(config: AppConfig) -> AppState {
+    async fn seed_authenticated_state(config: AppConfig) -> (AppState, String) {
        let state = AppState::new(config).expect("state should build");
-        state
+        let user_id = state
            .seed_test_phone_user_with_password("13800138101", "secret123")
            .await
            .id;
-        state
+        (state, user_id)
    }

-    fn issue_access_token(state: &AppState) -> String {
+    fn issue_access_token(state: &AppState, user_id: &str) -> String {
        let claims = AccessTokenClaims::from_input(
            AccessTokenClaimsInput {
-                user_id: "user_00000001".to_string(),
-                session_id: state
-                    .seed_test_refresh_session_for_user_id("user_00000001", "sess_llm_proxy"),
+                user_id: user_id.to_string(),
+                session_id: state.seed_test_refresh_session_for_user_id(user_id, "sess_llm_proxy"),
                provider: AuthProvider::Password,
                roles: vec!["user".to_string()],
                token_version: 2,
@@ -1507,8 +1507,7 @@ fn build_creative_agent_gpt5_client(
        config.llm_request_timeout_ms,
        0,
        config.llm_retry_backoff_ms,
-    )?
-    .with_official_fallback(true);
+    )?;

    Ok(Some(LlmClient::new(llm_config)?))
 }
@@ -1641,10 +1640,10 @@ mod tests {
            platform_agent::CREATIVE_AGENT_GPT5_MODEL
        );
        assert_eq!(
-            client.config().responses_url(),
-            "https://api.vectorengine.test/v1/responses"
+            client.config().chat_completions_url(),
+            "https://api.vectorengine.test/v1/chat/completions"
        );
-        assert!(client.config().official_fallback());
+        assert!(!client.config().official_fallback());
    }

    #[test]
@@ -5,7 +5,7 @@ use platform_llm::{

 use crate::error::PlatformAgentError;

-pub const CREATIVE_AGENT_GPT5_MODEL: &str = "gpt-5";
+pub const CREATIVE_AGENT_GPT5_MODEL: &str = "gpt-5.4-mini";

 #[derive(Clone)]
 pub struct Gpt5ResponsesAgentClient {
@@ -54,7 +54,7 @@ pub fn build_gpt5_multimodal_request(
        max_tokens: None,
        request_timeout_ms: None,
        enable_web_search: false,
-        protocol: LlmTextProtocol::Responses,
+        protocol: LlmTextProtocol::ChatCompletions,
        response_reasoning_effort: None,
        response_text_verbosity: None,
    }
@@ -111,6 +111,8 @@ pub struct EditorAgentGenerationRecord {
    pub tool_call_id: String,
    pub tool_name: EditorAgentToolName,
    #[serde(default)]
+    pub summary: Option<String>,
+    #[serde(default)]
    pub task_id: Option<String>,
    pub status: EditorAgentGenerationStatus,
    #[serde(default)]
@@ -150,6 +150,7 @@ function upsertGenerationRecord(
      ? {
          ...record,
          ...nextRecord,
+          summary: nextRecord.summary ?? record.summary,
          taskId: nextRecord.taskId ?? record.taskId,
          model: nextRecord.model ?? record.model,
          images: nextRecord.images.length ? nextRecord.images : record.images,
@@ -416,6 +417,7 @@ export function useEditorAgentConversation({
      const nextRecord: EditorAgentGenerationRecord = {
        toolCallId: event.data.toolCallId,
        toolName: event.data.toolName,
+        summary: event.data.summary ?? null,
        taskId: event.data.taskId ?? null,
        status,
        model: event.data.model ?? null,
@@ -450,6 +452,7 @@ export function useEditorAgentConversation({
      const nextRecord: EditorAgentGenerationRecord = {
        toolCallId: event.data.toolCallId,
        toolName: event.data.toolName,
+        summary: null,
        taskId: null,
        status: 'completed',
        model: event.data.model,
@@ -1,6 +1,9 @@
 import { afterEach, describe, expect, it, vi } from 'vitest';

