前言¶
在 DeepSeek Harness（DSH）里跑智能体，上下文会随工具输出、重复 read 和每请求固定的工具 schema 快速膨胀。长会话里，provider 的 input 与 cache 读写都会变成成本；单靠换更大窗口的模型，并不能解决「同一段日志被读三遍」「bash 输出里 ANSI 和重复行占满上下文」这类结构性浪费。
社区插件 dsh augment（维护者 Ebony-Vinyl，分类为模型推理）面向 DSH 桌面端，在不改模型权重的前提下做两件事：用纯函数流水线压缩工具输出并记账透明化；可选地通过 Capability Gym 与统计门控，让提示词、记忆、技能、工具指导、子代理、脚本和模型路由在本机证据满足条件时再进化。数据默认只落在 ~/.dsh/dsh-augment，README 写明无遥测，实时进化仅调用你在 DSH 里已配置的模型 provider。
下面按定位、能力、安装与典型用法说明 0.0.1 预览版（MIT，要求 DSH >=0.2.0-rc.2 <0.3.0-0，文档在 0.2.1-rc.2～0.2.1-rc.5 上实测）。
这是什么¶
dsh augment 是 DSH 的自适应驾驭层插件：Token 账本 + 输出压缩 + CCR 取回 + read 同名替换 + 项目地图与环境经验 + 循环防护；设置页还提供「上下文优化 / 自我进化」双模式。简介与 package.json 描述一致：Token-saving context compression + evidence-backed self-evolution for DeepSeek Harness。
插件通过 Cordis patch 注入宿主，注册设置分区 dsh augment（id dsh-augment），并在 agent 作用域覆盖部分工具行为。运行时权限与当前 DSH 进程相同，安装前应自行审阅源码与 MIT 许可证。
核心功能¶
Token 账本与工具 schema 透明¶
每个请求对比「原本输入 vs 实际输入」，叠加缓存加权等效节省（input 1×、cache-read 0.1×、cache-write 1.25×、output 5×；对原本输入使用与实际相同的缓存比例）。压缩 footer 里的 saved 会留在历史里，后续请求重复计入，README 强调这是累计净效果而非单次幻觉。无 provider usage 时回退本地估算并标注「估算」。
总览页另列 工具 schema 开销：本机实测约 7.7K–18K tokens/请求（取决于 preset），按工具与使用次数展示，未使用标红；插件不隐藏官方工具。
输出压缩与外置取回（CCR）¶
对 bash、pwsh、grep、glob 等工具输出走 10+ 纯函数过滤器：ANSI/OSC 清理、重复行折叠、grep 分组、JSON 骨架化、git diff 精简、HTML 转文本、长 hex/base64 省略等；never_worse 守卫保证压缩后不比原文更小则退回原文；小于 512 字符不处理，输入上限 2MB。read 默认不做有损压缩。
有损裁剪的原文按 hash 存于 ~/.dsh/dsh-augment/store（gzip，7 天，200MB LRU）；footer 带 id，可用 augment_retrieve 分页取回。检测到私钥、密码、API key 形态的内容不落盘，仅做无损压缩。
压缩结果 footer 示例：
[dsh augment: tech=cap 5000→220 lines, ~7800→~3629 tokens, saved 4171, id="c-0c3ed7e1d3da"]
取回示例：
augment_retrieve({ id: "c-0c3ed7e1d3da", offset: 0, limit: 8192 })
read 同名替换与重复折叠¶
在 agent 作用域注册同名 read，参数与官方一致（file_path、offset、limit），走 ctx.fs 保留沙箱与 fs/observed。同一文件、范围、version 重复读取返回引用而非全文。glob/grep 仍用官方实现，输出仅经压缩流水线处理。
项目地图、环境经验与循环防护¶
后台扫描 session cwd，生成 ≤700 tokens 的仓库地图 Markdown，注入 system prompt（order 3300）；细节可通过 augment_map（summary|tree|hot|entry|tests|env|all 或关键词）。环境经验记录已验证命令与命令修复（≥2 次成功等规则），存于 ~/.dsh/dsh-augment/facts。循环防护在同类工具错误重复出现时注入约 60 tokens 纠偏提示，不注入停止/完成类指令。
自我进化（预览）¶
8 个可进化 harness 组件，Propose–Probe–Compose 与多种候选算子；Capability Gym 含 12 个确定性任务模板 × 24 个 held-out 变体。采纳需证据门：四臂对比（baseline / equal-compute / full-rsi / reuse-only）、配对 bootstrap、Bonferroni、CI 下界等，详见仓库内 EVOLUTION.md。生成代码默认在 worker+vm 沙箱、需 UI 批准；审计与一键回滚写 ~/.dsh/dsh-augment/evolution/。
工具与命令包括 augment_evolve、augment_recall、augment_skill 以及 /evolve、/recall、/benchmark。默认实时模型为 DSH 已配置的 agnes / agnes-3.0-flash，可在「自我进化 → 设置 → 模型路由」修改 executor / improver / selector / judge。
安装与启用¶
要求：DeepSeek Harness 桌面端 0.2.1-rc.2～0.2.1-rc.5 区间（Windows / macOS / Linux）。需要 pnpm 在 PATH，或设置 DSH_PNPM；若用桌面端自带 pnpm，设置 DSH_APP_ROOT 为 DSH 安装目录。
- 关闭 DeepSeek Harness。
- 在已获取的插件源码根目录执行安装脚本（会备份 profile、写入 link 依赖并 pnpm 安装）：
node scripts/install.mjs
- 启动 DSH，打开 设置 → dsh augment。
卸载：
node scripts/uninstall.mjs
临时禁用：创建空文件或标记文件 ~/.dsh/dsh-augment/DISABLED。
典型用法¶
上下文优化模式：在设置总览查看净节省与工具 schema；在「压缩实验室」粘贴一段工具输出，即时查看 before/after，不落盘。按需关闭 CCR、read 替换、项目地图等开关。
CCR 回读：当模型看到带 id 的 footer 且需要原文时，调用 augment_retrieve 指定 offset/limit。
自我进化：在设置页切换到「自我进化」，从总览或工作台发起运行；评测中心跑 Capability Gym 与四臂对比；采纳前查看 CI 与回归门。HTTP/SSE 端点以 README 为准，例如 GET /plugins/dsh-augment/evolution/snapshot?light=1 与 POST /plugins/dsh-augment/evolution/actions。
适用场景与注意¶
适合长期在 DSH 桌面端做仓库级智能体开发、希望量化上下文成本并可控压缩工具输出的用户；若需要在本机迭代提示词、记忆与路由且接受预览版统计与安全约束，可评估自我进化工作区。
注意：0.0.1 为 preview，engines 绑定 0.2.x-rc 段，升级 DSH 主版本前需核对兼容性。插件不打包 bash/MSYS，README 称零原生依赖、纯 JS，但不替代你对插件代码与 Cordis patch 的安全审查。社区目录站点 skillhub.cn 与 DeepSeek / 幻方无官方从属关系，安装来源以你信任的渠道为准。
结尾¶
dsh augment 把「省下来的 token」摊在账本与 footer 上，并把可选进化关在证据门与审计回滚之后，适合作为 DSH 会话层的上下文与驾驭增强插件。
- 目录页：https://www.skillhub.cn/plugins/Ebony-Vinyl/dsh-augment
- 源码与文档：https://github.com/Ebony-Vinyl/dsh-augment
