前言¶

在 DeepSeek Harness (DSH) 的生态中，插件是扩展功能、适配不同推理模型或处理特定任务的主要方式。智能体开发中，输出 Token 的长度往往直接影响推理成本和上下文窗口的占用。面对长文本或冗余的回复，如何在保持信息准确的同时压缩 Token 是一个常见需求。

插件介绍¶

下面介绍的是 satan9394 维护的 dsh-caveman-speak 插件。这是一个模型推理插件，核心功能是输出 Token 压缩。它通过一种被称为“穴居人语”的格式对模型输出进行重写，旨在显著减少输出 Token 的数量。

核心功能¶

该插件提供了以下能力：
* 输出 Token 压缩：通过重写输出内容来降低 Token 消耗。
* 穴居人语回复：利用特定语体减少约 65% 的输出 Token。
* 代码/命令/错误字节精确：在压缩过程中保证代码、命令行指令和错误信息的字节级精确性，防止信息丢失或乱码。
* token 下沉点四类审计：支持对 Token 下沉点进行分类审计。
* 渐进披露回忆：支持渐进披露式的记忆回忆机制。

安装与启用¶

根据当前资料，无法确认具体的安装命令和许可证信息。建议直接访问其 GitHub 仓库查看最新的安装指引。官方仓库地址为：https://github.com/satan9394/dsh-caveman-speak。

适用场景与注意¶

• 适用场景：适用于对输出 Token 成本敏感的场景，如高频调用推理接口、长对话上下文压缩，以及需要确保代码和错误信息准确性的开发调试环境。
• 注意：在使用前，建议检查插件源码以确保其安全性。同时，需注意插件以当前 DSH 进程的权限运行，请确保其行为符合预期。

短结尾¶

dsh-caveman-speak 插件通过“穴居人语”实现了高比例的 Token 压缩，同时兼顾了代码和指令的精确性。对于希望在 DeepSeek Harness 生态中降低推理成本的开发者，这是一个值得尝试的模型推理插件。更多详情请参考 SkillHub 目录 或 GitHub 仓库。