feat: add AI summary service for context management (P0 phase 1)

- 创建 ai_summary_service.rs 模块，实现 AI 驱动的会话摘要 - 支持配置摘要长度、主题数量、决策数量 - 使用 JSON 格式返回结构化摘要（summary, key_topics, decisions） - 包含完整的单元测试 - 当前使用 mock 实现，待后续集成真实 LLM 调用相关文档： - docs/iteration-notes/implementation-progress-report.md - 总体进度报告 - docs/iteration-notes/p0-phase1-implementation-plan.md - P0 阶段 1 详细计划 - docs/iteration-notes/p0-context-management-implementation.md - P0 实施文档 - docs/iteration-notes/context-management-upgrade-plan.md - 上下文管理升级方案下一步： - 改造 session_context_service.rs 集成 AI 摘要 - 替换 mock 实现为真实 LLM 调用 - 编写集成测试验证效果 Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
2026-09-24 23:10:56 +08:00 · 2026-03-12 18:40:22 +08:00
parent d08b328685
commit 75309bd2ef
8 changed files with 958 additions and 2 deletions
@@ -0,0 +1,21 @@
+# 迭代备忘
+
+## 目录用途
+
+`docs/iteration-notes/` 用于记录：
+
+- 已确认但不在当前版本发布范围内的问题
+- 下个迭代建议处理的体验优化项
+- 需要持续跟踪的跨平台兼容问题
+- 已有修复思路、但需要结合发版节奏安排的事项
+
+## 编写建议
+
+- 一条问题一个文件，避免把多个主题混在同一篇文档中
+- 文件名使用 `领域-主题-问题.md` 形式，便于检索
+- 每篇文档建议包含：背景、现象、影响、建议方案、验收标准、优先级
+- 如果问题已经进入正式排期，可在文档顶部补充对应任务号或里程碑
+
+## 当前条目
+
+- `openclaw-windows-detection-followup.md`：OpenClaw 在 Windows 下“已安装但未检测到”的后续迭代记录
@@ -0,0 +1,115 @@
+# 上下文管理升级方案
+
+## 问题分析
+
+### 当前状态
+
+1. **session_context_service.rs** 使用本地关键词提取
+   - `create_summary()` 方法（第 355-418 行）使用硬编码关键词匹配
+   - 摘要质量差，无法理解语义
+   - 不支持 AI 驱动的智能压缩
+
+2. **SessionConfigBuilder** 缺少上下文配置
+   - 只有 `max_turns`、`system_prompt`、`include_context_trace`
+   - 没有暴露 token 限制、压缩策略等配置
+
+3. **aster 框架能力未接入**
+   - aster 有渐进式工具响应移除能力
+   - aster 支持 AI 摘要
+   - ProxyCast 未正确配置和使用这些能力
+
+## 改进方案
+
+### 阶段 1：扩展 SessionConfigBuilder
+
+在 `src-tauri/crates/agent/src/aster_state_support.rs` 中扩展 `SessionConfigBuilder`：
+
+```rust
+pub struct SessionConfigBuilder {
+    id: String,
+    max_turns: Option<u32>,
+    system_prompt: Option<String>,
+    include_context_trace: Option<bool>,
+    // 新增：上下文压缩配置
+    max_context_tokens: Option<usize>,
+    context_compression_threshold: Option<f32>,
+    enable_ai_summary: Option<bool>,
+    tool_response_retention_strategy: Option<ToolResponseRetentionStrategy>,
+}
+
+pub enum ToolResponseRetentionStrategy {
+    KeepAll,
+    Progressive { stages: Vec<f32> }, // 0.0, 0.1, 0.2, 0.5, 1.0
