ollama-intern-mcp 2.3.0 → 2.4.0

package/README.es.md

@@ -29,13 +29,64 @@ Sin nube. Sin telemetría. Nada de "autonomía". Cada llamada muestra su trabajo
 
 ## Novedades en v2.2.0
 
-Modelo configurable por llamada para las herramientas atomizadas basadas en LLM. Pequeñas mejoras adicionales; los usuarios de la versión v2.2.0 no se ven afectados. Detalles en [CHANGELOG.md](./CHANGELOG.md) y [docs/release-notes/v2.3.0.md](./docs/release-notes/v2.3.0.md).
+Control individual `num_ctx` (tamaño de la ventana de contexto) por nivel en el sistema de perfiles. Pequeña mejora adicional: los usuarios de la versión v2.3.0 no se ven afectados. Detalles en [CHANGELOG.md](./CHANGELOG.md) y [docs/release-notes/v2.4.0.md](./docs/release-notes/v2.4.0.md).
 
-- **Entrada opcional `model: string` en 8 herramientas atomizadas** — `ollama_extract`, `ollama_classify`, `ollama_summarize_fast`, `ollama_summarize_deep`, `ollama_research`, `ollama_corpus_answer`, `ollama_chat`, `ollama_code_citation`. El primer intento en el nivel de la herramienta utiliza el modelo especificado por el usuario; en caso de tiempo de espera, la cascada existente `TIER_FALLBACK` utiliza el modelo propio del nivel más económico (NO la configuración del usuario). Las herramientas compuestas/resumidas/de paquete *deliberadamente* no aceptan el parámetro `model`; las herramientas atomizadas tienen control por llamada, mientras que las herramientas compuestas utilizan los valores predeterminados del nivel.
-- **Nuevo campo de la estructura `model_requested?: string`** — presente solo cuando se proporciona la configuración. Los usuarios que realizan la calibración comparan `model_requested` con `model` para detectar la sustitución: `if (env.model_requested && env.model !== env.model_requested) { /* sustitución */ }`. Las entradas vacías o que contienen solo espacios en blanco generan un error `ZodError` durante el análisis del esquema, en lugar de una sustitución silenciosa.
-- **Corrección de errores — desviación en `src/version.ts`.** La constante de tiempo de ejecución `VERSION` ahora se lee del archivo `package.json` al cargar el módulo; las versiones v2.1.0 y v2.2.0 se enviaron con la cadena de identificación obsoleta `"2.0.0"`. La nueva prueba `tests/version.test.ts` verifica que `VERSION === pkg.version`.
+- **Mapa `TierConfig.num_ctx` (nuevo)**: Opcional `{ instant?, workhorse?, deep?, embed? }` en el perfil. Cuando se establece para un nivel, el servidor MCP coloca `options.num_ctx = <valor>` en cada solicitud de generación/chat de Ollama dirigida a ese nivel (inicial + alternativa). Si no se establece, la solicitud omite completamente `num_ctx`, por lo que Ollama utiliza su valor predeterminado cargado con el modelo; se conserva exactamente el comportamiento de la versión v2.3.0.
+- **Nuevo campo de la envolvente `num_ctx_used?: number`**: Solo está presente cuando el servidor MCP realmente envió `num_ctx`. No está presente cuando la solicitud permitió que Ollama eligiera. No se debe inferir un valor predeterminado: el servidor MCP no consulta a Ollama para obtener el valor efectivo.
+- **Valores predeterminados del perfil**: `dev-rtx5080` / `dev-rtx5080-qwen3` se entregan con `instant: 4096`, `workhorse: 8192`, `deep`/`embed` SIN ESTABLECER. Se dimensionaron para mantener `hermes3:8b` en la memoria VRAM de 16 GB de la RTX 5080 para herramientas rápidas. `m5-max` deja todos los niveles SIN ESTABLECER: la memoria unificada de 128 GB no tiene problemas de desbordamiento.
+- **Cierra la fase 1 de diagnóstico de la versión v0.8.0**: `hermes3:8b` con el contexto predeterminado de 32K en la RTX 5080 se volcaba a la CPU y comenzaba a provocar tiempos de espera en las llamadas `ollama_extract` de "workhorse". La versión v2.4.0 evita esto a nivel de perfil.
 
-### Configuración de modelo por llamada (nueva en la versión v2.3.0)
+### Control individual de `num_ctx` (nuevo en v2.4.0)
+
+Perfil (fragmento de `src/profiles.ts`):
+
+```ts
+"dev-rtx5080": {
+  tiers: {
+    instant: "hermes3:8b",
+    workhorse: "hermes3:8b",
+    deep: "hermes3:8b",
+    embed: "nomic-embed-text",
+    num_ctx: {
+      instant: 4096,    // fast classify/summarize
+      workhorse: 8192,  // schema-bound extract / batch
+      // deep: UNSET — long-context briefs keep current behavior
+      // embed: UNSET — no context-window pressure on embed
+    },
+  },
+  // ... timeouts, prewarm
+}
+```
+
+Envolvente en una llamada de nivel "workhorse" (por ejemplo, `ollama_extract`):
+
+```jsonc
+{
+  "result": { /* extracted data */ },
+  "tier_used": "workhorse",
+  "model": "hermes3:8b",
+  "num_ctx_used": 8192,        // present because the profile set workhorse=8192
+  // ... rest of envelope unchanged
+}
+```
+
+En `m5-max` (o cualquier perfil que deje un nivel sin establecer), `num_ctx_used` no está presente en la envolvente y la solicitud enviada a Ollama no incluye el campo `num_ctx`: Ollama utiliza su valor predeterminado cargado con el modelo.
+
+Los operadores configuran ajustando o editando el perfil; no hay una entrada de `num_ctx` por llamada en los esquemas de las herramientas. Si una llamada futura revela la necesidad, el patrón sigue la sobreescritura de `model` de la versión v2.3.0.
+
+### Histórico — entregables de v2.1.0
+
+Consulte [CHANGELOG.md](./CHANGELOG.md) y [docs/release-notes/v2.3.0.md](./docs/release-notes/v2.3.0.md) para la entrada completa de la versión v2.3.0 (sobreescritura de modelo por llamada).
+
+## Novedades en v2.2.0
+
+Sobreescritura de modelo por llamada en herramientas basadas en LLM. Pequeña mejora adicional: los usuarios de la versión v2.2.0 no se ven afectados. Detalles en [CHANGELOG.md](./CHANGELOG.md) y [docs/release-notes/v2.3.0.md](./docs/release-notes/v2.3.0.md).
+
+- **Entrada opcional `model: string` en 8 herramientas**: `ollama_extract`, `ollama_classify`, `ollama_summarize_fast`, `ollama_summarize_deep`, `ollama_research`, `ollama_corpus_answer`, `ollama_chat`, `ollama_code_citation`. El primer intento en el nivel de la herramienta se ejecuta con el modelo especificado por el llamador; en caso de tiempo de espera, la cascada `TIER_FALLBACK` existente resuelve el modelo propio del nivel más económico (NO la sobreescritura del llamador). Las herramientas compuestas/resumidas/empaquetadas NO aceptan deliberadamente `model`: los átomos tienen control por llamada, las herramientas compuestas utilizan los valores predeterminados del nivel.
+- **Nuevo campo de la envolvente `model_requested?: string`**: Solo está presente cuando se proporcionó la sobreescritura. Los llamadores conscientes de la calibración comparan `model_requested` con `model` para detectar la sustitución de la alternativa: `if (env.model_requested && env.model !== env.model_requested) { /* sustitución */ }`. Las entradas vacías o solo con espacios en blanco generan un error `ZodError` durante el análisis del esquema, no una omisión silenciosa.
+- **Corrección de errores: deriva en `src/version.ts`**. La constante de tiempo de ejecución `VERSION` ahora se lee de `package.json` al cargar el módulo; las versiones v2.1.0 y v2.2.0 enviaron información incorrecta con la cadena de identidad "2.0.0". Se agregó una nueva prueba `tests/version.test.ts` que verifica que `VERSION === pkg.version`.
+
+### Sobreescritura de modelo por llamada (nuevo en v2.3.0)
 
 ```jsonc
 {
@@ -49,7 +100,7 @@ Modelo configurable por llamada para las herramientas atomizadas basadas en LLM.
 }
 ```
 
