blun-king-cli 9.1.86 → 9.1.88

package/LIESMICH.txt

@@ -9,7 +9,7 @@ Installation
 ------------
 Die geprüfte Version exakt global installieren:
 
-  npm install -g blun-king-cli@9.1.86
+  npm install -g blun-king-cli@9.1.87
 
 Start
 -----
@@ -50,6 +50,13 @@ FIFO-Warteschlange. Für diesen normalen Wartestatus erscheint kein
 
 Zuverlässiger King-Start
 -----------------------
+Bei einer ausdrücklich als wiederholbar gekennzeichneten Serverüberlastung
+(HTTP 429 mit x-should-retry: true) wartet BLUN King gemäß Retry-After und
+sendet dieselbe Anfrage höchstens zweimal erneut. Authentifizierungs-,
+Kontingent- und andere nicht wiederholbare Fehler brechen weiterhin sofort ab.
+Bleibt der Server nach den begrenzten Versuchen überlastet, erhält der Nutzer
+weiterhin die klare Fehlermeldung.
+
 Der Windows-Hilfsprozess für private Pfade übernimmt TEMP und TMP aus der
 Benutzersitzung. Dadurch arbeitet die ACL-Prüfung auch unter einem normalen
 Benutzerkonto. Bei einem Fehler wird die tatsächliche Ursache des

package/README.md

@@ -9,7 +9,7 @@ Voraussetzung ist Node.js 24.15 oder neuer. Die geprüfte Version wird exakt
 installiert:
 
 ```powershell
-npm install -g blun-king-cli@9.1.86
+npm install -g blun-king-cli@9.1.88
 ```
 
 ## Reproduzierbares Staging und Packen
@@ -72,6 +72,11 @@ Geistervorschlägen, Bash-Eingabe und einer noch offenen Mehrzeileneingabe.
 
 ## Zuverlässiger King-Start
 
+Bei einer vom Server ausdrücklich als wiederholbar gekennzeichneten
+Überlastung (`HTTP 429`, `x-should-retry: true`) wartet BLUN King entsprechend
+`Retry-After` und sendet dieselbe Anfrage höchstens zweimal erneut. Andere
+Fehler und dauerhaft überlastete Server bleiben klar begrenzt und sichtbar.
+
 Der Windows-Hilfsprozess für private Pfade übernimmt `TEMP` und `TMP` aus der
 Benutzersitzung. Dadurch kann der C#-Compiler für die ACL-Prüfung auch unter
 einem normalen Benutzerkonto arbeiten. Scheitert der Unterprozess, nennt die
@@ -96,9 +101,9 @@ doppelten Namen bleiben unverändert.
 
 ## Kontextentlastung bei langen Sitzungen
 
-King bewahrt den vollständigen Verlauf weiterhin im Sitzungs-Wire auf. Erreicht der aktive Verlauf 75 Prozent des Modellfensters, ersetzt die Modellprojektion ältere große Werkzeugergebnisse sowie große Argumente abgeschlossener Werkzeugaufrufe durch kurze Platzhalter. Werkzeugargumente werden nur entlastet, wenn ein zugehöriges Werkzeugergebnis vorliegt und die gespeicherten Argumente gültiges JSON sind. Die letzten 20 Nachrichten bleiben unverändert. Solange der Prefix-Cache warm ist, wird der Schnitt höchstens nach jeweils 20 weiteren Nachrichten verschoben. Nach einer Stunde ohne Modellantwort darf er sofort nachziehen.
+King bewahrt den vollständigen Verlauf weiterhin im Sitzungs-Wire auf. Bei 75 Prozent der wirksamen Verdichtungsgrenze ersetzt die Modellprojektion ältere große Werkzeugergebnisse sowie große Argumente abgeschlossener Werkzeugaufrufe durch kurze Platzhalter. Die Druckmessung verwendet die frühere Grenze aus Modellfenster und Vollverdichtungsbudget; bei einem Modellfenster von 1.048.576 Token und einer Vollverdichtung bei 256.000 Token liegt der Mikrodruckpunkt daher bei 192.000 Token. Werkzeugargumente werden nur entlastet, wenn ein zugehöriges Werkzeugergebnis vorliegt und die gespeicherten Argumente gültiges JSON sind. Die letzten 20 Nachrichten bleiben unverändert. Solange der Prefix-Cache warm ist, wird der Schnitt höchstens nach jeweils 20 weiteren Nachrichten verschoben. Nach einer Stunde ohne Modellantwort darf er sofort nachziehen.
 
