fix(extract): 实体提取改走流式通道 + 锁定豆包2.0Pro,根治"未返回有效JSON"

问题:进资产阶段点"提取人物/场景"间歇报「提取结果解析失败(模型未返回有效
JSON)」。根因——提取走非流式只读 content,而默认文本模型是会思考的推理模型
(豆包2.0Pro think:True),思考期常把内容留在 reasoning_content、content 返空 →
正则抽不到 JSON。脚本生成不犯此病是因其走流式、早已分离思考/正文。

改动:
- 锁模型:提取固定用 doubao-seed-2-0-pro-260215(_resolve_extract_model_config),
  取不到再回落默认,不再受各环境 DB 创建序漂移影响路由。
- 根治:提取复用与脚本生成同一条已验证稳定的流式通道(_collect_extract_text)——
  丢弃 reasoning 事件、只收正文 delta;正文为空时兜底回退 reasoning 里的 JSON。
  response_payload 改存精简流式存档(streamed/model/content/had_reasoning)。
- 测试:提取步原零测试,新增 2 个——流式正文JSON正确落库+计费一次、content空→
  回退reasoning。其余链路(脚本生成/单镜重跑)未动。

验收:本机 Python3.9 跑不了 Django5 全套,核心逻辑(事件过滤/回退/JSON抽取)已
独立验证通过;py_compile 绿;完整套件由 CI 跑。

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

core/backend/apps/ai/services.py

@@ -295,6 +295,55 @@ def _normalize_extracted_segment_refs(items: object, valid_ids: set[str]) -> lis
     return out
 
 
+# 提取步固定锁定豆包 2.0 Pro(与脚本生成同款),不靠 get_default_model 的「最早创建」排序——
+# 避免不同环境 DB 创建序漂移把提取路由到别的(中转站)推理模型。取不到再回落默认文本模型。
+EXTRACT_TEXT_MODEL_NAME = "doubao-seed-2-0-pro-260215"
+
+
+def _resolve_extract_model_config():
+    """提取实体用的文本模型:优先豆包 2.0 Pro(active 且 provider active),否则回落默认文本模型。"""
+    pinned = (
+        ModelConfig.objects.select_related("provider")
+        .filter(
+            name=EXTRACT_TEXT_MODEL_NAME,
+            capability=ModelConfig.Capability.TEXT,
+            status=ModelConfig.Status.ACTIVE,
+            provider__status="active",
+        )
+        .order_by("created_at")
+        .first()
+    )
+    return pinned or get_default_model(ModelConfig.Capability.TEXT)
+
+
+def _collect_extract_text(provider, model_config, messages) -> tuple[str, dict]:
+    """走与「脚本生成」同一条已在生产验证稳定的流式通道把模型输出收全。
+
+    豆包 seed-pro / GPT / Gemini 等思考模型,思考期只发 reasoning_content、正文期才发 content,
+    流式分支(chat_completion_stream)已分别转发为 `reasoning` / `delta` 事件。这里**只收正文 delta**;
+    仅当正文为空(整轮被思考占满的极端兜底)才回退已收到的 reasoning。如此从根上避免非流式只读
+    content 拿到空串 → 解析不到 JSON 的老问题。返回 (text, 存档用精简 payload)。
+    """
+    content_parts: list[str] = []
+    reasoning_parts: list[str] = []
+    for ev in provider.chat_completion_stream(
+        model=model_config.name,
+        endpoint=model_config.endpoint,
+        messages=messages,
+        temperature=0.3,  # 结构化抽取要稳:低温降低 JSON 漂移
+    ):
+        etype = ev.get("type")
+        if etype == "delta":
+            content_parts.append(ev.get("text") or "")
+        elif etype == "reasoning":
+            reasoning_parts.append(ev.get("text") or "")
+    content = "".join(content_parts).strip()
+    reasoning = "".join(reasoning_parts).strip()
+    text = content or reasoning
+    payload = {"streamed": True, "model": model_config.name, "content": content, "had_reasoning": bool(reasoning)}
+    return text, payload
+
+
 def extract_entities_for_project(*, project, user) -> dict:
     """独立实体提取步(剧本定稿后、进资产阶段时跑)。读已定稿(或最新)脚本 → 调 ecommerce-entity-extract
     skill(一个文本模型)→ 产出角色 / 场景 entities + 每镜 entity_refs。**不提商品**(商品由参考图层用真实
@@ -315,7 +364,7 @@ def extract_entities_for_project(*, project, user) -> dict:
     segments = list(script.segments.order_by("sort_order"))
     if not segments:
         raise ValueError("脚本没有分镜,无法提取")
-    model_config = get_default_model(ModelConfig.Capability.TEXT)
+    model_config = _resolve_extract_model_config()
     if model_config is None:
         raise ValueError("没有可用的文本模型")
 
@@ -352,8 +401,7 @@ def extract_entities_for_project(*, project, user) -> dict:
         task.submitted_at = timezone.now()
         task.save(update_fields=["status", "submitted_at", "updated_at"])
         provider = build_provider(model_config)
-        response = provider.chat_completion(model=model_config.name, endpoint=model_config.endpoint, messages=messages)
-        text = provider.extract_text(response)
+        text, response = _collect_extract_text(provider, model_config, messages)
         with transaction.atomic():
             task.status = AITask.Status.SUCCEEDED
             task.response_payload = response