-Estructura:
+Envolvente:
 
 ```jsonc
 {
@@ -61,11 +112,11 @@ Estructura:
 }
 ```
 
-Si el nivel "workhorse/deep" hubiera alcanzado el tiempo de espera y la llamada se hubiera redirigido al nivel "instant", `env.model` sería el modelo utilizado por el nivel "instant" y `env.fallback_from` sería `"workhorse"`; `env.model_requested` seguiría siendo `"hermes3:8b"`, y `env.model !== env.model_requested` indica la sustitución. La configuración *deliberadamente* no se propaga al nivel más económico; el modelo elegido podría no ser adecuado para el rol de ese nivel.
+Si el servidor principal o la capa de procesamiento intensivo hubiera alcanzado su límite de tiempo y la solicitud se hubiera redirigido a la capa de respuesta rápida, `env.model` sería el modelo asignado por la capa de respuesta rápida, y `env.fallback_from` sería "workhorse" (servidor principal). `env.model_requested` seguiría siendo "hermes3:8b", y la condición `env.model !== env.model_requested` indica que se ha realizado una sustitución. Esta sustitución se realiza deliberadamente y no se aplica a la capa de menor costo, ya que el modelo elegido podría no ser adecuado para el rol de esa capa.
 
 ### Histórico — entregables de v2.1.0
 
-Consulte [CHANGELOG.md](./CHANGELOG.md) y [docs/release-notes/v2.2.0.md](./docs/release-notes/v2.2.0.md) para ver la entrada completa de la versión v2.2.0 (relevancia temática y abstención estructurada).
+Consulte [CHANGELOG.md](./CHANGELOG.md) y [docs/release-notes/v2.2.0.md](./docs/release-notes/v2.2.0.md) para ver la entrada completa de la versión 2.2.0 (relevancia temática contextual + abstención estructurada).
 
 ## Novedades en v2.2.0
 

package/README.fr.md

@@ -29,6 +29,57 @@ Pas de cloud. Pas de télémétrie. Rien d' "autonome". Chaque appel montre son
 
 ## Nouveau dans la version 2.2.0
 
+Contrôle de `num_ctx` (fenêtre de contexte) par niveau dans le système de profil. Amélioration mineure additive — les appels inchangés en v2.3.0. Détails dans [CHANGELOG.md](./CHANGELOG.md) et [docs/release-notes/v2.4.0.md](./docs/release-notes/v2.4.0.md).
+
+- **Carte `TierConfig.num_ctx` (nouvelle)** — optionnel `{ instant?, workhorse?, deep?, embed? }` dans le profil. Lorsqu'elle est définie pour un niveau, le serveur MCP ajoute `options.num_ctx = <valeur>` à chaque requête de génération/chat Ollama dirigée vers ce niveau (initiale + solution de repli). Lorsqu'elle n'est pas définie, la requête omet complètement `num_ctx`, ce qui permet à Ollama d'utiliser sa valeur par défaut chargée avec le modèle — le comportement de v2.3.0 est conservé exactement.
+- **Nouveau champ d'enveloppe `num_ctx_used?: number`** — présent uniquement lorsque le serveur MCP a réellement envoyé `num_ctx`. Absent lorsque la requête a permis à Ollama de choisir. Ne pas déduire de valeur par défaut — le serveur MCP ne demande pas à Ollama la valeur effective.
+- **Valeurs par défaut du profil**: `dev-rtx5080` / `dev-rtx5080-qwen3` sont livrés avec `instant: 4096`, `workhorse: 8192`, `deep`/`embed` non définis. Les tailles sont choisies pour maintenir `hermes3:8b` dans la mémoire VRAM de 16 Go de la RTX 5080, ce qui permet d'utiliser rapidement des outils. `m5-max` laisse tous les niveaux non définis — la mémoire unifiée de 128 Go n'a aucun problème de débordement.
+- **Résout le diagnostic de la phase 1 de v0.8.0** — `hermes3:8b` avec le contexte par défaut de 32 Ko sur la RTX 5080 débordait vers le CPU et commençait à provoquer des délais d'attente pour les appels `ollama_extract` du type "workhorse". La version 2.4.0 empêche cela au niveau du profil.
+
+### Contrôle de `num_ctx` par niveau (nouveau dans v2.4.0)
+
+Profil (extrait de `src/profiles.ts`) :
+
+```ts
+"dev-rtx5080": {
+  tiers: {
+    instant: "hermes3:8b",
+    workhorse: "hermes3:8b",
+    deep: "hermes3:8b",
+    embed: "nomic-embed-text",
+    num_ctx: {
+      instant: 4096,    // fast classify/summarize
+      workhorse: 8192,  // schema-bound extract / batch
+      // deep: UNSET — long-context briefs keep current behavior
+      // embed: UNSET — no context-window pressure on embed
+    },
+  },
+  // ... timeouts, prewarm
+}
+```
+
+Enveloppe pour un appel de niveau "workhorse" (par exemple, `ollama_extract`) :
+
+```jsonc
+{
+  "result": { /* extracted data */ },
+  "tier_used": "workhorse",
+  "model": "hermes3:8b",
+  "num_ctx_used": 8192,        // present because the profile set workhorse=8192
+  // ... rest of envelope unchanged
+}
+```
+
+Sur `m5-max` (ou tout profil qui laisse un niveau non défini), `num_ctx_used` est absent de l'enveloppe et la requête envoyée à Ollama ne comprend pas le champ `num_ctx` — Ollama utilise sa valeur par défaut chargée avec le modèle.
+
+Les opérateurs configurent les paramètres en sélectionnant/modifiant le profil ; il n'y a pas de saisie `num_ctx` par appel dans les schémas des outils. Si un appel futur révèle un besoin, le modèle suit le mécanisme de remplacement du modèle de v2.3.0.
+
+### Historique — livrables de la version 2.1.0
+
+Consultez [CHANGELOG.md](./CHANGELOG.md) et [docs/release-notes/v2.3.0.md](./docs/release-notes/v2.3.0.md) pour l'intégralité de l'entrée v2.3.0 (remplacement du modèle par appel).
+
+## Nouveau dans la version 2.2.0
+
 Modification du modèle par appel pour les outils atomiques basés sur les LLM. Amélioration mineure additive — les appelants de la version v2.2.0 restent inchangés. Détails dans [CHANGELOG.md](./CHANGELOG.md) et [docs/release-notes/v2.3.0.md](./docs/release-notes/v2.3.0.md).
 
