DeepSeek Harness 动态输出额度插件：dsh-adaptive-max-tokens
`dsh-adaptive-max-tokens` 是 DeepSeek Harness (DSH) 的一个插件，旨在解决长上下文对话中固定预留的输出额度与输入文本碰撞导致服务拒绝请求的问题。该插件通过动态计算 `maxTokens`，根据上下文容量和输入估算灵活调整输出空间，并在压缩生效后自动恢复额度。它支持错误识别重试、中断续聊校准及路由兼容，需在 DSH `0.1.6-alpha.1` 或 `0.1.7-rc.2` 版本下安装使用。注意，插件仅基于估算调整预算，不增加模型真实容量且无法保证绝对不溢出。
阅读全文dsh-context-checkpoint：解决 DeepSeek V4.1 Flash 长上下文丢失结论的自动检查点插件
Leafstory 维护的 `dsh-context-checkpoint` 插件旨在解决 DeepSeek V4.1 Flash 长对话中模型遗忘或否定先前结论的问题。该插件通过自动总结、压缩关键状态并注入提示词开头，确保模型在注意力最高处读取事实，不依赖模型记忆。其核心功能包括自动落盘、预约压缩及强制绕过机制，适用于长任务场景。安装后需重启 DSH，不依赖空闲窗口，在步骤切换时自动执行。
阅读全文DSH Git Memory：基于 Git 的 DeepSeek Harness 长期上下文
`dsh-git-memory` 是 DeepSeek Harness 的一个基于 Git 的记忆管理插件，旨在解决智能体长期上下文难以管理的问题。该插件处于兼容性测试阶段，核心功能包括动态上下文注册、元数据观察以及提供人类命令和模型工具查看状态。安装依赖 Node.js 24、pnpm 11 及 DSH 0.1.0-rc.6，支持通过 Web profile 使用。由于处于测试期，当前版本故意不存储记忆，不具备持久化、写入或后台调用能力，且对敏感数据和 Git 操作有严格限制。其设计为受控、可审计的长期记忆系统提供了基础。
阅读全文dsh-llm-longcat：DeepSeek Harness 的长上下文与思考模式适配器
dsh-llm-longcat 是 DeepSeek Harness (DSH) 的一款插件，用于对接 LongCat-2.0 模型。它主要解决了 Harness 生态中长上下文（1M Token）、结构化思考链展示及原生工具调用的问题。插件支持流式传输、多轮对话思考回溯及通过环境变量管理密钥。安装需在本地运行脚本，配置时需注意不支持图像输入、停止序列及推理强度的二进制限制。
阅读全文Moonshot 开源 Kimi K3：2.8T 参数 MoE、104B 激活、100 万上下文的开源前沿模型
2026 年 7 月 27 日，Moonshot AI 在 Hugging Face 与 GitHub 发布 Kimi K3 完整权重：2.8T 总参数 MoE、896 专家中激活 16 个、104B 激活参数、100 万 token 上下文与原生多模态。本文基于官方 README 与 arXiv 技术报告，梳理 KDA、Stable LatentMoE 架构要点，解读 Terminal-Bench 等 Agent 评测及 harness 差异，并介绍 API 与 vLLM/SGLang 部署路径与 Kimi K3 License 使用边界。
阅读全文