dsh-infinite-context

🇨🇳 中文 | 🇬🇧 English

---

简介

一个 DeepSeek Harness (DSH) 插件，通过多层记忆管理让长对话拥有「无限上下文」体验：

• 渐进式压缩 — token 压力驱动，最老消息优先摘要，近期对话原样保留
• 动态压缩阈值 — 按路由模型的真实 CTX 推导触发水位；单轮超长 think 造成的一次性增长可越过轮次间隔立即介入
• 深度思考介入 — 包装 agent 的 LLM 流：input + output 逼近当前模型真实窗口时注入溢出信号 → 持久压缩 → 带余量重试，模型思考中也能被介入
• 三层记忆金字塔 — short（近期原文）→ mid（LLM 摘要）→ long（合并摘要）
• 持久化存储 — SQLite（node:sqlite），重启不丢记忆
• 语义检索 — 记忆嵌入、索引，每轮注入最相关的 top-K 记忆
• 三层去重 — 精确 + 归一化模糊 + 语义余弦，防止重复入库
• 表面去重检索 — 命中记忆若已存在于当前活动上下文（尚未被压缩掉的工具结果），本轮不再重复注入；文本离开表面后自动恢复可注入
• 本地简洁模式 — 路由到本地 provider 时注入一条短指令，禁止工具调用间的叙述、要求调用合并，把啰嗦的开销压下去
• 结构化记忆 — 四分类（user/feedback/project/reference）+ 索引 + 审计 + 忘得可见
• 模型上下文感知 — 自动采纳 DSH 解析的真实模型 CTX，本地小模型提前压缩
• 高价值过滤 — 只入库高价值工具结果，低价值工具自动过滤
• 手动工具 — 10 个：search / status / index / maintain / model_probe / forget / consolidate / reset / force_compress / ingest

核心特性

特性	说明
渐进式压缩	compress_trigger_ratio: 0.75 — 上下文 >75% 就压缩（本地模型长上下文 TPS 骤降，提前介入）；compress_target_ratio: 0.6 — 只摘要溢出部分
动态压缩阈值	compaction_dynamic_threshold: true — 真实窗口 < 声明窗口时按真实窗口强制压缩（探测/modelWindows 驱动）；thresholdRatio: 0.7 + compaction_dynamic_floor: 0.5 — 触发比例随窗口填充从 0.7 滑向 0.5（~60% 触发，本地模型留在高速区）；单轮激增（≥20% 窗口）越过轮次间隔；同一会话两次强制压缩间隔 ≥10s
深度思考介入	thinking_guard_enabled: true — 包装 llm/stream：input + output 逼近 窗口 − (system/tools + 摘要估算 + 余量) 动态线时注入 CONTEXT_WINDOW_EXCEEDED → 持久压缩 → 重试；输入单独超线则生成前先压缩；thinking_guard_ratio: 0.9 为触发上限
三层去重	精确（hasText）+ 归一化（normalizeForDedup）+ 语义（cosine ≥ 0.92）
表面去重检索	rag_surface_dedupe: true — 注入前把 Top-K 记忆与当前活动上下文的文本比对（归一化小写 + 折叠空白，按段落 70% 覆盖判定），已在表面上的记忆本轮跳过；抑制不写入任何排除集，压缩把文本移出表面后即可再次注入
本地简洁模式	concise_local_mode: true — isLocalRoute(provider) 为真时，在 agent/pre-step 决策消息里、最新用户消息之前注入 <runtime_directive scope="dsh-infinite-context:concise">；每个表面至多一份（检测到即不再注入），压缩丢弃后自动补回
工具结果归档（CCR）	tool_archive: true — 超过 6000 字符的工具结果先按内容寻址入库（tr_<sha256 前 12 位>），表面节点换成带 ref 的短桩；新节点入库后与压缩前各改写一次，把内置 pruner 的「有损中段剪枝」变成「可按 ref 取回」（memory_expand）；只改写尚未发送过的节点，绝不失效已建立的前缀缓存
即时蒸馏（absorb）	tool_absorb: true — 超长工具结果先蒸馏出「信号行」（错误/失败/退出码/测试计数/diff stat/文件路径 + 首尾各 3 行，≤1200 字符）作为桩的主体；全文仍按 ref 入库、可 memory_expand 取回，蒸馏结果同时作为记忆入库（importance 低，遗忘优先退休）
压缩调度 nudge	compress_nudge: true — 用表面增长的 EMA 预判下一轮是否越线，会越线就把压缩提前一步执行（同一轮不重复、冷却期内不触发），避免「压缩跑起来时已经付过一轮超量输入」
可逆压缩（fold ranges）	fold_ranges: true — 压缩折叠前把被折叠的原始消息整体存入 folded_ranges 表，折叠桩标头标注条数/字符数与 fl_… 引用，memory_expand ref=fl_… 可整段取回原文（等价上游 decompress）；memory_search 会附折叠区关键词命中。保留上限：fold_range_retention_days（30 天）、fold_range_max_entries（300 条）
上下文计量账本	usage_ledger: true — 逐请求记录注入 tokens/条数、表面跳过、归档/蒸馏字符、nudge 次数、压缩节省 tokens 与 LLM 的 input/output/cacheRead/cacheWrite（DSH 计数互斥，不预先求和）；每条 LLM 记录带 provider/model 归属，memory_status 的 usage.models 输出逐模型（MODEL SWITCHES 式）用量与缓存命中率，汇总窗口为最近 7 天
结构化记忆	memory_index（MEMORY.md 索引）+ memory_maintain（审计）+ 忘得可见
模型 CTX 感知	自动读取 DSH 模型目录的 contextWindow；本地模型主动探测真实运行窗口（llama/ollama/openai，含 llama-server meta.n_ctx）；per-model 注册表按模型隔离
高价值过滤	denylist 过滤 24 个低价值工具；importance 分级（short=0.3/mid=0.6/long=0.6，long 继承批次 max）

