src/router/chat.js

const express = require('express')
const axios = require('axios')
const FormData = require('form-data')
const { v4: uuidv4 } = require('uuid')
const { MODEL_MAPPING, MAMMOUTH_API_URL, AUTH_TOKEN, UNLIMITED_MODELS } = require('../config')
const accountManager = require('../lib/manager')
const imageUploader = require('../lib/uploader')
const logger = require('../lib/logger')
const ErrorHandler = require('../lib/errorHandler')

const router = express.Router()

// API密钥认证中间件
const authenticate = (req, res, next) => {
  const authHeader = req.headers.authorization || req.headers.Authorization || req.headers['x-api-key']

  if (!authHeader || !authHeader.startsWith('Bearer ')) {
    return res.status(401).json({
      error: {
        message: '缺少有效的API密钥',
        type: 'authentication_error',
        code: 'invalid_api_key'
      }
    })
  }

  const apiKey = authHeader.substring(7)

  if (apiKey !== AUTH_TOKEN) {
    return res.status(401).json({
      error: {
        message: 'API密钥无效',
        type: 'authentication_error',
        code: 'invalid_api_key'
      }
    })
  }

  next()
}

// 检查模型是否在不受限制的列表中
function isUnlimitedModel(model) {
  return UNLIMITED_MODELS.includes(model)
}

// 将OpenAI格式转换为Mammouth格式
async function convertOpenAIToMammouth(openaiRequest, requestId = null) {
  const form = new FormData()

  // 模型选择
  const requestedModel = openaiRequest.model
  const mammouthModel = MODEL_MAPPING[requestedModel] || openaiRequest.model
  form.append('model', mammouthModel)

  // 添加流式响应参数（如果请求是流式的）
  if (openaiRequest.stream === true) {
    form.append('stream', 'true')
    form.append('streaming', 'true')

    if (requestId) {
      console.log(`[请求转换] 添加流式响应参数: stream=true, streaming=true`)
    }
  } else {
    // 确保非流式请求不包含流式参数
    if (requestId) {
      console.log(`[请求转换] 非流式请求，不添加流式参数`)
    }
  }

  // 提取system角色的消息作为preprompt
  let systemMessages = []
  let regularMessages = []

  openaiRequest.messages.forEach(message => {
    if (message.role === 'system') {
      systemMessages.push(message.content)
    } else {
      regularMessages.push(message)
    }
  })

  // 将所有system消息组合为preprompt
  let preprompt = systemMessages.join('\n\n')

  // 检查是否有长图需要处理，如果有则添加长图处理说明
  const hasLongImages = regularMessages.some(message =>
    Array.isArray(message.content) &&
    message.content.some(part => part.type === 'image_url')
  )

  if (hasLongImages) {
    const longImagePrompt = `



重要说明：本次对话可能包含长图片段。当你看到标记为"[长图片段 X/Y]"的图片时：

1. 这些是同一张长图的不同部分，按顺序排列

2. 请分析每个片段的内容，记住之前片段的信息

3. 在处理最后一个片段时，请提供基于所有片段的完整分析

4. 确保回答涵盖整张长图的所有重要内容，不要遗漏任何部分`

    preprompt = preprompt ? `${preprompt}${longImagePrompt}` : longImagePrompt.trim()
  }

  form.append('preprompt', preprompt)

  // 处理非system角色的消息
  let totalImageCount = 0

  // 先统计图片总数用于日志
  regularMessages.forEach((message, index) => {
    console.log(`[调试] 消息${index}内容类型:`, typeof message.content, Array.isArray(message.content) ? '数组' : '非数组')
    if (Array.isArray(message.content)) {
      const imageCount = message.content.filter(part => part.type === 'image_url').length
      totalImageCount += imageCount
      console.log(`[调试] 消息${index}包含${imageCount}张图片`)
      message.content.forEach((part, partIndex) => {
        console.log(`[调试] 消息${index}部分${partIndex}类型:`, part.type)
      })
    }
  })

  console.log(`[调试] 总图片数量: ${totalImageCount}`)

  if (requestId && totalImageCount > 0) {
    logger.logImageProcessingStart(requestId, totalImageCount)
  }

  let currentImageIndex = 0

  for (const message of regularMessages) {
    // 处理包含图片的消息
    let content = message.content
    let processedMessages = [] // 存储处理后的消息（可能包含多个片段）

