Add files via upload

README.md

@@ -190,7 +190,7 @@ HF Spaces не имеет прямого исходящего доступа к
 
 В рамках этого ограничения `_run_streaming_reply` показывает не всё, что уже накоплено, а срез, растущий по оценённой скорости печати конкретной модели (символов/сек, `lumen_typing_pace.py`) — реальному приходу кусков он "верит" только как верхней границе: если текст пришёл медленнее оценённой скорости, показывается всё, что реально есть, без задержки; ограничивает это именно случай, когда бэкенд прислал крупный кусок быстрее, чем "читалось" бы вслух. Если стрим уже полностью получен, а показан ещё не весь (частый случай для бэкендов без честного токен-в-токен стриминга) — короткая фаза "довывода" (несколько правок с паузой `STREAM_TYPING_TICK_SEC`, не больше `STREAM_TYPING_MAX_CATCHUP_TICKS` штук) достраивает видимый текст до полного, гарантированно укладываясь в `STREAM_TYPING_MAX_CATCHUP_TICKS × STREAM_TYPING_TICK_SEC` секунд сверху реального времени ответа.
 
-**Важно — почему это НЕ статическая таблица "N токенов/сек у модели X", и не нужно искать/обновлять такую таблицу вручную:** у бесплатных моделей OpenRouter реальная скорость отдачи текста не является свойством самой модели — OpenRouter маршрутизирует один и тот же `:free` слаг на разных бэкенд-провайдеров в зависимости от текущей загрузки, и разные бэкенды одной модели могут прислать готовый ответ вообще одним куском вместо потока. Опубликованные кем-либо цифры throughput — скользящая медиана за недавнее окно, устаревающая быстрее, чем список живых/мёртвых моделей в `_OR_MODEL_HEALTH`. Вместо таблицы скорость измеряется по факту на каждом стриме и усредняется экспоненциально (EMA) отдельно по каждой паре provider:model_id (`lumen_typing_pace.py`) — **при добавлении, замене или смене бэкенда любой модели ничего вручную обновлять не нужно**, новая модель просто стартует с `DEFAULT_CHARS_PER_SEC` и за первые несколько ответов сама "нащупывает" свою реальную скорость. Состояние EMA живёт только в памяти процесса (не персистентно) — это чисто косметическая оценка, заново калибруется за пару сообщений после каждого рестарта.
+**Важно — почему это НЕ статическая таблица "N токенов/сек у модели X", и не нужно искать/обновлять такую таблицу вручную:** у бесплатных моделей OpenRouter реальная скорость отдачи текста не является свойством самой модели — OpenRouter маршрутизирует один и тот же `:free` слаг на разных бэкенд-провайдеров в зависимости от текущей загрузки, и разные бэкенды одной модели могут прислать готовый ответ вообще одним куском вместо потока. Опубликованные кем-либо цифры throughput — скользящая медиана за недавнее окно, устаревающая быстрее, чем список живых/мёртвых моделей в `_OR_MODEL_HEALTH` (lumen_router_config.py). Вместо таблицы скорость измеряется по факту на каждом стриме и усредняется экспоненциально (EMA) отдельно по каждой паре provider:model_id (`lumen_typing_pace.py`) — **при добавлении, замене или смене бэкенда любой модели ничего вручную обновлять не нужно**, новая модель просто стартует с `DEFAULT_CHARS_PER_SEC` и за первые несколько ответов сама "нащупывает" свою реальную скорость. Состояние EMA живёт только в памяти процесса (не персистентно) — это чисто косметическая оценка, заново калибруется за пару сообщений после каждого рестарта.
 
 Тюнинг (обычно трогать не нужно):
 | Переменная | По умолчанию | Назначение |
@@ -201,6 +201,16 @@ HF Spaces не имеет прямого исходящего доступа к
 
 Границы самой оценки скорости (`DEFAULT_CHARS_PER_SEC`/`MIN_CHARS_PER_SEC`/`MAX_CHARS_PER_SEC`) — константы в начале `lumen_typing_pace.py`, не через env (это параметры алгоритма сглаживания, а не операционная настройка деплоя).
 