架构

src/
├── types.ts              核心类型（无依赖）
├── embedder.ts           轻量级特征哈希嵌入器（无依赖）
├── vector-index.ts       内存向量索引（无依赖）
├── memory-store.ts       SQLite 持久化存储（无依赖）
├── token-budget.ts       CJK-aware token 估算 + 内容块计量（无依赖）
├── forgetting.ts         遗忘策略（无依赖）
├── memory-engine.ts      记忆引擎核心（无依赖）
├── model-context.ts      模型上下文跟踪器：探测时机 + per-model 注册表（无依赖）
├── model-probe.ts        主动探测：llama/ollama/openai + 本地/在线判定（无依赖）
├── compaction-policy.ts  压缩触发决策：动态比例、skip/force/delegate（无依赖）
├── summarization-target.ts 摘要目标路由（跟随会话模型，无依赖）
├── config.ts             schemastery 配置解析
├── memory-context.ts     Cordis 服务（动态 CTX 感知 + 探测接线）
├── memory-compaction.ts  压缩引擎（渐进式 + RAG + 清理 + thinking guard 接线）
├── thinking-guard.ts     深度思考介入：llm/stream 包装 + 动态触发线
├── OutputSanitizer.ts    工具结果清理
├── memory-compaction.ts  压缩后端 + 每轮治理钩子
├── conciseness-mode.ts   本地模型简洁指令（构造/幂等检测）
├── VectorRetriever.ts    RAG 检索/入库
├── strings.ts            共享字符串工具
├── core.ts               公共导出桶
├── index.ts              完整导出桶
├── tool-archive.ts       超长工具结果外置归档（CCR 式桩 + ref 取回）
├── absorb.ts             工具结果即时蒸馏（信号行提取，无依赖）
├── fold-archive.ts       可逆压缩归档：折叠原文存取 + `fl_` 引用（无依赖）
├── usage-ledger.ts       上下文计量账本（注入/归档/压缩/缓存命中，无依赖）
└── tools.ts              11 个手动工具
tests/                    248 个单元测试

