长会话上下文超限时自动压缩未触发，请求发送远超活跃 token 数，持续 HTTP 400

[scuer-ls]

现象描述

在长会话中持续工作（多轮文件修改）后，模型请求开始持续失败，报错：

Request failed: HTTP 400: This model's maximum context length is 1048576 tokens.
However, you requested 4979364 tokens (4979364 in the messages, 0 in the completion).
Please reduce the length of the messages or completion.

关键矛盾

• 会话索引（sessions-index.json）中记录的该会话 activeTokens 约为 524,396（未超过模型上限）
• 但实际发出的请求消息量达到 4,979,364 tokens（约为 activeTokens 的 9.5 倍）
• 说明请求构造时把全部历史消息（含未压缩部分）都发送给了 API，而自动压缩没有生效

复现路径

1. 在长会话中进行大量文件读取/修改（会话消息文件约 9.6MB）
2. 上下文持续累积，接近模型上限（1,048,576）
3. 模型请求开始返回 HTTP 400 上下文超限
4. 此后每次重试均失败，自动压缩（compaction）似乎从未触发

预期行为

根据会话持久化文档，上下文过长时应触发压缩流程：

• 将较早消息生成摘要并标记 compacted: true
• 后续请求只发送未压缩消息 + 摘要

预期是压缩后请求应能恢复成功，而不是持续 400。

实际行为

• 压缩未触发（或触发了但请求本身失败）
• 请求携带全部历史，token 数远超活跃上下文统计值，持续 400
• 用户只能通过开启新会话来规避，原会话无法继续

疑似根因

1. 压缩流程依赖模型请求：生成摘要本身需要调用模型 API；若上下文已超限，压缩请求同样会 400，形成死循环。
2. 请求构造未做兜底：发送前未检查消息总 token 是否超过模型上限，也未强制截断/压缩。
3. activeTokens 统计与请求实际 token 数存在数量级差异，统计口径可能漏掉了部分历史。

建议修复

1. 请求构造前校验总 token 数，超过上限时强制触发压缩（优先于发送请求）
2. 压缩摘要生成失败时提供降级策略（例如直接丢弃最早 N 条消息，或仅保留最近 M 条）
3. 压缩流程不应依赖"上下文未超限"这一前提，避免死循环

复现环境

• Deep Code CLI（npm 全局安装，最新版）
• 模型：deepseek-v4-flash（OpenAI 兼容接口）
• 会话消息文件大小：约 9.6MB（85 条用户消息 / 355 条 assistant / 310 条 tool）
• 本地已存在 7 个 failed 状态会话，其中 1 个为上下文超限所致（activeTokens 524,396），其余 6 个 activeTokens <
  30,000（可能为其他原因）