按标签浏览
# token 效率 / token efficiency(11)
以提高 token 效率为目标,通过 OPS 工具、隐藏部分官方工具与按需动态加载,低侵入增强 Native/PTC 推理体验。
面向 DeepSeek Harness flash 级路由的两套精简 PTC 预设(v1 基线 / v2 推荐),用步数预算与压缩策略抑制过渡思考,适合日常任务省 token。
基于 AST 的结构化代码搜索与大纲插件,供编码 Agent 使用,相较正则 grep 更省 Token、语义更准确。
可配置的 DSH 令牌效率插件,在工具执行边界裁剪过大输出并折叠 grep,为模型保留更多上下文窗口。
基于模型服务商端能力的联网搜索插件,直接调用原生搜索接口,相比内置方案更快且更省 token,兼容 OpenAI Responses 与 Anthropic Messages API。
面向 Linux/ARM64 与 DSH 0.2.2 的自维护 dsh-ops 分支,以 token 效率为核心提供 ops 工具与模式行,低侵入且兼容其它插件。
为 grep、diff、test 等以非零退出码表示「答案」的 bash 结果补充一行说明,避免 agent 误判失败而反复排查、浪费轮次与 token。
在执行前探测技能真实能力,回合末评判预期与结果,夜间修正技能边界,提升调用精度并减少 token 浪费。
结果感知的卡死循环守卫,两阶段机制:软提醒加硬拒绝,仅拦截相同调用且结果不变的无进展重复,避免Agent空转浪费步骤与Token。
为长周期 Agent 提供零 LLM 调用的确定性上下文驱逐,将对话推断为类型化 episode 图并分级淘汰,用户消息永不丢失。
按任务类别动态调整输出上限、步骤预算与工具结果裁剪,减少大型任务无效循环,无需修改模型配置。