 - **Entrée optionnelle `model: string` pour 8 outils atomiques** — `ollama_extract`, `ollama_classify`, `ollama_summarize_fast`, `ollama_summarize_deep`, `ollama_research`, `ollama_corpus_answer`, `ollama_chat`, `ollama_code_citation`. La première tentative sur le niveau de l'outil utilise le modèle spécifié par l'appelant ; en cas de dépassement de délai, la cascade `TIER_FALLBACK` existante utilise le modèle du niveau le moins coûteux (et non le modèle spécifié par l'appelant). Les outils composites/résumés/groupés n'acceptent *délibérément* pas l'argument `model` ; les atomes permettent un contrôle par appel, tandis que les composites utilisent les paramètres par défaut du niveau.

package/README.hi.md

@@ -29,6 +29,57 @@
 
 ## v2.2.0 में नया
 
+प्रत्येक स्तर के लिए `num_ctx` (संदर्भ विंडो) नियंत्रण, प्रोफाइल सिस्टम में। मामूली सुधार, v2.3.0 में बदलाव नहीं। विस्तृत जानकारी [CHANGELOG.md](./CHANGELOG.md) और [docs/release-notes/v2.4.0.md](./docs/release-notes/v2.4.0.md) में उपलब्ध है।
+
+- **`TierConfig.num_ctx` मैप (नया)** — प्रोफाइल पर वैकल्पिक `{ instant?, workhorse?, deep?, embed? }` विकल्प। जब किसी स्तर के लिए यह सेट किया जाता है, तो MCP सर्वर प्रत्येक Ollama जनरेट/चैट अनुरोध पर `options.num_ctx = <value>` सेट करता है, जो उस स्तर पर रूट किया जाता है (प्रारंभिक + बैकअप)। यदि यह सेट नहीं है, तो अनुरोध में `num_ctx` पूरी तरह से छोड़ दिया जाता है, इसलिए Ollama अपने मॉडल-लोड किए गए डिफ़ॉल्ट का उपयोग करता है — v2.3.0 का व्यवहार बिल्कुल वैसा ही है।
+- **नया फ़ील्ड `num_ctx_used?: number`** — यह केवल तभी मौजूद होता है जब MCP सर्वर वास्तव में `num_ctx` भेजता है। यदि अनुरोध में Ollama को `num_ctx` चुनने दिया जाता है, तो यह अनुपस्थित होता है। डिफ़ॉल्ट मान का अनुमान न लगाएं — MCP सर्वर प्रभावी मान के लिए Ollama से पूछताछ नहीं करता है।
+- **प्रोफाइल डिफ़ॉल्ट:** `dev-rtx5080` / `dev-rtx5080-qwen3` में `instant: 4096`, `workhorse: 8192`, `deep`/`embed` अनसेट हैं। इन्हें इस तरह से डिज़ाइन किया गया है कि `hermes3:8b` को RTX 5080 की 16GB VRAM मेमोरी में रखा जा सके, ताकि तेज़ टूल का उपयोग किया जा सके। `m5-max` में सभी स्तर अनसेट हैं — 128GB की एकीकृत मेमोरी में कोई मेमोरी ओवरफ्लो समस्या नहीं होती है।
+- **v0.8.0 के चरण 1 का निदान समाप्त** — `hermes3:8b` को RTX 5080 पर डिफ़ॉल्ट 32K संदर्भ पर चलाने पर, यह CPU पर चला जाता था और `ollama_extract` कॉल में समय समाप्त होने लगता था। v2.4.0 इस समस्या को प्रोफाइल स्तर पर रोकता है।
+
+### प्रत्येक स्तर के लिए `num_ctx` नियंत्रण (v2.4.0 में नया)।
+
+प्रोफाइल ( `src/profiles.ts` से अंश):
+
+```ts
+"dev-rtx5080": {
+  tiers: {
+    instant: "hermes3:8b",
+    workhorse: "hermes3:8b",
+    deep: "hermes3:8b",
+    embed: "nomic-embed-text",
+    num_ctx: {
+      instant: 4096,    // fast classify/summarize
+      workhorse: 8192,  // schema-bound extract / batch
+      // deep: UNSET — long-context briefs keep current behavior
+      // embed: UNSET — no context-window pressure on embed
+    },
+  },
+  // ... timeouts, prewarm
+}
+```
+
+वर्कहॉर्स-स्तर कॉल के लिए एनवेलप (उदाहरण के लिए, `ollama_extract`):
+
+```jsonc
+{
+  "result": { /* extracted data */ },
+  "tier_used": "workhorse",
+  "model": "hermes3:8b",
+  "num_ctx_used": 8192,        // present because the profile set workhorse=8192
+  // ... rest of envelope unchanged
+}
+```
+
+`m5-max` (या किसी भी प्रोफाइल में जहां कोई स्तर अनसेट है) पर, `num_ctx_used` एनवेलप में अनुपस्थित होता है और Ollama को भेजे गए अनुरोध में `num_ctx` फ़ील्ड शामिल नहीं होता है — Ollama अपने मॉडल-लोड किए गए डिफ़ॉल्ट का उपयोग करता है।
+
+ऑपरेटर प्रोफाइल का चयन/संपादित करके ट्यूनिंग करते हैं; टूल स्कीमा में प्रति-कॉल `num_ctx` इनपुट नहीं होता है। यदि भविष्य में किसी कॉल में इसकी आवश्यकता होती है, तो यह v2.3.0 के `model` ओवरराइड पैटर्न का अनुसरण करेगा।
+
+### ऐतिहासिक - v2.1.0 डिलीवरी
+
+v2.3.0 के पूर्ण विवरण (प्रति-कॉल मॉडल ओवरराइड) के लिए, [CHANGELOG.md](./CHANGELOG.md) और [docs/release-notes/v2.3.0.md](./docs/release-notes/v2.3.0.md) देखें।
+
+## v2.2.0 में नया
+
 प्रत्येक कॉल के लिए मॉडल को बदलने की सुविधा, जो LLM-आधारित एटम टूल में उपलब्ध है। मामूली बदलाव किए गए हैं, v2.2.0 में कॉल करने वालों में कोई बदलाव नहीं हुआ। विस्तृत जानकारी [CHANGELOG.md](./CHANGELOG.md) और [docs/release-notes/v2.3.0.md](./docs/release-notes/v2.3.0.md) में उपलब्ध है।
 
