feat(models,devin-acp): add swe-2 + route Devin Local-only models through ACP - #266

评审：方向有价值，但这一版不能合。 你自己也说了只跑了 3 个测试文件 —— 我跑了全量，它新增了 1 条失败；而且那条失败背后是一个真实的行为变更，不是等价重写。下面 6 条都能单独验，改完仍然欢迎。

head 4889dfc，worktree 隔离。下表是相对当时的 origin/master = e725c7d 量的；master 之后前进了（5ec9194，含我自己的修复），合并前我会按那时的 master 再跑一遍全量。

一条你该知道的：本仓库 CI 上逐文件的测试数量会在两次全绿之间漂移（同一份代码、两次 run 都绿，而 test/openai-error-vocab.test.js 一次 pass 47、一次 pass 39）。所以我下面只把"哪几条失败"当证据，不把总数当证据 —— 你那条"新增 1 条失败"的判据不受影响，因为它是失败不是计数。

M1（阻塞）— api_server_url 从"没有就不发"改成"没有就发公共端点"

失败的就是这条：

test/devin-acp-integration.test.js:186
  "omits api_server_url from the authenticate frame when the pool account has none"

master : 12/12 绿
+ 你的改动: 红 —— 实得 'KEY=key-only|SERVER=https://server.codeium.com|...'

你把 ...(apiServerUrl ? { api_server_url: apiServerUrl } : {}) 改成了无条件
api_server_url: apiServerUrl || 'https://server.codeium.com'。

这不只是让一条测试红了：它把"账号没有记录自定义 server"的部署从"不声明"改成"声明成公共端点"。那是行为变更，得由证据支撑（哪次实测证明不发这个字段会过不了 authenticate？），而不是为了避免一次 403 顺手加上。要么保留原不变式，要么按 mode 分支，别改默认值。

M2（设计）— 新增的 devin_local_only 分支对 swe-2* 是死代码

分支插在 isSpecialAgentInfo 之后（backend-router.js:138 附近），但你给 swe-2* 在 models.js 里写了 backend: 'special_agent'，而那一支在 :120-126 先短路返回。实测 reason 永远是 modelInfo.backend=special_agent，走不到你的新分支。

你的测试为什么是绿的：它传的是没有 backend 字段的裸对象 { name: 'swe-2-medium', modelUid: 'swe-2-medium' } —— 那个形状在生产里不存在。断言了一条走不到的路径。

M3（可达性）— DEVIN_CONNECT=1 时整条分支不可达，而同一个 PR 又把 swe-2* 塞进 Connect 白名单

docker-compose.yml:37 的 DEVIN_CONNECT 默认就是 1，selectBackend 顶部先返回 devin_connect ⇒ 你新增的 devin_local_only 分支在默认部署下永远不执行。

同时你又把 swe-2-medium/high/max 加进了 src/data/devin-catalog-snapshot.json（DEVIN_CONNECT 的白名单）。两件事放在一起是矛盾的：要么走 Connect（那 ACP 分支是多余的），要么走 ACP（那不该往 Connect 白名单里加）。请说明目标部署是哪一个，我按那个来定。

M4（写错了）— 标题说 ACP，默认走的是 print；标注 --model 也是重复的

devinCliMode() 只在 DEVIN_CLI_MODE === 'acp' 时回 DEVIN_ACP，否则回 DEVIN_PRINT；而 print 对带 tools 的请求直接 400 unsupported_tool_boundary。你在描述里的实测是 DEVIN_CLI_ENABLED=1（没写 mode），也就是默认落在了 print 上。

另外 devin-acp.js 里同时设了 env.DEVIN_MODEL = modelKey 和 args.push('--model', modelKey) —— 二选一即可，两份都发将来会打架。

