chore(align): sync Git with running container as authoritative source

One-time alignment to close drift between the running container
(qihu-aiflow / image qihuaiflow:with-deps) and this Git repository.
Container hotfixes previously persisted only via `docker commit` are now
captured in Git so Git becomes the single source of truth.

Backend:
- chat_service.py: accumulated fixes incl. EigenFlux README guidance
- chat_context.py / chat_media.py: URL/web-repo context injection
- api/url_reader.py: NEW SSRF-safe web/README reader (Issue #725)
- skills_admin.py & Skills.tsx: 14-scene capability unification
- pgvector_search.py, orchestrator.py, platform_knowledge.py,
  market.py, admin/models.py: drift sync

Frontend:
- ChatPage.tsx: collapsible AI think/act block (Issue #724)
- MarketPage / EvolutionDashboard / TokenDashboard styling sync

Migrations:
- 018_normalize_marketapp_scene.sql: fixed capability allowlist
  (prevents capability wipe on restart)

Alignment performed 2026-07-23 22:42:43. No deletions; secrets/venv/node_modules/
caches were not touched (tracked-source-only copy).

backend/python/app/api/im_llm.py

@@ -4,13 +4,16 @@ IM Bot 真实 LLM 调用。
 原实现位于 channels.py（通用频道管理模块），该模块已移除。
 为保持 IM Bot（微信机器人等）正常生成回复，将 _call_real_llm 迁移至此独立模块。
 
-行为（对齐 AI 聊天）：
+行为（对齐 AI 聊天 — 2026-07-23 同步至最新）：
 - Issue 7：图像/视频/语音意图优先走平台媒体模型（与 AI 聊天同一套 Auto 路由），
   不再对"制作图片"这类请求只回文本。
 - Issue 8：默认 Auto 模型；每轮先自动发现本账号已安装且平台已部署的技能，
   多个适用时由模型自行判断选 1 个最优，通过 function calling 执行。
 - 2026-07-15：修复 trust_env=False + proxy 处理，避免容器坏代理导致调用失败；
   媒体生成前先经 _optimize_media_prompt 精炼提示词，提升 AGNES 生成质量。
+- 2026-07-23：对齐 Web Chat 最新能力：
+  * 模型 failover（Auto 模式自动切换备选模型）
+  * 平台知识库注入（get_platform_knowledge，技能清单实时同步）
 """
 import asyncio
 import json
@@ -83,7 +86,7 @@ def _run_async(coro, timeout=None):
 def _log_media_usage(db: Session, user_id: str, ai_model, media_type: str, prompt: str):
     """IM Bot 媒体生成记账：把图片/视频消耗写入 TokenUsageLog，供驾驶舱统计。
 
-    此前 IM Bot 路径完全不写 TokenUsageLog，导致微信生成的图片/视频在驾驶舱里“查无此项”。
+    此前 IM Bot 路径完全不写 TokenUsageLog，导致微信生成的图片/视频在驾驶舱里"查无此项"。
     媒体 API 不返回 token 用量，这里用与 chat.py _generate_media_task 一致的估算。
     """
     if not user_id or not ai_model:
@@ -112,7 +115,7 @@ def _log_media_usage(db: Session, user_id: str, ai_model, media_type: str, promp
 
 
 def _call_real_llm(db: Session, user=None, prompt: str = "", platform: str = "im", user_id: str = None) -> "str | dict":
-    """调用七虎AI 生成回复，供 IM Bot 复用。支持媒体意图路由与已安装技能自动发现。"""
+    """调用七虎AI 生成回复，供 IM Bot 复用。支持媒体意图路由、已安装技能自动发现、模型 failover。"""
     try:
         from app.api.chat import (
             _generate_media,
@@ -151,19 +154,23 @@ def _call_real_llm(db: Session, user=None, prompt: str = "", platform: str = "im
                         return s
                     return "（媒体生成未能返回有效内容，请重试）"
 
-        # ===== 2) 文本回复 + 技能自动发现（Issue 8）=====
+        # ===== 2) 文本回复：模型 failover + 技能自动发现 + 平台知识库注入 =====
-        ai_model = resolve_auto_model("text", db)
+        from ..platform_knowledge import get_platform_knowledge
-        if not ai_model:
-            return "（未配置默认文本模型，无法生成回复）"
-        provider = db.query(ModelProvider).filter(ModelProvider.id == ai_model.provider_id).first()
-        api_key = ai_model.api_key or (provider.api_key if provider else None)
-        api_url = ai_model.endpoint
-        if not api_url and provider and provider.api_base_url:
-            api_url = f"{provider.api_base_url.rstrip('/')}/v1/chat/completions"
-        if not (api_key and api_url):
-            return "（模型未配置 API Key 或地址，无法生成回复）"
 
