diff --git a/config.yml b/config.yml
index 05ea060..d21bd60 100644
--- a/config.yml
+++ b/config.yml
@@ -38,7 +38,7 @@ react:
 
 # 协程池配置（各并行点并发度，缺失或 <1 时回退代码内默认值）
 pool:
-    kg_extract: 4             # 知识图谱：逐 chunk LLM 抽取
+    kg_extract: 8             # 知识图谱：逐 chunk LLM 抽取（增加并发数加快构建速度）
     annotation_clause: 4      # 合同标注：逐条款 (recall+judge)
     annotation_dataset: 8     # 条款内：逐 dataset 召回
     chat: 4                   # 问答：retrieve 与 GraphEnhance 并行
diff --git a/kb/consts/consts.go b/kb/consts/consts.go
index f2fd307..255a5d2 100644
--- a/kb/consts/consts.go
+++ b/kb/consts/consts.go
@@ -33,8 +33,8 @@ const (
 
 	ParsePollIntervalSeconds = 15 // 解析/标注任务轮询间隔
 
-	DefaultLlmHttpTimeout = 600   // LLM HTTP 客户端超时（秒）：本地模型生成慢，且多请求排队时响应可超分钟级
-	MaxExtractTokens      = 24576 // 知识抽取单次生成预算（思考链+JSON；24576≈实测自然输出 20 倍，4 并发下不超 131072 共享上下文）
+	DefaultLlmHttpTimeout = 600  // LLM HTTP 客户端超时（秒）：本地模型生成慢，且多请求排队时响应可超分钟级
+	MaxExtractTokens      = 8192 // 知识抽取单次生成预算（JSON 输出实际 <500 token，8192 足够；减少输出 token 数可加快生成速度）
 
 	EmbedBatchSize = 16 // 单次向量化请求的文本批量
 
@@ -57,7 +57,7 @@ const (
 	AnnoCandidateMaxChars = 2000   // 风险判定候选条文内容上限（需覆盖整 chunk，chunk 由多条短条文合并而成，截断会切掉块尾条文）
 
 	// 协程池默认大小（config.yml pool 段缺失时兜底）
-	KgExtractPoolSize         = 4 // 知识图谱：逐 chunk LLM 抽取
+	KgExtractPoolSize         = 8 // 知识图谱：逐 chunk LLM 抽取（增加并发数加快构建速度）
 	AnnotationClausePoolSize  = 4 // 合同标注：逐条款 (recall+judge)
 	AnnotationDatasetPoolSize = 8 // 条款内：逐 dataset 召回
 	ChatPoolSize              = 4 // 问答：retrieve 与 GraphEnhance 并行
diff --git a/scripts/start_models.sh b/scripts/start_models.sh
index f3b4f68..387d303 100755
--- a/scripts/start_models.sh
+++ b/scripts/start_models.sh
@@ -2,6 +2,7 @@
 # 启动本地 MLX 模型服务：chat + embedding 均由 oMLX(18080) 提供
 # chat=Qwen3.5-9B-MLX-4bit（4-bit），embedding=BGE-M3（oMLX 原生 BERT 系支持）
 # 首次运行自动检测 .venv：缺失/损坏（如来自其他机器）时按 requirements.txt 重建，就绪则跳过安装
+# 根据设备内存大小自动调整上下文窗口和最大 token 数限制
 # 用法: ./scripts/start_models.sh
 set -eu
 cd "$(dirname "$0")/.."
@@ -9,8 +10,72 @@ ROOT=$(pwd)
 VENV="$ROOT/.venv"
 LOG_DIR="$HOME/.omlx/logs"
 CACHE_DIR="$HOME/.omlx/cache"
+SETTINGS_FILE="$HOME/.omlx/settings.json"
 mkdir -p "$LOG_DIR" "$CACHE_DIR"
 
