DeepSeek Harness 動態插件：dsh-plugin-save-token

前言¶

DeepSeek Harness (DSH) 支持動態插件擴展。在智能體開發中，工具輸出的 JSON、CLI 表格或日誌往往直接進入對話上下文，導致 Token 成本隨對話輪次線性增長。dsh-plugin-save-token 是一個動態插件，旨在通過結構感知的壓縮和去重策略，在不降低模型推理質量的前提下降低 Token 成本。所有優化均遵循可逆原則，即任何替換必須能通過工具一鍵還原。

核心功能¶

插件實現了以下核心機制：

1. 結構感知壓縮
   對管道分隔的高密度表格（≥70% 行共享相同分隔符），採用保留首 60 行和尾 40 行，並對中間部分進行步長採樣的策略。模型接收的版本包含原始行號標註（如 L61: ...），確保檢索的精確性。

2. TOON 風格無損編碼
   對統一 JSON 數組（如包含 300 個同質對象的 API 響應）優先使用 TOON 格式進行無損編碼（如 prices[300]{model,input,output}:），僅在無損路徑不可用時才啓用有損壓縮。

3. 壓縮-緩存-檢索 (CCR) 模式
   在每次替換前，將原始文本寫入磁盤（通過 dsh 的 spillStore）。壓縮後的內容嵌入兩個檢索路徑：動態工具 save_token_expand（通過 marker id 調用）以及文件定位符。

4. 跨輪次去重
   對 90 秒時間窗口內字節完全相同的輸出，替換爲引用上一輪上下文的 Stub，防止重複內容堆積。

5. 雙重門控機制
   只有同時滿足以下條件纔會生效：
   - Byte gate：壓縮後大小 ≤ 原始的 72%，且絕對節省 ≥ 500B。
   - Token gate：預估 Token 數嚴格小於原始數。
   任一條件不滿足則保留原內容。

6. 錯誤行保護
   在日誌類輸出的壓縮區域，保留最多 25 行匹配 error/fatal/traceback/timeout 等關鍵詞的行。

7. 壓縮壓力耦合
   在推理步驟邊界檢查上下文大小。當實際上下文超過 120k tokens 時，觸發 DSH 原生的 compaction.compactIfNeeded() 方法。

8. 全鏈路計量與儀表盤
   攔截 llm/stream 事件，分別計量實際計費的 Token 和通過壓縮避免的 Token。在設置頁面提供雙面板儀表盤，展示 KPI、堆疊圖表和排行榜。

使用方式¶

插件爲 DSH 客戶端提供了動態工具 save_token_expand，用於根據 marker id 檢索壓縮後的內容。用戶可在設置頁面查看詳細的 KPI 和按請求的堆疊圖表。

適用場景與限制¶

• 適用場景：當大型工具輸出（API JSON、CLI 表格）直接進入對話上下文時。
• 不觸發場景：當智能體使用“寫入文件再讀取”的模式時，插件不會介入。
• 前置條件：可逆性是硬性前提，如果磁盤寫入（spill）失敗，壓縮操作將被放棄。

生態與鏈接¶

• 所有者：vibe-any
• 許可證：MIT
• 倉庫：GitHub
• 目錄：SkillHub