Plugins

El plugin oficial billion-context: un plugin de compresión de contexto para ventanas de contexto pequeñas (basta con un contexto de 100K), ahorro de tokens (5 veces menos tokens), y sesiones únicas de un mes de duración (miles de millones de tokens).

Compresión de contexto guiada por el modelo (Active Context Pruning) para DeepSeek Harness: el modelo decide cuándo y qué comprimir.

Accede a la UI web de dsh por LAN: reenvío HTTP/HTTPS/WS más TLS (certificados autofirmados o personalizados); compresión adaptativa Brotli/gzip para HTTP y permessage-deflate para WebSocket; el sondeo de WebSocket medio abierto evita que los clientes móviles se queden inactivos al pasar a segundo plano; la inyección automática del token de lanzamiento permite a los dispositivos LAN conectarse sin copiar el token; protección contra DNS rebinding + lista permitida de upstream solo loopback.

Compresión Gzip para respuestas /api, que corrige los tiempos de espera de carga de historial en conexiones remotas o de bajo ancho de banda; omite SSE y respuestas ya codificadas.

Compresión automática de contexto para DeepSeek Harness: comprime las salidas de herramientas antes de que lleguen al modelo y mantiene cada compresión con pérdida reversible mediante herramientas de recuperación CCR.

Grafo de conocimiento de código local-first para agentes de codificación: 10 herramientas MCP para compresión de contexto por capas, planificación DAG, indexación incremental de AST, volante de habilidades entre sesiones, diagnósticos e importación/exportación de artefactos del grafo.

Servidor MCP de datos financieros de acciones A chinas: 11 herramientas fin_data__* (cotizaciones/velas/financieros/calendario/datos especiales/anuncios/EDB/conciliación/fondos/índices) sobre THS REST oficial gratuito (principal) + AKShare (respaldo) + Wind (dominios exclusivos), con degradación observable, compresión del presupuesto de contexto (-72,2% medido en resultados) y un lago offline de 10 años de datos de mercado. BYOK.

Rutas de modelo, herramientas y guía de sistema dedicadas para visión, compactación, revisiones, subagentes, títulos y generación de imágenes.

Fuerza la compresión de contexto al ejecutar modelos llama.cpp de bajo contexto como Qwen3.8-27B, mejorando la eficiencia del modelo y la fluidez de uso, junto con prompts de compactación bien refinados.

Accede a DSH desde tu teléfono o cualquier lugar: enlace público Cloudflare Quick Tunnel + acceso directo LAN HTTP/HTTPS (certificado autofirmado automático), autenticación por token, compresión gzip, panel flotante con icono de teléfono y códigos QR, y un canal de bot NapCat QQ para obtener el enlace.

Servidor MCP de datos financieros de acciones A de China para el harness: 11 herramientas fin_data__* (cotizaciones/velas K/financieros/calendario/datos especiales/anuncios/EDB/reconciliación/fondos/índices) sobre THS REST oficial gratuito (principal) + AKShare (respaldo) + Wind (dominios exclusivos), con degradación observable, compresión de presupuesto de contexto (lado del resultado -72.2% medido), y un lago de datos de mercado de 10 años sin conexión; BYOK.

Compactación de contexto protegida para DeepSeek Harness (dsh): la LLM propone, los guardianes deterministic deciden — reducción eager por átomo (extract/summary/false bajo guardianes verbatim) + eviction diferida del reference-graph (0-LLM) + recall byte-exacto desde un log append-only.

Compresión determinista de contexto para dsh: cero llamadas al LLM, poda basada en reglas que preserva rutas, comandos, trazas de error y tareas pendientes textualmente. Comprime ~80k tokens a unos pocos cientos.

Motor de compactación sin pérdidas* y sin LLM para DeepSeek Harness

Plugin Context Assembler para DeepSeek Harness: ensamblaje de contexto por bloques temáticos, división de temas por presión hídrica, traza/reescritura de herramientas, inyección de recuerdo de realidad y planificación de traspaso.

Un port ligero de Headroom: comprime la salida de herramientas, recorta hasta el 20% del contexto, sin afectar a la caché de contexto del modelo ni al rendimiento del agente.

Optimización de red para la interfaz web de DSH: reduce el tamaño de transferencia con caché y compresión para acelerar mucho la carga de páginas, además de un indicador de caída de conexión y reconexión automática. Ideal para usuarios que buscan el máximo rendimiento o usan redes inestables.

Puerta de enlace de mensajes multiplataforma y puente de bot de IA de WeCom con compresión de contexto de sesión y creación de smartsheets.

Compresión de diálogo in-situ con curva de olvido para DeepSeek Harness: los turnos recientes se mantienen verbatim, los turnos medios se deshidratan estructuralmente (sin LLM), los turnos antiguos se pliegan en un par de resúmenes acotado — conversaciones sin límite con un presupuesto de memoria acotado.

人脑式上下文压缩逻辑，大幅减少长任务上下文占用以及token消耗

Muestra ahorros en tiempo real de tokens y costos del proxy de compresión Headroom en la Web UI de DSH: un panel de Configuración y una línea de estadísticas persistente debajo del compositor.

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.

AST-based context compression, test log filtering, and token budget guard for DeepSeek Harness: strips redundant syntax, prunes noisy log lines, and enforces a token ceiling so the context window never overflows.

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.