M5（请收紧）— 正则没有锚定，会劫持别的模型名

/gpt-5[.-]6/ 与 /swe-2(?:[.-]|$)/ 会命中 gpt-5.60、swe-2-0、swe-2.5、swe-2-pro。

同一个 PR 里 tool-emulation.js 的 swe-2 正则却是锚定的（/^swe-2(?:-(medium|high|max))?$/）—— 两处标准不一致。仓库里有一条现成的教训：93ae320 修的就是"glm-5-2 这个拼法两个前缀测试都不中、落到错的方言"，症状是模型只回文本、不发工具调用、客户端一直等。请把两处都锚成只认观测到的 SKU。

M6（请改成显式 opt-in）— 两个"默认放行"的味道

1. DEVIN_PERMISSION_MODE=auto 兜底：if (!env.DEVIN_PERMISSION_MODE) env.DEVIN_PERMISSION_MODE = 'auto' —— 这是对所有 ACP 用户默认自动放行。你的 checklist 勾的是"新开关默认关"，实际相反。
2. clientInfo.name 默认 windsurf：你自己的提交历史是 f647810「不要冒充 Devin Desktop 的 client name」→ 4889dfc「默认冒充、可 env 覆盖」，两分钟内反转。这个仓库对"对外自称是谁"是有立场的（handlers/identity-neutralize.js 那一族、[Bug] Grok CLI "You are Grok ... released by xAI" self-ID 触发 Devin content policy (permission_denied) #223 Grok 自述触发上游 content policy），默认冒充需要维护者点名，不能由 PR 顺手改。

顺带：test/default-on-switch-registry.test.js 只扫 DEVIN_CONNECT_ / WINDSURFAPI_ / CASCADE_ 三个前缀，所以 DEVIN_PERMISSION_MODE 这个"默认开"逃过了台账。这条是我们的洞，我会单独修，但你这边要把它变成显式 opt-in。

你做对的部分（我独立证实过）

• swe-2-medium/high/max 的 credit 6 / 9 / 12 是准确的。 我拉了 https://docs.devin.ai/desktop/models.md（HTTP 200），TEAMS_TIER_ENTERPRISE_SAAS 段确实有这三行，credit_multiplier 逐字相符，$0.75 / $3.75 per 1M。这条不是编的。
• "上游对 gpt-5.6 回 403 This model is only in Devin Local"这个观察有价值* —— 如果成立，它解释了为什么这一族只能走本机。
• "ACP initialize 的 clientInfo / authenticate 要带 api_server_url 才能过 team settings" —— 这个观察也重要，问题只在于你把它实现成了改默认值，而不是一个显式开关。

一条我要你补依据的：pickToolDialect('swe-2*') === 'kimi_k2' 的理由写的是"SWE-2 是 Kimi K3 post-train"。官方 modelCostData 里 Kimi K3 是独立的一行（provider MODEL_PROVIDER_MOONSHOT，kimi-k3-{low,high,max}，credit 4/6/9），而本仓库全树 grep kimi-k3 0 命中。所以这个方言判断目前没有来源。要么给出你的实测（一段 swe-2 的真实工具调用原始输出就够），要么先降级成 openai_json_xml（仓库里 test/tool-emulation.test.js:242 现在就是这么断言的）。

下一步

M1 是硬失败，先修。M2–M6 都是可以一轮改完的。改完 ping 我，我重跑全量 + 对抗验证。

最后说清一件事：SWE-2 这件事本身值得做，我这次的结论是**"这一版不能合"，不是"这件事不做"**。你先把 M1/M2 的可达性理清，我们再谈怎么落地。

改完了，head 9bfaa8ab7，已 rebase 到当前 origin/master。

按你列的逐条：

M1 — 恢复 ...(apiServerUrl ? { api_server_url: apiServerUrl } : {})。账号没记 server 时不再声明公共端点。test/devin-acp-integration.test.js 在 --import ./test/setup-env.mjs 下 12/12。

M2 — swe-2* 只走 backend: 'special_agent'（和 swe-1.6 同一条短路）。devin_local_only 不再匹配 swe-2。测试改成生产形状 { backend: 'special_agent', name, modelUid }，断言 reason === 'modelInfo.backend=special_agent'。

