DSH Plugins
返回列表
dsh-live-compact

dsh-live-compact

模型推理 更新于 2026.11.10

在终端中运行以下命令:

dsh plugin install Tranquillitatis-Lab/dsh-live-compact

将以下提示词粘贴到 DeepSeek Harness 对话框中:

在 DeepSeek Harness 中执行 dsh plugin install Tranquillitatis-Lab/dsh-live-compact,或从开源地址 https://github.com/Tranquillitatis-Lab/dsh-live-compact 安装该插件。

插件介绍

长会话里,读过的日志、跑过的命令和工具输出会一轮轮堆进上下文。窗口没满之前,成本、延迟和「模型能不能把早期细节当回事」都会越来越吃紧。Live Compact 的出发点是:不必等到官方大摘要,也不必为「这段能不能删」再打一枪模型,在每一轮收尾时先把能安全收短的长输出整理掉。

它在本机判断哪些片段适合压缩,只替换选中的一段,切点前面的内容保持原样;整理前会写备份,备份失败则保留原文,避免用半截摘要换完整证据。默认约在上下文达到 2 万 token 后开始检查是否值得小切,是否动手还取决于本轮读进了什么、下一轮可能有多长;接近窗口上限时,DSH 仍可调用模型做一次大摘要。实验性的 SPINE_THUNDER 模型摘要模式默认关闭,日常用默认设置即可。

适合依赖大量 read、grep、build 等工具调用的 Agent 工作流,以及云端 API 与自建/内网模型上都要跑长对话的开发者。云上可结合答题正确性、缓存命中与未命中输入一起看实际费用;本地更应关注答案是否对、上下文是否下降、实际少用了多少 token。需要按任务调参时,可在插件设置或环境变量里改小切起点、保留最近工具轮等策略。

截图预览

使用场景

  • 多轮读文件、跑命令后上下文持续膨胀的编码 Agent
  • 云端长对话想压低未命中输入与峰值 token
  • 本机或内网模型需控制窗口占用又保留可查备份

适合人员

  • 使用 DSH 做工具型 Agent 的开发者
  • 对接 DeepSeek、GLM 等云端 API 的长会话用户
  • 自建或内网推理、在意 token 与延迟的团队