请先说明问题和使用场景，再描述建议方案。单纯申请补充某项技术知识时，请使用“Knowledge-Request|知识需求”。
评测、测试或 CI
现行 ContentCheck 在上游 e7c4942d2 使用 Anthropic 适配与 MODEL Secret，自动变更页超过 12 张即跳过。新测试网关是 OpenAI-compatible，要求 API key 和 x-api-vkey；继续沿用旧接线无法可靠完成内容检查。需要在 PR 上检查较大批次知识页，同时让维护者从 Job 日志看到逐页耗时与 token 计数。
ContentCheck 在不改变公开 Summary/JSON 协议和非阻断性质的前提下，使用 CANNBot OpenAI-compatible 网关；实际模型 ID 由 content_check.toml 的 model_id 配置，凭据只由 Secrets 提供；自动选页 12→120，超过 120 仍跳过。成功页与批次日志记录 elapsed_s、input/output/reasoning/cache_read/cache_write 计数。
复用现有 content_check.toml、单页 OpenCode runner、GitCode ContentCheck Job 和严格结果协议。新增 model_id，经仅供子进程使用的环境变量传入 OpenCode；BASE_URL 使用完整 /v1 地址，AUTH_TOKEN 映射为 apiKey，CANNBOT_VKEY 映射到 x-api-vkey。保留 3 并发、600 秒单页超时、2 次尝试和原公开产物。
A/B：A 为 e7c4942d2（上限 12），B 为候选分支（上限 120）。相同知识卡列表做 plan-only：12 页两者均选中；13/120 页 A 跳过、B 选中；121 页两者跳过。网关模型选择对照：opencann 测试 #122 从 MODEL Secret 取得未授权模型，1 页 HTTP 403；#123 从策略指定 glm-5.3-flash，同一 PR 的 1 页完成，elapsed_s=51.417，input=17868、output=256、reasoning=601、cache_read=17664、cache_write=0；整条流水线 5m14s 全绿。证据：https://gitcode.com/opencann/cannbot-knowledge/actions/runs/5b77167677d14b96a124c00a408583e2 。
默认行为变化仅影响自动选页 13–120 张的 PR：由跳过改为最多 3 个 reviewer 并发检查，耗时和网关 token 消耗增加；120 页可能显著延长 ContentCheck，但仍不阻断其他 Job。无知识格式、检索、图谱或公开报告协议变化。现有配置入口可承载模型与上限，但原有默认上限无法完成本次批量检查目标。迁移时在目标仓配置 BASE_URL（完整 /v1）、AUTH_TOKEN 和 CANNBOT_VKEY；不再读取 MODEL Secret。回退时恢复旧 TOML 上限/模型与 workflow 映射。
回归：12 项定向测试、Skill 结构校验、Ruff、单页真实流水线均通过；最新上游上的 bash check.sh 仅因 test_missing_runtime_dependencies_are_installed_automatically 失败，该项在未改动的 e7c4942d2 基线可复现。检索脚本输出 MISS，但当前 check.sh 将其作为观测项。
保持 12 页上限会让 13–120 页的 PR 完全跳过语义检查；用显式 --pages 可绕过自动选页上限，但 CI 无法逐个指定页面。把模型 ID 留在 Secret 会重复出现未授权模型误配，按本次使用场景选择单一 TOML 配置入口。仍需维护者评估 120 页最坏耗时/成本和是否降低上限；本次只用 1 页实际调用验证网关，未声称 120 页时延已实测。
请先说明问题和使用场景，再描述建议方案。单纯申请补充某项技术知识时，请使用“Knowledge-Request|知识需求”。
Scope / 建议范围
评测、测试或 CI
Background / 背景与问题
现行 ContentCheck 在上游 e7c4942d2 使用 Anthropic 适配与 MODEL Secret，自动变更页超过 12 张即跳过。新测试网关是 OpenAI-compatible，要求 API key 和 x-api-vkey；继续沿用旧接线无法可靠完成内容检查。需要在 PR 上检查较大批次知识页，同时让维护者从 Job 日志看到逐页耗时与 token 计数。
Desired outcome / 期望结果
ContentCheck 在不改变公开 Summary/JSON 协议和非阻断性质的前提下，使用 CANNBot OpenAI-compatible 网关；实际模型 ID 由 content_check.toml 的 model_id 配置，凭据只由 Secrets 提供；自动选页 12→120，超过 120 仍跳过。成功页与批次日志记录 elapsed_s、input/output/reasoning/cache_read/cache_write 计数。
Proposal / 建议方案
复用现有 content_check.toml、单页 OpenCode runner、GitCode ContentCheck Job 和严格结果协议。新增 model_id，经仅供子进程使用的环境变量传入 OpenCode；BASE_URL 使用完整 /v1 地址，AUTH_TOKEN 映射为 apiKey，CANNBOT_VKEY 映射到 x-api-vkey。保留 3 并发、600 秒单页超时、2 次尝试和原公开产物。
A/B：A 为 e7c4942d2（上限 12），B 为候选分支（上限 120）。相同知识卡列表做 plan-only：12 页两者均选中；13/120 页 A 跳过、B 选中；121 页两者跳过。网关模型选择对照：opencann 测试 #122 从 MODEL Secret 取得未授权模型，1 页 HTTP 403；#123 从策略指定 glm-5.3-flash，同一 PR 的 1 页完成，elapsed_s=51.417，input=17868、output=256、reasoning=601、cache_read=17664、cache_write=0；整条流水线 5m14s 全绿。证据：https://gitcode.com/opencann/cannbot-knowledge/actions/runs/5b77167677d14b96a124c00a408583e2 。
Impact / 影响与兼容性
默认行为变化仅影响自动选页 13–120 张的 PR：由跳过改为最多 3 个 reviewer 并发检查，耗时和网关 token 消耗增加；120 页可能显著延长 ContentCheck，但仍不阻断其他 Job。无知识格式、检索、图谱或公开报告协议变化。现有配置入口可承载模型与上限，但原有默认上限无法完成本次批量检查目标。迁移时在目标仓配置 BASE_URL（完整 /v1）、AUTH_TOKEN 和 CANNBOT_VKEY；不再读取 MODEL Secret。回退时恢复旧 TOML 上限/模型与 workflow 映射。
回归：12 项定向测试、Skill 结构校验、Ruff、单页真实流水线均通过；最新上游上的 bash check.sh 仅因 test_missing_runtime_dependencies_are_installed_automatically 失败，该项在未改动的 e7c4942d2 基线可复现。检索脚本输出 MISS，但当前 check.sh 将其作为观测项。
Alternatives / 备选方案
保持 12 页上限会让 13–120 页的 PR 完全跳过语义检查；用显式 --pages 可绕过自动选页上限，但 CI 无法逐个指定页面。把模型 ID 留在 Secret 会重复出现未授权模型误配，按本次使用场景选择单一 TOML 配置入口。仍需维护者评估 120 页最坏耗时/成本和是否降低上限；本次只用 1 页实际调用验证网关，未声称 120 页时延已实测。
Checklists / 提交确认