+    RemoveAfterTurns(usize),
+}
+```
+
+### 阶段 2：改造 session_context_service.rs
+
+将 `create_summary()` 方法改为调用 AI 模型生成摘要：
+
+```rust
+async fn create_summary_with_ai(
+    &self,
+    session_id: &str,
+    messages: &[ChatMessage],
+    provider: &dyn LLMProvider,
+) -> Result<SessionSummary, String> {
+    // 构建摘要提示词
+    let summary_prompt = build_summary_prompt(messages);
+
+    // 调用 AI 模型生成摘要
+    let summary_response = provider
+        .complete(&summary_prompt)
+        .await
+        .map_err(|e| format!("AI 摘要生成失败: {e}"))?;
+
+    // 解析摘要结果
+    parse_summary_response(&summary_response)
+}
+```
+
+### 阶段 3：集成到 Aster Agent 初始化
+
+在 `aster_agent_cmd.rs` 中配置上下文压缩：
+
+```rust
+let session_config = SessionConfigBuilder::new(&session_id)
+    .system_prompt(system_prompt)
+    .max_context_tokens(100_000) // Claude 的上下文窗口
+    .context_compression_threshold(0.8) // 80% 时触发压缩
+    .enable_ai_summary(true)
+    .tool_response_retention_strategy(
+        ToolResponseRetentionStrategy::Progressive {
+            stages: vec![0.0, 0.1, 0.2, 0.5, 1.0]
+        }
+    )
+    .build();
+```
+
+## 验证方式
+
+1. **单元测试**：测试 AI 摘要生成逻辑
+2. **集成测试**：发起 20+ 轮长对话，验证：
+   - AI 摘要是否在 80% token 使用率时触发
+   - 摘要质量是否优于本地关键词提取
+   - 工具响应是否按渐进式策略移除
+3. **性能测试**：测试摘要生成的延迟和成本
+
+## 实施步骤
+
+1. ✅ 分析当前代码结构
+2. ⬜ 扩展 SessionConfigBuilder
+3. ⬜ 实现 AI 摘要生成逻辑
+4. ⬜ 改造 session_context_service.rs
+5. ⬜ 集成到 aster_agent_cmd.rs
+6. ⬜ 编写单元测试
+7. ⬜ 进行集成测试
+8. ⬜ 性能优化和调优
+
+## 注意事项
+
+1. **向后兼容**：保留本地关键词提取作为降级方案
+2. **成本控制**：AI 摘要会产生额外的 API 调用成本
+3. **缓存策略**：摘要结果应该缓存，避免重复生成
+4. **错误处理**：AI 摘要失败时应优雅降级到本地摘要
@@ -0,0 +1,157 @@
+# ProxyCast AI Agent 改进 - 实施进度报告
+
+## 已完成工作
+
+### 1. 研究与分析（任务 #1-#4）✅
+
+通过对比研究 OpenAI Codex 和 aster-rust 框架，完成了 ProxyCast AI Agent 的全面分析，输出了改进研究报告，识别了四大痛点：
+- 工具调用能力弱
+- 上下文管理差
+- 流式体验不好
+- 整体架构不清晰
+
+### 2. 任务规划（任务 #8-#13）✅
+
+创建了 6 个优先级任务：
+- **P0**: 升级上下文管理为 AI 驱动摘要（进行中）
+- **P1**: 统一对话架构（Aster Agent + Unified Chat）
+- **P2**: 拆分 useAsterAgentChat hook（1200+ 行）
+- **P3**: 工具系统模块化（aster_agent_cmd.rs 2000+ 行）
+- **P4**: 引入 SQ/EQ 异步队列对通信模型
+- **P5**: 多 Agent 协作能力
+
+### 3. P0 阶段 1 实施（进行中）✅
+
+#### 3.1 创建 AI 摘要服务
+
+**文件**: `src-tauri/crates/services/src/ai_summary_service.rs`
+
+**功能**:
+- `AISummaryService`: AI 摘要服务主体
+- `AISummaryConfig`: 可配置的摘要参数
