fix: revert bad ctx trimming add n_keep>n_ctx GPU error detection

src/agent.ts

@@ -526,7 +526,28 @@ export class AgentExecutor {
                     logInfo('Generation aborted by user.');
                 } else {
                     logError('Stream reading error.', { engine, apiUrl, error: err?.message || String(err) });
-                    this.webview?.postMessage({ type: 'error', value: `Connection lost: ${err.message}` });
+                    // LM Studio llama.cpp n_keep > n_ctx 에러 감지
+                    const errMsg = String(err?.message || err || '');
+                    const nCtxMatch = errMsg.match(/n_keep\s*:\s*(\d+)\s*>=?\s*n_ctx\s*:\s*(\d+)/);
+                    if (nCtxMatch) {
+                        const nKeep = nCtxMatch[1];
+                        const nCtx = nCtxMatch[2];
+                        this.webview?.postMessage({
+                            type: 'error',
+                            value: [
+                                `Connection lost: AI Engine Error (LM Studio)`,
+                                `시스템 프롬프트 토큰(${nKeep})이 실제 KV 캐시(${nCtx})보다 큽니다.`,
+                                '',
+                                '**원인:** LM Studio가 GPU 메모리 부족으로 컨텍스트 창을 축소했습니다.',
+                                '**해결 방법 (LM Studio 재설정):**',
+                                `1. LM Studio → 모델 설정 → GPU Offload 레이어를 줄여보세요 (현재 설정보다 낮게)`,
+                                `2. 모델을 언로드 후 재로드하세요`,
+                                `3. 다른 앱이 GPU 메모리를 점유하고 있다면 종료 후 재시도`,
+                            ].join('\n')
+                        });
+                    } else {
+                        this.webview?.postMessage({ type: 'error', value: `Connection lost: ${err.message}` });
+                    }
                 }
             }
 
@@ -2020,40 +2041,26 @@ export class AgentExecutor {
 
             for (const candidateModel of modelCandidates) {
                 for (const variant of messageVariants) {
-                    // LM Studio: context_length를 명시적으로 제한하여 컨텍스트 초과 방지
-                    // 총 메시지 토큰 추정: 문자 수 / 4 (rough estimate)
                     const totalChars = variant.messages.reduce((acc, m) => acc + String(m.content || '').length, 0);
                     const estimatedTokens = Math.ceil(totalChars / 4);
-                    // LM Studio 소형 모델(4B~8B)은 4096~8192 context 제한
-                    // 컨텍스트 초과 시 max_tokens을 줄여서 모델이 응답할 공간 확보
-                    const lmStudioMaxTokens = Math.max(512, Math.min(4096, 8192 - estimatedTokens));
                     const streamBody = {
                         model: candidateModel,
                         messages: variant.messages,
                         stream: true,
                         ...(engine === 'lmstudio'
-                            ? {
-                                max_tokens: lmStudioMaxTokens,
-                                temperature,
-                                // LM Studio: context_length로 컨텍스트 창 명시 설정
-                                context_length: 8192
-                            }
+                            ? { max_tokens: 4096, temperature }
                             : { options: { num_ctx: 32768, num_predict: 4096, temperature } }),
                     };
-                    if (engine === 'lmstudio' && estimatedTokens > 6000) {
-                        logError('LM Studio context may be too large for small models.', { estimatedTokens, lmStudioMaxTokens, model: candidateModel });
-                    }
+                    logInfo('AI streaming request started.', {
+                        engine, apiUrl, model: candidateModel,
+                        variant: variant.name,
+                        messageCount: variant.messages.length,
+                        estimatedTokens,
+                        roles: variant.messages.map(message => message.role),
+                        firstUserPreview: summarizeText(String(variant.messages.find(message => message.role === 'user')?.content || ''), 300)
+                    });
 
                     try {
-                        logInfo('AI streaming request started.', {
-                            engine,
-                            apiUrl,
-                            model: candidateModel,
-                            variant: variant.name,
-                            messageCount: variant.messages.length,
-                            roles: variant.messages.map(message => message.role),
-                            firstUserPreview: summarizeText(String(variant.messages.find(message => message.role === 'user')?.content || ''), 300)
-                        });
                         const response = await fetch(apiUrl, {
                             method: 'POST',
                             headers: {