-import { streamPlainTextCompletion } from './llmClient';
+import {
+  requestPlainTextCompletion,
+  streamPlainTextCompletion,
+} from './llmClient';

 function createSseResponse(body: string) {
  const encoder = new TextEncoder();
@@ -48,4 +51,61 @@ describe('llmClient streamPlainTextCompletion', () => {
    expect(onUpdate).toHaveBeenNthCalledWith(2, '溪上春风');
    expect(onUpdate).toHaveBeenCalledTimes(2);
  });
+
+  it('reads api-server SSE delta events', async () => {
+    const onUpdate = vi.fn();
+    const fetchMock = vi.fn().mockResolvedValue(
+      createSseResponse(
+        [
+          'event: delta\r\n',
+          'data: {"delta":"你","content":"你","finishReason":null}\r\n\r\n',
+          'event: delta\r\n',
+          'data: {"delta":"好","content":"你好","finishReason":null}\r\n\r\n',
+          'event: complete\r\n',
+          'data: {"id":"resp_01","model":"gpt-5.4-mini","content":"你好","finishReason":"stop"}\r\n\r\n',
+          'data: [DONE]\r\n\r\n',
+        ].join(''),
+      ),
+    );
+    vi.stubGlobal('fetch', fetchMock);
+
+    const result = await streamPlainTextCompletion('system', 'user', {
+      onUpdate,
+    });
+
+    expect(result).toBe('你好');
+    expect(onUpdate).toHaveBeenNthCalledWith(1, '你');
+    expect(onUpdate).toHaveBeenNthCalledWith(2, '你好');
+    expect(onUpdate).toHaveBeenCalledTimes(2);
+  });
+});
+
+describe('llmClient requestPlainTextCompletion', () => {
+  afterEach(() => {
+    vi.unstubAllGlobals();
+    vi.restoreAllMocks();
+  });
+
+  it('reads api-server response envelope content', async () => {
+    const fetchMock = vi.fn().mockResolvedValue(
+      new Response(
+        JSON.stringify({
+          ok: true,
+          data: {
+            id: 'resp_01',
+            model: 'gpt-5.4-mini',
+            content: '代理成功',
+            finishReason: 'stop',
+          },
+          error: null,
+          meta: {requestId: 'req_01'},
+        }),
+      ),
+    );
+    vi.stubGlobal('fetch', fetchMock);
+
+    const result = await requestPlainTextCompletion('system', 'user');
+
+    expect(result).toBe('代理成功');
+  });
 });
@@ -1,5 +1,5 @@
 import type {TextStreamOptions} from './aiTypes';
-import { fetchWithApiAuth } from './apiClient';
+import { fetchWithApiAuth, type ApiRequestOptions } from './apiClient';
 import { parseSseJsonObject, readSseStream } from './sseStream';

 const ENV: Partial<ImportMetaEnv> = import.meta.env ?? {};
@@ -65,6 +65,67 @@ function readLlmStreamDeltaContent(parsed: Record<string, unknown>) {
  return typeof content === 'string' && content.length > 0 ? content : null;
 }

+function readProjectLlmDeltaContent(parsed: Record<string, unknown>) {
+  const delta = parsed.delta;
+  return typeof delta === 'string' && delta.length > 0 ? delta : null;
+}
+
+function readProjectLlmCompleteContent(parsed: Record<string, unknown>) {
+  const content = parsed.content;
+  return typeof content === 'string' && content.length > 0 ? content : null;
+}
+
+function readOpenAiMessageContent(parsed: Record<string, unknown>) {
+  const choices = parsed.choices;
+  if (!Array.isArray(choices)) {
+    return null;
+  }
+
+  const [firstChoice] = choices;
+  if (typeof firstChoice !== 'object' || firstChoice === null) {
+    return null;
+  }
+
+  const message = (firstChoice as {message?: unknown}).message;
+  if (typeof message !== 'object' || message === null) {
+    return null;
+  }
+
+  const content = (message as {content?: unknown}).content;
+  return typeof content === 'string' && content.length > 0 ? content : null;
+}
+
+function readLlmResponseContent(parsed: unknown) {
+  if (typeof parsed !== 'object' || parsed === null) {
+    return null;
+  }
+
+  const record = parsed as Record<string, unknown>;
+  const directContent = readProjectLlmCompleteContent(record);
+  if (directContent) {
+    return directContent;
+  }
+
+  const openAiContent = readOpenAiMessageContent(record);
+  if (openAiContent) {
+    return openAiContent;
+  }
+
+  const data = record.data;
+  if (typeof data === 'object' && data !== null) {
+    return readLlmResponseContent(data);
+  }
+
+  return null;
+}
+
+function readLlmStreamErrorMessage(parsed: Record<string, unknown>) {
+  const message = parsed.message;
+  return typeof message === 'string' && message.trim()
+    ? message.trim()
+    : 'LLM stream returned an error event.';
+}
+
 const NODE_ENV = getNodeEnv();
 const IS_SERVER_RUNTIME = typeof window === 'undefined';
 const SERVER_API_KEY =
@@ -145,7 +206,11 @@ function normalizeLlmError(error: unknown): never {
  throw error;
 }

