【Bug + 需求】长对话贴图导致请求体超 32MB 代理上限：413 静默卡死、无预警、无自助恢复入口

**环境**：Windows 11 专业版 (26200) / Cindy 0.1.57 / pi 引擎（pi 0.84.4 运行时）/ 模型 z-ai/glm-5.3-flash（1M 窗口）/ 经宿主代理转发

## 现象

1. 一个长期使用、贴图较多的对话（上下文约 82 万 / 100 万 tokens）从某次请求起全部返回：

```
413 {"type":"proxy_error","reason":"request_body_too_large",
"message":"request body too large: 68201786 bytes exceeds proxy limit of 33554432 bytes"}
```

2. 宿主自动恢复机制重试约 10 次全部 413；此后用户发送任何内容（包括纯文本 `1`、`/compact`）都立即 413，对话彻底无法使用。
3. UI 上表现为"发消息没反应 / 报错横幅"，没有解释原因，也没有可操作的指引。

## 根因

- 用户贴的图片以 base64 内联保存在 pi 会话文件（`{"type":"image","data":"..."}`），每次请求全量重发。
- 该对话文字部分仅 ~3MB，其余 ~65MB 全是历史贴图的 base64。
- token 维度只用了 82%，pi 的 auto-compaction（按 token 阈值触发）不会启动；**请求体字节数是独立维度，宿主与运行时都没有检测**，直到撞上代理 32MiB 硬上限。
- 撞上限后每次重试还会把错误文本追加进历史，请求体继续增大，形成死循环。

## 影响面

所有「贴图密集 + 长期沿用同一对话」的使用方式都会撞上（图证核对、素材确认、截图排障等场景很常见）。当前表现为对话静默卡死且无法自救，用户只能整条弃用。

## 已验证的自救（供参考）

离线备份会话 JSONL 后移除历史图片的 base64（该案例：58 张图，65.76MB → 3.55MB），对话立即恢复可用——说明请求体降下来后 session 本身没有损坏，可救。

## 建议（按优先级）

1. **接近上限时主动预警**：宿主发送前已知请求体大小，≥70% 时横幅提醒"贴图过多，建议清理旧图或新开会话"，≥85% 强提醒。
2. **413 给可操作的错误提示**：明确告知"请求体超 32MB 上限 + 已停止自动重试 + 建议清理旧图 / 新开会话"；413 时不要自动重试（只会越滚越大）。
3. **UI 提供 `/compact`（手动压缩上下文）入口**：pi 运行时本身支持 compaction，且其总结请求是文本序列化（工具结果截断 2000 字符），可绕过体积上限。目前在 Cindy 输入框输入 `/compact` 会被当成普通消息发出（同样 413）。这个入口能同时缓解 token 与请求体两个维度的膨胀。
4. **官方"清理历史图片"能力**：保留 UI 展示与本地 blob，仅从发给模型的请求副本中移除或降采样历史贴图（目前用户只能脚本改文件，建议产品化）。
5. 顺带一个小 bug：powershell/bash 守卫误报。正常命令（如 `python xxx.py`、rclone lsf、含 `$env:` 或 `$变量` 的命令）偶发被拦，报 "Direct Pi extension changes are unavailable through bash. Use cindy_pi_extension..."；同一命令去掉 `$` 变量后即可执行，疑似守卫正则误匹配，值得排查。

Start with the host request path, the UI message input, and the pi session JSONL handling described in the report; verify how oversized requests, 413 responses, retries, and `/compact` are currently routed. Done means the affected flow has a clear size warning, actionable 413 handling without runaway retries, and a recovery path for image-heavy sessions, with the scope of the PowerShell/bash guard bug decided separately.

Written by the indexing model from the issue text.