English | 中文

dsh-argp — DeepSeek Harness 的 0-LLM 确定性上下文压缩引擎

dsh-argp（ARGP = Atomic Reference Graph Pruning，原子引用图剪枝）是 DeepSeek Harness（dsh）的第三方 CompactionEngine，压缩阶段零 LLM 调用：不把历史重写为摘要，而是选择性遗忘。

• 压缩阶段 0 次 LLM 调用——纯图规则，确定性、可收敛
• 选择性遗忘而非重写——被剪内容留在 append-only 会话日志，可通过内置 recall_pruned / recall 工具取回
• 引擎无关的接缝——通过标准 CompactionEngine 接口挂载，作为 compaction-basic 的替代后端
• 压缩率精确兑现——实测 200K 上下文 → 160K 触发 → 32K 保留，输出大小可控

状态：研究/验证阶段。全链路（挂载 → 剪枝 → recall，事务不变式）已在 dsh 0.1.0-rc.6 + DeepSeek v4-flash 上完成 50 轮验证；声明式生产挂载已验证（dsh plugin CLI 加载）。

为什么

摘要式压缩（如 compaction-basic）在压缩时调用 LLM 重写历史：成本随上下文线性放大、信息有损、压缩率不可控。ARGP 走相反路线：依赖关系在对话发生时以结构化方式沉淀（每轮小额标注），压缩时只按引用图的反向拓扑序"摘除"原子——每个原子 token 数已知、剪枝确定性、降级链收敛到预算。

核心机制

1. 原子化——历史拆分为原子（用户输入 / Agent 输出 / 工具结果）。dsh surface 无独立 tool/call 节点，call 块内嵌在 assistant 原子内。
2. 建图——确定性边（assistant → 其工具结果，经 toolCallId）+ 语义边（assistant 输出中声明的引用前缀 {"cites": [...]}）。
3. 拓扑剪枝——反复摘除入度为 0 的原子，排序键：边等级 → 有效重要性 → 最近引用轮次。被剪引用方的出边随之消失，目标入度递减解锁（每 pass 动态有效入度）。U（用户）原子与墓碑永不参剪。
4. 闭包生命周期——已完成任务的闭包（以任务型 U 原子为根锚）可整体摘除，墓碑进入 recall 索引。
5. recall——recall_pruned(seq) 从日志取回被剪原子；list_pruned 展示剪枝目录。预算：每轮 ≤3 次、单次 ≤5% window、累计 ≤10%。
6. 版本去重——完全重复的 assistant 原子 / 同 issuer 的工具结果成对剪除（设计稿 θ=0.8 版本链去重的简化形态）。

设计细节、不变式与设计↔实现差异见 docs/。

模型要求（建边密度与指令遵循能力挂钩）

语义边来自模型在对话时按 prompt 契约输出的 {"cites": [...]} 声明——建边密度直接取决于模型的指令遵循能力：

• 遵循能力强：按契约声明 cites → 引用图反映真实依赖 → 剪枝选择性高
• 遵循能力弱：漏声明（图稀疏，只剩确定性边）或乱声明（图过密）→ 剪枝选择性下降，事务形态改变

实测对照（50 轮 t-long，同引擎同参数）：DeepSeek v4-flash（high 档）cites declared=0、每笔事务剪 34–35 原子（稀疏图）；Qwen3.8-27B declared=547、每笔事务只剪 4 原子、37 笔事务（密集图）——同一引擎在不同模型上呈现不同剪枝形态，但两者 L1/L2/L3 不变式均 PASS。

约束含义：建议搭配指令遵循能力强的模型使用；弱模型下压缩依然安全（0-LLM 确定性 + U 锚点保护 + recall 兜底在任何模型上成立），只是选择性收益降低。

安装与挂载

CLI 声明式挂载（已验证）

dsh plugin --profile <name> add dsh-argp

然后在 profile 的 cordis.patch.yml 中插入引擎并禁用 stock 摘要器：

- id: compaction-basic
  disabled: true
- insert:
    - id: dsh-argp
      name: dsh-argp
      config: { maxPasses: 16 }   # 预算默认按比例驱动，无需硬编码

启动后 ctx.compaction 即为 ARGP 引擎。

预算比例驱动（默认）

• windowTokens = contextWindow × 0.8（上下文 80% 触发）
• retainTokens = windowTokens × 0.2（压缩率 1/5）

上下文容量读自模型适配器声明，换模型自动适配；需要时也可显式覆盖（见 config）。

本地开发

npm install
npm run check        # typecheck + 本地 smoke + 单元测试

DeepSeek 实测需要 dsh 标准凭据：

npm run smoke:deepseek   # 10a + 10b + 10d 单轮冒烟

验证结果

DeepSeek v4-flash，50 轮 t-long 任务；完整数字与产物路径见 docs/experiment-2026-08-16-separated-contract-probe.md。

研究档对照：dsh-argp ¥0.355（U 7/7 R 7/7）vs compaction-basic ¥0.911（U 0/7 R 0/7）。

复现

每个数字都带产物路径（见实验记录文档）。

平台缺口反馈（给 dsh）

开发非 LLM 压缩后端暴露了 compaction 接缝的四处扩展性缺口，细节与复现脚本见 docs/dsh-api-feedback-2026-08-17.md：

1. tool/result 替换无结构化元数据通道——占位必须克隆原 message，只能改 content。
2. compaction/prune 游离于事务不变式状态机——算法剪枝没有原生事件类型，第三方引擎只能借 summary 语义 + 填伪字段。
3. headless 测试装配静默失效——mountAgentLoopTestDependencies 不注册 tokenMeter，pre-step 的 catch 吞掉错误。
4. 摘要调用间歇性空流（B-5）——high 思考档 77% 事务空流失败，maxTokens=32768 无效，疑似流式连接竞态。

License

MIT