Atoms多模型同时调用返回格式统一处理

为避免业务代码中充斥着大量的if-else解析逻辑，需要统一Atoms多模型的返回格式。这可以通过Atoms Adapter基类来实现，具体包括定义统一的响应结构、强制实现parse_response()方法、标准化流式SSE解析、归一化错误码以及设置Token统计字段。如此一来，就能实现模型切换时无需对业务代码进行任何修改。

为什么需要统一Atoms多模型返回格式

当你在同一服务中同时调用DeepSeek、通义千问和GLM这三个模型进行结果比对时，会惊讶地发现，每个模型返回的JSON结构竟然完全不同。DeepSeek使用的是choices[0].message.content，通义千问用的是output.text，而GLM呢，居然把答案藏在了result.choices[0].message.content里。这可就麻烦了，业务代码里到处都是if-else判断，要是再添加个新模型，连解析逻辑都得改三处！

用Atoms Adapter基类统一响应结构

第一步：定义统一响应数据类，强制所有适配器返回相同字段

第二步：在AtomsAdapter抽象基类中声明parse_response()为抽象方法，要求子类必须实现解析逻辑

第三步：各厂商适配器继承该基类，各自覆盖parse_response()，把原始响应映射到统一字段content、usage.input_tokens、usage.output_tokens、model

这一步不能跳过——

处理流式响应的SSE字段名差异

方法一：DeepSeek兼容模式下，SSE data行是{"choices":[{"delta":{"content":"a"}}]}

方法二：通义千问返回{"output":{"text":"a"},"request_id":"xxx"}，且不带data:前缀，需手动补全

方法三：GLM的流式响应是{"result":{"choices":[{"delta":{"content":"a"}}]}}，嵌套两层

统一做法：在适配器的stream_parse()方法中，先用正则提取原始data行，再根据self.vendor字段分支解析，最后统一封装成{"content": "a", "finished": false}格式输出

错误码归一化处理

1. 拦截原始HTTP响应状态码与body

2. 将OpenAI的429 {"error": {"type": "rate_limit_exceeded"}} → 转为{"code": "RATE_LIMIT", "message": "请求超频"}

3. 将通义千问的400 {"code": "InvalidParameter", "message": "model not found"} → 同样转为{"code": "MODEL_NOT_FOUND", "message": "模型不存在"}

4. 所有厂商的鉴权失败（401/403）统一映射为{"code": "AUTH_FAILED", "message": "API密钥无效"}

前端只需监听code字段做toast提示，不用再维护五套错误文案。

Token统计字段标准化

DeepSeek返回usage.total_tokens，通义千问只有usage.input_tokens和usage.output_tokens，GLM干脆不返回usage字段

解决方案：在适配器parse_response()末尾插入token估算逻辑——当原始响应无usage时，用len(tokenizer.encode(content))反向估算输入+输出token数

注意：通义千问的input_tokens字段名是snake_case，而DeepSeek用camelCase，统一转为input_tokens和output_tokens小写下划线命名