fix(ai-title): 过滤模型「前导思考」，只取标题 (§19.31)

推理型文本模型即便提示词要求「只返回逗号连接的标题」，仍常在标题前先输出
一段思考散文；该散文自身带逗号，直接逗号切分会切出假标题混进结果。切分前
先剥离前导思考（_strip_title_preamble），两层：
- ① 哨兵优先：文本含 ===TITLES===（正则 =+\s*TITLES\s*=+，忽略大小写、
  吞相邻 * / # 装饰）时只取最后一个哨兵之后，思考连同哨兵丢弃
- ② 句号兜底（无需改提示词）：无哨兵时切最后一个 。！？ 及之前；真标题不含
  句末标点，故最后一个句号即前导散文↔标题列表的分界；仅当其后仍含逗号/换行
  分隔符时才剥离，避免末条标题的收尾句号被误当分界清空

- ai_text_service.py：加 _TITLE_SENTINEL / _SENTENCE_END / _strip_title_preamble，
  _clean_titles 切分前调用
- config_service.py：DEFAULT_TITLE_PROMPT 补哨兵约定（思考写最前、单独一行
  ===TITLES===、其后只放逗号标题）
- docs/11 §17.2/§17.3 更新 + 新增 §17.9 决策；tasks.md §19.31
- 不碰 packaging/default_config/title_prompt.txt（用户精细模板，并行未提交）

验证：test_ai_text_service（22）+ 全套 py37（236 测试）通过，唯一失败为
无关的 test_config_service packaging 模板；离屏冒烟用真实返回样本 → 前导思考
被剥离、取全部干净标题，默认提示词含哨兵。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

docs/11-ai-outfit.md

@@ -463,7 +463,10 @@ Excel 行 → `OutfitTask` 列表的转换由 `excel_service` 完成；核心只
   - `images`/`images_edits`：纯图片接口，不能返回文字 → 抛 `AiTextServiceError`。
   - 一次 POST → `extract_titles_from_response` 返回**多条**清洗后标题。
 - `generate_text(prompt, image_path=None) -> str`：保留（返回第一条，= `generate_texts` 的 `[0]`），供单条场景与既有单测；与 `generate_texts` 共用同一段 POST。
-- `extract_titles_from_response(data) -> List[str]`：取 `choices[0].message.content` / gemini `candidates[0].content.parts[].text` 的原始文本，**按逗号（`,`/`，`，兼容换行）拆分 + 逐段清洗**（去首尾空白/序号/符号/引号、丢空），返回标题列表（§19.23）。`extract_text_from_response` = 取其首条（兼容保留）。
+- `extract_titles_from_response(data) -> List[str]`：取 `choices[0].message.content` / gemini `candidates[0].content.parts[].text` 的原始文本，**先剥离前导思考（§17.9）→ 按逗号（`,`/`，`，兼容换行）拆分 + 逐段清洗**（去首尾空白/序号/符号/引号、丢空），返回标题列表（§19.23）。`extract_text_from_response` = 取其首条（兼容保留）。
+- **剥离前导思考 `_strip_title_preamble`（§17.9/§19.31）**：推理型模型常在标题前先输出一段"思考"散文（这段本身带逗号，直接逗号切会切出假标题）。切分前先剥离：
+  - **哨兵优先**：文本含 `===TITLES===`（正则 `=+\s*TITLES\s*=+`，忽略大小写）时，只取**最后一个哨兵之后**的内容——把思考连同哨兵一起丢掉。这是提示词侧约定的确定性切点（§17.3）。
+  - **句号兜底**：无哨兵时，切掉**最后一个句末标点（`。！？`）及其之前的全部**——真标题不含 `。`（提示词禁标点），故最后一个 `。` 即前导散文与标题列表的分界。仅当"其后仍含逗号/换行分隔符"时才剥离，避免把"末条标题的收尾句号"误当分界而清空。
 - **读取超时：标题生成走 4K 的 600 秒（§17.8）**。`generate_texts`/`generate_text` 的 `resolution` 形参本是图像分辨率借来的超时档（`resolution_timeout`：512→180 / 1K→240 / 2K→360 / 4K→600 秒）；纯文本请求没有"分辨率"，只借那张超时表。`generate_titles` 显式传 `resolution="4K"`（`ai_title._TITLE_TIMEOUT_RESOLUTION`）→ 读取超时 **600 秒**，而非默认档 1K 的 240 秒。理由：一次请求要中转站排队、大模型生成多条标题再整段返回，240 秒对慢模型/排队偏紧。连接超时仍 30 秒不变；模型条目若显式设 `timeout_seconds>0` 仍**优先覆盖**这 600 秒（`_post`：`config.timeout_seconds if >0 else resolution_timeout(resolution)`）。
 
