WODE25500/dsh-token-skills

四层省 Token,不牺牲模型智能。

一个 DeepSeek Harness 预设,内含四个互补的省 Token skill。每一层专治 token 管道的不同阶段,因此可以叠加:

交接上下文 → 剪输入 → 压上下文 → 砍输出

别为已经拥有的 token 再付一次钱。

flowchart LR
  A[Tokenizer] --> B[① Handoff<br>会话]
  B --> C[② RTK<br>输入]
  C --> D[③ Headroom<br>上下文]
  D --> E[④ Caveman<br>输出]
  E --> F[<b>更少 token</b>]

为什么:每个 token 都是钱。 一个长会话会把已经付过钱的上下文再发一遍——旧对话、padding 满屏的日志、啰嗦的回复。这四个 skill 在每一层堵住这个泄漏。

---

四层

#	Skill	层	省什么	依赖引擎
①	handoff	会话	免去跨会话重读/重建上下文	context-auto-handoff
②	rtk	输入	进模型前剪掉重复/冗余 token	RTK (Rust Token Killer)
③	headroom	上下文	压缩在线上下文,让 prompt 保持小	WanYanTianDe/dsh-headroom
④	caveman	输出	极简原话,出口更少 token	skill-caveman

每层是一个轻量 dsh skill(skills/<layer>/SKILL.md)。已有真实引擎的地方,skill 直接引用,不重造压缩——策略和引擎都给你,白赚。

---

独立仓库

每层也是独立可装的插件,只按需加想要的:

Skill	仓库
handoff	WODE25500/dsh-token-handoff
rtk	WODE25500/dsh-token-rtk
headroom	WODE25500/dsh-token-headroom
caveman	WODE25500/dsh-token-caveman

# 只装一个
dsh plugin --profile web add dsh-token-handoff

---

何时用哪层

• Handoff —— 杠杆最高、最便宜:会话结束时写 HANDOFF.md,下一会话暖启动。每个多会话项目都该用。
• RTK —— 单次请求:准备贴大文件/日志/仓库列表前先剪。
• Headroom —— 持续:长命 agent,趁窗口还没满就压,别等到悬崖边。
• Caveman —— 每次回复:零成本、复利;只改措辞,从不丢内容。

四层叠成一个习惯,不是重配置:

before: [上会话原文] + [整仓库 dump] + [肥大上下文] + [啰嗦回复]
after:  HANDOFF 笔记   → 剪过的 diff   → headroom 压缩  → 极简回复

---

安装

dsh plugin --profile web add dsh-token-skills

或 clone 后把四个 skill 目录放进 ~/.dsh/skills/:

git clone https://github.com/WODE25500/dsh-token-skills

每个 skill 也可单独调用:handoff、rtk、headroom、caveman。

---

校验

npm test   # 运行 scripts/check-skills.mjs,断言每个 bundle skill 的 frontmatter

---

许可

MIT