模型驱动上下文管理

项目简介

billion-context-dsh ⚠️ 测试版声明——请勿用于生产环境 本项目（v0.1.7）仍处于开发中的测试版。DeepSeek Harness 本身也处于公开测试版阶段。请勿将两者用于工程化 / 生产环境——预期会有破坏性变更与粗糙之处。

当对话变长，模型会耗尽上下文。多数工具直接硬截断——悄悄丢弃早期消息。billion-context-dsh 给模型一个 compress 工具：由 LLM 决定何时、压缩什么，写成高保真摘要，保留关键细节（文件路径、决策、错误信息）的同时回收上下文空间。

与 DSH 内置的自动压缩（用自动生成的摘要替换一段范围）不同，billion-context-dsh： 模型驱动 —— 摘要由模型自己书写，没有第二次 LLM 摘要调用（ACP 的成本优势） 只建议、不强令 —— 自动策略只 nudge（提醒），是否压缩、何时压缩由模型决定 持久且可恢复 —— 压缩范围成为 checkpoint 节点，原文保留在 append-only 会话日志中；decompress 可恢复，searchcontext 可在块内查找 基于 seq 引用 —— 不需要消息标签；surface seq 由 nudge 的范围表携带，范围边界自动平衡、容忍 #callId 片段