dsh-command-context-trim

English →

给 DeepSeek Harness 增加一个不调用任何模型的 /trim： 在真正溢出之前，把对话里最旧、最不重要的一段上下文裁掉，让会话能切到窗口更小的模型上继续跑；同时可以按路由 调优 DSH 自己的 compaction 触发点与工具结果裁剪阈值。

本文是 README.md 的中文同步版：同结构、同命令、同默认值、同公式、同验证事实（长段落做了压缩翻译）。 版本号见上方 synced-with-readme 标记，test/docs-sync.test.js 会检查它与 package.json 一致、且关键内容不漂移。

为什么需要它

把长会话从大窗口的云端模型切到小窗口的本地模型时，下一个请求就会超过新模型的窗口。既有做法是切换前先 /compact——而这正是痛点所在：compaction 是摘要，它的摘要请求必须既能塞进（已经变小的）窗口，又要容纳那段 正被摘要的内容；窗口越小，摘要越容易失败，或摘要质量越差（要压缩的信息越多）。/trim 换了一条路：先把最旧的 上下文裁掉，不调用模型、不产生摘要，于是后续 /compact 更便宜、也更容易成功。

它给本地模型带来什么

DSH 的压缩触发点是 min(thresholdRatio × contextWindow, contextWindow − R − headroom)，其中 R 是该路由自己的输出预留，而 headroom 固定为 65536，与窗口大小无关。在百万 token 的云路由上这几乎无所谓；在本地卡上它决定一切：

• 131072 窗口：固定 headroom 让触发点落在 37.5 %，而不是比例想要的 80 %⇒压缩来得又早又频繁；
• 本插件把该路由的 headroom 设为 0（比例重新说了算）⇒触发点回到 104857（80 %）；
• 效果就是更少、更晚的压缩：同样一段工作，压缩次数下降、每次压缩要处理的量更小。

preset 路线是上锁的，而且必须保持可解析

会话一旦开始，它的 preset 就固定了（agent-preset/locked），fork 也继承父会话的 preset 并被同样上锁： buildForkSeed 会把父会话的 turn/start 事件复制进子会话（dsh-session/lib/index.js:884-893），而 fork 本身要求 父会话已有一个完成的 turn，于是子会话的 turnBoundary.lastTurn > 0⇒同样换不了 preset。因此：

• 想要新参数：让进程重启即可——会话的 preset id 是粘住的（它来自会话的 agentPreset 投影，而 assertPresetUnchanged 会拒绝另一个 id），但该 id 背后的定义在每次 adopt 时都会被重新解析： createOrAdopt 与 resumeObserved 都会调用 composeAgent(presetForObservation(observation))，再把新组合交给 agents.resume，而 retain(id) 返回的是当前定义所激活的那一代。所以"改 preset 时没有在运行"的会话， 只要 resume 就会吃到调优——不需要 fork。

只有一种情形需要 fork：改定义时会话仍在运行。活着的 agent 绑在它当初组合的那一代上，那份绑定会让旧 realm 保持 存活，所以改动到不了它⇒这时才 fork（或等下一次重启）。fork 是新 session id、且自身也被锁（继承父会话的 turn/start）——但这对它无害，因为它已经在跑调优后的值。

该用哪条路线

两条路线都能设置全部压缩参数——触发点、pruner、以及摘要模型（summarizationProvider / summarizationModel 就是 compaction-basic 上的普通键，可用 modelPolicies 按路由设置）。优先 profile 平面：它每次启动都能重新调优、 且不涉及 preset 的持久性负担。

| 路线 | 覆盖 | |---|---| | profile 平面（headless / tui：autoTuneCompaction、/context-tune tune）| 自动路径确实会触发：host 平面拥有 agent| | preset 平面（web：/context-tune preset inplace + check + fork）| 手动：会话 agent 在各自 preset 域里创建，其生命周期事件到不了 host 平面（已实测）|

安装

# 从 npm
dsh plugin --profile web add dsh-command-context-trim

# 从 checkout
dsh plugin --profile web add file:/path/to/dsh-command-context-trim

用法

  /trim                                 # 按当前模型窗口裁剪
  /trim check                           # 只报告计划，不改动
  /trim 32k                             # 指定 32768 token 预算
  /trim 40000                           # 指定 40000 token 预算
  /trim provider:model                  # 按另一条路由的窗口计算
  /context-tune tune [check]            # 用当前活跃路由重新调优本进程的 compaction 行（profile 平面）
  /context-tune preset [check|list|default|inplace|p:m]
  /context-tune rescue <id> [--from <donor>] [--untuned]
  /context-tune reset [check] [preset-id] # 去掉本插件写进 preset 的调优行

