docs(agents): задание A39 — параметры запроса для локальных профилей

Локальная модель не закрывает задачи: Hermes сообщает о таймауте 180 секунд
после четырёх вызовов и переключается на другого провайдера.

Причина измерена, а не предположена. Служба запущена с --reasoning on и
--reasoning-budget 4096, а модель выдаёт 13,4 токена в секунду. На простой
задаче рефакторинга с лимитом 1500 токенов получено:

    сгенерировано  1500 токенов за 111,6 с
    рассуждений    5483 символа
    ответа         0 символов

Весь лимит уходит на размышления, до ответа модель не доходит. За 180 секунд
она успевает около 2400 токенов — и это тоже одни рассуждения.

Отключение рассуждений на уровне запроса проверено и работает:

    reasoning_effort: none                        ответ за 19,5 с
    chat_template_kwargs: enable_thinking=false   ответ за 11,4 с

Одиннадцать секунд вместо ста одиннадцати. Серверный флаг --reasoning off
решил бы это грубо, лишив рассуждений насовсем, поэтому владелец выбрал
гибкий путь: параметры задаёт хаб, по профилю.

Задание требует не зашивать ни enable_thinking, ни reasoning_effort: набор
ключей зависит от версии llama.cpp, и это данные конфигурации, а не
константы кода. Отдельным критерием — проверка живым запросом к серверу
владельца с замером времени до и после.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

