플러그인

공식 billion-context 플러그인: 작은 컨텍스트 윈도우용 컨텍스트 압축 플러그인(100K 컨텍스트면 충분), 토큰 절약(토큰 5배 감소), 한 달 이상 지속되는 단일 세션(수십억 토큰).

비전, 압축, 리뷰, 서브에이전트, 제목, 이미지 생성을 위한 전용 모델 라우트, 도구 및 시스템 가이드.

DeepSeek Harness (dsh)를 위한 보호형 컨텍스트 압축: LLM이 제안하고, deterministic 가드가 처리 — verbatim 가드 하의 eager per-atom shrink(extract/summary/false) + 지연 reference-graph eviction(0-LLM) + append-only 로그의 바이트 단위 완전 일치 recall.

DeepSeek Harness용 LLM 없이 동작하는 무손실* 압축 엔진입니다.

DeepSeek Harness용 Context Assembler 프로필: 토픽 블록 컨텍스트 어셈블리, 워터 프레스처 토픽 스플리팅, 도구 트레이스/재작성, 리얼리티 리콜 인젝션 및 핸드오프 플래닝.

Headroom의 슬림 포트: 도구 출력을 압축하고 컨텍스트를 최대 20%까지 줄이며, 모델의 컨텍스트 캐시나 에이전트 성능에는 영향을 주지 않습니다.

내장된 DSH 압축 요약기를 5개 섹션 핸드오프 요약으로 대체하고, 가려진 모든 메시지를 세그먼트 디렉터리에서 읽을 수 있게 유지합니다.

DeepSeek Harness용 망각 곡선 인플레이스 대화 압축: 최근 턴은 그대로 유지, 중간 턴은 구조적으로 탈수(LLM 미사용), 오래된 턴은 경계 요약 쌍으로 접힘 — 경계 메모리 예산에서의 무경계 대화.

인간 두뇌식 컨텍스트 압축 로직으로 긴 작업의 컨텍스트 점유와 토큰 소비를 크게 줄입니다.

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.

DeepSeek Harness를 위한 적응형 가역 컨텍스트(Adaptive Reversible Context, ARC) — 프로바이더 인식, 캐시 고려 컨텍스트 거버넌스와 가역 복구.

Headroom의 슬림 포팅: 도구 출력을 압축해 컨텍스트를 최대 20%까지 줄이면서 모델의 컨텍스트 캐시나 에이전트 성능에 영향을 주지 않습니다.

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.