@huyooo/ai-chat-core 0.2.41 → 0.2.42

package/src/events.ts

@@ -369,6 +369,43 @@ export interface StepEndEvent {
 /** 步骤相关事件联合类型 */
 export type StepEvent = StepStartEvent | StepEndEvent;
 
+// ==================== 上下文压缩事件 ====================
+
+/** 上下文压缩开始事件 */
+export interface CompactStartEvent {
+  type: 'compact_start';
+  data: {
+    /** 压缩前估算 token 数 */
+    estimatedTokens: number;
+    /** 可用 prompt token 预算 */
+    budget: number;
+    /** 开始时间戳 */
+    startedAt: number;
+  };
+}
+
+/** 上下文压缩完成事件 */
+export interface CompactEndEvent {
+  type: 'compact_end';
+  data: {
+    /** 是否成功 */
+    success: boolean;
+    /** 压缩后估算 token 数 */
+    compressedTokens: number;
+    /** 压缩前消息数 */
+    originalMessageCount: number;
+    /** 压缩后消息数 */
+    compressedMessageCount: number;
+    /** 结束时间戳 */
+    endedAt: number;
+    /** 耗时（毫秒） */
+    duration: number;
+  };
+}
+
+/** 上下文压缩相关事件联合类型 */
+export type CompactEvent = CompactStartEvent | CompactEndEvent;
+
 // ==================== Agent 状态事件 ====================
 
 /**
@@ -403,6 +440,7 @@ export type ChatEvent =
   | TextEvent
   | StatusEvent
   | StepEvent
+  | CompactEvent
   | AgentStatusEvent;
 
 /** 事件类型字符串 */
@@ -416,6 +454,7 @@ export const CHAT_EVENT_TYPES: readonly ChatEventType[] = [
   'text_delta',
   'done', 'error', 'abort',
   'step_start', 'step_end',
+  'compact_start', 'compact_end',
   'agent_status',
 ] as const;
 
@@ -743,6 +782,40 @@ export function createStepEnd(stepNumber: number, startedAt: number): StepEndEve
   };
 }
 
+/**
+ * 创建上下文压缩开始事件
+ */
+export function createCompactStart(estimatedTokens: number, budget: number): CompactStartEvent {
+  return {
+    type: 'compact_start',
+    data: { estimatedTokens, budget, startedAt: Date.now() },
+  };
+}
+
+/**
+ * 创建上下文压缩完成事件
+ */
+export function createCompactEnd(
+  success: boolean,
+  compressedTokens: number,
+  originalMessageCount: number,
+  compressedMessageCount: number,
+  startedAt: number,
+): CompactEndEvent {
+  const endedAt = Date.now();
+  return {
+    type: 'compact_end',
+    data: {
+      success,
+      compressedTokens,
+      originalMessageCount,
+      compressedMessageCount,
+      endedAt,
+      duration: endedAt - startedAt,
+    },
+  };
+}
+
 // ==================== 类型守卫 ====================
 
 /** 检查是否为思考事件 */
@@ -785,6 +858,11 @@ export function isStepEvent(event: ChatEvent): event is StepEvent {
   return event.type.startsWith('step_');
 }
 
+/** 检查是否为上下文压缩事件 */
+export function isCompactEvent(event: ChatEvent): event is CompactEvent {
+  return event.type.startsWith('compact_');
+}
+
 /** 检查错误是否可重试 */
 export function isRetryableError(event: ChatEvent): boolean {
   if (event.type !== 'error') return false;

package/src/providers/context-compressor.ts

@@ -1,16 +1,11 @@
 /**
  * Context 压缩模块
- * 
- * 当消息历史过长时自动压缩，避免超出模型 context window。
- * 
- * 策略参考 Claude Code（92% context window 触发摘要）和
- * OpenAI Codex（auto_compact_limit 触发压缩）。
- * 
- * 压缩算法：
- * 1. 保留 system prompt
- * 2. 保留第一条 user 消息（任务描述）
- * 3. 将中间的 assistant/tool 交互压缩为一条摘要
- * 4. 保留最近 N 条消息（工作上下文）
+ *
+ * 当 prompt token 估算接近模型 context window 时，让当前模型自己总结对话历史，
+ * 然后用 summary + 最近几条消息继续对话。
+ *
+ * 参考 Claude Code / Cursor 的做法：
+ * 不机械截断，而是让 AI 生成高质量摘要，保留关键决策和上下文。
  */
 
 import type { StandardMessage } from './types';
@@ -18,69 +13,86 @@ import { DebugLogger } from '../utils';
 
 const logger = DebugLogger.module('ContextCompressor');
 
