重构: 拆context.rs核心库(strategy自底向上·纯函数抽离)

- 新建 df-ai/context_helpers.rs(195行): 纯函数/类型/常量(TokenEstimator/ContextConfig/MessageGroup/TrackedMessage/classify_group/EvictionUnit/PROTECT_COUNT/TOOL_MISSING_PREFIX)
- context.rs 1332→1178行: 保留ContextManager struct+impl, pub use重导出(外部agentic.rs/mod.rs路径不变)
- lib.rs: pub mod context_helpers
Rust impl块约束: ContextManager方法未动一个字符, 纯函数搬迁零行为变更
主代兜底: cargo check --workspace 0 + test df-ai 119 + grep抽离项/pub use印证
strategy: 自底向上核心库优先, 单批1-2文件原子操作

crates/df-ai/src/context.rs

@@ -7,162 +7,23 @@
 //!
 //! 裁剪策略与模型选择是正交维度：本模块只管「窗口多大、怎么裁」，
 //! 用哪个 model / 是否启用 reasoning 由调用方在 CompletionRequest 层决定。
+//!
+//! 纯函数 / 数据类型 / 常量（TokenEstimator / ContextConfig / MessageGroup /
+//! TrackedMessage / EvictionUnit / classify_group / PROTECT_COUNT /
+//! TOOL_MISSING_PREFIX）已抽至 [`crate::context_helpers`]，本模块 `use` 复用，
+//! 并 `pub use` 重导出以保持 `df_ai::context::*` 历史路径对外可见（零调用方变更）。
+//! 本文件仅保留 `ContextManager` 结构体及其 `impl`（Rust impl 块不可跨文件）。
 
-use serde::{Deserialize, Serialize};
+use crate::context_helpers::{classify_group, PROTECT_COUNT, TOOL_MISSING_PREFIX};
+// 重导出：保持 `df_ai::context::TokenEstimator` / `df_ai::context::ContextConfig` 等
+// 历史路径对外可见（agentic.rs / commands/ai/mod.rs 等调用方零变更）。
+// `pub use` 同时把类型带入本模块命名空间，供 ContextManager 结构体字段与 impl 直接引用。
+pub use crate::context_helpers::{
+    EvictionUnit, ContextConfig, MessageGroup, TokenEstimator, TrackedMessage,
+};
 
 use crate::provider::{ChatMessage, MessageRole, ToolCall};
 
