feat: v0.8.1 记忆深化 · 观测闭环 · 体验收口 — 窗口/输出上限全局单一配置 · 2478 用例全量回归 + E2E 冒烟

硬性契约：删除代码中一切写死的上下文窗口与最大输出上限（含六家模型元信息
钳制与全部兜底值）——唯一合法来源是设置面板「上下文长度」（llm.contextWindow）
与「最大输出上限」（llm.maxTokens），跨 Provider/模型原样透传。

P0 正确性收口：
- 迁移 11/12（SCHEMA_VERSION 5）：记忆表 embedding 列 + 分 Provider 窗口键清理
- 记忆生命周期接线：会话终态清理 working memory / episodic 90 天 TTL / access_count 回写
- 回放缓冲模块化 + 会话终态清理（杜绝 4MB/会话内存滞留）
- i18n 收口：主进程 main-locale（zh/en，ui.locale 热切换）+ 渲染层 17 处出层

P1 能力演进：
- 本地向量混合检索：0.6×向量余弦 + 0.4×TF-IDF，Ollama embeddings 首次投产，
  存量记忆惰性回填，嵌入不可用自动回退 TF-IDF
- MEMORY.md 维护闭环：固化去重消除截断盲区；两阶段维护（AI 建议 → 用户确认 →
  原子改写 + 语义记忆双轨同步 + 审计）；>50KB 告警
- 可观测闭环：cacheTokens 引擎→前端透传（Token 面板命中率/成本行）+ 输入框
  上下文占用指示条
- MCP Prompts/Resources 对话可用：/mcp:{server}:{prompt} 与 @mcp:{server}:{uri}

P2 体验补全：
- 工具自定义策略（正则白/黑名单 + 频率 + 强制确认，热生效）
- 连续 ≥3 同类工具确认聚合为单弹框
- 会话消息游标分页（首屏 200 条向上翻页）
- 开机自启；Playwright + Electron E2E 冒烟（本地 mock LLM 零外联）

Review 回归修复：MCP 大小写失配 / 分页状态复位 / 清空=未配置语义（Number(null)=0
隐患）/ MEMORY.md 告警位置 / working_memories FK（迁移 13）/ 全局配置层废键清理；
附带根治权限加固启动时序、代理回环放行、safeStorage 降级、悬空 symlink 逃逸。

验证：typecheck/lint 0 问题；test:electron 2478/2478（0 跳过）；E2E 2/2；
docs/v0.8.1-迭代实施清单.md 全项留档。

electron/harness/agent-loop/engine.ts

@@ -84,10 +84,11 @@ const DEFAULT_CONFIG: AgentLoopConfig = {
   totalTimeoutMs: 600_000,
   enableReflection: false,
   compressionThreshold: 0.8,
-  contextWindow: 128_000,
+  // v0.8.1: contextWindow / maxTokens 不再携带任何写死默认值 —— 唯一合法来源是
+  // 设置面板 LLM 配置（llm.contextWindow / llm.maxTokens），由 main.ts baseConfig
+  // 与 applyEngineConfigKey 注入。未配置时压缩判定跳过、输出上限参数不下发。
   retryCount: 3,
   temperature: 0.0,
-  maxTokens: 63488,
   thinkingEnabled: true,
   thinkingEffort: 'high',
   toolExecutionTimeoutMs: 120_000,
@@ -185,10 +186,9 @@ export class AgentLoopEngine extends EventEmitter {
   /**
    * #3 修复: 从 adapter 同步 contextWindow 到 Engine 配置
    *
-   * Engine 的 DEFAULT_CONFIG.contextWindow 硬编码为 128_000，但各 Provider 实际支持的
-   * 上下文窗口差异巨大（DeepSeek 1M / Agnes 1M / MiMo 1M / OpenAI 128K~1M /
-   * Anthropic 200K / Ollama 4096 起，v0.7.4 修正注释——此前误写 64K）。
-   * 不同步会导致压缩阈值（compressionThreshold * contextWindow）计算错误。
+   * v0.8.1 契约: 窗口唯一来源是设置面板「上下文长度」—— 引擎 config 与 adapter
+   * config 同源注入；本同步仅当 adapter 侧返回 >0（用户已配置）时采纳，
+   * 返回 0（未配置）不覆盖，压缩判定按未配置语义跳过。
    */
   private syncContextWindow(): void {
     const adapterCtx = this.adapter.getContextWindow?.();
@@ -628,6 +628,10 @@ export class AgentLoopEngine extends EventEmitter {
                 promptTokens: event.usage.inputTokens ?? 0,
                 completionTokens: event.usage.outputTokens ?? 0,
                 totalTokens: event.usage.totalTokens ?? 0,
+                // v0.8.1 P1-3: 透传 Prompt Cache 命中字段（前端命中率展示的数据源；
+                // 此前引擎在此处丢弃 adapter 已采集的 cache 字段，观测链路断头）
+                cacheHitTokens: event.usage.cacheHitTokens,
+                cacheMissTokens: event.usage.cacheMissTokens,
               };
               // v0.3.18 修复: 记录最近一次 LLM 调用的真实输入 token，用于校正压缩判断
               // 估算值可能偏低（尤其中文场景），导致不压缩但 API 413
@@ -788,10 +792,10 @@ export class AgentLoopEngine extends EventEmitter {
       }
 