+// ==================== Token 估算 ====================
+
+const CHARS_PER_TOKEN = 3.2;
+const MESSAGE_OVERHEAD_TOKENS = 4;
+
+function estimateStringTokens(s: string): number {
+  if (!s) return 0;
+  return Math.ceil(s.length / CHARS_PER_TOKEN);
+}
+
+export function estimateMessageTokens(msg: StandardMessage): number {
+  let tokens = MESSAGE_OVERHEAD_TOKENS;
+  tokens += estimateStringTokens(msg.content);
+
+  if (msg.toolCalls) {
+    for (const tc of msg.toolCalls) {
+      tokens += estimateStringTokens(tc.name);
+      tokens += estimateStringTokens(tc.arguments);
+      tokens += 10;
+    }
+  }
+
+  if (msg.images) {
+    tokens += msg.images.length * 85;
+  }
+
+  return tokens;
+}
+
+export function estimateTotalTokens(messages: StandardMessage[]): number {
+  let total = 3;
+  for (const msg of messages) {
+    total += estimateMessageTokens(msg);
+  }
+  return total;
+}
+
 // ==================== 配置 ====================
 
-/** 压缩配置 */
 export interface CompactConfig {
-  /**
-   * 字符数阈值，超过此值触发压缩
-   * 
-   * 使用字符数而非 token 数（粗略估计：1 token ≈ 3-4 中文字符 / 4 英文字符）。
-   * 80K 字符 ≈ 20K-27K tokens，约为最小 context window (128K tokens) 的 15-20%。
-   * 
-   * @default 80_000
-   */
-  charThreshold?: number;
-
-  /**
-   * 压缩后保留的最近消息数
-   * 
-   * 保留最近的消息对（assistant + tool），确保模型有足够上下文继续工作。
-   * 
-   * @default 10
-   */
+  contextWindowTokens: number;
+  maxOutputTokens: number;
+  /** 触发压缩的使用率，默认 0.80 */
+  compactThresholdRatio?: number;
+  /** 压缩后保留的最近消息数，默认 6 */
   keepRecentMessages?: number;
 }
 
-const DEFAULT_CHAR_THRESHOLD = 80_000;
-const DEFAULT_KEEP_RECENT = 10;
+const DEFAULT_THRESHOLD_RATIO = 0.80;
+const DEFAULT_KEEP_RECENT = 6;
 