-// ============================================================
-// Token 估算器（零依赖粗估）
-// ============================================================
-
-/// Token 粗估器 — 字符级近似计数，无 tokenizer 依赖
-///
-/// 用于发送前预算控制，误差 ±15% 完全可接受（保守估计，宁可多算）。
-#[derive(Debug, Clone)]
-pub struct TokenEstimator {
-    /// 字符 → token 转换系数（默认 0.35，即 ~2.8 字符/token，中英混合偏保守）
-    pub chars_ratio: f32,
-    /// 每条消息固定开销（role 标记 + 格式）
-    pub per_message_overhead: u32,
-    /// 每个 tool_call 的额外开销（name + arguments JSON 结构）
-    pub per_tool_call_overhead: u32,
-}
-
-impl Default for TokenEstimator {
-    fn default() -> Self {
-        Self {
-            chars_ratio: 0.35,
-            per_message_overhead: 4,
-            per_tool_call_overhead: 30,
-        }
-    }
-}
-
-impl TokenEstimator {
-    /// 估算单条消息的 token 数（保守估计）
-    ///
-    /// F-260614-05 多模态回归修正：`msg.parts` 中的 Image.base64 与 Text.text 同样计入预算。
-    /// 此前只算 `content`，含图消息的大段 base64(可达 25 万 tokens)被完全忽略，致
-    /// `history_tokens` 严重低估 → build_for_request 误判未超预算 → provider 超限 400/500。
-    /// 这里把 parts 的文本/base64 按同一 chars_ratio 粗估累加(base64 视为密集字符，0.35 偏保守)。
-    pub fn estimate_message(&self, msg: &ChatMessage) -> u32 {
-        let mut char_count = msg.content.chars().count();
-        if let Some(parts) = &msg.parts {
-            for p in parts {
-                match p {
-                    crate::provider::ContentPart::Text { text } => char_count += text.chars().count(),
-                    crate::provider::ContentPart::Image { base64, url, .. } => {
-                        // CR-260618-11#2:0.35 按 base64 字节数粗估,显著高于厂商实际(OpenAI 按像素非字节)。
-                        // 偏保守致含图消息 token 高估、过度裁剪;降值(如 0.10~0.15)需独立评估裁剪边界,本次不改值仅标注。
-                        // base64 优先（多模态主载荷），url 次之；url 模式无字节，仅按 URL 长度估
-                        if let Some(b) = base64 {
-                            char_count += b.chars().count();
-                        } else if let Some(u) = url {
-                            char_count += u.chars().count();
-                        }
-                    }
-                }
-            }
-        }
-        let content_tokens = (char_count as f32 * self.chars_ratio).ceil() as u32;
-        let mut total = content_tokens + self.per_message_overhead;
-
-        // tool_calls 的 JSON 结构开销（role=Assistant 时可能有）
-        if let Some(ref calls) = msg.tool_calls {
-            for call in calls {
-                total += self.per_tool_call_overhead;
-                total += (call.function.name.chars().count() as f32 * self.chars_ratio).ceil() as u32;
-                total += (call.function.arguments.chars().count() as f32 * self.chars_ratio).ceil() as u32;
-            }
-        }
-
-        // tool_call_id 开销（role=Tool 时有）
-        if msg.tool_call_id.is_some() {
-            total += 3;
-        }
-
-        total
-    }
-
-    /// 估算纯文本字符串的 token 数（用于 system prompt）
-    pub fn estimate_text(&self, text: &str) -> u32 {
-        (text.chars().count() as f32 * self.chars_ratio).ceil() as u32
-    }
-}
-
-// ============================================================
-// 上下文窗口配置
-// ============================================================
-
-/// 上下文窗口配置
-#[derive(Debug, Clone, Serialize, Deserialize)]
-pub struct ContextConfig {
-    /// 窗口上限 token 数（默认 128_000）
-    pub max_tokens: u32,
-    /// 输出预留 token 数（窗口中留给模型生成的部分，默认 8_192）
-    pub output_reserve: u32,
-    /// 安全系数 0.0~1.0（默认 0.85，留 15% 余量）
-    pub safety_ratio: f32,
-}
-
-impl Default for ContextConfig {
-    fn default() -> Self {
-        Self {
-            max_tokens: 128_000,
-            output_reserve: 8_192,
-            safety_ratio: 0.85,
-        }
-    }
-}
-
-impl ContextConfig {
-    /// 预算上限 = (max_tokens - output_reserve) × safety_ratio
-    pub fn budget_limit(&self) -> u32 {
-        (self.max_tokens.saturating_sub(self.output_reserve) as f32 * self.safety_ratio) as u32
-    }
-}
-
-// ============================================================
-// 消息分组（淘汰时保持工具调用三元组原子性）
-// ============================================================
-
-/// 消息在逻辑上的分组标签，用于淘汰时保持原子性
-#[derive(Debug, Clone, Copy, PartialEq, Eq)]
-pub enum MessageGroup {
-    /// 普通 User / Assistant 文本消息（可独立淘汰）
-    Standalone,
-    /// Assistant 带 tool_calls，是三元组的头
-    ToolCallHead,
-    /// Tool 结果消息，是三元组的尾
-    ToolResultTail,
-}
-
-/// 带有 token 缓存和分组信息的消息条目
-///
-/// 字段 `pub`：供阶段2 IPC 经 `ContextManager::messages_mut()` 拿到可变切片后,
-/// 直接改 `message.status` / 读 `token_count` 做 token 重算(Mutex 单线程访问,
-/// 同 crate 内安全)。结构体本身也 `pub`(返回类型对外可见)。
-pub struct TrackedMessage {
-    pub message: ChatMessage,
-    pub token_count: u32,
-    pub group: MessageGroup,
-}
-
-fn classify_group(msg: &ChatMessage) -> MessageGroup {
-    match msg.role {
-        MessageRole::Tool => MessageGroup::ToolResultTail,
-        MessageRole::Assistant => {
-            if msg.tool_calls.as_ref().is_some_and(|c| !c.is_empty()) {
-                MessageGroup::ToolCallHead
-            } else {
-                MessageGroup::Standalone
-            }
-        }
-        _ => MessageGroup::Standalone,
-    }
-}
-
 // ============================================================
 // 上下文管理器
 // ============================================================
@@ -182,13 +43,6 @@ pub struct ContextManager {
     is_compressing: bool,
 }
 
-/// 保护区大小：最后 N 条消息永不淘汰（≈ 最近 2 个完整用户轮次）
-const PROTECT_COUNT: usize = 6;
-
-/// Anthropic 流式 tool_use 缺 id 时的占位 id 前缀（见 anthropic_compat.rs 170-176）。
-/// 此类 id 必然无匹配 tool_result，是历史中毒的标志，sanitize 时据此剔除畸形三元组。
-const TOOL_MISSING_PREFIX: &str = "tool_missing_";
-
 impl ContextManager {
     pub fn new(config: ContextConfig) -> Self {
         Self {
@@ -734,14 +588,6 @@ impl ContextManager {
     //  ContextManager 的私有辅助如需新增放在这里。）
 }
 