    // 如果是对象数组（多模态内容）
    if (Array.isArray(message.content)) {
      const textParts = []
      const imageParts = []

      // 分离文本和图片部分
      for (const part of message.content) {
        if (part.type === 'text') {
          textParts.push(part.text)
        } else if (part.type === 'image_url') {
          imageParts.push(part)
        }
      }

      // 合并所有文本部分
      const combinedText = textParts.join('\n')

      // 分别收集长图和普通图片
      const longImageSegments = [] // 存储长图片段
      const normalImageResults = [] // 存储普通图片结果，按索引排序
      let hasProcessedText = false // 标记是否已处理文本
      let normalImageCount = 0 // 普通图片计数

      // 处理每个图片 - 严格按顺序处理，确保不会出现顺序混乱
      console.log(`[图片处理开始] 共${imageParts.length}张图片待处理，将严格按顺序处理`)

      for (let imagePartIndex = 0; imagePartIndex < imageParts.length; imagePartIndex++) {
        const imagePart = imageParts[imagePartIndex]
        console.log(`[图片处理] 开始处理第${imagePartIndex + 1}张图片 (消息位置: ${imagePartIndex}, 全局索引: ${currentImageIndex + 1})`)

        try {
          // 获取图片数据
          let imageUrl = imagePart.image_url
          if (typeof imageUrl === 'object' && imageUrl.url) {
            imageUrl = imageUrl.url
          }

          console.log(`[图片处理] 图片${currentImageIndex + 1}类型: ${imageUrl.startsWith('data:image') ? 'Base64' : 'URL'}`)

          // 使用智能上传方法处理图片（支持长图）
          let uploadedUrls = []
          if (imageUrl.startsWith('data:image')) {
            uploadedUrls = await imageUploader.uploadFromBase64Smart(
              imageUrl,
              null,
              requestId,
              currentImageIndex,
              false  // 恢复正常缓存机制
            )
          } else {
            uploadedUrls = await imageUploader.uploadFromUrlSmart(
              imageUrl,
              null,
              requestId,
              currentImageIndex,
              false  // 恢复正常缓存机制
            )
          }

          console.log(`[图片处理] 图片${currentImageIndex + 1}上传完成，获得${uploadedUrls.length}个URL，位置索引: ${imagePartIndex}`)

          // 如果是长图（多个片段），为每个片段创建单独的消息
          if (uploadedUrls.length > 1) {
            console.log(`[长图处理] 图片${currentImageIndex + 1}被切割为${uploadedUrls.length}个片段，将按顺序发送`)

            if (requestId) {
              logger.logMessageSegmentation(requestId, currentImageIndex, uploadedUrls.length)
            }

            uploadedUrls.forEach((url, segmentIndex) => {
              // 为每个片段生成更详细的提示文本
              let segmentText = ''

              if (segmentIndex === 0) {
                // 第一个片段：包含原始文本和长图说明
                const originalText = combinedText || '请分析这张长图的内容'
                segmentText = `${originalText}



注意：这是一张长图，已被切割为${uploadedUrls.length}个片段。请分析每个片段的内容，并在最后一个片段时提供完整的总结。



[长图片段 ${segmentIndex + 1}/${uploadedUrls.length}] - 这是长图的开始部分`
                hasProcessedText = true
              } else if (segmentIndex === uploadedUrls.length - 1) {
                // 最后一个片段：要求提供完整总结
                segmentText = `[长图片段 ${segmentIndex + 1}/${uploadedUrls.length}] - 这是长图的结束部分



请基于所有${uploadedUrls.length}个片段的内容，提供这张长图的完整分析和总结。`
              } else {
                // 中间片段：说明这是连续内容
                segmentText = `[长图片段 ${segmentIndex + 1}/${uploadedUrls.length}] - 这是长图的中间部分，请继续分析内容`
              }

              processedMessages.push({
                content: segmentText,
                imagesData: [url],
                documentsData: []
              })

              console.log(`[消息生成] 长图片段${segmentIndex + 1}: "${segmentText.substring(0, 80)}..."`)
            })
          } else {
            // 普通图片，严格按顺序存储到结果数组中
            const imageResult = {
              index: imagePartIndex,           // 在消息中的位置索引（关键排序字段）
              urls: uploadedUrls,
              originalIndex: currentImageIndex, // 全局图片索引
              processOrder: normalImageCount    // 处理顺序
            }

