feat: 增加 GCP Vertex AI 企业级接口支持与向导页 UI/UX 优化

.env.example

@@ -29,6 +29,16 @@ EMBEDDING_MODEL_PATH=./.models/bge-small-zh-v1.5
 # GPU acceleration for local model (true/false)
 EMBEDDING_USE_GPU=true
 
+# ── GCP Vertex AI 企业级配置 ──
+# [重要] 1. 项目 ID 必须与你的 ADC 凭据关联的项目一致
+# [重要] 2. 建议区域设为 global，以获得预览版模型 (如 3.1 Flash) 的最佳兼容性
+GOOGLE_CLOUD_PROJECT=
+GOOGLE_CLOUD_LOCATION=global
+GOOGLE_CLOUD_API_KEY=
+# 核心认证路径：执行 gcloud auth application-default login 后生成的 JSON 路径
+GOOGLE_APPLICATION_CREDENTIALS=
+GOOGLE_GENAI_USE_VERTEXAI=true
+
 # ── Vector Store Configuration ──
 VECTOR_STORE_TYPE=chromadb
 

.gitignore

@@ -6,6 +6,8 @@
 .env
 .env.*
 !.env.example
+README-LOCAL.md
+README_local.md
 
 # ── Python ──
 __pycache__/
@@ -92,6 +94,10 @@ data/llm_configs.json
 # ── 日志 ──
 logs/
 
+# ── 本地大模型与助手沙盒 ──
+models/
+scratch/
+
 # ── PyInstaller 打包产物（根目录） ──
 plotpilot.spec
 plotpilot.lock
@@ -110,6 +116,7 @@ base_library.zip
 # ── 内嵌 Python（保留 zip 原始包，解压目录不入库） ──
 /tools/python_embed/
 /tools/plotpilot/
+/tools/aitext/
 # tools/python-*.zip       # ← 保留！Python embed 原始包（~15MB），入库供用户直接用
 
 # ── 临时 / 无关文件 ──

application/ai/llm_control_service.py

@@ -17,7 +17,7 @@
 
 logger = logging.getLogger(__name__)
 
-LLMProtocol = Literal['openai', 'anthropic', 'gemini']
+LLMProtocol = Literal['openai', 'anthropic', 'gemini', 'vertex-ai']
 
 
 class LLMPreset(BaseModel):
@@ -257,6 +257,15 @@ def get_presets(self) -> List[LLMPreset]:
                 description='方舟 OpenAI-compatible 接口；模型名以方舟控制台 Endpoint 为准。',
                 tags=['domestic', 'preset'],
             ),
+            LLMPreset(
+                key='vertex-ai-official',
+                label='Vertex AI / Google Cloud 官方',
+                protocol='vertex-ai',
+                default_base_url='',
+                default_model='gemini-1.5-flash',
+                description='GCP Vertex AI 企业版接口。需配置 GOOGLE_APPLICATION_CREDENTIALS 或通过 extra_body 传 project_id。',
+                tags=['official', 'enterprise'],
+            ),
         ]
 
     def get_preset_map(self) -> Dict[str, LLMPreset]:
@@ -524,6 +533,14 @@ def _build_initial_config(self) -> LLMControlConfig:
                 base_url='https://generativelanguage.googleapis.com/v1beta',
                 model='',
             ),
+            LLMProfile(
+                id='vertex-ai-official-default',
+                name='Vertex AI / GCP',
+                preset_key='vertex-ai-official',
+                protocol='vertex-ai',
+                base_url='',
+                model='gemini-1.5-flash',
+            ),
         ]
         active_profile_id = profiles[0].id
 
@@ -566,5 +583,14 @@ def _build_initial_config(self) -> LLMControlConfig:
                 'model': (os.getenv('ARK_MODEL') or '').strip(),
             })
             active_profile_id = profiles[0].id
+        elif os.getenv('GCP_PROJECT_ID') or os.getenv('GOOGLE_APPLICATION_CREDENTIALS'):
+            profiles[3] = profiles[3].model_copy(update={
+                'model': (os.getenv('GCP_MODEL') or '').strip() or profiles[3].model,
+                'extra_body': {
+                    'project_id': (os.getenv('GCP_PROJECT_ID') or '').strip(),
+                    'region': (os.getenv('GCP_REGION') or '').strip() or 'us-central1'
+                }
+            })
+            active_profile_id = profiles[3].id
 
         return LLMControlConfig(version=1, active_profile_id=active_profile_id, profiles=profiles)

application/analyst/services/state_extractor.py

@@ -8,7 +8,9 @@
     chapter_state_payload_to_domain,
     empty_chapter_state,
     parse_chapter_state_llm_response,
+    ChapterStateLlmPayload,
 )
+from application.ai.structured_json_pipeline import structured_json_generate
 
 logger = logging.getLogger(__name__)
 
@@ -37,23 +39,24 @@ async def extract_chapter_state(self, content: str) -> ChapterState:
         system_prompt, user_prompt = self._build_extraction_prompt(content)
         prompt = Prompt(system=system_prompt, user=user_prompt)
 
-        # 配置 LLM
+        # 配置 LLM 并强制指定 JSON schema
         config = GenerationConfig(
             model=os.getenv("WRITING_MODEL", ""),
             max_tokens=4096,
-            temperature=0.3
+            temperature=0.3,
+            response_format=ChapterStateLlmPayload,
         )
 
-        # 调用 LLM 生成
-        result = await self.llm_service.generate(prompt=prompt, config=config)
-        raw_response = result.content
-        logger.debug(f"StateExtractor LLM raw response (first 500 chars): {raw_response[:500]}")
+        payload = await structured_json_generate(
+            llm=self.llm_service,
+            prompt=prompt,
+            config=config,
+            schema_model=ChapterStateLlmPayload,
+        )
 
-        payload, errors = parse_chapter_state_llm_response(raw_response)
         if payload is None:
             logger.warning(
-                "StateExtractor: LLM 输出未通过契约校验: %s",
-                "; ".join(errors) if errors else "unknown",
+                "StateExtractor: LLM 输出结构化生成失败，返回安全空值。"
             )
             chapter_state = empty_chapter_state()
         else: