trace 中的每一行是一个智能体步骤。本实验按顺序遍历一个会话的各个步骤，记录每个步骤的总输入长度（prefix_tokens + newly_append_tokens）变化——正的 delta 表示窗口在增长，负的 delta 表示在缩小——并把每一次下降归入三个桶之一。

方法与假设：

• 一个步骤的总输入为 prefix_tokens + newly_append_tokens（缓存的前缀加上新追加的输入）。每个步骤的指标是该数量相对于同一会话中上一个被看到的步骤的有符号 delta。
• 配对。 只有当当前步骤的第一个 timing event 是一个可见的输入事件——即一个 user_message 或一个 tool_result（该步骤的触发器）——且该会话此前已被看到过时，才会发出一个增长事件。previous 步骤是按 trace 顺序为该会话最后观察到的任意步骤，与其触发器无关。会话内的步骤按 ingestion 顺序排序（round_pk = 文件顺序），即迁移到 DuckDB 之前的扫描所用的同一行顺序定序。
• 缩减桶（阈值来自 artifacts/utils/growth.py，可在 CLI 覆盖）：
  • micro-reduction —— 下降 ≤ 1024 个 token（计数抖动）；
  • major-reduction —— 下降 ≥ 50000 个 token（一次真正的上下文压缩）；
  • ordinary reduction —— 介于两者之间的任何情况。
• 报告的触发器。 Summary 行按三种方式切分——all、user 与 tool_result——依据当前步骤的触发器，并按 scope（merged 加上每个提供商）切分。
• 与 trace_facts overview summary 共用增长 helper（build_growth_stats、reduction_bucket、CSV writer）。

这是一个**混合式（hybrid）**实验：trace DuckDB 负责单遍 ingest，而 Python 负责按会话的定序与增长分桶。

• iter_growth_events_from_db(con) —— 唯一的数据加载代码。两条按 ingestion 顺序的查询（步骤标量 ORDER BY round_pk，以及每个步骤在 event_index = 1 处的第一个 timing event，用于取触发器类型和时间戳），在 Python 中借助一个 last_by_session map 遍历，为每个合格的步骤发出一个增长事件——精确复现旧的逐行 JSONL 扫描。
• _epoch_us_to_iso(...) —— 时间戳以整数 epoch-microseconds 拉取（native/wasm 一致），并重建为规范的 …Z ISO 字符串，因此时间戳列与迁移到 DuckDB 之前的输出逐比特一致。
• build_growth_stats(...) / reduction_bucket(...) / write_summary_csv(...) / write_events_csv(...) —— artifacts/utils/growth.py 中未改动的共享 helper。
• write_filtered_events_csv(...) —— 稳定排序后的 reduction / micro-reduction 下钻。

数据层位于 artifacts/utils/trace_db.py（参见 artifacts/utils/DB_SCHEMA.md）。

# default merged trace (materialized to a temp DuckDB cache on first use)
uv run python artifacts/session/total_input_growth/analyze.py

# a specific trace
uv run python artifacts/session/total_input_growth/analyze.py -i trace/sample.jsonl

# a prebuilt DB (run_all.py's build-db step passes this), into a chosen dir
uv run python artifacts/session/total_input_growth/analyze.py --db "$TMPDIR/trace.duckdb" -o "$TMPDIR/out"

旋钮：--micro-reduction-max-tokens / --major-reduction-min-tokens 重新调校缩减桶， --no-drilldowns 只写 summary，--limit-events 在稳定排序后对每个下钻设上限， 而 --summary-csv / --events-csv / --reductions-csv / --micro-csv 覆盖各自的路径。

• total_input_growth_summary.csv —— 按 (scope, trigger) 的增长/缩减桶计数及 delta 统计。
• total_input_growth.md —— 论文 float tab:context_growth_and_compaction 的 GFM 镜像 （Claude vs Codex，按步骤触发器），渲染在网页详情页上。
• total_input_growth_events.csv —— 每一个同会话的增长事件，按 trace 顺序。
• total_input_reductions.csv —— 仅 negative-delta 事件（全部三个缩减桶）。
• total_input_micro_reductions.csv —— 仅 micro-reduction 事件。

无图。