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/openai_response.go

@@ -48,11 +48,53 @@ type openAIToolCallDelta struct {
 	Function openAIToolCallFn `json:"function"`
 }
 
-// openAIUsage 上报 token 消耗。
+// openAIUsage 上报 token 消耗。缓存两档（prompt_cache_hit_tokens /
+// prompt_cache_miss_tokens）由 DeepSeek 上报；OpenAI 兼容家族里另有
+// prompt_tokens_details.cached_tokens 表达同一件事，两者都解析、缺一个就用
+// 另一个（见 applyOpenAIUsage）。
 type openAIUsage struct {
-	PromptTokens     int `json:"prompt_tokens"`
-	CompletionTokens int `json:"completion_tokens"`
-	TotalTokens      int `json:"total_tokens"`
+	PromptTokens           int                          `json:"prompt_tokens"`
+	CompletionTokens       int                          `json:"completion_tokens"`
+	TotalTokens            int                          `json:"total_tokens"`
+	PromptCacheHitTokens   int                          `json:"prompt_cache_hit_tokens"`
+	PromptCacheMissTokens  int                          `json:"prompt_cache_miss_tokens"`
+	PromptTokensDetails    openAIPromptTokenDetails     `json:"prompt_tokens_details"`
+	CompletionTokenDetails openAICompletionTokenDetails `json:"completion_tokens_details"`
+}
+
+// openAIPromptTokenDetails 是输入侧明细（OpenAI / DashScope 形状）。
+type openAIPromptTokenDetails struct {
+	// CachedTokens 是命中上下文缓存的 token 数，与 prompt_cache_hit_tokens 同义。
+	CachedTokens int `json:"cached_tokens"`
+}
+
+// openAICompletionTokenDetails 是完成侧明细：推理模型把思维链 token 报在这里。
+type openAICompletionTokenDetails struct {
+	// ReasoningTokens 是思维链 token 数（design/04 附录 A.3 第 4 条要观测它）。
+	ReasoningTokens int `json:"reasoning_tokens"`
+}
+
+// applyOpenAIUsage 把一个 usage 对象折进 Response。它容忍任何字段缺失：
+// 缺失即零值，绝不 panic，也绝不因为用量字段的形态问题影响正文解析。
+//
+// 未命中的补齐用的是提供商自己的不变式「prompt_tokens = hit + miss」（见
+// DeepSeek 文档）—— 只在提供商没给 miss 时才补，免得把命中率算成 100%。
+func applyOpenAIUsage(out *Response, u *openAIUsage) {
+	if u == nil {
+		return
+	}
+	out.PromptTokens = u.PromptTokens
+	out.CompletionTokens = u.CompletionTokens
+	out.TotalTokens = u.TotalTokens
+	out.CacheHitTokens = u.PromptCacheHitTokens
+	if out.CacheHitTokens == 0 {
+		out.CacheHitTokens = u.PromptTokensDetails.CachedTokens
+	}
+	out.CacheMissTokens = u.PromptCacheMissTokens
+	if out.CacheMissTokens == 0 && out.PromptTokens > out.CacheHitTokens {
+		out.CacheMissTokens = out.PromptTokens - out.CacheHitTokens
+	}
+	out.ReasoningTokens = u.CompletionTokenDetails.ReasoningTokens
 }
 
 func responseFromWire(wire *openAIChatResponse) Response {
@@ -70,10 +112,6 @@ func responseFromWire(wire *openAIChatResponse) Response {
 			out.ToolCalls = append(out.ToolCalls, ToolCall{Name: tc.Function.Name, ID: tc.ID, Args: args})
 		}
 	}
-	if u := wire.Usage; u != nil {
-		out.PromptTokens = u.PromptTokens
-		out.CompletionTokens = u.CompletionTokens
-		out.TotalTokens = u.TotalTokens
-	}
+	applyOpenAIUsage(&out, wire.Usage)
 	return out
 }