按标签浏览
# 上下文压缩 / Context Compaction(39)
面向 AI 代理的可追溯、可搜索跨会话记忆插件,将对话知识构建为带类型知识图谱,按需召回相关子图而非重放全部历史,原生集成 DeepSeek Harness。
为 DeepSeek Harness Web 界面提供全面会话管理,支持删除/恢复、回收站、归档、统计、继续/暂停、未读标记、新聊天中继续、工作区排序与压缩阈值设置。
为 DeepSeek Harness 提供模型驱动的上下文压缩工具,由模型自行决定何时压缩、压缩什么,并以高保真摘要回收上下文。
分层压缩管道:长文转图摘要、工具输出智能裁剪、文件diff折叠、工具懒加载与会话压缩驱动,在DSH内置之外降低token开销。
基于确定性编译原理的即时上下文压缩插件,零模型调用实现毫秒级近乎无损压缩,完美替代基础摘要组件。
dsh-argp 是一个基于原子引用图剪枝的上下文压缩引擎,通过逻辑链决策实现零 LLM 调用的选择性遗忘。
降低 DeepSeek Harness 自动压缩触发阈值,支持按模型定制策略,长会话上下文更早整理、响应更快,安全可回滚。
dsh-zh-output 为 DeepSeek Harness 提供强制中文思考与输出的中文预设,确保模型全程使用中文,并包括中文压缩引擎。
DeepSeek Harness 插件,在模型调用前对大型工具结果进行截断整形与机械折叠,可选替代 LLM 压缩并支持致密图像渲染,无需额外模型调用即可降低推理成本。
将七款社区上下文压缩插件统一编排为人脑式压缩系统,提供协调运行、引擎仲裁与 brain_verify 一键验证面板。
自动压缩历史消息为摘要,并提供索引回看与本地语义检索,以观察记忆风格管理 DSH 上下文。
让模型自主决定压缩范围并撰写摘要,调用 DSH 官方 compaction API 隐藏历史表层,提供压缩、解压与检索工具。