想撤销调优用 /context-tune reset：它删掉本插件写进 profile 补丁的那些标记块，于是每个 preset 回到它 自己的定义。不带参数就是列出并删除全部；带 preset id 只删那一个；加 check 只报告不写。它靠标记块精确认出 哪些行是自己写的（不靠匹配描述文字），所以别的工具写的块会被列出来但不动。preset 锁依然有效——删除同样只对 新会话、或重启之后的会话生效。

/context-tune preset 的完整形式：

/context-tune preset              # 依据 profile 里配置的路由生成并落地一个调优 preset
/context-tune preset inplace      # 覆盖**基础 preset 自己的 id**，而不是新增一个 id（见下）
/context-tune preset check        # 打印将生成的行 + 路由覆盖率，不写任何东西
/context-tune preset list         # 会覆盖哪些路由、各自拿到什么触发点
/context-tune preset default      # 同时把它设为**新会话**的默认 preset
/context-tune preset p:m          # 本次用 p:m 作为摘要路由
/context-tune rescue <id>         # 用同 id 重建丢失的 preset（--from <donor>、--untuned）

/context-tune preset check 是过期信号：它统计当前 preset 覆盖了多少条路由，并对消息预算 ≤ 64K 却未被覆盖的路由 给出明确告警——那是唯一一种"继承顶层调优值反而打开压力触发"的情况。新增模型后跑一次 check，报缺口就重跑 /context-tune preset inplace：

coverage: 4 route(s) configured, 3 covered by this preset, 1 not covered.
⚠ uncovered SMALL route bonsai-8gb//models/mtp-lean.gguf (40960 − 8192 ≤ 65536): without a policy it inherits the
  tuned top level, which enables the pressure trigger on a route where that measured slower. Re-run /context-tune preset inplace…

工作原理

一次 trim 是两次同步相邻的追加：先写入一条替换消息（带 plugin:dsh-command-context-trim 来源标记）， 再写入 token meter 的测量事件；两者之间没有 await，所以模型不会看到中间态。裁剪按从最旧开始的优先级进行， 最后一条消息降级为"尽量不裁"，用户指令始终受保护。

上下文墙上的自动裁剪

autoTrim（默认开启）让同样的免模型裁剪在无人敲命令时发生：一个 prepend 的 agent/request-error 监听器 响应 CONTEXT_WINDOW_EXCEEDED，裁剪，然后请循环重试。它不在普通压缩时触发。

请求失败（上下文墙）
  → 裁剪并重试（最多 maxAutoTrimRetries 次）
  → 仍失败⇒交给 DSH 自己的压缩路径

受保护的内容

用户指令（最后一条消息）尽量不裁；protectHeadNodes（默认 1）保护开头的节点；保留尾部（retainRatio / retainTokens / minTailTokens）逐字保留最近上下文；allowTailTrim 控制最后手段的层级。

兼容性

该装哪个插件版本

这里没有 peer 依赖来强制这条规则，所以只能写在这里、需要人去读：dsh 0.1.5 只能配本插件的 0.1.x。 0.2.0 起直接装最新版。0.1.7 和 0.2.0 差别不大，同一个构建两边都能用。

| dsh | 装哪个 | 原因 | |---|---|---| | 0.1.2-rc.1 | 0.1.x | devDependency 里钉死的下限 | | 0.1.5-rc.2 / 0.1.5-rc.3 | 只能用 0.1.x | 设置卡片需要 configForms 和 schemastery 的 .volatile()，0.1.5 两样都没有 | | 0.1.7-rc.2 | 最新版（0.6.x） | 到 0.2.0 为止，本插件做的事都没变 | | 0.2.0-rc.2 | 最新版（0.6.x） | 第一条能在这条线上正确保存卡片写入的版本 |

0.1.5 被单独划出来而不是"降级可用"：它早于卡片契约的两半。它的 web 宿主不提供 configForms 服务，没有表单可渲染、 也就无处可存；它的 schemastery 早于 .volatile()，而那是把字段放上卡片的唯一条件。插件在那里仍然能加载、/trim 仍然能用——客户端半边会检测到缺失的服务然后什么都不注册，而不是在页面里抛错——所以失败形态是"卡片悄悄不出现"， 而不是启动报错。这是最不该让人去猜的一种失败，所以写在这里。