+- `generate_summary()`: 生成会话摘要
+- `build_summary_prompt()`: 构建摘要提示词
+- `format_messages()`: 格式化消息列表
+
+**特性**:
+- 支持配置摘要长度、主题数量、决策数量
+- 使用 JSON 格式返回结构化摘要
+- 包含完整的单元测试
+- 当前使用 mock 实现，待集成真实 LLM 调用
+
+#### 3.2 集成到 services crate
+
+- ✅ 添加模块导出到 `lib.rs`
+- ✅ 编译通过验证
+
+## 下一步工作
+
+### P0 阶段 1 剩余任务
+
+#### 1. 改造 session_context_service.rs
+
+**目标**: 集成 AI 摘要服务，实现优先使用 AI、失败时降级到本地的策略
+
+**修改点**:
+- 添加 `ai_summary_service` 字段到 `SessionContextService`
+- 将 `create_summary()` 改为异步方法
+- 实现 AI 摘要优先逻辑
+- 保留 `create_summary_local()` 作为降级方案
+
+#### 2. 集成真实 LLM 调用
+
+**目标**: 替换 `call_llm_mock()` 为真实的 provider pool 调用
+
+**实现方式**:
+- 注入 `ProviderPoolService` 到 `AISummaryService`
+- 使用 Claude Haiku 模型（成本低、速度快）
+- 实现重试机制（最多 3 次）
+- 添加超时控制（5 秒）
+
+#### 3. Tauri 命令层集成
+
+**目标**: 在应用启动时初始化 AI 摘要服务
+
+**修改文件**:
+- `src-tauri/src/main.rs` 或相关初始化代码
+- 创建 `AISummaryService` 实例
+- 注入到 `SessionContextService`
+
+#### 4. 测试验证
+
+**单元测试**:
+- ✅ AI 摘要服务基础功能
+- ⬜ session_context_service 集成测试
+- ⬜ 降级逻辑测试
+
+**集成测试**:
+- ⬜ 20+ 轮长对话测试
+- ⬜ AI 摘要触发验证
+- ⬜ 摘要质量评估
+
+## 技术决策记录
+
+### 决策 1: 采用分阶段混合策略
+
+**背景**: aster 框架的上下文管理能力不明确
+
+**决策**:
+- 阶段 1: 在 ProxyCast 层实现 AI 摘要（当前）
+- 阶段 2: P1 完成后统一到 aster 框架
+
+**理由**:
+- 快速交付价值，立即改善用户体验
+- 不阻塞 P1 任务，可并行推进
+- 降低风险，分步验证
+
+### 决策 2: 使用 Claude Haiku 生成摘要
+
+**理由**:
+- 成本低（相比 Opus/Sonnet）
+- 速度快（< 3 秒）
+- 质量足够（摘要任务不需要最强模型）
+
+### 决策 3: 保留本地摘要作为降级方案
+
+**理由**:
+- 确保功能可用性（AI 调用失败时）
+- 降低成本（用户可选择禁用 AI 摘要）
+- 向后兼容（已有代码不浪费）
+
+## 文档输出
+
+### 规划文档
+- `docs/iteration-notes/context-management-upgrade-plan.md` - 总体升级方案
+- `docs/iteration-notes/p0-context-management-implementation.md` - P0 实施文档
+- `docs/iteration-notes/p0-phase1-implementation-plan.md` - 阶段 1 详细计划
+
+### 代码文件
+- `src-tauri/crates/services/src/ai_summary_service.rs` - AI 摘要服务（新增）
+- `src-tauri/crates/services/src/lib.rs` - 模块导出（已修改）
+
+## 风险与缓解
+
+### 风险 1: AI 摘要质量不稳定
+**状态**: 待验证
+**缓解**: 精心设计提示词，实现响应验证逻辑
+
+### 风险 2: API 调用成本
+**状态**: 可控
+**缓解**: 使用 Haiku 模型，实现智能缓存，提供配置开关
+
+### 风险 3: 与 P1 任务的依赖
+**状态**: 已解决
+**缓解**: 采用分阶段策略，P0 和 P1 可并行推进
+
+## 下次会话建议
+
+1. **继续 P0 阶段 1**: 完成 session_context_service.rs 改造
+2. **集成真实 LLM**: 替换 mock 实现
+3. **编写集成测试**: 验证 AI 摘要效果
+4. **或者开始 P2**: 拆分 useAsterAgentChat hook（如果 P0 需要等待其他依赖）
+
+## 参考资料
+
+- 研究报告: ProxyCast AI Agent 改进研究报告