 - **8 एटम टूल में वैकल्पिक `model: string` इनपुट:** `ollama_extract`, `ollama_classify`, `ollama_summarize_fast`, `ollama_summarize_deep`, `ollama_research`, `ollama_corpus_answer`, `ollama_chat`, `ollama_code_citation`. टूल के पहले प्रयास में, कॉल करने वाले द्वारा निर्दिष्ट मॉडल का उपयोग किया जाता है; यदि समय समाप्त हो जाता है, तो मौजूदा `TIER_FALLBACK` प्रणाली, कम खर्चीले स्तर के अपने मॉडल का उपयोग करती है (कॉल करने वाले द्वारा किए गए बदलाव का नहीं)। कंपोजिट/संक्षिप्त/पैकेज टूल जानबूझकर `model` को स्वीकार नहीं करते हैं - एटम में प्रति-कॉल नियंत्रण होता है, जबकि कंपोजिट डिफ़ॉल्ट स्तर का उपयोग करते हैं।

package/README.it.md

@@ -29,11 +29,62 @@ Nessun cloud. Nessuna telemetria. Niente di "autonomo". Ogni chiamata mostra il
 
 ## Novità nella versione 2.2.0
 
-Override del modello a livello di chiamata per gli strumenti atomici basati su LLM. Modifiche minori additive — i chiamanti di v2.2.0 rimangono invariati. Dettagli nelle sezioni [CHANGELOG.md](./CHANGELOG.md) e [docs/release-notes/v2.3.0.md](./docs/release-notes/v2.3.0.md).
+Controllo di `num_ctx` a livello di tier (nuovo in v2.4.0).
 
-- **Input opzionale `model: string` per 8 strumenti atomici** — `ollama_extract`, `ollama_classify`, `ollama_summarize_fast`, `ollama_summarize_deep`, `ollama_research`, `ollama_corpus_answer`, `ollama_chat`, `ollama_code_citation`. Il primo tentativo di esecuzione dello strumento utilizza il modello specificato dal chiamante; in caso di timeout, la cascata `TIER_FALLBACK` esistente risolve il modello del livello più economico (NON l'override specificato dal chiamante). Gli strumenti compositi/sintetici/pacchetti NON accettano deliberatamente il parametro `model` — gli atomi hanno il controllo a livello di chiamata, mentre i compositi utilizzano le impostazioni predefinite del livello.
-- **Nuovo campo dell'inviluppo `model_requested?: string`** — presente solo quando è stato fornito un override. I chiamanti che tengono conto della calibrazione confrontano `model_requested` con `model` per rilevare la sostituzione: `if (env.model_requested && env.model !== env.model_requested) { /* sostituzione */ }`. Gli input vuoti o contenenti solo spazi generano un errore `ZodError` durante l'analisi dello schema, anziché una sostituzione silenziosa.
-- **Correzione di bug — deriva in `src/version.ts`.** La costante `VERSION` a runtime viene ora letta da `package.json` al caricamento del modulo; le versioni v2.1.0 e v2.2.0 sono state distribuite con la stringa di identificazione obsoleta `"2.0.0"`. Il nuovo file `tests/version.test.ts` verifica che `VERSION === pkg.version`.
+- **`TierConfig.num_ctx` map (nuovo)**: un campo opzionale `{ instant?, workhorse?, deep?, embed? }` nel profilo. Quando impostato per un tier, il server MCP inserisce `options.num_ctx = <valore>` in ogni richiesta di generazione/chat di Ollama indirizzata a quel tier (iniziale + fallback). Se non impostato, la richiesta omette completamente `num_ctx`, quindi Ollama utilizza il valore predefinito del modello caricato; questo comportamento è esattamente quello della versione v2.3.0.
+- **Nuovo campo dell'inviluppo `num_ctx_used?: number`**: presente solo quando il server MCP ha effettivamente inviato `num_ctx`. Assente quando la richiesta ha permesso a Ollama di scegliere. Non si deve dedurre un valore predefinito: il server MCP non interroga Ollama per ottenere il valore effettivo.
+- **Valori predefiniti del profilo**: i profili `dev-rtx5080` e `dev-rtx5080-qwen3` hanno `instant: 4096`, `workhorse: 8192`, `deep`/`embed` non impostati. Le dimensioni sono state scelte per mantenere `hermes3:8b` nella memoria VRAM da 16 GB della RTX 5080, per un funzionamento più rapido. Per `m5-max`, tutti i tier non sono impostati: la memoria unificata da 128 GB non presenta problemi di overflow.
+- **Risolve la diagnostica di Fase 1 della versione v0.8.0**: in `hermes3:8b` con il contesto predefinito di 32K sulla RTX 5080, i dati venivano trasferiti alla CPU e le chiamate `ollama_extract` del tier `workhorse` iniziavano a scadere. La versione v2.4.0 previene questo problema a livello di profilo.
+
+### Controllo di `num_ctx` a livello di tier (nuovo in v2.4.0)
+
+Profilo (estratto da `src/profiles.ts`):
+
+```ts
+"dev-rtx5080": {
+  tiers: {
+    instant: "hermes3:8b",
+    workhorse: "hermes3:8b",
+    deep: "hermes3:8b",
+    embed: "nomic-embed-text",
+    num_ctx: {
+      instant: 4096,    // fast classify/summarize
+      workhorse: 8192,  // schema-bound extract / batch
+      // deep: UNSET — long-context briefs keep current behavior
+      // embed: UNSET — no context-window pressure on embed
+    },
+  },
+  // ... timeouts, prewarm
+}
+```
+
+Invio dati (envelope) per una chiamata al tier `workhorse` (ad esempio, `ollama_extract`):
+
+```jsonc
+{
+  "result": { /* extracted data */ },
+  "tier_used": "workhorse",
+  "model": "hermes3:8b",
+  "num_ctx_used": 8192,        // present because the profile set workhorse=8192
+  // ... rest of envelope unchanged
+}
+```
+
+Su `m5-max` (o qualsiasi profilo in cui un tier non è impostato), `num_ctx_used` è assente dall'inviluppo e la richiesta inviata a Ollama non include il campo `num_ctx`; Ollama utilizza il valore predefinito del modello caricato.
+
+Gli operatori configurano selezionando o modificando il profilo; non esiste un input `num_ctx` a livello di chiamata negli schemi degli strumenti. Se una chiamata futura dovesse richiedere questa funzionalità, il comportamento seguirà l'override del `model` della versione v2.3.0.
+
+### Storico — funzionalità della versione 2.1.0
+
+Consultare [CHANGELOG.md](./CHANGELOG.md) e [docs/release-notes/v2.3.0.md](./docs/release-notes/v2.3.0.md) per l'elenco completo delle modifiche della versione v2.3.0 (override del modello a livello di chiamata).
+
+## Novità nella versione 2.2.0
+
+Override del modello a livello di chiamata (nuovo in v2.2.0). Modifiche minori — le chiamate della versione v2.2.0 non sono state modificate. Elenco dettagliato delle modifiche in [CHANGELOG.md](./CHANGELOG.md) e [docs/release-notes/v2.3.0.md](./docs/release-notes/v2.3.0.md).
+
+- **Input opzionale `model: string` per 8 strumenti atomici**: `ollama_extract`, `ollama_classify`, `ollama_summarize_fast`, `ollama_summarize_deep`, `ollama_research`, `ollama_corpus_answer`, `ollama_chat`, `ollama_code_citation`. Il primo tentativo sul tier dello strumento viene eseguito utilizzando il modello specificato dal chiamante; in caso di timeout, la cascata `TIER_FALLBACK` esistente risolve il modello del tier più economico (NON l'override del chiamante). Gli strumenti compositi/sintetici/raggruppati NON accettano deliberatamente il parametro `model`; gli strumenti atomici hanno il controllo a livello di chiamata, mentre gli strumenti compositi utilizzano i valori predefiniti del tier.
+- **Nuovo campo dell'inviluppo `model_requested?: string`**: presente solo quando è stato fornito un override. I chiamanti consapevoli della calibrazione confrontano `model_requested` con `model` per rilevare la sostituzione tramite fallback: `if (env.model_requested && env.model !== env.model_requested) { /* sostituzione */ }`. Gli input vuoti o contenenti solo spazi generano un errore `ZodError` durante l'analisi dello schema, anziché un comportamento silenzioso.
+- **Correzione di bug — deriva di `src/version.ts`**. La costante runtime `VERSION` viene ora letta dal file `package.json` al caricamento del modulo; le versioni v2.1.0 e v2.2.0 riportavano erroneamente la stringa di identificazione obsoleta `"2.0.0"`. Il nuovo file `tests/version.test.ts` verifica che `VERSION === pkg.version`.
 
