🤖

dsh-entry-shaper

模型推理更新于 2026.10.18

在终端中运行以下命令：

dsh plugin install MaudieHakimi/dsh-entry-shaper

将以下提示词粘贴到 DeepSeek Harness 对话框中：

在 DeepSeek Harness 终端执行 dsh plugin install MaudieHakimi/dsh-entry-shaper，或从市场安装源码仓库 https://github.com/MaudieHakimi/dsh-entry-shaper。

插件介绍

长会话里，推理模型在生成时涌现的 Wait、Hmm 等反思标记对当下思考有用，但一旦写进上下文，就变成分散注意力的填充负担。更麻烦的是，许多「出口侧」小步压缩会改写已发送历史，打断 provider 的前缀缓存，省下的多是命中价 token，却可能换来整段全价重算——也就是常说的断点税。dsh-entry-shaper 把塑形挪到入口：在消息首次出网前按类别跑 op 链定型，此后不再改写已发送内容，让前缀形态保持单调，从机制上避免本插件自身引入的断点。

插件以代理 provider 方式挂在 DSH 的 llm 路由上，在 deriveMessages 产出之后、交给上游之前处理 payload。默认侧重推理类内容：内置 keep、extract、truncate 等启发式 op，也可通过 exec、http 或 inline 接入你自己的「文本→文本」算法，并享受确定性缓存、超时 fail-open、热配置与侧路原文寄存等管道能力。它不改变模型当时怎么生成，只改变模型之后「看到自己曾经想过什么」；实验表明出网 payload 可显著缩减，但维护者也明确：更干净是实测目标，更聪明并非本插件声明，且会话日志里可能已是塑形形态，原文需靠侧路工具回溯。

适合已经和官方 tool-result-pruner、compaction-basic 打过交道、清楚自己要补的是「推理大块按策略瘦身、且尽量不付断点税」这一空位的用户。若你主要依赖频繁自动压缩、或需要会话里永远保留 wire 原文，请先读文档里的边界与已知限制；若你愿意针对自家模型写确定性塑形逻辑，这条可插拔管道比自带几个 op 更有长期价值。