feat(config,runtime): 上下文预算按模型窗口推导 + usage/缓存可观测 + sidecar 存全文（T1）

- 窗口声明：models.json 组级 contextWindow + env LLM_CONTEXT_WINDOW（per-group materialize 播种，0 不写盘、负数报错）。

- 预算三态：CONTEXT_MAX_TOKENS 未设置 ⇒ 按窗口推导；>0 显式覆盖；0|负 关闭压缩（不变）。推导 budget = min(窗口×比例, 窗口−输出保留)，比例默认 2/3（CONTEXT_BUDGET_RATIO，1M ⇒ 699050 tokens ≈ 683Ki）；输出保留 = max(32768, 该组 maxTokens) 且封顶窗口/2（防配置矛盾时退化成 1 token）；窗口未声明 ⇒ 回落 131072 + 恰好一条 WARN。接线在组合根 wire_context.go（唯一决策点）。

- usage/缓存可观测（此前**完全不可观测**）：Response 增 CacheHit/CacheMiss/Reasoning tokens + CacheHitRate；解析 OpenAI 兼容（prompt_cache_hit_tokens/prompt_cache_miss_tokens/cached_tokens/reasoning_tokens）与 anthropic（cache_read_input_tokens/cache_creation_input_tokens）两种形状；记录点在适配器 record（换入口不丢成本日志），日志无凭据；单次输入 ≥预算 90% 记 WARN（不阻断）。

- 根治清单「续读」假承诺：抽取期不再按注入预算截断（sidecar 存全文，只受 MaxSidecarBytes=8 MiB 安全上限，ExtractorVersion v1→v2 旧 sidecar 失效重抽）；注入预算改在装配期生效 ⇒ ref.Chars/Truncated 是注入侧事实、游标真是继续读的起点；document-read 的 limit 上限改为独立具名常量。

- 顺手修越界：config.go 505 行（超 500）拆出 llm.go。

- 主会话独立验收：隔离 worktree（HEAD + 本切片 39 文件，排除在途 gateway）build/vet 绿、全树 59 包 0 FAIL、linux+darwin 交叉编译绿；变异独立复现（比例改 0.25 ⇒ 推导用例红 262144 vs 699050）。

.env.example

@@ -97,6 +97,14 @@ LLM_REASONING_KIND=
 # ⚠️ 非法值（非 bool，如 maybe）= 启动即报错，不静默回退。
 # LLM_MULTIMODAL=false
 
+# 声明该端点的【模型上下文窗口】（token）。窗口是上下文压缩预算的推导依据：
+# 未设置 CONTEXT_MAX_TOKENS 时 budget = min(窗口 × CONTEXT_BUDGET_RATIO, 窗口 − 输出保留)。
+# ⚠️ 本仓没有任何 provider 侧的窗口发现代码（GET /models 的自动发现另立设计），窗口只能声明：
+#    不声明就回落 131072（128 Ki）并记一条 WARN，默认模型的 1M 窗口因此吃不到。
+#    它必须与 models.json 组的 contextWindow 一致（那一处是面板一等来源，本键只给 .env 合成的组播种）。
+#    负数 = 启动即报错。
+# LLM_CONTEXT_WINDOW=1048576
+
 # Provider = anthropic：Anthropic Messages /v1/messages（tool_use.input 为结构化对象，工具循环更稳）
 # ANTHROPIC_BASE_URL=https://api.anthropic.com
 # ANTHROPIC_API_KEY=sk-ant-xxxxx
@@ -199,13 +207,26 @@ CAPACITY_L3_CACHE_TTL=5m
 # 可配置）；模型派发时可用 subagent_spawn 的 timeout_seconds 参数按调用覆盖。
 SUBAGENT_TIMEOUT_SEC=600
 
-# ---- 护栏与上下文预算（design/04 §1.3 / §5） ----
-# 上下文溢出压缩预算（token，离线估算值）。默认启用：会话估算上下文超过它时，
-# 更早的轮次被摘要成一条前导摘要消息，近期尾部（含尾部工具结果）原样保留。
-# 默认 32768 = loop.DefaultMaxContextTokens：默认模型（gpt-4o）窗口 128K，
-# 它只占四分之一，给系统提示词/工具 schema/本轮输出留足余量，且远高于日常对话
-# 体量（正常聊天几乎不触发压缩）。设 0（或负数）= 关闭压缩，行为与接线前一致。
-CONTEXT_MAX_TOKENS=32768
+# ---- 护栏与上下文预算（design/04 §1.3 / §5、附录 A.3） ----
+# 上下文溢出压缩预算（token，离线估算值）。会话估算上下文超过它时，更早的轮次被摘要成
+# 一条前导摘要消息，近期尾部（含尾部工具结果）原样保留。三种取值：
+#   · 未设置（默认，即把本行注释掉）= 按模型窗口推导：
+#       budget = min(窗口 × CONTEXT_BUDGET_RATIO, 窗口 − 输出保留)
+#       输出保留 = max(32768, 本组 maxTokens)；窗口未声明 ⇒ 回落 131072 并记一条 WARN。
+#   · > 0  = 显式覆盖（原样使用）
+#   · 0 / 负数 = 关闭压缩（行为与本条接线前逐字节一致）
+# ⚠️ 旧模板里的 CONTEXT_MAX_TOKENS=32768 取自「gpt-4o 128K 窗口的四分之一」，那个前提已失效
+#    （默认模型窗口 1M）。若你的 .env 里还留着它，它就是【显式覆盖 32768】，会盖掉按窗口推导
+#    （1M 窗口 ⇒ 699050 token）——要吃到推导，把那一行注释掉。固定低阈值会既丢上下文、又因反复
+#    压缩作废 KV 缓存前缀而反复烧钱（附录 A.2）。
+# CONTEXT_MAX_TOKENS=
+# 推导比例：预算占窗口的比例，主人 2026-10-04 裁决取 1/2–3/4 之间，默认 2/3。
+# 写法：小数（0.5）或分数（1/2）都接受；非法值 = 记一条 WARN 并回落 2/3。
+# CONTEXT_BUDGET_RATIO=2/3
+# 单份附件注入模型可见上下文的字符上限（sidecar 仍存全文，只受 8 MiB 安全上限约束）。
+# 留空 = 按推导出的预算算：推导预算的 1/8（按一个回合最多 5 个附件留余量），下限 64K 字符。
+# 它决定「每回合往上下文里放多少」，也因此决定清单行给的续读游标从哪里开始。
+# DOCUMENT_MAX_INJECT_CHARS=
 # 内容策略关键词表（逗号分隔，大小写不敏感的子串匹配）。留空 = 不挂关键词护栏
 # （项目不内置任何词表，只有你显式声明过的词才会被拦）。敏感信息（API key /
 # bearer token / 密码 / 私钥）为阻断档、请求与响应各有长度上限，这两项是代码