前言¶

用 DeepSeek Harness（DSH）跑長會話時，上下文會不斷膨脹：推理模型在生成階段會產出大量 Wait、Hmm 等反思標記，這些內容寫入會話後，每次請求都會原樣帶上。若在出口對已發送歷史做小塊壓縮（例如官方 compaction-basic 的自動壓縮），往往會打斷前綴緩存，下一次從斷點起整段按未命中價重算，作者 README 裏把這類代價稱爲「斷點稅」。

下面介紹社區插件 dsh-entry-shaper（維護者 MaudieHakimi，GitHub 倉庫 MaudieHakimi/dsh-entry-shaper，SkillHub 分類爲「模型推理」）。它的思路是把塑形挪到入口：在會話元素首次出網前按類別跑 op 鏈定型，此後不再改寫已發送形態，從而儘量保持出網 payload 前綴單調。插件當前版本 1.0.6，狀態爲實驗性、默認關閉，要求 Node ≥ 20，MIT 許可，測試 94/94。

這是什麼¶

dsh-entry-shaper 是 DSH 的 payload 塑形插件：按 reasoning、toolResult、toolArgs、assistantText 等類別配置 op 鏈，在代理通道的 wire 層對尚未發送的內容做變換。它不干預模型生成中的推理過程，只改變之後進入上下文、再次出網時模型「看到自己曾經想過什麼」的形態。

README 強調：它不是消除所有斷點的萬能方案——官方自動壓縮、緩存 TTL、換 provider、改配置等仍可能打斷前綴；它保證的是自身不在已發送內容上再做有狀態改寫。默認策略主要塑形 reasoning 一類，其餘類別多爲 keep，省幅上限取決於推理在 payload 中的佔比（README 實測約 −21% ~ −47%）。

核心機制與能力¶

入口定型 vs 出口壓縮¶

生成結束後，內置策略（如 extract）可把長推理壓成較短決策句再出網；上下文裏後續請求攜帶的是定型後的文本，而不是完整的填充詞鏈。這與「生成時保留反思標記的增益、進入上下文後去掉其負擔」的設計目標一致——文獻與邊界說明見倉庫 README 與 docs/。

可插拔 op 鏈¶

插件提供純 op（keep、drop、extract、head、tail、truncate 等）以及三種外部接入方式，可在同一鏈上混用：

外部調用統一 I/O：輸入信封含 text、kind、meta、op、protocol: 1；返回 { "text": "…" }、 { "text": null }（整塊刪除）或裸文本。單 op 失敗或超時則 fail-open（跳過該步，不阻斷會話）。非純 op 依賴內容哈希緩存以保持確定性；README 稱長會話緩存命中率約 98.4% ~ 99.6%。

代理與配置熱讀¶

配置放在 ~/.dsh-entry-shaper.config.json（不要寫進 cordis.patch.yml，否則市場熱掛載會受限）。開啓 proxy.enabled: true 後會惰性註冊路由（默認 provider 名 deepseek-shaped），將會話或默認 provider 指向該名即可。改配置按 mtime 熱讀，一般無需重啓；建空文件 ~/.dsh-entry-shaper.OFF 可立刻原樣轉發。

安裝與啓用¶

插件以 DSH 當前進程權限運行，安裝前請自行審閱 源碼與 LICENSE，勿憑名稱臆造安裝命令。README 給出的方式爲本地目錄安裝（路徑換成你本機位置）：

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

也可手動：複製目錄到 profile 的 node_modules，並在 profile 的 package.json 中同時加入 dependencies 與 dsh.profile.bundles，且 dsh.bundle.patch 仍指向本包 cordis.patch.yml。

掛載方式另有：SkillHub 市場頁熱開關（patch 爲純 insert 時無需重啓）、或在 cordis 上下文裏 ctx.plugin(module) 做實驗。注意 dsh plugin … add "file:…" 安裝的是物理副本而非符號鏈接，只改源碼目錄不會生效，需複製進 node_modules 或重新 add。

典型配置¶

先在用戶目錄創建或編輯 ~/.dsh-entry-shaper.config.json。README 示例（總開關、按類別的 op 鏈、緩存與代理）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 特別提醒：配置裏的路徑不會展開 ~，誤寫會在當前目錄下建名爲 ~ 的文件夾；建議省略路徑鍵使用默認絕對路徑，或寫完整絕對路徑。

常用推理策略片段（同 README「複製即用」）：

// 默認思路：推理只留決策句
"reasoning": { "ops": [{ "op": "extract", "maxChars": 240 }] }
// 保守：保留真實開頭
"reasoning": { "ops": [{ "op": "head", "chars": 800 }] }
// 自定義進程內過濾（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 默認爲 false；若設爲 true 會加 [reasoning extract: …] 前綴，文檔標明該標記會污染模型上下文（見 docs/POLLUTION.md）。

適用場景與注意¶

適合誰：長會話、推理佔比高、希望在不頻繁改已發送歷史的前提下縮小出網 token；或願意用 exec / http / inline 接入自研塑形算法，複用插件的緩存、超時與 fail-open。

務必知曉的限制（均來自 README，非營銷承諾）：

1. 「更乾淨」≠ 已證明「更聰明」：插件未做去掉填充詞後的行爲對照實驗，只保證出網形態與生成過程分離。
2. 內置 extract 的已知偏差：決策句規則會保留大量 Let me / I will 類長填充，README 稱保留句中約 76.9% 仍爲自我敘述標記，詳見 docs/FILLER-WORDS.md §5（候選修法尚未實施）。
3. 會話日誌污染：實測日誌中可能出現塑形形態的推理塊，原文不保證保留；側路可用 node tools/original.mjs 回溯當前輪原文（見 docs/POLLUTION.md）。
4. 改配置會改前綴形態：下一次請求可能整份全價重算（README 量級約 $0.2），宜一次定好策略。
5. 與官方棧分工：官方已有 tool-result-pruner、compaction 等；啓用本插件前建議讀 docs/OFFICIAL-STACK.md，避免重複裁剪或預期衝突。

DSH 生態是「一切皆插件」；SkillHub 目錄頁 爲社區站點，與 DeepSeek / 幻方無官方從屬關係。

結尾¶

dsh-entry-shaper 把上下文壓縮從出口挪到入口：在 wire 層對首次出網的會話元素做確定性塑形，默認聚焦推理塊，並留出統一協議供自定義算法接入。若你在 Harness 上跑 R1 類推理模型且關心 payload 與前綴穩定，可在審閱源碼後按 README 安裝，從 enabled 與 policy.reasoning 小步試起。

• 目錄頁：https://www.skillhub.cn/plugins/MaudieHakimi/dsh-entry-shaper
• 源碼與文檔：https://github.com/MaudieHakimi/dsh-entry-shaper