-        # 自动发现本账号已安装且平台已部署的技能
+        # 构建候选模型列表（对齐 Web Chat failover）
+        ai_model = resolve_auto_model("text", db)
+        _try_models = [ai_model] if (ai_model and ai_model.is_enabled) else []
+        # Auto 模式附加备选（IM Bot 始终 Auto）
+        _fallbacks = db.query(AIModel).filter(
+            AIModel.is_enabled == True,
+            AIModel.id != (ai_model.id if ai_model else ""),
+        ).order_by(AIModel.is_default.desc()).limit(4).all()
+        _try_models.extend([m for m in _fallbacks if m not in _try_models])
+
+        if not _try_models:
+            return "（未配置可用文本模型，无法生成回复）"
+
+        # 技能自动发现（提前执行一次，不必每个候选模型重复做）
         skills = []
         if user_id:
             try:
@@ -171,10 +178,33 @@ def _call_real_llm(db: Session, user=None, prompt: str = "", platform: str = "im
             except Exception:
                 skills = []
 
+        # 平台知识库注入（对齐 Web Chat——微信用户提问"平台有哪些技能"也能得到完整清单）
+        kb_context = ""
+        try:
+            pk = get_platform_knowledge(db=db)
+            if pk:
+                kb_context = f"【平台知识库——优先使用以下知识回答用户问题】\n{pk}"
+        except Exception:
+            pass
+
+        # 尝试每个候选模型
+        _retry_log = []
+        for _try_model in _try_models:
+            ai_model = _try_model
+
+            provider = db.query(ModelProvider).filter(ModelProvider.id == ai_model.provider_id).first()
+            api_key = ai_model.api_key or (provider.api_key if provider else None)
+            api_url = ai_model.endpoint
+            if not api_url and provider and provider.api_base_url:
+                api_url = f"{provider.api_base_url.rstrip('/')}/v1/chat/completions"
+            if not (api_key and api_url):
+                _retry_log.append(f"{ai_model.name}: 缺少密钥或端点")
+                continue
+
             system_prompt, function_definitions = _build_system_prompt(
                 skills=skills,
                 agents=[],
-            kb_context="",
+                kb_context=kb_context,
                 user_content=prompt,
                 mcp=[],
                 auto_discovered=bool(skills),
@@ -184,9 +214,12 @@ def _call_real_llm(db: Session, user=None, prompt: str = "", platform: str = "im
                 {"role": "user", "content": prompt},
             ]
 
+            # 尝试调用
+            try:
                 max_rounds = 3
                 ai_content = ""
-        for _ in range(max_rounds):
+                _http_ok = True
+                for round_num in range(max_rounds):
                     request_body = {"model": ai_model.name, "messages": messages, "max_tokens": 2048}
                     if function_definitions and skills:
                         request_body["tools"] = [
@@ -204,7 +237,9 @@ def _call_real_llm(db: Session, user=None, prompt: str = "", platform: str = "im
                             json=request_body,
                         )
                         if resp.status_code != 200:
-                    return f"（AI 模型调用失败 HTTP {resp.status_code}）"
+                            _retry_log.append(f"{ai_model.name}: HTTP {resp.status_code}")
+                            _http_ok = False
+                            break
                         data = resp.json()
                         message = data.get("choices", [{}])[0].get("message", {})
                         tool_calls = message.get("tool_calls", [])
@@ -229,6 +264,20 @@ def _call_real_llm(db: Session, user=None, prompt: str = "", platform: str = "im
                             continue
                         ai_content = message.get("content", "")
                         break
+
+                # 检查本轮调用是否成功
+                if _http_ok and ai_content:
                     return ai_content or "（AI 回复为空）"
+                # 本轮失败：记录日志，切换备选
+                logger.warning(f"[im_llm] 模型 {ai_model.name} 失败，切换备选...")
+                continue
+            except Exception as exc:
+                _retry_log.append(f"{ai_model.name}: {str(exc)[:60]}")
+                logger.warning(f"[im_llm] 模型 {ai_model.name} 异常: {exc}")
+                continue
+
+        # 全部失败
+        _summary = "; ".join(_retry_log[-3:])
+        return f"（已尝试 {len(_try_models)} 个模型均调用失败。最后错误: {_summary}。请稍后重试。）"
     except Exception as e:
         return f"（AI 回复生成失败：{e}）"