手动工具

工具	说明
memory_search(query?, k?)	语义检索持久化记忆
memory_status	报告分层计数、预算、嵌入器、遗忘策略、模型 CTX + per-model 窗口，最近 7 天上下文计量（注入/跳过/归档/蒸馏/压缩节省/缓存命中率）、逐模型用量 usage.models，以及可逆压缩区 foldedRanges（条数/字符/最近条目）
memory_index(limit?)	MEMORY.md 风格结构化索引
memory_maintain	只读审计：重复/冲突/过时
memory_model_probe(forceProbe?, model?)	报告模型 CTX 来源，可强制探测
memory_forget	执行遗忘扫描
memory_consolidate	强制金字塔合并
memory_reset	清空所有记忆
memory_force_compress(sessionId?)	强制压缩指定会话
memory_ingest(text, source)	手动入库一条文本（自动触发见 tools/result 回调）
memory_expand(ref?, query?, offset?, limit?)	取回被归档的工具结果全文：不带 ref 列出/搜索归档；带 ref 可整段分页读取，或按 query 定位命中窗口（内置 pruner 剪掉的中段也能取回）

配置参考

memory-context 配置

键	默认值	说明
storePath	dsh-infinite-context.db	SQLite 路径；:memory: 禁用持久化。相对路径解析到 <DSH_HOME>/storages/（不是进程 cwd），绝对路径与 ~ 原样/按用户目录展开
contextWindow	94000	模型上下文窗口（回退值；插件自动采纳 DSH 解析的真实窗口，并会以实时探测结果为上限）
headroomRatio	0.25	系统/工具/输入/输出预留比例
modelWindows	[]	逐模型显式窗口表（[{model, contextWindow}]）——声名值缺失或虚高/虚低时的权威真值；探测结果仍可进一步收窄
modelProbe.enabled/kind/baseURL	false	主动探测本地服务器的真实上下文窗口（llama/ollama/openai）
embedder.kind	lightweight	lightweight（无依赖）或 transformers
budget.short/mid/long/retrieved	10000/20000/5000/15000	分层 token 预算
forgetting.minScore	0.25	低于此分数的记忆被遗忘
forgetting.maxMemories	500	记忆总数上限

记忆库位置（storePath）：相对路径解析到 <DSH_HOME>/storages/，而不是 DSH 进程的 cwd。cwd 只是「dsh 从哪里被启动」的偶然结果（源码 checkout / 安装目录 / 临时目录），用它解析插件数据会让记忆库在换目录后「看起来全部丢失」，并把库留在 一个重装即删的目录里。绝对路径与 ~ 按原意处理，:memory: 仍为纯内存。 $DSH_HOME 的判定与 DSH 一致（非空白环境变量优先，否则 ~/.dsh）。若解析后的路径 尚不存在、但 cwd 下存在旧库，启动时会 warn 打印两个路径而不是静默从空库开始。

本地模型（LM Studio / llama-server / Ollama）：settings.yaml 里声明的 contextWindow 可能远大于服务器实际运行的上下文（例如声明 100000、实际只有 8k）。 开启 modelProbe（kind: openai 同时兼容 LM Studio 的 /api/v0/models 与 llama-server 的 meta.n_ctx，或 llama/ollama）后，插件会在首次观测到该模型时 读取服务器的真实运行上下文，并取 min(声明值, 探测值) 作为生效窗口——压缩因此会在 真实上限之前触发，而不是等到溢出。插件自身的每轮 RAG 注入（rag_token_budget） 也会从压缩触发水位中预留，避免「插件自己吃掉的上下文」被漏算。远程模型（无法探测的） 用 modelWindows 直接钉住真实窗口，例如 [{model: glm-5.3-flash, contextWindow: 1000000}]； 本地模型也可用它兜底（如 llama.cpp --ctx-size 固定值），探测结果仍会进一步收窄。

逐模型窗口注册表：同一运行时里多个会话可能路由到不同模型（1M 的远程对话 + 8K 的本地模型）。窗口按模型 id 分别记录（探测/声明/覆盖取最小值）， 压缩预算按「当前会话路由到的模型」取值——上一个请求属于别的模型不会再污染本会话的水位。 memory_status / memory_model_probe 会输出 perModelWindows 全表便于核对。