 ### Override del modello a livello di chiamata (nuovo in v2.3.0)
 
@@ -49,7 +100,7 @@ Override del modello a livello di chiamata per gli strumenti atomici basati su L
 }
 ```
 
-Invio:
+Invio dati (envelope):
 
 ```jsonc
 {
@@ -61,11 +112,11 @@ Invio:
 }
 ```
 
-Se il livello "workhorse/deep" avesse superato il tempo limite e la chiamata fosse passata al livello "instant", `env.model` sarebbe il modello risolto dal livello "instant" e `env.fallback_from` sarebbe `"workhorse"` — `env.model_requested` sarebbe ancora `"hermes3:8b"`, e `env.model !== env.model_requested` indica la sostituzione. L'override NON viene deliberatamente propagato al livello più economico; il modello scelto potrebbe non essere adatto al ruolo di quel livello.
+Se il livello principale/di base avesse raggiunto il timeout e la richiesta fosse stata reindirizzata al livello istantaneo, `env.model` conterrebbe il modello risolto dal livello istantaneo e `env.fallback_from` sarebbe impostato su `"workhorse"`; `env.model_requested` rimarrebbe comunque `"hermes3:8b"`, e la condizione `env.model !== env.model_requested` indica che è avvenuta una sostituzione. L'override non viene applicato intenzionalmente al livello più economico; il modello scelto potrebbe non essere adatto al ruolo di quel livello.
 
 ### Storico — funzionalità della versione 2.1.0
 
-Consultare [CHANGELOG.md](./CHANGELOG.md) e [docs/release-notes/v2.2.0.md](./docs/release-notes/v2.2.0.md) per l'elenco completo delle modifiche di v2.2.0 (pertinenza contestuale + astensione strutturata).
+Consultare [CHANGELOG.md](./CHANGELOG.md) e [docs/release-notes/v2.2.0.md](./docs/release-notes/v2.2.0.md) per la versione completa delle note di rilascio della versione 2.2.0 (pertinenza contestuale e astensione strutturata).
 
 ## Novità nella versione 2.2.0
 

package/README.ja.md

@@ -29,13 +29,64 @@ Claude Codeに、ルール、階層、デスク、そして書類整理棚を備
 
 ## v2.2.0で追加
 
-LLMを活用したツールにおいて、1回の呼び出しごとにモデルを指定できる機能を追加しました。マイナーバージョンアップであり、v2.2.0からの変更点は最小限です。詳細については、[CHANGELOG.md](./CHANGELOG.md) および [docs/release-notes/v2.3.0.md](./docs/release-notes/v2.3.0.md) をご確認ください。
+プロファイルシステムにおいて、各ティアごとに`num_ctx`（コンテキストウィンドウ）を制御できるようになりました。マイナーアップデートであり、既存の呼び出し元への影響はありません。詳細については、[CHANGELOG.md](./CHANGELOG.md) および [docs/release-notes/v2.4.0.md](./docs/release-notes/v2.4.0.md) を参照してください。
 
-- **8つのツールで、オプションの `model: string` 入力パラメータを追加**：`ollama_extract`, `ollama_classify`, `ollama_summarize_fast`, `ollama_summarize_deep`, `ollama_research`, `ollama_corpus_answer`, `ollama_chat`, `ollama_code_citation`。ツールの初回実行時に、呼び出し元で指定されたモデルが使用されます。タイムアウトが発生した場合、既存の `TIER_FALLBACK` メカニズムによって、より低コストなティアのデフォルトモデルが選択されます（呼び出し元で指定されたモデルのオーバーライドは適用されません）。複合ツールや簡易ツールは、意図的に `model` パラメータを受け付けません。アトムツールは1回の呼び出しごとにモデルを制御できますが、複合ツールはティアのデフォルト設定を使用します。
-- **新しいフィールド `model_requested?: string` を追加**：オーバーライドが指定された場合にのみ表示されます。呼び出し元は、`model_requested` と `model` を比較することで、フォールバックが発生したかどうかを検出できます。`if (env.model_requested && env.model !== env.model_requested) { /* 置換が発生 */ }`。空の値または空白のみの値が入力された場合、スキーマの解析時に `ZodError` が発生し、黙ってデフォルト値に置き換えられることはありません。
-- **バグ修正：`src/version.ts` の値のずれ**。ランタイムの `VERSION` 定数は、モジュール読み込み時に `package.json` から読み込まれるようになりました。v2.1.0 および v2.2.0 では、古い `"2.0.0"` という文字列が誤ってレポートされていました。新しい `tests/version.test.ts` ファイルで、`VERSION === pkg.version` が検証されるようになりました。
