dsh-compaction-meta

当前 harness 框架的上下文管理普遍依赖被动阈值：token 数一旦越过预设线，系统便机械裁剪历史，模型对何时无效、何时关键毫无话语权。dsh-compaction-meta 要解决的正是这个问题——把压缩的决策权交还给模型本身，让它凭借元认知判断哪些区间该保留、哪些该折叠，而非被一个数字触发。

插件计划在三个层面落地核心能力：context_list 让模型按 turn 和调用折叠方式列出当前上下文，带编号与 token 估算，方便定位记忆区间；context_compact 允许模型将指定区间替换为自己书写的摘要文本，替换过程走官方 compaction 事务，保证检查点标记、工具调用配对平衡与日志可重建；同时关闭阈值被动压缩，并以配套 skill 教模型何时、如何使用上述动作。

适合关注模型元认知与长期学习方向的开发者，尤其是在 DSH 中跑长对话、多工具链调用、需要精细控制上下文生命周期的场景。目前处于骨架阶段，尚未实现，适合提前关注并参与后续迭代的早期用户。