Opencode-DCP/opencode-dynamic-context-pruning

解決的問題

減少 OpenCode 會話中因過時上下文導致的 token 使用量，並防止幻覺。透過管理對話歷史，確保 LLM 不會超出其上下文視窗，也不會在重複資訊上浪費 token。

工作原理

DCP 在不修改原始會話歷史的情況下管理上下文，而是將被修剪的內容替換為占位符後再發送請求給 LLM。它使用三種主要機制：

• 壓縮：允許模型將過時或已關閉的對話區段（範圍模式）或單一訊息（訊息模式）替換為高保真技術摘要。支援巢狀摘要，以在多層壓縮中保留資訊。
• 去重：識別並移除具有相同參數的重複工具呼叫，僅保留最新輸出。
• 錯誤清理：在可設定的回合後，移除出錯工具呼叫的輸入內容，同時保留錯誤訊息本身。

適用對象

在長時間程式碼會話中使用 OpenCode，希望優化 token 消耗並維持模型效能的使用者。

主要亮點

• 模型驅動壓縮：模型根據任務完成情況決定何時壓縮，而非依賴靜態觸發器。
• 靈活模式：支援連續範圍壓縮與精準的單一訊息壓縮。
• 可設定保護：允許使用者保護特定工具輸出、檔案模式或使用者訊息，防止被修剪。
• 可自訂提示：提供可編輯的提示覆蓋，用於自訂系統行為與壓縮引導。