深度思考介入（mid-thinking guard）：DSH 只在 API 报 CONTEXT_WINDOW_EXCEEDED 后才做"溢出→压缩→重试"。本插件把介入点提前到生成流里：包装 llm/stream waterfall（仅守护 agent 请求，isAgentLoopRequest 精确区分，插件自己的摘要调用永不误伤）， 逐块计量 input + output，逼近当前模型真实窗口（本地探测/在线声明的动态值）时注入 溢出终止块 → 复用 DSH 现成的 agent/request-error → 持久压缩 → 带余量重试， 模型"被叫停→压缩→重想"。触发线是动态的：

触发线 = min( 窗口 − reserve, 窗口 × thinking_guard_ratio )
reserve = system/tools 占用 + 摘要输出估算 + 余量

因为压缩会把可压缩 surface 整段重放进摘要器，window − reserve 保证触发时当前模型的 剩余 CTX 足够跑完本插件的压缩；接管大项目时若 input 单独就已超线，会在生成前先压缩， 不浪费一次注定失败的生成。文件读取（tool-result 嵌套内容）已被准确计入估算（见 token-budget.ts）。

memory-compaction 配置

键	默认值	说明
thresholdRatio	0.7	压缩触发比例：context ≥ 窗口×0.7 触发基础压缩（原 0.8）。本地模型长上下文 TPS 骤降，提前到 ~70% 让模型留在高速区（qwen3 167936 → ~117K 触发）
compaction_dynamic_threshold	true	动态压缩阈值：当路由模型的真实窗口（探测 / modelWindows）小于声明窗口时，按真实窗口推导阈值强制持久化历史压缩（复用 compaction-basic 的溢出式均衡压缩），不再等一个模型永远到不了的声明窗口阈值——短上下文本地模型的「续杯」能力；同一会话两次强制压缩间隔 ≥10s
compaction_dynamic_floor	0.5	动态触发比例下限：窗口填充过 ~50% 后，触发比例从 thresholdRatio(0.7) 滑向此值（~60% 触发，本地模型尽早离开慢速长上下文区）
thinking_guard_enabled	true	深度思考介入：包装 agent 的 LLM 流，input + output 逼近当前模型真实窗口的动态线时注入 CONTEXT_WINDOW_EXCEEDED → 持久压缩 → 带余量重试；输入单独超线则生成前先压缩
thinking_guard_ratio	0.9	触发线上限（窗口占比）；实际触发通常更早：窗口 − (system/tools + 摘要估算 + 余量)
compress_trigger_ratio	0.75	上下文 >75% 预算时就压缩（原 0.85；本地模型尽早介入避免慢速长上下文）
compress_target_ratio	0.6	压缩目标水位（只处理溢出部分）
retainRatio	0.3	保留尾部比例：压缩时最近 ~30% 窗口原样保留，更老的头部被摘要替换（0.4 时实测 137K→95K；0.3 可压到 ~60K，配合下方 maxTokens 提升保证摘要质量）
maxTokens	10000	摘要输出上限：调高到 10000 让更大的遮蔽跨度仍能生成完整、细节保留的检查点（原 8192）
retain_recent_messages	4	最近 N 条消息永不压缩
rag_top_k	3	每轮注入的记忆数
rag_min_score	0.3	注入的最低相似度
rag_ingest_denylist	内置 24 个	低价值工具过滤列表
rag_ingest_importance	0.3	工具结果重要性（遗忘优先淘汰）
rag_surface_dedupe	true	表面去重检索：命中记忆的文本若已存在于当前活动上下文（典型：刚入库、尚未被压缩掉的工具结果），则本轮不注入——避免把模型已经能读到的文本再花 token 送一遍。抑制是状态相关的：一旦压缩把该文本移出表面，记忆立刻恢复可注入（旧的 lastInjectedIds 排除语义不变，只记录真正注入过的 id）
concise_local_mode	true	本地模型简洁模式：会话路由到本地（loopback/私网 baseURL）provider 时，注入一条短运行时指令，禁止工具调用之间的叙述文字、要求独立调用合并到同一步、把解释集中到最终答复。本地模型的叙述会作为后续每个请求的输入反复重发（并在缓存过期后重新付费），一条指令通常在同一轮内回本。每个表面至多注入一次（agent/pre-step 决策消息，与 RAG 注入同一机制；llm/stream 的请求是深度冻结的，监听器只能读不能改）
concise_local_directive	内置文本	简洁模式的指令正文（可覆盖为自定义措辞）
