flowctx-dsh

AI 编程 Agent 跑长会话时，上下文窗口很快被工具输出和对话历史塞满。DeepSeek Harness 内置的三层压缩能兜底，但仍有硬伤：中间内容裁掉即永久丢失，通用摘要把失败路径、函数签名和文件路径统统改写成模糊叙述，同步摘要还在关键路径上插入一次完整 LLM 请求。flowctx-dsh 在 dsh-compaction-basic 之上做加性扩展，用一套三档记忆模型补上这些缺口。

核心思路是按距离分三档：当前任务原文保留，刚读到的代码和错误输出不丢；临近历史做可逆的结构化投影，大段日志和文件片段压缩成带 hash 的引用，原文存本地 CompressionStore，随时 byte-exact 取回；更早历史在后台异步折叠成六段式工程师交接笔记，失败路径、逐字标识符、文件路径各占一节，不再被通用叙述稀释。分层摘要走 fire-and-forget，不阻塞当前步骤；所有扩展可逐项开关，全部关闭时行为等同于仅换了摘要风格的 dsh-compaction-basic。KV-cache 前缀保持字节稳定，缓存命中率不受影响。

适合正在基于 DSH 构建 AI 编程 Agent、频繁运行长会话多文件多阶段代码任务、工具输出量大导致 prompt token 持续膨胀、希望本地优先且可审计可恢复地管理上下文的工程师和团队。