       // === 上下文压缩（基于 token 使用率触发） ===
-      // 有效上下文窗口：Ollama 使用 contextLength (numCtx)，其他 Provider 使用 contextWindow
-      // v0.3.18 修复: 加默认值 128_000 保护，避免 config 都为 undefined 时 compressionThreshold 变 NaN 导致压缩永不触发
-      const effectiveContextWindow =
-        this.config.contextLength ?? this.config.contextWindow ?? 128_000;
+      // 有效上下文窗口：Ollama 使用 contextLength (num_ctx)，其他 Provider 使用 contextWindow。
+      // v0.8.1: 唯一来源是设置面板「上下文长度」（llm.contextWindow）—— 不再有任何写死
+      // 兜底值；未配置（<=0）时跳过压缩判定（无法计算阈值，且用户未声明窗口即不预算）。
+      const effectiveContextWindow = this.config.contextLength ?? this.config.contextWindow ?? 0;
       const estimatedTokens = this.estimateMessagesTokens(request.messages);
       // v0.3.18 修复: 取 max(估算值, 真实值) 作为实际占用，避免估算偏低导致不压缩但 API 413
       // 估算值用于 LLM 尚未返回 usage 时的早期判断（首轮或重试场景）
@@ -801,7 +805,11 @@ export class AgentLoopEngine extends EventEmitter {
       // v0.3.18 修复: 触发条件从"消息数 > 10"改为"消息数 >= 4"
       // 新压缩策略按 token 预算动态截断，不再依赖固定 10 条。
       // 至少 4 条消息（2 轮 user+assistant）才有压缩意义，否则保留区已是最小。
-      if (actualTokens > compressionThreshold && request.messages.length >= 4) {
+      if (
+        effectiveContextWindow > 0 &&
+        actualTokens > compressionThreshold &&
+        request.messages.length >= 4
+      ) {
         await this.transitionTo(AgentLoopState.COMPRESSING);
         const compressed = await this.compressMessages(request.messages);
         if (compressed) {
@@ -1462,9 +1470,10 @@ export class AgentLoopEngine extends EventEmitter {
    */
   private async compressMessages(messages: MetonaMessage[]): Promise<MetonaMessage[] | null> {
     // v0.3.18 修复: 动态计算保留预算，避免固定 10 条在超长消息场景仍超限
-    // 加默认值 128_000 保护，避免 config 都为 undefined 时 keepBudget 变 NaN
-    const effectiveContextWindow =
-      this.config.contextLength ?? this.config.contextWindow ?? 128_000;
+    // v0.8.1: 窗口唯一来源是设置面板「上下文长度」，无写死兜底 —— 未配置时无法
+    // 计算保留预算，直接放弃压缩（调用方保持原数组，行为安全）
+    const effectiveContextWindow = this.config.contextLength ?? this.config.contextWindow ?? 0;
+    if (!(effectiveContextWindow > 0)) return null;
     const keepBudget = Math.floor(effectiveContextWindow * 0.5); // 保留区占上下文窗口 50%
     const minKeepCount = 2; // 至少保留最后 2 条（user + assistant），保证有可推理上下文
 
