fix(memory,llm): L2 预填充并入召回主路 + 回退换 provider 时换 model（视觉失效真因）

## 1. L2（冷上下文）预填充此前只走「注入文本」，等于没有
设计：prune 与 recall 是一对 —— 工具声明 ContextPolicy=prune + RecallPolicy=auto
时，工具输出既触发裁剪、也触发预填充（memoryPass → recallTextFor）。
但 L2 那一路只写在 buildSystemPrompt 里，query 用的是**注入文本**；
QQ 注入的是「来自「X」的私聊消息(message_id=…)，先用 qq_get_message 取正文」，
与用户真正说的话毫无相似度 ⇒ 冷上下文预填充恒为空。
（现场：头天晚上讲的冷笑话，第二天早上完全唤不回；14 小时里
 memory recall (input…) 只有 5 次、且 query 是元信息。）

改法：把 L2 检索并入 buildMemoryContext —— 输入路用输入文本、工具路用工具正文，
两条路共用同一次召回与预算；buildSystemPrompt 里那份重复注入删掉。
中断消息仍然 NoMemory + RecallPolicy=none（不裁剪、不召回、不进记忆），
这是设计要求，未改动。

## 2. 回退换 provider 时必须换 model（视觉失效的真因）
现场日志：
  deepseek 402 Insufficient Balance
  → 回退 llmsproxy，但 req 仍带 model=「deepseek-flash」
  → llmsproxy 403 model_not_allowed
  → llmsproxy 被整源标记 unavailable（冷却）
  → 视觉回退 resolveModalFallback 跳过它 ⇒「配置了视觉却说没有视觉」

两处修正：
  · 每个 provider 用自己的 model 发请求（model 是 provider 的属性）
  · 403 区分「模型不被该 key 允许」与「凭证失效」：前者只否一个 model，
    provider 仍可用于其他 model 与视觉回退

判据：internal/agent/core/provider_model_fallback_test.go

internal/agent/core/provider_model_fallback_test.go

@@ -0,0 +1,42 @@
+package core
+
+// provider 回退时**model 必须跟着 provider 走** + 403 分两类处置。
+//
+// 真机现场（2026-10-27）：
+//   deepseek 402 余额不足
+//     → 回退 llmsproxy，但 req 里仍带 model="deepseek-flash"
+//     → llmsproxy 报 403 model_not_allowed
+//     → llmsproxy 被整源标记 unavailable（冷却）
+//     → 视觉回退 resolveModalFallback 跳过它
+//     → 用户看到"配置了视觉能力却说没有视觉"
+//
+// 这两条判据分别钉住：换 provider 要换 model；model 级错误不能把整源判死。
+
+import (
+	"errors"
+	"testing"
+)
+
+func TestIsModelNotAllowedRecognizesGatewayPhrases(t *testing.T) {
+	cases := []struct {
+		msg  string
+		want bool
+	}{
+		{`api error 403: {"error":{"message":"model \"deepseek-flash\" is not allowed for this key","type":"model_not_allowed"}}`, true},
+		{`api error 403: {"error":{"type":"model_not_allowed"}}`, true},
+		{`api error 404: {"error":{"message":"model_not_found"}}`, true},
+		{`api error 400: The model ` + "`gpt-9`" + ` does not exist or you do not have access to it`, true},
+		{`api error 401: invalid api key`, false}, // 凭证问题：整源不可用
+		{`api error 403: forbidden`, false},       // 权限问题：整源不可用
+		{``, false},
+	}
+	for _, c := range cases {
+		var err error
+		if c.msg != "" {
+			err = errors.New(c.msg)
+		}
+		if got := isModelNotAllowed(err); got != c.want {
+			t.Errorf("isModelNotAllowed(%q) = %v, want %v", c.msg, got, c.want)
+		}
+	}
+}

internal/agent/core/task.go

@@ -1353,6 +1353,24 @@ func (a *Agent) callLLMWithFallback(req *agentAPI.CompletionRequest, providers [
 				fbProvider.Name(), pi, len(providers)-1)
 		}
 
