新增 <think>...</think> 过滤器，支持完整标签、跨流式 chunk 标签、未闭合 <think>。

OpenAICompatibleLlmClient 新增 chat_stream()，使用 OpenAI-compatible /chat/completions 的 stream: true。
chat 普通对话现在优先流式分段输出；流式不可用或服务端不返回 SSE 时，会提示并自动 fallback 到非流式 chat()。
普通 chat 和 log analyze 都会过滤 think 内容，并且日志只记录过滤后的摘要。
更新了 chat/log 分析提示词，明确禁止输出 think/内部思考。
同步 README、打包 README、run.sh --help。
补充了过滤器、OpenAI 流式、CLI fallback、日志分析过滤等测试。

README.md

@@ -88,6 +88,7 @@ packaging/
 - chat 会播报 action 审核开始、审核完成和审核失败，避免黑盒执行。
 - chat 支持执行中按 `Ctrl+C` 中断，保存 checkpoint 后再 `resume`。
 - chat 支持普通 LLM 对话、日志尾部分析和单 action 执行：`ask <问题>`、`log analyze <路径>`、`action propose <需求>`、`action run ...`。
+- chat 普通对话会优先使用 OpenAI-compatible streaming 输出；如果服务端不支持流式，会自动退回普通请求。`<think>...</think>` 思考内容会被过滤，不展示也不写入运行日志。
 - chat 支持 `set KEY=VALUE` 和 `load params <路径>` 热更新当前运行参数，并同步回写运行中的 `config.txt` 与 checkpoint。
 - 支持通过 `--llm-action-analysis-prompt-file`、`PAM_LLM_ACTION_ANALYSIS_PROMPT_FILE` 或 chat 内 `llm config action_analysis_prompt_file=...` 自定义 action 审核提示词。
 - 增加统一运行日志，默认写入 `logs/pam_deploy_agent.log`，覆盖 CLI/chat、LLM 调用、action 路由、脚本/MCP 调用、LangGraph、checkpoint 等关键流程，并按天切分、默认保留 14 个历史日切文件。
@@ -135,7 +136,7 @@ python -m pam_deploy_graph.cli analyze \
 
 仓库内已提供 [prompts/action_review.txt](/e:/AIcoding/agent_deply/prompts/action_review.txt) 作为“当前默认 action 审核提示词”的落地副本，后续自定义时可以先复制它再改，便于和内置默认行为对照。
 
-真实 LLM 调用位置在 `pam_deploy_graph/llm/openai_compatible.py`，提示词在 `pam_deploy_graph/llm/prompts.py`。发送给 LLM 的 `base_params` 会脱敏，`CLIENT_SECRET` 不会进入 prompt；本地生成计划后仍会执行 guardrails 校验。
+真实 LLM 调用位置在 `pam_deploy_graph/llm/openai_compatible.py`，提示词在 `pam_deploy_graph/llm/prompts.py`。发送给 LLM 的 `base_params` 会脱敏，`CLIENT_SECRET` 不会进入 prompt；本地生成计划后仍会执行 guardrails 校验。chat 普通对话优先使用 `/chat/completions` streaming；服务端不支持时会自动退回非流式请求。普通对话和日志分析会过滤 `<think>...</think>`、未闭合 `<think>` 及内部思考内容。
 
 chat 内可以用当前 client 做一次轻量测试，确认真实 LLM 或规则 fallback 是否正常加载：
 
@@ -306,7 +307,7 @@ PAM> resume
 PAM> exit
 ```
 
-`chat` 默认把非内置命令交给当前 LLM 做普通对话，不会自动触发部署 workflow；需要结构化分析部署需求时请显式使用 `analyze <需求>`，完整部署仍要求输入 `run`，并确认参数、目标 IP 范围和最终执行后才会执行 action。`log analyze <路径> [问题] [--tail N] [--max-bytes N]` 默认只读取日志尾部并脱敏后交给 LLM；`action propose <需求>` 只让 LLM 解析单 action 计划，不执行；`action run <action> [ip=...] [KEY=VALUE...]` 或 `action run llm <需求>` 会展示 action、backend、ip、风险和参数，用户输入 `yes` 后才会复用现有 ActionRouter 执行单 action。每个 workflow action 和单 action 完成后都会自动进入一次 LLM/规则审核，并播报审核开始/结束；审核输入只包含当前 action 的结构化结果和必要诊断日志，不会把完整运行态 `state_summary` 交给大模型，避免跨步骤状态干扰判断；只有 workflow 审核通过才会把 action 记为 completed；如果审核建议停止或审核本身失败，流程会暂停并输出建议，等待用户决定是否 `resume` 重试当前 action。`create-download-task` 支持可选 `PARENT_VERSION_NUMBER`，非空时会在云下载接口中传入 `parentVersionNumber`，用于指定继承哪个版本的规则；默认空值不传，沿用正在使用的版本规则。`poll-download-progress` 和 `poll-upgrade-progress` 每次只查询一次进度，workflow 会按 `POLL_INTERVAL_SEC`、`DOWNLOAD_POLL_MAX_ATTEMPTS`、`UPGRADE_POLL_MAX_ATTEMPTS` 重复调用，并在每次返回后让 LLM/规则判断是否完成、播报进度；未完成时不会跳到下一个 action。`verify-ip` 用于应用启动后的健康检查，失败时 workflow 会按 `VERIFY_INTERVAL_SEC` 重试，最多 `VERIFY_MAX_ATTEMPTS` 次；默认约每 10 秒一次、最多 12 次，仍未通过才暂停。逐 IP action 失败时也会暂停，修复外部环境后输入 `resume` 会从当前 action 重试；如果确实需要回滚，使用 `rollback [IP]` 显式执行。`llm test [文本]` 可测试当前 LLM client 是否可用。`--analyze-actions` 仅控制详细审核结果是否写入 `events`。执行中可按 `Ctrl+C` 中断，chat 会保存当前 checkpoint 并把流程标记为 `user_interrupted`。`set KEY=VALUE` 和 `load params <路径>` 会把更新同步到当前运行 state、`config.txt` 和 checkpoint。`chat` 也支持 `--llm-base-url` / `--llm-api-key` / `--llm-model` / `--llm-action-analysis-prompt-file`、`--mcp-config` 和 `--analyze-actions`。
