context-budgetlisted

# 上下文预算控制 (Context Budget Skill) — L0/L1/L2 版 ## 目标 在 `/start-task` 的规划阶段，从 `.agent/references/` 中按层级选择最相关的上下文文档，将注入量控制在模型上下文窗口的 40% 以内。 ## 为什么升级到 L0/L1/L2 v0 的纯启发式算法对全量文档打分，无 L0/L1 摘要时需要在 budget 内逐个 keyword 匹配全文，导致大型项目 references/ > 50 时打分成本急剧上升。 受 OpenViking `viking://` 三层载荷启发，cortex-agent 引入 L0/L1： | 层 | 大小 | 用途 | 何时加载 | |---|---|---|---| | L0 abstract | ~100 tokens | 一句话摘要 | 总是加载（filter） | | L1 overview | ~2k tokens | 章节结构 + 关键段落 | 候选命中后加载（rerank） | | L2 detail | 全量 | 完整原文 | 预算允许 + 分数 ≥ 7 时加载 | L0/L1 摘要由 `scripts/build-l0l1.js` 离线生成（基于 frontmatter + 首段 + 标题大纲，**零 LLM 调用**），可作为 PostCommit hook 自动刷新。 ## 选择算法 ### Step 1：读取上下文索引 读取 `.agent/context-index.json`，获取所有 module 的元数据： - `l0` / `l1` 摘要（可选，没有时回退到 `summary`） - `l0_tokens` / `l1_tokens` / `l2_tokens` - `keywords` / `module_path` / `dependencies` 如果 `context-index.json` 不存在或为空，提示用户先运行 `/scan-project` + `build-l0l1.js --all`。 ### Step 2：L0/L1 关键词匹配 ``` score = L0 命中数 × 1 + L1 命中数 × 1 + 关键词命中数 × 0.5 路径前缀命中额外 +5 ``` > **关键差异（vs v0）**：v0 是全量文本匹配；v1 优先在 L0（~100 tokens）上匹配，未命中再扫 L1（~2k tokens），L2 仅在分数 ≥ 7 且预算允许时加载。**整轮打分成本近似 O(L0_sum)，与 references/ 数量解耦**。 ### Step 3：依赖图扩展 对评分 ≥ 7 的模块，读取 `dependencies`，将直接依赖模块纳入候选集（分数设为 6）。 ### Step 4：分层预算分配 **预算计算**： - 总预算 = llm-window × 40% - 固定开销 = system(3000) + rules(5000) - 可用预算 = 总预算 - 固定开销 **分层策略**： | Tier | 分数 | 处理方式 | |---|---|---| | Tier 1 | ≥ 7 | 加载 L2 全文 | | Tier 2 | 4-6 | 加载 L1 概览（~2k tokens）而非 L2 | | Tier 3 | 1-3 | 仅 L0 一句话（~100 tokens） | Greedy 填充：按分数降序，分数相同