tool_archive	true	工具结果归档（CCR 式）：超过阈值的工具结果原文按内容哈希入库，表面只留「头部 + 带 ref 的标记 + 尾部」的桩。内置 tool-result-pruner 只会把中段永久替换成固定 marker（有损、且只在压缩时运行）；本插件在压缩前与新节点写入后各改写一次，于是被剪掉的中段随时能用 memory_expand 原样取回
tool_archive_threshold_chars	6000	超过此字符数的工具结果才归档。默认刻意低于内置 pruner 的 8192 阈值，保证桩先于 pruner 生效
tool_archive_head_chars	2048	桩保留的头部字符数（含工具名、callId 与 ref）
tool_archive_tail_chars	1024	桩保留的尾部字符数（错误信息通常在这里）
tool_archive_max_entries	500	归档表最大条数，超出的按 created_at 最旧裁剪
tool_archive_retention_days	30	归档保留天数，更旧的条目在下一次写入时删除（0 = 不按时间淘汰）
tool_absorb	true	工具结果即时蒸馏：归档前先把超长结果蒸馏成信号行（错误/失败/退出码/测试通过-失败计数/diff stat/文件路径，加首尾各 3 行，每行截到 240 字符，总量 ≤1200 字符）作为桩的主体，全文仍按 ref 入库、memory_expand 原样取回。蒸馏结果同时作为一条记忆入库（importance 低，遗忘优先退休），所以「这一轮报了什么错」在表面桩和记忆都被压缩后仍然可检索。蒸馏不出信息（纯空白、空心结果）时回退头+尾桩
tool_absorb_min_chars	4000	触发蒸馏的最小字符数。刻意低于归档阈值 6000：不大但很吵的结果也值得蒸馏
tool_absorb_max_digest_chars	1200	蒸馏摘要的字符上限（同时被归档阈值兜底，保证桩一定比原文小）
compress_nudge	true	压缩调度 nudge：用表面增长的 EMA（nextGrowthEma，权重 0.5）预判「下一个请求会不会越线」，会越线就把这一轮压缩提前执行（shouldNudgeCompaction：同轮不重复、失败冷却期内不触发、增长未知不触发）。压缩原本每 N 轮才评估一次，等触发时往往已经付过一轮超量输入
usage_ledger	true	上下文计量账本：逐请求记录注入 tokens/条数、表面跳过数、归档与蒸馏字符数、nudge 次数、压缩节省 tokens，以及 LLM 的 input/output/cacheRead/cacheWrite（DSH 的计数是互斥的：inputTokens 只是未缓存部分，合并求和会抹掉缓存命中率）。memory_status 输出最近 7 天汇总与缓存命中率
usage_retention_days	30	计量事件保留天数（0 = 不淘汰）；每 256 次写入顺带清理一次
fold_ranges	true	可逆压缩归档：压缩折叠前把被折叠的原始消息（序列化全文 + 字符数 + token 估算）存入 folded_ranges，折叠桩标头条数/字符数与 fl_… 引用，memory_expand ref=fl_… 整段取回（等价上游 decompress）。压缩产出被拒时归档行可能留存但不被引用（只占存储，受下面两条上限约束）
fold_range_retention_days	30	折叠归档保留天数（0 = 不淘汰）；每次归档顺带清理超期条目
fold_range_max_entries	300	折叠归档条数上限；每次归档顺带按时间倒序裁剪

部署

发布就绪说明：npm/GitHub/tarball 安装走 dist/ 编译产物（prepare/prepack 自动构建）。 Node 24 不允许 node_modules 下的 .ts 类型剥离（ERR_UNSUPPORTED_NODE_MODULES_TYPE_STRIPPING）， 因此 bundle 必须发布编译后 JS；bundle 补丁里的入口用裸子路径说明符 （如 dsh-infinite-context/memory-context）——相对路径会按 profile 目录解析而失效。

⚠️ dsh plugin add 的临时路径陷阱：dsh plugin --profile <name> add <tgz> 会把 tarball 暂存到 D:\Temp\dsh-plugin-install-<随机>\ 并在 profile 的 package.json 里记成 file:D:/Temp/... —— 临时目录随时会被清理，之后任何一次 profile 级 npm install 都会因解析不到该路径而失败。可靠做法：把 tarball 放到持久化目录（如 ~/.dsh/packages/），并让 profile 依赖指向它：

