Version: 0.9.25.dev.260417

后端：
1. AIHub 模型分级从 Worker/Strategist 两级重构为 Lite/Pro/Max 三级
- AIHub 结构体从 Worker + Strategist 改为 Lite + Pro + Max，分别对应轻量（标题生成）、标准（Chat 路由/闲聊/交付总结）、高能力（Plan 规划/Execute ReAct）三个能力层级
- config.example.yaml 新增 liteModel / proModel / maxModel 三个模型配置项，替代原 workerModel / strategistModel
- 启动层 InitEino 改为创建三个独立模型实例，抽取公共 baseURL 和 apiKey 减少重复
- pickChatModel 统一返回 Pro 模型，旧 strategist 参数不再生效；pickTitleModel 从 Worker 切到 Lite
- runNewAgentGraph 按 Plan/Execute→Max、Chat/Deliver→Pro 分级注入；Graph 出错回退也切到 Pro
- Memory 模块初始化从 Worker 改为 Pro
2. Plan 节点从"两阶段评估"简化为"单轮深度规划"，thinking 开关改为全配置化
- 移除 Phase 1（快速评估 1600 token）+ Phase 2（深度规划 3200 token）的两轮调用逻辑，改为单轮不限 token 深度规划
- PlanDecision 移除 need_thinking 字段，prompt 规则和 JSON contract 同步删除该字段
- 各节点（Plan / Execute / Deliver）thinking 开关从硬编码改为从 AgentGraphDeps 读取，由 config.yaml 的 agent.thinking 段按节点注入
- 新增 agent.thinking 配置段（plan / execute / deliver / memory 四个独立布尔开关），config.example.yaml 补齐默认值
- 新增 resolveThinkingMode 公共函数，plan / execute / deliver 和 memory 决策/抽取链路统一使用
3. Memory 模块 LLM 调用支持 thinking 开关
- Config 新增 LLMThinking 字段，config_loader 从 agent.thinking.memory 读取
- LLMDecisionOrchestrator.Compare 和 LLMWriteOrchestrator.ExtractFacts 的 thinking 模式从硬编码 Disabled 改为读取配置
前端：
1. 移除助手输入区模型选择器及全部偏好持久化逻辑
- 删除 ModelType 类型、selectedModel ref、MODEL_PREFERENCE_STORAGE_KEY 常量
- 删除 isModelType / loadModelPreferenceMap / persistModelPreferenceMap / savePreferredModel / resolvePreferredModel / applyPreferredModelForConversation 六个函数及 modelPreferenceMap ref
- 删除 selectedModel watch 监听、发送消息时的 savePreferredModel 调用、切会话时的 applyPreferredModelForConversation 调用、会话迁移时的模型偏好迁移
- fetchChatStream 的 model 参数硬编码为 'worker'
- 删除模板中"模型"下拉选择器（标准/策略）及对应的全局样式 .assistant-model-select-panel
2. 上下文窗口指示器简化为仅显示总占用
- ContextWindowMeter 移除 msg0~msg3 四段彩色分段逻辑（ContextSegment 接口、segments computed、v-for 渲染）
- 进度条改为单一蓝色条，按 total/budget 比例填充；超预算时变红
- Tooltip 简化为仅显示"总计 X / 预算 Y（Z%）"

仓库：无

backend/inits/eino.go

@@ -8,32 +8,53 @@ import (
 	"github.com/spf13/viper"
 )
 
-// AIHub 存储不同能力的模型实例
+// AIHub 存储三级模型的实例，按能力分级调度。
+//
+// 分级策略：
+// 1. Lite：轻量模型，用于标题生成等低复杂度、低延迟场景；
+// 2. Pro：标准模型，用于 Chat 路由/闲聊/深度回答/Deliver 总结；
+// 3. Max：高能力模型，用于 Plan 规划和 Execute ReAct 等需要深度推理的场景。
 type AIHub struct {
-	Strategist *ark.ChatModel // 智力担当：处理复杂排程逻辑
-	Worker     *ark.ChatModel // 效率担当：处理简单任务、总结
+	Lite *ark.ChatModel // 轻量模型：标题生成等低复杂度任务
+	Pro  *ark.ChatModel // 标准模型：Chat 路由、闲聊、交付总结
+	Max  *ark.ChatModel // 高能力模型：Plan 规划、Execute ReAct
 }
 
 func InitEino() (*AIHub, error) {
 	ctx := context.Background()
-	worker, err := ark.NewChatModel(ctx, &ark.ChatModelConfig{
-		Model:   viper.GetString("agent.workerModel"), // 使用的模型版本
-		BaseURL: viper.GetString("agent.baseURL"),     // Eino API 的基础 URL
-		APIKey:  os.Getenv("ARK_API_KEY"),             // API 密钥
+	baseURL := viper.GetString("agent.baseURL")
+	apiKey := os.Getenv("ARK_API_KEY")
+
+	// 1. Lite 模型：标题生成等低复杂度场景，优先控制成本和延迟。
+	lite, err := ark.NewChatModel(ctx, &ark.ChatModelConfig{
+		Model:   viper.GetString("agent.liteModel"),
+		BaseURL: baseURL,
+		APIKey:  apiKey,
 	})
 	if err != nil {
 		return nil, err
 	}
-	strategist, err := ark.NewChatModel(ctx, &ark.ChatModelConfig{
-		Model:   viper.GetString("agent.strategistModel"), // 使用的模型版本
-		BaseURL: viper.GetString("agent.baseURL"),         // Eino API 的基础 URL
-		APIKey:  os.Getenv("ARK_API_KEY"),                 // API 密钥
+	// 2. Pro 模型：Chat 路由/闲聊/交付总结等标准复杂度场景。
+	pro, err := ark.NewChatModel(ctx, &ark.ChatModelConfig{
+		Model:   viper.GetString("agent.proModel"),
+		BaseURL: baseURL,
+		APIKey:  apiKey,
+	})
+	if err != nil {
+		return nil, err
+	}
+	// 3. Max 模型：Plan 规划和 Execute ReAct 等需要深度推理的场景。
+	maxModel, err := ark.NewChatModel(ctx, &ark.ChatModelConfig{
+		Model:   viper.GetString("agent.maxModel"),
+		BaseURL: baseURL,
+		APIKey:  apiKey,
 	})
 	if err != nil {
 		return nil, err
 	}
 	return &AIHub{
-		Strategist: strategist,
-		Worker:     worker,
+		Lite: lite,
+		Pro:  pro,
+		Max:  maxModel,
 	}, nil
 }