dsh-ledger-compact

多轮 Agent 会话中，工具调用返回的超大结果块往往原封不动地塞进下一轮请求，既浪费 token 又挤爆上下文窗口。DSH 自带的 LLM 压缩虽然有效，却需要额外一次模型调用，且只在压力已经积累之后才介入。dsh-ledger-compact 的思路是：在压力形成之前，用零模型调用的本地手段先把数据治理好，让真正需要 LLM 干预的场景大幅减少。

插件提供三层本地能力。第一层是入口整形：在空闲预步中，仅对当前刚完成的那一步里尚未发送的超大 tool_result 做首尾截断，已发送内容保持字节不变，从而不破坏 provider 前缀缓存。第二层是机械折叠：通过 /fast-compact 或输入栏螺栓，把更早期的历史压缩为一张短小的 ledger 卡片，全程不调用模型。第三层（默认关闭）是替代默认压缩：复用官方引擎的 summarize 钩子，让 /compact、自动压缩和溢出恢复都走本地摘要，彻底省掉那一次 LLM 调用。此外，插件支持致密 PNG 渲染——将大量重复结构文本画进一张 tile 对齐的画布，实测 token 成本仅为等量原文的 1/10 到 1/100，同时保留行号标尺和列布局，让模型仍能精确定位坏行。

适合频繁运行长 Agent 链、工具返回大量结构化数据（日志、测试报告、API 响应）的开发者。尤其当你使用 DeepSeek 系列模型、希望在几乎不牺牲结构准确性的前提下把每轮推理成本压到极低时，这个插件可以在不卸载官方 dsh-compaction-basic 的情况下叠加使用，让 90% 的压缩场景不再需要一次模型调用。