DSH HUB
HomePlugin StorePlugin PacksCommunityRankingsResourcesPublish Guide
Plugin source
Back to catalog

AkviliAR26710 /

AkviliAR26710/dsh-lossless-context

Topic repository only

Lossless context for DeepSeek Harness (DSH): every message archived verbatim in local SQLite + FTS5, compaction only shrinks what the model sees, lcm_grep / lcm_expand pull the original text back. 无损上下文方案:压缩只腾窗口,细节可逐字找回。

★ 1 Stars0 Forks0 IssuesN/A Community rating0 Confirmed installs
View on GitHub
READMESource: main@5d47af6c

dsh-lossless-context

给 DeepSeek Harness 的无损上下文方案: 压缩只腾窗口,细节留在本地硬盘里,需要时能逐字找回。

In English — Lossless context management for DeepSeek Harness (a DSH plugin / config pack). Every message is archived verbatim into local SQLite with FTS5; compaction only shrinks what is sent to the model, while lcm_grep / lcm_expand pull the original text back word for word.

Keywords: DeepSeek Harness, DSH plugin, context compaction, context window management, lossless memory, long conversation, token cost, SQLite FTS5, retrieval, LCM.

长会话的两个死结,这套配置各自对付一个:

死结 怎么解
每轮重发全部历史,token 烧光 到水位才压缩 + DeepSeek 上下文硬盘缓存(命中价是未命中的 1/50)
摘要压缩必然丢细节,多轮后设计理由和被否方案彻底消失 原文逐字归档进本地 SQLite(FTS5 全文索引),压缩不碰归档,lcm_grep 按需取回原文

结论先行:摘要不能当记忆。 摘要是有损的,压缩率越高丢得越多,而且压缩会反复发生(旧摘要被再次合并),细节会一层层变淡。 能证明"原文没丢"的只有一种机制:原文归档 + 按需精确回溯。


它做什么

   会话事件 ──capture──▶ 本地 SQLite ──FTS5──▶ 检索
   (DSH 会话日志)        (messages /            │
                          摘要树 / artifact)     ▼
                                        lcm_grep / lcm_expand
                                                 │
   ┌─────────────────────────────────────────────┘
   │
   ▼
 压缩(compaction-basic)只改「发给模型的上下文」
 ── 摘要 + 最近 N 万 token 逐字原文
 ── 被折掉的段落?原文还在归档里

三个组件,各管一件事:

  1. openseek-lcm(第三方插件,MIT)— 把每条消息逐字归档,提供 lcm_grep / lcm_expand / lcm_artifact 等回溯工具。压缩后第一轮会注入一条确定性的「压缩指针 + resume note」,告诉模型去哪找原文。
  2. dsh-compaction-basic(DSH 自带)— 到水位才把较早历史折成检查点。这套配置做两件事:把水位和逐字尾部调到你需要的档位,以及让摘要走便宜模型(deepseek-flash),主对话模型不受影响。
  3. dsh-compaction-tool-result-pruner(DSH 自带,默认开)— 它的默认值会把长工具结果的中段整段砍掉(8192/4096/1024 字符),而端口号、文件路径、报错字符串经常正好在中段。本方案把它放宽到 32000/24000/8000。

快速开始

前提

  • DeepSeek Harness(桌面版或 CLI 均可)
  • DeepSeek 官方 API key(本方案只针对 deepseek-official)

0. 拿到仓库

git clone https://github.com/AkviliAR26710/dsh-lossless-context.git
cd dsh-lossless-context

1. 装归档插件

先完全退出 DSH,然后:

dsh plugin --profile desktop add openseek-lcm

desktop 是桌面版 profile 名。CLI 用户换成 web / tui / 你自己的 profile。

2. 合并配置

Windows:

./scripts/install.ps1                  # 省 token 档
./scripts/install.ps1 -Mode memory-heavy   # 记忆敏感档

macOS / Linux:

chmod +x scripts/*.sh
./scripts/install.sh                   # 省 token 档
./scripts/install.sh memory-heavy      # 记忆敏感档

