Plugin

Pipeline per il costo in token di DeepSeek Harness: compattazione a livelli sensibile alla pressione (proiezione senza perdite sotto il 40% di pressione del contesto, riassunto con LLM sopra), allowlist dei tool per agente, conversione di testi lunghi in immagini con riassunto visivo e un comando /token-status che traccia pressione, livelli e token risparmiati.

Riduzione reversibile del contesto per DeepSeek Harness: ricodifica tabellare lossless in stile TOON delle array JSON uniformi, finestre di tabella campionate a passo con numeri di riga e dedup cross-turn per output di strumenti ripetuti; ogni sostituzione passa un gate byte+token (≤72% byte, rigorosamente meno token stimati) e l'originale viene scaricato su disco dietro un avviso `[save-token #id]` recuperabile in una chiamata tramite lo strumento `save_token_expand`, con conteggio dei token fatturati e risparmiati su una dashboard delle impostazioni.

Pipeline a livelli per l'ottimizzazione dei token per DeepSeek Harness: scala di output, caricamento lazy MCP, driver di compattazione, report sugli hit della cache. Basato su API reali dei plugin DSH; risparmio di ~40–60% di input nelle sessioni lunghe.

Avvolge il lavoro in attività con nome e, quando un'attività si chiude, comprime l'intero arco di messaggi in un unico riassunto al successivo confine di passo; il contenuto originale può essere ripristinato su richiesta.

Runtime di persona efficiente in token per DeepSeek Harness con rendering locale di catgirl e divulgazione progressiva dello schema degli strumenti.

Instrada ogni attività verso un modello e la sua revisione verso un altro, con prove di qualifica, failover e un diario durevole.

Fronts stdio MCP servers with three router tools (list_capabilities, describe_tool, call_tool) so schemas load on demand instead of riding every request; shapes every tool result through a deterministic output ladder that archives the original first (retrieve_spill reads it back); prices tool groups in tokens and can hide built-in groups per agent. Bridges to a standard-library Python router, so Python 3.9+ is required.

Compaction fallback for compaction-basic: when its LLM summary throws, comes back empty or cannot fit the window, the span is compiled deterministically with a seq pointer on every line (vendored dsh-compaction-instant compiler). Adds recall and search tools, /recall and /context commands, an idle trigger at 45% of the window and an on-disk span archive. The engine mounts as one row in the agent preset (docs/dsh-integration.md).

One MCP tool instead of every schema you own — a lazy capability broker that cuts resident tool context by a measured 94.4%. Search, inspect, enable and call MCP servers and skills on demand.

Plugin di gestione dinamica del contesto per DeepSeek Harness (Dynamic Context Pruning for dsh), ispirato a opencode-dcp.

Sleev routing observability for DeepSeek Harness

把长文本渲染成图片发送，利用每图 384 token 封顶压缩 LLM 输入 token，专为DeepSeek Harness设计的插件；Pack long text into images to cut LLM input tokens (384/image cap) — a DeepSeek Harness plugin.