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。

安装

# GitHub 源码（首次需按提示配置 allowBuilds 构建授权后重试）

dsh plugin --profile web add github:ljsysfurryACE/dsh-compaction

装任何插件都等于在你的机器上跑第三方代码，权限和你本人一样大——能读你的文件、用你的凭据、访问网络，工具审批管不到它。GitHub 来源的插件还会在安装时执行构建脚本。请只安装可信来源，并尽量锁定 commit（github:owner/repo#sha）。

README

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）。

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：

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

继承 CompactionEngine（compaction seam），实现三个抽象方法：

保持 dsh 的 surface/事件/持久化契约（compaction/start → replace → compaction/end），只替换"如何压缩"。