+`chat` 默认把非内置命令交给当前 LLM 做普通对话，不会自动触发部署 workflow；普通对话优先流式展示，`<think>...</think>` 思考内容会被过滤。需要结构化分析部署需求时请显式使用 `analyze <需求>`，完整部署仍要求输入 `run`，并确认参数、目标 IP 范围和最终执行后才会执行 action。`log analyze <路径> [问题] [--tail N] [--max-bytes N]` 默认只读取日志尾部并脱敏后交给 LLM；`action propose <需求>` 只让 LLM 解析单 action 计划，不执行；`action run <action> [ip=...] [KEY=VALUE...]` 或 `action run llm <需求>` 会展示 action、backend、ip、风险和参数，用户输入 `yes` 后才会复用现有 ActionRouter 执行单 action。每个 workflow action 和单 action 完成后都会自动进入一次 LLM/规则审核，并播报审核开始/结束；审核输入只包含当前 action 的结构化结果和必要诊断日志，不会把完整运行态 `state_summary` 交给大模型，避免跨步骤状态干扰判断；只有 workflow 审核通过才会把 action 记为 completed；如果审核建议停止或审核本身失败，流程会暂停并输出建议，等待用户决定是否 `resume` 重试当前 action。`create-download-task` 支持可选 `PARENT_VERSION_NUMBER`，非空时会在云下载接口中传入 `parentVersionNumber`，用于指定继承哪个版本的规则；默认空值不传，沿用正在使用的版本规则。`poll-download-progress` 和 `poll-upgrade-progress` 每次只查询一次进度，workflow 会按 `POLL_INTERVAL_SEC`、`DOWNLOAD_POLL_MAX_ATTEMPTS`、`UPGRADE_POLL_MAX_ATTEMPTS` 重复调用，并在每次返回后让 LLM/规则判断是否完成、播报进度；未完成时不会跳到下一个 action。`verify-ip` 用于应用启动后的健康检查，失败时 workflow 会按 `VERIFY_INTERVAL_SEC` 重试，最多 `VERIFY_MAX_ATTEMPTS` 次；默认约每 10 秒一次、最多 12 次，仍未通过才暂停。逐 IP action 失败时也会暂停，修复外部环境后输入 `resume` 会从当前 action 重试；如果确实需要回滚，使用 `rollback [IP]` 显式执行。`llm test [文本]` 可测试当前 LLM client 是否可用。`--analyze-actions` 仅控制详细审核结果是否写入 `events`。执行中可按 `Ctrl+C` 中断，chat 会保存当前 checkpoint 并把流程标记为 `user_interrupted`。`set KEY=VALUE` 和 `load params <路径>` 会把更新同步到当前运行 state、`config.txt` 和 checkpoint。`chat` 也支持 `--llm-base-url` / `--llm-api-key` / `--llm-model` / `--llm-action-analysis-prompt-file`、`--mcp-config` 和 `--analyze-actions`。
 
 云下载相关参数：
 
@@ -322,7 +323,7 @@ PAM> exit
 
 ## 日志
 
-Agent 默认写入运行日志到 `logs/pam_deploy_agent.log`。日志覆盖 CLI/chat 输入、LLM 请求和响应摘要、action 路由、脚本/MCP 调用、LangGraph 节点、checkpoint 保存、暂停/续跑等关键流程。日志会在本地时间每日 0 点后首次写入时自动切分，历史文件形如 `pam_deploy_agent.log.YYYY-MM-DD`，默认保留 14 个历史日切文件。日志会递归脱敏 `CLIENT_SECRET`、`MCP_CLIENT_SECRET`、token、Authorization、api_key、password 等字段，并截断长文本。
+Agent 默认写入运行日志到 `logs/pam_deploy_agent.log`。日志覆盖 CLI/chat 输入、LLM 请求和响应摘要、action 路由、脚本/MCP 调用、LangGraph 节点、checkpoint 保存、暂停/续跑等关键流程。日志会在本地时间每日 0 点后首次写入时自动切分，历史文件形如 `pam_deploy_agent.log.YYYY-MM-DD`，默认保留 14 个历史日切文件。日志会递归脱敏 `CLIENT_SECRET`、`MCP_CLIENT_SECRET`、token、Authorization、api_key、password 等字段，并截断长文本；chat 普通对话和日志分析的 `<think>` 内容会先过滤，不记录原始思考过程。
 
 可通过环境变量调整日志位置、级别和保留策略：
 

packaging/README_linux_package.md

@@ -78,15 +78,15 @@ cd pam-deploy-agent-linux-x86_64
 - `--analyze-actions` 只控制是否把详细审核结果写入 `events`。
 - action 失败或审核阻断后会保存 checkpoint 并暂停；修复外部环境后通过 `resume` 从当前 action 重试。
 - 回滚不再属于主 workflow 自动分支；需要时使用 chat 内 `rollback [IP]` 或 CLI `rollback --checkpoint ...` 显式执行。
-- chat 中非内置命令默认交给当前 LLM 普通对话，不会自动触发部署 workflow；完整部署仍需 `analyze` / `run` 并人工确认。
+- chat 中非内置命令默认交给当前 LLM 普通对话，不会自动触发部署 workflow；普通对话优先流式展示，`<think>...</think>` 思考内容会被过滤；完整部署仍需 `analyze` / `run` 并人工确认。
-- chat 支持 `ask <问题>`、`log analyze <路径>`、`action propose <需求>`、`action run ...`，可用于普通问答、日志尾部分析和确认后执行单 action。
+- chat 支持 `ask <问题>`、`log analyze <路径>`、`action propose <需求>`、`action run ...`，可用于普通问答、日志尾部分析和确认后执行单 action；日志分析输出同样会过滤 `<think>` 内容。
 - chat 支持执行中 `Ctrl+C` 中断后保存 checkpoint，再通过 `resume` 重试当前 action。
 - chat 支持 `set KEY=VALUE` 和 `load params <路径>` 热更新当前运行任务参数。
 - 进度查询和健康检查重试参数可通过 `POLL_INTERVAL_SEC`、`DOWNLOAD_POLL_MAX_ATTEMPTS`、`UPGRADE_POLL_MAX_ATTEMPTS`、`VERIFY_INTERVAL_SEC`、`VERIFY_MAX_ATTEMPTS` 配置。
 - 支持通过 `--llm-action-analysis-prompt-file` 或 chat 内 `llm config action_analysis_prompt_file=...` 自定义 action 审核提示词。
 - chat 支持 `llm test [文本]` 测试当前 LLM client 是否正常加载。
 - 默认运行日志写入 `logs/pam_deploy_agent.log`，按天切分并默认保留 14 个历史日切文件，可通过 `PAM_AGENT_LOG_FILE`、`PAM_AGENT_LOG_LEVEL` 和 `PAM_AGENT_LOG_RETENTION_DAYS` 调整。
-- 日志会脱敏 token、secret、api_key、Authorization 等字段；checkpoint 仍保存完整运行参数，请放在受控目录。
+- 日志会脱敏 token、secret、api_key、Authorization 等字段；chat 普通对话和日志分析不会记录原始 `<think>` 内容；checkpoint 仍保存完整运行参数，请放在受控目录。
 
 ## 包大小评估
 

packaging/README_packaged_agent.md

@@ -249,8 +249,8 @@ MCP token 获取方式与 HOME 一致，默认按 `client_credentials` POST 到
 
 - 执行真实 action 前请确认配置文件中的 `HOME_BASE_URL`、`CLIENT_ID`、`CLIENT_SECRET`、`AIRPORT_CODE`、`APP_NAME`、`MODULE_NAME`、`VERSION_NUMBER`、`ZIP_FILE_PATH`。
