长上下文容量测试
先读 ../../docs/context262k-plan.md 与 ../../docs/context262k-results.md。
当前配置在接近 260K 发生过主机 OOM；不要把完整测试当作无风险的日常健康检查。
实际测试客户端为 ../../scripts/context-benchmark.py，在已部署的容器内运行：
python3 context-benchmark.py prepare --data /tmp/context262k-data
python3 context-benchmark.py run --data /tmp/context262k-data --label eager
prepare 仅生成合成数据和计数，不进行长文推理；run 从 64K 逐级运行至约 260K。
本次正式数据已归档，通常应直接阅读结果，不重复运行。
monitor-original.py 是当时使用的资源监控。monitor.py 为事故后改进版本，
仅完成语法检查，加入主机 OOM 计数和更早的内存阈值。
监控脚本将停止名为 qwen38-flash-vllm 的测试容器，必须与备份、异常恢复流程配套，不能单独保证安全。
目录中的 monitor.stop 会停止采样，GUARD_STOP 表示触发保护；不要复用含旧状态文件的运行目录。