 // ==================== 核心函数 ====================
 
+/** 计算可用 prompt token 预算 */
+export function getPromptBudget(config: CompactConfig): number {
+  const ratio = config.compactThresholdRatio ?? DEFAULT_THRESHOLD_RATIO;
+  return Math.floor(config.contextWindowTokens * ratio) - config.maxOutputTokens;
+}
+
+/** 检测是否需要压缩 */
+export function needsCompaction(messages: StandardMessage[], config: CompactConfig): boolean {
+  return estimateTotalTokens(messages) > getPromptBudget(config);
+}
+
 /**
- * 压缩消息历史
- * 
- * 当消息总字符数超过阈值时，保留首尾、压缩中间部分。
- * 
- * @param messages - 消息数组（会被原地修改）
- * @param config - 压缩配置（可选）
- * @returns 是否执行了压缩
+ * 构建发给 AI 的总结请求
+ *
+ * 返回一组消息，发给当前模型让它总结对话历史。
+ * 总结完成后调用 applySummary 组装新的消息列表。
  */
-export function compactMessages(messages: StandardMessage[], config?: CompactConfig): boolean {
-  const charThreshold = config?.charThreshold ?? DEFAULT_CHAR_THRESHOLD;
-  const keepRecent = config?.keepRecentMessages ?? DEFAULT_KEEP_RECENT;
-
-  // 计算总字符数
-  const totalChars = messages.reduce((sum, m) => sum + (m.content?.length ?? 0), 0);
-  
-  if (totalChars < charThreshold) {
-    return false;
-  }
-  
-  logger.info(`Context 压缩触发: ${totalChars} 字符, ${messages.length} 条消息`);
-  
-  // ---- 找到各段边界 ----
-  // [0..systemEnd):       system prompt（可能没有）
-  // [systemEnd..firstUserEnd): 第一条 user 消息
-  // [firstUserEnd..recentStart): 中间的 assistant/tool 交互（压缩目标）
-  // [recentStart..end):   最近 N 条消息（保留）
-  
+export function buildSummarizeRequest(
+  messages: StandardMessage[],
+  config: CompactConfig,
+): { summarizeMessages: StandardMessage[]; keepMessages: StandardMessage[] } {
+  const keepRecent = config.keepRecentMessages ?? DEFAULT_KEEP_RECENT;
+
+  // 找边界
   let systemEnd = 0;
-  if (messages[0]?.role === 'system') {
-    systemEnd = 1;
-  }
-  
-  // 找到第一条 user 消息
+  if (messages[0]?.role === 'system') systemEnd = 1;
+
   let firstUserEnd = systemEnd;
   for (let i = systemEnd; i < messages.length; i++) {
     if (messages[i].role === 'user') {
@@ -88,62 +100,118 @@ export function compactMessages(messages: StandardMessage[], config?: CompactCon
       break;
     }
   }
-  
+
+  // 要保留的最近消息
   const recentStart = Math.max(firstUserEnd, messages.length - keepRecent);
-  
-  // 中间部分太短，不值得压缩
-  if (recentStart - firstUserEnd < 4) {
-    return false;
-  }
-  
-  // ---- 生成摘要 ----
+  const keepMessages = messages.slice(recentStart);
+
+  // 要被总结的中间历史
   const middleMessages = messages.slice(firstUserEnd, recentStart);
-  const summary = buildSummary(middleMessages);
-  
-  // ---- 组装压缩后的消息 ----
-  const compressed: StandardMessage[] = [
-    ...messages.slice(0, firstUserEnd),   // system + first user
-    { role: 'system', content: summary }, // 压缩摘要
-    ...messages.slice(recentStart),       // 最近 N 条
+
+  if (middleMessages.length < 2) {
+    // 中间太短，没什么可总结的
+    return { summarizeMessages: [], keepMessages: messages.slice(systemEnd) };
+  }
+
+  const estimatedTokens = estimateTotalTokens(messages);
+  const budget = getPromptBudget(config);
+  logger.info(`准备 AI 总结: ~${estimatedTokens} tokens > budget ${budget}, 总结 ${middleMessages.length} 条中间消息, 保留最近 ${keepMessages.length} 条`);
+
+  // 构建总结请求：把中间历史交给模型
+  const summarizeMessages: StandardMessage[] = [
+    {
+      role: 'system',
+      content: SUMMARIZE_SYSTEM_PROMPT,
+    },
+    {
+      role: 'user',
+      content: formatMessagesForSummary(middleMessages),
+    },
   ];
-  
-  const compressedChars = compressed.reduce((s, m) => s + (m.content?.length ?? 0), 0);
-  logger.info(`Context 压缩完成: ${messages.length} → ${compressed.length} 条消息, ${totalChars} → ${compressedChars} 字符`);
-  
-  // 原地替换
-  messages.length = 0;
-  messages.push(...compressed);
-  
-  return true;
-}
 
-// ==================== 内部函数 ====================
+  return { summarizeMessages, keepMessages };
+}
 
