Cline v4.1.22 更新解析：新增供应商与错误恢复优化

AI 编程助手 Cline 发布了 v4.1.22 版本。作为一款在 GitHub 上已获得近 7 万星标的开源工具，Cline 的每次迭代都值得开发者关注。这次更新聚焦在供应商生态扩展、模型目录刷新以及一系列错误恢复流程的打磨上。下面逐项拆解这次更新带来的实际变化。

新增供应商：生态持续扩张

本次更新新增了两个模型供应商接入：由 HEOSSI 提供的 Bee，以及需要配置 PARETO_API_KEY 的 Pareto Inference。

对于 Cline 这类定位为「万能网关」的编程助手来说，供应商数量的扩充意味着用户在模型选择上拥有更大的自由度和成本议价空间。开发者可以根据不同任务的性价比需求，在众多上游供应商之间灵活切换，而不必被单一服务锁定。这种开放的多供应商架构，正是开源 AI 工具相比封闭产品的核心优势之一。

可靠性改进：Anthropic 请求的故障转移

可靠性是这个版本的重头戏。更新后，直接发往 Anthropic 的请求现在会使用 Anthropic 服务端的拒绝回退机制；而在 OpenRouter 和 Cline 自有通道上，Anthropic 模型在失败时可以故障转移（failover）到另一个上游供应商，而不是直接让请求失败。

这一改动对实际使用体验的提升相当直接——高峰期或某个上游节点出现波动时，任务不会因为单点故障而中断。对于长时间运行的编程任务，这种韧性设计能显著减少中途失败带来的挫败感。

此外，当响应被内容过滤器拦截时，Cline 现在会明确告知用户「内容被拦截」并建议重新措辞，而不再是含糊其辞的「模型返回空响应」。这类错误提示的清晰化，看似细节，却能大幅降低用户的排查成本。

故障转移（Failover）是分布式系统中的一种容错机制：当主链路或主服务节点发生故障、超时或被限流时，系统自动将请求切换到备用节点，整个过程对用户透明。在 AI 推理场景中，大模型 API 高峰期容易出现 429（速率限制）或 5xx 服务端错误，若没有故障转移，客户端只能等待重试或直接报错。OpenRouter 作为多模型聚合网关，本身维护着多个 Anthropic 上游供应商的接入，因此具备将失败请求路由至其他可用节点的能力。Cline 此次将这一能力整合进自身请求链路，意味着即便某个 Anthropic 节点出现波动，底层会自动尝试其他路径，从用户视角看，任务只是稍有延迟而非直接失败。

模型目录刷新：默认模型大换血

这次 Cline 对模型目录做了一轮大规模刷新，多个供应商的默认模型发生变更。其中 GPT-6.1 Sol 成为 OpenAI、OpenRouter、GitHub Copilot、Cortecs、Eden AI、Kilo Gateway、NanoGPT、OpenCode Zen、Requesty 等一众供应商的新默认模型。

其他变化包括：Vercel AI Gateway 切换至 Ling 3.1 Flash，Tempr Gateway 改用 MiMo V2.6 Flash，CrossModel 与 Ofox 转向 Claude Sonnet 5.5，Pioneer 采用 GLiNER 2.5 Decide，Scaleway 则使用 Qwen 3.8 27B。同时，Cline 的推荐模型列表新增了 Claude Sonnet 5.5 和 Claude Opus 5.5。

需要特别提醒的是：如果你在使用上述某个供应商时没有手动固定（pin）具体模型，升级后将会遇到默认模型的变化。建议对模型有明确偏好的用户检查并锁定自己的配置，避免意外的行为差异。

错误恢复流程的多项修复

版本号虽小，但 Cline 在交互细节上的修复相当密集，核心围绕错误恢复和任务生命周期管理：

• API 错误后的输入恢复：出现 API 错误后，用户现在可以直接输入并发送新消息，而不再只能点击 Retry。在恢复过程中输入的 /compact（或 /smol、/newtask）命令会保留在输入框中，不会被误当作文本发给模型。
• 登录失败后的任务接续：如果新任务因 Cline 登录失败而中断，登录后提交修订提示词即可用该提示词启动任务——此前这种情况下会毫无反应。
• Checkpoint 相关修复：Reset Code 在消息没有 checkpoint 时会被禁用，也不再对慢速磁盘上已存在 checkpoint 的消息保持禁用状态。修改 Checkpoints 设置现在会即时作用于当前活动任务，且期间输入的后续消息会按序保留。
• 取消操作生效：发送消息后立即取消现在能真正停止任务。此前如果取消动作恰好落在回合初始化阶段，会被忽略导致任务继续运行。
• 推理 Token 计数修正：推理（reasoning）Token 不再被重复计数，不过成本计算本身不受影响。

这些修复集中体现了 Cline 团队对边缘场景的重视——它们大多发生在网络异常、慢速磁盘、登录中断等非理想状态下，正是真实使用中最容易让人崩溃的时刻。

Amazon Bedrock 的专项优化

针对企业用户常用的 Amazon Bedrock，这次也有不少针对性修复。GPT-6 和 GPT-5.6 现在通过推理配置文件（inference profiles）路由，印度区域（ap-south-1、ap-south-2）会正确解析 in. 前缀的配置文件。

推理配置文件背后的 OpenAI 模型会获得其支持的 reasoning effort 设置；Nova 2 Lite 的高推理模式、应用推理配置文件 ARN 以及 Nova Micro 不再发送会被 Bedrock 拒绝的请求。此外，一个未带「use profile」标记保存的旧版 AWS 配置设置，现在会被正确识别为配置文件认证，而不是被直接丢弃。

同时，混合端点供应商上的网关模型现在会保留各自的 API 协议，而不是回退到供应商级别的默认协议。这类改动对多云、多端点部署的团队尤为关键。

Amazon Bedrock 的推理配置文件（Inference Profile）是 AWS 提供的一种跨区域模型调用抽象层：用户通过一个逻辑 ARN（Amazon Resource Name）来引用模型，AWS 在后台根据区域负载和可用性自动选择实际执行的物理端点。配置文件 ARN 通常带有区域前缀（如 us.、eu.、in.），以标识归属的地理分区。此前 Cline 对印度区域（ap-south-1/ap-south-2）的 in. 前缀解析存在缺陷，导致这些区域的请求无法正确路由。此次修复后，部署在印度区域的企业用户可以正常使用基于配置文件的路由，这对有数据本地化合规需求、必须将推理流量留在特定地理区域的组织尤为重要。

总结：一次稳健的维护性更新

从整体看，v4.1.22 是一次典型的稳健维护版本：没有颠覆性的新功能，但在供应商生态、可靠性、错误恢复和企业部署适配等多个维度做了扎实的打磨。对于日常依赖 Cline 进行 AI 辅助编程的开发者，这些改进能带来更顺滑、更可预测的使用体验。建议及时升级，并留意默认模型变更带来的配置调整。