            normalImageResults.push(imageResult)
            normalImageCount++

            console.log(`[图片收集] 普通图片${currentImageIndex + 1}已收集 (消息位置: ${imagePartIndex}, 处理顺序: ${normalImageCount})，当前共${normalImageCount}张普通图片`)
          }

          currentImageIndex++
        } catch (error) {
          if (requestId) {
            logger.logError(requestId, 'IMAGE_PROCESSING_ERROR', error.message, {
              imageIndex: currentImageIndex,
              imagePartIndex: imagePartIndex,
              imageUrl: typeof imagePart.image_url === 'string' ? imagePart.image_url.substring(0, 100) : 'object'
            })
          }
          console.error(`图片处理错误 (位置${imagePartIndex}, 全局${currentImageIndex + 1}):`, error.message)

          // 图片处理失败时，添加一个错误占位符，避免完全跳过
          const errorPlaceholder = {
            index: imagePartIndex,
            urls: [],
            originalIndex: currentImageIndex,
            processOrder: normalImageCount,
            error: true,
            errorMessage: error.message
          }

          normalImageResults.push(errorPlaceholder)
          normalImageCount++

          console.log(`[图片错误] 图片${currentImageIndex + 1}处理失败，已添加错误占位符`)
          currentImageIndex++
        }
      }

      console.log(`[图片处理完成] 共处理${imageParts.length}张图片，成功收集${normalImageResults.length}张普通图片`)

      // 如果有普通图片，严格按原始顺序创建一个包含所有普通图片的消息
      if (normalImageResults.length > 0) {
        console.log(`[排序前验证] 收集到${normalImageResults.length}张普通图片`)
        normalImageResults.forEach((result, idx) => {
          console.log(`  图片${idx + 1}: 消息位置=${result.index}, 全局索引=${result.originalIndex}, 处理顺序=${result.processOrder}`)
        })

        // 严格按照imagePartIndex排序，确保完全按客户端上传顺序
        console.log(`[开始排序] 严格按消息中的位置索引排序...`)
        normalImageResults.sort((a, b) => {
          const diff = a.index - b.index
          console.log(`[排序比较] 位置${a.index} vs 位置${b.index} = ${diff}`)
          return diff
        })

        console.log(`[排序后验证] 最终图片顺序:`)
        normalImageResults.forEach((result, idx) => {
          console.log(`  第${idx + 1}位: 消息位置=${result.index}, 全局索引=${result.originalIndex}, 处理顺序=${result.processOrder}`)
        })

        // 提取所有URL，严格保持顺序，跳过错误的图片
        const orderedImageUrls = []
        const errorMessages = []

        normalImageResults.forEach((result, idx) => {
          if (result.error) {
            console.log(`[URL提取] 第${idx + 1}个结果，位置${result.index}，图片处理失败: ${result.errorMessage}`)
            errorMessages.push(`图片${result.originalIndex + 1}处理失败`)
          } else {
            console.log(`[URL提取] 第${idx + 1}个结果，位置${result.index}，添加${result.urls.length}个URL`)
            orderedImageUrls.push(...result.urls)
          }
        })

        const includeOriginalText = !hasProcessedText && combinedText
        let normalImageText = includeOriginalText ? combinedText : ''

        // 构建图片状态信息
        const successCount = orderedImageUrls.length
        const errorCount = errorMessages.length

        if (successCount > 0 && errorCount > 0) {
          const statusText = `[包含 ${successCount} 张图片，${errorCount} 张图片处理失败]`
          normalImageText = normalImageText ? `${normalImageText}\n\n${statusText}` : statusText
        } else if (successCount > 0) {
          const statusText = `[包含 ${successCount} 张图片]`
          normalImageText = normalImageText ? `${normalImageText}\n\n${statusText}` : statusText
        } else if (errorCount > 0) {
          const statusText = `[${errorCount} 张图片处理失败]`
          normalImageText = normalImageText ? `${normalImageText}\n\n${statusText}` : statusText
        }

        processedMessages.push({
          content: normalImageText || '.',
          imagesData: orderedImageUrls,
          documentsData: []
        })

        console.log(`[消息生成] 普通图片批量消息: ${successCount}张成功，${errorCount}张失败，严格按顺序排列`)
        console.log(`[最终顺序验证] 图片顺序: ${normalImageResults.map(r => `位置${r.index}(图片${r.originalIndex + 1}${r.error ? '-失败' : ''})`).join(' -> ')}`)
      }

