Compaction 上下文压缩

compaction.ts + pi-embedded-runner/compact.ts 实现了上下文压缩机制。

触发条件

1. 上下文溢出: LLM 返回 context overflow 错误
2. 最大重试: MAX_OVERFLOW_COMPACTION_ATTEMPTS = 3
3. 非压缩失败: 如果错误是 compaction_failure，不再尝试压缩

压缩策略 (compaction.ts)

核心算法：summarizeInStages()

1. 消息少或 token 少 → 直接 summarizeWithFallback()
2. 否则 → splitMessagesByTokenShare() 按 token 均分
3. 每个分片独立 summarize
4. 合并多个 summary → MERGE_SUMMARIES_INSTRUCTIONS

自适应分块：computeAdaptiveChunkRatio()

• 基础比例: BASE_CHUNK_RATIO = 0.4
• 最小比例: MIN_CHUNK_RATIO = 0.15
• 安全边距: SAFETY_MARGIN = 1.2 (20% buffer)
• 如果平均消息 > 10% 上下文窗口 → 减小分块比例

渐进降级：summarizeWithFallback()

1. 尝试完整 summarization
2. 失败 → 过滤掉过大消息(>50% context)，summarize 剩余部分，注明被忽略的大消息
3. 再失败 → 纯文本描述 "Context contained X messages (Y oversized)"

历史修剪：pruneHistoryForContextShare()

• 预算: maxContextTokens * maxHistoryShare(0.5)
• 循环丢弃最早的分块
• 每次丢弃后执行 repairToolUseResultPairing() 修复孤立的 tool_result

实际压缩执行 (compact.ts)

compactEmbeddedPiSessionDirect() — 完整的压缩流程:

1. 解析模型、获取 API key
2. 设置 workspace 和 sandbox
3. 加载技能、构建 system prompt
4. 打开 session → session.compact(customInstructions)
5. 估算压缩后 token 数

Lane 安全

compactEmbeddedPiSession() 使用双层 lane 队列，compactEmbeddedPiSessionDirect() 在已持有 lane 时使用，避免死锁。