Plugins

O plugin oficial billion-context: um plugin de compressão de contexto para janelas de contexto pequenas (um contexto de 100K é suficiente), economia de tokens (5× menos tokens) e sessões únicas de um mês (bilhões de tokens).

Compressão de contexto conduzida pelo modelo (Active Context Pruning) para o DeepSeek Harness: o modelo decide quando e o que comprimir.

Acesse a UI web do dsh pela LAN: encaminhamento HTTP/HTTPS/WS mais TLS (certificados autoassinados ou personalizados); compressão adaptativa Brotli/gzip para HTTP e permessage-deflate para WebSocket; a sondagem de WebSocket meio-aberto evita que clientes mobile fiquem ociosos após irem para segundo plano; injeção automática do token de lançamento permite que dispositivos LAN conectem sem copiar o token; proteção contra DNS rebinding + lista permitida de upstream somente loopback.

Compressão Gzip para respostas /api, corrigindo timeouts de carregamento de histórico em conexões remotas/de baixa largura de banda; ignora SSE e respostas já codificadas.

Compressão automática de contexto para DeepSeek Harness: comprime saídas de ferramentas antes que cheguem ao modelo e mantém cada compressão com perda reversível por meio de ferramentas de recuperação CCR.

Grafo de conhecimento de código local-first para agentes de codificação: 10 ferramentas MCP para compressão de contexto em camadas, planejamento DAG, indexação incremental de AST, flywheel de habilidades entre sessões, diagnósticos e importação/exportação de artefatos de grafo.

Servidor MCP de dados financeiros de ações A chinesas: 11 ferramentas fin_data__* (cotações/candles/financeiros/calendário/dados especiais/anúncios/EDB/conciliação/fundos/índices) sobre THS REST oficial gratuito (principal) + AKShare (reserva) + Wind (domínios exclusivos), com degradação observável, compressão do orçamento de contexto (-72,2% medido no lado dos resultados) e um lago offline de 10 anos de dados de mercado. BYOK.

Rotas de modelo dedicadas, ferramentas e orientação de sistema para visão, compactação, revisões, subagentes, títulos e geração de imagens.

Força a compressão de contexto ao executar modelos llama.cpp de baixo contexto como Qwen3.8-27B, melhorando a eficiência do modelo e a suavidade de uso, junto com prompts de compactação bem refinados.

Acesse o DSH pelo seu telefone ou de qualquer lugar: link público Cloudflare Quick Tunnel + acesso direto LAN HTTP/HTTPS (certificado autoassinado automático), autenticação por token, compressão gzip, painel flutuante com ícone de telefone e códigos QR, e um canal de bot NapCat QQ para obter o link.

Servidor MCP de dados financeiros do mercado A-share da China para o harness: 11 ferramentas fin_data__* (cotações/K-lines/financeiros/calendário/dados especiais/anúncios/EDB/reconciliação/fundos/índices) sobre THS free REST oficial (primário) + AKShare (fallback) + Wind (domínios exclusivos), com degradação observável, compressão de orçamento de contexto (medido -72,2% no lado de resultados) e um lake offline de 10 anos de dados de mercado; BYOK.

Compactação de contexto protegida para DeepSeek Harness (dsh): a LLM propõe, os guardas deterministic decidem — redução eager por átomo (extract/summary/false sob guardas verbatim) + eviction preguiçosa do reference-graph (0-LLM) + recall byte-exato a partir de um log append-only.

Compressão determinística de contexto para o dsh — zero chamadas ao LLM, poda baseada em regras que preserva textualmente caminhos, comandos, rastros de erro e tarefas pendentes. Comprime ~80k tokens para algumas centenas.

Motor de compactação sem perdas* e sem uso de LLM para o DeepSeek Harness

Plugin Context Assembler para DeepSeek Harness: montagem de contexto em blocos de tópicos, divisão de tópicos por pressão, rastreamento/reescrita de ferramentas, injeção de recall de realidade e planejamento de handoff.

Um port enxuto do Headroom: comprime a saída de ferramentas, corta até 20% do contexto, sem afetar o cache de contexto do modelo ou o desempenho do agente.

Otimização de rede para a interface web do DSH: reduz o tamanho de transferência com cache e compressão para acelerar muito o carregamento da página, além de um indicador de queda de conexão e reconexão automática. Ideal para usuários que buscam desempenho máximo ou usam redes instáveis.

Gateway de mensagens multiplataforma e ponte de bot de IA do WeCom com compressão de contexto de sessão e criação de smartsheets.

Compressão de diálogo in-loco por curva de esquecimento para DeepSeek Harness: turnos recentes permanecem verbatim, turnos médios são estruturalmente desidratados (sem LLM), turnos antigos se dobram em um par de resumos limitado — conversas ilimitadas em um orçamento de memória limitado.

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

Mostra economias em tempo real de tokens e custos do proxy de compressão Headroom na Web UI do DSH: um painel de Configurações e uma linha de estatísticas persistente abaixo do 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.