ljsysfurryACE/dsh-compaction
AgentFrame compaction backend for DeepSeek Harness: semantic+physical KV compression (35.6x)
已收录
0
Memory
Bundle 已验证
功能介绍
压缩后端：用确定性语义提取器替换 LLM 摘要（保留代码/路径/命令，剔除闲聊），附带 28.4x KV 压缩记账。
适合
- 需要在长对话压缩后保留代码、路径、命令等高信息内容的场景。
- 希望使用确定性提取、避免额外 LLM 摘要调用的团队。
- 需要沿用现有压缩生命周期进行自动或手动压缩的 Harness 部署。
不适合
- 必须保留看似低信息的散文、语气或叙事细节的对话。
- 更需要 LLM 生成连贯摘要，而不是筛选高信息行的工作流。
- 期望所述 KV 压缩倍数直接改变模型运行时的部署；物理压缩在此体现为记账。
README
dsh-compaction-agentframe
AgentFrame 压缩后端插件 —— 把 DeepSeek Harness 的默认 LLM 摘要压缩替换为 语义 + 物理双轨压缩（28.4x KV 压缩思路）。
为什么替换默认压缩
默认 compaction-basic 用 LLM 摘要（有损总结旧对话），每次压缩都要一次
LLM 调用，且摘要可能丢细节。
AgentFrame 的思路：
- 语义轨：MemoryDirector 判断哪些 token 值得保留（去闲聊、留关键）
- 物理轨：吸收式 MLA + INT4 量化（270KB→7.6KB/token，28.4x）
- 效果：保留关键信息 + 大幅省 token + 不额外调用 LLM
使用
在 profile 的 cordis.patch.yml 中把 compaction-basic 替换为：
- id: compaction-agentframe
name: '@deepseek-ai/dsh-compaction-agentframe'
config:
semantic: true
retainRatio: 0.2
physical: true
配置
| 字段 | 默认 | 说明 |
|---|---|---|
semantic |
true | 语义压缩（保留高信息行） |
retainRatio |
0.2 | 压缩后保留比例 |
physical |
true | 物理压缩记账（bytes/token） |
bytesPerToken |
7776 | INT4 压缩后每 token 字节 |
auto |
true | 自动压缩 |
实现
继承 CompactionEngine（compaction seam），实现三个抽象方法：
-
compactIfNeeded— 自动压力触发 -
compactNow— 手动 /compact 命令 -
compactRegion— 指定范围压缩
保持 dsh 的 surface/事件/持久化契约（compaction/start → replace → compaction/end）， 只替换”如何压缩”。
License
GPL-3.0 © Cloud LTE Studio / AgentFrame
常见问题常见问题
在启用了 DSH 的终端中执行已验证命令 dsh plugin --profile default add github:ljsysfurryACE/dsh-compaction。命令会解析公开 package 元数据，并保持插件与本页展示的目录身份一致。
兼容性以页面上展示的 bundle 与 profile 状态为准。如果某个 profile 尚未检测到，请先保持禁用，并在生产启用前阅读仓库文档。
GitHub 链接和 activity 元数据是 release 与维护状态的来源。新版本发布后重新查看本页，确认目录已经观察到最新版本。