统一生成层
统一生成层（Unified Generation Layer）是 Luker 引入的后端架构改进，将分散在各个 API 端点中的生成逻辑收敛到一个共享模块中，实现多后端的统一封装。
问题背景
在 SillyTavern 中，不同的 AI 后端（OpenAI、Anthropic、Google、Kobold 等）各自拥有独立的代码路径。每个后端端点文件独立处理请求构建、流式响应解析、错误处理等逻辑。这导致了以下问题：
- 重复代码 — 相似的流式处理、错误重试逻辑在多个文件中重复实现
- 不一致的行为 — 不同后端的 Token 统计、错误响应格式各不相同
- 难以扩展 — 添加新的后端需要从头实现完整的请求/响应处理链
- 无法统一计量 — 缺少跨后端的 Token 用量追踪能力
解决方案
Luker 新增了统一生成层端点（/api/backends/luker-generation），作为前端发起 AI 生成请求的主要路径。该端点接收前端的生成请求，根据当前的 Chat Completion Source 转发到对应的上游 API，并在统一的处理管线中完成流式响应、Token 计量、生成确认和持久化。
多后端统一封装
统一生成层支持以下后端的统一处理：
- OpenAI 及其兼容 API
- Anthropic（Claude）
- Google（Gemini / Vertex AI）
- Kobold / TabbyAPI
- 其他 Chat Completion 兼容后端
前端通过统一生成层发起生成请求，由该端点负责路由到正确的上游服务，而非前端直接调用各个后端的独立端点。各个后端的独立端点（chat-completions.js、kobold.js 等）仍然存在并独立集成了请求检查器，但统一生成层提供了更完整的处理管线。
共享 Token 计量
统一生成层在生成请求的前后自动调用请求检查器：
- 流式传输完成后调用
completeInspectionFromStream从流事件中记录 Token 用量 - 生成失败时调用
failInspection记录错误信息 - 生成中止时调用
abortInspection记录中断
注意：startInspection 由后端端点（如 chat-completions.js）调用，而非由生成层本身调用。
这确保了无论使用哪个后端，Token 消耗都能被准确追踪。
统一流式处理
对于 SSE 流式响应，统一生成层提供共享的流解析逻辑：
- 解析不同后端的 SSE 事件格式
- 从流式事件中提取 Token 用量信息
- 统一的流中断和恢复处理
- 与 WebSocket 代理配合支持流偏移恢复
统一错误处理
不同后端返回的错误格式各异，统一生成层将它们规范化为一致的错误响应结构，简化前端的错误处理逻辑。
架构关系
前端请求
↓
各后端端点文件（chat-completions.js、kobold.js 等）
↓
统一生成层
├── Token 计量 → 请求检查器
├── 流式处理 → SSE 解析
└── 错误处理 → 规范化响应
↓
上游 AI 服务NOTE
统一生成层是一个内部模块，对前端透明。用户无需关心它的存在，只需享受它带来的一致体验。