dsh-headroom

兼容的 Harness 版本

• 已验证支持：DeepSeek Harness 0.1.0-rc.6（web profile）。
• 最新版 0.1.2-alpha.3：适配计划进行中，暂无确切完成时间。升级前请先备份你的 DSH 安装。

⚠️ 已合并（DEPRECATED）：本插件已与 dsh-headroom-manager 合并为 dsh-headroom-suite（二合一套件， 一条命令装齐线路切换 + 代理管理）。本仓库保留作历史参考，建议直接安装套件：

dsh plugin --profile web add github:wjxn13/dsh-headroom-suite#main

DeepSeek Harness 的 Headroom 上下文压缩代理集成插件：一键检测、安装、启动 Headroom 压缩代理，并自动接入 DeepSeek 线路（OpenAI 协议），在设置页提供状态面板与切换控件。

重要声明：本插件是 headroomlabs-ai/headroom （Apache License 2.0）的集成与封装，Headroom 压缩引擎本身由 Headroom 项目提供， 版权归其作者所有。本插件不包含、也不修改 Headroom 的压缩算法，仅负责： 环境检测、依赖安装、进程管理、DeepSeek 兼容预设与线路切换 UI。 详见 NOTICE 与 LICENSE。

功能

• 一键启用压缩线路：设置页点按钮，把 DSH 的 llm-deepseek.baseURL 指向本地 Headroom 代理
• 自动环境管理：检测 Python → 自动建 venv → 安装 headroom-ai[proxy]（轻量，无 torch）
• 进程守护：自动启动 headroom proxy、/livez 健康检查、崩溃提示
• 兼容预设：固化 Windows workaround（HEADROOM_DETECT_BACKEND=python、 HEADROOM_TOOL_SEARCH=off）与 DeepSeek 双协议路由
• 一键切回直连：任何时刻可切回 api.deepseek.com，无锁死风险
• 实时统计：设置页显示花费/节省 token、缓存命中率（每 10 秒刷新）

实测成果

以下数据来自本机真实使用（DeepSeek V4-Flash，DSH 大上下文会话），2026-08-15 统计：

能省多少？（诚实预期）

Headroom 官方宣称可省 60-95% token（JSON 数据）或 15-20%（编码 agent），但实际节省取决于场景：

• JSON/结构化数据密集（工具输出、API 响应）：压缩空间大，接近官方宣称的高端
• 大上下文 coding 会话（DSH 这类 1M 上下文，实测 2026-08）：大多数请求只省 ~0.001%（工具 schema 早已压缩、历史走缓存，可压缩空间被榨干）；但当工具输出/跨轮去重触发时，单次可省 8-20% 甚至更高（实测平均 8.95%，中位 0.1%）。配合 DeepSeek 前缀缓存（99.9% 命中），每次请求的新内容成本极低（~100 token）
• 省钱大头是缓存：Headroom 的核心价值是不破坏 DeepSeek 的缓存（改写确定性），让 99.9% 输入走折扣价；压缩是锦上添花

⚠️ 必须设 HEADROOM_NO_CCR=1：Headroom 的 CCR 会把长内容抽走、换成 <<ccr:HASH,...>> 引用（TTL 1800 秒），而 DSH 没有 headroom_retrieve 工具去兑换 —— 结果是 agent 收不到长消息。注意别错用 HEADROOM_LOSSLESS=1 止血：那会让结构化数据（JSON/工具输出）的压缩归零（实测 45.3% → 0%）。完整实测与开关对比见 dsh-headroom-suite README。

触发路径值得记牢：受保护的只有用户直接发出的消息（router:protected:user_message）；通过提问面板（ask_user_question）回答的内容与工具输出都以 tool result 进入，不在保护范围 —— 这才是「收不到长消息」的真正入口。

金额换算建议以 DeepSeek 官方账单为准（价格峰谷变动频繁，插件不估算金额，避免误导）。

与 DSH 自带压缩的分工（为什么不是重复造轮子）

DeepSeek Harness 自带会话历史压缩（dsh-compaction-basic：超预算时把旧对话摘要成 <compacted-summary>；dsh-compaction-tool-result-pruner：超预算时修剪工具结果）。这些是会话层的兜底——会话太长时的事后补救。

本插件的定位是请求层的极致压缩，与 DSH 自带机制互补、不重叠：

为什么需要这一层

DSH 每次请求会全量发送工具 schema（数十个工具的完整 JSON 描述，可达数万 token），且多轮对话中跨轮内容存在大量冗余。Headroom 在每次请求发出前：

• 压缩工具 schema（tool_schema_compaction）：去掉描述冗余，每次请求省 4-71 token
• 跨轮去重（cross_turn_dedup）：删除与上一轮重复的内容
• 遇到大工具输出时：一次省 8-20%（偶发但可观）

目标

在 DSH 自身压缩之上，把每次请求的冗余压到极致——日常每请求稳定压缩，偶发大输出大幅压缩，配合 99.9% 缓存命中，让 token 消耗逼近理论下限。

与 dsh-caveman 配合（输入 + 输出一起省）

本插件管输入侧（请求层压缩，保缓存）。输出的冗余交给 dsh-caveman——让 AI 少说废话、精简输出（本机实测省 88% 输出 token），技术信息完整保留。两者正交、互补、不冲突：

一个管进（把发给模型的输入压到最省，还不破坏缓存），一个管出（把模型吐出来的输出压到最省）。两个都装，token 消耗逼近理论下限。

dsh plugin --profile web add "github:wjxn13/dsh-caveman#path:/dsh-plugin"

安装

前置条件

• DeepSeek Harness（dsh）已安装并运行
• Python 3.10+（Windows 3.10-3.13 均可，Headroom ≥0.35 提供预编译 wheel，无需编译工具链）

安装插件

# 克隆仓库（或下载 release 包）
git clone https://github.com/wjxn13/dsh-headroom.git

# 用 dsh 的插件命令安装（npm 包形式）
cd ~/.dsh/profiles/web
dsh plugin add file:../dsh-headroom  # 或本地路径

然后在 ~/.dsh/profiles/web/cordis.patch.yml 的顶层数组加：

- insert:
    - id: dsh-headroom
      name: '@dsh-external/dsh-headroom'

重启 dsh web，打开 设置 → 线路切换。

使用

打开 DSH Web → 设置 → 线路切换 页签：

1. 首次使用：点「安装 Headroom 引擎」（自动建 venv + pip install，约 50MB）
2. 启动：点「启动压缩线路」（自动拉起代理并写入 baseURL）
3. 切换：随时点「切回直连」恢复默认线路

⏳ 注意：启动压缩线路后，首次对话可能需要等待约 1 分钟——这是 Headroom 冷启动（首次加载 tokenizer / 模型组件），之后请求恢复正常（几秒内）。

Windows

Headroom 0.35.0 起提供 Windows 预编译 wheel（headroom_ai-*-win_amd64.whl， Python 3.10+，见 headroom#636）， pip install headroom-ai[proxy] 在 Windows 上直接安装，无需 Rust 或 MSVC 工具链。

详细的 Headroom 安装说明见官方文档。

兼容性

开发

pnpm install
pnpm run build    # 构建 client bundle + host lib

致谢与许可

• 压缩引擎：headroomlabs-ai/headroom（Apache 2.0）
• 本插件：Apache License 2.0（见 LICENSE），NOTICE 见 NOTICE