 - `PARENT_VERSION_NUMBER` 是云下载可选参数；非空时会传给 `download-cloud` 的 `parentVersionNumber`，空值不会发送。
-- `chat` 中非内置命令默认交给当前 LLM 做普通对话，不会自动触发部署 workflow；需要分析部署需求时请显式使用 `analyze <需求>`，完整部署仍需 `run` 并逐步确认。
+- `chat` 中非内置命令默认交给当前 LLM 做普通对话，不会自动触发部署 workflow；普通对话优先流式展示，`<think>...</think>` 思考内容会被过滤；需要分析部署需求时请显式使用 `analyze <需求>`，完整部署仍需 `run` 并逐步确认。
-- `ask <问题>` 可显式普通对话；`log analyze <路径> [问题] [--tail N] [--max-bytes N]` 默认只读取日志尾部并脱敏后交给 LLM。
+- `ask <问题>` 可显式普通对话；`log analyze <路径> [问题] [--tail N] [--max-bytes N]` 默认只读取日志尾部并脱敏后交给 LLM，日志分析输出同样会过滤 `<think>` 内容。
 - `action propose <需求>` 只展示 LLM 解析出的单 action 计划；`action run <action> [ip=...] [KEY=VALUE...]` 和 `action run llm <需求>` 会在用户输入 `yes` 后才执行单 action。
 - 每个 action 完成后都会自动执行一次 LLM/规则审核；`--analyze-actions` 和 `llm action-analysis on` 只控制是否把详细审核结果写入 `events`。
 - action 审核输入不包含完整运行态 `state_summary`，只包含当前 action 的结构化结果和必要诊断日志。

packaging/build_linux_self_contained.sh

@@ -199,9 +199,10 @@ LLM 环境变量：
   6. chat 会在执行前归一化并展示实际写入脚本配置的参数；script_only / hybrid_node_mcp 会先检查 ZIP_FILE_PATH 是否存在。
   7. PARENT_VERSION_NUMBER 是云下载可选参数；空值不发送，非空时传给 parentVersionNumber。
   8. chat 执行过程中会播报每个 action 的开始、完成或失败；非内置输入默认交给 LLM 普通对话，不会自动触发部署 workflow。
-  9. chat 内可使用 ask、log analyze、action propose、action run、params、events、rollback、list checkpoints、load checkpoint、load params、llm config、llm test、mcp config 等命令。
+  9. chat 普通对话优先流式展示；模型返回的 <think>...</think> 思考内容会被过滤，不展示也不写入日志。
-  10. 日志默认写入 logs/pam_deploy_agent.log，按天切分并默认保留 14 个历史日切文件；日志会脱敏 token、secret、api_key、Authorization 等字段。
+  10. chat 内可使用 ask、log analyze、action propose、action run、params、events、rollback、list checkpoints、load checkpoint、load params、llm config、llm test、mcp config 等命令。
-  11. checkpoint 会保存完整运行参数，请放在受控目录。
+  11. 日志默认写入 logs/pam_deploy_agent.log，按天切分并默认保留 14 个历史日切文件；日志会脱敏 token、secret、api_key、Authorization 等字段。
+  12. checkpoint 会保存完整运行参数，请放在受控目录。
 HELP_TEXT
 }
 

pam_deploy_graph/interactive.py

@@ -17,6 +17,7 @@ from .checkpoint_store import load_agent_state, redact_mapping
 from .langgraph_runtime import LangGraphDeploymentRuntime, LangGraphRunResult
 from .llm import build_llm_client
 from .llm.rule_based import RuleBasedLlmClient
+from .llm.text_filter import filter_thinking_chunks, strip_thinking_text
 from .logging_utils import configure_logging, json_for_log, redact_for_log
 from .mcp_factory import build_mcp_runner_from_config
 from .models import ActionResult, AgentState, ExecutionStrategy, LlmSingleActionProposal
@@ -29,6 +30,7 @@ OutputFunc = Callable[[str], None]
 logger = logging.getLogger(__name__)
 DEFAULT_LOG_ANALYSIS_TAIL_LINES = 400
 DEFAULT_LOG_ANALYSIS_MAX_BYTES = 64 * 1024
+LLM_STREAM_FLUSH_CHARS = 120
 
 COMMAND_HELP = """可用命令：
   help                 显示帮助
@@ -292,8 +294,15 @@ class InteractiveCliSession:
         client_name = type(self.agent.llm_client).__name__
         self.output(f"正在询问 LLM: {client_name}")
         logger.info("chat 普通 LLM 对话开始 client=%s text=%s", client_name, redact_for_log(text, max_text_len=800))
+        context = self._llm_chat_context()
+        answer = self._try_stream_llm_chat(text, context, client_name)
+        if answer is not None:
+            if not answer:
+                self.output("LLM 未返回内容。")
+            logger.info("chat 普通 LLM 流式对话完成 client=%s answer=%s", client_name, redact_for_log(answer, max_text_len=1200))
+            return
         try:
-            answer = self.agent.llm_client.chat(text, context=self._llm_chat_context())
+            answer = strip_thinking_text(self.agent.llm_client.chat(text, context=context))
         except Exception as exc:
             logger.exception("chat 普通 LLM 对话失败 client=%s", client_name)
             self.output(f"LLM 对话失败: {exc}")
