前言¶
在 DeepSeek Harness（DSH）裏跑智能體，上下文會隨工具輸出、重複 read 和每請求固定的工具 schema 快速膨脹。長會話裏，provider 的 input 與 cache 讀寫都會變成成本；單靠換更大窗口的模型，並不能解決「同一段日誌被讀三遍」「bash 輸出裏 ANSI 和重複行佔滿上下文」這類結構性浪費。
社區插件 dsh augment（維護者 Ebony-Vinyl，分類爲模型推理）面向 DSH 桌面端，在不改模型權重的前提下做兩件事：用純函數流水線壓縮工具輸出並記賬透明化；可選地通過 Capability Gym 與統計門控，讓提示詞、記憶、技能、工具指導、子代理、腳本和模型路由在本機證據滿足條件時再進化。數據默認只落在 ~/.dsh/dsh-augment，README 寫明無遙測，實時進化僅調用你在 DSH 裏已配置的模型 provider。
下面按定位、能力、安裝與典型用法說明 0.0.1 預覽版（MIT，要求 DSH >=0.2.0-rc.2 <0.3.0-0，文檔在 0.2.1-rc.2～0.2.1-rc.5 上實測）。
這是什麼¶
dsh augment 是 DSH 的自適應駕馭層插件：Token 賬本 + 輸出壓縮 + CCR 取回 + read 同名替換 + 項目地圖與環境經驗 + 循環防護；設置頁還提供「上下文優化 / 自我進化」雙模式。簡介與 package.json 描述一致：Token-saving context compression + evidence-backed self-evolution for DeepSeek Harness。
插件通過 Cordis patch 注入宿主，註冊設置分區 dsh augment（id dsh-augment），並在 agent 作用域覆蓋部分工具行爲。運行時權限與當前 DSH 進程相同，安裝前應自行審閱源碼與 MIT 許可證。
核心功能¶
Token 賬本與工具 schema 透明¶
每個請求對比「原本輸入 vs 實際輸入」，疊加緩存加權等效節省（input 1×、cache-read 0.1×、cache-write 1.25×、output 5×；對原本輸入使用與實際相同的緩存比例）。壓縮 footer 裏的 saved 會留在歷史裏，後續請求重複計入，README 強調這是累計淨效果而非單次幻覺。無 provider usage 時回退本地估算並標註「估算」。
總覽頁另列 工具 schema 開銷：本機實測約 7.7K–18K tokens/請求（取決於 preset），按工具與使用次數展示，未使用標紅；插件不隱藏官方工具。
輸出壓縮與外置取回（CCR）¶
對 bash、pwsh、grep、glob 等工具輸出走 10+ 純函數過濾器：ANSI/OSC 清理、重複行摺疊、grep 分組、JSON 骨架化、git diff 精簡、HTML 轉文本、長 hex/base64 省略等；never_worse 守衛保證壓縮後不比原文更小則退回原文；小於 512 字符不處理，輸入上限 2MB。read 默認不做有損壓縮。
有損裁剪的原文按 hash 存於 ~/.dsh/dsh-augment/store（gzip，7 天，200MB LRU）；footer 帶 id，可用 augment_retrieve 分頁取回。檢測到私鑰、密碼、API key 形態的內容不落盤，僅做無損壓縮。
壓縮結果 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 同名替換與重複摺疊¶
在 agent 作用域註冊同名 read，參數與官方一致（file_path、offset、limit），走 ctx.fs 保留沙箱與 fs/observed。同一文件、範圍、version 重複讀取返回引用而非全文。glob/grep 仍用官方實現，輸出僅經壓縮流水線處理。
項目地圖、環境經驗與循環防護¶
後臺掃描 session cwd，生成 ≤700 tokens 的倉庫地圖 Markdown，注入 system prompt（order 3300）；細節可通過 augment_map（summary|tree|hot|entry|tests|env|all 或關鍵詞）。環境經驗記錄已驗證命令與命令修復（≥2 次成功等規則），存於 ~/.dsh/dsh-augment/facts。循環防護在同類工具錯誤重複出現時注入約 60 tokens 糾偏提示，不注入停止/完成類指令。
自我進化（預覽）¶
8 個可進化 harness 組件，Propose–Probe–Compose 與多種候選算子；Capability Gym 含 12 個確定性任務模板 × 24 個 held-out 變體。採納需證據門：四臂對比（baseline / equal-compute / full-rsi / reuse-only）、配對 bootstrap、Bonferroni、CI 下界等，詳見倉庫內 EVOLUTION.md。生成代碼默認在 worker+vm 沙箱、需 UI 批准；審計與一鍵回滾寫 ~/.dsh/dsh-augment/evolution/。
工具與命令包括 augment_evolve、augment_recall、augment_skill 以及 /evolve、/recall、/benchmark。默認實時模型爲 DSH 已配置的 agnes / agnes-3.0-flash，可在「自我進化 → 設置 → 模型路由」修改 executor / improver / selector / judge。
安裝與啓用¶
要求：DeepSeek Harness 桌面端 0.2.1-rc.2～0.2.1-rc.5 區間（Windows / macOS / Linux）。需要 pnpm 在 PATH，或設置 DSH_PNPM；若用桌面端自帶 pnpm，設置 DSH_APP_ROOT 爲 DSH 安裝目錄。
- 關閉 DeepSeek Harness。
- 在已獲取的插件源碼根目錄執行安裝腳本（會備份 profile、寫入 link 依賴並 pnpm 安裝）：
node scripts/install.mjs
- 啓動 DSH，打開 設置 → dsh augment。
卸載：
node scripts/uninstall.mjs
臨時禁用：創建空文件或標記文件 ~/.dsh/dsh-augment/DISABLED。
典型用法¶
上下文優化模式：在設置總覽查看淨節省與工具 schema；在「壓縮實驗室」粘貼一段工具輸出，即時查看 before/after，不落盤。按需關閉 CCR、read 替換、項目地圖等開關。
CCR 回讀：當模型看到帶 id 的 footer 且需要原文時，調用 augment_retrieve 指定 offset/limit。
自我進化：在設置頁切換到「自我進化」，從總覽或工作臺發起運行；評測中心跑 Capability Gym 與四臂對比；採納前查看 CI 與迴歸門。HTTP/SSE 端點以 README 爲準，例如 GET /plugins/dsh-augment/evolution/snapshot?light=1 與 POST /plugins/dsh-augment/evolution/actions。
適用場景與注意¶
適合長期在 DSH 桌面端做倉庫級智能體開發、希望量化上下文成本並可控壓縮工具輸出的用戶；若需要在本機迭代提示詞、記憶與路由且接受預覽版統計與安全約束，可評估自我進化工作區。
注意：0.0.1 爲 preview，engines 綁定 0.2.x-rc 段，升級 DSH 主版本前需覈對兼容性。插件不打包 bash/MSYS，README 稱零原生依賴、純 JS，但不替代你對插件代碼與 Cordis patch 的安全審查。社區目錄站點 skillhub.cn 與 DeepSeek / 幻方無官方從屬關係，安裝來源以你信任的渠道爲準。
結尾¶
dsh augment 把「省下來的 token」攤在賬本與 footer 上，並把可選進化關在證據門與審計回滾之後，適合作爲 DSH 會話層的上下文與駕馭增強插件。
- 目錄頁：https://www.skillhub.cn/plugins/Ebony-Vinyl/dsh-augment
- 源碼與文檔：https://github.com/Ebony-Vinyl/dsh-augment
