Add global knowledge base with RAG search

- KB module: fastembed (AllMiniLML6V2) for CPU embedding, SQLite for
  vector storage with brute-force cosine similarity search
- Chunking by ## headings, embeddings stored as BLOB in kb_chunks table
- API: GET/PUT /api/kb for full-text read/write with auto re-indexing
- Agent tools: kb_search (top-5 semantic search) and kb_read (full text)
  available in both planning and execution phases
- Frontend: Settings menu in sidebar footer, KB editor as independent
  view with markdown textarea and save button
- Also: extract shared db_err/ApiResult to api/mod.rs, add context
  management design doc

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

doc/context.md

@@ -0,0 +1,54 @@
+# Context 管理现状与设计
+
+## 现状
+
+当前没有做 context 长度限制，存在超过 model token limit 的风险。
+
+### 已有的缓解机制
+
+1. **Phase transition 时 clear**：`step_messages` 在 planning→executing 和 step→step 切换时会 `clear()`，避免跨阶段累积
+2. **单条 tool output 截断**：bash 输出限制 8000 bytes，read_file 超长时也截断
+3. **Step context 摘要**：已完成步骤只保留 summary（`step_summaries`），不带完整输出
+
+### 风险场景
+
+- 一个 execution step 内 tool call 轮次过多（反复 bash、read_file），`step_messages` 无限增长
+- 每轮 LLM 的 assistant message + tool result 都 push 进 `step_messages`，没有上限
+- 最终整个 messages 数组超过模型 context window
+
+## 方案设计
+
+### 策略：滑动窗口 + 早期消息摘要
+
+当 `step_messages` 长度超过阈值时，保留最近 N 轮完整对话，早期的 tool call/result 对折叠为一条摘要消息。
+
+```
+[system prompt]
+[user: step context]
+[summary of early tool interactions]  ← 压缩后的历史
+[recent assistant + tool messages]    ← 完整保留最近 N 轮
+```
+
+### 具体实现
+
+1. **Token 估算**：用字符数粗估（1 token ≈ 3-4 chars 中英混合），不需要精确 tokenizer
+2. **阈值**：可配置，默认如 80000 chars（约 20k-25k tokens），给 system prompt 和 response 留余量
+3. **压缩触发**：每次构建 messages 时检查总长度，超过阈值则压缩
+4. **压缩方式**：
+   - 简单版：直接丢弃早期 tool call/result 对，替换为 `[已执行 N 次工具调用，最近结果见下文]`
+   - 进阶版：用 LLM 生成摘要（额外一次 API 调用，但质量更好）
+5. **不压缩的部分**：system prompt、user context、最近 2-3 轮完整交互
+
+### 实现位置
+
+在 `run_agent_loop` 中构建 messages 之后、调用 LLM 之前，插入压缩逻辑：
+
+```rust
+// agent.rs run_agent_loop 内，约 L706-L725
+let (mut messages, tools) = match &state.phase { ... };
+
+// 压缩 context
+compact_messages(&mut messages, MAX_CONTEXT_CHARS);
+```
+
+`compact_messages` 函数：从前往后扫描，保留 system/user 头部，计算总长度，超限时将早期 assistant+tool 消息替换为摘要。

doc/kb.md

@@ -0,0 +1,42 @@
+# 知识库 (KB / RAG)
+
+## 概述
+
+全局知识库，所有 project 的 agent 共享。用户在前端用 markdown 编辑，保存时自动切块并索引。Agent 通过 `kb_search` 和 `kb_read` 工具查询。
+
+## 数据流
+
+```
+用户编辑 markdown textarea
+  → PUT /api/kb
+  → 原文存 SQLite (kb_content 表，单行)
+  → 按 ## heading 切块
+  → fastembed (AllMiniLML6V2) 生成 embedding
+  → chunk + embedding 存 SQLite (kb_chunks 表)
+```
+
+## 切块策略
+
+按 markdown `##` heading 切分，每个 section 作为一个 chunk。无 heading 的开头部分作为一个 chunk。
+
+## Agent 工具
+
+- `kb_search(query: str)` → 向量搜索 top-5，返回相关片段
+- `kb_read()` → 返回 KB 全文
+
+## API
+
+- `GET /api/kb` → 返回 KB 全文 `{ content: string }`
+- `PUT /api/kb` → 保存全文 + 重新切块索引 `{ content: string }`
+
+## 技术选型
+
+- **向量存储**: SQLite (embedding 存为 BLOB，暴力余弦搜索)
+- **Embedding**: fastembed-rs (AllMiniLML6V2, 384 dim, CPU)
+- **原文存储**: SQLite (kb_content 表)
+
+## 前端
+
+- Sidebar 底部 Settings 弹出菜单 → Knowledge Base
+- 点击切换到 KB 编辑独立 view（与 project view 平级）
+- 大 textarea + Save 按钮

doc/todo.md

@@ -9,10 +9,3 @@ template
 ---
 时间观察app
 ---
-
-## 代码啰嗦/可精简
-
-- **agent.rs**：`NewRequirement` 与 `Comment` 分支里「设 final_status → 更新 DB status → broadcast WorkflowStatusUpdate → 查 all_steps → generate_report → 更新 report → broadcast ReportReady」几乎相同，可抽成共用函数（如 `finish_workflow_and_report`）；venv 创建/检查（create_dir_all + .venv 存在 + uv venv）两处重复，可抽成 helper。
-- **api/**：`projects.rs`、`workflows.rs`、`timers.rs` 里 `db_err` 与 `ApiResult<T>` 定义重复，可提到 `api/mod.rs` 或公共模块。
-- **WorkflowView.vue**：`handleWsMessage` 里多处 `workflow.value && msg.workflow_id === workflow.value.id`，可先取 `const wf = workflow.value` 并统一判断；`ReportReady` 分支里 `workflow.value = { ...workflow.value, status: workflow.value.status }` 无实际效果，可删或改成真正刷新。
-- **PlanSection.vue / ExecutionSection.vue**：都有 `expandedSteps`(Set)、`toggleStep`、以及 status→icon/label 的映射，可考虑抽成 composable 或共享 util 减少重复。