@@ -301,6 +310,19 @@ class InteractiveCliSession:
         self.output(answer or "LLM 未返回内容。")
         logger.info("chat 普通 LLM 对话完成 client=%s answer=%s", client_name, redact_for_log(answer, max_text_len=1200))
 
+    def _try_stream_llm_chat(self, text: str, context: dict[str, Any], client_name: str) -> str | None:
+        """优先使用 LLM 流式 chat；不支持或失败时交给非流式 fallback。"""
+        stream_method = getattr(self.agent.llm_client, "chat_stream", None)
+        if not callable(stream_method):
+            return None
+        try:
+            raw_chunks = stream_method(text, context=context)
+            return _output_llm_stream(filter_thinking_chunks(raw_chunks), self.output)
+        except Exception as exc:
+            logger.exception("chat 普通 LLM 流式对话失败 client=%s", client_name)
+            self.output(f"LLM 流式输出失败，改用普通请求: {exc}")
+            return None
+
     def _handle_log_command(self, text: str) -> None:
         """处理日志分析命令。"""
         try:
@@ -345,6 +367,7 @@ class InteractiveCliSession:
             logger.exception("chat 日志分析失败 client=%s path=%s", client_name, path)
             self.output(f"日志分析失败: {exc}")
             return
+        answer = strip_thinking_text(answer)
         self.output(answer or "LLM 未返回日志分析结果。")
         logger.info("chat 日志分析完成 path=%s answer=%s", path, redact_for_log(answer, max_text_len=1200))
 
@@ -1352,6 +1375,56 @@ def _format_action_result(result: ActionResult) -> str:
     return json.dumps(redact_mapping(payload), ensure_ascii=False, indent=2, default=str)
 
 
+def _output_llm_stream(chunks: Any, output_func: OutputFunc) -> str:
+    """把 LLM 流式分片按自然停顿点输出，并返回完整可见回答。"""
+    answer_parts: list[str] = []
+    buffer = ""
+    for chunk in chunks:
+        text = str(chunk)
+        if not text:
+            continue
+        answer_parts.append(text)
+        buffer += text
+        buffer = _flush_llm_stream_buffer(buffer, output_func, force=False)
+    if buffer:
+        output_func(buffer.strip())
+    return "".join(answer_parts).strip()
+
+
+def _flush_llm_stream_buffer(buffer: str, output_func: OutputFunc, *, force: bool) -> str:
+    """在换行、句末标点或长度阈值处刷新一段 LLM 输出。"""
+    while buffer:
+        split_at = _llm_stream_split_index(buffer)
+        if split_at <= 0:
+            break
+        segment = buffer[:split_at].strip()
+        if segment:
+            output_func(segment)
+        buffer = buffer[split_at:]
+    if force and buffer.strip():
+        output_func(buffer.strip())
+        return ""
+    if len(buffer) >= LLM_STREAM_FLUSH_CHARS:
+        segment = buffer.strip()
+        if segment:
+            output_func(segment)
+        return ""
+    return buffer
+
+
+def _llm_stream_split_index(buffer: str) -> int:
+    """查找适合把流式回答输出给用户的分段位置。"""
+    newline = buffer.find("\n")
+    if newline >= 0:
+        return newline + 1
+    for index, char in enumerate(buffer):
+        if char in "。！？!?":
+            return index + 1
+    if len(buffer) >= LLM_STREAM_FLUSH_CHARS:
+        return len(buffer)
+    return -1
+
+
 def _positive_int(value: str, name: str) -> int:
     """解析正整数参数。"""
     try:

pam_deploy_graph/llm/base.py

@@ -2,6 +2,7 @@
 
 from __future__ import annotations
 
+from collections.abc import Iterable
 from typing import Any, Protocol
 
 from pam_deploy_graph.models import (
@@ -49,6 +50,10 @@ class LlmClient(Protocol):
         """进行普通自然语言对话，不触发部署 workflow。"""
         ...
 
+    def chat_stream(self, text: str, context: dict[str, Any] | None = None) -> Iterable[str]:
+        """流式进行普通自然语言对话，不触发部署 workflow。"""
+        ...
+
     def analyze_log(self, log_text: str, question: str | None = None, source_path: str = "") -> str:
         """分析日志文本并给出异常摘要、原因和建议。"""
         ...

