DeepSeek Harness 動態輸出額度插件：dsh-adaptive-max-tokens
`dsh-adaptive-max-tokens` 是 DeepSeek Harness (DSH) 的一個插件，旨在解決長上下文對話中固定預留的輸出額度與輸入文本碰撞導致服務拒絕請求的問題。該插件通過動態計算 `maxTokens`，根據上下文容量和輸入估算靈活調整輸出空間，並在壓縮生效後自動恢復額度。它支持錯誤識別重試、中斷續聊校準及路由兼容，需在 DSH `0.1.6-alpha.1` 或 `0.1.7-rc.2` 版本下安裝使用。注意，插件僅基於估算調整預算，不增加模型真實容量且無法保證絕對不溢出。
閱讀全文dsh-context-checkpoint：解決 DeepSeek V4.1 Flash 長上下文丟失結論的自動檢查點插件
Leafstory 維護的 `dsh-context-checkpoint` 插件旨在解決 DeepSeek V4.1 Flash 長對話中模型遺忘或否定先前結論的問題。該插件通過自動總結、壓縮關鍵狀態並注入提示詞開頭，確保模型在注意力最高處讀取事實，不依賴模型記憶。其核心功能包括自動落盤、預約壓縮及強制繞過機制，適用於長任務場景。安裝後需重啓 DSH，不依賴空閒窗口，在步驟切換時自動執行。
閱讀全文DSH Git Memory：基於 Git 的 DeepSeek Harness 長期上下文
`dsh-git-memory` 是 DeepSeek Harness 的一個基於 Git 的記憶管理插件，旨在解決智能體長期上下文難以管理的問題。該插件處於兼容性測試階段，核心功能包括動態上下文註冊、元數據觀察以及提供人類命令和模型工具查看狀態。安裝依賴 Node.js 24、pnpm 11 及 DSH 0.1.0-rc.6，支持通過 Web profile 使用。由於處於測試期，當前版本故意不存儲記憶，不具備持久化、寫入或後臺調用能力，且對敏感數據和 Git 操作有嚴格限制。其設計爲受控、可審計的長期記憶系統提供了基礎。
閱讀全文dsh-llm-longcat：DeepSeek Harness 的長上下文與思考模式適配器
dsh-llm-longcat 是 DeepSeek Harness (DSH) 的一款插件，用於對接 LongCat-2.0 模型。它主要解決了 Harness 生態中長上下文（1M Token）、結構化思考鏈展示及原生工具調用的問題。插件支持流式傳輸、多輪對話思考回溯及通過環境變量管理密鑰。安裝需在本地運行腳本，配置時需注意不支持圖像輸入、停止序列及推理強度的二進制限制。
閱讀全文Moonshot 開源 Kimi K3：2.8T 參數 MoE、104B 激活、100 萬上下文的開源前沿模型
2026 年 7 月 27 日，Moonshot AI 在 Hugging Face 與 GitHub 發佈 Kimi K3 完整權重：2.8T 總參數 MoE、896 專家中激活 16 個、104B 激活參數、100 萬 token 上下文與原生多模態。本文基於官方 README 與 arXiv 技術報告，梳理 KDA、Stable LatentMoE 架構要點，解讀 Terminal-Bench 等 Agent 評測及 harness 差異，並介紹 API 與 vLLM/SGLang 部署路徑與 Kimi K3 License 使用邊界。
閱讀全文