 /**
- * 从中间消息中构建压缩摘要
+ * 用 AI 返回的摘要组装新的消息列表
  */
-function buildSummary(middleMessages: StandardMessage[]): string {
-  const toolCallNames: string[] = [];
-  let textPreview = '';
-  
-  for (const msg of middleMessages) {
-    if (msg.role === 'assistant' && msg.toolCalls) {
-      for (const tc of msg.toolCalls) {
-        toolCallNames.push(tc.name);
-      }
+export function applySummary(
+  originalMessages: StandardMessage[],
+  summary: string,
+  keepMessages: StandardMessage[],
+): StandardMessage[] {
+  // 取原始的 system prompt
+  const systemPrompt = originalMessages[0]?.role === 'system' ? originalMessages[0] : null;
+
+  // 取第一条 user 消息
+  const startIdx = systemPrompt ? 1 : 0;
+  let firstUser: StandardMessage | null = null;
+  for (let i = startIdx; i < originalMessages.length; i++) {
+    if (originalMessages[i].role === 'user') {
+      firstUser = originalMessages[i];
+      break;
     }
-    if (msg.role === 'assistant' && msg.content) {
-      textPreview += msg.content.slice(0, 200) + '\n';
+  }
+
+  const result: StandardMessage[] = [];
+  if (systemPrompt) result.push(systemPrompt);
+  if (firstUser) result.push(firstUser);
+
+  // 插入 AI 生成的摘要
+  result.push({
+    role: 'system',
+    content: `[对话历史摘要]\n${summary}`,
+  });
+
+  // 拼上最近保留的消息
+  result.push(...keepMessages);
+
+  const tokens = estimateTotalTokens(result);
+  logger.info(`AI 总结应用完成: ${originalMessages.length} → ${result.length} 条消息, ~${tokens} tokens`);
+
+  return result;
+}
+
+// ==================== 内部 ====================
+
+const SUMMARIZE_SYSTEM_PROMPT = `你是一个对话历史压缩助手。请总结以下对话历史，保留所有关键信息：
+
+要求：
+1. 保留所有文件修改记录（哪些文件被创建/修改/删除了，具体改了什么）
+2. 保留所有关键决策和结论
+3. 保留错误信息和解决方案
+4. 保留用户的明确要求和偏好
+5. 用简洁的条目列表格式输出
+6. 不要遗漏任何可能影响后续工作的信息
+
+直接输出摘要，不要开头说"以下是摘要"之类的话。`;
+
+/** 把消息列表格式化为可读文本，供总结用 */
+function formatMessagesForSummary(messages: StandardMessage[]): string {
+  const parts: string[] = [];
+
+  for (const msg of messages) {
+    const role = msg.role === 'assistant' ? 'AI' : msg.role === 'user' ? '用户' : '工具';
+
+    if (msg.role === 'assistant' && msg.toolCalls && msg.toolCalls.length > 0) {
+      const calls = msg.toolCalls.map(tc => {
+        const argsPreview = tc.arguments.length > 200
+          ? tc.arguments.slice(0, 200) + '...'
+          : tc.arguments;
+        return `  调用 ${tc.name}(${argsPreview})`;
+      }).join('\n');
+      const text = msg.content ? `${msg.content}\n${calls}` : calls;
+      parts.push(`[${role}]\n${text}`);
+    } else if (msg.role === 'tool') {
+      // tool result 保留前 1000 字符（总结模型能看到足够信息）
+      const content = msg.content.length > 1000
+        ? msg.content.slice(0, 1000) + `... (共 ${msg.content.length} 字符)`
+        : msg.content;
+      parts.push(`[${role}: ${msg.toolName ?? 'unknown'}]\n${content}`);
+    } else if (msg.content) {
+      parts.push(`[${role}]\n${msg.content}`);
     }
   }
-  
-  return [
-    `[上下文压缩] 以下是之前 ${middleMessages.length} 条消息的摘要：`,
-    toolCallNames.length > 0
-      ? `- 执行了 ${toolCallNames.length} 次工具调用: ${[...new Set(toolCallNames)].join(', ')}`
-      : '',
-    textPreview
-      ? `- AI 回复摘要: ${textPreview.slice(0, 500)}`
-      : '',
-  ].filter(Boolean).join('\n');
+
+  return parts.join('\n\n---\n\n');
 }

package/src/providers/model-registry.ts

@@ -102,7 +102,8 @@ export const DOUBAO_FAMILY: ModelFamilyConfig = {
   supportsNativeSearch: false,
   searchStrategy: 'tavily',
   toolCallFormat: 'responses',
-  defaultMaxTokens: 32768,
+  // Seed 1.6 最大输出 16K（默认 4K，需手动设置）
+  defaultMaxTokens: 16384,
 };
 