+- **`TierConfig.num_ctx` マップ (新規)** — プロファイルにおけるオプションの `{ instant?, workhorse?, deep?, embed? }`。特定のティアに設定すると、MCPサーバーは、そのティアにルーティングされるすべてのOllamaのgenerate/chatリクエストに対して、`options.num_ctx = <value>` を設定します（初期設定とフォールバック）。設定されていない場合、リクエストから`num_ctx`が完全に省略され、Ollamaはモデルにロードされているデフォルト値を使用します。v2.3.0の動作はそのまま維持されます。
+- **新しいエンベロープフィールド `num_ctx_used?: number`** — MCPサーバーが実際に`num_ctx`を送信した場合にのみ存在します。リクエストでOllamaに`num_ctx`の選択を許可した場合、このフィールドは存在しません。デフォルト値を推測しないでください。MCPサーバーは、Ollamaに対して有効な値を問い合わせません。
+- **プロファイルデフォルト値**: `dev-rtx5080` / `dev-rtx5080-qwen3`では、`instant: 4096`, `workhorse: 8192`, `deep`/`embed` は未設定です。`hermes3:8b`をRTX 5080の16GBのVRAM内に常駐させ、高速なツールを実現するためにサイズが調整されています。`m5-max`では、すべてのティアが未設定です。128GBの統合メモリでは、メモリ不足の問題が発生しません。
+- **v0.8.0 Phase 1 の診断を解消** — デフォルトの32Kコンテキストで`hermes3:8b`がRTX 5080でCPUにオーバーフローし、`ollama_extract`のワークホース呼び出しがタイムアウトする問題を、v2.4.0ではプロファイルレイヤーで解消しました。
 
-### v2.3.0で新しく追加された、1回の呼び出しごとのモデルのオーバーライド機能
+### 各ティアごとの`num_ctx`制御（v2.4.0で新規追加）
+
+プロファイル（`src/profiles.ts`からの抜粋）:
+
+```ts
+"dev-rtx5080": {
+  tiers: {
+    instant: "hermes3:8b",
+    workhorse: "hermes3:8b",
+    deep: "hermes3:8b",
+    embed: "nomic-embed-text",
+    num_ctx: {
+      instant: 4096,    // fast classify/summarize
+      workhorse: 8192,  // schema-bound extract / batch
+      // deep: UNSET — long-context briefs keep current behavior
+      // embed: UNSET — no context-window pressure on embed
+    },
+  },
+  // ... timeouts, prewarm
+}
+```
+
+ワークホースティアの呼び出しにおけるエンベロープ:
+
+```jsonc
+{
+  "result": { /* extracted data */ },
+  "tier_used": "workhorse",
+  "model": "hermes3:8b",
+  "num_ctx_used": 8192,        // present because the profile set workhorse=8192
+  // ... rest of envelope unchanged
+}
+```
+
+`m5-max`（またはティアが未設定のプロファイル）の場合、エンベロープには`num_ctx_used`が含まれておらず、Ollamaへのワイヤリクエストには`num_ctx`フィールドが含まれていません。Ollamaは、モデルにロードされているデフォルト値を使用します。
+
+オペレーターは、プロファイルを選択または編集することで調整を行います。ツールスキーマに、呼び出しごとの`num_ctx`の入力はありません。将来、その必要性が生じた場合は、v2.3.0の`model`のオーバーライドと同様のパターンが採用されます。
+
+### 過去のバージョン - v2.1.0の機能
+
+v2.3.0の詳細については、[CHANGELOG.md](./CHANGELOG.md) および [docs/release-notes/v2.3.0.md](./docs/release-notes/v2.3.0.md) を参照してください（呼び出しごとのモデルオーバーライド）。
+
+## v2.2.0で追加
+
+LLMベースのAtomツールにおける呼び出しごとのモデルオーバーライド。マイナーアップデートであり、既存の呼び出し元への影響はありません。詳細については、[CHANGELOG.md](./CHANGELOG.md) および [docs/release-notes/v2.3.0.md](./docs/release-notes/v2.3.0.md) を参照してください。
+
+- **8つのAtomツールにおけるオプションの `model: string` 入力** — `ollama_extract`, `ollama_classify`, `ollama_summarize_fast`, `ollama_summarize_deep`, `ollama_research`, `ollama_corpus_answer`, `ollama_chat`, `ollama_code_citation`. ツールティアで最初に試行される処理は、呼び出し元が指定したモデルを使用して実行されます。タイムアウトした場合、既存の`TIER_FALLBACK`メカニズムによって、より安価なティアのモデルが使用されます（呼び出し元のオーバーライドではありません）。複合ツール/概要ツール/パックツールは、意図的に`model`を受け付けません。Atomツールは呼び出しごとに制御でき、複合ツールはティアのデフォルトを使用します。
+- **新しいエンベロープフィールド `model_requested?: string`** — オーバーライドが提供された場合にのみ存在します。キャリブレーション対応の呼び出し元は、`model_requested`と`model`を比較して、フォールバックによる置換を検出します。`if (env.model_requested && env.model !== env.model_requested) { /* substitution */ }`。空または空白のみの入力は、スキーマの解析時に`ZodError`が発生し、サイレントなフォールスルーは発生しません。
+- **バグ修正 — `src/version.ts` のずれ**。ランタイムの`VERSION`定数は、モジュールロード時に`package.json`から読み込まれるようになりました。v2.1.0およびv2.2.0では、古い`"2.0.0"`という文字列が報告されていました。新しい`tests/version.test.ts`では、`VERSION === pkg.version`が検証されます。
+
+### 呼び出しごとのモデルオーバーライド（v2.3.0で新規追加）
 
 ```jsonc
 {
@@ -49,7 +100,7 @@ LLMを活用したツールにおいて、1回の呼び出しごとにモデル
 }
 ```
 
-Envelope:
+エンベロープ:
 
