dsh-token-diet

把原始内容直接塞进上下文窗口，是 token 消耗最直接也最容易被忽视的浪费。一份四五万 token 的日志、一个十二万 token 的 JSON API 响应，往往还没等模型开始推理就把预算吃光。现有的方案大多是在 compaction 触发后才裁剪历史，或者只做 token 用量监控，缺少一个"事前"步骤：在进入窗口之前就把大块内容的结构骨架保留下来，把冗余数据压掉。

dsh-token-diet 补的正是这一环。它是零依赖、纯函数的工具集，不读文件、不联网、不 eval。三类常见载荷各有一个瘦身入口：文本保留头尾、行数和高频关键词；JSON 保留 key 骨架、类型、数组长度和抽样值；CSV 给出列类型、distinct / min / max / avg 加几行抽样。压缩强度提供 light、balanced、aggressive 三档预设，也支持 0-99 的连续比例和逐项参数覆盖，优先级链清晰可预测。每次调用都会在返回里附带 saved 字段，省了多少 token、百分比多少，不是宣传语而是响应里的数字。

适合谁？如果你的日常工作围绕长日志分析、大体量 API 响应处理、CSV 报表导出，或者多轮会话中 token 预算紧、批量数据多，这个插件能在不丢失关键结构的前提下把消耗降一个量级。如果只是一两次读短段落，大概率用不上；但面对 50 万字符的报告或者 500 KB 的 JSON dump，它让模型按 key 路径精确取值，而不是祈祷相关字段没有落在截断区。