新增: F-15阶段2手动上下文管理(2 IPC+3事件+前端按钮+status渲染)

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

@@ -384,6 +384,191 @@ pub async fn ai_chat_clear(state: State<'_, AppState>) -> Result<(), String> {
     Ok(())
 }
 
+/// 手动上下文分段(F-15 阶段2):归档保护区外消息,不删 DB。
+///
+/// 把保护区外(active)的消息经 messages_mut 标 `status="archived_segment"`
+/// (is_active 自动 false,sanitize 隔离不进 LLM 上下文,前端按 is_active 过滤折叠),
+/// 保护区最近 N 条 active 不动(用户当前上下文连续性)。落库持久化新 status,不删 DB。
+///
+/// 空会话/无 active 可分段消息 → emit AiContextCleared 后 noop 返回 Ok(不报错)。
+///
+/// 与 ai_chat_clear 区别:clear 真删 DB 全清;本命令只软分段(归档),保留可追溯历史。
+#[tauri::command]
+pub async fn ai_chat_clear_context(
+    app: AppHandle,
+    state: State<'_, AppState>,
+    conversation_id: String,
+) -> Result<(), String> {
+    // 活跃对话一致性:仅对当前活跃对话分段(防陈旧快照标错对话的消息)。
+    // 与 ai_chat_send/ai_regenerate 取 session 模式一致(state.ai_session.lock)。
+    let conv_id = {
+        let mut session = state.ai_session.lock().await;
+        if session.active_conversation_id.as_deref() != Some(conversation_id.as_str()) {
+            return Err("对话已切换，无法分段".to_string());
+        }
+        // 保护区:保留最近 PROTECT_COUNT 条 active。
+        // PROTECT_COUNT 是 df-ai context.rs 私有常量(=6,build_for_request 同款保护区),
+        // 未导出到 crate 外,此处用同值字面量 + 注释指明出处,与 build_for_request 语义一致。
+        const PROTECT_COUNT: usize = 6;
+        let protect_start = session.messages.len().saturating_sub(PROTECT_COUNT);
+        // 空会话/全在保护区(消息 ≤ N 条) → 无可分段消息,emit 后 noop
+        if protect_start == 0 {
+            drop(session);
+            let _ = app.emit("ai-chat-event", AiChatEvent::AiContextCleared {
+                conversation_id: Some(conversation_id.clone()),
+            });
+            return Ok(());
+        }
+        // 对保护区外 active 消息标 archived_segment(messages_mut 直接改 status)。
+        // history_tokens 同步:ContextManager 未暴露 history_tokens 写 setter,但 push/compress_old_messages
+        // 内部用 saturating_sub 维护。此处经 messages_mut 改 status 后 history_tokens 会与 active 集脱钩,
+        // 但 build_for_request 超预算裁剪路径仍按 history_tokens 决策——为保 token 预算一致性,
+        // 采用"扣减后等价"的近似:记录被标 archived_segment 消息的 token,经临时 helper 修正。
+        // df-ai 未提供 history_tokens 减法 API,故此处保留与 compress_old_messages 一致的口径——
+        // 不直接改 history_tokens(私有字段,无 setter);token 与 active 集可能短暂脱钩,
+        // 下次 build_for_request 时若 history_tokens 偏高只会触发更早裁剪(保守,不劣化安全性)。
+        for t in session.messages.messages_mut()[..protect_start].iter_mut() {
+            if t.message.is_active() {
+                t.message.status = Some("archived_segment".to_string());
+            }
+        }
+        drop(session);
+        conversation_id
+    };
+    // 落库持久化新 status(照 save_conversation 模式,DB 持久化新 status)
+    save_conversation(&state.ai_session, &state.db, &conv_id, None, None).await;
+    let _ = app.emit("ai-chat-event", AiChatEvent::AiContextCleared {
+        conversation_id: Some(conv_id),
+    });
+    Ok(())
+}
+
+/// 手动 LLM 压缩上下文(F-15 阶段2):摘要保护区外消息并插入首位。
+///
+/// 流程(失败不阻塞,消息状态不变):
+/// 1. emit AiCompressing + set_compressing(true) 防重入
+/// 2. 算 compress_end(保护区外,同 clear_context 的 protect_start)
+/// 3. 先取保护区外 active 消息的克隆(读不改)→ 喂 compress_via_llm
+/// 4. LLM 成功 → compress_old_messages 标 compressed(扣 token) + insert_at(0, system 摘要)
+/// 5. LLM 失败 → set_compressing(false) + emit AiError(不含 api_key) + 返回 Err;消息状态不变
+///
+/// 空会话/无 active 可压缩消息 → set_compressing(false) 后 emit AiCompressing noop 返回 Ok。
+#[tauri::command]
+pub async fn ai_chat_compress_context(
+    app: AppHandle,
+    state: State<'_, AppState>,
+    conversation_id: String,
+    language: Option<String>,
+) -> Result<(), String> {
+    let provider_config = super::prompt::get_active_provider(&state).await?;
+    const PROTECT_COUNT: usize = 6;
+    let lang = language.unwrap_or_else(|| "zh-CN".to_string());
+
+    // 取 active 克隆 + compress_end(读不改,LLM 失败则消息状态完全不变)
+    let (conv_id, active_msgs, compress_end) = {
+        let mut session = state.ai_session.lock().await;
+        if session.active_conversation_id.as_deref() != Some(conversation_id.as_str()) {
+            return Err("对话已切换，无法压缩".to_string());
+        }
+        if session.messages.is_compressing() {
+            return Err("压缩正在进行中".to_string());
+        }
+        // emit 开始 + 置位防重入(成对释放,见下方所有出口)
+        let _ = app.emit("ai-chat-event", AiChatEvent::AiCompressing {
+            conversation_id: Some(conversation_id.clone()),
+        });
+        session.messages.set_compressing(true);
+
+        let protect_start = session.messages.len().saturating_sub(PROTECT_COUNT);
+        if protect_start == 0 {
+            // 空会话/全在保护区 → 无可压缩消息,set_compressing(false) 后返回 Ok
+            session.messages.set_compressing(false);
+            let cid = session.active_conversation_id.clone();
+            drop(session);
+            let _ = app.emit("ai-chat-event", AiChatEvent::AiCompressed {
+                conversation_id: cid,
+                summary: String::new(),
+            });
+            return Ok(());
+        }
+        // 读 active 克隆(不改 status):compress_old_messages 留到 LLM 成功后才调
+        let active_msgs: Vec<ChatMessage> = session
+            .messages
+            .messages_mut()[..protect_start]
+            .iter()
+            .filter(|t| t.message.is_active())
+            .map(|t| t.message.clone())
+            .collect();
+        let cid = session.active_conversation_id.clone().unwrap_or_else(|| conversation_id.clone());
+        (cid, active_msgs, protect_start)
+    };
+
+    if active_msgs.is_empty() {
+        // 保护区外无 active 消息(已全 compressed/archived_segment/truncated) → noop
+        let mut session = state.ai_session.lock().await;
+        session.messages.set_compressing(false);
+        drop(session);
+        let _ = app.emit("ai-chat-event", AiChatEvent::AiCompressed {
+            conversation_id: Some(conv_id),
+            summary: String::new(),
+        });
+        return Ok(());
+    }
+
+    // 拿 provider(照 ai_chat_send 的 build_provider_for 模式,密钥经 resolve_provider_secret 闭环,
+    // FR-S1 api_key 绝不进 payload/日志/错误信息)
+    let provider = match super::secret::build_provider_for(&provider_config) {
+        Ok(p) => p,
+        Err(e) => {
+            let mut session = state.ai_session.lock().await;
+            session.messages.set_compressing(false);
+            drop(session);
+            let _ = app.emit("ai-chat-event", AiChatEvent::AiError {
+                error: format!("压缩失败: {}", e),
+                error_type: Some(super::ErrorType::Auth),
+                conversation_id: Some(conv_id),
+            });
+            return Err(format!("压缩失败: {}", e));
+        }
+    };
+    let llm_concurrency = state.llm_concurrency.clone();
+    let summary = match super::compress::compress_via_llm(
+        provider.as_ref(),
+        &provider_config,
+        active_msgs,
+        &lang,
+        &llm_concurrency,
+    ).await {
+        Ok(s) => s,
+        Err(e) => {
+            // LLM 失败:不阻塞,set_compressing(false),消息状态不变(未调 compress_old_messages)
+            let mut session = state.ai_session.lock().await;
+            session.messages.set_compressing(false);
+            drop(session);
+            let _ = app.emit("ai-chat-event", AiChatEvent::AiError {
+                error: format!("压缩失败: {}", e),
+                error_type: Some(super::ErrorType::Unknown),
+                conversation_id: Some(conv_id),
+            });
+            return Err(format!("压缩失败: {}", e));
+        }
+    };
+
+    // LLM 成功 → 标 compressed(扣 token) + 摘要插首位
+    {
+        let mut session = state.ai_session.lock().await;
+        let _compressed = session.messages.compress_old_messages(compress_end);
+        session.messages.insert_at(0, ChatMessage::system(&summary));
+        session.messages.set_compressing(false);
+    }
+    save_conversation(&state.ai_session, &state.db, &conv_id, None, None).await;
+    let _ = app.emit("ai-chat-event", AiChatEvent::AiCompressed {
+        conversation_id: Some(conv_id),
+        summary,
+    });
+    Ok(())
+}
+
 /// 编辑最后一条 user 消息并重新生成（UX-09）
 ///
 /// 流程(复用 ai_regenerate 的 spawn 模式):占用 generating → 校验活跃对话一致 →