 ```jsonc
 {
@@ -61,11 +112,11 @@ Envelope:
 }
 ```
 
-もし、高性能/詳細なティアでタイムアウトが発生し、呼び出しがより高速なティアにフォールバックした場合、`env.model` は高速ティアで解決されたモデルとなり、`env.fallback_from` は `"workhorse"` となります。`env.model_requested` は依然として `"hermes3:8b"` のままとなり、`env.model !== env.model_requested` がフォールバックが発生したことを示すシグナルとなります。オーバーライドは、意図的に低コストなティアには引き継がれません。選択されたモデルが、そのティアの役割に適合しない場合もあります。
+もし、メインのサーバーまたは上位層でタイムアウトが発生し、リクエストが即時対応サーバーに転送された場合、`env.model` は即時対応サーバーで解決されたモデルとなり、`env.fallback_from` は `"workhorse"` となります。`env.model_requested` は依然として `"hermes3:8b"` であり、`env.model !== env.model_requested` が置換の合図となります。このオーバーライドは、意図的に低コストのサーバーには適用されません。選択されたモデルが、そのサーバーの役割に全く合わない可能性があるためです。
 
 ### 過去のバージョン - v2.1.0の機能
 
-v2.2.0 の詳細については、[CHANGELOG.md](./CHANGELOG.md) および [docs/release-notes/v2.2.0.md](./docs/release-notes/v2.2.0.md) をご確認ください（フレームに依存しないトピックと、構造化された拒否）。
+詳細については、[CHANGELOG.md](./CHANGELOG.md) および [docs/release-notes/v2.2.0.md](./docs/release-notes/v2.2.0.md) を参照してください（フレームに依存しないトピック性 + 構造化された拒否）。
 
 ## v2.2.0で追加
 

package/README.md

@@ -27,6 +27,57 @@ No cloud. No telemetry. No "autonomous" anything. Every call shows its work.
 
 ---
 
+## New in v2.4.0
+
+Per-tier `num_ctx` (context window) control on the profile system. Additive minor — v2.3.0 callers unchanged. Detailed entries in [CHANGELOG.md](./CHANGELOG.md) and [docs/release-notes/v2.4.0.md](./docs/release-notes/v2.4.0.md).
+
+- **`TierConfig.num_ctx` map (new)** — optional `{ instant?, workhorse?, deep?, embed? }` on the profile. When set for a tier, the MCP server places `options.num_ctx = <value>` on every Ollama generate/chat request routed to that tier (initial + fallback). When unset, the request omits `num_ctx` entirely so Ollama uses its model-loaded default — v2.3.0 behavior preserved exactly.
+- **New envelope field `num_ctx_used?: number`** — present only when the MCP server actually sent `num_ctx`. Absent when the request let Ollama choose. Do not infer a default — the MCP server does not query Ollama for the effective value.
+- **Profile defaults**: `dev-rtx5080` / `dev-rtx5080-qwen3` ship with `instant: 4096`, `workhorse: 8192`, `deep`/`embed` UNSET. Sized to keep `hermes3:8b` resident in the RTX 5080's 16GB VRAM budget for fast tools. `m5-max` leaves every tier UNSET — 128GB unified memory has no spill problem.
+- **Closes the v0.8.0 Phase 1 diagnostic** — `hermes3:8b` at the default 32K context on RTX 5080 spilled to CPU and started timing out workhorse `ollama_extract` calls. v2.4.0 prevents that at the profile layer.
+
+### Per-tier `num_ctx` control (new in v2.4.0)
+
+Profile (excerpt from `src/profiles.ts`):
+
+```ts
+"dev-rtx5080": {
+  tiers: {
+    instant: "hermes3:8b",
+    workhorse: "hermes3:8b",
+    deep: "hermes3:8b",
+    embed: "nomic-embed-text",
+    num_ctx: {
+      instant: 4096,    // fast classify/summarize
+      workhorse: 8192,  // schema-bound extract / batch
+      // deep: UNSET — long-context briefs keep current behavior
+      // embed: UNSET — no context-window pressure on embed
+    },
+  },
+  // ... timeouts, prewarm
+}
+```
+
+Envelope on a workhorse-tier call (e.g. `ollama_extract`):
+
+```jsonc
+{
+  "result": { /* extracted data */ },
+  "tier_used": "workhorse",
+  "model": "hermes3:8b",
+  "num_ctx_used": 8192,        // present because the profile set workhorse=8192
+  // ... rest of envelope unchanged
+}
+```
+
+On `m5-max` (or any profile that leaves a tier unset), `num_ctx_used` is absent from the envelope and the wire request to Ollama does not include the `num_ctx` field — Ollama uses its model-loaded default.
+
+Operators tune by selecting / editing the profile; there is no per-call `num_ctx` input on tool schemas. If a future call surfaces the need, the pattern follows v2.3.0's `model` override.
+
+### Historical — v2.3.0 deliverables
+
+See [CHANGELOG.md](./CHANGELOG.md) and [docs/release-notes/v2.3.0.md](./docs/release-notes/v2.3.0.md) for the full v2.3.0 entry (per-call model override).
+
 ## New in v2.3.0
 
 Per-call model override across LLM-backed atom tools. Additive minor — v2.2.0 callers unchanged. Detailed entries in [CHANGELOG.md](./CHANGELOG.md) and [docs/release-notes/v2.3.0.md](./docs/release-notes/v2.3.0.md).

package/README.pt-BR.md

@@ -29,6 +29,57 @@ Sem nuvem. Sem telemetria. Sem nada "autônomo". Cada chamada mostra seu trabalh
 
 ## Novo no v2.2.0
 
+Controle individualizado de `num_ctx` (janela de contexto) para cada nível no sistema de perfis. Pequena alteração cumulativa — as chamadas não foram modificadas na versão 2.3.0. Detalhes nas seções [CHANGELOG.md](./CHANGELOG.md) e [docs/release-notes/v2.4.0.md](./docs/release-notes/v2.4.0.md).
+
+- **Mapa `TierConfig.num_ctx` (novo)** — opcional `{ instant?, workhorse?, deep?, embed? }` no perfil. Quando definido para um nível, o servidor MCP inclui `options.num_ctx = <valor>` em cada solicitação de geração/chat do Ollama direcionada a esse nível (inicial + fallback). Quando não definido, a solicitação omite completamente o campo `num_ctx`, permitindo que o Ollama use o valor padrão carregado no modelo — o comportamento da versão 2.3.0 é preservado exatamente.
+- **Novo campo do envelope `num_ctx_used?: number`** — presente apenas quando o servidor MCP realmente enviou `num_ctx`. Ausente quando a solicitação permitiu que o Ollama escolhesse. Não tente inferir um valor padrão — o servidor MCP não consulta o Ollama para obter o valor efetivo.
+- **Valores padrão do perfil**: Os perfis `dev-rtx5080` / `dev-rtx5080-qwen3` são enviados com `instant: 4096`, `workhorse: 8192`, `deep`/`embed` NÃO DEFINIDOS. O tamanho foi ajustado para manter o `hermes3:8b` na memória VRAM de 16GB da RTX 5080, permitindo ferramentas rápidas. O `m5-max` deixa todos os níveis NÃO DEFINIDOS — a memória unificada de 128GB não apresenta problemas de estouro.