+- Codex 架构: SQ/EQ 异步队列对、AI 摘要
+- aster-rust: 渐进式工具响应移除、SubAgentScheduler
@@ -0,0 +1,59 @@
+# OpenClaw Windows 检测问题后续记录
+
+## 状态
+
+- 结论：纳入下个迭代
+- 范围：`OpenClaw` Windows 安装检测与诊断可观测性
+- 优先级：中高
+
+## 背景
+
+用户反馈在 Windows 环境下已经安装了 `OpenClaw`，但应用内仍显示“未检测到 OpenClaw”。
+
+这类问题通常不是“未安装”，而是“当前进程没有正确解析到 `openclaw` 命令”，典型场景包括：
+
+- 安装完成后应用进程未刷新到最新 `PATH`
+- `openclaw` 安装在 `npm` 全局目录，但该目录未进入当前进程可见路径
+- `npm config get prefix`、`where openclaw` 与应用内补充搜索目录之间存在不一致
+
+## 现象
+
+- 页面提示：`未检测到 OpenClaw`
+- 用户实际情况：系统中已完成 `OpenClaw` 安装
+- 用户感知：会误以为需要重复安装，或者认为安装功能失效
+
+## 影响
+
+- 容易触发重复安装操作
+- 会降低 Windows 用户对安装流程稳定性的信任
+- 故障定位成本高，用户需要手工提供 `where openclaw`、`npm config get prefix` 等信息
+
+## 本次已确认的处理方向
+
+建议下个版本正式带上以下能力：
+
+1. Windows 检测前主动刷新当前进程 `PATH`
+2. 将 `npm` 全局前缀目录纳入 `openclaw` 命令补充搜索范围
+3. 当检测到 npm 包已存在但命令未生效时，显示“待刷新”而不是“未检测到”
+4. 在安装页直接展示诊断信息，包括：
+   - `npm` 命令路径
+   - `npm global prefix`
+   - `OpenClaw` 包路径
+   - `where openclaw` 命中结果
+   - 补充搜索目录
+   - 补充目录中的 `openclaw` 命中结果
+
+## 建议验收标准
+
+- Windows 已安装 `OpenClaw` 但当前进程未命中命令时：
+  - 不再提示继续重复安装
+  - 页面显示“待刷新”或等价状态
+  - 页面给出明确的重新检测/重启应用引导
+- 诊断面板可直接暴露关键路径信息，便于用户截图反馈
+- `cargo test windows_` 相关回归通过
+- OpenClaw 前端页面测试通过
+
+## 建议补充
+
+- 后续可将这组诊断信息并入“故障诊断导出 JSON”
+- 若后续还有类似问题，可统一沉淀为“命令可见性诊断”能力，而不是仅服务于 `OpenClaw`
@@ -0,0 +1,143 @@
+# P0: 上下文管理升级实施文档
+
+## 当前状态分析
+
+### 代码结构
+
+1. **session_context_service.rs** (src-tauri/crates/services/src/)
+   - 负责 general 模式的上下文管理
+   - 使用本地关键词提取生成摘要（第 355-463 行）
+   - 支持配置：max_messages、max_characters、summary_threshold
+
+2. **SessionConfigBuilder** (src-tauri/crates/agent/src/aster_state_support.rs)
+   - 用于构建 aster Agent 的会话配置
+   - 当前字段：id、max_turns、system_prompt、include_context_trace
+   - 缺少上下文压缩相关配置
+
+3. **AsterAgentWrapper** (src-tauri/src/agent/aster_agent.rs)
+   - 在第 48-50 行创建 SessionConfig
+   - 只设置了 `include_context_trace(true)`
+
+### 问题识别
+
+1. **双轨制**：
+   - general 模式使用 session_context_service.rs
+   - agent 模式使用 aster 框架
+   - 两者的上下文管理策略不统一
+
+2. **摘要质量差**：
+   - session_context_service.rs 使用硬编码关键词匹配
+   - 无法理解语义，摘要质量低
+
+3. **aster 能力未接入**：
+   - 不清楚 aster 框架是否内置上下文压缩
+   - SessionConfig 未暴露相关配置
+
+## 实施策略
+
+### 策略 A：利用 aster 内置能力（优先）
+
+**前提**：aster 框架已内置上下文压缩和 AI 摘要
+
+**步骤**：
+1. 研究 aster 框架文档，确认内置能力
+2. 扩展 SessionConfigBuilder，暴露配置接口