-/// 淘汰单元：连续消息范围 [..end) + token 总和
-///
-/// `pub` 供 `build_eviction_units` 的返回类型对外可见(阶段2/3 调用方读 `end` / `token_sum`)。
-pub struct EvictionUnit {
-    pub end: usize,
-    pub token_sum: u32,
-}
-
 #[cfg(test)]
 mod tests {
     use super::*;

crates/df-ai/src/context_helpers.rs

@@ -0,0 +1,195 @@
+//! 上下文管理纯函数与数据类型 — 从 context.rs 抽离的无 `self` 依赖部分
+//!
+//! 职责：
+//! - Token 粗估器（字符级近似，无 tokenizer 依赖）
+//! - 上下文窗口配置与预算计算
+//! - 消息分组（淘汰时保持工具调用三元组原子性）的数据类型与分类纯函数
+//! - 淘汰单元 / 跟踪消息条目等数据类型
+//!
+//! 抽离原因：context.rs 的 `ContextManager` impl 块不可跨文件，但其中依赖的
+//! 纯函数 / 数据类型 / 常量无 `self` 依赖，可独立成模块供 context.rs `use` 复用，
+//! 降低单文件体积。零行为变化：仅搬迁，逻辑原样保留。
+//!
+//! context.rs 通过 `pub use` 重导出本模块的 `TokenEstimator` / `ContextConfig` 等，
+//! 保持 `df_ai::context::TokenEstimator` 等历史路径对外可见（零调用方变更）。
+
+use serde::{Deserialize, Serialize};
+
+use crate::provider::{ChatMessage, MessageRole};
+
+// ============================================================
+// Token 估算器（零依赖粗估）
+// ============================================================
+
+/// Token 粗估器 — 字符级近似计数，无 tokenizer 依赖
+///
+/// 用于发送前预算控制，误差 ±15% 完全可接受（保守估计，宁可多算）。
+#[derive(Debug, Clone)]
+pub struct TokenEstimator {
+    /// 字符 → token 转换系数（默认 0.35，即 ~2.8 字符/token，中英混合偏保守）
+    pub chars_ratio: f32,
+    /// 每条消息固定开销（role 标记 + 格式）
+    pub per_message_overhead: u32,
+    /// 每个 tool_call 的额外开销（name + arguments JSON 结构）
+    pub per_tool_call_overhead: u32,
+}
+
+impl Default for TokenEstimator {
+    fn default() -> Self {
+        Self {
+            chars_ratio: 0.35,
+            per_message_overhead: 4,
+            per_tool_call_overhead: 30,
+        }
+    }
+}
+
+impl TokenEstimator {
+    /// 估算单条消息的 token 数（保守估计）
+    ///
+    /// F-260614-05 多模态回归修正：`msg.parts` 中的 Image.base64 与 Text.text 同样计入预算。
+    /// 此前只算 `content`，含图消息的大段 base64(可达 25 万 tokens)被完全忽略，致
+    /// `history_tokens` 严重低估 → build_for_request 误判未超预算 → provider 超限 400/500。
+    /// 这里把 parts 的文本/base64 按同一 chars_ratio 粗估累加(base64 视为密集字符，0.35 偏保守)。
+    pub fn estimate_message(&self, msg: &ChatMessage) -> u32 {
+        let mut char_count = msg.content.chars().count();
+        if let Some(parts) = &msg.parts {
+            for p in parts {
+                match p {
+                    crate::provider::ContentPart::Text { text } => char_count += text.chars().count(),
+                    crate::provider::ContentPart::Image { base64, url, .. } => {
+                        // CR-260618-11#2:0.35 按 base64 字节数粗估,显著高于厂商实际(OpenAI 按像素非字节)。
+                        // 偏保守致含图消息 token 高估、过度裁剪;降值(如 0.10~0.15)需独立评估裁剪边界,本次不改值仅标注。
+                        // base64 优先（多模态主载荷），url 次之；url 模式无字节，仅按 URL 长度估
+                        if let Some(b) = base64 {
+                            char_count += b.chars().count();
+                        } else if let Some(u) = url {
+                            char_count += u.chars().count();
+                        }
+                    }
+                }
+            }
+        }
+        let content_tokens = (char_count as f32 * self.chars_ratio).ceil() as u32;
+        let mut total = content_tokens + self.per_message_overhead;
+
+        // tool_calls 的 JSON 结构开销（role=Assistant 时可能有）
+        if let Some(ref calls) = msg.tool_calls {
+            for call in calls {
+                total += self.per_tool_call_overhead;
+                total += (call.function.name.chars().count() as f32 * self.chars_ratio).ceil() as u32;
+                total += (call.function.arguments.chars().count() as f32 * self.chars_ratio).ceil() as u32;
