Compaction : COMPACT_CONTINUATION résume dans le prolongement du prompt en cache, en opt-in

Le résumé d'une compaction part aujourd'hui dans une requête à part — prompt
du résumeur et transcription des anciens tours — que le moteur local calcule à
froid : des dizaines de secondes sur un 27B, des minutes sur un MoE, à chaque
compaction. Nouvelle clé COMPACT_CONTINUATION (off par défaut) : quand le slot
porte encore le prompt de la discussion, la requête de résumé est celle du tour
telle qu'elle est partie, suivie d'une seule demande de résumé ; le moteur ne
calcule qu'elle. Sans la clé, requêtes de compaction identiques à l'octet près
(prompt du résumeur comparé à une copie figée, testé).

- vue MODÈLE pour tout ce qui est rangé : bornes, archives recall, demande
  réinjectée, garantie de réduction et sortie ne changent pas ; la vue
  d'envoi (turnViewDry, wireMessages, buildChatPayload) ne sert qu'à la
  requête, rien d'injecté n'entre dans l'historique (testé)
- frontière recalée sur la vue envoyée (messages non système un pour un,
  vérifiés rôle par rôle), désignée par le nombre de messages gardés et le
  début du premier ; tout résumer avant, dater l'avancement à la frontière
- mêmes règles de résumé (+ mode Code), même budget, température 0.2 sans
  l'échantillonnage du preset, enable_thinking=false ajouté aux arguments du
  tour, reasoning_effort du tour, tool_choice « none », sans flux
- messages utilisateur de fin hors de la vue : pas en cache, et pas deux
  `user` d'affilée pour les gabarits stricts
- slot vérifié : tampon posé par une étape de tour acceptée (llm_slots.go,
  sous le verrou du compteur en vol), perdu dès qu'une autre requête part —
  vérification, sous-agent, tâche, préchauffage, résumé, bench, /v1 — ou que
  le modèle ou la fenêtre changent ; relu à l'envoi
- marge en jetons réels (dernier compte + non vu + demande + budget + 5 %)
- repli sur la transcription au moindre écart : refus du moteur, réseau,
  appel d'outil émis (tool_calls décodés) ou écrit en texte, raisonnement
  seul, résumé vide ; refus du gabarit ou appel d'outil = suspendue pour le
  modèle jusqu'au redémarrage, deux échecs de suite aussi
- avec la clé : pas de résumé quand même un vide ne réduirait pas de 20 %
  (borne exacte, avant tout archivage) ; après un refus faute de réduction,
  pas de nouvel essai avant +10 % de contexte, jamais à 90 % de la fenêtre,
  oublié quand le contexte baisse
- réactif, fenêtre pleine, bouton manuel, tâches, sous-agents, terminal,
  preset externe : chemin d'avant ; télémétrie kind=compact avec la discussion

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

internal/loki/chat_conversation.go

@@ -389,9 +389,12 @@ func compactLog(log []LogEvent) []LogEvent {
 // messages donne ce que l'estimation ne voit pas (prompt système injecté,
 // schémas d'outils, gabarit de chat). On le rajoute à l'estimation d'après
 // compaction, sinon la jauge s'effondre puis resaute au tour suivant.
-func (c *Conversation) compactAndPublish(ctx context.Context, epoch int, phase string, msgs []Message, ctxUsed int, caps Caps) ([]Message, bool) {
+//
+// opt : options de COMPACT_CONTINUATION (chat_compact_cont.go) ; nulles, le
+// chemin d'avant.
+func (c *Conversation) compactAndPublish(ctx context.Context, epoch int, phase string, msgs []Message, ctxUsed int, caps Caps, opt compactOpts) ([]Message, bool) {
 	c.appendDelta(epoch, map[string]any{"compacting": true})
-	compacted, changed := compactMessages(ctx, msgs, caps)
+	compacted, changed := compactMessagesNoted(ctx, msgs, caps, opt)
 	c.appendDelta(epoch, map[string]any{"compacting": false})
 	logCompact(phase, ctxUsed, msgs, compacted, changed)
 	if !changed {
@@ -797,8 +800,13 @@ func (c *Conversation) generate(ctx context.Context, caps Caps, temperature floa
 	// Estimation de début de tour, comparée au premier compte réel du moteur
 	// (journal [ctx], seulement au-delà de 2 % d'écart).
 	startEst := ctxUsed
-	if compactNeeded(msgs, ctxUsed, peak) {
-		if out, changed := c.compactAndPublish(ctx, epoch, "début-tour", msgs, ctxUsed, caps); changed {
+	// COMPACT_CONTINUATION (off par défaut) : un refus récent n'est pas retenté
+	// tout de suite, et le résumé peut prolonger le prompt en cache. Sans la
+	// clé, ni l'un ni l'autre.
+	conv := perfTagOf(ctx).conv
+	if compactNeeded(msgs, ctxUsed, peak) && !compactRefusedSkip(conv, ctxUsed) {
+		opt := c.compactOptsFor(caps, msgs, ctxUsed, conv)
+		if out, changed := c.compactAndPublish(ctx, epoch, "début-tour", msgs, ctxUsed, caps, opt); changed {
 			msgs = out
 			// Le chiffre d'avant compaction ne dit plus rien de la requête qui
 			// part : on compare celui que la compaction vient de poser.
@@ -1009,12 +1017,14 @@ func (c *Conversation) generate(ctx context.Context, caps Caps, temperature floa
 	// retombe tout de suite et le tour suivant démarre avec de la marge.
 	// Sauf si un Reset est passé (rien à compacter) ou si le tour a été annulé
 	// (bouton stop) : on n'enchaîne pas plusieurs secondes de résumé sur un stop.
-	if stale || ctx.Err() != nil || !compactNeeded(msgs, ctxUsed, peak) {
+	if stale || ctx.Err() != nil || !compactNeeded(msgs, ctxUsed, peak) || compactRefusedSkip(conv, ctxUsed) {
 		return
 	}
 	// context.Background() et non ctx : le tour est terminé, son contexte peut
-	// être annulé alors que cette compaction-là doit aller au bout.
-	c.compactAndPublish(context.Background(), epoch, "fin-tour", msgs, ctxUsed, caps)
+	// être annulé alors que cette compaction-là doit aller au bout. Après une
+	// vérification du mode Code, le slot porte son prompt : pas de
+	// continuation (engineSlotHolds), transcription comme avant.
+	c.compactAndPublish(context.Background(), epoch, "fin-tour", msgs, ctxUsed, caps, c.compactOptsFor(caps, msgs, ctxUsed, conv))
 }
 
 // ctxNowLocked : contexte à juger pour compacter, c.mu tenu. llama-server
@@ -1063,7 +1073,7 @@ func (c *Conversation) CompactNow() error {
 			}
 			c.mu.Unlock()
 		}()
-		if _, changed := c.compactAndPublish(ctx, epoch, "manuel", msgs, lastReal, Caps{}); changed {
+		if _, changed := c.compactAndPublish(ctx, epoch, "manuel", msgs, lastReal, Caps{}, compactOpts{}); changed {
 			c.persist()
 		}
 	}()