DeepSeek Harness (DSH) 的核心架构是“一切皆插件”。在进行模型推理和智能体开发时，Prompt 缓存是降低延迟和推理成本的关键。dsh-cache-warmer 作为一个插件，旨在通过估算缓存时间、观察已缓存 Token 使用量，以及提供可选的成本感知预热功能，帮助开发者更好地管理推理会话。
核心功能¶
该插件提供以下能力：
- 缓存时间估算：使用 draining ring 机制估算 Prompt 缓存的剩余时间。
- Token 使用观察：显示当前会话中已缓存的 Token 数量。
- 成本感知预热：在成本允许的情况下，主动发起预热请求以延长缓存有效期。
- 模型兼容性：只要模型兼容文本对话，无论提供者名称如何，均可进行预热（非 pi-ai 路由仅支持观察模式）。
- 界面与配置：设置仅存在于 “Plugins → Cache warmer” 菜单中，提供中英文 UI 和原生样式的开关控件。
安装与使用¶
安装官方发布的最新版本（v0.1.7）：
dsh plugin --profile web add 'https://github.com/yoggu/dsh-cache-warmer.git#v0.1.7'
若需本地调试，可链接本地检出目录：
git clone --branch v0.1.7 --depth 1 https://github.com/yoggu/dsh-cache-warmer.git
cd dsh-cache-warmer
dsh plugin --profile web add "link:$(pwd)"
安装或替换版本后，必须重启 DSH 并刷新浏览器。更新或安装插件本身不会自动发送预热请求。
适用场景与注意事项¶
环境要求¶
插件运行需要兼容的 Harness 运行时环境，包括：
* 标准的大语言模型服务
* 会话投影服务
* 凭证和存储服务
* 插件自带的 pi-ai 适配器
原生预热逻辑已针对 llm-pi-ai 0.2.0-rc.2 和 pi-ai 0.99.1 进行审查。如果适配器或序列化器版本不同，插件将进入“失败关闭”状态（即不发送预热请求）。
默认行为¶
- 默认关闭：插件默认处于关闭状态，需要手动开启。
- 生命周期：基于最后一次“真实”的模型请求计时，而非页面刷新或工具执行完成时间。
- 子会话：子会话（subagent）不会自动预热。
模型与缓存策略¶
在 “Plugins → Cache warmer → Model cache policies” 中配置模型策略。该页面会自动列出所有已注册 Harness 提供者（包括 Codex 账号、pi-ai 提供者）的模型。
* 发现机制：提供者共享 5 秒发现截止期，浏览器设置和模型列表读取有 10 秒超时并支持重试。
* 配置项：
* Enable warming：允许对该模型预热。关闭后保留其寿命设置。
* Estimated cache lifetime (minutes)：整数 1-10080。留空表示“未知”，此时即使开启预热也不会发送请求。
* Reset to default：恢复默认值。
* 保存机制：仅保存用户自定义的覆盖规则（最多 100 条），不保存自动发现的目录。保存设置会取消已捕获的目标，需要新的真实请求才能恢复预热。
限制与特殊情况¶
- Codex / OAuth：Codex 或签名响应路由不保证服务器端输出上限。需要在插件设置中单独开启 “Allow best-effort warming (Codex / OAuth)”。
- 客户端取消：客户端取消操作不能保证隐藏的推理或提供者生成已停止。
- 价格估算：价格估算不是实际消费或配额上限。
- Bedrock：由于 AWS Bedrock 的原生 SDK 无法通过此接口禁用重试，目前不可用。
- 缓存寿命假设：插件不依赖提供者报告的寿命或内置的 Codex 寿命，所有寿命均为本地规划假设。
总结¶
dsh-cache-warmer 为 DeepSeek Harness 用户提供了精细化的 Prompt 缓存管理能力，特别是针对成本和延迟的优化。开发者可以通过插件菜单对模型策略进行细致配置，实现可控的缓存预热。更多技术细节可查阅 GitHub 仓库。
