feat(llm): 声明真实上下文窗口 + 工作区间与窗口分离

问题：core.llm.model=AUTO，而 ModelContextWindow("auto") 匹配不到任何分支、
掉进 default 32768 —— 该源真实窗口是 1M（实测 990,034 token 的 prompt 通过），
内核却按小 30 倍的窗口算全部预算。

三处改动：
1. ModelContextWindow 补 deepseek-v4/v3 → 1M；推断不出时打日志（静默降级是
   这次问题的成因，不能再默默退回一个小值）。
2. sourceFieldDefs 补 context_window 声明：它早已被 readInt 读进 LLMSource
   并透传到 provider，但没进这张表 ⇒ WebUI 里看不见也改不了。
3. ComputeTokenBudget 新增 maxTargetTokens=600000：窗口 1M 不等于按 838K
   （80%）干活。标称窗口≠有效窗口，600K 是该源最优工作区间，所以把
   「窗口上限」（会不会被上游拒）与「工作区间」（预算分配）分开。

配套 core.llm.max_tokens 4096→32768（实测长输出样本达 18,272 token，
16384 仍会截断；上限是 cap 不是目标，短问答零成本）。

测试：tokenbudget_test.go 钉死封顶生效且小窗口不受影响；
context_window_test.go 钉死推断值与显式声明优先级。

internal/agent/api/context_window_test.go

@@ -0,0 +1,39 @@
+package api
+
+import "testing"
+
+// 回归（2026-09-19）：模型名推断不出窗口时，此前会静默退回 32768。
+// 生产实际配的是 core.llm.model="AUTO"，于是整个预算按 32768 算，
+// 而该源真实窗口是 1M（实测 990,034 token 的 prompt 通过）—— 小 30 倍。
+//
+// 这里钉死两点：① deepseek-v4 系能推断出真实窗口；② AUTO 仍走兜底
+// （兜底值本身不猜大：猜大会让请求直接撞上游 400）。
+func TestModelContextWindow(t *testing.T) {
+	cases := map[string]int{
+		"deepseek/deepseek-v4.1-flash": 1048576,
+		"deepseek-v4-flash":            1048576,
+		"deepseek-chat":                65536,
+		"claude-opus-5":                100000,
+		"gpt-4-turbo":                  128000,
+		"llama-3-70b":                  8192,
+		"AUTO":                         32768, // 推断不出 → 兜底，靠 context_window 覆盖
+	}
+	for model, want := range cases {
+		if got := ModelContextWindow(model); got != want {
+			t.Errorf("ModelContextWindow(%q) = %d, want %d", model, got, want)
+		}
+	}
+}
+
+// 显式声明的 context_window 必须覆盖模型名推断 —— 这是部署方绕开
+// “AUTO 推断不出窗口”的唯一手段，不能反过来被推断值盖掉。
+func TestExplicitContextWindowWinsOverInference(t *testing.T) {
+	p := &LuaAdaptedProvider{cfg: BaseConfig{Model: "AUTO", ContextWindow: 1048576}}
+	if got := p.MaxContextTokens(); got != 1048576 {
+		t.Errorf("显式 context_window 未生效：got %d, want 1048576", got)
+	}
+	p2 := &LuaAdaptedProvider{cfg: BaseConfig{Model: "AUTO"}}
+	if got := p2.MaxContextTokens(); got != 32768 {
+		t.Errorf("未声明时应走推断兜底：got %d, want 32768", got)
+	}
+}

internal/agent/api/provider.go

@@ -8,9 +8,9 @@ import (
 	"fmt"
 	"io"
 	"log"
-	"os"
 	"net"
 	"net/http"
+	"os"
 	"sort"
 	"strings"
 	"sync"
@@ -260,11 +260,21 @@ func ProviderSupportsAudio(p Provider) bool {
 	return false
 }
 