      // 如果没有图片，只有文本
      if (imageParts.length === 0) {
        processedMessages.push({
          content: combinedText || '.',
          imagesData: [],
          documentsData: []
        })
      }
    } else {
      // 纯文本消息
      processedMessages.push({
        content: content || '.',
        imagesData: [],
        documentsData: []
      })
    }

    // 将所有处理后的消息添加到表单
    processedMessages.forEach(msg => {
      form.append('messages', JSON.stringify(msg))
    })
  }

  // 统计总消息数量并记录警告
  const totalMessages = form.getBuffer().toString().split('messages').length - 1
  if (requestId && totalMessages > 4) {
    console.warn(`[消息转换] 警告：消息数量较多(${totalMessages}个)，可能影响流式响应性能`)
    logger.logError(requestId, 'HIGH_MESSAGE_COUNT', `消息数量过多: ${totalMessages}个`, {
      totalMessages,
      recommendation: '考虑减少长图片段数量或使用非流式模式'
    })
  }

  return form
}

// 处理流数据
async function handleStreamResponse(axiosResponse, res, requestedModel, logRequestId = null) {
  const responseId = uuidv4()
  const timestamp = Math.floor(Date.now() / 1000)
  const decoder = new TextDecoder()

  if (logRequestId) {
    console.log(`[流式响应] 开始处理流式响应，请求ID: ${logRequestId}`)
    console.log(`[流式响应] 响应状态码: ${axiosResponse.status}`)
    console.log(`[流式响应] 响应头: ${JSON.stringify(axiosResponse.headers)}`)
    console.log(`[流式响应] 数据流类型: ${typeof axiosResponse.data}`)
  }

  // 发送初始角色数据
  const initialData = {
    id: `chatcmpl-${responseId}`,
    object: "chat.completion.chunk",
    created: timestamp,
    model: requestedModel,
    choices: [{
      index: 0,
      delta: { role: "assistant", content: "" },
      finish_reason: null
    }]
  }

  const initialMessage = `data: ${JSON.stringify(initialData)}\n\n`
  res.write(initialMessage)

  if (logRequestId) {
    console.log(`[流式响应] 已发送初始角色数据`)
  }

  let totalChunks = 0
  let totalContentLength = 0

  axiosResponse.data.on('data', (chunk) => {
    totalChunks++

    try {
      const chunkStr = decoder.decode(chunk, { stream: true })

      if (logRequestId) {
        console.log(`[流式响应] 收到数据块 ${totalChunks}，原始长度: ${chunk.length}，解码后长度: ${chunkStr.length}`)
        console.log(`[流式响应] 数据块内容预览: "${chunkStr.substring(0, 200)}${chunkStr.length > 200 ? '...' : ''}"`)
      }

      // 检查是否为有效的文本内容
      const textToSend = chunkStr.trim()
      if (textToSend && textToSend.length > 0) {
        totalContentLength += textToSend.length

        const responseData = {
          id: `chatcmpl-${responseId}`,
          object: "chat.completion.chunk",
          created: timestamp,
          model: requestedModel,
          choices: [{
            index: 0,
            delta: { content: textToSend },
            finish_reason: null
          }]
        }

        const responseMessage = `data: ${JSON.stringify(responseData)}\n\n`
        res.write(responseMessage)

        if (logRequestId) {
          console.log(`[流式响应] 已发送内容块 ${totalChunks}，内容长度: ${textToSend.length}`)
        }
      } else {
        if (logRequestId) {
          console.log(`[流式响应] 数据块 ${totalChunks} 为空或无效，跳过发送`)
        }
      }
    } catch (decodeError) {
      if (logRequestId) {
        console.error(`[流式响应] 数据块 ${totalChunks} 解码失败: ${decodeError.message}`)
        logger.logError(logRequestId, 'STREAM_DECODE_ERROR', decodeError.message, {
          chunkLength: chunk.length,
          chunkNumber: totalChunks
        })
      }
    }
  })

  axiosResponse.data.on('end', async () => {
    if (logRequestId) {
      console.log(`[流式响应] 数据流结束，总共处理 ${totalChunks} 个数据块，总内容长度: ${totalContentLength}`)

      // 如果没有收到任何内容，检查是否API返回了非流式响应
      if (totalChunks === 0) {
        console.warn(`[流式响应] 警告：未收到任何数据块，可能API返回了非流式响应`)

