第 1 卷

张嘉熙 · DeepSeek Harness 前沿工程实践

你好，我是张嘉熙。

上一讲我们把会话续接讲透了：日志怎么落盘、怎么分叉、崩了怎么修复、怎么读回来接着干。但那些讲的都是日志本身，有一个口子始终没碰——上下文本身会越滚越长。

一次请求能塞进去的量是有上限的（上下文窗口，连系统提示、工具定义都算在里面）。而会话每跑一轮，历史就长一截；工具返回一大段输出，上下文又涨一块。当上下文逼近上限但还

没超限时，就进入了“压力”状态，这个时候还来得及从容处理；真越过了界，模型会报“超出上下文窗口”的错误，直接拒绝这次请求，框架把这类失败归一成错误码

CONTEXT_WINDOW_EXCEEDED；没装压缩的话，这一次请求就是终点，整轮随之失败。这一讲我们就来讲讲“装不下了怎么办”，一节解决一个问题：

什么情况算装不下？先弄清问题

压缩与裁剪的关系不是并列的：压缩后端在框架的事件上注册了监听器，每一步开始前、请求失败后，它自己就会动手；裁剪服务不注册任何监听器，只会等人来调，而框架里会调它的，

只有自动压缩这一条路：判定“该管了”之后、挑范围之前，先调用裁剪服务，把超长的工具结果裁剪一下，再重新量一遍；量完如果够低了，就到此为止（裁了，但不压）。下面从最核心

的压缩讲起。

关于环境：本讲新增几个包，@deepseek-ai/dsh-compaction（压缩 seam 定义）、 @deepseek-ai/dsh-compaction-basic（压缩后端）、@deepseek-ai/dsh-

compaction-tool-result-pruner（工具结果裁剪）、@deepseek-ai/dshtoken-meter（token 计量），已加入本项目的 package.json，npm install --

legacy-peer-deps 装上即可。

关于示例：npm run start:ch10:compact 跑压缩，npm run start:ch10:prune 跑裁剪。

压力与溢出

第一个问题：什么情况算装不下？

上一讲讲过的会话，历史是只追加的，每一轮对话、每一次工具调用，都会在日志里留下记录；其中浮到模型眼前的那一层，就叫 surface（surface 就是哪些事件浮在模型眼前的那份

清单）。上一讲那条消息历史，正是把 surface 投影成消息算出来的。轮次越多，surface 越厚；工具输出越大，surface 越重。

而模型是有上下文窗口的：一次请求能塞进去的量是有限的。这个量的单位叫 token，是模型读文本时切出来的最小计数单位，你可以粗略理解成词块（英文里一个长词可能被切成好几

块，中文里一个字也不一定正好是一块）。窗口有多大，由当前路由到的那个模型决定。这两者一碰，就有两种“装不下”：

压力（pressure）：历史自然累积，正在逼近窗口上限，但还没超。

具定义这些固定开销，再拿去跟目标模型的窗口比，占到窗口的一定比例就算有压力（这个比例归压缩后端自己配，thresholdRatio，默认 0.8，即八成）。溢出不用量，它不是预

测，而是请求被拒之后才确认的事实。

压缩和裁剪这两样都是“可选能力”，不在 Agent Loop 的主干上，Agent Loop 那边一行代码都没提它们；不装的话，Agent 照跑，只是上下文一满就报错停下。装上之后，才有人处理

“装不下”这件事（压缩得在场，裁剪自己不会动，它只等人来调）。

压缩：把旧历史压成一段摘要

第二个问题：旧历史怎么压短？

装不下最直接的解法，是把已经聊过的旧历史压成一小段摘要：那一大片 surface 节点被一个