输出截断保护 ADkun/dsh-auto-stop

dsh-auto-stop

一个 DSH 插件，在响应即将触到模型输出上限之前就结束它，这样截断提示出现时，还有空间把回答干净地收尾——而当这条响应来自子代理时，它会告诉该子代理的父智能体，直接把它送回工作。

已达到输出 token 上限回答被截断，已有输出保留在对话中。发送“继续”可让模型接着输出。

DSH 本来就会在上限处停下，而且是正好停在上限：回合在句子中间结束，工具调用被丢弃，想拿到剩下的回答，得靠有人注意到并追问。对于后台子代理，根本没人会注意到——它没法为自己请求续写，父智能体只有碰巧读到结算通知才会知道。

这个插件把停止点稍微提前，并让后续动作自动发生。

工作原理

1. 在模型输出流上做抢先截断。 它注册一个 llm/stream 监听器——也就是包裹每次流式模型调用的那条瀑布流——并按 harness 自己的优先级顺序，解析当前这次调用的输出上限：

| 来源 | 含义 |
| options.maxTokens | 本次调用冻结的每请求上限 |
| agent.options.maxTokens | 循环向它的智能体请求的上限 |
| llm.resolveModelInfo(...).defaultMaxTokens | 调用方省略上限时，适配器物化的默认上限 |

它在响应到达时实时计量（支持 CJK；见限制），一旦估算值达到 ceiling - reserve，就关闭仍然打开的块，发出 harness 自己的终止信号 { kind: 'max-tokens' }，并停止读取服务商。

这个终止块不是绕过 DSH 的 hack；它就是 DSH 的截断路径。max-tokens 结束会让智能体循环提交这条不完整的助手消息、锁存原因、跳过工具派发（在 max-tokens 下，块组装器会丢弃工具调用块，正是因为它们无法安全执行）、结束回合，并渲染上面的提示。下游的一切——持久会话日志、聊天消息、SubagentResult.stopReason——都由同一个信号推导出来，所以下游不需要知道这个插件的存在。

2. 为被截断的子代理做父级交接。 当耗尽空间的智能体是被委派的子代理时，插件会把一条两行通知引导进它的父智能体，并点名继续它的确切调用：

[dsh-auto-stop] 子代理 <child-id> 输出触顶被中断（约 31000 tokens）。
立即发送：send_message(agent_id="<child-id>", message="继续（从断点接着写，不要重复已写内容）")

Agent.steer 是每条 DSH 投递路径底层的原语：它把一条面向模型的消息拼接进智能体的收件箱并唤醒它，所以空闲的父智能体会开启一个回合，把这条通知当作指令来读。它自己再 send_message 回子代理时，要么引导活跃的子代理，要么冷恢复已结算的那个——所以无论子代理的运行是否已经结束，交接都能生效。

根对话刻意不通知：它们的受众是你，而你已经收到 DSH 自己的通知。subagent_fork 也不会收到通知——它共享血缘，却不构成委派，去干预它的「父级」只会打断一段无关的对话。

3. 没有上限的调用就不管。 截断点是算出来的，不是猜出来的：解析不出上限时，插件不会凭空造一个，不包装流，不截断，原样把响应交给 harness 处理。它按模型说一次，而不是按响应说一次：

[dsh-auto-stop] no output ceiling for ali/deepseek-v4.1-flash: standing aside (declare maxTokens on the model entry to arm the early cutoff)

上限已知、但估算偏低时，服务商会自行截断——这次截断仍走同一条交接路径上报，所以子级的续写从不依赖估算是否准确。

因此 defaultMaxTokens 总得有个来源；见 Arming the cutoff。

安装

从这个检出目录安装 bundle，或直接从仓库安装：

plugin_manager:
action: install_bundle
target: D:\dsh\dsh-auto-stop

plugin_manager:
action: install_bundle
target: git@github.com:ADkun/dsh-auto-stop.git # or: github:ADkun/dsh-auto-stop

本地 target 必须是绝对路径；git@host:owner/repo 写法、github:owner/repo 简写、托管仓库 URL 都通过 pnpm 拉取。bundle 的 cordis.patch.yml 会插入一行：

- insert:
- id: dsh-auto-stop
name: 'dsh-auto-stop'

要移除插件，删掉这一行即可（或在 Plugins 页面禁用它）。激活时它会在日志里说明：

[dsh-auto-stop] armed: responses end just before their output ceiling, and a truncated child is handed back to its parent

Arming the cutoff

这行日志只说明监听器已注册。截断本身需要调用的输出上限，而 只有当服务商配置里模型的条目声明了 maxTokens，DSH 才知道这个数字。 pi-ai 路由如果把模型当作普通的 id/name 列表交出去——OpenAI 兼容网关就是这种情况，也是最常见的情况——就什么都没声明，所以要按模型声明一次上限：

llm-pi-ai provider config, per model
- id: deepseek-v4.1-flash
name: deepseek-v4.1-flash
maxTokens: 32768 # the model's real output ceiling