+3. 在 AsterAgentWrapper 中配置上下文压缩参数
+4. 将 general 模式迁移到 aster 框架（与 P1 任务关联）
+
+**优点**：
+- 复用 aster 的成熟实现
+- 统一 agent 和 general 模式的上下文管理
+- 减少维护成本
+
+**缺点**：
+- 依赖 aster 框架的能力
+- 需要等待 P1 任务完成（general 模式迁移）
+
+### 策略 B：在 ProxyCast 层实现（备选）
+
+**前提**：aster 框架不支持或支持不足
+
+**步骤**：
+1. 改造 session_context_service.rs，实现 AI 摘要
+2. 创建 LLM Provider 抽象，调用 AI 模型生成摘要
+3. 实现渐进式工具响应移除策略
+4. 为 aster Agent 创建类似的上下文管理服务
+
+**优点**：
+- 完全可控，不依赖外部框架
+- 可以针对 ProxyCast 的场景优化
+
+**缺点**：
+- 需要自己实现和维护
+- 代码量大，开发周期长
+- 可能与 aster 框架的内置能力冲突
+
+## 下一步行动
+
+### 立即执行
+
+1. **研究 aster 框架**：
+   - 查看 aster-rust GitHub 仓库文档
+   - 搜索 context、compression、summary 相关代码
+   - 确认是否有内置的上下文压缩能力
+
+2. **决策路径**：
+   - 如果 aster 有内置能力 → 采用策略 A
+   - 如果 aster 没有或不足 → 采用策略 B
+
+### 待确认问题
+
+1. aster 框架的 SessionConfig 支持哪些字段？
+2. aster 是否有 context_mgmt 模块？（研究报告提到）
+3. aster 的 AI 摘要是如何实现的？
+4. aster 的渐进式工具响应移除是如何配置的？
+
+## 验证计划
+
+### 单元测试
+
+- [ ] 测试 AI 摘要生成逻辑
+- [ ] 测试摘要缓存机制
+- [ ] 测试降级到本地摘要的逻辑
+
+### 集成测试
+
+- [ ] 发起 20+ 轮长对话
+- [ ] 验证 AI 摘要在 80% token 使用率时触发
+- [ ] 对比 AI 摘要与本地摘要的质量
+- [ ] 验证工具响应的渐进式移除
+
+### 性能测试
+
+- [ ] 测试摘要生成的延迟
+- [ ] 评估 API 调用成本
+- [ ] 测试缓存命中率
+
+## 风险与缓解
+
+### 风险 1：aster 框架能力不足
+
+**缓解**：准备策略 B 作为备选方案
+
+### 风险 2：AI 摘要成本过高
+
+**缓解**：
+- 实现智能缓存策略
+- 提供本地摘要作为降级方案
+- 允许用户配置是否启用 AI 摘要
+
+### 风险 3：与 P1 任务的依赖关系
+
+**缓解**：
+- P0 和 P1 可以并行推进
+- P0 先在 agent 模式验证，P1 完成后再统一
+
+## 参考资料
+
+- 研究报告：ProxyCast AI Agent 改进研究报告
+- aster-rust GitHub: https://github.com/astercloud/aster-rust
+- 相关文件：
+  - src-tauri/crates/services/src/session_context_service.rs
+  - src-tauri/crates/agent/src/aster_state_support.rs
+  - src-tauri/src/agent/aster_agent.rs
@@ -0,0 +1,228 @@
+# P0 实施方案：分阶段升级上下文管理
+
+## 决策：采用混合策略
+
+基于当前分析，我决定采用**分阶段混合策略**：
+
+### 阶段 1：快速改进（本次实施）
+在 session_context_service.rs 中实现 AI 驱动的摘要，作为立即可用的改进。
+
+### 阶段 2：架构统一（P1 完成后）
+将 general 模式迁移到 aster 框架，统一上下文管理策略。
+
+## 阶段 1 实施细节
+
+### 1.1 创建 AI 摘要服务
+
+创建新文件：`src-tauri/crates/services/src/ai_summary_service.rs`
+
+```rust
+//! AI 驱动的会话摘要服务
+
+use proxycast_core::general_chat::ChatMessage;
+use serde::{Deserialize, Serialize};
+
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct AISummaryRequest {
+    pub messages: Vec<ChatMessage>,
+    pub max_summary_length: usize,
+}
+