脚本会:找到 <DSH_HOME>/profiles/<profile>/cordis.patch.yml → 备份 → 检查是否已有同名 id → 没有冲突才追加。 幂等:重复跑不会重复追加;有冲突时只报告、不动文件。

3. 重启并确认

完全退出并重新打开 DSH,然后在任意会话输入:

/lcm status

看到 capture_failures=0 和 message_count 在涨就成功了。

4. 验证「压缩后还能找到原文」

node tests/acceptance.mjs

脚本会加载你机器上真实的插件、造一份会话日志、模拟三次压缩直到上下文里什么都不剩,然后逐字比对 11 条细节。

期望输出:

细节召回:工作流 6/6,记忆敏感 5/5
17/17 项通过
结论:✓ 压缩后细节仍可逐字找回,不是靠摘要"记得大概"。

两档参数,选一个

balanced(默认) memory-heavy
适用 长期写代码、长工作流 角色扮演、长期陪伴、长篇小说、心理咨询
thresholdRatio 0.75 0.60
retainRatio 0.15 0.35
触发水位 768,000 token(约 73%) 629,145 token(约 60%)
逐字保留 ≈118,886 token(约 4 万字中文) ≈277,401 token(约 9 万字中文)
压缩后每轮固定携带 ≈12 万 token ≈28 万 token

水位怎么算的(来自 dsh-compaction-basic 源码):

阈值       = floor(min(W × thresholdRatio, (W − O) − headroomTokens))
逐字保留   = floor((W − O) × retainRatio)

W = 1,048,576   deepseek-flash 上下文窗口(官方定价页)
O = 256,000     请求输出预留(dsh-llm-deepseek 默认 maxTokens)

为什么要给中文留缓冲:DSH 的 token meter 用「每 token 4 字符」估算,而官方 README 明确写着「CJK 文本与 JSON schema 在每 token 四字符下严重低估」。中文约 1 字 = 1 token,所以「估算到 60%」时真实占用可能已经高得多。水位压低是留缓冲。


成本

node tests/cost-model.mjs

deepseek-flash 高峰价(¥2/M 未命中,¥0.04/M 命中):

会话长度 A 全量重发·无缓存 B 全量重发·有缓存 C 本方案 C 相对 A
150 轮 33.70M / ¥67.41 33.70M / ¥31.27 33.70M / ¥31.27 费用 −54%(全来自缓存)
400 轮 239.88M / ¥479.76 239.88M / ¥221.69 146.98M / ¥137.70 输入 −39%,费用 −71%
1000 轮 1499.70M / ¥2999.40 1499.70M / ¥1384.02 412.15M / ¥387.97 输入 −73%,费用 −87%

别被这张表骗了:

  • 「输入 token 变少」来自压缩;「钱变少」的大头来自缓存。 150 轮以内压缩一点忙都帮不上——根本没到水位。
  • 每省 1M 未命中 token 省 ¥2(Flash 高峰)/ ¥9(Pro 高峰);每省 1M 命中 token 只省 ¥0.04 / ¥0.30。
  • 想让缓存持续命中:系统提示和工具表在所有轮次保持一致(本方案只暴露 5 个 lcm 工具,就是为此),不要做「按需增删工具」。
  • 压缩会让「第一个被替换的 token 之后」的缓存失效,所以稀疏压缩 >> 频繁小压缩。

配置里那两个反直觉的决策

摘要走 Flash,主对话可以走 Pro

- id: compaction-basic
  config:
    summarizationProvider: deepseek-official
    summarizationModel: deepseek-flash

压缩请求只产出一段 Markdown 检查点,用 ¥2/M 的模型足够,没必要用 ¥9/M 的 Pro。 代价:官方 README 写明「把摘要器路由到不同模型会放弃热前缀缓存复用」——压缩那一次的输入按未命中价计费。但整次压缩从 Pro 价降到 Flash 价,净划算。