@@ -1623,6 +1632,16 @@ export class AgentLoopEngine extends EventEmitter {
     this.totalTokens.promptTokens += usage.promptTokens;
     this.totalTokens.completionTokens += usage.completionTokens;
     this.totalTokens.totalTokens += usage.totalTokens;
+    // v0.8.1 P1-3: 累计缓存命中/未命中（未上报的 Provider 保持 undefined，
+    // 不把 undefined 污染为数字 0 —— 前端以 undefined 判定"该 Provider 不上报"）
+    if (usage.cacheHitTokens != null) {
+      this.totalTokens.cacheHitTokens =
+        (this.totalTokens.cacheHitTokens ?? 0) + usage.cacheHitTokens;
+    }
+    if (usage.cacheMissTokens != null) {
+      this.totalTokens.cacheMissTokens =
+        (this.totalTokens.cacheMissTokens ?? 0) + usage.cacheMissTokens;
+    }
   }
 
   private finish(reason: TerminationReason, answer?: string, error?: Error): AgentLoopOutput {

electron/harness/agent-loop/types.ts

@@ -61,6 +61,13 @@ export interface TokenUsage {
   promptTokens: number;
   completionTokens: number;
   totalTokens: number;
+  /**
+   * v0.8.1 P1-3: Prompt Cache 命中/未命中 token 数（Provider 上报时透传）。
+   * 供前端 TokenUsage 面板计算缓存命中率 —— 采集与展示全链路闭环，
+   * 未上报的 Provider 为 undefined（UI 隐藏该行）。
+   */
+  cacheHitTokens?: number;
+  cacheMissTokens?: number;
 }
 
 // ===== Agent Loop 配置 =====
@@ -70,16 +77,26 @@ export interface AgentLoopConfig {
   totalTimeoutMs: number;
   enableReflection: boolean;
   compressionThreshold: number;
-  contextWindow: number;
+  /**
+   * 上下文窗口大小（token 数）—— 唯一合法来源是设置面板 LLM 配置的「上下文长度」
+   * （llm.contextWindow，经 main.ts baseConfig / applyEngineConfigKey 注入）。
+   * 引擎与适配器禁止携带任何写死的默认值；未配置（undefined/0）时压缩判定跳过。
+   */
+  contextWindow?: number;
   retryCount: number;
   temperature: number;
-  /** 最大生成 token 数（默认 63488） */
-  maxTokens: number;
+  /**
+   * 最大生成 token 数 —— 唯一合法来源是设置面板 LLM 配置的「最大输出上限」
+   * （llm.maxTokens，经 main.ts baseConfig / applyEngineConfigKey 注入）。
+   * 引擎与适配器禁止携带任何写死的默认值，也不得按模型元信息钳制；
+   * 未配置时该参数不下发，由 Provider 服务端默认值决定。
+   */
+  maxTokens?: number;
   /** 是否启用思考模式（默认 true） */
   thinkingEnabled: boolean;
   /** 思考强度（默认 'high'） */
   thinkingEffort: 'low' | 'medium' | 'high' | 'max';
-  /** Ollama 上下文窗口大小（num_ctx），其他 Provider 忽略 */
+  /** Ollama num_ctx（与「上下文长度」同源：llm.contextWindow，仅 Ollama Provider 下发） */
   contextLength?: number;
   /** 工具执行兜底超时（ms，默认 120000），实际取 max(此值, tool.timeoutMs) */
   toolExecutionTimeoutMs?: number;