fix: preserve source language in compression prompts

[LAN-SHH]

Fixes #493

What changed

• Add a shared LANGUAGE_PRESERVATION_RULE to the canonical compression prompts.
• Apply it to the philosophy, T1, T2, and T3 rules, plus the builtin lean Pi pack.
• Require summaries to use the source conversation's primary language, preserve mixed-language segments, and retain technical literals when the tier's existing fidelity rules keep them.
• Add regression coverage for all rendered nudge modes, lean-pack guidance, and the three byte-stable prompt fixtures.

Why

A billion-context session was observed switching from Chinese to English after a compression fold. The shared compression prompt contract did not explicitly preserve the source language. This fixes the contract at the kernel source rather than post-processing model output.

History drift and cache-seam observations are intentionally out of scope; they have separate causes and existing tracking.

Verification

• Focused prompt, pack, and fixture tests: 57/57 passed.
• npm run typecheck: passed.
• npx tsup and npx tsc --emitDeclarationOnly: passed.
• Full npm test: 1207 passed, 1 pre-existing Windows path-separator assertion failed in tests/ccr.test.ts:939 (actual backslash state path, expected POSIX slash path).
• The repository npm run build uses Unix-only rm -rf and fails before build on Windows; equivalent PowerShell cleanup plus tsup/declaration steps passed.
• Repository-wide format:check is already red on the baseline (187 files); changed TypeScript files pass scoped Prettier checks.

This changes a load-bearing prompt contract and is intentionally human-gated per AGENTS.md.

[ranxianglei]

🤖 Powered by ework · qwen3.8-27b

[bot] 🏷 已完成对 PR #495 的审阅(非重做——这是已完成的 PR,按 [PR] 流程核对代码 + CI + 本地定向验证)。

查重结论(重要):发现并行 PR #494(agent 处理 #493 时提交,2026-10-02T01:08Z,CI 曾 4/4 绿)与本 PR 修同一缺口、同 base(e7e1614)、同文件集、prompt 文本互相冲突——只能合一个。判定为意图重复(差异仅在实现形式)。处置:已关闭 #494(附说明评论;分支 2026-10-02_language-preservation@da1b1fe 保留,可重开)。若你更想要 #494 的逐层冗长措辞(显式跨层蒸馏条款、模块头 incident 注释、独立 12-test 文件),说一声我立即换边。

两 PR 对比(供决策留痕):

	#494 (agent)	#495 (本 PR)
结构	四处内联措辞(philosophy bullet + T1 段 + T2/T3 各一句 + lean 行)	单一共享常量 LANGUAGE_PRESERVATION_RULE 注入 philosophy/T1/T2/T3/lean
漂移风险	五份文本日后可能各自漂移	单一事实源,改措辞只动一处
diff	+187 行	+49 行
builder 覆盖	独立测试文件直接断言三个 builder	经重新生成的三个 byte-stable fixture(tests/surface-config.test.ts 逐字节钉死三个 builder 输出)
其他	模块头 incident 注释、T2/T3 显式"跨层不翻译"	技术字面量条件化("when the tier's fidelity rules retain them"——与 T3 ultra-condense 的丢弃语义自洽,#494 的 "always stay as written" 在 T3 反而与其保真规则冲突)

推荐保留本 PR:DRY 设计 + 最小 diff + 措辞与层级保真规则更自洽。

本地验证(worktree @ head 1eedab9):typecheck ✅;定向测试 prompts/packs/nudge-text/nudge-sections/nudge/ccr = 160/160 ✅;surface-config(fixture 字节比对)= 17/17 ✅;改动 TS 文件 prettier --check ✅。tests/ccr.test.ts:939 在你报告的 Windows 环境失败、Linux 不复现——与"pre-existing path-separator"说法一致,且 GitHub CI 两个 workflow 均 success。

回归审查(触碰路径的既有行为逐项):

