优化: aichat效率剩余(压缩后台化防阻塞/审计批量事务/只读缓存轮内去重/流式增量渲染/AiCommandOutput合批/双渲染合并) + 跨端加固(df-project路径保留大小写/tunnel文档更正supervisor重连/relay固定时间比较与帧上限/启动校验) + 销账

src-tauri/src/commands/ai/agentic/mod.rs

@@ -1498,15 +1498,16 @@ pub(crate) async fn run_agentic_loop(
 
         // 自动压缩(智能裁剪)——已抽取至 context_lifecycle::maybe_auto_compress。
         //
-        // 抽取自本函数原内联块(行为零变更)。返回 true = conv 已删除,loop 应立即 return
+        // 抽取自本函数原内联块。返回 true = conv 已删除,loop 应立即 return
         // (对齐原内联块入口的 early-return);返回 false = 正常结束,继续后续流程。
         // 实现细节(触发条件 / 延迟 mutate 口径 / 关键词兜底)见
-        // context_lifecycle.rs 顶部文档与函数体内注释(原样保留)。
+        // context_lifecycle.rs 顶部文档与函数体内注释。
+        // L0-3(2026-08-09):压缩 LLM 调用已后台化(fire-and-forget),本调用不再同步阻塞本轮,
+        // 返回 false 让当前轮用未压缩上下文正常走;压缩结果下一轮生效(见 context_lifecycle.rs)。
         if maybe_auto_compress(
             &session_arc,
             &conv_id,
             &app_handle,
-            &provider,
             &provider_config,
             &llm_concurrency,
             iteration,