dsh-qwen38-local-qol

在 DeepSeek Harness 中本地运行 Qwen3.8，最大的痛点往往不在模型本身，而在推理后端与宿主之间的缝隙：思考预算无法按 effort 档位逐请求下发，摘要 checkpoint 被 token 上限悄悄截断，缺少一个即时生效的统一配置入口。dsh-qwen38-local-qol 专门填补这些缝隙，零核心补丁、零 pi-ai patchfile，完全在配置层工作，兼容 llama.cpp llama-server、NInfer 和 TabbyAPI（ExLlamaV3）三种 OpenAI 兼容 /v1 后端。

核心能力有三点。其一，逐请求思考预算：llama.cpp 线每请求携带 reasoning_effort 与 reasoning_budget_tokens，覆盖服务端 --reasoning-budget；NInfer 线预算由启动参数决定，设置面板以只读说明呈现；TabbyAPI 线原生接受两者，按档逐请求下发。其二，加固的压缩后端：摘要 prefill 先裁剪（仅保留近 N 轮推理、图片降为文本占位、工具结果按字数截断），压缩调用强制 thinking off 并启用完整输出帽，checkpoint 不再被截断。其三，DSH 设置中的 Qwen3.8 本地面板：连接、窗口、预算、裁剪旋钮即时生效并持久化到 settings.yaml（热加载），颜色状态点一目了然地标识当前默认 preset 状态。

适合自托管 Qwen3.8（含配置层的 Qwen3.8-Flash-Next）并希望通过 DSH 获得开箱即用体验的开发者。如果你已经跑着上述任一后端，希望完整掌控思考预算并获得压缩保护，而不必手工拼环境变量或修补核心，这个插件就是那个即插即用的中间层。