LLM Seam：模型适配器、流式协议与 DeepSeek Adapter

1. LLM seam 不是“封装 fetch”这么简单

Harness 需要一个统一消息与流式 chunk 词汇，让 loop 不知道当前 provider 是 DeepSeek、OpenAI-compatible 还是其他实现。Adapter 负责把统一请求翻译为 provider wire format，再把 SSE/stream 响应翻译回来。

2. DeepSeek Adapter 的责任边界

• 序列化 harness message/tool schema 到 DeepSeek chat-completions。
• 处理 reasoning content 与 tool-call 相关的 provider 约束。
• 解析 SSE，转换为统一 StreamChunk。
• 把 transport timeout、abort、malformed response 映射成稳定 LLM error。
• 每次操作重新解析动态设置/凭据，而不是启动时冻结。

3. Retry 为什么不该偷偷写在 adapter 内

如果 adapter 自己在一个 stream 调用里重试，session 看到的“一个 step = 一个模型请求”可能失真。DSH 倾向把 retry 放到持久 step 边界，使失败与重试可观察、可恢复。

4. 设计自己的 adapter 时的最小接口

interface LlmAdapter {
  stream(req: ModelRequest, signal: AbortSignal): AsyncIterable<StreamChunk>
}

type StreamChunk =
  | { kind: 'text'; delta: string }
  | { kind: 'reasoning'; delta: string }
  | { kind: 'tool-call'; id: string; name: string; argsDelta: string }
  | { kind: 'finish'; reason: 'stop' | 'tool' | 'error' };