ljsysfurryACE/dsh-compaction

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