perf: 目录缓存与流式正文快路径，请求热路径开销减半

按性能分析逐项落地，实测对比（16 并发、mock 上游零延迟、SQLite）：

- 每请求 SQL 10 → 2：模型/渠道目录（模型行、绑定、渠道行）进程内缓存 10s，
  运行期状态（冷却、健康）仍每次实时判定；管理端写操作经中间件、
  健康状态变化经回调立即失效。新增 TestProxyRequestSQLBudget 钉住预算。
- 端到端 p50 1.3–1.6ms → 0.66–0.70ms，RPS 3.5–8.9k → 16–18k。
- 流式正文累积：字符串 += 改 strings.Builder（原为 O(n²)），
  逐行 JSON 提取改字节快路径，并加廉价的子串预过滤、拿到输出 usage 后停累积。
  500 块：949µs/7.9MB 分配 → 83µs/136KB。
- 请求体定点改写：模型映射从整包 unmarshal/marshal 改为顶层字段替换
  （100KB：585µs → 29µs），stream_options 注入同理；requestText 改为
  只在「上游没报用量」时按需提取，亲和键改用原始体前缀。
- 渠道满载背压：新增 Acquire 有界排队（OT_PROXY_CHANNEL_ACQUIRE_WAIT，
  默认 150ms）；排队仍满时返回 503 + Retry-After 而不是 502。
  实测渠道上限 4、16 并发：无排队 81 次 503；排队 150ms 后 400/400 成功。
- 记账按批聚合：同批同用户一次扣款、流水批量插入、日表按 (user,model,日期)
  聚合，替代每行 5 条语句；幂等仍靠 ref_id 唯一索引兜底。
- gorm 开启 PrepareStmt（SQL 解析此前占 CPU 15%）；tiktoken 编码器按模型复用。
- 管理端用量列表不再返回原始请求/响应体（可能几十 MB），
  改为 has_raw 标记 + GET /admin/usage/:id 按需拉取，前端弹窗打开时取。

验证：go vet、go test ./...、go test -race（proxy/channel/usage/tokenizer）、
vue-tsc、eslint、vite build 全绿；本地起 mock 上游实测列表/详情接口与
管理页弹窗按需加载。

server/internal/proxy/sqlbudget_test.go

@@ -0,0 +1,80 @@
+package proxy
+
+import (
+	"context"
+	"io"
+	"net/http"
+	"net/http/httptest"
+	"sync"
+	"testing"
+	"time"
+
+	"github.com/openteam/server/internal/channel"
+	"gorm.io/gorm"
+	gormlogger "gorm.io/gorm/logger"
+)
+
+// sqlTracer 记录一次请求路径上打过的 SQL。
+type sqlTracer struct {
+	gormlogger.Interface
+	mu   sync.Mutex
+	list []string
+}
+
+func (s *sqlTracer) Trace(_ context.Context, _ time.Time, fc func() (string, int64), _ error) {
+	sql, _ := fc()
+	s.mu.Lock()
+	s.list = append(s.list, sql)
+	s.mu.Unlock()
+}
+
+func (s *sqlTracer) take() []string {
+	s.mu.Lock()
+	defer s.mu.Unlock()
+	out := s.list
+	s.list = nil
+	return out
+}
+
+// 每请求 SQL 预算：热路径上的模型/渠道目录必须走进程内缓存。
+// 原本一次非流式请求要打 10 条（含同一模型查三次），缓存后只剩鉴权两条。
+// 这个上限是防回归的闸门：往请求路径上新增未缓存的查询会立刻让它变红。
+func TestProxyRequestSQLBudget(t *testing.T) {
+	srv := httptest.NewServer(http.HandlerFunc(func(w http.ResponseWriter, r *http.Request) {
+		w.Header().Set("Content-Type", "application/json")
+		_, _ = io.WriteString(w, `{"id":"x","model":"m1","choices":[{"message":{"role":"assistant","content":"hi"},"finish_reason":"stop"}],"usage":{"prompt_tokens":10,"completion_tokens":5}}`)
+	}))
+	defer srv.Close()
+
+	h := newHarness(t, srv.URL, 0, true, nil)
+	tr := &sqlTracer{Interface: gormlogger.Discard}
+	traced := h.db.Session(&gorm.Session{Logger: tr})
+	h.gw.db = traced
+	h.gw.ch = channel.NewService(traced, h.gw.enc)
+
+	body := `{"model":"m1","messages":[{"role":"user","content":"hi"}]}`
+	// 第一次：冷缓存 + last_used_at 首次写入，不计入预算
+	if w := h.run(t, nil, body); w.Code != http.StatusOK {
+		t.Fatalf("code=%d body=%s", w.Code, w.Body.String())
+	}
+	tr.take()
+
+	// 第二次：模型/渠道目录与系统配置都应命中缓存
+	if w := h.run(t, nil, body); w.Code != http.StatusOK {
+		t.Fatalf("code=%d body=%s", w.Code, w.Body.String())
+	}
+	sqls := tr.take()
+	const budget = 3 // api_keys + users（+ 偶发 last_used_at）
+	if len(sqls) > budget {
+		t.Fatalf("热路径 SQL 条数 = %d，超过预算 %d：\n%s", len(sqls), budget, joinSQL(sqls))
+	}
+	t.Logf("第二条请求 SQL = %d 条：\n%s", len(sqls), joinSQL(sqls))
+}
+
+func joinSQL(sqls []string) string {
+	out := ""
+	for i, q := range sqls {
+		out += "  " + string(rune('1'+i)) + ". " + q + "\n"
+	}
+	return out
+}