把编码代理的 harness 拆开来测：上下文管理的价值大半是「别撑爆窗口」
176 组配对实验、四款模型、两个基准：规划对弱模型是精度脚手架、对强模型是省钱工具；让被裁剪的上下文可恢复几乎没人用；预定义工具只对 bash 弱的模型有明显收益（+15.0%），bash 强的模型只给 bash 更便宜。
176 组配对实验、四款模型、两个基准：规划对弱模型是精度脚手架、对强模型是省钱工具；让被裁剪的上下文可恢复几乎没人用；预定义工具只对 bash 弱的模型有明显收益（+15.0%），bash 强的模型只给 bash 更便宜。