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/model/anthropic.go

@@ -97,10 +97,29 @@ type anthropicBlock struct {
 }
 
 // anthropicUsage 上报 token 消耗。Anthropic 上报的是 input_tokens
-// 与 output_tokens，而不是单一总量。
+// 与 output_tokens，而不是单一总量；提示缓存另有两个字段
+// （cache_creation_input_tokens = 本次写入缓存的输入 token，
+// cache_read_input_tokens = 本次从缓存读到的输入 token）。它们全都容忍缺失：
+// 未启用缓存的端点只会给前两个。
 type anthropicUsage struct {
-	InputTokens  int `json:"input_tokens"`
-	OutputTokens int `json:"output_tokens"`
+	InputTokens              int `json:"input_tokens"`
+	OutputTokens             int `json:"output_tokens"`
+	CacheCreationInputTokens int `json:"cache_creation_input_tokens"`
+	CacheReadInputTokens     int `json:"cache_read_input_tokens"`
+}
+
+// applyAnthropicUsage 把一个 usage 对象折进 Response（只填用量字段，
+// input_tokens 与 output_tokens 的既有口径不变）。缓存两档的对应关系：
+// 命中 = cache_read_input_tokens；未命中 = input_tokens + cache_creation_input_tokens
+// —— Anthropic 的 input_tokens **不含**缓存读到的部分，若只取它，命中率会被算成 0。
+func applyAnthropicUsage(out *Response, u *anthropicUsage) {
+	if u == nil {
+		return
+	}
+	out.PromptTokens = u.InputTokens
+	out.CompletionTokens = u.OutputTokens
+	out.CacheHitTokens = u.CacheReadInputTokens
+	out.CacheMissTokens = u.InputTokens + u.CacheCreationInputTokens
 }
 
 // AnthropicChatAdapter 调用 Anthropic Messages（/v1/messages）端点。
@@ -206,7 +225,7 @@ func (a *AnthropicChatAdapter) Chat(ctx context.Context, req Request, opts Optio
 	if err != nil {
 		return Response{}, err
 	}
-	a.record(req, start, out.TotalTokens)
+	a.record(req, start, out)
 	return out, nil
 }
 
@@ -263,7 +282,7 @@ func (a *AnthropicChatAdapter) ChatStream(ctx context.Context, req Request, onEv
 		return Response{}, err
 	}
 	out.Model = model
-	a.record(req, start, out.TotalTokens)
+	a.record(req, start, out)
 	return out, nil
 }
 
@@ -381,14 +400,17 @@ func (a *AnthropicChatAdapter) upstreamError(resp *http.Response) error {
 	return fmt.Errorf("model: %w: status %d: %s", ErrUpstream, resp.StatusCode, strings.TrimSpace(string(snippet)))
 }
 
-func (a *AnthropicChatAdapter) record(req Request, start time.Time, tokens int) {
+// record 上报一次成功调用的用量：先记一条结构化用量日志（含缓存命中率，
+// 所有调用点都覆盖 —— 见 usage.go），再喂给可选的 CallRecord 计账出口。
+func (a *AnthropicChatAdapter) record(req Request, start time.Time, resp Response) {
+	logUsage(a.log, a.name, req, resp, time.Since(start))
 	if a.recorder == nil {
 		return
 	}
 	a.recorder(CallRecord{
 		Model:   req.Model,
 		Purpose: req.Purpose,
-		Tokens:  tokens,
+		Tokens:  resp.TotalTokens,
 		TookMs:  time.Since(start).Milliseconds(),
 	})
 }
@@ -413,10 +435,9 @@ func responseFromAnthropicWire(wire *anthropicResponse) Response {
 	out.Message = Message{Role: RoleAssistant, Content: []Content{{Type: ContentTypeText, Text: out.Content}}}
 	out.ToolCalls = toolCalls
 	out.StopReason = wire.StopReason
-	if u := wire.Usage; u != nil {
-		out.PromptTokens = u.InputTokens
-		out.CompletionTokens = u.OutputTokens
-		out.TotalTokens = u.InputTokens + u.OutputTokens
+	applyAnthropicUsage(&out, wire.Usage)
+	if wire.Usage != nil {
+		out.TotalTokens = wire.Usage.InputTokens + wire.Usage.OutputTokens
 	}
 	return out
 }