新增: 上下文管理演进 Wave2（T3结构化摘要 + T4工作流DAG占位）

T3: 压缩摘要双格式（向后兼容）
- compress_via_llm 返回类型 Result<String> → Result<CompressedSummary>
- 新增 parse_sections_to_json: 从四段式 Markdown 摘要解析 JSON 卡片
- context_lifecycle: 插入 NL 摘要（向后兼容），预留 WorkingContext 联动
- manual compress IPC (chat.rs): 适配新返回类型

T4: 工作流 DAG 注入（占位）
- workflow_context.rs: 空壳函数，待 PerConvState.workflow_id 落地后接入
- mod.rs: 注入点已就位（日志占位）
- 后续需补: DAG 加载 + 活跃路径裁剪 + system_prompt 注入

src-tauri/src/commands/ai/compress.rs

@@ -8,6 +8,7 @@
 //! 路由(Lite 智力, 无 tool_use, 标准成本上限)兜底 `default_model`。失败返 `Err`,
 //! 调用方按场景降级(手动压缩报错给用户;自动压缩降级为原裁剪行为)。
 
+use df_ai::context_helpers::CompressedSummary;
 use df_ai::provider::{ChatMessage, CompletionRequest, LlmProvider};
 // F-15: 压缩路由 — TaskRequirements(Standard 智力即可,无需工具)。压缩是结构化
 // 摘要任务,选 Standard 智力保摘要质量;不传 tools(纯文本出,避免 LLM 调工具跑偏)。
@@ -49,7 +50,7 @@ pub(crate) async fn compress_via_llm(
     lang: &str,
     conv_id: &str,
     llm_concurrency: &LlmConcurrency,
-) -> Result<String, String> {
+) -> Result<CompressedSummary, String> {
     if active_msgs.is_empty() {
         return Err("无可压缩消息(active 消息为空)".to_string());
     }
@@ -115,7 +116,13 @@ pub(crate) async fn compress_via_llm(
     if summary.is_empty() {
         return Err("LLM 压缩返回空摘要".to_string());
     }
-    Ok(summary)
+    // T3: 解析四段式输出为 JSON 卡片 + NL 摘要
+    // 从现有 ## Intent / ## Decisions / ## Files / ## Constraints 格式解析
+    let json_card = parse_sections_to_json(&summary);
+    Ok(CompressedSummary {
+        json_card,
+        nl_summary: summary,
+    })
 }
 
 /// 阶段2(占位配对完整性):检测压缩段是否含未闭合占位 tool_result。
@@ -151,6 +158,55 @@ fn compress_segment_has_unclosed_placeholder(msgs: &[ChatMessage]) -> bool {
     })
 }
 
+/// 从四段式 Markdown 摘要中解析出 JSON 卡片
+/// 段标题: ## Intent / ## Decisions / ## Files / ## Constraints
+fn parse_sections_to_json(summary: &str) -> String {
+    let mut topics = Vec::new();
+    let mut decisions = Vec::new();
+    let mut key_files = Vec::new();
+
+    let mut current_section: Option<&str> = None;
+    for line in summary.lines() {
+        let trimmed = line.trim();
+        if trimmed.starts_with("## ") {
+            current_section = trimmed.strip_prefix("## ");
+            continue;
+        }
+        let text = trimmed.trim_start_matches("- ").trim();
+        if text.is_empty() {
+            continue;
+        }
+        match current_section {
+            Some("Intent") | Some("意图") => {
+                topics.push(text.to_string());
+            }
+            Some("Decisions") | Some("决策") => {
+                decisions.push(serde_json::json!({"summary": text}));
+            }
+            Some("Files") | Some("文件") => {
+                key_files.push(serde_json::json!({"change": text}));
+            }
+            _ => {}
+        }
+    }
+
+    serde_json::json!({
+        "topics": topics,
+        "decisions": decisions,
+        "key_files": key_files,
+        "parsed_from": "four_section_summary",
+    }).to_string()
+}
+
+/// 在文本中提取标记间的内容
+#[allow(dead_code)]
+fn extract_between<'a>(text: &'a str, start_marker: &str, end_marker: &str) -> Option<&'a str> {
+    let start = text.find(start_marker)?;
+    let after_start = &text[start + start_marker.len()..];
+    let end = after_start.find(end_marker)?;
+    Some(after_start[..end].trim())
+}
+
 /// 清理 LLM 返回的摘要:去首尾空白 / 包裹性 markdown 代码围栏,空则原样返回
 /// (调用方据空值报错)。保留内部 markdown 结构(## 标题 / 列表),摘要本身就是结构化文本。
 ///