+// defaultInferredContextWindow 是模型名无法推断窗口时的兜底。
+//
+// 32768 是个保守值，但它属于**静默降级**：模型名写 AUTO（网关自己选上游）时
+// ModelContextWindow 匹配不到任何分支，内核就会拿着一份比真实小得多的窗口
+// 去算全部预算（实测：deepseek-v4.1-flash 能吞 990,034 token，而预算按 32768 算）。
+// 因此推断不出来时留一条日志，并让部署方用 per-source context_window 显式声明。
+const defaultInferredContextWindow = 32768
+
 // ModelContextWindow 返回模型的最大上下文窗口（token 数）
 // 标称窗口 ≠ 有效窗口：接近满时注意力涣散，调用方应取 70-80% 为目标利用率
 func ModelContextWindow(model string) int {
 	model = strings.ToLower(model)
 	switch {
+	case strings.Contains(model, "deepseek-v4") || strings.Contains(model, "deepseek-v3"):
+		return 1048576
 	case strings.Contains(model, "deepseek-r1") || strings.Contains(model, "deepseek-chat"):
 		return 65536
 	case strings.Contains(model, "gpt-4") && (strings.Contains(model, "turbo") || strings.Contains(model, "mini") || strings.Contains(model, "omni")):
@@ -296,7 +306,13 @@ func ModelContextWindow(model string) int {
 	case strings.Contains(model, "moonshot") || strings.Contains(model, "kimi"):
 		return 131072
 	default:
-		return 32768
+		// 模型名推断不出窗口（如 "AUTO"）：不要静静退回一个比真实小得多的值。
+		// 报一行日志，让“窗口被低估”这件事可见；部署方用 per-source
+		// core.llm.sources.<name>.context_window 声明真实值即可覆盖。
+		log.Printf("[provider] 模型 %q 无法推断上下文窗口，回退 %d；"+
+			"若真实窗口更大，请设置 core.llm.sources.<name>.context_window",
+			model, defaultInferredContextWindow)
+		return defaultInferredContextWindow
 	}
 }
 
@@ -1268,8 +1284,8 @@ func getFloat(m map[string]interface{}, key string) float64 {
 // ToolOutput 是工具 handler 返回的结构化结果，支持多模态内容。
 // 返回 string 时等价于 ToolOutput{Text: result}。
 type ToolOutput struct {
-	Text   string         `json:"text"`                         // LLM 看到的文字描述
-	Blocks []ContentBlock `json:"blocks,omitempty"`             // 附加的多模态块（image_url/audio_url），追加到 tool message
+	Text   string         `json:"text"`             // LLM 看到的文字描述
+	Blocks []ContentBlock `json:"blocks,omitempty"` // 附加的多模态块（image_url/audio_url），追加到 tool message
 }
 
 func (t ToolOutput) String() string { return t.Text }

internal/agent/core/tokenbudget.go

@@ -8,12 +8,12 @@ import (
 
 // TokenBudget 上下文 token 预算分配结果
 type TokenBudget struct {
-	MaxContext    int     // 模型窗口上限
-	TargetUsage   int     // 目标使用量（max * utilizationRate）
-	FixedTokens   int     // 固定部分（system prompt base + tools + rules）
-	MemoryTokens  int     // memory context 可用预算
-	ContextTokens int     // 上下文事件可用预算
-	Reserved      int     // 预留（response 空间）
+	MaxContext    int // 模型窗口上限
+	TargetUsage   int // 目标使用量（受 maxTargetTokens 与 utilizationRate 共同约束）
+	FixedTokens   int // 固定部分（system prompt base + tools + rules）
+	MemoryTokens  int // memory context 可用预算
+	ContextTokens int // 上下文事件可用预算
+	Reserved      int // 预留（response 空间）
 }
 
 // EstimateTokens 粗略估算 token 数
@@ -34,6 +34,16 @@ func EstimateTokens(text string) int {
 	return t
 }
 
+// maxTargetTokens 是**有效工作区间**的上限（不是模型窗口）。
+//
+// 为什么窗口 1M 却不能按 800K 干活：标称窗口 ≠ 有效窗口。接近满窗口时注意力
+// 明显涣散、成本与延迟也随 prompt 线性上升。该源（llmsproxy）实测 990,034 token
+// 仍能返回，但 600K 才是它的最优工作区间 —— 超过这个量级，回答质量与延迟都不划算。
+//
+// 因此把「窗口上限」（判断请求会不会被上游拒）与「工作区间」（分配记忆/历史预算）
+// 分开：前者由 provider.MaxContextTokens() 给，后者封顶在这里。
+const maxTargetTokens = 600000
+
 // ComputeTokenBudget 计算各部分的 token 预算
 // utilizationRate 为目标窗口利用率（0.0-1.0），预留 1-utilizationRate 给 response
 // 固定部分优先保障，剩余预算 1:2 分配给 memory context 和 context events
@@ -45,7 +55,14 @@ func ComputeTokenBudget(provider api.Provider, systemPromptBase string) TokenBud
 
