前言¶
DeepSeek Harness (DSH) 自带的上下文回收机制基于体积和模型摘要。当工具结果超过字符阈值时，中间部分会被截断；区域压缩则由模型撰写摘要来替代旧历史。前者无法区分“结果很大但依然需要”与“结果已过期”，后者容易引发摘要幻觉。
dsh-jev-prune 插件用 TypeSafe Jev 的结构化输出（noul / choice）替换了这两处的决策逻辑。遵循“模型不应生成的内容，模型就不会生成”的设计原则，它只决定保留或丢弃，不改变原始文本。区域压缩则使用代码生成的确定性回执，完全不含模型推理。
核心功能¶
该插件提供两层上下文压缩机制：
- 两层上下文压缩：同时处理结果修剪和回执压缩。
- 基于 Jev 结构化输出的结果修剪：判断每个工具结果是否仍被需要。
- 确定性回执压缩：在区域压缩中生成代码生成的回执，而非模型摘要。
- 保留原始文本：决策后的文本保持原样，不经过模型加工。
- 工具调用识别：支持对工具调用和结果进行匹配与管理。
工作原理¶
第一层：结果修剪¶
拦截点为 ctx.toolResultPruner.pruneSession。
DSH 默认逻辑是只要超过阈值就截断中间。该插件引入 Jev 判断：
* 需要的结果：无论多大，都不会被修剪。
* 已过期的结果：无论多小（除非短于 minCharsToPrune），都会被修剪。
* 无判断时：回退到 DSH 原有行为。
第二层：回执压缩¶
拦截点为 ctx.compaction.summarize 或 compactRegion。
DSH 默认逻辑是让模型阅读历史并写摘要。该插件将符合条件（见下文“门控”）的只读步骤移出表面。在并行批次中，仅替换符合条件的结果体为确定性回执。
确定性回执示例：
[已压缩 · 确定性回执] 原历史 s25–s27 是 1 次工具调用（共约 16489 字符输出），
为释放上下文已移出。以下为事实清单（工具名/入参/字符数/seq 由代码算出；模型原话逐字引用，不含任何推断）：
· s25 模型原话（逐字引用）：identifiers：把版本字符串拆成标识符。Next inc.js.
· s27 read：C:\Users\you\project\src\state.js → 16489 字符输出
原始事件仍完整保存在会话日志中（seqs 25–27）。需要内容时重跑相同命令/读取相同文件即可；本回执不含对内容的解释。
门控机制¶
默认策略保守，只有满足以下所有条件才会触发第二层压缩：
* 交集判断：结果需要性（result）和无副作用性（effect）均处于会话尾部的 compactQuantile 范围内。
* 工具白名单：工具不在 neverCompactTools 中（写类型调用被硬性排除）。
* 证据守卫：匹配 error / assert / fail / todo 的结果不移动。
* 长度限制：助手文本（text）或推理（reasoning）超过 maxStepTextChars / maxStepReasoningChars 不移动。
* 新鲜度：最尾部的 compactPreserveRecent 节点不移动。
* 平衡检查：两端需满足 DSH 工具配对平衡，跨度需节省至少 compactMinChars，回执长度需低于原始内容的 receiptMaxRatio。
依赖与安装¶
该插件依赖以下环境与库：
- Node.js：
^22.19.0 || >=24.0.0 - DSH Tools：
@deepseek-ai/dsh-tools(^0.1.5-rc.2 || ^0.2.0-rc.2) - Schemastery：
@deepseek-ai/schemastery(^3.18.2) - 许可证：MIT
安装时请确保环境版本符合上述要求。插件通过插件目录或 GitHub 仓库引入。