        // 尝试检查响应是否是JSON格式
        try {
          if (axiosResponse.data && typeof axiosResponse.data === 'object' && axiosResponse.data.choices) {
            console.log(`[流式回退] 检测到非流式JSON响应，尝试转换为流式格式`)
            const content = axiosResponse.data.choices[0]?.message?.content || ''

            if (content) {
              // 将非流式响应转换为流式格式发送
              const chunkSize = 20
              for (let i = 0; i < content.length; i += chunkSize) {
                const chunk = content.substring(i, i + chunkSize)

                const chunkData = {
                  id: `chatcmpl-${responseId}`,
                  object: "chat.completion.chunk",
                  created: timestamp,
                  model: requestedModel,
                  choices: [{
                    index: 0,
                    delta: { content: chunk },
                    finish_reason: null
                  }]
                }

                const chunkMessage = `data: ${JSON.stringify(chunkData)}\n\n`
                res.write(chunkMessage)

                await new Promise(resolve => setTimeout(resolve, 50))
              }

              console.log(`[流式回退] 成功转换非流式响应为流式格式，内容长度: ${content.length}`)
              totalContentLength = content.length
            }
          }
        } catch (parseError) {
          console.error(`[流式回退] 解析非流式响应失败: ${parseError.message}`)
        }
      }

      // 如果仍然没有收到任何内容，使用默认回退机制
      if (totalContentLength === 0) {
        console.warn(`[流式响应] 警告：未收到任何内容，使用默认回退机制`)
        logger.logError(logRequestId, 'STREAM_NO_CONTENT', '流式响应未收到任何内容，尝试回退', {
          totalChunks,
          model: requestedModel
        })

        // 发送默认回退消息，避免复杂的HTTP请求导致连接问题
        console.log(`[流式回退] 使用默认消息回退`)

        const fallbackMessage = "抱歉，图片处理完成但响应出现问题。\n\n这可能是由于长图切割导致的流式响应问题。建议：\n1. 重新发送请求\n2. 使用非流式模式\n3. 或尝试上传较短的图片"

        // 将回退消息分块发送，模拟流式效果
        const chunkSize = 20
        for (let i = 0; i < fallbackMessage.length; i += chunkSize) {
          const chunk = fallbackMessage.substring(i, i + chunkSize)

          const chunkData = {
            id: `chatcmpl-${responseId}`,
            object: "chat.completion.chunk",
            created: timestamp,
            model: requestedModel,
            choices: [{
              index: 0,
              delta: { content: chunk },
              finish_reason: null
            }]
          }

          const chunkMessage = `data: ${JSON.stringify(chunkData)}\n\n`
          res.write(chunkMessage)

          // 添加小延迟模拟流式效果
          await new Promise(resolve => setTimeout(resolve, 50))
        }

        console.log(`[流式回退] 默认消息发送完成`)
        totalContentLength = fallbackMessage.length
      }
    }

    // 发送完成信号
    const endData = {
      id: `chatcmpl-${responseId}`,
      object: "chat.completion.chunk",
      created: timestamp,
      model: requestedModel,
      choices: [{
        index: 0,
        delta: {},
        finish_reason: "stop"
      }]
    }

    const endMessage = `data: ${JSON.stringify(endData)}\n\n`
    res.write(endMessage)
    res.write('data: [DONE]\n\n')
    res.end()

    if (logRequestId) {
      console.log(`[流式响应] 已发送完成信号和结束标记`)
    }
  })

  axiosResponse.data.on('error', (err) => {
    if (logRequestId) {
      logger.logError(logRequestId, 'STREAM_ERROR', err.message, {
        model: requestedModel,
        totalChunks,
        totalContentLength
      })
      console.log(`[流式响应] 流处理错误: ${err.message}，已处理 ${totalChunks} 个数据块`)
    }
    console.error('流数据处理错误:', err)
    res.status(500).end()
  })
}

// 处理非流数据
function handleNonStreamResponse(axiosResponse, res, requestedModel, logRequestId = null) {
  const responseId = uuidv4()
  const timestamp = Math.floor(Date.now() / 1000)

  // 格式化为OpenAI的响应格式
  let content = axiosResponse.data.content;

