[Feature] 上下文压缩阈值可配置化

[Fronut]

Description / 描述

上下文压缩的触发阈值 compression_threshold = 0.82 在两个压缩器中均硬编码，不可配置，也不随模型的最大输出能力动态调整。

硬编码位置

astrbot/core/agent/context/compressor.py：

# TruncateByTurnsCompressor.__init__ (line 66)
class TruncateByTurnsCompressor:
    def __init__(self, truncate_turns: int = 1,
                 compression_threshold: float = 0.82):  # ← 硬编码

# LLMSummaryCompressor.__init__ (line 131)
class LLMSummaryCompressor:
    def __init__(self, provider, keep_recent_ratio: float = 0.15,
                 compression_threshold: float = 0.82):  # ← 硬编码

ContextConfig（context/config.py）根本没有 compression_threshold 字段：

@dataclass
class ContextConfig:
    max_context_tokens: int = 0
    enforce_max_turns: int = -1
    truncate_turns: int = 1
    llm_compress_keep_recent_ratio: float = 0.15
    # compression_threshold  ← 不存在

astr_main_agent.py 构造 ContextManager 时也未传此参数。

为什么 82% 不够

82% 是一个通用值，不考虑模型的最大输出。以 deepseek-v4-pro 为例：

指标	值
上下文窗口	1M
82% 阈值	820K
预留空间	~180K
模型最大输出	384K

预留 180K < 最大输出 384K。压缩触发了，剩下的空间仍然不够装一次完整生成。对一个大输出模型来说，合理的阈值应该是 1 - max_output/context_window：

合理阈值 = 1 - 384K / 1M = 1 - 0.375 = 62.5%

也就是说 deepseek-v4-pro 应该在 62.5% 就触发压缩，而不是 82%。

反过来，如果一个模型最大输出只有 4K（如部分 embedding 模型或小模型），阈值 82% 又太保守了——可以放到 95%+。

「LLM 压缩」策略的静默降级

另一个问题：用户在前端选择了 llm_compress，以为优雅地用模型做摘要。但实际可能无声降级为硬截断：

上下文 > 82% → LLM 压缩发起
  ├─ 全量上下文 > 压缩用模型的窗口 → 压缩失败，return messages（原样返回）
  ├─ LLM 返回空摘要 → return messages
  └─ 压缩成功但 double check 仍超标 → truncate_by_halving（对半硬砍）

用户永远不知道「LLM 压缩」在背后退化成了什么。前端策略选项给了一个虚假的安心感。

期望行为

1. compression_threshold 可配置：在 ContextConfig 中新增字段，允许用户通过前端设置（如「在上下文达到 __% 时压缩」）
2. 智能默认值：初始值不再固定 82%，而是使用 max(1 - max_output_tokens / max_context_tokens, 0.5)，确保预留空间 ≥ 模型最大输出
3. 策略降级可视化：当 LLM 压缩失败 fallback 到硬截断时，向用户发送一条消息说明发生了什么（「上下文压缩未成功，已改用轮次截断，可能会丢失部分对话历史」）

依赖

和 #9251（三段式圆环）互补——三段式圆环在前端揭示「预留空间够不够」，可配置的阈值在后端解决「预留空间从何而来」。

Use Case / 使用场景

1. 大输出模型（如 deepseek-v4-pro, 384K max output）：用户将阈值设为 60%，确保压缩后有足够空间给生成，不会等到 82% 才反应过来
2. 小输出模型（如 embedding 模型，4K max output）：用户将阈值设为 95%，避免过早压缩、浪费上下文
3. 调试与调优：用户对比不同阈值下的 agent 表现，找到自己工作流的 sweet spot
4. 策略降级感知：用户看到「压缩未成功，改用轮次截断」后，可以手动调整阈值或切换到更大的压缩模型

Willing to Submit PR? / 是否愿意提交PR？

• Yes, I am willing to submit a PR. / 是的，我愿意提交 PR。

Code of Conduct

• I have read and agree to abide by the project's Code of Conduct. /