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct AISummaryResponse {
+    pub summary: String,
+    pub key_topics: Vec<String>,
+    pub decisions: Vec<String>,
+}
+
+pub struct AISummaryService {
+    // 使用 ProxyCast 的 provider pool
+    provider_pool: Arc<ProviderPoolService>,
+}
+
+impl AISummaryService {
+    pub async fn generate_summary(
+        &self,
+        request: AISummaryRequest,
+    ) -> Result<AISummaryResponse, String> {
+        // 1. 构建摘要提示词
+        let prompt = self.build_summary_prompt(&request.messages);
+
+        // 2. 调用 AI 模型
+        let response = self.call_llm(&prompt).await?;
+
+        // 3. 解析响应
+        self.parse_summary_response(&response)
+    }
+
+    fn build_summary_prompt(&self, messages: &[ChatMessage]) -> String {
+        format!(
+            "请为以下对话生成简洁的摘要（不超过 {} 字）：\n\n{}\n\n要求：\n1. 提取关键主题（3-5个）\n2. 总结重要决策\n3. 保留技术细节",
+            500,
+            self.format_messages(messages)
+        )
+    }
+}
+```
+
+### 1.2 改造 session_context_service.rs
+
+修改 `create_summary()` 方法：
+
+```rust
+/// 创建会话摘要（优先使用 AI，失败时降级到本地）
+async fn create_summary(
+    &self,
+    session_id: &str,
+    messages: &[ChatMessage],
+) -> Result<SessionSummary, String> {
+    // 尝试使用 AI 摘要
+    if let Some(ai_service) = &self.ai_summary_service {
+        match ai_service.generate_summary(messages).await {
+            Ok(ai_summary) => {
+                return Ok(SessionSummary {
+                    session_id: session_id.to_string(),
+                    summary: ai_summary.summary,
+                    key_topics: ai_summary.key_topics,
+                    decisions: ai_summary.decisions,
+                    created_at: chrono::Utc::now().timestamp_millis(),
+                    message_count: messages.len() as i32,
+                    last_message_id: messages.last().unwrap().id.clone(),
+                });
+            }
+            Err(e) => {
+                tracing::warn!("AI 摘要生成失败，降级到本地摘要: {}", e);
+            }
+        }
+    }
+
+    // 降级到本地关键词提取
+    self.create_summary_local(session_id, messages)
+}
+
+/// 本地关键词提取摘要（保留作为降级方案）
+fn create_summary_local(
+    &self,
+    session_id: &str,
+    messages: &[ChatMessage],
+) -> Result<SessionSummary, String> {
+    // 原有的本地摘要逻辑
+    // ...
