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).

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

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.

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.

Substitui o sumarizador de compactação nativo do DSH por um resumo de handoff em cinco seções e mantém toda mensagem ocultada legível em um diretório de segmentos.

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.

Lógica de compressão de contexto inspirada no cérebro humano que reduz drasticamente o uso de contexto e o consumo de tokens em tarefas longas.

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) para o DeepSeek Harness — governança de contexto ciente de provedor e de cache, com recuperação reversível.

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

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.