Plugins

Das offizielle billion-context-Plugin: ein Kontextkomprimierungs-Plugin für kleine Kontextfenster (ein 100K-Kontext reicht aus), Token-Einsparungen (5× weniger Tokens) und monatelange Einzelsitzungen (Milliarden von Tokens).

Dedizierte Modellrouten, Tools und Systemanleitungen für Vision, Compaction, Reviews, Subagenten, Titel und Bildgenerierung.

Geschützte Kontextverdichtung für DeepSeek Harness (dsh): das LLM schlägt vor, die deterministic Wächter entscheiden — eager Per-Atom-Shrink (extract/summary/false unter Verbatim-Wächtern) + Lazy-Reference-Graph-Eviction (0-LLM) + byte-genaue Rückgewinnung aus einem Append-Only-Log.

LLM-freie, verlustfreie* Kompaktierungs-Engine für DeepSeek Harness.

Context-Assembler-Plugin für DeepSeek Harness: Themenblock-Context-Assemblierung, Wasserdruck-Themen-Splitting, Tool-Trace/-Rewrite, Reality-Recall-Injektion und Handoff-Planung.

Ein schlanker Port von Headroom: komprimiert Tool-Ausgaben, kürzt bis zu 20 % des Kontexts, ohne den Kontext-Cache des Modells oder die Agent-Leistung zu beeinträchtigen.

Ersetzt den eingebauten DSH-Kompaktierungs-Summarizer durch eine Übergabezusammenfassung mit fünf Abschnitten und hält jede verdrängte Nachricht in einem Segmentverzeichnis lesbar.

Vergessenskurven-In-Place-Dialogkomprimierung für DeepSeek Harness: Aktuelle Turns bleiben wörtlich, mittlere Turns werden strukturell dehydriert (ohne LLM), alte Turns werden in ein begrenztes Zusammenfassungspaar gefaltet — unbegrenzte Gespräche auf begrenztem Speicherbudget.

Eine an das menschliche Gehirn angelehnte Kontextkomprimierung, die Kontextbelegung und Token-Verbrauch bei langen Aufgaben drastisch senkt.

Windowed, reversible context management for DeepSeek Harness; replaces Basic compaction.

Bitmap-frame context compression plugin for DeepSeek Harness: renders discarded conversation history into pixel-font PNG frames for vision-capable models.

Same-origin in mechanism with the two loudest lines in context compression. The code-skeleton gate follows the skeletonization approach of Headroom (Apache-2.0), whose published headline is 20% fewer tokens for coding agents and 60–95% fewer tokens for JSON, same answers. The estimator channel follows TokenPilot (arXiv:2606.17016), which reports up to 60% lower cost for long-session agents. Both figures are theirs, quoted as-is; this plugin ships no benchmark of its own and claims no reduction of its own. What it adds for DeepSeek Harness: choose a compression profile, set the Auto Compact trigger level and toggle code-skeleton compression from one settings section, with exact DeepSeek V4 tokenizer measurement, same-revision count verification, and fail-open behaviour that keeps the original tool results on unsupported models.

DSH 智能上下文压缩插件 —— 在有限窗口内管理认知资源，让 Agent 记住真正重要的信息。 Smart context compression for DSH — managing cognitive resources within limited windows, so your Agent remembers what truly matters.

Adaptive Reversible Context (ARC) für DeepSeek Harness — anbieterbewusste, cache-bewusste Kontextverwaltung mit reversibler Wiederherstellung.

Eine schlanke Portierung von Headroom: komprimiert Tool-Ausgaben, spart bis zu 20 % Kontext, ohne den Kontext-Cache des Modells oder die Agent-Leistung zu beeinflussen.

Context compaction that keeps its receipts: a five-section handoff summary, a durable segment index, review tools that read compacted text back, optional working notes, and a read-only extraction exit. Mounts as the compaction-basic row's replacement; cha

An Agent-safe context compressor for DeepSeek Harness. It semantically preserves critical tool outputs such as errors, file paths, JSON payloads and command results, instead of mechanically truncating the context.

Pure-incremental directive-driven compaction for DeepSeek Harness: /compact-directive <requirement> summarizes the session middle per your requirement, /trim-directive <requirement> trims the whole conversation per your requirement

Compaction backend replacing LLM summarization with a deterministic semantic extractor (keeps code/paths/commands, drops chatter) plus 28.4x KV-compression accounting.