feat：修复孤儿工具报错，为replyer等tool添加统一的控制台展示接口

src/common/data_models/reply_generation_data_models.py

@@ -1,6 +1,6 @@
 """回复生成结果相关数据模型。
 
-该模块用于描述新版本回复链中的三个层次：
+该模块用于描述新版回复链中的三个层次：
 
 1. LLM 原始完成结果。
 2. 生成过程中的耗时与调试信息。
@@ -23,13 +23,6 @@ class LLMCompletionResult(BaseDataModel):
 
     该模型只描述模型调用本身的输入与输出，不承载回复切分、
     消息序列拼装或表达方式选择等后处理结果。
-
-    Attributes:
-        request_prompt: 实际发送给模型的 Prompt 文本。
-        response_text: 模型返回的主文本内容。
-        reasoning_text: 模型返回的推理内容。
-        model_name: 本次请求实际使用的模型名称。
-        tool_calls: 模型返回的工具调用列表。
     """
 
     request_prompt: str = field(
@@ -52,19 +45,23 @@ class LLMCompletionResult(BaseDataModel):
         default_factory=list,
         metadata={"description": "模型返回的工具调用列表。"},
     )
+    prompt_tokens: int = field(
+        default=0,
+        metadata={"description": "本次请求的输入 Token 数。"},
+    )
+    completion_tokens: int = field(
+        default=0,
+        metadata={"description": "本次请求的输出 Token 数。"},
+    )
+    total_tokens: int = field(
+        default=0,
+        metadata={"description": "本次请求的总 Token 数。"},
+    )
 
 
 @dataclass
 class GenerationMetrics(BaseDataModel):
-    """一次生成流程的耗时与调试指标。
-
-    Attributes:
-        prompt_ms: Prompt 构建耗时，单位为毫秒。
-        llm_ms: LLM 调用耗时，单位为毫秒。
-        overall_ms: 整个生成流程总耗时，单位为毫秒。
-        stage_logs: 各阶段的简短耗时日志列表。
-        extra: 额外指标字典，用于承载不适合单独升格为字段的监控信息。
-    """
+    """一次生成流程的耗时与调试指标。"""
 
     prompt_ms: Optional[float] = field(
         default=None,
@@ -90,20 +87,7 @@ class GenerationMetrics(BaseDataModel):
 
 @dataclass
 class ReplyGenerationResult(BaseDataModel):
-    """回复链的最终结构化结果。
-
-    该模型用于承接回复器和生成服务合并后的最终产物，供 HFC、
-    BrainChat、发送服务和日志系统继续消费。
-
-    Attributes:
-        success: 本次回复生成是否成功。
-        completion: LLM 原始完成结果。
-        metrics: 本次生成的耗时与调试指标。
-        selected_expression_ids: 本次选中的表达方式 ID 列表。
-        text_fragments: 对模型输出进行切分、规范化后的文本片段列表。
-        message_sequence: 最终可直接发送的消息序列。
-        error_message: 失败时的错误描述；成功时为空。
-    """
+    """回复链的最终结构化结果。"""
 
     success: bool = field(
         default=False,
@@ -133,10 +117,70 @@ class ReplyGenerationResult(BaseDataModel):
         default_factory=str,
         metadata={"description": "失败时的错误描述；成功时通常为空字符串。"},
     )
+    monitor_detail: Optional[Dict[str, Any]] = field(
+        default=None,
+        metadata={"description": "供监控层直接消费的通用 tool 展示详情。"},
+    )
+
+
+def build_reply_monitor_detail(result: ReplyGenerationResult) -> Dict[str, Any]:
+    """构建 reply 工具统一监控详情结构。"""
+
+    detail: Dict[str, Any] = {}
+    prompt_text = result.completion.request_prompt.strip()
+    reasoning_text = result.completion.reasoning_text.strip()
+    output_text = result.completion.response_text.strip()
+
+    if prompt_text:
+        detail["prompt_text"] = prompt_text
+    if reasoning_text:
+        detail["reasoning_text"] = reasoning_text
+    if output_text:
+        detail["output_text"] = output_text
+
+    metrics: Dict[str, Any] = {}
+    if result.completion.model_name.strip():
+        metrics["model_name"] = result.completion.model_name.strip()
+    if result.completion.prompt_tokens > 0:
+        metrics["prompt_tokens"] = result.completion.prompt_tokens
+    if result.completion.completion_tokens > 0:
+        metrics["completion_tokens"] = result.completion.completion_tokens
+    if result.completion.total_tokens > 0:
+        metrics["total_tokens"] = result.completion.total_tokens
+    if result.metrics.prompt_ms is not None:
+        metrics["prompt_ms"] = result.metrics.prompt_ms
+    if result.metrics.llm_ms is not None:
+        metrics["llm_ms"] = result.metrics.llm_ms
+    if result.metrics.overall_ms is not None:
+        metrics["overall_ms"] = result.metrics.overall_ms
+    if metrics:
+        detail["metrics"] = metrics
+
+    extra_sections: List[Dict[str, str]] = []
+    if result.selected_expression_ids:
+        extra_sections.append({
+            "title": "已选表达方式",
+            "content": ", ".join(str(item) for item in result.selected_expression_ids),
+        })
+    if result.metrics.stage_logs:
+        extra_sections.append({
+            "title": "阶段日志",
+            "content": "\n".join(result.metrics.stage_logs),
+        })
+    if result.error_message.strip():
+        extra_sections.append({
+            "title": "错误信息",
+            "content": result.error_message.strip(),
+        })
+    if extra_sections:
+        detail["extra_sections"] = extra_sections
+
+    return detail
 
 
 __all__ = [
     "GenerationMetrics",
     "LLMCompletionResult",
     "ReplyGenerationResult",
+    "build_reply_monitor_detail",
 ]