-Dabei werden keine gespeicherten Nachrichten geändert oder gelöscht. Fortsetzen, Exportieren und die sichtbare Historie behalten die ursprünglichen Werkzeugergebnisse und Werkzeugargumente. Das Telemetrieereignis `micro_compaction_finished` nennt den Auslöser, den Schnitt und die geschätzte Tokenzahl vor und nach der Entlastung. Außerdem zählt es getrennt, wie viele Werkzeugergebnisse und Werkzeugargumente entlastet wurden. Der Sitzungsinspektor summiert zusätzlich die eingesparten Argument-Token, ohne Inhalte offenzulegen. Beispiel: Ein früherer `Write`-Aufruf mit einem vollständigen Dateiinhalt bleibt im Wire erhalten; die Modellprojektion trägt nur noch einen Platzhalter, sobald für diesen `Write`-Aufruf ein zugehöriges Ergebnis vorliegt.
+Dabei werden keine gespeicherten Nachrichten geändert oder gelöscht. Fortsetzen, Exportieren und die sichtbare Historie behalten die ursprünglichen Werkzeugergebnisse und Werkzeugargumente. Das Telemetrieereignis `micro_compaction_finished` nennt den Auslöser, den Schnitt, die verwendete Druckgrenze, das Modellfenster und die geschätzte Tokenzahl vor und nach der Entlastung. Außerdem zählt es getrennt, wie viele Werkzeugergebnisse und Werkzeugargumente entlastet wurden. Der Sitzungsinspektor summiert zusätzlich die eingesparten Argument-Token, ohne Inhalte offenzulegen. Beispiel: Ein früherer `Write`-Aufruf mit einem vollständigen Dateiinhalt bleibt im Wire erhalten; die Modellprojektion trägt nur noch einen Platzhalter, sobald für diesen `Write`-Aufruf ein zugehöriges Ergebnis vorliegt.
 
 ## Große Werkzeugausgaben und isolierte Teilagenten
 

package/bin/rate-limit-recovery-policy.cjs

@@ -1,6 +1,7 @@
 "use strict";
 
 const MAX_AUTOMATIC_RATE_LIMIT_RESUMES = 3;
+const MAX_EXPLICIT_RATE_LIMIT_RETRIES = 2;
 const RATE_LIMIT_RETRY_BASE_MS = 60_000;
 const RATE_LIMIT_COMPACTION_THRESHOLD_TOKENS = 64_000;
 
@@ -8,6 +9,16 @@ function isImmediateGenerateRetryAllowed(statusCode) {
   return statusCode !== 429 && [500, 502, 503, 504].includes(statusCode);
 }
 
+function resolveTransportRetryBudget(configuredMaxRetries, statusCode, shouldRetryHeader) {
+  if (!Number.isInteger(configuredMaxRetries) || configuredMaxRetries < 0) {
+    throw new Error("configuredMaxRetries must be a non-negative integer.");
+  }
+  const explicitRetry = typeof shouldRetryHeader === "string"
+    && shouldRetryHeader.trim().toLowerCase() === "true";
+  if (statusCode !== 429 || !explicitRetry) return configuredMaxRetries;
+  return Math.max(configuredMaxRetries, MAX_EXPLICIT_RATE_LIMIT_RETRIES);
+}
+
 function rateLimitRetryDelayMs(retryCount) {
   if (!Number.isInteger(retryCount) || retryCount < 1) {
     throw new Error("retryCount must be a positive integer.");
@@ -26,9 +37,11 @@ function shouldCompactBeforeRateLimitResume(estimatedRequestTokens) {
 
