引用视频理解 v0.119：按 token 预算抽帧，追问不用重看

不能直接收视频的模型只能看抽出来的帧，抽多少帧是个取舍：抽少了看不懂，抽多了 token 爆炸。今天先把抽帧模式和 fps 做成了可配置，然后把自动模式改成按 token 预算来算：给定一个上限，根据视频时长和分辨率反推能抽多少帧，宁可宽松一点也别把关键画面漏掉。

另一个改动是转述结果跨轮缓存。以前群友针对同一个视频追问一句，插件就要重新转述一次，又慢又费钱，现在同一个视频的转述会记住。另外 Kimi Code 的上传流程对齐了 Kimi CLI 的做法，插件日志也全部翻成了中文，出问题时群友自己也能看懂。