+# 根据设备内存大小计算上下文窗口和最大 token 数
+calculate_memory_limits() {
+    # 获取系统总内存（字节）
+    local total_memory
+    total_memory=$(sysctl -n hw.memsize 2>/dev/null || echo 0)
+
+    if [ "$total_memory" -eq 0 ]; then
+        echo "[warn] 无法检测系统内存，使用默认值" >&2
+        echo "32768 32768"
+        return
+    fi
+
+    local total_gb=$((total_memory / 1024 / 1024 / 1024))
+    echo "[info] 检测到系统内存: ${total_gb}GB" >&2
+
+    # 计算可用内存（预留 10% 作为安全缓冲）
+    local available_memory=$((total_memory * 90 / 100))
+    local available_gb=$((available_memory / 1024 / 1024 / 1024))
+
+    # 根据内存大小计算上下文窗口和最大 token 数
+    # 考虑因素：
+    # 1. 模型加载：Qwen3.5-9B-4bit 约 5GB
+    # 2. KV 缓存：每 token 约 0.5MB（9B 模型）
+    # 3. 系统保留：预留 10% 内存
+    # 4. 业务场景：合同审计/证物补全
+    #    - 知识库+知识图谱预检索过滤后才传递给模型
+    #    - 传递给模型的数据量本身不大（ToolResultMaxChars=400，HybridTopK=5）
+    #    - 单次查询模式，不需要多轮对话缓存
+    #    - 16GB 机器 prefill 预算约 1900 token（2.9GB）
+
+    local context_window=4096
+    local max_tokens=2048
+    local kv_cache_size="auto"
+
+    if [ "$total_gb" -ge 32 ]; then
+        # 32GB+ 内存：适中配置即可
+        context_window=4096
+        max_tokens=2048
+        kv_cache_size="4GB"
+        echo "[info] 内存充足，设置上下文窗口=${context_window}，最大 token 数=${max_tokens}，KV 缓存=${kv_cache_size}" >&2
+    elif [ "$total_gb" -ge 24 ]; then
+        # 24GB 内存：标准配置
+        context_window=4096
+        max_tokens=2048
+        kv_cache_size="3GB"
+        echo "[info] 中等内存配置，设置上下文窗口=${context_window}，最大 token 数=${max_tokens}，KV 缓存=${kv_cache_size}" >&2
+    elif [ "$total_gb" -ge 16 ]; then
+        # 16GB 内存：优化配置（符合 prefill 预算）
+        context_window=4096
+        max_tokens=2048
+        kv_cache_size="2GB"
+        echo "[info] 基础内存配置，设置上下文窗口=${context_window}，最大 token 数=${max_tokens}，KV 缓存=${kv_cache_size}" >&2
+    else
+        # 小于 16GB 内存：最小配置
+        context_window=2048
+        max_tokens=1024
+        kv_cache_size="1GB"
+        echo "[info] 内存较小，设置上下文窗口=${context_window}，最大 token 数=${max_tokens}，KV 缓存=${kv_cache_size}" >&2
+    fi
+
+    echo "$context_window $max_tokens $kv_cache_size"
+}
+
 # .venv 不可跨机复制（pyvenv.cfg / bin 脚本 shebang 写死本机路径），须在本机重建
 if [ ! -x "$VENV/bin/python" ]; then
     if [ -d "$VENV" ]; then
@@ -35,6 +100,53 @@ else
     echo "[ok] .venv 已就绪，跳过安装"
 fi
 
+# 根据硬件信息调整上下文窗口和最大 token 数限制
+if [ -f "$SETTINGS_FILE" ]; then
+    echo "[info] 检测硬件信息并调整内存限制..."
+    read -r context_window max_tokens kv_cache_size <<< "$(calculate_memory_limits)"
+
+    # 更新 settings.json 中的 sampling 参数
+    if command -v python3 >/dev/null 2>&1; then
+        python3 << EOF
+import json
+import sys
+
+try:
+    with open("$SETTINGS_FILE", 'r') as f:
+        settings = json.load(f)
+
+    # 更新 sampling 参数
+    if 'sampling' not in settings:
+        settings['sampling'] = {}
+
+    old_context = settings['sampling'].get('max_context_window', 32768)
+    old_max_tokens = settings['sampling'].get('max_tokens', 32768)
+
+    settings['sampling']['max_context_window'] = $context_window
+    settings['sampling']['max_tokens'] = $max_tokens
+
+    # 更新 KV 缓存大小（如果配置了 cache 部分）
+    if 'cache' not in settings:
+        settings['cache'] = {}
+
+    # 只有当 kv_cache_size 不是 "auto" 时才设置
+    if "$kv_cache_size" != "auto":
+        settings['cache']['ssd_cache_max_size'] = "$kv_cache_size"
+
+    with open("$SETTINGS_FILE", 'w') as f:
+        json.dump(settings, f, indent=2)
+
+    print(f"[info] 已更新内存限制: 上下文窗口 {old_context} -> {$context_window}, 最大 token 数 {old_max_tokens} -> {$max_tokens}, KV 缓存: $kv_cache_size")
+except Exception as e:
+    print(f"[warn] 更新 settings.json 失败: {e}", file=sys.stderr)
+EOF
+    else
+        echo "[warn] 未找到 python3，跳过自动配置" >&2
+    fi
+else
+    echo "[info] settings.json 不存在，将使用默认配置"
+fi
+
 # oMLX 模型目录：chat（Qwen3.5-9B-MLX-4bit）+ embedding（bge-m3）均为实体目录，oMLX 按目录扫描注册模型
 OMLX_MODEL_DIR="$ROOT/models/mlx/omlx"