fix(seemedia): hear_audio 不再承诺「你会听到」，如实说明可能不支持 (#7)

## 问题（e2e 抓出，非猜测）

端到端跑 hear_audio 时模型答「老实说，这次我没法真的听到」，转而去数 WAV
字节。查日志：

    tool hear_audio result: {"note":"音频已投给你——请在下一步直接聆听..."}
    modal fallback: 0 block(s) transcribed, 0 skipped
                    (provider=llmsproxy vision=true audio=false)

真因是**配置缺口 + 描述说谎**叠加：
- 当前部署所有 LLM 源都是 audio=false（visionllm/llmsproxy 均如此）
- core.input_processing.audio.fallback_provider 为空 ⇒ 无回退源
- 于是内核既不能直视、也无法转写，只发一条「拿不到音频」的 notice

而工具描述写死「你会直接听到它」、note 写「请在下一步直接聆听」——
模型同时看到「你会听到」与「拿不到」，两句自相矛盾（这就是它转去数
WAV 字节的原因）。

## 为何不改代码改行为

插件在调用时**无法**得知当前模型是否支持音频，SDK 未暴露能力查询接口
（只有 LLMAPI 的 Chat/ReloadFromConfig）。所以插件没有能力「先判断再决定
要不要注块」。正确做法是：内核继续做它该做的诚实降级（已在 modalfallback
里实现），插件这边**不许替内核承诺**。

## 改了什么

- hear_audio 描述：从无条件承诺改为条件式（「若当前模型支持音频或配了回退源，
  你会在下一步听到」），并明说：若都不支持，内核会明确告知拿不到（不会假装
  听到），那时改用 transcribe_audio 或配置回退源
- handler 的 note：从「请直接聆听」改为「请确认是否真的收到；没收到就改用
  transcribe_audio」

## 判据（可杀变异，3/3 实测）

- TestHearAudioDoesNotPromiseAudibility：描述不得含无条件承诺；必须指明
  transcribe_audio 出路；必须如实说「不支持」
- TestHearAudioNoteIsHonest：note 不得说「直接聆听」；必须给替代方案

★ 判据自身修了一个 bug（变异测试抓出）：原先用「下一个 RegisterTool」做段
终点，但 hear_audio 是**最后一个**注册 ⇒ 一路截到文件尾，把 handler 的 note
也吞进来，于是 note 里残留的 transcribe_audio 让「删掉描述出路」的变异逃逸。
改用 "p.handleHearAudio)" 作终点后该变异被杀。

变异实测：
  F 描述改回无条件承诺      → FAIL ✓
  G 描述删掉 transcribe_audio 出路 → FAIL ✓（修判据前曾逃逸）
  H note 改回「直接聆听」     → FAIL ✓
  I 描述删掉「不支持」说明    → FAIL ✓

18/18 通过；全量 homed 构建通过；二进制内已无旧假承诺、含新的诚实措辞。

Co-authored-by: JianFeeeee <JianFeeeee@users.noreply.gitcode.com>

internal/plugins/seemedia/plugin.go

@@ -166,9 +166,18 @@ func (p *Plugin) Start(s *sdk.PluginSDK) error {
 
 	if err := s.RegisterTool("hear_audio", sdk.ToolDef{
 		Name: "hear_audio",
-		Description: "【亲自听音频】把一段音频**原样投给你自己**去听，你会直接听到它，" +
-			"而不是读一段转写文字。需要判断语气/音乐/非语音声音时用它。" +
-			"（只想要文字转写、或你本身不支持音频时，用 transcribe_audio 更省。）" +
+		// ★ 不得无条件承诺「你会听到」（2026-10-11 e2e 抓出）。
+		//
+		// 实测：当前部署里**所有** LLM 源都是 audio=false，且
+		// core.input_processing.audio.fallback_provider 为空 ⇒ 内核既不能直视
+		// 也无法回退转写，只会发一条 notice 说「拿不到音频」。此前描述写死
+		// 「你会直接听到它」，与内核随后发的 notice 自相矛盾，模型据此困惑
+		// （实测它转而去数 WAV 字节）。描述必须如实说明可能拿不到。
+		Description: "【亲自听音频】把一段音频**原样投给你自己**去听。若当前模型支持音频" +
+			"（或配了可用的音频回退源），你会在下一步直接听到它。" +
+			"★若当前模型与回退源都不支持音频，内核会明确告诉你拿不到音频（不会假装听到）——" +
+			"那时请改用 transcribe_audio 拿文字转写，或请用户配置音频回退源" +
+			"（core.input_processing.audio.fallback_provider + 该源 audio=true）。" +
 			"来源三选一：path / digest / url。",
 		Parameters:   srcObject(srcParam),
 		ParallelSafe: false,
@@ -239,9 +248,14 @@ func (p *Plugin) handleHearAudio(args map[string]interface{}) (interface{}, erro
 		Type:     "audio_url",
 		AudioURL: &sdk.AudioURL{URL: url},
 	}})
+	// ★ note 同样不得承诺「你会听到」：插件在调用时无法得知当前模型/回退源
+	// 是否支持音频（SDK 未暴露能力查询），支持与否由内核在下一步判定。
+	// 这里只如实说「已投递」，并指明没收到时怎么办。
 	return map[string]interface{}{
 		"status": "ok",
-		"note":   "音频已投给你——请在下一步直接聆听（这不是转写文字）。",
+		"note": "音频已投递——请在下一步确认是否真的收到音频内容。" +
+			"若收到「不支持音频」之类的说明，说明当前模型与回退源都听不了，" +
+			"请改用 transcribe_audio 拿文字转写。",
 	}, nil
 }
 

