Tarquinen/opencode-dynamic-context-pruning

解决的问题

Dynamic Context Pruning (DCP) 通过自动修剪或摘要过时的对话历史记录，减少 OpenCode 中的 Token 使用量并管理上下文窗口限制。它防止 LLM 被庞大的会话历史淹没，同时确保关键技术信息得以保留。

运作原理

DCP 作为一个层级，在将请求发送给 LLM 之前，会用占位符替换已修剪的内容，而不会修改实际的会话历史。它采用三种主要策略：

• 压缩 (Compression)：模型可用的工具，将过时的对话区间（范围模式）或单条消息（消息模式）替换为高保真的技术摘要。它可以嵌套摘要，以防止在多次压缩周期中丢失信息。
• 去重 (Deduplication)：识别并移除具有相同参数的重复工具调用，仅保留最新的输出。
• 错误清除 (Error Purging)：在经过可配置的轮次后，移除导致错误的工具调用的大型输入内容，同时保留错误消息本身。

适用对象

希望降低 Token 成本并在长时间编码会话中维持模型性能的 OpenCode 用户。

特色亮点

• 模型驱动压缩 (Model-Driven Compression)：允许 LLM 根据任务完成情况决定何时以及压缩什么，而不是使用静态阈值。
• 信息保留 (Information Preservation)：保护特定的工具输出（如子代理和技能）以及用户消息不被修剪。
• 灵活配置 (Flexible Configuration)：支持全局、项目级和自定义配置文件，并对上下文限制和提示频率进行详细控制。
• 手动控制 (Manual Control)：包含 TUI 面板和斜线指令 (/dcp, /dcp-compress) 以进行手动上下文管理。