0.2.0 线上真正变化的是保存路径。0.1.7 时代的构建会把布尔值按字符串 "true" 暂存，.volatile() 过去会放行； 0.2.0 按 schema 校验这次操作并带内拒绝——没有 HTTP 错误，console 也没有输出。0.5.0 修好了，它写的是正确类型的值。 所以在拆分两行和改名之前，0.2.0 就已经需要 0.5.0 以上了。

session format v4 下的标记来源。 替换消息携带来源 kind plugin:dsh-command-context-trim——v4 要求的 plugin:<plugin id> 形状——因为 0.1.7 的准入路径会拒绝已退休的 {kind: 'plugin'} 包装，报 format v4 message requires a producer-owned source kind。

设置卡片

Plugins 页面上的卡片显示的是生效值，而不是"是否覆盖"：部署没设过的字段会显示插件真正会用到的默认值——因为一片空白 的控件正是"我的新模型为什么还没调优"变成无解问题的原因。卡片分两个分区：压缩（触发阈值、摘要路由、两个自动调优 开关）与裁剪（工具结果裁剪阈值），而裁剪阈值是"选值下拉 + 数值框"：只有选 Custom 时数值框才出现。

| 选值 | 落到设置面的值 | |---|---| | Disabled | 0（不动 pruner）| | Auto | auto（按路由窗口推导）| | Custom | 你填进数值框的字符数 |

运行时自动调优压缩阈值 上以粗体写着唯一要紧的前提：仅限 headless profile——web profile 需使用 /context-tune preset 命令来调优 （web 里会话 agent 在各自 preset 域内创建，其生命周期事件到不了 host 平面）。开关用的是壳子自带的 Switch 原语；选值框是 原生 <select>（原语没有 Select）。

配置

在 profile 补丁的 context-trim 行上覆盖（随包 cordis.patch.yml 列出了完整默认值）：

| 键 | 默认值 | 含义 | |---|---|---| | targetRatio | 0.9 | budget = floor((contextWindow - reserveOutputTokens) * targetRatio) | | reserveOutputTokens | 8192 | 留给模型自己回复的输出空间。它与服务端自己的 maxTokens 之和要落在真实窗口内：一个 32k 的服务若 maxTokens: 16384，即使提示词都装得下，提示词 + 输出也会耗尽窗口 | | retainRatio / retainTokens | 0.16 /—| 逐字保留的最近尾部（两种形式互斥）| | minTailTokens | 2048 | 该尾部的绝对下限 | | protectHeadNodes | 1 | 永不裁剪的开头节点数 | | allowTailTrim | true | 启用层级 2–3（伸进保留尾部；最后手段可含末条消息）。false 表示只做层级 1，保留尾部成为硬边界 | | markerSlackTokens | 64 | 加在计价标记上的余量，保证裁剪后的请求仍在预算内 | | autoTrim | true | 在 CONTEXT_WINDOW_EXCEEDED 时自动裁剪；绝不在普通压缩时触发 | | maxAutoTrimRetries | 3 | 每次溢出允许的自动裁剪次数，之后交给压缩 | | autoTrimShrink | 0.5 | 重复溢出后，按被拒请求的这个比例重新取预算目标（声明窗口有误时的几何下降）| | preferInPlacePrune | true | 规划任何区间之前，先就地瘦身过大的工具结果；能用到官方 pruner 时就用它 | | compactionTargetRatio | 0.8 | /context-tune preset 写进 preset 的触发比例（只塑造 preset，从不影响本插件自己的裁剪）| | compactionRoute | 未设置 | 生成 preset 的摘要调用所用的可选 {provider, model} | | prunerThresholdChars | auto（DSH_TRIM_PRUNER）| 工具结果裁剪阈值。auto 按路由派生为 max(8192, min(32768, 2 × (contextWindow − maxTokens)))（各路由取最小），小窗口下一次整文件读取因此不会被裁掉（DSH 的 stock 值是 8192）。整数覆盖它；0 表示退出、保持不动。与 compaction 行同一平面，因此同样的可达性规则适用——web profile 把 pruner 放在每个会话的 preset 里，插件会报告这一点而不是写入。小窗口上这是最关键的杠杆；压力触发已启用时它会放大提示词，那里要三思 | | autoTuneCompaction | false | 重新调优本进程的 compaction 行（仅在 compaction 位于 profile 平面时）。web 或生产 profile 应该设置这一项（通过设置卡片或补丁层）；覆盖它的 DSH_TRIM_AUTO_TUNE 环境变量只用于自动化/CI | | pruneThresholdChars / pruneHeadChars / pruneTailChars | 8192 / 4096 / 1024 | 就地瘦身的预算，镜像 DSH 自己的 pruner 默认值 |