  // 如果内容是字符串且被引号包裹，移除外层引号
  if (typeof content === 'string' && content.startsWith('"') && content.endsWith('"')) {
    content = content.slice(1, -1);
  }

  const responseData = {
    id: `chatcmpl-${responseId}`,
    object: "chat.completion",
    created: timestamp,
    model: requestedModel,
    choices: [{
      index: 0,
      message: {
        role: "assistant",
        content: content || axiosResponse.data
      },
      finish_reason: "stop"
    }],
    usage: {
      prompt_tokens: 0,
      completion_tokens: 0,
      total_tokens: 0
    }
  }

  res.json(responseData)
}

// 使用新的Cookie重新发送请求
async function retryWithNewCookie(req, res, config, currentCookie, requestedModel, isStreamRequest) {
  try {
    // 标记当前Cookie为不可用
    accountManager.markAsUnavailable(currentCookie)

    // 获取新的Cookie
    const newCookie = accountManager.getNextAvailableCookie()

    // 更新请求配置中的Cookie
    config.headers.Cookie = `auth_session=${newCookie}`

    // 发送请求到Mammouth API
    const response = await axios(config)

    // 处理响应
    if (isStreamRequest) {
      handleStreamResponse(response, res, requestedModel)
    } else {
      handleNonStreamResponse(response, res, requestedModel)
    }

    return true
  } catch (error) {
    // 如果重试也失败了，返回false
    return false
  }
}

// OpenAI兼容的聊天完成API接口，使用中间件验证API密钥
router.post('/completions', authenticate, async (req, res) => {
  let requestId = null
  const startTime = Date.now()

  try {
    const openaiRequest = req.body
    const isStreamRequest = openaiRequest.stream === true
    const requestedModel = openaiRequest.model

    // 记录请求开始
    requestId = logger.logRequestStart(
      req.method,
      req.originalUrl,
      req.headers,
      openaiRequest
    )

    // 设置适当的响应头
    if (isStreamRequest) {
      res.setHeader('Content-Type', 'text/event-stream')
      res.setHeader('Cache-Control', 'no-cache')
      res.setHeader('Connection', 'keep-alive')
    }

    // 转换请求格式
    const form = await convertOpenAIToMammouth(openaiRequest, requestId)

    // 获取Cookie - 根据模型类型使用不同的获取方法
    const cookieValue = isUnlimitedModel(requestedModel)
      ? accountManager.getAnyCookie()
      : accountManager.getNextAvailableCookie()

    // 记录模型调用开始
    const mammouthModel = MODEL_MAPPING[requestedModel] || requestedModel
    logger.logModelCallStart(requestId, requestedModel, mammouthModel)

    // 准备请求配置
    const config = {
      method: 'post',
      url: MAMMOUTH_API_URL,
      headers: {
        ...form.getHeaders(),
        'Cookie': `auth_session=${cookieValue}`,
        'origin': 'https://mammouth.ai'
      },
      data: form,
      responseType: isStreamRequest ? 'stream' : 'json',
      // 添加流式请求的额外配置
      ...(isStreamRequest && {
        timeout: 60000, // 60秒超时
        maxRedirects: 0 // 禁用重定向
      })
    }

    if (requestId && isStreamRequest) {
      console.log(`[请求配置] 流式请求配置: responseType=stream, timeout=60s`)
    }

    try {
      // 发送请求到Mammouth API
      const modelCallStartTime = Date.now()
      const response = await axios(config)
      const modelCallDuration = Date.now() - modelCallStartTime

      // 记录模型调用成功
      logger.logModelCallEnd(requestId, true, null, modelCallDuration)

      // 处理响应
      if (isStreamRequest) {
        handleStreamResponse(response, res, requestedModel, requestId)
      } else {
        handleNonStreamResponse(response, res, requestedModel, requestId)
      }

      // 记录请求成功结束
      logger.logRequestEnd(requestId, 200, {
        responseType: isStreamRequest ? 'stream' : 'json',
        totalDuration: Date.now() - startTime
      })

    } catch (error) {
      // 记录模型调用失败
      const modelCallDuration = Date.now() - startTime
      logger.logModelCallEnd(requestId, false, error.message, modelCallDuration)

      // 优化错误日志打印，只打印关键信息
      const errorStatus = error.response?.status || 'unknown'
      const errorMessage = error.response?.data?.message || error.message || 'Unknown error'