• src/compression-rules.ts 四个常量消费者 = src/prompts.ts(defaultPrompts)、nudge 渲染、src/packs.ts lean —— 纯文本追加,零逻辑变更;
• 三个 byte-stable fixture 从真实 builder 输出再生成,字节比对测试通过 → fixture 与输出无漂移;
• LEAN_HOW_TO_COMPRESS 长度门禁 3100→3400(有标注,沿用 Compression guidance loses still-open user objectives across multi-hop distillation #442 先例);无其他预算引用;
• pipeline 节点/顺序、ref 处理、wire 格式、state schema、nudge cadence、依赖面:均未触碰。

结构化七问:

1. 是什么问题:压缩 prompt 契约只规定摘要「写什么」,没规定「用什么语言写」——中文会话 fold 后模型可把摘要切成英文,摘要成为该区间唯一记录,后续轮次被连带带偏。
2. 什么原因导致的:契约缺口本身。四个规范常量(shared philosophy、T1/T2/T3)无任何语言条款;与请求路由/wire 无关,非表面现象。
3. 怎么修复的:单一共享常量注入全部四个规范契约 + lean pack,一处定义处处引用;摘要必须用源会话主语言、单语未经用户要求不翻译、混合语言逐段保留、技术字面量按层级保真规则保留原文。
4. 是否有回归问题:无。上述既有行为逐项审过,唯一行为变化就是修复本身(见下披露)。
5. 是否破坏缓存:kernel 自身无缓存;adapter 侧 standing compress prompt(nudge + 三个 system prompt builder + lean pack)静态前缀变化,下次 kernel bump 时 prefix cache 移位一次——任何 standing-prompt 修订的固有代价,PR 描述已披露。
6. 是否改了设计方向:否。纯契约补齐,无配置面/wire shape/持久化/翻译后处理,完全符合 fix: preserve conversation language in compression summaries #493 验收标准三条。
7. 是否引入新配置:无。

行为变更披露(old → new):旧 = 四个契约均无语言要求,fold 后摘要语言可漂移;新 = 所有模型生成摘要必须用源会话主语言,单语会话除非用户明确要求否则不翻译,混合语言段落逐段保留,技术文本(代码/命令/标识符/引用)在层级保真规则保留它们时恒按原文。原因:#493 报告的真实事件暴露的契约缺口。

门禁:触碰 §7.3 kernel-owned contract #7(load-bearing Prompts rules),人工合并。结论:可合并——建议人工合并本 PR(合并后自动关闭 #493);#494 已作为重复关闭留档。

[LAN-SHH]

Reviewed the bot report. I will keep #495 as the single fix for #493; #494 is a duplicate and should remain closed. No further code changes are needed: the shared rule covers the canonical prompts and builtin lean pack, the wording is tier-aware, and the prompt/pack/fixture tests, typecheck, build artifact, and CI checks are green. The remaining Windows path assertion is pre-existing and unrelated. This PR is intentionally left open for maintainer review; I will not merge it.

[ranxianglei]

🤖 Powered by ework · qwen3.8-27b

[bot] 🏷 收到确认,无异议。当前状态定稿:

• PR fix: preserve source language in compression prompts #495:保持打开,等待 maintainer 人工合并(触碰 §7.3 load-bearing prompt contract,按 AGENTS.md 必须人工合并;我不会合并)。合并后自动关闭 fix: preserve conversation language in compression summaries #493。
• PR fix(prompts): preserve source conversation language in compression summaries #494:保持关闭(重复项,分支 2026-10-02_language-preservation@da1b1fe 已留档,需要时可重开)。
• 代码:无进一步改动。Windows path-separator 断言(ccr.test.ts:939)为既有问题、与本 PR 无关——如后续要处理它属于独立机制缺陷,届时单独立项。

本 issue 侧工作完成,无未决事项。

[ranxianglei]