# 方式一：通过 --patch 临时加载（.ts 源码直载，适合本机开发）
dsh web --patch ./cordis.yml

# 方式二（推荐）：持久化 tarball 安装 —— npm pack 后把 tgz 放进 ~/.dsh/packages/，
# 并把 profile package.json 的依赖改为 file:C:/Users/<you>/.dsh/packages/<pkg>.tgz
npm pack
mkdir -p ~/.dsh/packages 2>/dev/null; cp dsh-infinite-context-0.1.0.tgz ~/.dsh/packages/

# 方式三：dsh plugin add（注意上面的临时路径陷阱；装完后建议把依赖重定向到持久化路径）

# 方式四：手动复制到 DSH plugins 目录 + 编辑 cordis.patch.yml（.ts 直载）

更新已安装插件：npm pack → 覆盖 ~/.dsh/packages/ 里的 tgz → 把新 dist/* 与 bundle.patch.yml 直接复制进 <profile>/node_modules/dsh-infinite-context/（立即可用，无需 npm install）→ 重启 DSH。

一键安装脚本（scripts/，通用工具，可用于任何 DSH 插件）：

# 交互式菜单（校验 dsh.bundle 清单 → 自动编译 → tarball 安装 →
# 自动清理 profile 补丁层同 id 旧条目 → 可选联动重启）
scripts\install-dsh-plugin.bat

# 或直接调用 PowerShell 版
scripts\install-dsh-plugin.ps1 <目录|tgz|npm:包名|github:owner/repo> -Profile <name>

# 只验证自动探测结果（node / harness / DSH_HOME / profile / 来源），不打包不安装不重启
scripts\install-dsh-plugin.ps1 -DetectOnly

自动探测与持久化（2026-09-03）：脚本自动定位 harness 根目录——优先级为 运行中的 DSH 进程工作目录（PEB 读取，最权威）→ cfg 记忆值 → 常见安装位置 → 文件系统浅层检索， $DSH_HOME 取 $env:DSH_HOME 或 ~/.dsh；解析结果持久化到 scripts/install-dsh-plugin.cfg （GBK，与 bat 共用）。tarball 固定输出到 ~/.dsh/packages/（规避 dsh plugin add 临时路径陷阱）； 安装前自动移除目标 profile 里指向临时/已失效路径的旧依赖（否则 pnpm add 直接 ENOENT 失败）， 安装后校验依赖已指向持久化 tarball。注意：scripts/install-dsh-plugin.ps1 必须保存为 带 BOM 的 UTF-8（powershell.exe 5.1 对无 BOM 文件按 ANSI/GBK 误读中文会解析错乱）， install-dsh-plugin.bat 必须是 GBK + CRLF（cmd 对 LF-only 批处理解析错位）。

测试

# 单元测试（248 个，无 DSH 依赖）
vitest run --config vitest.config.ts

# 类型检查
tsc -p tsconfig.typecheck.json --noEmit

---

致谢

本插件的压缩/上下文治理方向长期对齐 billion-context（MIT 外加一条附加条款：任何终端用户可见或可交互、且使用了该软件的产品或服务，须在首页、文档或「关于/致谢」页面注明使用了 billion-context 并附指向该仓库的链接）。据此条款在此致谢并链接该仓库。我们仅在引擎层等价重实现其能力，未复制其源码。上游文档快照、长期更新目标与吸纳对照见 docs/billion-context/：UPSTREAM.md（紧随更新目标与刷新流程）、ABSORPTION.md（功能吸纳对照与冲突取舍）。

Introduction

A DeepSeek Harness (DSH) plugin that gives long sessions an "infinite context" feel via multi-tier memory management:

