一个 reasoning_effort，翻译给三种后端

OpenAI 的请求格式里有个标准字段 reasoning_effort，取值 low / medium / high / xhigh 这类，用来控制模型「想多深」。LLM-Bridge 对外收这个字段，可对内——三家后端接受深度的方式，一个像样的都对不上。这篇讲一个字段怎么翻译成三种完全不同的落法。

claude：先把 SDK 的默认值按下来

claude 走 Agent SDK，深度是 SDK 的 effort 选项，取值 low / medium / high / xhigh / max。翻译本身不难，难的是默认值。

SDK 自己的默认是 high。这个默认是给「写代码的 agent」定的——它要深思、要多轮推理。可 LLM-Bridge 是个聊天网关，大多数请求就是随口问一句，用 high 又慢又费 credit（headless claude 烧的是月度 Agent SDK 额度）。所以网关把默认主动压到 medium：

DEFAULT_EFFORT = "medium"  # SDK 默认是 high，对聊天太深、太费额度

EFFORT_MAP = {
    "minimal": "low", "low": "low", "medium": "medium",
    "high": "high", "xhigh": "xhigh", "max": "max",
}
effort = EFFORT_MAP.get(request.reasoning_effort or "", DEFAULT_EFFORT)

请求里显式写了 reasoning_effort 就照它来，没写就用 medium 而不是 SDK 的 high。接一个第三方 SDK，它的默认值是按它的场景调的，未必是你的场景——该覆盖就覆盖，别默默继承。

codex：从请求字段到 -c 配置覆盖

codex 是 CLI 子进程，深度不是命令行开关，得靠 -c 传一条 config 覆盖进去：

mapped_effort = EFFORT_MAP.get(effort or "")
if mapped_effort:
    args += ["-c", f'model_reasoning_effort="{mapped_effort}"']

-c model_reasoning_effort="high" 相当于临时改写 codex 的一条配置项。请求字段 → 中间词表 → CLI 配置覆盖，中间转了两道手。没传 effort 就不加这个参数，让 CLI 用它自己的默认。

agy：深度不在字段里，在模型名里

到 agy（Antigravity CLI）这里，reasoning_effort 字段直接被忽略——不是没实现，是它的模型本身就把深度编码进了名字：

Gemini 3.5 Flash (Low)
Gemini 3.5 Flash (Medium)
Gemini 3.5 Flash (High)

(Low) / (Medium) / (High) 是三个不同的模型 slug，不是同一个模型的一个参数。你要浅一点，就选 gemini-3.5-flash-low；要深一点，选 -high。深度的旋钮长在模型选择里，而不是一个独立字段上。于是这条通道诚实地不处理 reasoning_effort，并在文档里写明：agy 的深度请通过选模型来控制。

同一个概念，在三家的抽象里位置都不一样：claude 是 SDK 选项、codex 是 config 项、agy 是模型标识的一部分。适配层的活儿就是认清它在每家落在哪，然后把请求字段接过去。

两张映射表，因为词表根本不一样

你可能注意到 claude 和 codex 各有一张 EFFORT_MAP，长得还不一样。这不是复制粘贴忘了合并，是两家的词表本来就不同：

• OpenAI 的 minimal：claude、codex 都没有对应档，统一映射到 low；
• 顶格档：claude 有 max，max 就映到 max；codex 最高只到 xhigh，所以 codex 的表里 max → xhigh，封顶。

# claude:  "max": "max"      —— SDK 支持 max
# codex:   "max": "xhigh"    —— codex 没有 max，封到 xhigh

一个统一字段要落到 N 个后端，就得为每个后端维护一张「我的词表 → 它的词表」的映射，并诚实处理两边对不齐的档位。这类枯燥的词表对齐，正是「统一 API」这四个字底下真正的工作量。

顺带：别让用户环境偷改你的请求

跟 effort 同一类的还有一个隐形变量：codex 会读用户的 ~/.codex/config.toml，把里面的 skills、plugins、甚至 reasoning 设置一并带进每个请求。对一个聊天网关，这有两个坏处——那些 skills 平白多出几万个 input token，用户如果全局开了 xhigh reasoning，你的每个请求都被拖慢，而且你在代码里设的 effort 会被用户环境悄悄改写。

所以 codex 默认加 --ignore-user-config：

if self.ignore_user_config:
    args.append("--ignore-user-config")

它只隔离「用户的个性化配置」，认证不受影响（登录态照样从 ~/.codex 读）。这样网关请求就是干净的：深度完全由请求里的 reasoning_effort 决定，而不是被用户某天随手改的全局配置偷偷左右。可配置，想带用户配置的人自己打开。

小结

一个 reasoning_effort 字段，翻译给三种后端：

• claude：SDK 的 effort 选项，关键是把 SDK 默认的 high 主动压到 medium——第三方默认值按它的场景调，未必是你的；
• codex：转成 -c model_reasoning_effort="…" 的 config 覆盖，请求字段绕两道手到 CLI；
• agy：深度编码在模型名里（(Low/Medium/High)），字段被忽略，靠选模型控制；
• 两张映射表：minimal 两家都没有映到 low，max 在 claude 是 max、在 codex 封到 xhigh——词表对齐是统一 API 的真实工作量；
• --ignore-user-config：隔离用户全局配置，别让它偷偷给请求加 20k token、改你设的 effort。

一句话：「统一 API」听起来是抹平差异，做起来是为每一个差异，写一条诚实的映射。