工具白名单只留 5 个

tools:
  expose: [lcm_status, lcm_resume, lcm_grep, lcm_expand, lcm_artifact]

18 个工具全开,意味着每次请求都要多带 18 份 schema。砍到 5 个既省钱又让前缀更稳定(缓存友好)。 需要 lcm_doctor / lcm_retention_prune / lcm_blob_gc 时,删掉 expose 整段即可。


备份(可选,但强烈建议)

原文只有一份,在 <DSH_HOME>/sessions/。归档可以重建,会话日志不行。

# 手动
./scripts/dsh-backup.ps1

# 注册「空闲感知」计划任务:只在你离开电脑时才跑
./scripts/install-tasks.ps1

备份内容:会话日志 + lcm.db 的 VACUUM INTO 一致快照 + cordis.patch.yml(不含 .credentials.yaml)。

调度器(dsh-backup-idle.ps1)四个条件全满足才动手:

  1. 键鼠空闲 ≥ 10 分钟(Windows 工作站空闲时钟)
  2. DSH 不在跑 AI 回合(备份目录里没有 ACTIVE.lock)
  3. 会话日志已安静 ≥ 30 分钟
  4. 距上次成功 ≥ 设定间隔

拷贝前后各采样一次会话日志修改时间,中途有写入就丢弃本次快照重来——不会留下半个会话。

计划任务完全静默:任务调 wscript.exe 跑一个自动生成的 .vbs,VBS 用 Run(cmd, 0, False) 以隐藏窗口启动 PowerShell。不会闪控制台。

想连「AI 回合期间」也避让,可以装 pwsh hook(见 scripts/dsh-pwsh-hook.ps1 头部说明)。这一步的安装语法随 DSH 版本可能不同,装之前先测。

工作区记忆文件被编辑器塞了 base64?

Typora / Obsidian / 部分网页编辑器粘图时会写成 ![](data:image/png;base64,....)。那串东西如果进了 AGENTS.md,每个新会话都会把它当提示词读一遍——白烧几千 token。

./scripts/clean-agents.ps1 -Path "D:\你的工作区\AGENTS.md"           # 先看报告
./scripts/clean-agents.ps1 -Path "D:\你的工作区\AGENTS.md" -Apply    # 真清(自动备份)

它会把 ![alt](data:image/...;base64,...) 换成 ![alt](图片已移除),保留 alt 文字和文档结构,并告诉你省了多少 token。

排查与深挖

node tools/lcm-inspect.mjs                        # 体检:完整性/计数/每会话统计/摘要树
node tools/lcm-inspect.mjs --show "某个关键词"     # 绕过 FTS 直接搜原文(判断是"没归档"还是"索引坏了")
node tools/lcm-inspect.mjs --sql "select ..."     # 只读 SQL

完整的运维手册(诊断树、升级清单、参数公式、自己写插件的实现思路)见 docs/给C开发者的维护指南.md。


局限(请务必读完)

  1. 模型不会自动去查硬盘。 它只在判断「需要回忆」时才调 lcm_grep。检索是按需的,不是自动的。 想让它在特定话题上稳定触发检索,最有效的办法是在工作区 AGENTS.md 里写死触发规则(见 templates/AGENTS.md.example)。
  2. 摘要仍然是摘要。 被折进检查点的那段历史,模型当下看到的是摘要。归档能找回原文,但不会自动回到上下文里。
  3. 它不能替代「全量在上下文里」的体验。 如果你的场景对「在场感」要求极高(长期陪伴类),必须配合 AGENTS.md 里的原文片段——光靠检索永远差一层。
  4. 归档体积是实打实的。 实测约 500 条消息 ≈ 3–8 MB(FTS 索引占大头)。定期 /lcm compact apply。
  5. openseek-lcm 是社区项目(1 位作者,MIT,可商用)。它挂了不会丢原文——原文在 sessions/ 里,禁用插件即可回退。
  6. token 水位是估算的。 中文被低估,所以别把 thresholdRatio 调到 0.9。
  7. 本方案不改变隐私边界。 你的对话照样发到 api.deepseek.com;它只保证「本地多一份可检索的原文」,不保证「内容不出本机」。想要后者只能上本地模型。