Independent agent review — 结论:可合并(人工)。

按 §7.3 契约 #7(load-bearing Prompts rules)做独立复核。#494 关闭评论里的对比分析 + 本条 = 两个独立 agent review,合并仍归人工。

独立复验(head 1eedab9,亲手跑)

• 本地全量 1208/1208、typecheck 干净、prettier 干净;CI 4/4 绿与之吻合。
• rebase 到当前 master(ad3d0b9,已含 ref-widening fix(refs): widen ref capacity to 9,999,999 — hybrid widths (#483) #496)零冲突,再跑全量 1213/1213。BEHIND 只是 master 前进,文件集与 fix(refs): widen ref capacity to 9,999,999 — hybrid widths (#483) #496 完全不相交 —— 直接合并或先 rebase 均可。
• 五个注入点逐一核对:COMPRESS_PHILOSOPHY(bullet 形式,大写开头与既有 bullet 一致)/ HOW_TO_COMPRESS_RULES / TIER2_DISTILL_RULES / TIER3_CONDENSE_RULES / LEAN_HOW_TO_COMPRESS —— 纯插入,零删除零重排,四个常量原文逐字节保留(diff 逐行核过)。

设计判断(为何共享常量是对的)

• 单一事实源:一条 LANGUAGE_PRESERVATION_RULE 注入五处,措辞跨层不可能漂移 —— 这是相对 fix(prompts): preserve source conversation language in compression summaries #494 按层改写的实质优势,49 行 vs 187 行。
• verbatim 条款的限定词聪明:"Keep code, commands, identifiers, and quoted text verbatim when the tier's fidelity rules retain them" —— 把保真度决定权交回各层规则,与 T3 ultra-condensation(可整体丢弃引文)无冲突;语言约束只管「保留内容的语言」,不管「保留多少」。
• T2/T3 语境下 "source conversation" 严格说源是上层摘要,语义仍清晰(保持链路源头语言,蒸馏不跨层翻译),不构成阻塞。

覆盖面(测试有效性)

钉住了全部投递路径,与 #494 的 12 测试文件等价但更省:

• 4 个契约常量 includes 新规则(prompts.test.ts)
• 4 种 nudge voice(default/emergency/tier-2/tier-3)renderNudgeText 断言 —— nudge 路径没有漏
• lean pack 双 needle("Preserve the source conversation's primary language" + "Do not translate a monolingual conversation without a user request")+ 上限 3100→3400(message 注明 fix: preserve conversation language in compression summaries #493/Compression guidance loses still-open user objectives across multi-hop distillation #442 缘由)
• 3 个 byte-stable fixture 重新生成 → surface-config 把三个 system prompt builder 逐字节钉死

未来任何提交从任一层删掉该条款,fixtures(字节比对)或 nudge 断言至少一处会红。有牙。

行为披露确认

唯一行为变化 = 摘要语言要求本身;adapter 侧 compress standing-prompt 前缀变化 → kernel bump 时 prefix cache 一次性平移,任何 standing-prompt 修订的固有代价(#442 同款),PR 正文已披露。无 wire/持久化/配置面变更。

一句话:修的是契约根因层,实现最小、单一事实源、全路径钉死、双环境全绿 —— 请人工合并。

[ranxianglei]

🤖 Powered by ework · qwen3.8-27b

[bot] 🏷 收到独立复核,结论一致。补一项我刚做的交叉验证(针对你提到的 rebase 前提):

• GitHub API 确认 fix(refs): widen ref capacity to 9,999,999 — hybrid widths (#483) #496 已于 2026-10-02T05:16:33Z 合并,merge commit = ad3d0b9(ref-widening ref capacity exhausted: the ref map's 5-digit ceiling permanently bricks long sessions (restart does not help) — widening is implemented in PR #496 #483)。
• 本地核对文件集交集:fix: preserve source language in compression prompts #495 的 7 个文件(src/compression-rules.ts、src/packs.ts、3 个 fixture、tests/prompts.test.ts、tests/packs.test.ts)与 ad3d0b9 相对旧 base e7e1614 新增的变更文件(fix(refs): widen ref capacity to 9,999,999 — hybrid widths (#483) #496: src/boundaries.ts、src/ccr.ts、src/protected.ts、src/refs.ts + 4 个测试)零交集 → 你的"rebase 零冲突"判断成立,直接合并或先 rebase 均可。

