Длинная сессия агента умирает не от лимита окна, а от деградации внимания. После 60-70 процентов заполнения модель теряет середину контекста: ранние ограничения, AllowedIPs, запреты на egress и формат вывода перестают влиять на решения, зато каждый новый запрос тащит за собой всю историю и оплачивает её заново. Суверенная схема режет контекст на слои. Пинним 3-5 тысяч токенов invariants, которые никогда не вытесняются. Рабочую память сжимаем в rolling summary каждые 20-30 тысяч токенов. Эпизодическую память храним локально и достаём retrieval только релевантные чанки по 2-4 тысячи токенов, а не всю переписку. На bare-metal vLLM KV-cache остаётся внутри контура, PII не уходит наружу, повторное чтение не превращается в аренду чужого GPU. Экономика прямая. Команда из 20 агентов, 40 сессий в день по 120 тысяч токенов истории — это 96 миллионов токенов перечитывания в сутки без новой пользы. В облаке это счёт и утечка контекста, на своём сервере — амортизация железа и киловатты. Управляйте окном как бюджетом и периметром: https://run-as-daemon.dev/?utm_source=telegram&utm_medium=smm&utm_campaign=rad_ru&utm_content=upravlenie-kontekstnym-oknom-v-dlin
