上下文预算守卫

要解决的问题

长任务的上下文溢出通常不是突然发生的，而是工具返回大段结果、子代理产出累积之后才被发现，等报错再处理往往已经晚了。另一种极端是对小任务也套用全套压缩策略，白白消耗 token 和注意力。这个技能把「要不要优化」从凭感觉变成有依据的判断。

核心机制：预算 + 层级

• 每个阶段设定 token 预算（例如 200k 窗口里的 80k），子代理还要单独设定 max_turns / model 预算。
• scripts/budget_check.py 把当前估算用量映射到三个行动层级：GREEN、YELLOW、RED。
• 层级决定调用 token-context-optimizer 里的哪些技巧：充裕时轻量处理，接近上限时才激进压缩（子代理卸载、定期压缩、外化到记忆、丢弃过时信息、稳定前缀缓存）。

标准工作流

1. 设定上限：选定阶段预算或子代理预算。
2. 估算：对即将摄入的文件或结果运行 scripts/estimate_tokens.py，或直接 budget_check.py --current <n> --limit <n>。
3. 分类：脚本打印所属层级和推荐行动列表。
4. 执行：只应用该层级对应的技巧，不过度压缩。
5. 复查：大型操作之后再次检查，用量上升就提升层级。

使用边界

• 估算是启发式的（英文约 4 字符/token，中文约 1.6 字符/token），层级只能当参考。
• 图像等多模态内容远大于估算值，涉及时要么放宽预算，要么只按路径引用。
• 子代理预算与主上下文预算相互独立，两者都要设。
• 三条质量不变式：预算触发的是压缩而非省略决策相关信息；函数体、确切错误信息等编辑目标始终留在上下文里；小任务（GREEN）不产生任何优化开销。