perf(context): Tier 1 迷你卡按实测收窄 —— 无来源只留工具名，URL 上限 3→1

[zhanghanduo]

为什么

Tier 1 迷你卡（0.8.x 起在 _elided_tool_card）此前对每一条被压缩的工具结果一视同仁：
120 字符的 args 预览 + 最多 3 个来源 URL。在 ApodexHarness 上用 12 个真实长跑研究 trial
（1337 条被压缩结果、约 13.5k 个即将被丢弃的来源 URL）量了它的成本与收益，两处按数据收窄。

URL 上限 3 → 1

	留 3 个	留 1 个
URL 总保留率	16.5%	7.8%
每次检索至少留一个来源	99.2%	99.2%

下游唯一消费的量是后者 —— 一次检索有没有留下一个可追溯的出处（引用报告需要的是
出处，不是一次搜索的全部 20 个链接）。那个由第一个 URL 就达成，769/775。多留的两个
URL 每个约 120 字符，买的是一个没有读者的百分比。

无来源的结果只留工具名

1337 条里 435 条（33%）根本没有来源 —— shell 命令、任务板更新、写文件。

卡片存在的前提是「不要重做那些出处还看得见的工作」。没有来源，这个前提就不成立；而且
重复这类调用通常是合法的（它读的状态变了 —— date 两次、编辑后重读文件）。所以它们的
args 不构成决策信息，不值 120 字符的预览。

判据是「正文无 URL 且 args 无 URL」，不是单看正文：

# A source can live in the arguments rather than the body: web_fetch's argument
# IS the url. So "no URL in the body" must not be read as "no source".
if not URL_RE.search(content) and not URL_RE.search(args_preview):
    return f"[Called: {tool_name}]" if tool_name else ""

只读正文会把 web_fetch 唯一的来源剥掉。

Consumer impact

需要「每个论断多个独立来源」的 host 现在应当显式抬高 _MINI_CARD_MAX_URLS，
而不是继承 3。其余不变：卡片仍然说明调用、仍然在有来源时带上来源，
placeholder / recovery_footer 契约完全未动。

成本

压缩配置	压缩后 context	卡片成本占比
激进 keep_last_k=5	~11k/trial	25.0%（约 49.6k tok / 12 trial）
产品实际用的 tiered	150–200k	2–3%

keep5 下成本主体是卡片的条目数（1337 条）而非单条长度；要再降只能限制出卡条目数，
而那会牺牲「引用方可以引用任意时刻采集的来源」。keep5 不是产品配置，故不引入该取舍。

这些数字怎么来的

不是 accuracy 实验 —— 那条路走过了，测不出东西。在 ApodexHarness 的 browsecomp_200
后 40 题上跑过两轮两臂 A/B（同题、同 profile、同凭据）：

轮次	压缩配置	基线	带卡片	McNemar
1	tiered（阈值 209,715，实测峰值中位 153k → 卡片几乎没触发）	35.0%	42.5%	p=0.453
2	keep_last_k=5（每轮压缩，卡片确实生效）	50.0%	47.5%	p=1.000

方向相反、都不显著。原因不是改动无效，而是卡片的收益不在准确率上：它保住的是
来源可追溯性（基线 769/769 条含 URL 的结果压缩后一个 URL 不剩，即 0%），消费者是需要
引用出处的报告合成，而 browsecomp 是 exactMatch 短答案、不需要任何引用。

所以本 PR 的依据全部是机制性量化（URL 覆盖率、成本占比），不引用那两轮 accuracy。

测试

• 4 条既有断言随行为更新：有来源才谈 args；URL 上限 1；超长与多行 args 改用带来源的调用
  （否则那两条测不到 args 路径）
• 新增 4 条：无来源只留工具名、来源在 args 里仍出完整卡片、无来源卡片长度不足有来源的
  一半（成本降低是本 PR 的目的，直接断言它）、URL-heavy 正文也只留 1 个
• pytest tests/ -q → 1485 passed；ruff check → 0 error