M3 — 两个部署面共用 catalog id，不抢一条路径：

• DEVIN_CONNECT=1（compose 默认）：snapshot 白名单，selectBackend 仍是 devin_connect；ACP 分支故意不跑。
• DEVIN_CONNECT 关 + 打开 CLI：swe-2* 走 special_agent。测试钉了 DEVIN_CONNECT=1 赢过 special_agent。

M4 — 只发 devin acp --model，不再同时写 DEVIN_MODEL。DEVIN_CLI_ENABLED=1 且 mode 不是 acp 时走 print（有测试）。本机实测当时 .env 里有 DEVIN_CLI_MODE=acp，描述漏写了。

M5 — gpt-5.6 正则改成锚定 SKU：luna|sol|terra + 已观测的 effort / -priority。gpt-5.60 不再命中。

M6 — 去掉 DEVIN_PERMISSION_MODE=auto 兜底。clientInfo.name 默认回 WindsurfAPI；要 Desktop 兼容再显式设 DEVIN_ACP_CLIENT_NAME=windsurf。

方言：swe-2* 先保持 openai_json_xml。没有 swe-2 的 live tool-call 原文，不把 Kimi K3 post-train 当 kimi_k2 的依据。

本机（Node 22.23.2）：

node --import ./test/setup-env.mjs --test --test-force-exit \
  test/devin-acp-integration.test.js \
  test/backend-router.test.js \
  test/tool-emulation.test.js \
  test/devin-connect-catalog-drift.test.js

exit 0。请再跑全量。

复审：M1–M6 我逐条驱动验过，没有一条是"diff 看起来像修好了"，全部真修好了。当前形态我判"可合，带两条小项"。

head 9bfaa8ab744a8194bf87f785209e32fc3ed33745 —— 我核了 ref：gh/git ls-remote refs/pull/266/head 给出的就是这一串，与你写的 9bfaa8ab7 逐字节相同。它在 origin/master = 2265f59 上只多 1 个提交（0 1），改动面正好是 7 个文件 / +119 −2，没有夹带 package.json、scripts/、.github/。

★ 先说一件和你这次改动无关、但直接影响你上一轮证据的事

--test-force-exit 今天从本仓库移除了，调用点 package.json、scripts/run-test-shard.mjs、scripts/mutate-verify.mjs（提交 939872b，test: drop --test-force-exit, which silently ends runs early and still exits 0）。你回复里的命令仍然是：

node --import ./test/setup-env.mjs --test --test-force-exit test/...

而且这不怪你：.github/PULL_REQUEST_TEMPLATE.md:24 当时写的正是这条命令 —— 模板是给外部作者的第一手指示，比 CONTRIBUTING 更显眼，你照它抄是对的。这条我们已经改了（8e1977d：docs(pr-template): stop handing contributors --test-force-exit），所以现在从模板里复制出来的命令不会再有那个 flag。这个疏漏在我们这边，不在你。所以下面的意思是**"绿色不再是证据"，不是在说你乱跑测试。** 它的真实行为是：在 Linux runner 上跑完一部分 suite 就让进程退出，而且仍然 exit 0。同一份字节、逐轮交错跑同一个文件：带 flag 得到 34 x2, 36, 40, 41, 42, 48, 50, 72 x2（8 个不同值），不带 flag 72 x10（完全稳定）。被截断的那一轮写出的是自洽完整、退出码 0 的 TAP（1..3 / # tests 40），而文件实际有 11 个 suite / 72 个测试。所以"带这个 flag 的全绿"不构成证据：它可能只跑了半个文件。请把你的本地命令里的 --test-force-exit 去掉再跑 —— 我这边去掉它重跑你点名的 4 个文件，是 349 tests / 349 pass / 0 fail（见下表），结论不变，只是证据站得住了。