环境变量（供自动化/CI 覆盖对应配置项）：DSH_TRIM_AUTO_TUNE、DSH_TRIM_PRUNER。

权限与失败边界

插件触碰了什么，写在这里以免审阅者靠猜：

• 只写两条会话事件（替换消息 + 测量），不调用模型；
• 读取 profile 补丁、会话记录与 token meter；
• /context-tune preset 与 /context-tune rescue 会写 profile 补丁（写前备份为 <patch>.bak-trim-preset）；
• 自动路径只在 profile 平面可达时写入；不可达时只报告，不静默失败。

边界

• 它是丢弃内容，不是摘要。 被裁掉的细节从模型视野里消失（仍在日志里）。想要摘要就用 /compact；两者互补 （先 /trim 会让之后的 /compact 更便宜、更可能成功）。
• 最后一条消息尽量不裁（见 allowTailTrim）：保护用户指令优先于塞进预算。
• /trim 不改变 preset，preset 也不能在会话中途更换——要新参数就 fork 或新开会话。

调优压缩触发点（/context-tune preset）

DSH 依据 thresholdTokens = min(contextWindow × thresholdRatio, messageBudget − headroomTokens) 决定何时压缩， headroomTokens 默认 65536。在约 370k 以下的任何窗口上，决定触发点的是这个默认值而不是比例：131072 的路由在 37.5 % 就压缩，而不是 80 %。单靠比例改不动它，而 compaction 的策略是在 preset isolate realm 里组合时读取的， 插件无法在运行时改动它。因此 /context-tune preset 写的是一个 preset：

# >>> dsh-command-context-trim: preset-standard (generated; delete this block to drop the preset) >>>
- id: preset-standard
  name: '@deepseek-ai/dsh-agent-preset'
  config:
    id: standard
    plugins:
      - id: compaction-basic
        name: '@deepseek-ai/dsh-compaction-basic'
        config:
          thresholdRatio: 0.8
          headroomTokens: 0
          modelPolicies:
            - provider: b70-sycl
              model: /models/q.gguf
              thresholdRatio: 0.8
              headroomTokens: 0
# <<< dsh-command-context-trim: preset-standard <<<

inplace 写的是裸覆盖行（- id: preset-<base> + 完整 config:）：补丁层按 id 整块替换该行的 config， 所以它顶掉随包 preset 的插件清单，新会话继续用同一个 preset id、不需要任何人去挑。代价：随包那份每次升级都会 被覆盖，而这一行会遮蔽它，直到你删掉这段标记块。

运行时重新调优（/context-tune tune）

在 compaction 位于 profile 平面的地方——任何基于 dsh-base 的组合，即 headless 与 tui——它的阈值就是某一行 的普通 config，cordis 通过重启 fiber 来应用 config 变更（Fiber.update() 解析新配置并调用 restart()，即 dispose 加一次全新 apply）。所以 /context-tune tune 是有效的：它改的是那一行。web profile 里 compaction 在会话的 preset 域内， host 平面碰不到它——插件会报告这一点（/context-tune preset 才是那里的答案）。

自动化调优阈值（headless 运行）

headless profile 自己组合 compaction——它的树在 profile 平面上带 compaction-basic、command-compact 与 tool-result-pruner，而且它从不解析会话 preset（只有 session API、web 客户端与 agent-preset 行会）。 实测（干净 DSH_HOME）：在路由上声明 contextWindow 并设 DSH_TRIM_AUTO_TUNE=1 后，该行的 thresholdRatio/headroomTokens 与 pruner 的 thresholdChars 都会被写成派生值，且带 context-trim/tuned 记录 可审计。web 侧对应的是手动流程（见该用哪条路线）。

读会话日志

compaction/prune 有两个生产者，只有一个是本插件：本插件在就地瘦身时写入自己的记录，DSH 官方的 tool-result-pruner 也写同名事件。区分办法是看事件的来源与伴随字段；本插件还会写 context-trim/tuned 记录， 里面带有它算出的 thresholdChars（这也是我们验证 Bonsai 2 那次"17 → 2"的依据）。