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

@@ -140,6 +140,13 @@ pub enum AiChatEvent {
     /// 每次重试前 emit，前端可在错误气泡内显示「重试 n/m」。
     /// attempt 从 1 开始(首次失败后第一次重试=attempt 1)，max_attempts = max_retries + 1。
     AiStreamRetry { attempt: u32, max_attempts: u32, conversation_id: Option<String> },
+    /// F-15 阶段2 手动上下文分段完成:会话归档不删(archived_segment 标记),
+    /// 前端可据此刷新消息视图(归档段折叠/隐藏)。
+    AiContextCleared { conversation_id: Option<String> },
+    /// F-15 阶段2 手动 LLM 压缩开始:前端展示压缩中态(spinner/禁用按钮防重入)。
+    AiCompressing { conversation_id: Option<String> },
+    /// F-15 阶段2 手动 LLM 压缩完成:摘要已插入消息首位,前端可展示摘要 + 移除压缩中态。
+    AiCompressed { conversation_id: Option<String>, summary: String },
 }
 
 // ============================================================

src-tauri/src/lib.rs

@@ -118,6 +118,9 @@ pub fn run() {
             commands::ai::ai_pending_tool_calls,
             commands::ai::ai_chat_clear,
             commands::ai::ai_is_generating,
+            // F-15 阶段2 手动上下文管理:分段归档 + LLM 压缩
+            commands::ai::ai_chat_clear_context,
+            commands::ai::ai_chat_compress_context,
             commands::ai::ai_list_providers,
             commands::ai::ai_save_provider,
             commands::ai::ai_set_provider,