+### Ручной smoke-тест перед правками стриминга
+
+Стриминг покрыт только моками (см. "Известные ограничения" ниже) — ни разу не гонялся против настоящих SSE-ответов Gemini/OpenRouter, юнит-тесты этого в принципе не проверяют. Перед мержем правок в `_run_streaming_reply`/`_gemini_stream_pieces`/`_openrouter_stream_pieces`/`lumen_typing_pace.py` вручную прогнать в реальном чате:
+
+1. Короткое сообщение (уместится в одно редактирование) — на Gemini и на OpenRouter отдельно.
+2. Длинное сообщение (> `TG_MAX_LEN`, проверить, что разбивка на несколько сообщений и продолжение работают).
+3. Запрос, где первая (стримящая) модель маршрута заведомо недоступна — проверить тихий откат на нестримленный вызов резервной модели без визуального разрыва.
+
+Не заменяет полноценные интеграционные тесты (для них нет надёжного способа держать в CI боевые бесплатные квоты) — но ловит регрессии, которые моки в `test_bot.py` пропускают по конструкции.
+
 ## Защита от промт-инъекций и утечки провайдера
 
 Бот намеренно скрывает от пользователей, что под капотом Gemini/OpenRouter (см. личность Lumen в `system_prompt.py`). Системный промпт — это ПЕРВЫЙ и самый слабый рубеж: любую LLM в принципе можно уговорить нарушить свои инструкции достаточно творческой промт-инъекцией. Поэтому защита состоит из нескольких независимых слоёв, каждый следующий не полагается на то, что предыдущий сработал:
@@ -230,7 +240,7 @@ HF Spaces не имеет прямого исходящего доступа к
 
 ## Известные ограничения
 
-- **Состояние переживает редеплой только если настроен Upstash.** Без него `chat_state.json`/`global_quota.json` пишутся на эфемерный диск контейнера (`STATE_DIR`) и обнуляются при каждом пересборке образа. См. раздел "Персистентное хранилище" выше — настройка бесплатная и занимает 5 минут.
+- **Состояние переживает редеплой только если настроен Upstash.** Без него `chat_state.json`/`global_quota.json` пишутся на эфемерный диск контейнера (`STATE_DIR`) и обнуляются при каждой пересборке образа. См. раздел "Персистентное хранилище" выше — настройка бесплатная и занимает 5 минут.
 - **Скачивание с YouTube не поддерживается** (датацентровые IP HF Spaces блокируются на уровне TLS-handshake) — доступен только просмотр/анализ по ссылке через встроенную возможность Gemini, не скачивание файла.
 - **Автоматический мониторинг падений — только опционально.** Без настроенного `SENTRY_DSN` (см. раздел "Трекинг ошибок" выше) узнать, что бот не отвечает, можно только по логам или жалоба�� пользователей — `bot.log` при этом живёт на эфемерном диске и не переживает редеплой. `_notify_owner` отдельно шлёт ЛС владельцу на два конкретных сценария (срабатывание circuit breaker прокси, полное исчерпание квоты Gemini), но это точечные алерты, а не общая история ошибок. `/diag` — ручная проверка по запросу.
 - **Стриминг не тестировался против реальных API** (см. выше) — только через мокнутые asyncio-клиент (Gemini) и aiohttp-сессию (OpenRouter, SSE). Логика проверена, но стоит последить за логами `[stream]`/`[identity-leak]`/`[injection-echo]` первые несколько дней после деплоя — особенно для OpenRouter-стриминга, добавленного позже Gemini-версии.
@@ -260,4 +270,3 @@ pytest test_lumen_formatting.py -v     # только один модуль
 `conftest.py` в этой же папке подставляет безопасные заглушки `BOT_TOKEN`/`GEMINI_API_KEY`/`BOT_LOG_PATH` перед импортом `bot.py`, так что реальные секреты и доступ к `/app` для тестов не нужны — актуально для всех четырёх файлов, т.к. общая (autouse) фикстура `_bot_global_state_guard` в `conftest.py` импортирует `bot.py` независимо от того, тестирует ли конкретный файл сам `bot.py` напрямую.
 
 Проект пока не подключён ни к какому git-хостингу — тесты гоняются только вручную (см. команду выше), автоматического CI-прогона на push/PR сейчас нет.
-

lumen_state_storage.py

@@ -150,11 +150,16 @@ def _serialize_chat_state(state: dict[str, Any]) -> dict[str, Any]:
     вместо персистентного выбора через удалённую команду /imgmodel. Старые
     персистентные записи, где эти поля ещё есть (созданные до соответствующих
     изменений), просто тихо игнорируются при чтении — см. _restore_single_chat в
-    bot.py, там нет ни одной попытки их прочитать."""
+    bot.py, там нет ни одной попытки их прочитать.
+    "quota" убран отсюда 26 августа 2026 (аудит техдолга) — поле было мёртвым:
+    записывалось в ChatState и сериализовалось сюда, но нигде не читалось —
+    реальный учёт квоты целиком живёт в модульном GLOBAL_QUOTA (bot.py), per-chat
+    квота никогда фактически не использовалась. Старые записи с этим полем в
+    хранилище просто тихо игнорируются при чтении, как и остальные удалённые поля
+    выше."""
     return {
         "schema_version": CHAT_STATE_SCHEMA_VERSION,
         "history": list(state.get("history", [])),
-        "quota": state.get("quota", {}),
         "recent_media_ids": {
             uid: list(dq) for uid, dq in state.get("recent_media_ids", {}).items()
         },