pam_deploy_graph/llm/openai_compatible.py

@@ -11,7 +11,7 @@ import logging
 import time
 from pathlib import Path
 import urllib.request
-from collections.abc import Callable
+from collections.abc import Callable, Iterable, Iterator
 from typing import Any
 
 from pam_deploy_graph.constants import (
@@ -36,8 +36,10 @@ from .prompts import (
     SINGLE_ACTION_PROMPT,
     SYSTEM_PROMPT,
 )
+from .text_filter import filter_thinking_chunks, strip_thinking_text
 
 JsonTransport = Callable[[str, dict[str, str], dict[str, Any], float], dict[str, Any]]
+StreamTransport = Callable[[str, dict[str, str], dict[str, Any], float], Iterable[str]]
 logger = logging.getLogger(__name__)
 
 
@@ -54,6 +56,7 @@ class OpenAICompatibleLlmClient:
         timeout_sec: float = 30,
         temperature: float = 0,
         transport: JsonTransport | None = None,
+        stream_transport: StreamTransport | None = None,
     ) -> None:
         """保存连接参数、模型参数和可替换的 HTTP transport。"""
         if not base_url:
@@ -67,8 +70,9 @@ class OpenAICompatibleLlmClient:
         self.timeout_sec = timeout_sec
         self.temperature = temperature
         self.transport = transport or _default_transport
+        self.stream_transport = stream_transport or _default_stream_transport
         logger.info(
-            "OpenAI-compatible LLM client 初始化 base_url=%s endpoint=%s model=%s has_api_key=%s timeout=%s temperature=%s custom_transport=%s",
+            "OpenAI-compatible LLM client 初始化 base_url=%s endpoint=%s model=%s has_api_key=%s timeout=%s temperature=%s custom_transport=%s custom_stream_transport=%s",
             self.base_url,
             _chat_completions_url(self.base_url),
             self.model,
@@ -76,6 +80,7 @@ class OpenAICompatibleLlmClient:
             self.timeout_sec,
             self.temperature,
             transport is not None,
+            stream_transport is not None,
         )
 
     def understand_request(self, text: str) -> LlmIntentResult:
@@ -192,6 +197,17 @@ class OpenAICompatibleLlmClient:
             },
         )
 
+    def chat_stream(self, text: str, context: dict[str, Any] | None = None) -> Iterable[str]:
+        """调用 LLM 做普通流式对话，不要求 JSON 响应。"""
+        return self._complete_text_stream(
+            "chat",
+            CHAT_PROMPT,
+            {
+                "user_text": text,
+                "context": _redact_sensitive(context or {}),
+            },
+        )
+
     def analyze_log(self, log_text: str, question: str | None = None, source_path: str = "") -> str:
         """调用 LLM 分析日志尾部摘要。"""
         return self._complete_text(
@@ -328,7 +344,7 @@ class OpenAICompatibleLlmClient:
         )
         try:
             response = self.transport(endpoint, headers, request_payload, self.timeout_sec)
-            content = str(_message_content(response))
+            content = strip_thinking_text(str(_message_content(response)))
         except Exception:
             logger.exception(
                 "LLM 文本请求失败 operation=%s endpoint=%s duration_ms=%s input=%s",
@@ -344,7 +360,55 @@ class OpenAICompatibleLlmClient:
             int((time.perf_counter() - started_at) * 1000),
             redact_for_log(content, max_text_len=1600),
         )
-        return content.strip()
+        return content
+
+    def _complete_text_stream(self, operation: str, instruction: str, input_payload: dict[str, Any]) -> Iterable[str]:
+        """发送 stream chat/completions 请求，并返回过滤后的普通文本分片。"""
+        started_at = time.perf_counter()
+        endpoint = _chat_completions_url(self.base_url)
+        request_payload = {
+            "model": self.model,
+            "temperature": self.temperature,
+            "stream": True,
+            "messages": [
+                {"role": "system", "content": instruction},
+                {
+                    "role": "user",
+                    "content": "输入 JSON:\n" + json.dumps(input_payload, ensure_ascii=False, sort_keys=True),
+                },
+            ],
+        }
+        headers = {"Content-Type": "application/json"}
+        if self.api_key:
+            headers["Authorization"] = f"Bearer {self.api_key}"
+        logger.info(
+            "LLM 流式文本请求开始 operation=%s endpoint=%s model=%s timeout=%s has_api_key=%s input=%s",
+            operation,
+            endpoint,
+            self.model,
+            self.timeout_sec,
+            bool(self.api_key),
+            json_for_log(input_payload, max_text_len=1600),
+        )
+        try:
+            raw_chunks = self.stream_transport(endpoint, headers, request_payload, self.timeout_sec)
+            for chunk in filter_thinking_chunks(raw_chunks):
+                if chunk:
+                    yield chunk
+        except Exception:
+            logger.exception(
+                "LLM 流式文本请求失败 operation=%s endpoint=%s duration_ms=%s input=%s",
+                operation,
+                endpoint,
+                int((time.perf_counter() - started_at) * 1000),
+                json_for_log(input_payload, max_text_len=1600),
+            )
+            raise
+        logger.info(
+            "LLM 流式文本请求完成 operation=%s duration_ms=%s",
+            operation,
+            int((time.perf_counter() - started_at) * 1000),
+        )
 
 
 def _default_transport(
@@ -368,6 +432,41 @@ def _default_transport(
     return decoded
 
 
+def _default_stream_transport(
+    url: str,
+    headers: dict[str, str],
+    payload: dict[str, Any],
+    timeout_sec: float,
+) -> Iterator[str]:
