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）。

internal/runtime/loop/step.go

@@ -25,6 +25,28 @@ type stepOutcome struct {
 	//（该路径自行构建请求），在 agent 路径上为空。它
 	// 记录在 llm_call span 的日志事件上。
 	model string
+	// promptTokens 是本次调用的输入侧 token 数（提供商上报时，否则 0）。它只用于
+	// 「输入逼近上下文预算」的 WARN（design/04 附录 A.3 第 5 条，不阻断任何流程）。
+	promptTokens int
+}
+
+// contextPressureRatio 是「单次输入逼近上下文预算」的告警线：达到预算的 90%
+// 就记一条 WARN，**不阻断**（design/04 附录 A.3 第 5 条）。它只是让「快溢出了」
+// 这件事在日志里可见，压缩仍按自己的预算独立判定。
+const contextPressureRatio = 0.9
+
+// reportContextPressure 在本次调用的输入 token 达到预算的 contextPressureRatio
+// 时记一条 WARN。预算关闭（<= 0）或提供商没上报用量时不记 —— 没有依据就不吵。
+func (l *Loop) reportContextPressure(promptTokens int) {
+	if l.maxContextTokens <= 0 || promptTokens <= 0 {
+		return
+	}
+	if float64(promptTokens) < float64(l.maxContextTokens)*contextPressureRatio {
+		return
+	}
+	l.log.Warn("model input is near the context budget",
+		"prompt_tokens", promptTokens, "budget", l.maxContextTokens,
+		"ratio", contextPressureRatio, "action", "compaction triggers at the budget")
 }
 
 // step 运行单次模型调用。配置了 OnStream 回调时，它
@@ -57,6 +79,9 @@ func (l *Loop) step(ctx context.Context, sessionID string, messages []model.Mess
 		l.spanProp(llmSpan, "model_stop_reason", out.modelStopReason)
 	}
 	l.spanProp(llmSpan, "tool_calls", len(out.toolCalls))
+	// 输入逼近预算的 WARN（不阻断）：覆盖流式路径（agent 路径不经本函数的上报，
+	// promptTokens 为 0 时静默跳过）。
+	l.reportContextPressure(out.promptTokens)
 	l.recordLLMDone(llmSpan, out, l.agentFor(ctx))
 	l.finishSpan(llmSpan, trace.SpanStatusOK)
 	return out, nil