• Progressive compression — token-pressure driven, oldest-first summarization, recent context preserved verbatim
• Dynamic compaction threshold — trigger water level derived from the routed model's REAL CTX; a single oversized thinking turn bypasses the round-interval rate limit
• Mid-thinking guard — wraps the agent's LLM stream: when input + output approaches the current model's real window, injects an overflow signal → durable compaction → retry with room; the plugin intervenes even while the model is deep-thinking
• Three-tier memory pyramid — short (recent turns) → mid (LLM summaries) → long (consolidated summaries)
• Persistent store — SQLite (node:sqlite), memories survive restarts
• Semantic retrieval — memories embedded, indexed, and top-K spliced into context per turn
• Three-layer dedup — exact + normalized fuzzy + semantic cosine, prevents duplicate ingestion
• Surface-aware retrieval dedup — a hit whose text is still on the active context (an ingested tool result that has not been compacted away) is not injected again; it becomes eligible again as soon as compaction removes the text from the surface
• Local conciseness mode — on a local route the plugin injects one short directive that forbids inter-tool narration, requires batching, and pushes explanation into the final answer
• Structured memory — four classifications (user/feedback/project/reference) + index + audit + visible forgetting
• Model-context awareness — auto-adopts DSH-resolved real model CTX, small local models compress early
• High-value filtering — only high-value tool results ingested, low-value tools filtered
• Manual tools — 10: search / status / index / maintain / model_probe / forget / consolidate / reset / force_compress / ingest

Key Features

Feature	Description
Progressive compression	compress_trigger_ratio: 0.75 — compress already when >75% full (local long-context TPS collapses, so intervene early); compress_target_ratio: 0.6 — only summarize overflow; retainRatio: 0.3 — newest ~30% of the window stays verbatim; maxTokens: 10000 — summarizer output cap raised to preserve detail
Dynamic compaction threshold	compaction_dynamic_threshold: true — when the REAL window (probe / modelWindows) is below the declared one, force compaction at a REAL-window threshold; thresholdRatio: 0.7 + compaction_dynamic_floor: 0.5 — the trigger ratio slides from 0.7 toward the floor as the window fills (~60% trigger, keeping slow local models in their fast zone); a single-round surge (≥20% of window) bypasses the interval; forced compactions ≥10s apart
Mid-thinking guard	thinking_guard_enabled: true — wraps llm/stream: when input + output nears the dynamic line window − (system/tools + summary estimate + margin), injects CONTEXT_WINDOW_EXCEEDED → durable compaction → retry; input already over the line is compacted BEFORE generation; thinking_guard_ratio: 0.9 is the ceiling
Three-layer dedup	Exact (hasText) + normalized (normalizeForDedup) + semantic (cosine ≥ 0.92)
Surface-aware retrieval dedup	rag_surface_dedupe: true — before injecting, Top-K memories are compared against the text of the ACTIVE context (lowercased + whitespace-collapsed, 70% segment coverage); memories already visible are skipped this turn. Suppression is recorded nowhere, so a memory returns as soon as compaction moves its text off the surface
Local conciseness mode	concise_local_mode: true — when isLocalRoute(provider) holds, a <runtime_directive scope="dsh-infinite-context:concise"> message is spliced into the agent/pre-step decision right before the latest user message; at most one copy per surface (detected, never duplicated), re-injected after compaction drops it
Tool-result archive (CCR)	tool_archive: true — a tool result above the threshold is archived by content hash (tr_<sha256 12>), and the surface node becomes a short stub carrying that ref. Rewritten once when a node is appended and once before compaction, so the lossy middle-cut performed by the built-in pruner becomes recoverable via memory_expand. Only nodes that were never sent are rewritten, so an established prefix cache is never invalidated
Immediate distillation (absorb)	tool_absorb: true — an oversized result is distilled into signal lines first (errors/failures/exit codes/test counts/diff stats/paths plus 3 head and 3 tail lines, ≤1200 chars) and that digest becomes the stub body; the full text still archives under its ref for memory_expand, and the digest is also ingested as a memory (low importance, retired first)
Compression scheduling nudge	compress_nudge: true — a surface-growth EMA predicts whether the NEXT request crosses the trigger and compresses one step early when it would (shouldNudgeCompaction; never twice in a turn, never during a cooldown)
Reversible compaction (fold ranges)	fold_ranges: true — before folding, the exact folded messages are archived in folded_ranges; the fold header carries the message/char counts and a fl_… ref, and memory_expand ref=fl_… restores the full text (upstream decompress parity); memory_search also surfaces keyword hits inside folded history. Retention: fold_range_retention_days (30 days) and fold_range_max_entries (300)
Context accounting ledger	usage_ledger: true — per-request accounting of injected tokens/memories, surface skips, archived/distilled chars, nudges, compaction tokens saved, and the LLM's input/output/cacheRead/cacheWrite (DSH counts are DISJOINT, so they are stored separately and never pre-summed); every LLM record carries a provider/model attribution, and memory_status reports per-model usage (usage.models, MODEL SWITCHES style) for the last 7 days plus the cache hit rate
Structured memory	memory_index (MEMORY.md style) + memory_maintain (audit) + visible forgetting
Model CTX awareness	Auto-reads DSH model catalog contextWindow; local models are actively probed for their REAL runtime window (llama/ollama/openai incl. llama-server meta.n_ctx); per-model registry isolates concurrent sessions
High-value filtering	denylist filters 24 low-value tools; importance tiers (short=0.3/mid=0.6/long=0.6, long inherits batch max)