一次声明干两件事：DSH 把这个数字放进每个请求，服务商到此为止；插件也用同一个数字计量，提前一个预留量停下。32768 是 pi-ai 自己的内部兜底值，不代表任何具体模型——请用模型真实的上限。填得比真实值低，响应会比需要的更早结束；什么都不声明，就由服务商自己的限制说了算，而这恰恰是插件看不到的情况。

声明了上限，插件会按模型披露一次，并记进日志：

[dsh-auto-stop] ali/deepseek-v4.1-flash reports a 32768-token output ceiling
在模型的额度上限被声明之前，插件对该模型的调用完全不采取任何动作：不截断、不计量、不交接。它看到的该模型第一次调用会写下上面那句「暂不介入」；之后对同一模型的调用保持沉默，第二个模型则另算一例。对未声明的模型来说，这是诚实的答案——没有数字，就没有依据提前叫停预留，凭猜测提前截断一轮，那是插件的错，不是模型的极限。

配置

每个字段都能在 Plugins 页面实时编辑；插件在每次模型调用前重新读取解析后的配置，所以保存的值会立刻作用于下一次响应。

| 选项 | 默认值 | 作用 |
| enabled | true | 总开关 |
| reserveRatio | 0.05 | 预留不用的额度上限比例 |
| reserveMin | 256 | 预留量的下限，用于额度上限较小的情况 |
| charsPerToken | 3.5 | CJK 范围之外的每 token 字符数 |
| cjkTokensPerChar | 0.8 | 每个 CJK 字符对应的 token 数 |
| minBudget | 1024 | 低于此值的额度上限完全不处理 |
| notifyParent | true | 把被截断的子代理交还给父代理 |
| parentPrompt | （中文，两行） | 通知内容；{agentId}、{tokens}、{continueMessage} |
| continueMessage | 继续（从断点接着写，不要重复已写内容） | 要求父代理回传的内容 |

截断点落在 ceiling - max(reserveMin, ceiling * reserveRatio)。预留量用来支付估算误差、收尾块，以及服务商计入但任何增量都没携带的部分。提前几百 token 结束响应无伤大雅；超出真实上限才是插件要防的失败——所以用 3.5 而不是 DSH 自己的固定每 token 4 字符。

限制

- 估算只是启发式。 流式响应边到边报文本，token 只在结束时才报，所以必须在到达上限之前触发的截断，等不到服务商自己的计数。预留量吸收误差；服务商侧的检测兜住漏掉的部分。
- CJK 按字符估算（约每字 1 token），而不是按 DSH 固定的每 token 4 字符规则——那条规则会把 CJK 输出多算四倍。如果你的模型对不上，就调宽或调窄 cjkTokensPerChar 和 charsPerToken。
- 额度上限从未披露的模型完全不处理。 不武装截断，也不计任何量，所以在这种模型上跑满空间的子代理不会被交还：服务商截断，这一轮就此结束，和插件存在之前一模一样。每个模型会有一行日志，写明武装它所需的配置（武装截断）。只有当模型自身的条目声明了 maxTokens 时，defaultMaxTokens 才会传到 resolveModelInfo：路由的 defaultMaxTokens 是内部目录的兜底值，永远不会被披露，而路由若把模型列为纯 id/name 条目，则声明
- 不处理。 每个模型只询问一次分辨率，然后缓存起来，并记录一个公开的上限。
- 跳过压缩和标题调用。 这些调用带有 purpose，截断它们会破坏 harness 自己产出的输出，而不是响应。
- 运行时导入。 插件使用 node:crypto 和 node:module；它从不导入 harness 包，因为从已安装的配置档里无法解析这些包。Plugins 页面的表单是唯一需要导入的东西：@deepseek-ai/schemastery 在运行时解析，如果某个环境无法解析它，所有行为都保留，只失去表单。

目录结构

src/plugin.js 监听器、上限解析、交接 src/cutoff.js 流计量和合成的 max-tokens 结束 src/budget.js 上限 -> 截断 src/estimate.js 感知 CJK 的输出 token 估算 src/lineage.js 子级 vs. 根级 vs. 分叉 src/notify.js 受引导的消息及其模板 src/config.js 默认值和归一化 src/settings.js 实时 Plugins 页面 schema test/ node:test，无依赖

开发

npm test # node --test test

测试不需要 node_modules：流测试自带一份 DSH 流不变量的本地副本（@deepseek-ai/dsh-llm/lib/invariant.js、validateStream），这样合成流在交给真实 harness 之前，会先按真实语法检查一遍。

许可证

MIT