 /** DeepSeek 家族（联网搜索统一走 web_search_ai/Tavily，与其它模型事件与数据格式一致） */
@@ -164,12 +165,13 @@ export const CLAUDE_FAMILY: ModelFamilyConfig = {
   id: 'claude',
   displayName: 'Claude',
   supportsVision: true,
-  supportsThinking: true, // 通过 Vercel AI SDK 支持 extended thinking
+  supportsThinking: true,
   thinkingFormat: 'reasoning',
   supportsNativeSearch: false,
   searchStrategy: 'tavily',
   toolCallFormat: 'openai',
-  defaultMaxTokens: 200000,
+  // Bedrock fallback 限制 64K output，取 64000 保证各 provider 兼容
+  defaultMaxTokens: 64000,
 };
 
 /** 家族配置映射 */
@@ -200,8 +202,10 @@ export interface ModelRegistryEntry {
   visible?: boolean;
   /** 是否支持图片理解（优先级高于 family.supportsVision） */
   supportsVision?: boolean;
-  /** 上下文窗口大小（如 "256K"） */
+  /** 上下文窗口大小（如 "256K"），用于展示 */
   contextWindow?: string;
+  /** 上下文窗口精确 token 数（用于压缩器计算） */
+  contextWindowTokens?: number;
   /** 价格信息（数组，分行显示） */
   pricing?: string[];
 }
@@ -215,25 +219,25 @@ export interface ModelRegistryEntry {
  */
 export const MODEL_REGISTRY: ModelRegistryEntry[] = [
   // 豆包（价格为输入<=32k档，输出价格取决于输出长度）
-  { id: 'doubao-seed-1-6-250615', displayName: '豆包 Seed 1.6', family: 'doubao', protocol: 'ark', visible: true, supportsVision: true, contextWindow: '256K', pricing: ['输入 0.8 元/百万tokens', '输出 2-8 元/百万tokens'] },
-  { id: 'doubao-seed-1-8-251215', displayName: '豆包 Seed 1.8', family: 'doubao', protocol: 'ark', contextWindow: '256K', pricing: ['输入 0.8 元/百万tokens', '输出 2-8 元/百万tokens'] },
+  { id: 'doubao-seed-1-6-250615', displayName: '豆包 Seed 1.6', family: 'doubao', protocol: 'ark', visible: true, supportsVision: true, contextWindow: '256K', contextWindowTokens: 256_000, pricing: ['输入 0.8 元/百万tokens', '输出 2-8 元/百万tokens'] },
+  { id: 'doubao-seed-1-8-251215', displayName: '豆包 Seed 1.8', family: 'doubao', protocol: 'ark', contextWindow: '256K', contextWindowTokens: 256_000, pricing: ['输入 0.8 元/百万tokens', '输出 2-8 元/百万tokens'] },
 
   // DeepSeek（价格为输入<=32k档）
-  { id: 'deepseek-v3-2-251201', displayName: 'DeepSeek V3.2', family: 'deepseek', protocol: 'deepseek', visible: true, supportsVision: false, contextWindow: '128K', pricing: ['输入 2 元/百万tokens', '输出 3 元/百万tokens'] },
+  { id: 'deepseek-v3-2-251201', displayName: 'DeepSeek V3.2', family: 'deepseek', protocol: 'deepseek', visible: true, supportsVision: false, contextWindow: '128K', contextWindowTokens: 128_000, pricing: ['输入 2 元/百万tokens', '输出 3 元/百万tokens'] },
 
-  // 通义千问
-  { id: 'qwen3-vl-plus', displayName: '通义千问 3 VL', family: 'qwen', protocol: 'qwen', visible: true, supportsVision: true, contextWindow: '128K', pricing: ['输入 1 元/百万tokens', '输出 10 元/百万tokens'] },
+  // 通义千问（官方 2025.09 确认 262K context / 32K output）
+  { id: 'qwen3-vl-plus', displayName: '通义千问 3 VL', family: 'qwen', protocol: 'qwen', visible: true, supportsVision: true, contextWindow: '262K', contextWindowTokens: 262_144, pricing: ['输入 1 元/百万tokens', '输出 10 元/百万tokens'] },
 
