G1｜推理栈：Prompt 是合同，打出去是 Responses 客户端
先别把 build_prompt 当成一次 HTTP
读完 B7，下一件错事是打开 Prompt 三块，以为赋值完就 POST /v1/chat/completions。然后 WS 被理解成「更快的 HTTP」，401 被理解成「再拼一次同样的 JSON」，Ollama 被理解成「把 ChatGPT 后端抄进 stub」。
判断先说清楚：B7 的合同是模型看见什么；这一章是这一枪怎么飞出去。 飞出去的不是一个 URL，是一只 turn-scoped 的 ModelClientSession：复用本轮的 WebSocket 和 sticky routing，走 Responses API（先 WS，不行再 HTTP SSE），失败按流 / 鉴权 / 换传输分流。Provider 只声明自己会什么，不假装自己是 Codex 后端。
附录 F 钉的是合同和 Event。G1 钉的是客户端会话。
1. ModelClient 跨 Turn，ModelClientSession 只活一轮
两层不要焊成一个「全局 HTTP 单例」。
ModelClient 是 session-scoped（core/src/client.rs:236-244）：auth、provider、thread id、以及「这轮已经 fallback 到 HTTP 了没有」。WS 一旦被本 session 判不健康，后面几轮继续走 HTTP，避免每轮再赌一次断线。
ModelClientSession 是 turn-scoped（:256-268）。注释写死：懒建 Responses WebSocket，本轮多枪复用；缓存上一份完整请求，好决定下一枪能不能只发增量；x-codex-turn-state 必须在本轮每枪回放，不准带到下一轮。run_turn 也写了同一句：WS 和 sticky routing 在这一轮里复用（session/turn.rs:414）。
所以 B7 那张失败表才禁止「每枪新建 ModelClientSession」。新建等于丢掉 sticky token，服务端会把续跑当成新 Turn 路由。
没有「session 客户端 / turn 会话」会怎样？要么每枪新开 TCP，prompt cache 和 sticky 全废；要么一只 session 活过两个 Turn，上一轮的 x-codex-turn-state 污染下一轮。合同在 Prompt，寿命在 Session。
2. 传输是 Responses，优先 WebSocket，失败才 HTTP SSE
ModelClientSession::stream（client.rs:1965-2004）按 provider 的 wire_api 走。WireApi::Responses 时：provider 还健康就先 stream_responses_websocket；WS 交出 FallbackToHttp，再切 HTTP Responses。两条路都在 codex-api/：endpoint/responses_websocket.rs 和 endpoint/responses.rs，事件归一化走 sse/。
这不是 Chat Completions 换个 path。请求体是 Responses 的 input / tools / instructions，流事件是 ResponseEvent，不是 choices[0].delta。codex-client 管 SSE 帧；codex-api 管「这一枪的 endpoint + 头 + 限流解析」（rate_limits.rs:22-25 读默认限流头家族）。
x-codex-turn-state、x-codex-turn-metadata、x-codex-routing-hint 写在 client.rs:151-155。它们是 本轮路由合同，不是给产品表面看的 trace。
没有 Responses 这一层会怎样？每个 provider 各写一套流解析，IDE 和 exec 看见的 Event 对不上；或者把限流头当普通 429 字符串，额度窗口和套餐快照全部丢。
3. 失败不是一种 retry：流、鉴权、换传输
B7 已经分流「流 / 窗口 / 工具 / 额度」。G1 只补 枪还在飞的时候 谁重试。
responses_retry.rs:1 把这件事写成模块职责：Responses 请求的重试和传输降级。handle_retryable_response_stream_error（:51-58）吃的是正在用的那只 ModelClientSession，不是新开一只。采样和远程 compact v2 是两种 ResponsesStreamRequest（:21-24），重试预算分开算。
HTTP 路径上还有鉴权恢复。stream_responses_api（:1488-1503）从 AuthManager::unauthorized_recovery 拿状态机——B5 那只 manager 的 401 恢复，不是客户端自己再 login 一次。恢复失败才把错误抛回 Turn。
换传输是 session 级的：WS 判负之后 try_switch_fallback_transport，后面几轮默认 HTTP。不要在同一枪里 WS / HTTP 各打一遍完整 Prompt 当「双保险」。
没有这层分流会怎样？5xx、401、窗口满、工具 exit 2 进同一个 retry()：要么把过期 token 打爆额度，要么把 compact 前的窗口错误当成「再 POST 一次」。
4. Provider 声明能力，不假装自己是 Codex 后端
model-provider 决定 打到哪、会什么。远程 compact 是枚举：Unsupported 或 V2（model-provider/src/provider.rs:44-50）。OpenAI / 部分 Azure 声明 V2；普通自定义 URL 和 Ollama 默认不会。附录 C 展开压缩流；这里只要记住：能力是声明，不是把 ChatGPT 后端抄进 stub。
A1 的 uses_codex_backend() 仍是账号分叉。API Key、Bedrock、oss_provider 只换本机循环的出口。Apps、远程市场、云端任务不会因为你填对了 base URL 就出现。models-manager 刷新的是模型目录和 preset，不是第三套循环。
没有「能力声明」会怎样？Ollama 用户看见 compact 按钮，请求 404；或者所有自定义 URL 都被当成 Codex 后端，计量和 Apps 路由一起打穿。客户端抄的是「问 provider 会什么」，不是抄死一个 hostname。
5. 结语：带走一句话
抄推理栈要抄 turn-scoped 的 Responses 客户端——本轮复用 WS 和 sticky token，失败按流 / 鉴权 / 换传输分流，能力由 provider 声明——不要把 Prompt 三块焊成一个 URL。