目录结构

dsh-lossless-context/
├── patches/
│   ├── cordis.balanced.yml       # 省 token 档
│   └── cordis.memory-heavy.yml   # 记忆敏感档
├── scripts/
│   ├── install.ps1               # Windows 安装器
│   ├── install.sh                # macOS/Linux 安装器
│   ├── dsh-backup.ps1            # 备份(会话+归档+配置)
│   ├── dsh-backup-idle.ps1       # 空闲感知调度器
│   ├── dsh-pwsh-hook.ps1         # AI 回合忙锁(可选)
│   ├── clean-agents.ps1          # 清除记忆文件里的 base64 图片垃圾
│   ├── doctor.ps1                # 一键自检(DSH 更新后 / 出问题时定位坏在哪一环)
│   ├── auto-snapshot.ps1         # 自动存档调度器(静默)
│   ├── install-snapshot-task.ps1 # 注册「自动存档」计划任务
│   └── install-tasks.ps1         # 注册静默计划任务(wscript + VBS 包装)
├── tests/
│   ├── acceptance.mjs            # 验收:压缩后逐字召回
│   └── cost-model.mjs            # 成本对比
├── tools/
│   ├── lcm-inspect.mjs           # 归档体检 / 只读查询(DSH 运行中可用)
│   ├── resume-pack.mjs           # 会话被内容策略拒收后,从归档生成「接着聊」的恢复包
│   └── auto-snapshot.mjs         # 定期自动存档 + 助手腔抽风检测
├── templates/
│   └── AGENTS.md.example         # 工作区记忆模板(含强制检索规则)
├── docs/
│   ├── 深入原理.md                # 摘要为什么有损、归档为什么无损、缓存为什么省钱
│   └── 给C开发者的维护指南.md      # 运维检查、诊断树、参数调优、自己写插件的实现思路
└── README.md

卸载

# 1. 从 patch 里删掉 dsh-lossless-context 那一段(installer 会在文件里留标记注释)
# 2. 移除插件
dsh plugin --profile desktop remove openseek-lcm
# 3. 删归档(可选;会话日志不受影响)
Remove-Item -Recurse "$env:USERPROFILE\.dsh\storages\dsh-plugin-lcm"
# 4. 删计划任务
./scripts/install-tasks.ps1 -Remove

原文永远在 <DSH_HOME>/sessions/,卸载不会丢。


出处

  • 模型/价格/上下文窗口:DeepSeek《模型 & 价格》
  • 缓存落盘与命中规则:DeepSeek《上下文硬盘缓存》
  • 压缩公式、summarizationProvider、摘要提示词:DSH 内 @deepseek-ai/dsh-compaction-basic 的 README 与源码
  • 修剪器默认值:@deepseek-ai/dsh-compaction-tool-result-pruner 的 README
  • 「CJK 被低估」:@deepseek-ai/dsh-token-meter 的 README
  • maxTokens 默认 256,000:@deepseek-ai/dsh-llm-deepseek 的 README
  • 归档插件:https://github.com/Pub-Polaris/openseek-lcm

许可

MIT。见 LICENSE;第三方声明见 NOTICE。

本项目是配置与工具层,不分发任何第三方源码。openseek-lcm 是独立项目(MIT),DeepSeek Harness 及其组件版权归 DeepSeek, Inc.。本项目与二者均无隶属关系,也未获其背书。

—/ 5

No ratings yet

Manifest verification required

Commit 5d47af6c71b1

Community comments

No comments yet. Be the first to write one.

DSH HUB

A community index for DSH plugins. Not an official GitHub or DeepSeek AI product.

CommunityResourcesAPIAbout