[严重 Bug] 中文/工具密集长会话出现 compaction thrashing：持续阻塞正常使用

[Beeee0927]

环境

• DSH：0.1.0-rc.6
• 入口：dsh web
• Agent preset：标准配置（compaction-basic 默认参数）
• 模型路由：openai-codex/gpt-5.6-sol
• Context window：272000
• 会话特征：中文内容较多、工具调用和 JSON/工具结果密集、长时间持续运行

严重程度与用户影响

严重程度：严重，已阻塞正常使用。

这不是偶发的一次慢请求。进入该状态后，长 session 会在几乎每个 step 后花费约 70 秒进行一次或两次压缩，且取消旧任务、在同一 session 启动新任务后仍无法恢复。实际工作时间大部分消耗在 compaction，session 已基本不可用。

该问题已经直接导致用户无法继续使用 DSH 完成长任务，不得不终止当前 session，并改用其他方式继续工作。

问题描述

在一个长会话中取消旧 turn 后，继续在同一 session 发起新任务。新 turn 并非主要慢在模型推理或工具执行，而是陷入非常频繁的自动压缩：几乎每个 step 结束后都会触发 compaction，且默认 compactionRetries: 1 会让同一压力检查连续尝试两次。

压缩完成后上下文仍高于 80% 阈值，因此下一 step 又会重复压缩，形成 compaction thrashing。

现场数据（已脱敏）

诊断时该 session 约有：

• 429 个 turn
• 1970 个 step
• 约 455000 个持久事件
• session artifact：约 20 MB Zstd，解压后约 48 MB

最近一次提供方 usage / 压力数据：

contextWindow:         272000
threshold (80%):       217600
provider pressure:     239617  (约 88.1%)
heuristic surface:      47187
heuristic system:        1521
heuristic tools:         6376

默认 retainRatio: 0.16 对应：

272000 × 0.16 = 43520

在本地启发式表层只有约 47187 的情况下，头部可选压缩范围非常小；现场多次 compaction 的 shadowedTokenCount 仅约 3451、3745、4826、7559，而摘要输出通常约 3900–4200 tokens。

因此频繁出现：

summary is not smaller than the shadowed content

例如：

summary is not smaller than the shadowed content
(3453 estimated framed tokens >= 3449)

统计快照：

• 120 次 compaction start
• 119 次已结束
• 79 次生成 summary
• 37 次因 summary 不小于源内容而失败
• compaction 平均耗时约 64.3s
• P95 约 77.0s
• 单次常见耗时 73–79s
• 累计 compaction 耗时约 7654s（约 2.1 小时）

新 turn 的一个连续区间中：

• 3 个普通 step 合计约 77s
• 同期前 5 次已完成 compaction 合计约 379s
• 约 83% 的等待时间消耗在 compaction

提供方 prompt 从约 251K 缓慢下降到约 239K，但始终高于 217.6K 阈值，所以每个后续 step 仍会继续触发。

复现特征

1. 创建中文、工具调用/工具结果密集的长 session。
2. 持续运行至提供方报告的上下文压力超过 80%。
3. 触发自动 compaction。
4. 在同一 session 中继续多个工具 step；取消一个 turn 后再启动新 turn 也可以继续观察。
5. 可见每个 step 后重复 compaction，部分压缩报 summary is not smaller than the shadowed content，压缩后压力仍高于阈值。

初步定位

从当前实现和运行数据看，压缩触发与压缩范围选择使用了不同尺度：

• measurement.totalTokens 可以锚定提供方真实 usage；
• selectCompactableRange() 的近期尾部保留和节点定价来自固定字符启发式；
• 文档也注明 CJK 文本和 JSON schema 会被该启发式严重低估。

在该现场，同一上下文的本地 heuristic breakdown 约 55K，提供方实际压力约 240K，相差 4 倍以上。结果是名义上保留 16% 的近期尾部，实际仍对应模型窗口的大部分；每次只能选择很小的头部范围，摘要很难产生有效净缩减。

预期行为

• 一次自动压缩后，上下文压力应明显回落到触发阈值以下；
• 不应在没有显著净缩减的情况下每个 step 重复昂贵的摘要调用；
• summary is not smaller than the shadowed content 连续发生时，不应形成持续的压缩重试循环。

未附带原始 session、路径、用户内容或凭据；如维护者需要，可以进一步提供脱敏后的事件时序与统计脚本输出。