+    """使用标准库 urllib 发送 OpenAI-compatible SSE 流式请求。"""
+    request = urllib.request.Request(
+        url,
+        data=json.dumps(payload).encode("utf-8"),
+        headers=headers,
+        method="POST",
+    )
+    with urllib.request.urlopen(request, timeout=timeout_sec) as response:
+        for raw_line in response:
+            line = raw_line.decode("utf-8", errors="replace").strip()
+            if not line or line.startswith(":"):
+                continue
+            if line.startswith("event:") or line.startswith("id:"):
+                continue
+            if not line.startswith("data:"):
+                raise ValueError("LLM 流式响应不是 SSE data 格式")
+            data = line[len("data:") :].strip()
+            if data == "[DONE]":
+                break
+            try:
+                decoded = json.loads(data)
+            except json.JSONDecodeError:
+                logger.debug("忽略无法解析的 LLM stream data: %s", redact_for_log(data, max_text_len=300))
+                continue
+            chunk = _stream_delta_content(decoded)
+            if chunk:
+                yield chunk
+
+
 def load_prompt_text(path: str | None) -> str:
     """读取自定义提示词文件。"""
     if not path:
@@ -401,6 +500,35 @@ def _message_content(response: dict[str, Any]) -> Any:
     return content
 
 
+def _stream_delta_content(response: dict[str, Any]) -> str:
+    """从 OpenAI-compatible stream chunk 中提取 delta.content。"""
+    try:
+        choice = response["choices"][0]
+    except (KeyError, IndexError, TypeError):
+        return ""
+    delta = choice.get("delta") if isinstance(choice, dict) else None
+    if isinstance(delta, dict) and "content" in delta:
+        return str(_content_parts_to_text(delta.get("content")))
+    message = choice.get("message") if isinstance(choice, dict) else None
+    if isinstance(message, dict) and "content" in message:
+        return str(_content_parts_to_text(message.get("content")))
+    text = choice.get("text") if isinstance(choice, dict) else None
+    return str(text) if text is not None else ""
+
+
+def _content_parts_to_text(content: Any) -> str:
+    """把 OpenAI content parts 或字符串转换为纯文本。"""
+    if isinstance(content, list):
+        parts: list[str] = []
+        for item in content:
+            if isinstance(item, dict) and item.get("type") == "text":
+                parts.append(str(item.get("text", "")))
+            elif isinstance(item, str):
+                parts.append(item)
+        return "".join(parts)
+    return "" if content is None else str(content)
+
+
 def _loads_json_object(content: Any) -> Any:
     """把 message.content 解析为 JSON 对象。"""
     if isinstance(content, dict):

pam_deploy_graph/llm/prompts.py

@@ -109,6 +109,7 @@ CHAT_PROMPT = """你是 PAM 部署 Agent 的交互助手。
 - 如果用户想执行完整部署，提示使用 `analyze <需求>` 先分析，确认后再输入 `run`。
 - 如果用户想单独执行 action，提示使用 `action propose <需求>` 或 `action run ...`，执行前仍需要人工确认。
 - 不要输出密钥、token、Authorization、CLIENT_SECRET 或 api_key。
+- 不要输出 `<think>`、`</think>`、推理过程、内部思考或隐藏分析内容。
 """
 
 LOG_ANALYSIS_PROMPT = """分析 PAM Agent 或部署脚本日志。
@@ -118,6 +119,7 @@ LOG_ANALYSIS_PROMPT = """分析 PAM Agent 或部署脚本日志。
 - 不要输出密钥、token、Authorization、CLIENT_SECRET 或 api_key。
 - 输入通常是日志尾部摘要，不代表完整文件。
 - 不要因为日志来自 stderr 就直接判定失败，要结合 ERROR、Exception、fail、状态码和上下文判断。
+- 不要输出 `<think>`、`</think>`、推理过程、内部思考或隐藏分析内容。
 """
 
 SINGLE_ACTION_PROMPT = """把用户自然语言解析成一次 PAM action 调用建议。

pam_deploy_graph/llm/rule_based.py

@@ -6,6 +6,7 @@
 
 from __future__ import annotations
 
+from collections.abc import Iterable
 import logging
 import re
 from dataclasses import asdict
@@ -23,6 +24,8 @@ from pam_deploy_graph.models import (
     LlmSingleActionProposal,
 )
 
+from .text_filter import strip_thinking_text
+
 logger = logging.getLogger(__name__)
 
 KEY_ALIASES = {
@@ -62,16 +65,20 @@ class RuleBasedLlmClient:
         logger.info("规则 LLM 普通对话 text=%s context=%s", redact_for_log(text, max_text_len=800), json_for_log(context or {}))
         lowered = text.lower()
         if any(word in lowered for word in ("help", "帮助", "怎么用", "命令")):
-            return (
+            return strip_thinking_text(
                 "当前是本地规则 LLM fallback。可用 `analyze <需求>` 分析部署需求，`run` 执行完整 workflow，"
                 "`action propose <需求>` 解析单个 action，`action run ...` 确认后执行单个 action，"
                 "`log analyze <路径>` 分析日志尾部。"
             )
-        return (
+        return strip_thinking_text(
             "当前未配置真实 LLM，已使用本地规则 fallback。普通闲聊只能给出有限说明；"
             "如需自然语言问答、日志深度分析或更准确的 action 解析，请配置真实 LLM。"
         )
 
+    def chat_stream(self, text: str, context: dict[str, Any] | None = None) -> Iterable[str]:
+        """规则 fallback 的流式对话兼容实现。"""
+        yield self.chat(text, context=context)
+
     def analyze_log(self, log_text: str, question: str | None = None, source_path: str = "") -> str:
         """用本地规则分析日志尾部。"""
         logger.info("规则 LLM 日志分析 source=%s question=%s text_len=%s", source_path, redact_for_log(question or "", max_text_len=300), len(log_text))
@@ -94,7 +101,7 @@ class RuleBasedLlmClient:
         else:
             summary.append("未在日志尾部发现明显 ERROR/Exception/fail/timeout 关键字。")
             summary.append("建议：如问题仍存在，请扩大 `--tail` 或提供更具体的问题描述。")
-        return "\n".join(summary)
+        return strip_thinking_text("\n".join(summary))
 
     def propose_action(
         self,

pam_deploy_graph/llm/text_filter.py

@@ -0,0 +1,109 @@
+"""LLM 文本输出过滤工具。"""
+
+from __future__ import annotations
+
+from collections.abc import Iterable, Iterator
+
+OPEN_THINK_TAG = "<think>"
+CLOSE_THINK_TAG = "</think>"
