fix: retry unusable model output in smaller review batches

Leaf batches retry at half and a quarter of the text budget, navigation merges retry once; provider errors are not retried. Adds the long-session acceptance script and records the results.

docs/features/conversation-supervision/progress.md

@@ -4,6 +4,46 @@
 
 当前记录以已验证生产行为为准。监督者尚未覆盖全部 user stories。
 
+## 2026-10-02 长会话验收与 Agent 自主调用图谱
+
+### 长会话验收
+
+`npx jiti scripts/long-session-acceptance.mjs <live.sqlite> .env.deepseek.local <dir> <会话前缀> [failAfter]`：对本机数据库做在线备份，只在副本里归档其他会话、隐藏任务，使回顾只读取一条真实会话；首次运行在第 N 次提取时注入一次提供方失败（不消耗付费调用），再继续同一回顾；完成后用保存的批次片段逐条重建每条消息原文；最后再跑一次心跳和一次默认手动回顾，要求零模型调用。原库不修改。
+
+第一次跑最长会话（389 条消息、约 21.7 万码点、16 天）时，继续回顾三次都失败：两次是模型返回无效 JSON，一次是引用了范围外的来源。原因是一个批次的模型输出不可用时整次回顾立即失败，只能靠反复手动“继续”碰运气。改动：
+
+- 叶子批次输出不可用（无效 JSON、结构不符、引用不存在的来源或实体）时，在同一段待处理正文上缩小到 1/2、再到 1/4（不少于 500 字符）重试，最多 2 次；缩小只是先处理前一部分，其余正文留在待处理里，不跳过、不截断。
+- 导航合并输出不可用时，用相同输入再问 1 次。
+- 提供方错误、超时、取消和响应超出容量不重试，仍按原来的方式失败并保留已保存批次。
+
+改后结果（DeepSeek `deepseek-flash`）：
+
+| 会话 | 首次运行 | 继续 | 覆盖 | 无变化重跑 |
+| --- | --- | --- | --- | --- |
+| 97 条、6.0 万码点、4.9 天 | 第 4 次提取注入失败，已存 3 批 | 1 次完成，16 次调用 | 97/97 条精确重建，0 缺口、0 重叠 | 心跳、手动均 `no_change`，0 调用 |
+| 389 条、21.7 万码点、16.2 天 | 第 7 次提取注入失败，已存 5 批 | 1 次完成，61 次调用（30 提取、31 合并），约 32.5 分钟 | 389/389 条精确重建，0 缺口、0 重叠 | 心跳、手动均 `no_change`，0 调用 |
+
+最长会话共 67 次调用、约 52.7 万输入和 54.8 万输出 Token，发布 237 个事件；失败前保存的批次在继续后全部保留未重算。改动前的同一会话运行（三次继续均失败）记录在 `sl9/long2`，改后中间版本（仅叶子重试，合并失败两次后第三次继续完成）在 `sl9/long3`。
+
+边界：完整覆盖只说明每段原文都进入了成功批次，不代表模型没有遗漏或误读；验收只用了两条会话，没有测多项目全局回顾。
+
+### Agent 自主调用
+
+决定：普通对话不自动注入故事和经验，由 Agent 按需调用 Story Graph 工具。为此：
+
+- 工具说明写明何时应主动调用（继续之前的工作、询问为什么这样决定、在可能有既有约束的领域开始新任务）、何时不调用（闲聊、与项目历史无关的通用问题），用 2～4 个关键词查询，查几次找不到就说明并按当前上下文回答。
+- 搜索改为按词匹配：空格和标点分词，中文按相邻两字切分；一条记录命中整句或至少一半的词即返回，按命中程度排序，故事和经验在同分时靠前。此前 Agent 用“监督者回顾调度”这类自然短语搜索，因为要求整句出现而 0 结果。
+- 搜索结果的预览先显示名称、标题、描述等可读字段，不再以 ID 开头。
+
+验证（`scripts/story-graph-agent-deepseek.mjs`，DeepSeek 函数调用，只给生产工具定义，不提示要用工具）：
+
+| 轮次 | 判断正确 | 说明 |
+| --- | --- | --- |
+| 改前 | 4/5 | 通用编程题也去搜索；继续工作类问题搜了 9～22 次仍找不到内容 |
+| 改后 | 5/5 | 三个项目历史问题都主动调用；数组去重和问候都不调用 |
+
+改后“继续回顾调度，按最后定的方案”能找到并引用 2026-10-02 的故事线模型设计；“导出功能有什么约束”能列出经验和来源。“为什么取消 300 秒自动暂停”仍在搜了十几次后达到对话轮数上限：这次取消发生在数据副本最后一次回顾之后，图谱里确实还没有这条决定，Agent 没能及时停止并说明“没有记录”。
+
 ## 2026-10-02 故事与经验质量抽查
 
 数据：同一份 437 个事件的数据副本上已有的故事归属运行（`sl3/off1`、`sl3/cross2`）和经验抽取运行（`sl4/run1`、`sl4/run2`），以及本次改提示词后的新运行（`sl8/off3`，DeepSeek `deepseek-flash`，12 次调用，约 6.2 分钟）。一致性用“两次运行中同属一个功能的事件对”的重合度（Jaccard）衡量。