前言¶
长会话是智能体开发里绕不开的问题：多轮工具调用、大量中间结果堆在上下文里，几轮之后窗口就满了。常见的做法是设一个阈值，触发后由系统自动摘要——模型本身没有发言权，压掉什么、保留什么全由外部规则决定。
dsh-asc 走的是另一条路：让模型自己决定何时压缩、压缩什么，并且每一次压缩都以持久会话日志替换事件的形式提交，可回放、可搜索、可逆。DSH 的理念是「一切皆插件」，压缩这件事同样可以插件化。下面介绍这个插件的定位、工作方式、安装步骤和注意事项。
这是什么¶
dsh-asc 全名 DeepSeek Harness Agentic Surface Compaction，是 DeepSeek Harness（下称 DSH）的上下文压缩插件，由 lmst2 维护，MIT 许可证。
它注册到 DSH 的 ctx.compaction 接口上，替代默认的 basic 压缩后端。核心思路是：压缩不是外部强加的规则，而是模型主动使用的一组工具。每次压缩都会作为日志中的替换事件（surfaceOp: replace）提交，原始内容保留在会话日志里，随时可以解压或全文搜索。
核心设计：模型自主与分层压缩¶
安装后插件在三个层面工作：
1、向系统提示词注入上下文管理纪律，包括判断规则、工具用法、分层压缩节奏，模型从第一轮对话起就主动管理上下文；
2、上下文使用率高时按需注入 nudge 提示。nudge 有节奏门控，迭代 nudge 还要求真实的 token 增长，不会每轮反复催促；
3、溢出或手动压缩时提供确定性降级——直接走 LLM 摘要，可选挂载上游修剪器时还会做工具结果修剪，不依赖模型配合。
分层压缩分三级：
1、T1 全细节：把已消耗的原始工作内容收进 checkpoint；
2、T2 提炼决策：把沉淀下来的 T1 内容提炼成决策；
3、T3 事实索引：把 T2 内容进一步收拢成事实索引。
摘要被复用得越多就越薄。每个 checkpoint 文本都带有主题和 Compaction id，当界面上已有的摘要指向需要的细节时，模型直接解压那一块；只有当没有任何可见摘要说明细节位置时才用 context_search；解压永远一层一层进行。
五个模型工具¶
插件向模型提供五个工具：
| 工具 | 用途 |
|---|---|
context_status |
查看上下文用量、分层 checkpoint、系统/对话组成、推荐区间、最近的 surface 节点 |
context_compress |
用自己写的 checkpoint 替换一段 surface 区间（支持批量、tool-call 对自动扩展、质量门控） |
context_decompress |
撤销一次压缩：原文回到 checkpoint 原来的位置（tier 感知；full: true 可到原始内容） |
context_recap |
不解压原文，重读 checkpoint 摘要 |
context_search |
对整份日志做全文搜索，包括已压缩的内容 |
压缩如何落地：事件溯源¶
底层基于事件溯源实现。一次压缩在日志里是一笔事务：
compaction/start → compaction/summary → replaced user/message → compaction/end
这带来四个性质：
1、无副作用状态文件——压缩只产生日志事件，不产生额外状态；
2、可逆——解压通过回放日志中被遮蔽的事件完成，并提交一笔原位替换事件；
3、可审计——谁压缩了什么、摘要全文、token 成本，全部记录在日志中；
4、可搜索——全量日志全文搜索覆盖已压缩的原始内容，压缩不会造成信息丢失。
安装与启用¶
前置条件：已安装 DeepSeek Harness（dsh CLI 可用）；Node.js ^22.19 或 >=24。
从 npm 安装（推荐）：
dsh plugin --profile <name> add dsh-asc
要使用比 npm 发布更新的提交，从 GitHub 安装：
dsh plugin --profile <name> add github:lmst2/dsh-asc
要修改插件本身或参与贡献，从源码构建：
git clone https://github.com/lmst2/dsh-asc.git
cd dsh-asc
pnpm install
pnpm build
dsh plugin --profile <name> add "link:$(pwd)"
dsh plugin 会把插件加入 profile，并根据包内的 dsh.bundle 声明自动启用，工具和系统提示词随 profile 一起加载。安装后需重启运行中的 DSH 服务。
接下来，在同一 profile 的 cordis.patch.yml 里禁用默认 basic 后端——ctx.compaction 同一时间只允许一个 provider：
- id: compaction-basic
disabled: true
还可以按需挂载运行时不变量检查和全文搜索后端：
- insert:
- id: dsh-asc-invariant # 运行时不变量检查（可选，推荐）
name: "dsh-asc/invariant"
- id: session-query-sqlite # context_search 全文后端（可选）
name: "@deepseek-ai/dsh-session-query-sqlite"
典型用法¶
经过上面的步骤，安装并重启后不需要额外配置。插件的运行循环是：把已消耗的原始工作收进 T1 checkpoint，把沉淀下来的 T1 内容提炼成 T2 决策，再把 T2 内容收进 T3 事实索引。
模型侧的典型动作：
1、用 context_status 查看当前用量和分层 checkpoint 分布；
2、用 context_compress 压缩不再需要原文的区间；
3、需要细节时优先解压对应 checkpoint；找不到线索时用 context_search 在全量日志里搜索；
4、用 context_recap 重读摘要而不解压原文。
适用场景与注意¶
适合的场景：
1、长会话、多轮工具调用的 DSH 使用者，上下文里堆满工具结果和中间输出；
2、希望压缩过程可审计、可回溯的团队——每次压缩的执行者和 token 成本都在日志里；
3、想自己控制压缩策略的开发者——从源码安装即可修改。
注意事项：
1、插件以当前 dsh 进程的权限运行，安装前请检查源码与许可证；
2、ctx.compaction 只允许一个 provider，必须先禁用 compaction-basic；
3、压缩内容不会丢失：原文保留在会话日志中，可随时解压或搜索；
4、许可证为 MIT；算法思想受 opencode-acp（AGPL）启发，仅使用其思想、未使用其源码，详见仓库中的 NOTICE 文件。
结尾¶
dsh-asc 的价值在于把压缩的判断权交给模型，同时用事件溯源保证每一步可回放、可搜索、可逆。如果你在 DSH 上跑长会话，值得一试。
插件收录在社区目录：https://www.skillhub.cn/plugins/lmst2/dsh-asc
源码仓库：https://github.com/lmst2/dsh-asc