+
+
+def strip_thinking_text(text: str) -> str:
+    """移除 LLM 普通文本输出里的思考标签和内容。"""
+    filter_ = ThinkingTextStreamFilter()
+    visible = filter_.feed(text) + filter_.finish()
+    return visible.strip()
+
+
+def filter_thinking_chunks(chunks: Iterable[str]) -> Iterator[str]:
+    """按流式分片移除 `<think>...</think>`，避免跨分片泄露思考内容。"""
+    filter_ = ThinkingTextStreamFilter()
+    for chunk in chunks:
+        visible = filter_.feed(str(chunk))
+        if visible:
+            yield visible
+    tail = filter_.finish()
+    if tail:
+        yield tail
+
+
+class ThinkingTextStreamFilter:
+    """支持跨 chunk 识别 think 标签的流式过滤器。"""
+
+    def __init__(self) -> None:
+        """初始化可见/隐藏状态和待判定缓冲区。"""
+        self._pending = ""
+        self._inside_think = False
+
+    def feed(self, chunk: str) -> str:
+        """输入一个文本分片，返回当前可安全展示的可见文本。"""
+        if not chunk:
+            return ""
+        self._pending += chunk
+        output: list[str] = []
+        while self._pending:
+            lowered = self._pending.lower()
+            if self._inside_think:
+                close_index = lowered.find(CLOSE_THINK_TAG)
+                if close_index >= 0:
+                    self._pending = self._pending[close_index + len(CLOSE_THINK_TAG) :]
+                    self._inside_think = False
+                    continue
+                keep = _longest_suffix_prefix(lowered, [CLOSE_THINK_TAG])
+                self._pending = self._pending[-keep:] if keep else ""
+                break
+
+            open_index = lowered.find(OPEN_THINK_TAG)
+            close_index = lowered.find(CLOSE_THINK_TAG)
+            if open_index >= 0 and (close_index < 0 or open_index < close_index):
+                output.append(self._pending[:open_index])
+                self._pending = self._pending[open_index + len(OPEN_THINK_TAG) :]
+                self._inside_think = True
+                continue
+            if close_index >= 0:
+                output.append(self._pending[:close_index])
+                self._pending = self._pending[close_index + len(CLOSE_THINK_TAG) :]
+                continue
+
+            keep = _longest_suffix_prefix(lowered, [OPEN_THINK_TAG, CLOSE_THINK_TAG])
+            if keep:
+                output.append(self._pending[:-keep])
+                self._pending = self._pending[-keep:]
+            else:
+                output.append(self._pending)
+                self._pending = ""
+            break
+        return "".join(output)
+
+    def finish(self) -> str:
+        """结束流式过滤，丢弃未闭合 think 内容和未完成标签。"""
+        if self._inside_think:
+            self._pending = ""
+            self._inside_think = False
+            return ""
+        lowered = self._pending.lower()
+        if lowered in _tag_prefixes():
+            self._pending = ""
+            return ""
+        tail = self._pending
+        self._pending = ""
+        return tail
+
+
+def _longest_suffix_prefix(text: str, targets: list[str]) -> int:
+    """返回 text 末尾与任一目标标签前缀匹配的最长长度。"""
+    best = 0
+    for target in targets:
+        max_len = min(len(text), len(target) - 1)
+        for length in range(1, max_len + 1):
+            if text.endswith(target[:length]):
+                best = max(best, length)
+    return best
+
+
+def _tag_prefixes() -> set[str]:
+    """生成 think 标签的所有非完整前缀，用于收尾时丢弃半截标签。"""
+    prefixes = {""}
+    for tag in (OPEN_THINK_TAG, CLOSE_THINK_TAG):
+        prefixes.update(tag[:index] for index in range(1, len(tag)))
+    return prefixes

tests/test_interactive_cli.py

@@ -83,6 +83,23 @@ class FakeTestableLlmClient:
         )
 
 
+class StreamingChatLlmClient(FakeTestableLlmClient):
+    def __init__(self) -> None:
+        super().__init__()
+        self.stream_requests: list[tuple[str, dict]] = []
+
+    def chat_stream(self, text, context=None):
+        self.stream_requests.append((text, context or {}))
+        yield "第一句。"
+        yield "<think>隐藏思考</think>"
+        yield "第二句。"
+
+
+class BrokenStreamingChatLlmClient(FakeTestableLlmClient):
+    def chat_stream(self, text, context=None):
+        raise RuntimeError("stream unavailable")
+
+
 class FlakyVerifyRunner(FakeActionRunner):
     """第一次 verify-ip 失败，后续恢复成功，用于覆盖断点重试。"""
 
@@ -232,6 +249,60 @@ def test_chat_ask_command_uses_llm_chat(tmp_path: Path):
     assert any("chat answer: 这个 agent 能做什么" in item for item in output)
 
 
+def test_chat_ask_uses_streaming_chat_when_available(tmp_path: Path):
+    llm = StreamingChatLlmClient()
+    session = InteractiveCliSession(
+        agent=PamDeployAgent(llm_client=llm),
+        params=PARAMS,
+        strategy="fake",
+        checkpoint_path=str(tmp_path / "checkpoint.json"),
+    )
+
+    output = run_session(session, ["ask 你好", "exit"])
+
+    assert llm.stream_requests[0][0] == "你好"
+    assert llm.chat_requests == []
+    assert any("第一句。" in item for item in output)
+    assert any("第二句。" in item for item in output)
+    assert not any("隐藏思考" in item or "<think>" in item for item in output)
+
+
+def test_chat_ask_falls_back_when_streaming_fails(tmp_path: Path):
+    llm = BrokenStreamingChatLlmClient()
+    session = InteractiveCliSession(
+        agent=PamDeployAgent(llm_client=llm),
+        params=PARAMS,
+        strategy="fake",
+        checkpoint_path=str(tmp_path / "checkpoint.json"),
+    )
+
+    output = run_session(session, ["ask 你好", "exit"])
+
+    assert llm.chat_requests[0][0] == "你好"
+    assert any("LLM 流式输出失败，改用普通请求" in item for item in output)
