fix: 诊断提速与稳定性修复（reasoning 2048→512、输出精简、上限16000→8000、loading提示、观测日志+配置错误可读）

llm.py

@@ -12,6 +12,7 @@ import json
 import logging
 import os
 import re
+import time
 from typing import Any, Callable
 
 import httpx
@@ -87,7 +88,13 @@ def reasoning_config(disable_reasoning: bool = False) -> dict[str, Any]:
     """OpenRouter rejects payloads that set both ``effort`` and ``max_tokens``."""
     if disable_reasoning:
         return {"effort": "none", "exclude": True}
-    return {"max_tokens": 2048}
+    # 思考预算实测（2026-08-25 两次）：
+    # 2048 → 单次 diagnose 309.8s，模型烧满全部思考 token；DeepSeek 思考
+    # token 生成速度远慢于正文（约 1/10），5 分钟几乎全花在想。
+    # 512  → 同文书同 prompt 实测 70.2s，输出完整合规（4 briefs / 5 patterns）。
+    # 早期 2048→1024 曾因旧版冗长 prompt 引入 502（思考受限→输出不合规→校验
+    # 失败）；prompt 压紧凑后 512 可行，JSON 校验失败仍有 complete_json 重试兜底。
+    return {"max_tokens": 512}
 
 
 def extract_json(content: str | None) -> dict[str, Any]:
@@ -138,7 +145,10 @@ class LlmClient:
         model: str | None = None,
         proxy: str | None = None,
         timeout: float = 180.0,
-        max_tokens: int = 16000,
+        # 实测（2026-08-25）：诊断正常输出 ~2.5k tokens（prompt 已压紧凑）；
+        # 模型偶发啰嗦打满 16000 → 截断 → JSON 失败 → 重试又 258s，页面卡 5 分钟。
+        # 8000 给正常输出 3 倍余量，打满时更快失败并走既有重试兜底。
+        max_tokens: int = 8000,
         temperature: float = 0.3,
         transport: httpx.BaseTransport | None = None,
     ) -> None:
@@ -196,13 +206,36 @@ class LlmClient:
         # diagnose 这类长 JSON 经常只返回空 content（页面上就是 502）。
         # OpenRouter：effort 与 max_tokens 只能二选一。
         payload["reasoning"] = reasoning_config(disable_reasoning)
+        # 观测：每次 LLM 调用都打耗时 + usage，慢链路（同事反馈 diagnose 卡 5 分钟）靠它定位
+        t0 = time.monotonic()
         try:
             resp = self._post(payload)
-        except httpx.HTTPError as exc:  # network / timeout
-            raise LLMError(f"调用大模型失败（网络/超时）：{exc.__class__.__name__}") from exc
+        except (httpx.HTTPError, ValueError, TypeError) as exc:  # 网络/超时；代理 URL 或配置错误（如 .env 解析出整行变量名）
+            dt = time.monotonic() - t0
+            logger.warning("llm http-error dt=%.1fs %s", dt, exc.__class__.__name__)
+            if isinstance(exc, httpx.HTTPError):
+                raise LLMError(f"调用大模型失败（网络/超时）：{exc.__class__.__name__}") from exc
+            # 2026-08-25 实测：代理 URL 带变量名前缀 → httpx 构造期 ValueError → 裸 500
+            # （此前只捕 httpx.HTTPError）。配置类错误同样转可读 LLMError（PRD §11 失败兜底）
+            raise LLMError(f"调用大模型失败（配置错误，请检查代理/地址设置）：{exc}") from exc
+        dt = time.monotonic() - t0
         if resp.status_code != 200:
+            logger.warning("llm http %s dt=%.1fs retry-hint=%s", resp.status_code, dt, resp.headers.get("retry-after", ""))
             raise LLMError(f"调用大模型失败（HTTP {resp.status_code}）：{_readable_error(resp)}")
-        return message_text(resp.json())
+        try:
+            body = resp.json()
+        except Exception as exc:
+            raise LLMError("模型未返回内容（可能被截断或拒绝）") from exc
+        usage = body.get("usage") or {}
+        # uvicorn 默认只给 uvicorn.* logger 配 handler，root 的 info 会被吞；
+        # 观测行用 warning 级别保证进入 stderr 日志（慢链路定位依据）
+        logger.warning(
+            "llm ok model=%s dt=%.1fs prompt=%s completion=%s reasoning=%s total_time_ms=%s",
+            self.model, dt,
+            usage.get("prompt_tokens"), usage.get("completion_tokens"),
+            usage.get("reasoning_tokens"), usage.get("total_time"),
+        )
+        return message_text(body)
 
     # -- public ------------------------------------------------------------
     def complete_json(