dsh-infinite-context

长对话是 DSH 用户的日常场景，但模型上下文窗口有限，一旦 token 耗尽，早期讨论的细节、项目约定和调试上下文就会无声消失。本地小模型窗口往往只有几 K，而深度思考阶段一次展开就能吃掉整个预算。DSH 自身仅在 API 报错后才被动压缩，时机太晚。dsh-infinite-context 把记忆管理做成插件层能力，让会话在窗口逼近时主动、渐进地续杯，把长对话变成真正可用的工作流。

核心机制是三层记忆金字塔：近期原文逐条保留，中程对话由 LLM 摘要，远期内容合并为精炼检查点，全部持久化到 SQLite，重启不丢。压缩触发线按路由模型的真实窗口动态推导——本地模型通过 Ollama、llama-server 或 OpenAI 兼容端点探测服务器实际运行上下文，取声明值与探测值的较小者生效，确保压缩在真实上限之前发生。Mid-thinking guard 尤为关键：插件包装 agent 的 LLM 流，逐块计量 input 与 output，逼近动态线时注入溢出信号，触发持久压缩后带余量重试，模型被叫停、压缩、重新思考，而非浪费一整轮注定失败的生成。语义检索每轮注入最相关 top-K 记忆，三层去重防止重复入库，四分类结构化索引让记忆可审计、可遗忘。

适合两类用户：一是频繁与大文档、大型代码库打交道的开发者，对话动辄几十轮，早期上下文丢失意味着反复重述；二是本地模型重度用户，窗口小、思考长，最需要真实窗口感知加提前压缩这套组合拳。如果你希望 DSH 长会话像人一样有记忆而非金鱼脑，这个插件值得一试。