我驱动了什么（全部在 worktree .claude/worktrees/pr266-recheck 里跑）

M1（阻塞项）— 已修，我拿到了帧本身

api_server_url 只有账号真有才发：

...(apiServerUrl ? { api_server_url: apiServerUrl } : {}) 已经在 src/devin-acp.js:556，不再无条件声明公共端点。test/devin-acp-integration.test.js 12/12，含那条 omits api_server_url ...（SERVER=|）。我按你上一条 review 记的量复现了：master 上 12/12 绿、旧实现（|| 'https://server.codeium.com'）会红。这条我判 fixed，而且是帧级证据，不是读代码。

M2（设计）— 已修，我用生产形状驱动了

devin_local_only 现在碰不到 swe-2*，走的是既有的 backend === 'special_agent' 短路：

swe-2 / swe-2-medium / swe-2-high / swe-2-max / swe-2.0 / swe-2-0 / swe2
  backend=special_agent  -> reason=modelInfo.backend=special_agent

真 handler 上也一样：handleChatCompletions({model:'swe-2-medium'})，CLI 关闭时拿到
503 backend_unavailable（= 确实进了 special-agent 流，而不是 Cascade/legacy）。旧测试那种
裸对象 {name, modelUid}（backend 字段缺失） 的形状我单独驱动过：它走不到你的新分支（devin_local_only 只接受 gpt-5.6 luna/sol/terra 那族名字），所以在生产形状下才会落到 modelInfo.backend=special_agent —— 你的新测试现在钉的正是生产形状，这点改对了。

M3（可达性）— 已修，两个面各自可验证、互不抢路

resolveConnectSelector 里 swe-2 / swe-2.0 / swe-2-medium/high/max → mapped:true，快照 _count 120→123 与新增 3 行一致（devin-connect-catalog-drift.test.js 有一条"快照行数 == _count"的断言，绿）。另外我确认了：swe-2* 在 Cascade 面不会被 /v1/models 广告出来（与 swe-1.6 同族行为），所以没有"列出来但调不动"的新裂缝。M3 的"两个部署面共用 catalog id、不抢一条路径"这个回答我接受。

M4（写错了）— 已修

• --model 单通道：子进程 env 里不再有 DEVIN_MODEL（全仓 git grep DEVIN_MODEL 只剩那条注释）；--model 参数仍在（master 本来就有）。
• 默认仍是 print：CLI 开、DEVIN_CLI_MODE 不写时 → devin-print。我按你 review 里那条"print 对带 tools 的请求直接 400"驱动了真 handler：status=400 type=unsupported_tool_boundary，逐字对上。"描述漏写了 .env 里的 DEVIN_CLI_MODE=acp"这个解释成立，而且现在有测试钉住 print/acp 两条分支。

M5（正则）— 已修，锚住了，我拿"会被劫持的那几个名字"打过

两点补充（都不是反对，是记账）：① swe-2* 全族已被 M2 的短路接管，所以新正则里 swe-2 那半边是按设计不生效的 —— 你自己在注释里也写了；② sol/terra 目前到不了那条分支：chat.js:4039 的 if (!modelInfo) 400 Unsupported model 在 selectBackend 之前，而 MODELS 里只有 gpt-5.6-luna-*。也就是说 luna|sol|terra 里的 sol|terra 现在是给云端 catalog 合并进来的行预留的，本版无法驱动（我如实报"未验证"，不当作缺陷）。

M6（默认放行）— 已修

1. DEVIN_PERMISSION_MODE=auto 兜底整行删除：子进程 env 里 DEVIN_PERMISSION_MODE 不存在（上表实测）。你 checklist 的"新开关默认关"现在与代码一致。
2. clientInfo.name 默认回 WindsurfAPI，冒充改成显式 opt-in DEVIN_ACP_CLIENT_NAME。这与 master 的默认值相同，所以对既有部署是零行为变更，新加的只是一个开关 —— 对 [Bug] Grok CLI "You are Grok ... released by xAI" self-ID 触发 Devin content policy (permission_denied) #223 那一族立场来说这是正确的方向。

方言那条按你说的降级成 openai_json_xml 我也核了：swe-2 / swe-2-medium / swe-2-0 都落在 openai_json_xml，与 test/tool-emulation.test.js:242 的断言一致。没有真实工具调用原文就不写 kimi_k2，这个处理是对的。

