🤖

DSH-LocalModels-TokenSavior

模型推理更新于 2026.10.01

在终端中运行以下命令：

dsh plugin install Movingelated/DSH-LocalModels-TokenSavior

将以下提示词粘贴到 DeepSeek Harness 对话框中：

在 DeepSeek Harness 中执行 dsh plugin install Movingelated/DSH-LocalModels-TokenSavior，或让 AI 通过 plugin_manager 安装 GitHub 仓库 https://github.com/Movingelated/DSH-LocalModels-TokenSavior 后重启 DSH。

插件介绍

主对话里每读一份大日志、长文档，原文都会占满云端上下文，token 账单跟着涨。DSH-LocalModels-TokenSavior 的思路很直接：把「只读、要多读少写」的采集活交给本机 Ollama 当子代理，在独立上下文里完成阅读与归纳，主会话只收回结论，原文不必再吞进你的付费上下文。

插件提供 ollama_local_models 做环境与模型清单自检，subagent_local 承载委派。适合语义归类、大文档问答、摘要提炼、结构化抽取、截图转文字等需要「懂一点意思」的任务；支持宿主侧 collect 预取素材与按行自动分批，并有 classify / qa / extract / summary / code 等任务类型与均衡、省 token、快跑等模式。子代理侧会尽力剥掉写入、改文件、再派活等危险工具，面向只读采集。

它省的是主上下文里的钱，不是本地算力魔法：本地模型计数仍不可信，架构与最终交付别指望它。适合已在本机跑 Ollama、在 DSH profile 里配好 llm-pi-ai 的 ollama-local 路由，且愿意用 shell 做机械抽取、把语义部分交给本地的用户。设置页在「设置 → 本地模型」，开关与默认模型可即时生效。