Freakz2z/dsh-catgirl-plugin

README excerpt

dsh-catgirl-plugin 一个为 DeepSeek Harness 打造的 token 高效人格运行时。 把人格留在界面，把智能留给模型。 简体中文 English 效果示例 用户：帮我写个排序算法 模型（正常输出）：已写入 /tmp/qs.py ：原地分区版快速排序，6 组测试全部 PASS。 你看到的 ：已写入 /tmp/qs.py ：原地分区版快速排序，6 组测试全部 PASS。 喵 (｡･ω･｡) 核心思想 传统做法让 LLM 自己"演猫娘"：几百 token 的长 persona 注入 system prompt，每个请求重复付费，模型输出还变啰嗦。 本插件反其道而行—— Persona Virtualization ： - 会话日志保存原文 ，模型上下文零污染 - 猫娘风味 0 LLM Token ，全部本地渲染 - 工具 schema 裁剪 ：25 → 8 个，省下每请求数千 token 实测结果 真实 DeepSeek API 实测（2026-08-14）： 首个请求新输入 -67%，稳态缓存命中 -66%，质量无退化 。 完整对比数据（同一任务：写快速排序 + 保存 + 运行验证） 冷启动（首个 agent 请求，无缓存） 配置 首个请求新输入 全程新输入 全程缓存命中 输出 基线（无插件） 12,372 12,520 25,856 838 传统猫娘 12,576 13,156 26,240 860 Lite + Economy 3,881 4,178 8,960 739 稳态（第二次运行，缓存已建立） 配置 新输入 缓存命中 基线 497 38,144 Lite + Economy 386 12,800 （-66%） 结论 1. 传统长 persona 猫娘 更费 token（+5%）——persona 是 per-request 重复成本 2. 极短 persona ≈ 基线——它的价值是让模型输出正常文本，把猫娘风味让给本地渲染 3. 工具 schema 裁剪才是省 token 引擎 —— ctx.tools.restrict() 在 agent 作用域裁剪，模型看到的与可执行的保持一致 质量对比 5 类任务实测（编码 / Web 搜索 / 文件搜索 / 纯问答 / Subagent）： 质量无退化 ，模型自适应（web 任务用 curl 绕过、subagent 任务直接回答）。 完整对比数据（基线 vs 本插件） 任务 工具状态 基线质量 插件质量 基线 token（新输入/缓存） 插件 token 编码 保留 ✅ ✅（+边界处理） 309 / 37,760 725 / 22,016 Web 搜索 被裁 ✅ 新闻数据 ✅ 实时 API（curl） 2,476 / 65,408 1,403 / 17,024 文件搜索 保留…

Category