新发现（都在"小项"级，不阻塞）

N1 — swe-2 的别名表只加了一半，两个面不一致。 src/models.js:395-400 里你加了
swe-2.0 / swe-2-0 / swe2 / swe-2.0-medium / swe-2.0-high / swe-2.0-max，
但 src/devin-connect-models.js 的 SELECTOR_MAP 只收了 swe-2 / swe-2.0 / swe-2-medium/high/max。实测后果：

这条我在真 handler 上驱动过（DEVIN_CONNECT=1）：swe-2 与 swe-2.0 都走过了 whitelist
（我这边没有 DEVIN_CONNECT token，所以停在 401 no session token，即"名字被接受"），
而 swe-2.0-high 停在

status=400 type=invalid_request_error
message: The model `swe-2.0-high` is not a valid model for this endpoint.

而 resolveModel('swe-2.0-high') 是有结果的（-> swe-2-high）。这一处差异就是 N1 的全部：
同一张 _lookup 里加进来的名字，在 Connect 面上一个能过一个不能过。

两个面的解析表本来就不同（Cascade 面 swe-2.0-high 解析成 swe-2-high，Connect 面不走这条），
93ae320 那条教训的形状就是这个：同一个名字在不同解析器里差异对待。要么把这几条补进
SELECTOR_MAP，要么别把它们写进 _lookup —— 别让它们只在一半面上成立。

N2 — 新开关没进文档，而且它是这个功能唯一的操作者入口。 DEVIN_ACP_CLIENT_NAME
全仓只出现在声明处（src/devin-acp.js:550），.env.example 里没有。这个仓库的
docs-consistency-guard 对开关台账是认真的（test/default-on-switch-registry.test.js
只扫 DEVIN_CONNECT_ / WINDSURFAPI_ / CASCADE_ 三个前缀，所以它逃过了这份台账 ——
和上一轮 DEVIN_PERMISSION_MODE 是同一个盲区）。盲区在我这边，我会单独修，
但麻烦你在 .env.example 的 Devin CLI 段补一行说明，否则没人知道这个开关存在。

N3 — 三条测试形状的记账（不影响结论，但别让它们被当成更强的证据）：
① 负例 gpt-5.60 用的是手写对象 {name:'gpt-5.60', modelUid:'gpt-5-60'} —— 生产里它到不了
selectBackend（chat.js:4039 先 400 了），所以那条其实是纯正则单元测试，不是可达性测试；
② luna|sol|terra 里 sol/terra 本版不可达（同上）；
③ devin_local_only 分支本身没有"非 SKU 名字不被劫持"的断言 —— 只有
swe-2 那一侧钉住了。要补的话，一条断言就够：{name:'gpt-5.60', modelUid:'gpt-5-60'} 且
CLI 打开时 flow === 'legacy'（我在真机器上量到的就是这个结果）。

下一步

没有阻塞项了，可以进合并流程。 建议顺序：

1. N1 在本 PR 里顺手收掉（补 SELECTOR_MAP 或撤掉多余的 _lookup 行，二选一，别留半张表）——
   这是我唯一希望在本 PR 里改的东西，因为它是你这轮新引入的不一致。
2. N2 补 .env.example 一行；N3 可选。
3. 你改完 ping 我，我会按那时的 origin/master 重跑全量 + 这轮同一套驱动，再走
   branch → git merge --ff-only → push。合并时按惯例更新 src/dashboard/data/contributors.json。

再说一次结论的边界：我判"可合"针对的是这 7 个文件、这个 head。swe-2-medium/high/max
在 DEVIN_CONNECT 面上的真实可达性、以及 devin acp --model <key> 对这些 key 的接受度，
我在这台机器上没有 Devin CLI、也没有 live 账号，没有验证，也不假装验证过：
credits 6/9/12 我沿用你引的 docs.devin.ai 数字，没有再拉一次。如果这两条里有哪条后来被证伪，
那不是小项，是要重新判的。