LongChat Guard 如何在不知道官方額度的情況下判斷長對話風險？
LongChat Guard 不知道 OpenAI 私有的「剩餘對話額度」，也不會虛構精確百分比。它在本機測量目前對話，並與你親自確認曾達到對話長度上限的歷史對話做經驗比較。
三個核心本機信號
L：目前對話負載
代表目前長對話增長程度的本機估算，不作為官方 token 數顯示。
R：經驗失敗參考
來自一個你明確確認曾達到對話長度上限、且擴充功能能完整可靠讀取的歷史對話。R 是本機經驗參考，不是 OpenAI 官方上限。
G：整輪增長緩衝
從送出前 L 到 Assistant 完成後 L 的可靠變化中學習，反映整個使用者+Assistant 回合的典型增長，而不是只看 Assistant 單條回覆。
可選診斷資訊
parser / measurement schema 用來保護計量口徑一致性。網頁可讀取到的模型標籤只作為診斷元資料，不決定 R 品質、風險等級、校準有效性或是否需要重新校準。
風險分級
當 R 和 G 都可用時，系統會把目前負載（包含尚未送出的 Composer 草稿）與距離 R 還剩幾個典型整輪增長緩衝做比較，顯示「風險較低 / 偏長 / 接近風險 / 高風險」。
如果 G 還沒學夠，LongChat Guard 不會人為製造提前預警帶；在樣本足夠前，以 R 作為經驗高風險參考。
為什麼不用固定魔法數字？
ChatGPT 網頁端沒有向一般瀏覽器擴充功能公開一個簡單、統一、可以誠實稱為「官方剩餘對話額度」的介面。固定百分比看起來精確，但依據很弱。因此 LongChat Guard 把提醒錨定在使用者自己確認的本機失敗參考和目前對話的真實增長上。
測量口徑變化與隱私
parserSchemaVersion 和 measurementSchemaVersion 定義「怎麼量」。如果計量口徑改變，舊 R 會降為 stale prior，需要重新校準後才恢復確定性風險。模型標籤即使缺失或改變，也只屬於診斷資訊，不會讓計量口徑仍一致的校準失效。監測只在使用者同意後開始；聊天原文、Assistant 回覆原文、草稿和附件正文不持久化。失敗掃描最多保留 7 天的有限結構診斷，不含聊天原文或對話網址。
限制
這個方法提供的是本機經驗風險信號，不是 OpenAI 官方 token 計量、上下文視窗、剩餘額度或統一會話上限。