   // Gemini
-  { id: 'gemini-3-pro-preview', displayName: 'Gemini 3 Pro', family: 'gemini', protocol: 'gemini', visible: true, supportsVision: true, contextWindow: '1M', pricing: ['输入 1.25 元/百万tokens', '输出 10 元/百万tokens'] },
-  { id: 'gemini-2.5-flash-preview-05-20', displayName: 'Gemini 2.5 Flash', family: 'gemini', protocol: 'gemini', contextWindow: '1M', pricing: ['输入 0.15 元/百万tokens', '输出 0.6 元/百万tokens'] },
-  { id: 'gemini-2.5-pro-preview-05-06', displayName: 'Gemini 2.5 Pro', family: 'gemini', protocol: 'gemini', contextWindow: '1M', pricing: ['输入 1.25 元/百万tokens', '输出 10 元/百万tokens'] },
+  { id: 'gemini-3-pro-preview', displayName: 'Gemini 3 Pro', family: 'gemini', protocol: 'gemini', visible: true, supportsVision: true, contextWindow: '1M', contextWindowTokens: 1_000_000, pricing: ['输入 1.25 元/百万tokens', '输出 10 元/百万tokens'] },
+  { id: 'gemini-2.5-flash-preview-05-20', displayName: 'Gemini 2.5 Flash', family: 'gemini', protocol: 'gemini', contextWindow: '1M', contextWindowTokens: 1_000_000, pricing: ['输入 0.15 元/百万tokens', '输出 0.6 元/百万tokens'] },
+  { id: 'gemini-2.5-pro-preview-05-06', displayName: 'Gemini 2.5 Pro', family: 'gemini', protocol: 'gemini', contextWindow: '1M', contextWindowTokens: 1_000_000, pricing: ['输入 1.25 元/百万tokens', '输出 10 元/百万tokens'] },
 
   // GPT（OpenRouter，美元价格按约7.2汇率换算）
-  { id: 'openai/gpt-5.2', displayName: 'GPT-5.2', family: 'gpt', protocol: 'openai', visible: true, supportsVision: true, contextWindow: '400K', pricing: ['输入 12.6 元/百万tokens', '输出 100.8 元/百万tokens'] },
+  { id: 'openai/gpt-5.2', displayName: 'GPT-5.2', family: 'gpt', protocol: 'openai', visible: true, supportsVision: true, contextWindow: '400K', contextWindowTokens: 400_000, pricing: ['输入 12.6 元/百万tokens', '输出 100.8 元/百万tokens'] },
 
   // Claude（Vercel AI SDK，美元价格按约7.2汇率换算）
-  { id: 'anthropic/claude-opus-4.5', displayName: 'Claude Opus 4.5', family: 'claude', protocol: 'anthropic', visible: true, supportsVision: true, contextWindow: '200K', pricing: ['输入 36 元/百万tokens', '输出 180 元/百万tokens'] },
+  { id: 'anthropic/claude-opus-4.5', displayName: 'Claude Opus 4.5', family: 'claude', protocol: 'anthropic', visible: true, supportsVision: true, contextWindow: '200K', contextWindowTokens: 200_000, pricing: ['输入 36 元/百万tokens', '输出 180 元/百万tokens'] },
 ];
 
 // ==================== 查询辅助函数 ====================
@@ -318,3 +322,143 @@ export function getModelSearchStrategy(modelId: string): SearchStrategy {
   return family?.searchStrategy ?? 'tavily';
 }
 
