dsh-thinking-compact
把 DeepSeek Harness(DSH)历史轮次里的思考链压成一段第一人称摘录卡片,工具调用与工具结果原文照抄。
状态:插件已成型、离线测试通过、装配链路已在 headless profile 验证;尚未在真实会话里跑出过一次切刀。骨架已对齐上游 v1.1.4(含 issue #34 的长会话冻结修复)。见 还没做完的。
解决什么问题
一段对话跑久了,思考链是上下文里最贵也最没用的部分:它每一步都要被重新读一遍,却很少再被用到。工具输出至少还能当事实依据,思考过程在得出结论之后就只是过程。
本插件在每轮结束时检查,挑一段已经翻过去的完整助手轮,把里面的 reasoning 交给模型缩句——保留第一人称的推理口气、转折、判断依据、数值和函数名,删掉重复验算和填充——然后用一条 user 卡片把整段事件替换掉。
压的是思考链,不是工具。 切段里工具调用与结果原文照抄;tool-call 没等到对应 tool-result 的轮次一律不动,否则会留下孤立 tool_use,上游直接 400。
为什么不直接改 reasoning_content
带 tools 的请求里 reasoning_content 必须原样回传,改写会 400;Anthropic 和 Gemini 的 thinking 签名同理。所以遮盖的对象是一轮会话事件,不是某个 API 字段:被切轮次的 assistant 消息替换成一条卡片后,它压根不在发给上游的 messages 里,协议校验无从触发。
怎么工作
官方只开放一个扩展点:实现 CompactionEngine。本插件继承 @deepseek-ai/dsh-compaction-basic 的 BasicCompactionEngine,通过 cordis.patch.yml disable 官方 compaction-basic 并 insert 自己(ctx.compaction 是单例,只能有一个引擎)。
落刀长这样:
session.append("user/message", checkpointMessage, {
surfaceOp: { op: "replace", startSeq: chunk.start, endSeq: chunk.end },
});
await this.ctx.sessions.flush(session);
压缩结果是一条 checkpoint 消息,驻留在会话里——下一个请求天然带着它,卡片文本不变,上游前缀缓存不用重建。这是插件相对外部代理的根本差别。
选段的三条硬规则
- 只切完整助手轮:每个
tool-call都必须有对应tool-result。 - 不跨真人消息、不跨半截轮次;checkpoint 卡片是地板,切点必须在它之后。
- 双阈值:思考 token ≥
reasoningTokens(默认 4000),切段 token ≥chunkMin。
摘要不合格(空 / JSON / 不比原文短)、备份失败、span 在提交前被改动 —— 任何一条不满足就整刀放弃,原文完整保留。宁可少压,不压坏。
缩句提示词
摘要走第一人称连续段落纯文本,不做第三人称纪要、不做 JSON。
这不是偏好,是实测结论:先前用 事实/反应/决定 三段式 JSON,模型不信任二手纪要、反复重做已完成的工作,步数从 29 涨到 45(+55%);换成缩句后两组持平在 68 vs 68。
提示词唯一事实来源是 bench/samples/compress_prompt.txt,插件运行时读 plugin/prompt.txt,两者逐字节一致,有测试守着。
装法
git clone https://github.com/sefanty17/dsh-thinking-compact.git
cd dsh-thinking-compact
dsh plugin --profile headless add ./plugin
目录
plugin/
shell.js 薄入口:加载失败也不能把宿主拖死
engine.js 引擎:fork 自 dsh-live-compact v1.1.4,改了选段/卡片/摘要三处
reasoning.js 本项目的实质内容:选段、卡片渲染、提示词装载、摘要校验
prompt.txt 缩句提示词(与 bench 定版逐字节一致)
plan.js shadow.js raw.js 沿用上游:工具结果摘录、shadow 备份、原文捕获
gate.js settings.js adapter.js cooldown.js thunder.js 沿用上游
test/reasoning.test.mjs 离线测试,不需要 DSH 运行时
bench/
steps.yaml 30 轮长程任务定义(VoxeLibre 分层实现)
steps.py score.py 任务读取与验收评分(纯标准库,与实现语言无关)
samples/ 真实思考样本 + 定版提示词
outputs/
ab-5round-report.md 5 轮 A/B 报告(**代理时代归档**,只对提示词风格有参考价值)
实测
5 轮长程 A/B,逐字相同输入,模型 deepseek-flash:
| 指标 | A(原版 DSH) | B(+ 压缩) |
|---|---|---|
| 完成轮次 | 5 / 5 | 5 / 5 |
| 验收通过率 | 1.0 | 1.0 |
| 总步数 | 68 | 68 |
| 总 token | — | −8.3% |
| 成本 | ¥0.631 | ¥0.872(+38%) |
那一轮跑的是外部代理版。token 省了但成本反而涨,原因已经查清:代理只改转发给上游的 payload、不回写 DSH 会话,于是每个请求都从原文重压一遍,卡片每轮措辞不同,切点处前缀断裂,缓存未命中的单价是命中价的三十倍,省下的 token 全赔进去。
插件版把这个问题从架构上消掉了(压缩结果驻留会话、卡片固定),但成本还没重测。完整归因见 outputs/ab-5round-report.md。
还没做完的
- 没在真实会话里跑出过一次切刀。装配链路(
dsh --dump-config看到 disable + insert、__probe.mjs加载成功)已验证,但compaction/summary事件是否真落进会话日志未验证。 - 摘要路由要显式配置。官方
summarizationProvider/summarizationModel默认为空串;插件现在按「显式配置 → 最近一次请求的模型 → agent 选项」三级兜底,仍未在真实路由下验证过。 - shadow 备份没接进切段路径。当前只沿用上游对工具结果的 raw 捕获,被缩句的思考原文还没做独立备份。
plan.js里约 1100 行工具结果摘录启发式现在用不到,删之前要先确认shadowSections等被复用的导出。- 压测脚本要重写。
bench/runner.py是围着代理写的,已删;30 轮全量需要新的 runner 走「装插件 → 跑 DSH → 读会话日志」。 - 摘要质量只做过端到端任务成功率评测,没单独评摘要文本——摘要本身是另一次生成,单独评它没有证据效力。
- 5 轮样本量偏小。
致谢
骨架 fork 自 MerkyorLynn/dsh-live-compact(MIT,见 plugin/LICENSE.upstream),并已跟进其 v1.1.4 的 defer large catch-up after turn end 修复(issue #34):切段、shadow 备份、surfaceOp: replace 卡片遮盖、commit 前的一整套校验都是它的。本项目把同一套机制从工具结果迁移到思考链,差别在于思考链走模型缩句而不是规则截断,并且默认不碰工具。
设计过程中参考过 T-Auto/dsh-ops 的工具链。
License
MIT © 2026 sefanty17。plugin/ 下 fork 自上游的部分版权归其作者,见 plugin/LICENSE.upstream。
No comments yet. Be the first to write one.