+            }
+        }
+
+        // tool_call_id 开销（role=Tool 时有）
+        if msg.tool_call_id.is_some() {
+            total += 3;
+        }
+
+        total
+    }
+
+    /// 估算纯文本字符串的 token 数（用于 system prompt）
+    pub fn estimate_text(&self, text: &str) -> u32 {
+        (text.chars().count() as f32 * self.chars_ratio).ceil() as u32
+    }
+}
+
+// ============================================================
+// 上下文窗口配置
+// ============================================================
+
+/// 上下文窗口配置
+#[derive(Debug, Clone, Serialize, Deserialize)]
+pub struct ContextConfig {
+    /// 窗口上限 token 数（默认 128_000）
+    pub max_tokens: u32,
+    /// 输出预留 token 数（窗口中留给模型生成的部分，默认 8_192）
+    pub output_reserve: u32,
+    /// 安全系数 0.0~1.0（默认 0.85，留 15% 余量）
+    pub safety_ratio: f32,
+}
+
+impl Default for ContextConfig {
+    fn default() -> Self {
+        Self {
+            max_tokens: 128_000,
+            output_reserve: 8_192,
+            safety_ratio: 0.85,
+        }
+    }
+}
+
+impl ContextConfig {
+    /// 预算上限 = (max_tokens - output_reserve) × safety_ratio
+    pub fn budget_limit(&self) -> u32 {
+        (self.max_tokens.saturating_sub(self.output_reserve) as f32 * self.safety_ratio) as u32
+    }
+}
+
+// ============================================================
+// 消息分组（淘汰时保持工具调用三元组原子性）
+// ============================================================
+
+/// 消息在逻辑上的分组标签，用于淘汰时保持原子性
+#[derive(Debug, Clone, Copy, PartialEq, Eq)]
+pub enum MessageGroup {
+    /// 普通 User / Assistant 文本消息（可独立淘汰）
+    Standalone,
+    /// Assistant 带 tool_calls，是三元组的头
+    ToolCallHead,
+    /// Tool 结果消息，是三元组的尾
+    ToolResultTail,
+}
+
+/// 带有 token 缓存和分组信息的消息条目
+///
+/// 字段 `pub`：供阶段2 IPC 经 `ContextManager::messages_mut()` 拿到可变切片后,
+/// 直接改 `message.status` / 读 `token_count` 做 token 重算(Mutex 单线程访问,
+/// 同 crate 内安全)。结构体本身也 `pub`(返回类型对外可见)。
+pub struct TrackedMessage {
+    pub message: ChatMessage,
+    pub token_count: u32,
+    pub group: MessageGroup,
+}
+
+/// 按消息角色与 tool_calls 判定其逻辑分组（淘汰单元的原子性基础）
+///
+/// 纯函数：无 `self` 依赖，仅依据 `msg.role` 与 `msg.tool_calls` 分类。
+pub fn classify_group(msg: &ChatMessage) -> MessageGroup {
+    match msg.role {
+        MessageRole::Tool => MessageGroup::ToolResultTail,
+        MessageRole::Assistant => {
+            if msg.tool_calls.as_ref().is_some_and(|c| !c.is_empty()) {
+                MessageGroup::ToolCallHead
+            } else {
+                MessageGroup::Standalone
+            }
+        }
+        _ => MessageGroup::Standalone,
+    }
+}
+
+// ============================================================
+// 淘汰单元
+// ============================================================
+
+/// 淘汰单元：连续消息范围 [..end) + token 总和
+///
+/// `pub` 供 `build_eviction_units` 的返回类型对外可见(阶段2/3 调用方读 `end` / `token_sum`)。
+pub struct EvictionUnit {
+    pub end: usize,
+    pub token_sum: u32,
+}
+
+// ============================================================
+// 常量
+// ============================================================
+
+/// 保护区大小：最后 N 条消息永不淘汰（≈ 最近 2 个完整用户轮次）
+pub const PROTECT_COUNT: usize = 6;
+
+/// Anthropic 流式 tool_use 缺 id 时的占位 id 前缀（见 anthropic_compat.rs 170-176）。
+/// 此类 id 必然无匹配 tool_result，是历史中毒的标志，sanitize 时据此剔除畸形三元组。
+pub const TOOL_MISSING_PREFIX: &str = "tool_missing_";

crates/df-ai/src/lib.rs

@@ -3,6 +3,7 @@
 pub mod ai_tools;
 pub mod anthropic_compat;
 pub mod context;
+pub mod context_helpers;
 pub mod coordinator;
 pub mod model_fetch;
 pub mod model_probe;