Cache : les rappels de loki et la relance après un 500 ne recalculent plus la conversation

Le rappel de budget d'outils et la relance « pensé sans agir » partaient au
moteur sans entrer dans l'historique : au tour suivant, le fil divergeait
juste avant eux et toute la boucle d'outils qui suivait était recalculée.
Le modèle relisait en prime une histoire qu'il n'avait jamais vue. La
relance après un 500 (appel d'outil mal parsé) retirait les outils et
modifiait le message système : tout le prompt repartait de zéro, deux fois.

- Rappels persistés tels qu'envoyés (appendNudge), sauf derrière un autre
  message user : éphémères là, pour ne pas casser à chaque tour les gabarits
  à alternance stricte.
- Ils restent reconnaissables (isLokiInjected) : la compaction ne les
  réinjecte pas comme demande en cours et ne les prend pas pour la preuve
  qu'une demande a été servie ; la réduction forcée coupe d'abord aux vraies
  demandes ; le vérificateur, l'export, le titre et le résumeur les sautent
  ou les présentent comme note du système.
- Relance après un 500 sur le llama-server local : mêmes outils, même
  message 0, tool_choice « none » et la consigne au bout du dernier message,
  jamais persistée. Nouveau refus, appel tenté malgré tout ou réponse vide :
  repli une fois sur le chemin historique. Preset externe inchangé.

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

internal/loki/chat_compact.go

@@ -489,9 +489,13 @@ func compactMessages(ctx context.Context, msgs []Message, caps Caps) ([]Message,
 	//     répondre le modèle une seconde fois à une vieille question ;
 	//   - repli sans résumé (mid = torse dégraissé) : ce message y est déjà, il se
 	//     retrouvait en double, cette fois APRÈS ses propres résultats d'outils.
+	//
+	// Un rappel de loki (budget d'outils, relance) a le rôle `user` sans être une
+	// demande (isLokiInjected) : ni il ne prouve qu'une demande a été servie, ni
+	// il ne se réinjecte à la place de la vraie.
 	tailHasUser := false
 	for _, m := range msgs[tailStart:] {
-		if m.Role == "user" {
+		if m.Role == "user" && !isLokiInjected(m) {
 			tailHasUser = true
 			break
 		}
@@ -499,7 +503,7 @@ func compactMessages(ctx context.Context, msgs []Message, caps Caps) ([]Message,
 	summarized := err == nil && !summaryLooksEmpty(summary)
 	var pending []Message
 	for i := len(torso) - 1; i >= 0 && summarized && !tailHasUser; i-- {
-		if torso[i].Role != "user" {
+		if torso[i].Role != "user" || isLokiInjected(torso[i]) {
 			continue
 		}
 		if strings.HasPrefix(msgText(torso[i]), compactSummaryPrefix) {
@@ -620,6 +624,12 @@ func renderTranscript(msgs []Message) string {
 	for _, m := range msgs {
 		switch m.Role {
 		case "user":
+			// Rappel de loki : une note du système, pas une demande que le
+			// résumé devrait attribuer à l'utilisateur.
+			if isLokiInjected(m) {
+				fmt.Fprintf(&b, "System: %s\n", msgText(m))
+				continue
+			}
 			fmt.Fprintf(&b, "User: %s\n", msgText(m))
 		case "assistant":
 			if t := msgText(m); t != "" {
@@ -904,12 +914,26 @@ func shrinkToFit(msgs []Message, actual int) ([]Message, bool) {
 		head++
 	}
 	for estimateTokens(out) > target {
-		next := -1
+		// Coupe d'abord aux vraies demandes : couper sur un rappel de loki
+		// jetterait la demande en gardant la fin de sa boucle d'outils. Un
+		// rappel ne sert de coupe qu'en dernier recours, quand il n'y a plus
+		// aucune demande après la tête (une seule longue boucle d'outils) —
+		// comme avant qu'ils soient persistés.
+		next, nudge := -1, -1
 		for k := head + 1; k < len(out); k++ {
-			if out[k].Role == "user" {
+			if out[k].Role != "user" {
+				continue
+			}
+			if !isLokiInjected(out[k]) {
 				next = k
 				break
 			}
+			if nudge < 0 {
+				nudge = k
+			}
+		}
+		if next < 0 {
+			next = nudge
 		}
 		if next < 0 {
 			break