refactor(stream): 将不完整流 token 估算逻辑收敛到 StreamContext

- 新增 has_partial_response / ensure_estimated_output_tokens / should_estimate_incomplete_tokens 方法
- CancelledError 路径在归因前即补充 output_tokens，确保日志包含估算值
- CLI Handler 和 Chat Handler 的兜底估算统一使用 should_estimate_incomplete_tokens
- 移除 cli_monitor_mixin 和 stream_telemetry 中重复的条件判断
- 新增对应单元测试

src/api/handlers/base/cli_monitor_mixin.py

@@ -170,6 +170,8 @@ class CliMonitorMixin:
             # 也可能是服务端（重载/关停/内部取消）导致的协程取消。
             # 这里尽量做一次"断连归因"：仅当能确认客户端已断开时才记为 499 cancelled。
             time_since_last_chunk = time_module.time() - last_chunk_time
+            if not ctx.has_completion:
+                ctx.ensure_estimated_output_tokens()
 
             is_client_disconnected = False
             disconnect_check_uncertain = False
@@ -287,6 +289,11 @@ class CliMonitorMixin:
                     bg_db, user, api_key, ctx.request_id, self.client_ip
                 )
 
+                if ctx.should_estimate_incomplete_tokens():
+                    self._estimate_tokens_for_incomplete_stream(
+                        ctx, ctx.provider_request_body or original_request_body
+                    )
+
                 response_body = ctx.build_response_body(response_time_ms)
                 client_response_body = ctx.build_client_response_body(response_time_ms)
 
@@ -398,17 +405,6 @@ class CliMonitorMixin:
 
                     # 流未正常完成（如上游截断/连接中断）且无 token 数据时，
                     # 从已收集的文本和请求体估算 tokens，避免 usage 记录为 0
-                    if (
-                        not ctx.has_completion
-                        and ctx.data_count > 0
-                        and ctx.input_tokens == 0
-                        and ctx.output_tokens == 0
-                    ):
-                        # 用实际发给 Provider 的请求体估算 token（格式转换时与客户端请求体不同）
-                        self._estimate_tokens_for_incomplete_stream(
-                            ctx, ctx.provider_request_body or original_request_body
-                        )
-
                     # 流式成功时，返回给客户端的是提供商响应头 + SSE 必需头
                     client_response_headers = filter_proxy_response_headers(ctx.response_headers)
                     client_response_headers.update(

src/api/handlers/base/stream_context.py

@@ -331,6 +331,29 @@ class StreamContext:
         """检查是否因客户端断开连接而结束"""
         return self.status_code == 499
 
+    def has_partial_response(self) -> bool:
+        """是否已收到部分流式响应数据。"""
+        return self.data_count > 0 or self.chunk_count > 0 or self.collected_text_length > 0
+
+    def ensure_estimated_output_tokens(self) -> bool:
+        """在缺少 usage 时，基于已收集文本补充输出 tokens。"""
+        if self.output_tokens > 0 or self.collected_text_length <= 0:
+            return False
+        self.output_tokens = max(1, self.collected_text_length // 4)
+        return True
+
+    def should_estimate_incomplete_tokens(self) -> bool:
+        """流异常结束且尚无 usage 时，是否应做兜底 token 估算。
+
+        使用 or 而非 and：CancelledError 路径中 ensure_estimated_output_tokens
+        可能已补了 output_tokens，但 input_tokens 仍为 0，此时仍需估算。
+        """
+        return (
+            not self.has_completion
+            and (self.input_tokens == 0 or self.output_tokens == 0)
+            and self.has_partial_response()
+        )
+
     def set_ttfb_ms(self, ms: int) -> None:
         """将首字节响应耗时（TTFB）注入到 proxy_info 中"""
         if self.proxy_info is not None:

src/api/handlers/base/stream_telemetry.py

@@ -100,16 +100,9 @@ class StreamTelemetryRecorder:
                 writer = await self._get_telemetry_writer(bg_db, ctx, response_time_ms)
                 if writer is None:
                     return
-                # 兜底估算：流未正常完成且 token 均为 0 时，从请求体粗略估算
-                # 覆盖 Chat Handler 路径（CLI Handler 在更早的位置已做估算，
-                # 若已估算过则 token > 0，此处条件不会触发）
-                if (
-                    ctx.is_success()
-                    and not ctx.has_completion
-                    and ctx.data_count > 0
-                    and ctx.input_tokens == 0
-                    and ctx.output_tokens == 0
-                ):
+                # 兜底估算：流未正常完成且 token 均为 0 时，从请求体粗略估算。
+                # 覆盖成功但缺少 completion，以及已传出部分数据后被中断的场景。
+                if ctx.should_estimate_incomplete_tokens():
                     # 用实际发给 Provider 的请求体估算 token（格式转换时与客户端请求体不同）
                     self._estimate_tokens_for_incomplete_stream(
                         ctx, ctx.provider_request_body or original_request_body