agents/inbox/2026-08-31-A39-local-request-options.md

@@ -0,0 +1,142 @@
+# Задание A39: параметры запроса для локальных профилей
+
+## Дата поступления
+2026-08-31
+
+## База
+
+Ветка ревьюера `review/a35-a37-verified` (`88d579a`) — там уже слиты A35, A36, A37 и правки ревьюера.
+
+```
+git fetch origin --prune
+git checkout -b antigravity/a39-local-request-options origin/review/a35-a37-verified
+```
+
+В `main` напрямую не пушить.
+
+## Порядок исполнения
+
+Два прохода: **Flash** реализует, **Pro** проводит аудит. Пункт **P0-5** написан для аудитора.
+
+Задание небольшое и независимое: зона — только локальный адаптер и конфигурация профиля.
+
+---
+
+## Задача
+
+Локальная модель не закрывает задачи: Hermes сообщает «Локальный 27B не закрыл задачу: таймаут 180s, 4 вызова» и переключается на другого провайдера.
+
+Причина найдена и измерена, гадать не нужно.
+
+## Что измерено ревьюером — заново не выяснять
+
+Сервер владельца, `127.0.0.1:8081`, Qwen3.8-27B на Tesla V100. Служба запущена с `--reasoning on --reasoning-budget 4096`.
+
+**Задача рефакторинга простой функции, лимит 1500 токенов:**
+
+```
+сгенерировано:      1500 токенов за 111,6 с (13,4 ток/с)
+рассуждений:        5483 символа
+самого ответа:      0 символов
+```
+
+Модель израсходовала весь лимит на размышления и **до ответа не дошла**. За отведённые Hermes 180 секунд она успевает около 2400 токенов — и это по-прежнему одни рассуждения. Отсюда таймаут и четыре безрезультатных вызова.
+
+**Отключение рассуждений на уровне запроса — проверено, работает:**
+
+```
+reasoning_effort: "none"                          540 симв. рассуждений, ответ 302, 19,5 с
+chat_template_kwargs: {"enable_thinking": false}    0 рассуждений,       ответ 449, 11,4 с
+```
+
+**11 секунд вместо 111**, и ответ появляется. Проблема не в скорости модели, а в том, что она не доходит до ответа.
+
+Серверный флаг `--reasoning off` решил бы это грубо, но лишил бы рассуждений насовсем. Владелец выбрал гибкий путь: параметры задаёт хаб, по профилю.
+
+## Что уже есть
+
+```
+adapters/local_adapter.py:164   payload собирается здесь; сейчас проходят
+                                tools, tool_choice, response_format,
+                                max_tokens, stream, stop
+router_config.py:13             RouterProfileConfig — места под произвольные
+                                параметры запроса нет
+```
+
+## P0-1. Параметры запроса в профиле
+
+Добавить в `RouterProfileConfig` поле для произвольных параметров, которые адаптер подмешивает в тело запроса. Например `request_options: dict`.
+
+Требования:
+
+1. **Ничего не зашивать.** `enable_thinking`, `reasoning_effort` и прочее — это данные в конфигурации владельца, а не константы в коде. Завтра у llama.cpp появится другой ключ, и правка кода не должна понадобиться.
+2. **Сохраняется и переживает перезапуск**, как остальные поля профиля.
+3. **Вложенные структуры поддерживаются**: `chat_template_kwargs` — это словарь внутри словаря.
+4. **Явное поле запроса не перезаписывается молча.** Если Hermes прислал `max_tokens`, параметры профиля его не затирают; при конфликте выигрывает запрос, а факт расхождения пишется в журнал.
+
+## P0-2. Локальный адаптер их отправляет
+
+`local_adapter.invoke` подмешивает `request_options` в тело перед отправкой.
+
+Осторожно с двумя вещами:
+
+- **Неизвестный параметр не должен ронять вызов.** Сервер вернёт ошибку — её надо показать как ошибку провайдера с текстом, а не как отказ маршрутизатора. Механизм разбора ошибок уже есть в `base_adapter.extract_api_error_message`.
+- **Другие провайдеры не затрагиваются.** Поле относится к локальным профилям; попадание `chat_template_kwargs` в запрос к Antigravity или Codex — дефект.
+
+## P0-3. Настройка из интерфейса
+
+Владелец должен задавать это без правки YAML вручную.
+
+В карточке локального аккаунта — поле параметров запроса. Достаточно текстового поля с JSON и проверкой разбора: набор ключей зависит от версии llama.cpp, и выпадающий список из зашитых вариантов быстро устареет.
+
+**Показать, что именно уйдёт на сервер.** И честно сказать, если параметр отклонён сервером, — с его текстом ошибки.
+
+## P0-4. Умолчание для профилей владельца
+
+Предложить в отчёте, но **не применять молча**: для `local-1` (27B, порт 8081) поставить
+
+```json
+{"chat_template_kwargs": {"enable_thinking": false}}
+```
+
+Обосновать измерением выше. Решение принимает владелец.
+
+Для `local-2` (4B, порт 8082) этого не нужно: она запущена с `--reasoning off`.
+
+## P0-5. Аудит вторым проходом
+
+1. **Проверить на живом сервере владельца**, а не только заглушкой: запрос с `enable_thinking: false` должен вернуть ответ за десяток секунд вместо ста.
+2. **Утечка в других провайдеров** — проверить целенаправленно, что параметр уходит только в локальные.
+3. **Неизвестный ключ** не роняет вызов и показывается как ошибка провайдера.
+4. **Зашитые значения** — искать отдельно; в коде не должно быть ни `enable_thinking`, ни `reasoning_effort`.
+5. **Побочные изменения** объяснить.
+6. **Пропущенный пункт назвать пропущенным.**
+
+---
+
+## Ограничения
+
+- Зона: `adapters/local_adapter.py`, `router_config.py`, карточка аккаунта в вебе, тесты.
+- Серверные юниты `qwen-coder` и `qwen-compressor` не трогать: это машина владельца, он меняет их сам.
+- Правило честности без исключений.
+- Тег `v0.1.1` не создавать.
+
+## Критерии приёмки
+
+1. Ветка в `origin` от `review/a35-a37-verified`, `git status` чист.
+2. `request_options` есть в профиле, сохраняется, переживает перезапуск, поддерживает вложенные структуры.
+3. Локальный адаптер отправляет их; **проверено живым запросом к серверу владельца** с приложенным замером времени до и после.
+4. Параметр не попадает в запросы к другим провайдерам; проверено.
+5. Неизвестный ключ даёт ошибку провайдера с текстом, а не отказ маршрутизатора.
+6. Поле настраивается из интерфейса, показывает отправляемое тело.
+7. Явные поля запроса Hermes не затираются.
+8. Ни `enable_thinking`, ни `reasoning_effort` не зашиты в коде.
+9. `ruff check .` чисто; релизный гейт не ухудшен.
+10. Отчёт: `START_HEAD`, `FINAL_HEAD`, `origin/main`, `git status`, `X passed / Y skipped / Z failed`. На ветке ревьюера сейчас **508 passed, 2 skipped**.
+
+## Главное
+
+Локальная модель сейчас бесполезна: она не доходит до ответа за отведённое время, и Hermes от неё отказывается. Одна строка параметров превращает 111 секунд без результата в 11 секунд с ответом. Нужно, чтобы владелец задавал эту строку из хаба, а не пересобирал службу.
+
+## Порядок сдачи
+Передать точный `FINAL_COMMIT_SHA`.