s09_memory：snip_compact 触发后 引发 memory_turn 索引漂移，该轮已检索到的记忆没注入进 prompt

[ClearVIper3]

背景

s09 的 agent_loop（s09_memory/code.py）用整数下标 memory_turn 标记“把记忆内容注入到哪条 user turn”：

  memory_turn = len(messages) - 1 if messages and isinstance(messages[-1].get("content"), str) else None

但这个下标是在 s08的compact运行之前一次性算好的。如果进行snip_compact会原地改短/重建消息数组，使之后面的所有下标都偏移：

  messages[:] = tool_result_budget(messages)
  messages[:] = snip_compact(messages)          # len>50 时砍掉中间，数组变短
  messages[:] = micro_compact(messages)
  if estimate_size(messages) > CONTEXT_LIMIT:
  messages[:] = compact_history(messages)   # 整个数组换成 1 条摘要

注入处只有一道“越界保护”：

  if memories_content and memory_turn is not None and memory_turn < len(messages):
      request_messages[memory_turn] = { ... 注入 memory ... }

压缩后 memory_turn 已不再指向那条 user query，于是 memory_turn < len(messages) 为False，记忆注入被整段跳过——这一轮模型看不到已检索到的记忆。这恰好发生在“对话变长、压缩触发”时，与 s09 “压缩会丢细节，要有一层不丢的 / 跨压缩、跨会话”的核心命题直接矛盾。

修复建议

根因是“先算下标、后压缩”。修复只改 agent_loop（不碰 compact_history / reactive_compact）：把“记下标”改成“记消息对象”，压缩后每次用身份比较重新定位；若 query 被
compact_history 摘要掉，则回退到“最后一条 str 内容的 user turn”（即摘要消息），保证记忆仍注入、不会静默丢失。

1. 在 agent_loop 开头改为捕获消息对象：

      memories_content = load_memories(messages)
      # 捕获当前 user turn 的*对象*，而非下标。压缩管线会改短数组、偏移下标，
      # 预计算的下标会漂移（记忆被静默丢弃）。改为压缩后按身份重新定位。
      memory_msg = messages[-1] if (messages
          and isinstance(messages[-1].get("content"), str)) else None
      system = build_system()

2. 新增一个按身份重新定位的辅助函数（放在 agent_loop 之前）：

  def _find_memory_turn(messages, memory_msg):
      """按对象身份定位要注入记忆的 user turn。

      s09 bug fix：压缩管线会改短/重建 messages，预计算的下标会漂移并静默丢弃
      记忆注入。每次压缩后按身份重定位。只返回 str 内容的 user turn，调用方可以
      安全地用字符串拼接把记忆接到 content 上。
      """
      if memory_msg is not None:
          for i, m in enumerate(messages):
              if m is memory_msg:
                  if isinstance(m.get("content"), str):
                      return i
                  break  # 对象还在，但已不是纯文本 turn
      for i in range(len(messages) - 1, -1, -1):
          if messages[i].get("role") == "user" and isinstance(messages[i].get("content"), str):
              return i
      return None

3. 循环内、压缩之后重新定位，再注入：

          # 压缩后按*身份*重定位 user turn —— 压缩可能已偏移其下标
          memory_turn = _find_memory_turn(messages, memory_msg)

          try:
              request_messages = messages
              if memories_content and memory_turn is not None:
                  request_messages = messages.copy()
                  request_messages[memory_turn] = {
                      **messages[memory_turn],
                      "content": memories_content + "\n\n" + messages[memory_turn]["content"],
                  }