我侧不再对 PR 做任何操作(不合并、不强推、不改代码)——按 §7.3 契约 #7 留待人工合并。两个独立 agent review(本条线程 + #494 关闭评论里的对比分析)均已给出可合并结论,等 maintainer 拍板即可。

[ranxianglei]

Owner 设计决定:语言保持条款改为可选项,默认关闭。

方向认可、实现质量也已过审,但 owner 拍板该条款不应常驻注入 —— 需要按下面的形状返工:

要求

1. 新增开关,默认 OFF:内核配置面加一个布尔项(如 languagePreservation,默认 false/undefined)。默认路径下,philosophy / T1 / T2 / T3 / lean pack 的输出必须与当前 master 逐字节一致(零行为变化、零 standing-prompt 变化、kernel bump 时无 prefix-cache 平移)。
2. 开启时注入:flag 为 true 时,把 LANGUAGE_PRESERVATION_RULE 注入全部五个投递点(philosophy bullet、T1/T2/T3 段落、lean pack 浓缩版)。共享常量的单一事实源设计保留 —— 这正是本 PR 的优点。
3. fixtures 回退:三个 byte-stable fixture 恢复原样(默认路径没变);改为新增 opt-in 断言 —— 开 flag 后三个 system prompt builder 输出含条款、四种 nudge voice 含条款、lean pack 含条款。默认关闭路径断言字节不变。
4. 测试上限调整(packs.test.ts 3100)相应还原,改为对 opt-in 后长度的断言。

理由(为什么默认关)

常驻注入把 ~90 词条款加进所有会话的压缩 prompt,而语言漂移问题只影响非英文主语言用户 —— 对不受影响的用户是纯 token 成本 + 一次全量缓存平移。做成 opt-in:需要的人(中文等非英文会话用户)显式开启,行为可预期;adapter(billion-context)后续在 pin 升级时把开关透传(BILI_LANGUAGE_PRESERVATION 一类),用户/宿主按需打开。

单一共享常量 + 纯 opt-in 的组合,返工量应该不大:注入点都留好,只是从"无条件模板拼接"改成"flag 门控拼接"。期待 rework,过审后人工合并。

[ranxianglei]

🤖 Powered by ework · qwen3.8-27b

[bot] 🏷 收到设计决定,开始返工。确认理解的目标形状:

1. 配置面新增布尔开关(默认 OFF/undefined);默认路径五个投递点输出与当前 master 逐字节一致(零行为变化、零 prefix-cache 平移)。
2. flag=true 时经共享常量 LANGUAGE_PRESERVATION_RULE(单一事实源保留)注入全部五点:philosophy bullet、T1/T2/T3 段落、lean pack。
3. 三个 byte-stable fixture 回退到 master 原样(继续钉死默认路径);新增 opt-in 断言:三个 builder 含条款、四种 nudge voice 含条款、lean pack 含条款。
4. packs.test.ts 上限还原 3100,改为对 opt-in 后长度断言。

实现策略(待读码确认后执行):四个规范常量回归 master 原文,注入从「常量内嵌」改为「构建期 flag 门控拼接」——所有投递路径(nudge 渲染、system prompt builder、packs)统一走同一解析点取有效文本,保证开/关两态行为一致。rebase 到当前 master(ad3d0b9)后定向验证(typecheck + prompts/packs/nudge*/surface-config),全量交给 CI,然后推 commit 到 PR 分支并同步更新 PR 描述的行为披露。

[ranxianglei]