-function requestLlmEndpoint(input: string, init: RequestInit = {}) {
+function requestLlmEndpoint(
+  input: string,
+  init: RequestInit = {},
+  options: ApiRequestOptions = {},
+) {
  const headers = resolveHeaders(init.headers);
  if (IS_SERVER_RUNTIME && SERVER_API_KEY.trim()) {
    headers.Authorization = `Bearer ${SERVER_API_KEY.trim()}`;
@@ -158,7 +223,7 @@ function requestLlmEndpoint(input: string, init: RequestInit = {}) {

  return IS_SERVER_RUNTIME
    ? fetch(input, nextInit)
-    : fetchWithApiAuth(input, nextInit);
+    : fetchWithApiAuth(input, nextInit, options);
 }

 export function isLlmConnectivityError(error: unknown): error is LlmConnectivityError {
@@ -221,8 +286,8 @@ async function requestMessageContent(
    }

    const data = JSON.parse(rawResponseText);
-    const content = data?.choices?.[0]?.message?.content;
-    if (!content || typeof content !== 'string') {
+    const content = readLlmResponseContent(data);
+    if (!content) {
      throw new Error('LLM response did not include message content.');
    }

@@ -279,19 +344,23 @@ export async function streamPlainTextCompletion(
  const timeout = setTimeout(() => controller.abort(), REQUEST_TIMEOUT_MS);

  try {
-    const response = await requestLlmEndpoint(`${API_BASE_URL}/chat/completions`, {
-      method: 'POST',
-      headers: {'Content-Type': 'application/json'},
-      body: JSON.stringify({
-        model: MODEL,
-        stream: true,
-        messages: [
-          {role: 'system' as const, content: systemPrompt},
-          {role: 'user' as const, content: userPrompt},
-        ],
-      }),
-      signal: controller.signal,
-    });
+    const response = await requestLlmEndpoint(
+      `${API_BASE_URL}/chat/completions`,
+      {
+        method: 'POST',
+        headers: {'Content-Type': 'application/json'},
+        body: JSON.stringify({
+          model: MODEL,
+          stream: true,
+          messages: [
+            {role: 'system' as const, content: systemPrompt},
+            {role: 'user' as const, content: userPrompt},
+          ],
+        }),
+        signal: controller.signal,
+      },
+      {omitEnvelopeHeader: true},
+    );

    if (!response.ok) {
      const rawResponseText = await response.text();
@@ -314,13 +383,28 @@ export async function streamPlainTextCompletion(

    let accumulatedText = '';

-    await readSseStream(response, ({ data }) => {
+    await readSseStream(response, ({ data, eventName }) => {
      if (data === '[DONE]') {
        return false;
      }

      const parsed = parseSseJsonObject(data);
-      const delta = parsed ? readLlmStreamDeltaContent(parsed) : null;
+      if (parsed && eventName === 'error') {
+        throw new Error(readLlmStreamErrorMessage(parsed));
+      }
+
+      if (parsed && eventName === 'complete') {
+        const content = readLlmResponseContent(parsed);
+        if (content && content !== accumulatedText) {
+          accumulatedText = content;
+          options.onUpdate?.(accumulatedText);
+        }
+        return;
+      }
+
+      const delta = parsed
+        ? (readLlmStreamDeltaContent(parsed) ?? readProjectLlmDeltaContent(parsed))
+        : null;
      if (delta) {
        accumulatedText += delta;
        options.onUpdate?.(accumulatedText);