lct-07 и lct-19: звонящий на LLM, офлайн-таблица, предгенерация

Что можно сказать, решает слот-автомат, а не модель: в промпт попадают
только раскрытые факты. Иначе LLM услужливо назовёт адрес, которого не
спрашивали. Промпты лежат файлами — их правит тот, кто ведёт занятия.

Отказ провайдера не роняет занятие: звонящий откатывается на заготовки.
Молчащий звонящий хуже шаблонной фразы.

Офлайн — таблица, а не локальная модель. Ветвление уже делает слот-автомат,
поэтому таблица индексируется парой «событие × настроение» и выходит
небольшой: для пожарного сценария 62 реплики, около 36 секунд генерации.
Формулировки в ней от облачной модели, а задержка на занятии нулевая —
локальная 3–4B дала бы формулировки хуже и за 2.5 секунды.

Найдено на бесплатной модели OpenRouter: рассуждающие модели тратят
сотни токенов на размышление и при малом бюджете возвращают пустой
content с finish_reason=length. Пустой ответ теперь честный отказ,
бюджет токенов поднят, рассуждение из ответа исключается.

Живые запросы к LLM вынесены из общего прогона: они требуют сети,
а рассуждающая модель отвечает десятками секунд.

backend/scripts/llm_check.py

@@ -0,0 +1,73 @@
+"""make llm-check: один запрос к LLM, чтобы убедиться, что ключ и адрес рабочие.
+
+Ключ берётся из backend/.env и никуда не печатается. Запускать там, где есть
+сеть до провайдера: из WSL под VPN российские адреса недоступны.
+"""
+
+import sys
+import time
+from pathlib import Path
+
+import httpx
+
+ROOT = Path(__file__).resolve().parents[1]
+sys.path.insert(0, str(ROOT))
+
+from app.config import get_settings  # noqa: E402
+
+
+def main() -> int:
+    settings = get_settings()
+    if not settings.llm_api_key:
+        print("в backend/.env нет LLM_API_KEY")
+        return 1
+
+    print(f"адрес:  {settings.llm_base_url}")
+    print(f"модель: {settings.llm_model_caller}")
+
+    body = {
+        "model": settings.llm_model_caller,
+        "messages": [
+            {"role": "system", "content": "Ты звонящий в службу 112, у тебя горит балкон. "
+                                          "Ответь одной короткой фразой, в панике."},
+            {"role": "user", "content": "Служба 112, что у вас случилось?"},
+        ],
+        "max_tokens": 60,
+        "temperature": 0.8,
+    }
+
+    started = time.monotonic()
+    try:
+        response = httpx.post(
+            f"{settings.llm_base_url}/chat/completions",
+            headers={"Authorization": f"Bearer {settings.llm_api_key}"},
+            json=body,
+            timeout=60,
+        )
+    except httpx.HTTPError as exc:
+        print(f"\nсеть: {type(exc).__name__} — до провайдера не достучались.")
+        print("Проверь, что российские адреса идут мимо VPN.")
+        return 2
+
+    elapsed = time.monotonic() - started
+    print(f"\nHTTP {response.status_code}, {elapsed:.2f} с")
+
+    if response.status_code == 200:
+        data = response.json()
+        print("ответ модели:", data["choices"][0]["message"]["content"].strip())
+        usage = data.get("usage", {})
+        print("токены:", usage.get("prompt_tokens"), "→", usage.get("completion_tokens"))
+        print("\nКЛЮЧ РАБОТАЕТ")
+        return 0
+
+    print("ответ сервера:", response.text[:400])
+    if response.status_code in (401, 403):
+        print("\nСеть в порядке, но ключ не принят: возможно, его нужно менять "
+              "на временный токен — сверься с консолью Cloud.ru.")
+    elif response.status_code == 404:
+        print("\nКлюч принят, но такой модели нет: проверь LLM_MODEL_CALLER.")
+    return 3
+
+
+if __name__ == "__main__":
+    raise SystemExit(main())