Rework 已按 owner 决定直接落在你的分支上(maintainer 修改通道,你的提交与署名保留):commit c89994c。

上一条评论的"可选默认关闭"已实现,CI 4/4 绿,MERGEABLE(BEHIND 仅因 master 前进了 #496,文件集不相交,无冲突)。改动内容:

实现

• LANGUAGE_PRESERVATION_RULE 常量原样保留(你的措辞一字未动),但四个 canonical 常量回到 master 字节——默认 prompt 面零变化。
• resolvePrompts 新增 { languagePreservation: true }:开启时把规则追加到全部四段(philsophy 作新 bullet、T1/T2/T3 作尾段)。纯追加、不动 load-bearing 原文,因此不需要 acknowledgeRisk;骑在已确认的 override 之上也成立。
• lean 面:静态文本回退到 base,新增 leanHowToCompress(languagePreservation=false) helper(lean 槽位不走 resolvePrompts,故单独给出口)。
• index.ts 导出 LANGUAGE_PRESERVATION_RULE + leanHowToCompress,adapter(billion-context)后续 pin 升级时把开关透传给宿主。
• 三个 byte-stable fixture 回退为 master 原文(默认路径字节不变的证明);新测试钉:默认关(4 常量 + resolvePrompts 输出均无规则、字节等同)、开启后 4 常量追加、4 种 nudge voice 开含关不含、3 个 system builder 开含关不含、lean helper append-only。

效果

默认:零 token 成本、零行为变化、kernel bump 无缓存平移。开启(host/用户显式):五个投递点(philosophy/T1/T2/T3/lean)全部生效,单一常量事实源不变。

全量 1212/1212、typecheck/prettier 干净。等 owner 人工合并(§7.3 契约 #7)。感谢首发 —— 共享常量的单一事实源设计是这次返工能这么小的原因。

[ranxianglei]

🤖 Powered by ework · qwen3.8-27b

[bot] 🏷 收到——rework 已直接落在分支上(c89994c),我这边并行进行的本地实现立即作废丢弃,不推送、不干扰。转入独立验证姿态:拉取 c89994c 实际 diff 逐项核对(常量字节回退、resolvePrompts 门控语义、lean helper、fixture 回退、测试断言有效性)、本地定向跑 typecheck + prompts/packs/nudge*/surface-config、核对 CI 状态,随后按结构化七问给出验证结论。若发现与描述不符之处会如实指出。

[ranxianglei]

🤖 Powered by ework · qwen3.8-27b

[bot] 🏷 独立验证完成(c89994c 实际 diff + 本地定向检查 + CI)。期间注意到分支又前进了一个提交:a5c6d76 = 「Merge branch 'master'」(把 ad3d0b9 并进 PR 分支),该 merge 只带入 #496 的 8 个文件,#495 自身文件零触碰、无冲突——我对 c89994c 的全部核对结论对当前 head 原样成立。

逐项对照 owner 决定(验收标准):

1. 默认关、默认路径字节不变 ✅ —— 与 master(ad3d0b9)逐字节比对:四个 canonical 常量、LEAN_HOW_TO_COMPRESS、三个 fixture 全部 IDENTICAL;src/compression-rules.ts 相对 master 的唯一差异是新增 LANGUAGE_PRESERVATION_RULE 块,src/packs.ts 唯一差异是 import + leanHowToCompress helper。测试钉死:resolvePrompts() 输出与四常量逐一 assert.equal(字节等),且所有字段不含规则文本。
2. 开启后五个投递点全覆盖、单一常量事实源 ✅ —— resolvePrompts(undefined, { languagePreservation: true }):philosophy 追加 - ${RULE} bullet,T1/T2/T3 各追加 \n\n${RULE} 尾段;lean 面 leanHowToCompress(true) 追加。全部引用同一个 LANGUAGE_PRESERVATION_RULE 常量(prompts.ts / packs.ts 各自 import,无第二份文案)。骑在已确认 override 之上成立:测试钉死 CUSTOM RULES + flag → 精确等于 CUSTOM RULES\n\n${RULE}。
3. fixture 回退 + 双向断言 ✅ —— 三 fixture 回退为 master 字节(字节比对证实);新断言覆盖:默认关(常量+resolvePrompts 输出)、三个 system builder(on 含 / off 不含)、四种 nudge voice(on 含 / off 不含,逐 decision 双向)、lean helper(默认返回基文本、builtin 面 === 基文本、开启为纯前缀追加)。断言有牙:任何投递点漏注入或默认路径漂移都会红。
4. ceiling 恢复 ✅ —— packs.test.ts 上限回到 3100,标注改为只提 Compression guidance loses still-open user objectives across multi-hop distillation #442;开启后的长度约束改由新 lean 测试的前缀+双 needle 断言承担。