      // 记录详细错误信息
      logger.logError(requestId, 'MODEL_CALL_ERROR', errorMessage, {
        status: errorStatus,
        model: requestedModel,
        isStream: isStreamRequest,
        cookieUsed: cookieValue?.substring(0, 8) + '...'
      })

      console.error(`API转发错误: [${errorStatus}] ${errorMessage}`)

      // 如果是403错误（达到使用限制）
      if (error.response && error.response.status === 403) {
        // console.log(error)

        console.log(`账号 ${cookieValue.substring(0, 5)}... 使用模型 ${requestedModel} 已达到使用限制`)

        // 根据模型类型进行不同处理
        if (isUnlimitedModel(requestedModel)) {
          // 不受限模型也返回403，尝试将当前账号标记为不可用并再试一次
          accountManager.markAsUnavailable(cookieValue)

          // 对于不受限模型再次获取一个任意Cookie尝试
          const newCookie = accountManager.getAnyCookie()
          console.log(`尝试使用不受限模型的另一个账号: ${newCookie.substring(0, 5)}...`)

          // 更新配置
          config.headers.Cookie = `auth_session=${newCookie}`

          try {
            // 再次尝试请求
            const response = await axios(config)

            // 处理响应
            if (isStreamRequest) {
              handleStreamResponse(response, res, requestedModel)
            } else {
              handleNonStreamResponse(response, res, requestedModel)
            }

            // 成功，直接返回
            return
          } catch (retryError) {
            console.error(`无限制模型二次尝试也失败: ${retryError.message}`)
            // 继续到错误处理
          }
        } else {
          // 普通模型，尝试切换账号
          console.log(`尝试使用新账号...`)
          const cookieRetrySuccess = await retryWithNewCookie(
            req, res, config, cookieValue, requestedModel, isStreamRequest
          )

          // 如果切换账号成功，就返回
          if (cookieRetrySuccess) return
        }

        // 所有重试方法都失败，返回错误信息
        const errorMessage =
          error.response.data?.message ||
          error.response.data?.statusMessage ||
          '使用限制：所有账号已临时达到使用限制。请稍后再试。'

        const requestId = uuidv4()
        const timestamp = Math.floor(Date.now() / 1000)

        if (isStreamRequest) {
          // 流式响应情况下，以SSE格式返回错误消息
          res.write(`data: ${JSON.stringify({

            id: `chatcmpl-${requestId}`,

            object: "chat.completion.chunk",

            created: timestamp,

            model: requestedModel,

            choices: [{

              index: 0,

              delta: { role: "assistant", content: "" },

              finish_reason: null

            }]

          })}\n\n`)

          // 发送错误消息内容
          res.write(`data: ${JSON.stringify({

            id: `chatcmpl-${requestId}`,

            object: "chat.completion.chunk",

            created: timestamp,

            model: requestedModel,

            choices: [{

              index: 0,

              delta: { content: errorMessage },

              finish_reason: null

            }]

          })}\n\n`)

          // 发送完成信号
          res.write(`data: ${JSON.stringify({

            id: `chatcmpl-${requestId}`,

            object: "chat.completion.chunk",

            created: timestamp,

            model: requestedModel,

            choices: [{

              index: 0,

              delta: {},

              finish_reason: "stop"

            }]

          })}\n\n`)

          res.write('data: [DONE]\n\n')
          res.end()
        } else {
          // 非流式响应情况下，以普通JSON格式返回错误消息
          res.json({
            id: `chatcmpl-${requestId}`,
            object: "chat.completion",
            created: timestamp,
            model: requestedModel,
            choices: [{
              index: 0,
              message: {
                role: "assistant",
                content: errorMessage
              },
              finish_reason: "stop"
            }],
            usage: {
              prompt_tokens: 0,
              completion_tokens: 0,
              total_tokens: 0
            }
          })
        }
      } else {
        // 其他错误，使用统一错误处理
        logger.logRequestEnd(requestId, 500, {
          error: error.message,
          totalDuration: Date.now() - startTime
        })

        ErrorHandler.handleModelError(res, error, requestId, requestedModel, isStreamRequest)
      }
    }
  } catch (error) {
    // 使用统一错误处理
    if (requestId) {
      logger.logRequestEnd(requestId, 500, {
        error: error.message,
        totalDuration: Date.now() - startTime
      })
    }

    ErrorHandler.handleApiError(res, error, requestId, {
      totalDuration: Date.now() - startTime,
      endpoint: '/v1/chat/completions'
    })
  }
})


module.exports = router