internal/plugins/seemedia/plugin_test.go

@@ -169,3 +169,87 @@ func TestSeeToolsAreNotParallelSafe(t *testing.T) {
 			"SetToolBlocks 写的是当前 call 的块，并发会串台")
 	}
 }
+
+// ---- ⑤ 不得承诺「你会听到」 ----
+//
+// 2026-10-11 e2e 抓出：hear_audio 的注册描述写死「你会直接听到它」，而当前
+// 部署里所有 LLM 源都是 audio=false、且音频回退源为空 ⇒ 内核既不能直视也无法
+// 回退，只发一条「拿不到音频」的 notice。模型看到「你会听到」+「拿不到」两句
+// 自相矛盾的话，转而去数 WAV 字节（实测）。
+//
+// 插件在调用时**无法**得知当前模型是否支持音频（SDK 未暴露能力查询），
+// 所以描述必须如实说「可能拿不到」，并把出路（transcribe_audio / 配置回退源）
+// 写清楚。这条判据跨实现有效：谁把承诺改回去，谁就重建了那个自相矛盾。
+func TestHearAudioDoesNotPromiseAudibility(t *testing.T) {
+	src, err := os.ReadFile("plugin.go")
+	if err != nil {
+		t.Fatal(err)
+	}
+	s := string(src)
+
+	// 钉住 RegisterTool("hear_audio" 这一段（到该注册调用结束为止）。
+	// ★ 不能用「下一个 RegisterTool」做终点：hear_audio 是**最后一个**注册，
+	//   那样会一直截到文件末尾，把 handler 的 note 也吞进来 —— 于是
+	//   note 里残留的 transcribe_audio 会让本判据误判为「描述合格」。
+	//   （这个 bug 是变异测试抓出来的：改掉描述里的出路却仍 PASS。）
+	i := strings.Index(s, `RegisterTool("hear_audio"`)
+	if i < 0 {
+		t.Fatal("找不到 hear_audio 注册")
+	}
+	seg := s[i:]
+	// 终点：该 RegisterTool 调用对应的 "}, p.handleHearAudio)" 之后。
+	en := strings.Index(seg, "p.handleHearAudio)")
+	if en < 0 {
+		t.Fatal("找不到 hear_audio 注册调用的结尾")
+	}
+	seg = seg[:en]
+	// ★ 剔除注释行：本文件的注释里会**引用旧文案**说明为何不得这么写，
+	// 那不是承诺。判据只应检查真正会送到模型面前的字符串（Description/note）。
+	var code []string
+	for _, line := range strings.Split(seg, "\n") {
+		t2 := strings.TrimSpace(line)
+		if strings.HasPrefix(t2, "//") {
+			continue
+		}
+		code = append(code, line)
+	}
+	seg = strings.Join(code, "\n")
+
+	// ① 不得出现无条件承诺
+	for _, bad := range []string{"你会直接听到它", "你会直接听到"} {
+		if strings.Contains(seg, bad) {
+			t.Errorf("hear_audio 描述不得无条件承诺可听性（当前配置下会与内核 notice 矛盾）: 含 %q", bad)
+		}
+	}
+	// ② 必须说明「拿不到时怎么办」——即指向 transcribe_audio
+	if !strings.Contains(seg, "transcribe_audio") {
+		t.Error("hear_audio 描述必须指明拿不到音频时的出路（transcribe_audio）")
+	}
+	// ③ 必须点明可能不支持（诚实降级），不能只说好话
+	if !strings.Contains(seg, "不支持") {
+		t.Error("hear_audio 描述必须如实说明「当前模型/回退源可能不支持音频」")
+	}
+}
+
+// TestHearAudioNoteIsHonest 钉住 handler 返回的 note 同样不做虚假承诺。
+func TestHearAudioNoteIsHonest(t *testing.T) {
+	src, err := os.ReadFile("plugin.go")
+	if err != nil {
+		t.Fatal(err)
+	}
+	s := string(src)
+	i := strings.Index(s, "func (p *Plugin) handleHearAudio(")
+	if i < 0 {
+		t.Fatal("找不到 handleHearAudio")
+	}
+	seg := s[i:]
+	if j := strings.Index(seg, "\nfunc "); j > 0 {
+		seg = seg[:j]
+	}
+	if strings.Contains(seg, "请在下一步直接聆听") {
+		t.Error("handleHearAudio 的 note 不得说「直接聆听」——插件无法保证当前模型支持音频")
+	}
+	if !strings.Contains(seg, "transcribe_audio") {
+		t.Error("handleHearAudio 的 note 必须指明听不到时的替代（transcribe_audio）")
+	}
+}