fix(agent): coupe-circuit de réflexion en cours de flux

La relance après « pensée seule » n'agissait qu'à la fin de la
génération : un modèle thinking pouvait ruminer des minutes (jusqu'à
épuiser num_predict) avant qu'elle n'intervienne — vécu comme « aucune
réponse » en mode plan.

Pensée > 12 000 caractères sans aucun contenu ni appel d'outil : la
génération est interrompue immédiatement et la relance repart.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

backend/app/agent.py

@@ -26,6 +26,11 @@ from .tools import TOOL_DEFINITIONS, ToolError, run_tool
 MAX_ITERATIONS = 6
 MAX_TOOL_REPAIR_ATTEMPTS = 2
 
+# Coupe-circuit de réflexion : au-delà de cette taille de pensée SANS aucun
+# contenu ni appel d'outil, on interrompt la génération en cours au lieu
+# d'attendre l'épuisement du budget num_predict (minutes sur un gros modèle).
+_MAX_THINKING_CHARS = 12_000
+
 # Élagage : au-delà de cette taille, un résultat d'outil des itérations
 # passées est tronqué. Les gros payloads (MCP 8 Ko, shell 4 Ko) saturaient le
 # contexte en un seul tour long — Ollama tronquait alors silencieusement le
@@ -185,6 +190,15 @@ async def run_agent(
                             if not thinking_status_sent:
                                 thinking_status_sent = True
                                 yield {"type": "status", "message": "Réflexion…"}
+                            # Pensée interminable sans production : on coupe la
+                            # génération maintenant — la relance (plus bas)
+                            # remet le modèle au travail immédiatement.
+                            if (
+                                len(thinking_buf) > _MAX_THINKING_CHARS
+                                and not content_buf
+                                and not tool_calls
+                            ):
+                                break
                         if token:
                             content_buf += token
                             yield {"type": "token", "content": token}

backend/tests/test_agent_thinking.py

@@ -75,6 +75,30 @@ async def test_reflexion_pas_renvoyee_au_modele(monkeypatch):
     assert all("thinking" not in m for m in assistant_turns)
 
 
+@pytest.mark.asyncio
+async def test_coupe_circuit_pensee_interminable(monkeypatch):
+    """Pensée sans fin -> génération coupée en vol, puis relance qui aboutit."""
+    calls: list[int] = []
+
+    async def fake_chat(model, convo, **kwargs):
+        calls.append(1)
+        if len(calls) == 1:
+            # Flux de pensée « infini » : jamais de done, jamais de contenu.
+            for _ in range(10_000):
+                yield {"message": {"thinking": "x" * 200}, "done": False}
+        else:
+            yield {"message": {"content": "réponse après coupe"}, "done": True}
+
+    monkeypatch.setattr(agent.ollama, "chat", fake_chat)
+    events = [
+        e async for e in agent.run_agent("test", _convo(), enabled_tools=[])
+    ]
+
+    final = [e for e in events if e["type"] == "final"]
+    assert final and "réponse après coupe" in final[0]["content"]
+    assert len(calls) == 2  # coupé puis relancé, pas d'épuisement du flux
+
+
 @pytest.mark.asyncio
 async def test_reflexion_coupee_apres_deux_impasses(monkeypatch):
     """Deux itérations de pensée pure -> think désactivé, tâche finie."""