+// ==================== Context 配置 ====================
+
+export interface ModelContextConfig {
+  contextWindowTokens: number;
+  maxOutputTokens: number;
+}
+
+/**
+ * 获取模型的 context 配置（供压缩器使用）
+ *
+ * 所有模型必须注册且声明 contextWindowTokens，否则抛错。
+ */
+export function getModelContextConfig(modelId: string): ModelContextConfig {
+  const entry = getModelEntry(modelId);
+  if (!entry) throw new Error(`模型 ${modelId} 未在 MODEL_REGISTRY 中注册`);
+
+  const family = MODEL_FAMILIES[entry.family];
+  if (!family) throw new Error(`模型 ${modelId} 的家族 ${entry.family} 未定义`);
+
+  if (!entry.contextWindowTokens) {
+    throw new Error(`模型 ${modelId} 缺少 contextWindowTokens 配置`);
+  }
+  if (!family.defaultMaxTokens) {
+    throw new Error(`模型家族 ${entry.family} 缺少 defaultMaxTokens 配置`);
+  }
+
+  return {
+    contextWindowTokens: entry.contextWindowTokens,
+    maxOutputTokens: family.defaultMaxTokens,
+  };
+}
+
+/** 解析 "256K" / "1M" 格式为 token 数 */
+function parseContextWindowString(s: string): number | undefined {
+  const match = s.match(/^([\d.]+)\s*(K|M)$/i);
+  if (!match) return undefined;
+  const num = parseFloat(match[1]);
+  const unit = match[2].toUpperCase();
+  return unit === 'M' ? num * 1_000_000 : num * 1_000;
+}
+
+// ==================== 配置校验 ====================
+
+export interface ConfigValidationError {
+  modelId: string;
+  field: string;
+  message: string;
+  severity: 'error' | 'warning';
+}
+
+/**
+ * 校验所有模型配置的合法性
+ *
+ * 检查项：
+ * 1. defaultMaxTokens 不能超过 contextWindow
+ * 2. contextWindowTokens 与 contextWindow 字符串必须一致
+ * 3. 必须声明 contextWindowTokens（否则压缩器无法工作）
+ * 4. defaultMaxTokens 必须大于 0
+ * 5. 各 provider 的已知硬限制（如 Bedrock 64K output）
+ */
+export function validateModelConfigs(): ConfigValidationError[] {
+  const errors: ConfigValidationError[] = [];
+
+  // 各 provider 已知 maxOutputTokens 硬限制
+  const providerOutputLimits: Record<string, number> = {
+    anthropic: 64_000,  // Bedrock fallback 限制
+    gemini: 65_536,
+    ark: 16_384,        // 豆包 Seed 系列最大输出 16K
+    deepseek: 64_000,   // V3.2 reasoner 最大 64K
+    qwen: 32_768,
+  };
+
+  for (const entry of MODEL_REGISTRY) {
+    const family = MODEL_FAMILIES[entry.family];
+    if (!family) {
+      errors.push({ modelId: entry.id, field: 'family', message: `未找到家族配置: ${entry.family}`, severity: 'error' });
+      continue;
+    }
+
+    // 检查 contextWindowTokens 声明
+    if (!entry.contextWindowTokens) {
+      errors.push({
+        modelId: entry.id,
+        field: 'contextWindowTokens',
+        message: '缺少 contextWindowTokens，压缩器将回退到字符数阈值',
+        severity: 'warning',
+      });
+    }
+
+    // 检查 contextWindow 字符串与数值一致性
+    if (entry.contextWindow && entry.contextWindowTokens) {
+      const parsed = parseContextWindowString(entry.contextWindow);
+      if (parsed && parsed !== entry.contextWindowTokens) {
+        errors.push({
+          modelId: entry.id,
+          field: 'contextWindow',
+          message: `contextWindow "${entry.contextWindow}" (${parsed}) 与 contextWindowTokens (${entry.contextWindowTokens}) 不一致`,
+          severity: 'error',
+        });
+      }
+    }
+
+    // 检查 defaultMaxTokens
+    const maxTokens = family.defaultMaxTokens;
+    if (maxTokens !== undefined) {
+      if (maxTokens <= 0) {
+        errors.push({
+          modelId: entry.id,
+          field: 'defaultMaxTokens',
+          message: `defaultMaxTokens (${maxTokens}) 必须大于 0`,
+          severity: 'error',
+        });
+      }
+
+      // 不能超过 contextWindow
+      if (entry.contextWindowTokens && maxTokens > entry.contextWindowTokens) {
+        errors.push({
+          modelId: entry.id,
+          field: 'defaultMaxTokens',
+          message: `defaultMaxTokens (${maxTokens}) 超过 contextWindow (${entry.contextWindowTokens})`,
+          severity: 'error',
+        });
+      }
+
+      // 检查 provider 硬限制
+      const providerLimit = providerOutputLimits[entry.protocol];
+      if (providerLimit && maxTokens > providerLimit) {
+        errors.push({
+          modelId: entry.id,
+          field: 'defaultMaxTokens',
+          message: `defaultMaxTokens (${maxTokens}) 超过 ${entry.protocol} 的硬限制 (${providerLimit})`,
+          severity: 'error',
+        });
+      }
+    }
+  }
+
+  return errors;
+}
+