Opencode-DCP/opencode-dynamic-context-pruning

解决的问题

减少 OpenCode 会话中因过时上下文导致的 token 使用量，并防止幻觉。通过管理对话历史，确保 LLM 不会超出其上下文窗口，也不会在冗余信息上浪费 token。

工作原理

DCP 在不修改原始会话历史的情况下管理上下文，而是将被修剪的内容替换为占位符后再发送请求给 LLM。它使用三种主要机制：

• 压缩：允许模型将过时或已关闭的对话段落（范围模式）或单个消息（消息模式）替换为高保真技术摘要。支持嵌套摘要，以在多层压缩中保留信息。
• 去重：识别并移除具有相同参数的重复工具调用，仅保留最新输出。
• 错误清理：在可配置的轮次后，移除出错工具调用的输入内容，同时保留错误消息本身。

适用人群

在长时间编码会话中使用 OpenCode，希望优化 token 消耗并维持模型性能的用户。

主要亮点

• 模型驱动压缩：模型根据任务完成情况决定何时压缩，而非依赖静态触发器。
• 灵活模式：支持连续范围压缩和精准的单条消息压缩。
• 可配置保护：允许用户保护特定工具输出、文件模式或用户消息，防止被修剪。
• 可自定义提示：提供可编辑的提示覆盖，用于自定义系统行为和压缩引导。