 module.exports = {
   MAX_AUTOMATIC_RATE_LIMIT_RESUMES,
+  MAX_EXPLICIT_RATE_LIMIT_RETRIES,
   RATE_LIMIT_RETRY_BASE_MS,
   isImmediateGenerateRetryAllowed,
   rateLimitRetryDelayMs,
+  resolveTransportRetryBudget,
   shouldCompactBeforeRateLimitResume,
   shouldStopAutomaticRateLimitResume,
 };

package/blun.mjs

@@ -1935,9 +1935,10 @@ function getRecord(value) {
 function getString(value) {
 	return typeof value === "string" && value.length > 0 ? value : void 0;
 }
-var DEFAULT_MAX_RETRIES$1, MAX_RETRY_DELAY_MS, FetchTransport, DONE;
+var DEFAULT_MAX_RETRIES$1, MAX_RETRY_DELAY_MS, resolveTransportRetryBudget, FetchTransport, DONE;
 var init_fetch_http_client = __esmMin((() => {
 	init_errors$10();
+	({ resolveTransportRetryBudget } = createRequire(import.meta.url)("./bin/rate-limit-recovery-policy.cjs"));
 	DEFAULT_MAX_RETRIES$1 = 2;
 	MAX_RETRY_DELAY_MS = 6e4;
 	FetchTransport = class {
@@ -1993,7 +1994,8 @@ var init_fetch_http_client = __esmMin((() => {
 				const startedAt = performance.now();
 				try {
 					const response = await this.fetch(`${this.baseUrl}${pathname}`, init);
-					const willRetry = attempt < maxRetries && shouldRetryResponse(response);
+					const retryBudget = resolveTransportRetryBudget(maxRetries, response.status, response.headers.get("x-should-retry"));
+					const willRetry = attempt < retryBudget && shouldRetryResponse(response);
 					notifyTransportAttempt(requestOptions?.onTransportAttempt, {
 						transportAttempt: attempt + 1,
 						...requestBytes === void 0 ? {} : { requestBytes },
@@ -75948,7 +75950,9 @@ var init_micro = __esmMin((() => {
 		detect() {
 			const config = this.config;
 			const { history, lastAssistantAt } = this.agent.context;
-			const maxContextTokens = this.agent.config.modelCapabilities.max_context_tokens;
+			const modelContextTokens = this.agent.config.modelCapabilities.max_context_tokens;
+			const compactionBudgetTokens = this.agent.fullCompaction?.getCompactionBudgetTokens();
+			const maxContextTokens = Number.isFinite(compactionBudgetTokens) && compactionBudgetTokens > 0 && (modelContextTokens <= 0 || compactionBudgetTokens < modelContextTokens) ? compactionBudgetTokens : modelContextTokens;
 			const contextTokens = this.agent.context.tokenCountWithPending;
 			const selection = selectMicroCompactionCutoff({
 				historyLength: history.length,
@@ -75979,6 +75983,8 @@ var init_micro = __esmMin((() => {
 				truncated_arguments_marker: config.truncatedArgumentsMarker,
 				min_context_usage_ratio: config.minContextUsageRatio,
 				context_usage_ratio: selection.contextUsageRatio,
+				pressure_window_tokens: maxContextTokens,
+				model_context_tokens: modelContextTokens,
 				truncated_tool_result_count: effect.truncatedToolResultCount,
 				truncated_tool_result_tokens_before: effect.truncatedToolResultTokensBefore,
 				truncated_tool_result_tokens_after: effect.truncatedToolResultTokensAfter,

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "blun-king-cli",
-  "version": "9.1.86",
+  "version": "9.1.88",
   "description": "BLUN CLI - your own AI agent with a Telegram channel. Get it done. With BLUN.",
   "license": "MIT",
   "bin": {