开发

它放在 fixtures/ 而不是 test/ 下是有意的：node --test 会执行 test/ 下的每个 JavaScript 文件，把服务器放在那里 会让测试挂住。

端到端溢出检查（不需要模型）

fixtures/mock-overflow-server.mjs 是一个有状态的 OpenAI 兼容端点：它强制一个比告诉 harness 的 contextWindow 更低的真实上限，并且对前 TOOL_STEPS 个请求回以工具调用，于是一个 turn 会不断循环、越过真实上限——这就是 上下文墙，且不需要切换模型。

前端卡片开发工作流（src/client/ → lib/client.js）

设置页面的前端卡片源码按模块维护在 src/client/ 目录下（包含常量、i18n 多语言、辅助函数、表单控制器、卡片组件及生命周期注入）。

切勿直接修改 lib/client.js。修改前端代码后，需运行：

npm run build:client

测试套件（test/client-bundle.test.js）会在 npm test 中对 lib/client.js 与 src/client/ 组装产物进行逐字节一致性校验，任何未构建的改动或直接修改打包产物的行为都会导致测试失败。

验证状态

见英文 README.md 的 Verification status 表（149 个测试、隔离实例验证、0.3.9–0.4.4 的各项证据，以及 Bonsai 2 headless 的前后对比：thresholdChars: 32768、compaction/prune 17 → 2）。中文版不重复该表以免两处漂移； test/docs-sync.test.js 会检查本节仍然指向它。

许可证

MIT

计算细节

本插件算出的每个数字，以及它从哪个默认值出发。token↔字符换算用 DSH 自己的 CHARS_PER_TOKEN = 4 （@deepseek-ai/dsh-token-meter）。

1. 裁剪预算（/trim 把请求面塞进多少）

usable  = contextWindow − reserveOutputTokens          # reserveOutputTokens: 8192
budget  = max(1, floor(usable × targetRatio))          # targetRatio: 0.9
retain  = max(minTailTokens,                           # minTailTokens: 2048
              floor(contextWindow × retainRatio))      # retainRatio: 0.16

2. 规划器在比较什么

surfaceTokens  = Σ node.heuristicTokens                       # token meter 给每个请求面节点的定价
envelopeTokens = measurement.totalTokens − measurement.surfaceTokens   # 工具 schema 等固定请求数据
totalTokens    = envelopeTokens + surfaceTokens

3. 压缩触发点（自动调优与 /context-tune preset 写入的值）

镜像 @deepseek-ai/dsh-compaction-basic 的 resolveCompactSpec（按 dsh 0.1.7-rc.2 读取）：

reservedCompletion = 该路由请求的 maxTokens      # 输出预留，从 request/header 读
messageBudget      = contextWindow − reservedCompletion
headroom           = headroomTokens             # stock 65536；我们写 0
pressureBudget     = messageBudget − headroom
thresholdTokens    = floor(min(contextWindow × thresholdRatio, pressureBudget))

4. 工具结果裁剪阈值（0.3.5 起由自动调优派生）

prunerThresholdChars = max(8192, min(32768, 2 × (contextWindow − maxTokens)))

即一条工具结果最多可占该路由消息预算的一半，上限 32 KB、下限为 DSH 的 stock 8192。各路由取最小，因此 最严格的那条说了算。

5. 样例

| 路由 | stock 触发点 | 调优后 | |---|---|---| | Bonsai 40960 / 8192 | 无（32384 ≤ 65536，无主动触发）| 32768（80 %）| | Bonsai 40960 / 16384 | 无（24576 ≤ 65536，无主动触发）| 24576（60 %）| | 131072 / 16384 | 49152（37.5 %）| 104857（80 %）| | 1000000 / 256000 | 678464（67.8 %）| 744000（74.4 %）|

前两行以前会被跳过、保持 stock，现在是照常调优：没有主动触发点意味着只有真的撞墙才压缩，而那不是罕见情况而是 系统性缺口——没有任何预定时刻，任务能不能恢复取决于它自己的上下文恰好落在哪里。「少压缩」因此不是省事：一次 209–372 秒的等待是有界的代价，任务卡住不是。

6. 自动裁剪

autoTrim: true 通过缩小预算来重试失败的请求： nextCeiling = max(1, floor(failingTotal × (1 − autoTrimShrink)))，autoTrimShrink: 0.5，最多 maxAutoTrimRetries: 3 次，之后放弃并报告它测到的东西。