前言¶
在 DeepSeek Harness (DSH) 的生態中，插件是擴展功能、適配不同推理模型或處理特定任務的主要方式。智能體開發中，輸出 Token 的長度往往直接影響推理成本和上下文窗口的佔用。面對長文本或冗餘的回覆，如何在保持信息準確的同時壓縮 Token 是一個常見需求。
插件介紹¶
下面介紹的是 satan9394 維護的 dsh-caveman-speak 插件。這是一個模型推理插件，核心功能是輸出 Token 壓縮。它通過一種被稱爲“穴居人語”的格式對模型輸出進行重寫，旨在顯著減少輸出 Token 的數量。
核心功能¶
該插件提供了以下能力：
* 輸出 Token 壓縮：通過重寫輸出內容來降低 Token 消耗。
* 穴居人語回覆：利用特定語體減少約 65% 的輸出 Token。
* 代碼/命令/錯誤字節精確：在壓縮過程中保證代碼、命令行指令和錯誤信息的字節級精確性，防止信息丟失或亂碼。
* token 下沉點四類審計：支持對 Token 下沉點進行分類審計。
* 漸進披露回憶：支持漸進披露式的記憶回憶機制。
安裝與啓用¶
根據當前資料，無法確認具體的安裝命令和許可證信息。建議直接訪問其 GitHub 倉庫查看最新的安裝指引。官方倉庫地址爲：https://github.com/satan9394/dsh-caveman-speak。
適用場景與注意¶
- 適用場景：適用於對輸出 Token 成本敏感的場景，如高頻調用推理接口、長對話上下文壓縮，以及需要確保代碼和錯誤信息準確性的開發調試環境。
- 注意：在使用前，建議檢查插件源碼以確保其安全性。同時，需注意插件以當前 DSH 進程的權限運行，請確保其行爲符合預期。
短結尾¶
dsh-caveman-speak 插件通過“穴居人語”實現了高比例的 Token 壓縮，同時兼顧了代碼和指令的精確性。對於希望在 DeepSeek Harness 生態中降低推理成本的開發者，這是一個值得嘗試的模型推理插件。更多詳情請參考 SkillHub 目錄 或 GitHub 倉庫。
