前言¶

用 DeepSeek Harness（DSH）跑长会话时，上下文会不断膨胀：推理模型在生成阶段会产出大量 Wait、Hmm 等反思标记，这些内容写入会话后，每次请求都会原样带上。若在出口对已发送历史做小块压缩（例如官方 compaction-basic 的自动压缩），往往会打断前缀缓存，下一次从断点起整段按未命中价重算，作者 README 里把这类代价称为「断点税」。

下面介绍社区插件 dsh-entry-shaper（维护者 MaudieHakimi，GitHub 仓库 MaudieHakimi/dsh-entry-shaper，SkillHub 分类为「模型推理」）。它的思路是把塑形挪到入口：在会话元素首次出网前按类别跑 op 链定型，此后不再改写已发送形态，从而尽量保持出网 payload 前缀单调。插件当前版本 1.0.6，状态为实验性、默认关闭，要求 Node ≥ 20，MIT 许可，测试 94/94。

这是什么¶

dsh-entry-shaper 是 DSH 的 payload 塑形插件：按 reasoning、toolResult、toolArgs、assistantText 等类别配置 op 链，在代理通道的 wire 层对尚未发送的内容做变换。它不干预模型生成中的推理过程，只改变之后进入上下文、再次出网时模型「看到自己曾经想过什么」的形态。

README 强调：它不是消除所有断点的万能方案——官方自动压缩、缓存 TTL、换 provider、改配置等仍可能打断前缀；它保证的是自身不在已发送内容上再做有状态改写。默认策略主要塑形 reasoning 一类，其余类别多为 keep，省幅上限取决于推理在 payload 中的占比（README 实测约 −21% ~ −47%）。

核心机制与能力¶

入口定型 vs 出口压缩¶

生成结束后，内置策略（如 extract）可把长推理压成较短决策句再出网；上下文里后续请求携带的是定型后的文本，而不是完整的填充词链。这与「生成时保留反思标记的增益、进入上下文后去掉其负担」的设计目标一致——文献与边界说明见仓库 README 与 docs/。

可插拔 op 链¶

插件提供纯 op（keep、drop、extract、head、tail、truncate 等）以及三种外部接入方式，可在同一链上混用：

外部调用统一 I/O：输入信封含 text、kind、meta、op、protocol: 1；返回 { "text": "…" }、 { "text": null }（整块删除）或裸文本。单 op 失败或超时则 fail-open（跳过该步，不阻断会话）。非纯 op 依赖内容哈希缓存以保持确定性；README 称长会话缓存命中率约 98.4% ~ 99.6%。

代理与配置热读¶

配置放在 ~/.dsh-entry-shaper.config.json（不要写进 cordis.patch.yml，否则市场热挂载会受限）。开启 proxy.enabled: true 后会惰性注册路由（默认 provider 名 deepseek-shaped），将会话或默认 provider 指向该名即可。改配置按 mtime 热读，一般无需重启；建空文件 ~/.dsh-entry-shaper.OFF 可立刻原样转发。

安装与启用¶

插件以 DSH 当前进程权限运行，安装前请自行审阅 源码与 LICENSE，勿凭名称臆造安装命令。README 给出的方式为本地目录安装（路径换成你本机位置）：

dsh plugin --profile web add "file:D:\plugins\dsh-entry-shaper"

也可手动：复制目录到 profile 的 node_modules，并在 profile 的 package.json 中同时加入 dependencies 与 dsh.profile.bundles，且 dsh.bundle.patch 仍指向本包 cordis.patch.yml。

挂载方式另有：SkillHub 市场页热开关（patch 为纯 insert 时无需重启）、或在 cordis 上下文里 ctx.plugin(module) 做实验。注意 dsh plugin … add "file:…" 安装的是物理副本而非符号链接，只改源码目录不会生效，需复制进 node_modules 或重新 add。

典型配置¶

先在用户目录创建或编辑 ~/.dsh-entry-shaper.config.json。README 示例（总开关、按类别的 op 链、缓存与代理）如下：

{
  "enabled": true,
  "shapeReasoning": true,
  "policy": {
    "reasoning":     { "ops": [{ "op": "extract", "maxChars": 240 }] },
    "toolResult":    { "ops": [{ "op": "keep" }] },
    "toolArgs":      { "ops": [{ "op": "keep" }] },
    "assistantText": { "ops": [{ "op": "keep" }] }
  },
  "cache": { "enabled": true, "path": "~/.dsh-entry-shaper.cache.jsonl", "maxBytes": 8388608 },
  "proxy": { "enabled": true, "provider": "deepseek-shaped", "upstream": "deepseek-official" },
  "opTimeoutMs": 8000,
  "logPath": "~/.dsh-entry-shaper.log"
}

README 特别提醒：配置里的路径不会展开 ~，误写会在当前目录下建名为 ~ 的文件夹；建议省略路径键使用默认绝对路径，或写完整绝对路径。

常用推理策略片段（同 README「复制即用」）：

// 默认思路：推理只留决策句
"reasoning": { "ops": [{ "op": "extract", "maxChars": 240 }] }
// 保守：保留真实开头
"reasoning": { "ops": [{ "op": "head", "chars": 800 }] }
// 自定义进程内过滤（示例）
"reasoning": { "ops": [{ "op": "inline", "use": "code",
  "code": "return text.split('\\n').filter(l => !/^(Let me|I will)\\b/.test(l)).join('\\n')" }] }

extract 的 marker 默认为 false；若设为 true 会加 [reasoning extract: …] 前缀，文档标明该标记会污染模型上下文（见 docs/POLLUTION.md）。

适用场景与注意¶

适合谁：长会话、推理占比高、希望在不频繁改已发送历史的前提下缩小出网 token；或愿意用 exec / http / inline 接入自研塑形算法，复用插件的缓存、超时与 fail-open。

务必知晓的限制（均来自 README，非营销承诺）：

1. 「更干净」≠ 已证明「更聪明」：插件未做去掉填充词后的行为对照实验，只保证出网形态与生成过程分离。
2. 内置 extract 的已知偏差：决策句规则会保留大量 Let me / I will 类长填充，README 称保留句中约 76.9% 仍为自我叙述标记，详见 docs/FILLER-WORDS.md §5（候选修法尚未实施）。
3. 会话日志污染：实测日志中可能出现塑形形态的推理块，原文不保证保留；侧路可用 node tools/original.mjs 回溯当前轮原文（见 docs/POLLUTION.md）。
4. 改配置会改前缀形态：下一次请求可能整份全价重算（README 量级约 $0.2），宜一次定好策略。
5. 与官方栈分工：官方已有 tool-result-pruner、compaction 等；启用本插件前建议读 docs/OFFICIAL-STACK.md，避免重复裁剪或预期冲突。

DSH 生态是「一切皆插件」；SkillHub 目录页 为社区站点，与 DeepSeek / 幻方无官方从属关系。

结尾¶

dsh-entry-shaper 把上下文压缩从出口挪到入口：在 wire 层对首次出网的会话元素做确定性塑形，默认聚焦推理块，并留出统一协议供自定义算法接入。若你在 Harness 上跑 R1 类推理模型且关心 payload 与前缀稳定，可在审阅源码后按 README 安装，从 enabled 与 policy.reasoning 小步试起。

• 目录页：https://www.skillhub.cn/plugins/MaudieHakimi/dsh-entry-shaper
• 源码与文档：https://github.com/MaudieHakimi/dsh-entry-shaper