 ### 17.3 模型与提示词
@@ -477,7 +480,7 @@ Excel 行 → `OutfitTask` 列表的转换由 `excel_service` 完成；核心只
   - 边界：`api_type=chat` 但实际返回图片的模型（如 Nano Banana）类型上无法预判，仍在运行时由 `AiTextClient`/「未找到文字标题」逐行暴露——这是固有限制。
 - **图片模型下拉与标题模型隔离**：图片生成的右栏 `AI 模型` 下拉在 `_fill_model_combo()` 填充时，应跳过 `name == title_model` 的模型；标题模型仍留在 `self._models` 里供 `_resolve_title_model_config()` 查找，不应从总模型列表删除。这样既保留标题生成能力，又避免默认 `GPT-5.5 文本` 出现在图片模型下拉里被误选。
 - **`ai_models.json` 需有一条文本/视觉模型**（管理员维护，含真实 key，不入库）：`api_type` 设 `chat`、`model` 填中转的真实 id（如 `gpt-5.5`）、`name` 与 `title_model` 一致（默认 `GPT-5.5 文本`）。`docs/ai_models.sample.json` 已含 chat 示例可参照。
-- **标题提示词**：单份，存 `~/.cmbot/config/title_prompt.txt`（`load_title_prompt`/`save_title_prompt`，仿旧式单份，标题侧不做多套模板）。发布包应带 `app\config\title_prompt.txt`；用户目录缺失时首次播种/运行时兜底复制，已有不覆盖；出厂文件缺失时才退回代码内置 `DEFAULT_TITLE_PROMPT`。默认文案为**批量风格 + 逗号分隔**——让模型生成**多条**电商女装标题、**标题之间用逗号分隔**、**不要表格/换行/序号/引号/表情**，数量由用户在提示词里写（默认示例可写「生成 10 条」）。与 §17.1 的逗号拆分配套。
+- **标题提示词**：单份，存 `~/.cmbot/config/title_prompt.txt`（`load_title_prompt`/`save_title_prompt`，仿旧式单份，标题侧不做多套模板）。发布包应带 `app\config\title_prompt.txt`；用户目录缺失时首次播种/运行时兜底复制，已有不覆盖；出厂文件缺失时才退回代码内置 `DEFAULT_TITLE_PROMPT`。默认文案为**批量风格 + 逗号分隔**——让模型生成**多条**电商女装标题、**标题之间用逗号分隔**、**不要表格/换行/序号/引号/表情**，数量由用户在提示词里写（默认示例可写「生成 10 条」）。与 §17.1 的逗号拆分配套。**代码内置 `DEFAULT_TITLE_PROMPT` 还约定「若需思考先写在最前面，思考完毕后单独一行输出 `===TITLES===`，其后只放逗号分隔的标题」——给解析一个确定性切点（§17.9）。用户自定义提示词（含发布包精细模板）建议照抄这行哨兵约定；不加也有 `_strip_title_preamble` 的句号兜底，但加了更稳。**
 
 ### 17.4 界面与运行
 
@@ -524,3 +527,14 @@ Excel 行 → `OutfitTask` 列表的转换由 `excel_service` 完成；核心只
 - **改法**：`generate_titles` 显式传 `resolution="4K"`（常量 `ai_title._TITLE_TIMEOUT_RESOLUTION`），把读取超时抬到 600 秒。**只改标题这一条链路**——`generate_texts`/`generate_text` 的默认 `resolution="1K"` 不动，其它/未来调用方不受影响。
 - **为什么复用分辨率档而非新增字段**：纯文本请求本无分辨率，`resolution` 只是 `resolution_timeout` 那张 `{512/1K/2K/4K → 180/240/360/600}` 超时表的键；复用它零新增配置、与图片侧同一套超时语义，最省。若将来要独立可调，再在模型条目上用 `timeout_seconds>0` 覆盖（已支持，优先级高于分辨率档）。
 - **代价**：慢/挂死的请求现在最长等 600 秒才失败（而非 240 秒），但标题生成是单次、手动触发、非批量循环，多等的是最坏情况，正常返回不受影响。
+
+### 17.9 决策：过滤模型「前导思考」，只取标题（哨兵 + 句号兜底）
+
+推理型文本模型即便提示词写明「只返回逗号连接的标题」，仍常在标题**前面**先输出一段思考散文（例：「我會直接產出符合格式的標題，並先用字元計數檢查…然後一次輸出 42 個標題。【台灣現貨】…」）。这段散文**自身带逗号**，直接逗号切分会把它切成若干**假标题**混进结果。§19.31 在 `_clean_titles` 切分**前**加一步 `_strip_title_preamble`：
+
+- **两层过滤**：
+  - **① 哨兵优先（确定性）**：提示词约定思考完毕后单独一行输出 `===TITLES===`（§17.3）；解析取**最后一个哨兵之后**的内容（正则 `=+\s*TITLES\s*=+`、忽略大小写，容忍 `**===TITLES===**` 之类修饰）。思考连同哨兵一并丢弃，无歧义。
+  - **② 句号兜底（抗噪，无需改提示词）**：无哨兵时，切掉**最后一个 `。！？` 及其之前的全部**。依据：真标题不含句末标点（提示词禁标点、这批标题用半角空格分词），故最后一个 `。` 就是"前导散文 ↔ 标题列表"的分界。**仅当其后仍含逗号/换行分隔符时才剥离**，防止"末条标题恰好带收尾句号"被误当分界而清空。
+- **为什么两层都要**：哨兵最干净但依赖模型照做（推理模型偶尔漏）；句号兜底不依赖提示词、对现有精细模板（发布包 `【台灣現貨】` 模板，未含哨兵）当场生效。二者叠加：模型配合时确定性、不配合时仍能救。
+- **为什么不选纯提示词约束 / JSON 数组**：纯靠"别输出思考"压不住推理模型（§本节前提）。JSON 数组（`["t1","t2",…]` + 抽第一个 `[...]` 解析）鲁棒性更高、还能容忍标题内嵌逗号，但要改输出格式、超长数组偶有截断/非法风险；当前保留用户熟悉的逗号格式 + 上述两层过滤，改动最小。若日后逗号内嵌成为真问题，再迁 JSON（把逗号切分降级为 fallback）。
+- **边界**：② 假设标题不含 `。`；若某条标题真带句号会被误切——由提示词"禁标点"约束兜住，属可接受的固有边界（与 §17.3 一致）。中转站若能单独返回 `reasoning_content` 或支持关思考参数，则从源头无前导思考，比解析更干净（值得在中转文档确认；本次不依赖）。