查看对话的请求次数、上下文体积与估算花费
30/100
综合分
0
GitHub 星标
—
npm 周下载
—/5
用户评分
数据截至 2026/10/24 · 周下载取自 npm 全网(含 CI / 镜像),非本站安装数;综合分由星标、活跃度与兼容性检查合成。
相关生态插件(非 dsh 原生,按其对应运行时安装)
git clone https://github.com/7gzgn/dsh-frame.git状态速览
判定依据:实装验证 · 静态安装检查 · 自动扫描 · 仓库维护状态信任档位:仅索引
是什么
生态应用
桌面端 / Web 外壳,不以 dsh plugin add 安装
装得上吗
本站尚未做安装检查
安全吗
本站尚未对该插件做风险分级
暂未覆盖,不等同于无风险
还在维护吗
活跃:最近一次提交在 8 天前
档位由哪些信号合成
本站实装验证(真实安装 L4 覆盖全站;L5 为运行时冒烟或实机截图,覆盖范围小于 L4) · 验证所用 dsh 版本 · 静态安装检查 · 风险分级 · 仓库维护状态。 下方各区块是它的证据明细。
社区实装还没有人打卡 · 装过的第一个就是你
安全扫描自动 · 静态分析源码v2.7.0🟢 扫描:未发现敏感能力尚无人工评估展开查看扫描说明与证据 ↓
安全扫描自动 · 静态分析源码
v2.7.0静态扫描未发现敏感能力:最多只发网络请求、读取自身元数据或只读文件,未发现执行命令、文件写入或敏感信息读取。
扫描于 2026/11/1(0 天前) · 范围 入口闭包 + 发布文件清单 · 来源 GitHub 仓库
静态扫描只反映源码中出现的调用,不构成安全背书;人工评估与自动扫描相互独立、互不覆盖。
依赖的 DSH / Cordis 模块
@deepseek-ai/cordis给这个插件打分还没有人投票↓
用户评分
还没有人投票,来当第一个
看清一段对话的真实开销:多少次模型请求、系统提示词和工具表有多大、累计 token、预估花费,以及距离自动上下文压缩还有多远。只读本地会话日志,不调用模型,也不往系统提示词里加一个字。
README
由 DeepSeek 最新模型翻译生成dsh-frame
看清一场对话到底吃了多少。给 DSH(DeepSeek Harness) 加一个工具 frame,一次调用就报出这一场的请求次数、上下文体积、累计 token、估算花费,以及离自动压缩还有多远。
它不调模型、不联网、不往 system prompt 写一个字。 全部数字来自本地会话日志。
它回答什么
| 问题 | 怎么来的 |
| 这一场模型请求了多少次? | 数会话日志里的 step/start(不是 request/header——那个只在表头变化时写) |
| system prompt 与工具表各占多少? | 取最新一条 system/message 的字符数;工具表按 request/header 里的 schema 序列化长度 |
| 最后一步吃进去多少? | system + 工具表 + 累积历史,逐 step 累加 |
| 累计多少 token、多少钱? | 每次请求的输入字符 ÷ 2 估算 token;乘一个可配的单价(默认 0.054 元/百万) |
| 离压缩还有多远?
展开完整文档(README 剩余 1 节)
dsh-frame 看清一场对话到底吃了多少。给 DSH(DeepSeek Harness) 加一个工具 frame,一次调用就报出这一场的请求次数、上下文体积、累计 token、估算花费,以及离自动压缩还有多远。 它不调模型、不联网、不往 system prompt 写一个字。 全部数字来自本地会话日志。 它回答什么 | 问题 | 怎么来的 | | 这一场模型请求了多少次? | 数会话日志里的 step/start(不是 request/header——那个只在表头变化时写) | | system prompt 与工具表各占多少? | 取最新一条 system/message 的字符数;工具表按 request/header 里的 schema 序列化长度 | | 最后一步吃进去多少? | system + 工具表 + 累积历史,逐 step 累加 | | 累计多少 token、多少钱? | 每次请求的输入字符 ÷ 2 估算 token;乘一个可配的单价(默认 0.054 元/百万) | | 离压缩还有多远? | 上下文压力 = 当前 token / contextWindow,压缩在 80% 触发、压完保留 16% | 用法 装好之后直接调: frame # 最近改动的那个会话 frame session=<日志路径> # 指定会话 frame pricePerMillion=0.5 # 换一个单价口径 输出长这样: 📐 这一场的开销 · 模型请求 330 次 / 45 轮 · system prompt 9,096 字符 · 工具表 98,950 字符 / 121 个工具 · 最后一次请求输入 755,428 字符(约 377,714 token) · 累计输入约 76,413,754 token → 估算 4.126 元(按 0.054 元/百万) · 上下文压力 36.0%(窗口 1,048,576 token,压缩在 80% 触发、压后留 16%) · 离压缩还差 2.2 倍 安装 1. 链接进 profile New-Item -ItemType Junction -Path "$env:USERPROFILE\.dsh\profiles\desktop\node_modules\dsh-frame" -Target <本仓库路径> 2. profile 的 package.json 里 dependencies 加 "dsh-frame": "link:<本仓库路径>" 3. 同文件 dsh.profile.bundles 数组里加 "dsh-frame" 4. 重启宿主 数字口径与已知局限 - 默认挑哪个会话:取「最近改动、且 delegationDepth 为 0 的主会话」。subagent / fork 出来的子会话会被跳过——否则刚跑完一个子 agent,"最近"就会指到它身上。要指定会话就传 session=<路径>。 - token 是估的:字符数 ÷ 2,中英混排的粗估,不是分词器的真值。要看真值得等 provider 回 usage。 - 单价是默认值:0.054 元/百万 input token 是 2026-10 在 DeepSeek flash 上反推出来的量级(含缓存命中折扣),换模型/换价自己传 pricePerMillion。 - 会话日志是多帧 zstd:zstdDecompressSync 只解第一帧(只有 187 字节),本插件按 magic 28 B5 2F FD 切帧逐段解压。 - 工具表那栏取的是最后一条 request/header:这个事件只在配置或工具集变化时写,所以它能反映"装/卸插件之后"的真实数量;但如果本次会话从头到尾没变过工具集,那条记录会是很早的。 开发 node test/smoke.mjs # 拿最近一个真实会话跑一遍,验证数字与结构 DSH_FRAME_DEBUG=1 # 打开探针日志(apply 进入 / register 结果) MIT
预览分享卡片长什么样 ↓
分享 · DeepSeek Harness Hub
7gzgn/dsh-frame
查看对话的请求次数、上下文体积与估算花费
相关插件 · 对话 / 记忆
上下文中枢oceanbase/powercontext
上下文跟着工作走 —— 跨会话、跨智能体、跨人。
★ 1,462已汉化DSH
73
智能体记忆库plastic-labs/honcho
Honcho 是记忆基础设施,用来构建有状态的智能体。这些智能体能理解不断变化的人、智能体、群组、项目和想法。
★ 7,848已汉化DSH
71.7
长程智能体控制面loopx-project/loopx
给 Agent 一个目标,让工作持续向前。
★ 6,358已汉化DSH
71.3
智能体上下文数据库volcengine/OpenViking
给 AI 智能体用的上下文数据库
★ 41,246已汉化DSH
71.3
长效机器人团队Fei2411/DS-Bot
DS Bot 是一个基于 DeepSeek Harness简称 dsh的 bot 插件,插件将 dsh 改造为 bot…
★ 4,717已汉化DSH
71.1
可携带记忆层EverMind-AI/EverOS
为什么选择 EverOS
★ 13,711已汉化DSH
71.1