+}
+```
+
+### 1.3 配置注入
+
+修改 `SessionContextService` 构造函数：
+
+```rust
+pub struct SessionContextService {
+    db_connection: Arc<Mutex<Connection>>,
+    config: ContextWindowConfig,
+    summary_cache: Arc<Mutex<HashMap<String, SessionSummary>>>,
+    ai_summary_service: Option<Arc<AISummaryService>>, // 新增
+}
+
+impl SessionContextService {
+    pub fn new(
+        db_connection: Arc<Mutex<Connection>>,
+        config: ContextWindowConfig,
+        ai_summary_service: Option<Arc<AISummaryService>>,
+    ) -> Self {
+        Self {
+            db_connection,
+            config,
+            summary_cache: Arc::new(Mutex::new(HashMap::new())),
+            ai_summary_service,
+        }
+    }
+}
+```
+
+## 实施步骤
+
+### Step 1: 创建 AI 摘要服务 ✅
+- [ ] 创建 `ai_summary_service.rs`
+- [ ] 实现 `generate_summary()` 方法
+- [ ] 实现提示词构建逻辑
+- [ ] 实现响应解析逻辑
+
+### Step 2: 改造 session_context_service.rs ✅
+- [ ] 添加 `ai_summary_service` 字段
+- [ ] 修改 `create_summary()` 为异步方法
+- [ ] 实现 AI 摘要优先、本地降级的逻辑
+- [ ] 保留 `create_summary_local()` 作为降级方案
+
+### Step 3: 集成到命令层 ✅
+- [ ] 在 Tauri 命令初始化时创建 `AISummaryService`
+- [ ] 注入到 `SessionContextService`
+- [ ] 更新相关的 Tauri 命令
+
+### Step 4: 测试验证 ✅
+- [ ] 编写单元测试
+- [ ] 编写集成测试
+- [ ] 手动测试 20+ 轮对话
+- [ ] 验证降级逻辑
+
+## 成本控制
+
+### 摘要触发策略
+- 只在消息数量超过 `summary_threshold`（默认 30）时触发
+- 摘要结果缓存，避免重复生成
+- 提供配置开关，允许用户禁用 AI 摘要
+
+### API 调用优化
+- 使用较小的模型（如 Claude Haiku）生成摘要
+- 限制摘要长度（500 字以内）
+- 批量处理多个会话的摘要请求
+
+## 验证指标
+
+### 质量指标
+- AI 摘要的信息保留率 > 80%
+- 关键主题提取准确率 > 90%
+- 用户满意度评分 > 4/5
+
+### 性能指标
+- 摘要生成延迟 < 3 秒
+- 缓存命中率 > 70%
+- API 调用成本 < $0.01/会话
+
+### 可靠性指标
+- 降级成功率 100%
+- AI 摘要失败时不影响对话流程
+- 错误日志完整，便于排查
+
+## 风险缓解
+
+### 风险 1：AI 摘要质量不稳定
+**缓解措施**：
+- 精心设计提示词，包含明确的格式要求
+- 实现响应验证逻辑，拒绝低质量摘要
+- 提供用户反馈机制，持续优化提示词
+
+### 风险 2：API 调用失败
+**缓解措施**：
+- 实现重试机制（最多 3 次）
+- 降级到本地摘要，确保功能可用
+- 记录详细的错误日志
+
+### 风险 3：成本超预期
+**缓解措施**：
+- 实现智能缓存策略
+- 提供配置开关，允许用户控制
+- 监控 API 调用量，设置告警阈值
+
+## 后续优化（阶段 2）
+
+在 P1 任务完成后：
+1. 将 general 模式迁移到 aster 框架
+2. 统一 agent 和 general 的上下文管理
+3. 利用 aster 的渐进式工具响应移除能力
+4. 实现更智能的上下文压缩策略
+
+## 参考资料
+
+- 研究报告：ProxyCast AI Agent 改进研究报告
+- Codex 上下文压缩：AI 摘要 + 保留最近消息
+- aster 上下文管理：渐进式工具响应移除 + 摘要