[错误]_trim_messages(): 转数检查在令牌预算检查之前执行,导致不必要的 LLM 摘要调用

发生了什么事？#### 我观察到的情况 _trim_messages()（agent/protocol/agent_stream.py:2454）运行了一个两阶段的剪辑管线：text Step 2（第 2476 行）：回转数检查 → 如果回转数 > max_context_turns（30）：删除前半部分 + 触发摘要 LLM 调用 Step 3（第 2502 行）：令牌预算检查 → 如果估计令牌 > 可用预算：分层策略（压缩或丢弃）**步骤 2 在步骤 3 之前触发**，这意味着：> 一个对话具有 **31 个或更多短回转**（例如 31 次快速 `ls` 调用，每次约 50 个令牌），即使总令牌数（约 1,550 个令牌）远低于模型的上下文预算。这浪费了每个回转上不必要的 LLM API 调用（通过 `_build_context_summary_callback()` 进行的摘要注入）。#### 根本原因 转回数检查（步骤 2）和令牌预算检查（步骤 3）是**独立的触发器，按顺序运行**，而不是统一的预算感知策略：Python # agent/protocol/agent_stream.py:2476-2486 如果 len(turns) > self.max_context_turns： removed_count = len(turns) // 2 # ← 总是删除一半 keep_count = len(turns) - removed_count discarded_turns = turns[:removed_count] turns = turns[-keep_count:] # 刷新到日常内存 + 注入上下文摘要（单个异步 LLM 调用） 如果 self.agent.memory_manager： # ... 触发 _build_context_summary_callback → LLM 调用 然后，步骤 3 独立检查令牌预算：```Python # agent/protocol/agent_stream.py:2502-2530 context_window = self.agent._get_model_context_window() output_reserve = self.agent._get_output_reserve_tokens() input_ceiling = max(1, context_window - output_reserve) # ... current_tokens = sum(self._estimate_turn_tokens(turn) for turn in turns) 如果 current_tokens + system_tokens <= max_tokens： # 在预算内 → 重构并返回（但步骤 2 已经剪辑了！） 两个问题： 1. 步骤 2 没有了解步骤 3 的预算。 它纯粹基于回转数，无论预算是否已满足。 2. 两个步骤都使用"删除一半"而不是仅删除所需的最少回转。 如果 31 个回转总共 200K 个令牌，并且预算为 50K，删除一半仍然会留下约 100K（超出预算），需要另一轮。此外，_smart_compact_to_budget()（第 2324 行，反应性溢出处理器）在循环中重复相同的"删除一半"策略，直到上下文适合为止 — 但这只会在 API 返回之前触发…