acknowledgeRisk 交互:throw 检查先于合并执行,flag 是合并后的纯追加——不触发也不干扰既有 override 门控,语义对现有调用方零变化(src 内无其他 resolvePrompts 消费点,surface-config.ts 仅注释提及)。

本地定向验证(worktree @ c89994c):typecheck ✅;tests/{prompts,packs,nudge-text,nudge-sections,surface-config}.test.ts = 90/90 ✅;prettier 对全部 7 个改动 TS 文件 ✅。CI(a5c6d76):4/4 success(test×2 / build-artifact / pr-validation),base = ad3d0b9,mergeable_state = clean(我查到的瞬时 blocked 是 merge 提交的 checks 尚在跑,现已全绿)。全量回归以 CI 为准,未本地重复跑。

结构化七问:

1. 是什么问题:验证 owner 落在分支上的返工是否如描述实现「默认关的 opt-in 语言保持」。
2. 什么原因导致的:验证任务,无新缺陷;原始 fix: preserve conversation language in compression summaries #493(压缩后语言漂移)的修复机制不变,变的是注入从无条件改为 flag 门控。
3. 怎么修复的:已核实——规则常量单一事实源,注入点收敛到 prompt 解析边界(resolvePrompts 选项 + leanHowToCompress 参数),纯追加、不触碰 load-bearing 原文。
4. 是否有回归问题:无。既有行为清点:默认 prompt 面(四常量/lean/builder/nudge)字节等同 master(字节比对+fixture 测试双重证实);override 门控逻辑顺序未动;pipeline/ref/wire/state/cadence/tool schema 零触碰;fix(refs): widen ref capacity to 9,999,999 — hybrid widths (#483) #496 交互文件集不相交且组合 head CI 绿。一个非阻断观察:若宿主自定义 override 里手工塞了同一段规则文本又开 flag,会重复出现一次——纯文案冗余、需刻意构造才触发,不构成问题。
5. 是否破坏缓存:默认关 ⇒ kernel bump 对所有用户零缓存平移(v1 方案的一次性全量平移已消除);仅显式开启的宿主付一次性平移成本。
6. 是否改了设计方向:无架构转向。一处相对我原规格措辞的有意简化如实报告:开关没有落进 Config 接口(types.ts 未动),而是 resolvePrompts 选项 + lean helper 参数——即由 adapter 持有设置并透传,与你落地描述的形态一致,确认这是有意设计即可。
7. 是否引入了新的配置:新增可选 languagePreservation,默认 false/undefined,无需迁移;index.ts 新增导出 LANGUAGE_PRESERVATION_RULE + leanHowToCompress(纯增量 API 面)。

判定:验证通过,可人工合并。 §7.3 契约 #7(load-bearing Prompts 规则)名义上仍属 human-gated 范畴——尽管现在默认路径字节不变、风险面已收敛到显式 opt-in,仍按你的流程走人工合并,合并后自动关闭 #493。我此前的并行实现已全部丢弃,工作区干净,未推送任何内容。