Provider 余额与回复统计

Android 的 LLM 配置页面会在进入页面、修改 URL 或密钥后自动查询余额 （600 毫秒防抖），页面打开期间每 60 秒刷新。切换 provider 时立即清除上一个 账户的余额。当前支持 DeepSeek、Moonshot 国内站和 OpenRouter；OpenRouter 使用已购额度减去已消费额度，且需要管理密钥。其他地址显示不支持。 缺少密钥、密钥无效、权限不足和临时查询失败分别提示，未知余额不会显示成零。

POST /api/provider/balance 接收 base_url 和可选 api_key，需要网关认证。 省略密钥时仅复用相同 Base URL 的已保存密钥；显式传入空字符串不会复用。 余额请求只发送到已识别的官方 HTTPS 端点，不返回凭据或上游错误正文。 响应使用 Cache-Control: no-store。

在 Android 设置中开启 Debug 查询，新回复下方会显示统计。WebSocket 的 done 事件及会话历史包含可选 metrics 对象；SQLite 单独保存统计，不将其 发送回模型上下文。关闭 debug 后隐藏统计，新回复也不再记录。历史消息没有 记录过的统计不进行补算。

• input_tokens、cached_input_tokens：最近一次模型请求的真实用量，不再把工具 循环中的多次 input 相加。这样它表示当前实际发送给 Provider 的这一份 prompt。
• output_tokens：本轮所有模型调用的真实输出用量总和，包括工具循环。 Gemini 的输出计入已上报的思考 token。
• Anthropic 和 Bedrock 的输入总量会合并未缓存输入、缓存写入与缓存读取。
• cache_hit_ratio：最近一次请求的缓存读取 token / 最近一次请求 input token， 范围为 [0, 1]。缓存写入不算命中。
• output_tokens_per_second：输出总量 / 各模型调用的流式生成时长之和。 每次调用从第一个正文、思考或工具生成事件计时，至流结束；不包含首 token 等待和工具执行。该值受网络缓冲影响。非流式调用无法分离生成时间，因此 包含此类调用的回复显示速度未提供。
• elapsed_ms：Agent 整轮处理耗时，包括准备、模型等待与工具执行；不含客户端 传输、Agent 开始前的排队，以及后台标题生成或学习。

缺失数据显示 未提供。最近一次请求缺少 input 或 cache 字段时，对应字段显示未知； 任一次模型调用缺少 output 时，整轮 output 总量显示未知，避免将部分统计当作完整统计。 不以 prompt 估算值代替真实用量。

官方字段依据见英文文档中的链接。

请求前缀与 Debug

工具注册表按名称排序，系统提示与原生 tools 使用同一顺序。原生模式只在 tools 字段提交完整 schema，XML 模式仍在系统提示中提供工具说明。技能目录只展示有长度上限的首句用途摘要，完整规则必须用 Skill 工具加载。

Debug 的 estimated_tokens 在请求发出前是最近一次模型调用的完整 input 估算，包含原生 工具定义；Provider 返回后会用本次真实 input 回写同一张 Debug 卡。estimated_tool_tokens 作为工具定义明细单独展示。若已有上一次 Provider 的真实 input，下一次请求前的估算会以 它为基准，再按 prompt 内容变化量校准。消息快照去掉重复的内部 stable_prefix 字段。 估算不用于计算命中率；回复底部的 input/cache 是最近一次请求，output 和输出速度仍覆盖 整轮工具循环。