+- **Corrige o diagnóstico da Fase 1 da versão 0.8.0** — o `hermes3:8b` com o contexto padrão de 32K na RTX 5080 estava sendo transferido para a CPU e causando timeouts nas chamadas `ollama_extract` do tipo `workhorse`. A versão 2.4.0 evita isso na camada de perfil.
+
+### Controle individualizado de `num_ctx` (novo na versão 2.4.0)
+
+Perfil (trecho de `src/profiles.ts`):
+
+```ts
+"dev-rtx5080": {
+  tiers: {
+    instant: "hermes3:8b",
+    workhorse: "hermes3:8b",
+    deep: "hermes3:8b",
+    embed: "nomic-embed-text",
+    num_ctx: {
+      instant: 4096,    // fast classify/summarize
+      workhorse: 8192,  // schema-bound extract / batch
+      // deep: UNSET — long-context briefs keep current behavior
+      // embed: UNSET — no context-window pressure on embed
+    },
+  },
+  // ... timeouts, prewarm
+}
+```
+
+Envelope em uma chamada de nível `workhorse` (por exemplo, `ollama_extract`):
+
+```jsonc
+{
+  "result": { /* extracted data */ },
+  "tier_used": "workhorse",
+  "model": "hermes3:8b",
+  "num_ctx_used": 8192,        // present because the profile set workhorse=8192
+  // ... rest of envelope unchanged
+}
+```
+
+Em `m5-max` (ou qualquer perfil que deixe um nível não definido), `num_ctx_used` está ausente do envelope e a solicitação enviada ao Ollama não inclui o campo `num_ctx` — o Ollama usa o valor padrão carregado no modelo.
+
+Os operadores ajustam as configurações selecionando/editando o perfil; não há entrada de `num_ctx` por chamada nos esquemas das ferramentas. Se uma chamada futura revelar a necessidade, o padrão seguirá a sobreposição de `model` da versão 2.3.0.
+
+### Histórico — entregas da v2.1.0
+
+Consulte [CHANGELOG.md](./CHANGELOG.md) e [docs/release-notes/v2.3.0.md](./docs/release-notes/v2.3.0.md) para a entrada completa da versão 2.3.0 (sobreposição de modelo por chamada).
+
+## Novo no v2.2.0
+
 Substituição de modelo por chamada em todas as ferramentas "atom" que utilizam LLMs. Pequena alteração cumulativa — os chamadores da versão v2.2.0 permanecem inalterados. Detalhes nas seções [CHANGELOG.md](./CHANGELOG.md) e [docs/release-notes/v2.3.0.md](./docs/release-notes/v2.3.0.md).
 
 - **Entrada opcional `model: string` em 8 ferramentas "atom"** — `ollama_extract`, `ollama_classify`, `ollama_summarize_fast`, `ollama_summarize_deep`, `ollama_research`, `ollama_corpus_answer`, `ollama_chat`, `ollama_code_citation`. A primeira tentativa na camada da ferramenta utiliza o modelo especificado pelo chamador; em caso de timeout, a cascata existente `TIER_FALLBACK` resolve o modelo da própria camada mais econômica (e não a substituição do chamador). As ferramentas compostas/resumidas/de pacote *deliberadamente* não aceitam o parâmetro `model` — as ferramentas "atom" têm controle por chamada, enquanto as ferramentas compostas usam as configurações padrão da camada.

package/README.zh.md

@@ -29,6 +29,57 @@
 
 ## 新功能，版本 2.3.0
 
+在配置文件系统中，可以对每个层级进行 `num_ctx`（上下文窗口）的控制。这是一个小幅的增量更新，v2.3.0 的调用者未发生变化。详细信息请参见 [CHANGELOG.md](./CHANGELOG.md) 和 [docs/release-notes/v2.4.0.md](./docs/release-notes/v2.4.0.md)。
+
+- **`TierConfig.num_ctx` 映射 (新)** — 配置文件中的可选参数，包括 `{ instant?, workhorse?, deep?, embed? }`。如果为某个层级设置了该参数，MCP 服务器将在发送到该层级的每个 Ollama 生成/聊天请求中，添加 `options.num_ctx = <value>`。如果未设置，则请求将完全省略 `num_ctx` 字段，Ollama 将使用其模型加载时的默认值。这与 v2.3.0 的行为完全一致。
+- **新的数据包字段 `num_ctx_used?: number`** — 仅在 MCP 服务器实际发送了 `num_ctx` 时才存在。如果请求允许 Ollama 选择，则该字段不存在。不要尝试推断默认值，因为 MCP 服务器不会向 Ollama 查询实际值。
+- **配置文件默认值**: `dev-rtx5080` / `dev-rtx5080-qwen3` 配置文件中，`instant` 设置为 4096，`workhorse` 设置为 8192，`deep`/`embed` 未设置。这些设置是为了确保 `hermes3:8b` 模型能够完全加载到 RTX 5080 的 16GB 显存中，以提高工具的运行速度。`m5-max` 配置中，所有层级都未设置，因为 128GB 的统一内存不会出现内存溢出问题。
+- **解决了 v0.8.0 阶段 1 的诊断问题** — 在 RTX 5080 上，使用默认的 32K 上下文时，`hermes3:8b` 模型的数据会溢出到 CPU，导致 `ollama_extract` 调用超时。v2.4.0 在配置文件层解决了这个问题。
+
+### 每个层级的 `num_ctx` 控制（v2.4.0 的新功能）
+
+配置文件（摘自 `src/profiles.ts`）：
+
+```ts
+"dev-rtx5080": {
+  tiers: {
+    instant: "hermes3:8b",
+    workhorse: "hermes3:8b",
+    deep: "hermes3:8b",
+    embed: "nomic-embed-text",
+    num_ctx: {
+      instant: 4096,    // fast classify/summarize
+      workhorse: 8192,  // schema-bound extract / batch
+      // deep: UNSET — long-context briefs keep current behavior
+      // embed: UNSET — no context-window pressure on embed
+    },
+  },
+  // ... timeouts, prewarm
+}
+```
+
+在 `workhorse` 层级的调用中的数据包（例如 `ollama_extract`）：
+
+```jsonc
+{
+  "result": { /* extracted data */ },
+  "tier_used": "workhorse",
+  "model": "hermes3:8b",
+  "num_ctx_used": 8192,        // present because the profile set workhorse=8192
+  // ... rest of envelope unchanged
+}
+```
+
+在 `m5-max`（或任何未设置层级的配置文件）中，`num_ctx_used` 不会出现在数据包中，并且发送到 Ollama 的请求中不包含 `num_ctx` 字段。Ollama 将使用其模型加载时的默认值。
+
+操作员可以通过选择/编辑配置文件来调整参数。工具模式中没有针对每个调用的 `num_ctx` 输入。如果未来出现需要该功能的情况，可以遵循 v2.3.0 中 `model` 的覆盖方式。
+
+### 历史 — v2.2.0 的功能
+
+请参见 [CHANGELOG.md](./CHANGELOG.md) 和 [docs/release-notes/v2.3.0.md](./docs/release-notes/v2.3.0.md)，以获取完整的 v2.3.0 版本信息（关于每个调用的模型覆盖）。
+
+## 新功能，版本 2.3.0
+
 在基于 LLM 的原子工具中，实现了每个调用的模型覆盖。这是一个小版本更新，不会影响 v2.2.0 的调用者。详细信息请参阅 [CHANGELOG.md](./CHANGELOG.md) 和 [docs/release-notes/v2.3.0.md](./docs/release-notes/v2.3.0.md)。
 
 - **8 个原子工具的 `model: string` 可选输入** — `ollama_extract`, `ollama_classify`, `ollama_summarize_fast`, `ollama_summarize_deep`, `ollama_research`, `ollama_corpus_answer`, `ollama_chat`, `ollama_code_citation`。 首次尝试使用工具的层级时，会使用调用者指定的模型；如果超时，则现有的 `TIER_FALLBACK` 机制会解析更低层级的模型（而不是调用者的覆盖）。 组合/简报/打包工具故意不接受 `model` 参数 — 原子工具可以进行每个调用的控制，而组合工具使用默认层级。