+		// ★ 每个 provider 必须用**自己的** model 发请求（2026-10-27 真机）。
+		//
+		// 现场：默认源 deepseek(model=deepseek-flash) 402 → 回退 llmsproxy(model=AUTO)
+		// 时复用了同一个 req ⇒ llmsproxy 收到 model="deepseek-flash" ⇒ 403
+		// model_not_allowed ⇒ 两个源全挂，且 llmsproxy 被整源标记不可用(冷却)
+		// ⇒ 视觉回退跳过它 ⇒ 用户看到"配置了视觉却说没有视觉"。
+		//
+		// model 是 **provider 的属性**，不是请求的共享字段。
+		if rp, ok := fbProvider.(agentAPI.RoutableProvider); ok {
+			if m := rp.Model(); m != "" && m != req.Model {
+				if pi > 0 {
+					log.Printf("[agent] fallback provider %q uses its own model %q (was %q)",
+						fbProvider.Name(), m, req.Model)
+				}
+				req.Model = m
+			}
+		}
+
 		// 同源瞬时错误重试：网关瞬断（502/503/504/429/网络抖动）通常秒级恢复，
 		// 直接跳下一个 provider（或直接报错）会丢掉本可成功的请求。
 		// 凭证错误（401/403）与用户中断不重试。
@@ -1415,8 +1433,17 @@ func (a *Agent) callLLMWithFallback(req *agentAPI.CompletionRequest, providers [
 		}
 		var pe *agentAPI.ProviderError
 		if errors.As(llmErr, &pe) && (pe.StatusCode == 401 || pe.StatusCode == 403) {
-			a.providerManager.ReportStatus(fbProvider.Name(), pe.StatusCode)
-			log.Printf("[agent] provider %q marked unavailable (HTTP %d)", fbProvider.Name(), pe.StatusCode)
+			// 403 分两类：凭证/权限问题 ⇒ 整源不可用；**模型名不被该 key 允许**
+			// （model_not_allowed）⇒ 只是这个 model 不行，provider 仍可用于
+			// 其他 model，也包括视觉回退。混为一谈会让一次模型名不匹配把整源判死。
+			if isModelNotAllowed(llmErr) {
+				log.Printf("[agent] provider %q rejected model %q (HTTP %d) — "+
+					"model-level issue, provider stays available: %v",
+					fbProvider.Name(), req.Model, pe.StatusCode, llmErr)
+			} else {
+				a.providerManager.ReportStatus(fbProvider.Name(), pe.StatusCode)
+				log.Printf("[agent] provider %q marked unavailable (HTTP %d)", fbProvider.Name(), pe.StatusCode)
+			}
 		} else {
 			a.providerManager.MarkUnavailable(fbProvider.Name())
 		}
@@ -1485,3 +1512,26 @@ func stageHint(ctx *sdk.StageContext, key string) string {
 	v, _ := ctx.Extra[key].(string)
 	return strings.TrimSpace(v)
 }
+
+// isModelNotAllowed 判断错误是不是"这个模型名不被该 key 允许"。
+//
+// 与"凭证失效"处置相反：前者只否掉一个 model（provider 仍可服务其他 model，
+// 也仍可用于视觉回退），后者才该把整源标记不可用。
+func isModelNotAllowed(err error) bool {
+	if err == nil {
+		return false
+	}
+	msg := strings.ToLower(err.Error())
+	for _, m := range []string{
+		"model_not_allowed",
+		"is not allowed for this key",
+		"model not allowed",
+		"model_not_found",
+		"does not exist or you do not have access",
+	} {
+		if strings.Contains(msg, m) {
+			return true
+		}
+	}
+	return false
+}

internal/agent/core/tooldefs.go

@@ -37,6 +37,25 @@ func (a *Agent) buildMemoryContext(input string, maxTokens int, scenes []string)
 		s += "[Related media]\n" + mc
 	}
 
+	// ★ L2（冷上下文）相似度预填充：**必须在这里做**，不能只在上层 buildSystemPrompt。
+	//
+	// 设计里 prune 与 recall 是一对：工具声明 ContextPolicy=prune + RecallPolicy=auto
+	// 时，工具输出既触发裁剪也触发预填充（memoryPass → recallTextFor → 本函数）。
+	// 而此前 L2 那一路只写在 buildSystemPrompt 里、且 query 是**注入文本**
+	// （QQ 是"来自「X」的私聊消息(message_id=…)，先用 qq_get_message 取正文"），
+	// 跟用户真实说的话毫不相似 ⇒ 冷上下文预填充等于没有
+	//（2026-10-27 现场：头天晚上讲的冷笑话第二天早上完全唤不回）。
+	//
+	// 放进本函数后：输入路用输入文本、工具路用工具正文，两条路都能召回 L2 摘要。
+	if a.docStore != nil {
+		if md := a.crossModalMarkdown(a.retrieveCrossModal(input, 3, a.fusionCfg)); md != "" {
+			if s != "" {
+				s += "\n"
+			}
+			s += md
+		}
+	}
+
 	if maxTokens > 0 {
 		s = TruncateByTokens(s, maxTokens)
 	}
@@ -200,15 +219,8 @@ func (a *Agent) buildSystemPrompt(memContext string, userInput string) string {
 	//（【记忆清理】前缀）。这里只保留那条**不看描述也会犯**的错：只描述计划不执行。
 	prompt = appendPromptBlock(prompt, "[Memory maintenance] To tidy or clear memory, call the memory_* tools - a described plan is not the work. Report the result in one sentence.")
 
-	// 跨模态召回：文本路（fastText/TF-IDF 文档层，媒体描述文本已随记忆进入）
-	// + 视觉路（多模态文本编码 → 媒体库坐标）两路归一化融合。
-	// 未配置多模态空间时视觉路为空，等价旧的 docStore.Query。
-	if a.docStore != nil {
-		hits := a.retrieveCrossModal(userInput, 3, a.fusionCfg)
-		if md := a.crossModalMarkdown(hits); md != "" {
-			prompt = appendPromptBlock(prompt, md)
-		}
-	}
+	// L2（冷上下文）预填充已并入 buildMemoryContext（输入路/工具路共用一次），
+	// 这里不再重复注入，否则同一批摘要会出现两遍。
 
 	prompt = appendPromptBlock(prompt, "[Interrupt] During long tasks a system message prefixed [Interrupt] may arrive (new message, terminal output, timer). It is not user speech, but handle it: pause, respond, or consciously continue.")