🤖

dsh-token-optimizer

模型推理更新于 2026.09.16

在终端中运行以下命令：

dsh plugin install Zoria-Lind/dsh-token-optimizer

将以下提示词粘贴到 DeepSeek Harness 对话框中：

在 DeepSeek Harness 中运行安装命令 dsh plugin install Zoria-Lind/dsh-token-optimizer 即可安装该插件，源码仓库位于 https://github.com/Zoria-Lind/dsh-token-optimizer 。

插件介绍

长会话中，工具输出、重复文件读取、未使用的 MCP 工具 schema 会持续膨胀上下文窗口，而 DSH 内置压缩的 0.8 阈值在百万级窗口下几乎不会触发。dsh-token-optimizer 正是在这一空白上做增量：它不重复实现 DSH 已有的压缩与溢出机制，而是通过分层管道在文本进入模型之前完成压缩、裁剪与采样。

核心能力覆盖六个环节。text2img 将千字符以上的长文本渲染为图片再由视觉模型生成摘要（单样本节省可达 72%，长会话后续轮次不再携带原文）；outputLadder 在工具输出产生时单次遍历分流——错误结果压缩为摘要、JSON 与 CSV 做结构感知压缩、shell 输出保留头尾并等距采样；fileDiff 对重复读取的文件只发送变更区段；toolTrim 通过 MCP 懒加载让未使用的工具 schema 不进入请求（实测每请求节省约 9400 token）；compactionDriver 在智能体空闲时以 45% 压力比主动驱动核心压缩，弥补高窗口下压缩不触发的缺陷；monitor 在会话结束时输出节省统计与真实缓存命中率（常态 97% 至 99.3%）。

如果你经常运行多轮深度对话、挂载了 MCP 服务器、或工具输出动辄数万字符，这个插件能在不牺牲模型能力的前提下显著降低 token 开销。所有模块遵循 fail-open 原则，任一步出错只降级保留原文，不会阻断 DSH 核心流程。