 	utilizationRate := 0.8
 	targetUsage := int(float64(maxCtx) * utilizationRate)
+	// 窗口很大（如 1M）时不要把 80% 当成工作面：按 maxTargetTokens 封顶。
+	if targetUsage > maxTargetTokens {
+		targetUsage = maxTargetTokens
+	}
 	reserved := maxCtx - targetUsage
+	if reserved < 0 {
+		reserved = 0
+	}
 
 	fixedTokens := EstimateTokens(systemPromptBase)
 

internal/agent/core/tokenbudget_test.go

@@ -0,0 +1,51 @@
+package core
+
+import (
+	"context"
+	"testing"
+
+	agentAPI "gitcode.com/JianFeeeee/HomeAgent/internal/agent/api"
+)
+
+// windowProvider 是只声明窗口的 Provider 桩（预算是纯函数，不需要真推理）。
+type windowProvider struct{ n int }
+
+func (windowProvider) Name() string { return "window-stub" }
+func (windowProvider) Chat(context.Context, *agentAPI.CompletionRequest) (*agentAPI.CompletionResponse, error) {
+	return nil, nil
+}
+func (windowProvider) ChatStream(context.Context, *agentAPI.CompletionRequest) (<-chan agentAPI.StreamChunk, error) {
+	return nil, nil
+}
+func (p windowProvider) MaxContextTokens() int { return p.n }
+
+// 回归（2026-09-19）：窗口声明为 1M 后，工作面不能被 80% 带到 838K ——
+// 该源最优区间是 600K，超过就只剩成本与延迟。
+func TestComputeTokenBudgetCapsTargetAtWorkingBand(t *testing.T) {
+	const sys = "系统提示词"
+	b := ComputeTokenBudget(windowProvider{1048576}, sys)
+
+	if b.MaxContext != 1048576 {
+		t.Errorf("MaxContext 应保留真实窗口：%d", b.MaxContext)
+	}
+	if b.TargetUsage != 600000 {
+		t.Errorf("TargetUsage 应封顶在 600K（最优区间），实际 %d", b.TargetUsage)
+	}
+
+	avail := 600000 - EstimateTokens(sys)
+	if b.MemoryTokens != avail/3 {
+		t.Errorf("MemoryTokens=%d want %d", b.MemoryTokens, avail/3)
+	}
+	if b.MemoryTokens+b.ContextTokens != avail {
+		t.Errorf("两部分应恰好用完可用预算：%d + %d != %d", b.MemoryTokens, b.ContextTokens, avail)
+	}
+}
+
+// 封顶只作用于“窗口远大于工作区间”的情形；普通窗口仍按 80% 走，
+// 不能让这条约束把小窗口的预算也一起改掉。
+func TestComputeTokenBudgetSmallWindowUnchanged(t *testing.T) {
+	b := ComputeTokenBudget(windowProvider{32768}, "x")
+	if b.TargetUsage != 26214 {
+		t.Errorf("小窗口应仍取 80%%：got %d want %d", b.TargetUsage, 26214)
+	}
+}

internal/config/registry.go

@@ -186,6 +186,15 @@ var sourceFieldDefs = []struct {
 	{"adapter", "string", "适配器"},
 	{"adapter_path", "string", "适配器路径"},
 	{"max_concurrent", "int", "并发上限"},
+	// context_window 必须显式声明：它已被 readInt 读进 LLMSource 并透传到 provider，
+	// 但早先没进这张表 ⇒ WebUI 里看不见、也改不了，内核就一直在用
+	// ModelContextWindow(model) 的推断值。模型名是 AUTO 时那个函数匹配不到任何
+	// 分支、掉进 default 32768，而真实窗口是 1M（实测 990,034 token 的 prompt 通过）
+	// ⇒ 整个预算比真实小 30 倍。声明后它才是个可配的挡位。
+	//
+	// 注：per-source 的 max_tokens 不在这里—— LLMSource 没有该字段（输出上限
+	// 是全局 core.llm.max_tokens）。别加一个读不到的旋钮。
+	{"context_window", "int", "上下文窗口（token；留空按模型名推断）"},
 	{"priority", "int", "AUTO 优先级（大者优先）"},
 	{"vision", "bool", "支持图片"},
 	{"audio", "bool", "支持音频"},