精确输入编码

InferenceConfig.input_encoding 按操作选择输入表示，未指定的操作默认 off。当前接入 atomic_memory.extract、atomic_memory.reconcile、experience.generate 和 experience.incubate； 未知或尚未接入的操作会在配置加载时拒绝。Experience 生成与孵化分别控制，Skill、Profile、Handoff、 Topic Memory 尚未接入本编码策略。

InferenceConfig(input_encoding={
    "atomic_memory.extract": "shadow",
    "experience.generate": "shadow",
    "experience.incubate": "off",
})

Server 可通过 JSON 环境变量配置：

POWERCONTEXT_SERVER_INFERENCE_INPUT_ENCODING='{"experience.generate":"shadow"}'

旧的 atomic_memory_input_encoding 配置及 POWERCONTEXT_SERVER_INFERENCE_ATOMIC_MEMORY_INPUT_ENCODING 环境变量继续作为两个 Atomic Memory 操作的默认值； 显式操作配置优先，包括显式 off。配置序列化后，后台 worker 使用相同选择规则。 编码不修改 Source、Artifact、PreparedContext 或 Embedding 输入，也不增加辅助模型调用。

在对应操作和目标模型通过下述验收前，保持默认 off。 shadow 可以在发送原文时观察编码候选是否适用，不能证明模型会如何理解编码输入。

模型实际收到什么

active 选中候选后，模型收到的是包含解码说明和共享值表的编码 JSON。 Python 在发送前本地解码候选，检查能否精确还原；实际发给供应商的候选不会再展开为普通 JSON。 模型需要按照输入中的解码说明理解证据。

共享引用不提供隐私脱敏。例如 ["r",0] 表示同一份输入中 shared[0] 保存的完整原值， 供应商仍然能看到这个值。共享一个值不表示使用它的记录属于同一实体、事件或权限。 推理保护负责检查内容是否允许发送；编码不会把敏感值替换为匿名身份。

如果上游证据本来就含有 <PERSON_1> 或 ${API_KEY} 这样的字面标记，编码会保留它们。 codec 没有标记到隐藏身份或凭据的映射，也不展开环境变量。保留这些字节，不代表模型一定不会猜测 隐藏值或建议搜索它们。

首个 codec shared-json-v1 将严格相同的长正文、metadata 或结构值保存一次，在有序原树的每个出现位置保留引用。 例如同一个项目的 metadata 同时出现在正文投影、来源元信息和多条 Source 中，只共享值，不合并 Source。 不同记录的身份、时间、journal position、引用、顺序和重复出现仍然全部保留。 原树使用带类型的对象、数组和引用节点，用户自己的 $ref 字段不会被当作内部引用。

Atomic Memory 使用兼容的 shared-json-v1。Experience 的 shared-json-v2 进一步支持正文字符串内部的 规范 JSON，以及保留原始换行符的完全相同文本片段。它能处理不同 Source 身份包裹的重复内容， 同时保留每条 Source 的身份、片段顺序和出现次数。非规范 JSON 字符串不被重新格式化。 候选是否采用仍取决于完整表示的收益与还原检查；公共数据中没有合适重复时继续使用原文。

解码说明要求重建后的内容仍作为不可信证据；它不授权工具调用，也不把证据中引用的指令变成可执行命令。

启用 active 前验证模型行为

active 是试验能力。程序能够完整还原 JSON，不等于模型阅读编码后质量不变或推理更便宜。 模型可能混淆记录归属、把 JSON 字符串当成对象、忽略重复出现，或消耗更多输出 Token 理解表示。 输出预算耗尽也可能导致无法交付。

使用相同的代表性证据、目标模型、Prompt、输出 schema、策略和预算，对比 off 与 active， 并将 shadow 作为发送原文的对照。每个操作独立验收；提取结果不能代表调和或 Experience 生成、孵化。 检查生成事实与引用、失败和未完成的尝试、延迟，以及包含重试的输入加输出完整用量。 缺失用量继续标记为未知，不能仅凭输入字节减少通过验收。

至少覆盖表示误解会改变任务结果的情况：

codec 回归验证精确还原、字面标记、记录身份和数据类型。Runtime 测试使用受控模型响应；worker 测试 虽然启动真实进程，但受控 HTTP 供应商通过 Python 解码输入。这些测试证明传输和工作流行为， 不能证明真实模型能解读格式或保持任务含义。真实模型验收不能用程序解码器替代模型，也不能把固定的 mock 答案当作质量证据。

候选选择与强制检查

每次候选都必须还原成与原始阶段 JSON 完全相同的字符串，包括键顺序、Unicode、代码、空白字符串、 null、布尔值、1 与 1.0。解码说明、值表和引用开销都计入相同的估算器；只有字节更少且 至少减少 32 个估算 Token、同时减少至少 5% 才能采用。字节或估算变小不保证供应商实际 Token 下降。 输入大小、深度、节点数、共享值数量和解码展开均有上限，超限或不支持时保留原表示。 未知自定义 Artifact Prompt 使用原表示，避免改变它依赖的输入字段契约。

Atomic Memory 的阶段预算和生成器使用相同的表示选择。Experience 保留原有证据数量/长度与请求限制， 完整模型请求仍由执行侧检查目标窗口；本配置不新增 Experience 专属阶段预算。 启用强制隐私保护时，先检查原始序列化文本及严格解码后的内容，包括字符串内嵌的 JSON 对象和数组。 候选遇到 JSON 解析、深度或大小限制时，可以回退到已经通过检查的原文。 发现禁止内容、重复 JSON 键或其他策略失败时拒绝调用，不能将这些失败转为表示回退。 这项内容检查不授予完整请求的放行资格，最终完整模型请求仍经过隐私和目标窗口检查； 回原文不构成放行，原文不安全或仍超预算时继续拒绝。 这里没有删除成功日志、截断代码、按模板合并不同日志，也不把压缩过的输入写回权威记录。

查看本地估算

进程内可使用 powercontext.builtin.inference.usage.collect_input_encodings() 包围一次调用，读取最多 128 条无正文诊断。记录包含阶段、codec、模式、采用/回退原因、 原始/候选/实际选择的字节和估算 Token、估算器版本、共享值与引用次数；预算探测不重复记录。 UsageReportingStructuredGenerator 会把本次实际准备的报告附在同一次 InferenceUsage.input_encodings 中， 通过现有绑定的用量 reporter 归因；返回结果和带有已知 usage 的失败都保留这份关联。 其中的估算值与供应商报告的 input_tokens / output_tokens 分开，不能相加或互相替代。 未取得 usage 的失败仍保留未知，不生成零请求的计费记录；原始隐私预检阻断发生在编码前，不生成编码报告。 显式诊断收集器仍可在调用外使用，预算探测不会计入实际调用。 这些诊断只属于当前进程和调用上下文，不自动跨 worker 汇总。现有持久统计只汇总实际模型用量， 不存储编码明细，也不是完整费用账本。 评估时应分别覆盖重复 metadata、相同正文不同身份、短小唯一输入、中英混合及代码/JSON。