+    assert any("chat answer: 你好" in item for item in output)
+
+
+def test_chat_ask_strips_think_from_non_streaming_chat(tmp_path: Path):
+    class ThinkChatLlmClient(FakeTestableLlmClient):
+        def chat(self, text, context=None):
+            self.chat_requests.append((text, context or {}))
+            return "可见<think>隐藏思考</think>结论"
+
+    llm = ThinkChatLlmClient()
+    session = InteractiveCliSession(
+        agent=PamDeployAgent(llm_client=llm),
+        params=PARAMS,
+        strategy="fake",
+        checkpoint_path=str(tmp_path / "checkpoint.json"),
+    )
+
+    output = run_session(session, ["ask 你好", "exit"])
+
+    assert any("可见结论" in item for item in output)
+    assert not any("隐藏思考" in item or "<think>" in item for item in output)
+
+
 def test_chat_log_analyze_reads_tail_and_redacts(tmp_path: Path):
     llm = FakeTestableLlmClient()
     log_path = tmp_path / "agent.log"
@@ -263,6 +334,28 @@ def test_chat_log_analyze_reads_tail_and_redacts(tmp_path: Path):
     assert any("log analysis answer" in item for item in output)
 
 
+def test_chat_log_analyze_strips_think_from_answer(tmp_path: Path):
+    class ThinkLogLlmClient(FakeTestableLlmClient):
+        def analyze_log(self, log_text, question=None, source_path=""):
+            self.log_requests.append((log_text, question, source_path))
+            return "<think>隐藏日志分析</think>日志结论"
+
+    llm = ThinkLogLlmClient()
+    log_path = tmp_path / "agent.log"
+    log_path.write_text("ERROR failed", encoding="utf-8")
+    session = InteractiveCliSession(
+        agent=PamDeployAgent(llm_client=llm),
+        params=PARAMS,
+        strategy="fake",
+        checkpoint_path=str(tmp_path / "checkpoint.json"),
+    )
+
+    output = run_session(session, [f"log analyze {log_path}", "exit"])
+
+    assert any("日志结论" in item for item in output)
+    assert not any("隐藏日志分析" in item or "<think>" in item for item in output)
+
+
 def test_chat_action_propose_only_shows_plan_without_execution(tmp_path: Path):
     llm = FakeTestableLlmClient()
     fake = FakeActionRunner()

tests/test_llm_structured.py

@@ -308,6 +308,47 @@ def test_openai_compatible_client_supports_plain_chat():
     assert "response_format" not in calls[0]
     assert "real-secret" not in serialized_prompt
     assert "不要自动触发部署" in calls[0]["messages"][0]["content"]
+    assert "不要输出 `<think>`" in calls[0]["messages"][0]["content"]
+
+
+def test_openai_compatible_client_strips_think_from_plain_chat():
+    def transport(url, headers, payload, timeout_sec):
+        return {"choices": [{"message": {"content": "开头<think>内部思考</think>结论"}}]}
+
+    client = OpenAICompatibleLlmClient(
+        base_url="https://llm.example/v1",
+        api_key="secret-key",
+        model="model-a",
+        transport=transport,
+    )
+
+    answer = client.chat("你好")
+
+    assert answer == "开头结论"
+
+
+def test_openai_compatible_client_streams_plain_chat_and_filters_think():
+    calls = []
+
+    def stream_transport(url, headers, payload, timeout_sec):
+        calls.append((url, headers, payload, timeout_sec))
+        return iter(["开头", "<thi", "nk>内部思考", "</think>结论", "。"])
+
+    client = OpenAICompatibleLlmClient(
+        base_url="https://llm.example/v1",
+        api_key="secret-key",
+        model="model-a",
+        stream_transport=stream_transport,
+    )
+
+    answer = "".join(client.chat_stream("你好", context={"CLIENT_SECRET": "real-secret"}))
+
+    assert answer == "开头结论。"
+    assert calls[0][0] == "https://llm.example/v1/chat/completions"
+    assert calls[0][1]["Authorization"] == "Bearer secret-key"
+    assert calls[0][2]["stream"] is True
+    assert "response_format" not in calls[0][2]
+    assert "real-secret" not in json.dumps(calls[0][2], ensure_ascii=False)
 
 
 def test_openai_compatible_client_analyzes_log_with_redaction():
@@ -315,7 +356,7 @@ def test_openai_compatible_client_analyzes_log_with_redaction():
 
     def transport(url, headers, payload, timeout_sec):
         calls.append(payload)
-        return {"choices": [{"message": {"content": "日志分析"}}]}
+        return {"choices": [{"message": {"content": "<think>隐藏分析</think>日志分析"}}]}
 
     client = OpenAICompatibleLlmClient(
         base_url="https://llm.example/v1",
@@ -332,6 +373,7 @@ def test_openai_compatible_client_analyzes_log_with_redaction():
     assert input_payload["question"] == "为什么失败"
     assert "real-secret" not in json.dumps(input_payload, ensure_ascii=False)
     assert "不要因为日志来自 stderr" in calls[0]["messages"][0]["content"]
+    assert "不要输出 `<think>`" in calls[0]["messages"][0]["content"]
 
 
 def test_openai_compatible_client_proposes_single_action():

tests/test_llm_text_filter.py

@@ -0,0 +1,29 @@
+from pam_deploy_graph.llm.text_filter import filter_thinking_chunks, strip_thinking_text
+
+
+def test_strip_thinking_text_removes_complete_block():
+    text = "开头<think>这里是很长的内部思考\n不应该展示</think>结论"
+
+    assert strip_thinking_text(text) == "开头结论"
+
+
+def test_strip_thinking_text_removes_unclosed_block():
+    text = "可见内容\n<THINK>未闭合的内部思考不应该展示"
+
+    assert strip_thinking_text(text) == "可见内容"
+
+
+def test_filter_thinking_chunks_handles_split_tags():
+    chunks = ["回答", "<thi", "nk>隐藏", "内容</th", "ink>继续。"]
+
+    visible = list(filter_thinking_chunks(chunks))
+
+    assert "".join(visible) == "回答继续。"
+
+
+def test_filter_thinking_chunks_drops_unclosed_think_tail():
+    chunks = ["回答", "<think>", "隐藏内容"]
+
+    visible = list(filter_thinking_chunks(chunks))
+
+    assert "".join(visible) == "回答"