Manual Tools

Tool	Description
memory_search(query?, k?)	Semantic search over persisted memories
memory_status	Report tier counts, budgets, embedder, forgetting policy, model CTX + per-model windows, the last 7 days of context accounting (injection, surface skips, archived/distilled chars, compaction tokens saved, cache hit rate), per-model usage (usage.models), and reversible fold ranges (foldedRanges: counts, chars, recent entries)
memory_index(limit?)	MEMORY.md-style structured index
memory_maintain	Read-only audit: duplicates/conflicts/stale
memory_model_probe(forceProbe?, model?)	Report model CTX source, force probe, list per-model windows
memory_forget	Run a forgetting sweep
memory_consolidate	Force pyramid consolidation
memory_reset	Erase all memories
memory_force_compress(sessionId?)	Force compress a session
memory_ingest(text, source)	Manually ingest a text (auto-triggered via the tools/result callback)
memory_expand(ref?, query?, offset?, limit?)	Read back an archived tool result: without ref it lists or searches the archive; with ref it pages through the full text, or returns match windows for query (the middle cut by the built-in pruner included)

Deployment

Publish-readiness note: npm/GitHub/tarball installs consume the compiled dist/ (prepare/prepack build automatically). Node 24 refuses TypeScript stripping under node_modules (ERR_UNSUPPORTED_NODE_MODULES_TYPE_STRIPPING), so bundles must ship compiled JS, and bundle-patch entries must use bare subpath specifiers (e.g. dsh-infinite-context/memory-context) — relative paths resolve against the profile directory and break.

# Option 1: Temporary load via --patch (direct .ts loading, for local dev)
dsh web --patch ./cordis.yml

# Option 2: Install into a profile (tarball, verified end-to-end)
npm pack && dsh plugin --profile <name> add ./dsh-infinite-context-0.1.0.tgz

# Option 3: Manual copy to DSH plugins dir + edit cordis.patch.yml (direct .ts)

One-click installer (scripts/, generic tool for any DSH plugin):

# Interactive menu (validates the dsh.bundle manifest → auto-builds →
# tarball install → auto-cleans legacy same-id patch entries → optional restart)
scripts\install-dsh-plugin.bat

# Or call the PowerShell version directly
scripts\install-dsh-plugin.ps1 <dir|tgz|npm:pkg|github:owner/repo> -Profile <name>

Testing

# Unit tests (248, no DSH dependency)
vitest run --config vitest.config.ts

# Type check
tsc -p tsconfig.typecheck.json --noEmit

---

Acknowledgements

The compression/context-governance direction of this plugin is aligned long-term with billion-context (MIT plus one additional attribution term: any end-user-visible or interactive product or service using that software must state that it uses billion-context on its home page, docs, or an About/Credits page, with a link to that repository). Per that clause we credit and link the repository here. We only re-implement its capabilities equivalently at the engine layer; no upstream source code was copied. The pinned upstream docs snapshot, the long-term follow-up target, and the absorption/conflict record live in docs/billion-context/: UPSTREAM.md and ABSORPTION.md.

---

See ARCHITECTURE.md for the full design.