dsh-compaction-audit — 压缩质量审计（DSH 插件）

上下文压缩是唯一一个静默删除信息的操作：模型继续自信地回答，而被赋予的约束已经没了。 论文 Lost in Compaction（arXiv 2608.11242）实测：现有压缩器平均只保留 17% 的会话约束， 多数压缩后表现还不如不压缩。这个生态里每个压缩插件都把质量清单当成自己设计文档里的待办， 没有一个把检查器做出来。

这个插件就是那个检查器。它读原始会话事件日志，审计任何一个压缩器产出的摘要——它自己的或别人的。纯确定性，不调 LLM：答错就是规则有 bug，有名字可查。

安装

dsh plugin --profile desktop add @bushizhanghan/dsh-compaction-audit

重启 DSH 后生效。只读：从不写你的会话日志。

Agent 工具

工具	作用
compaction_audit	审计单个会话：约束幸存、摘要幻觉、幽灵引用、token 记账、无据裁剪
compaction_audit_sweep	扫描所有会话，按严重度排序，看哪段对话被压缩伤得最重
compaction_audit_diff	单个压缩的细部对照：摘要替代了什么、丢了哪些约束、留下哪些
compaction_audit_log_check	日志结构完整性：每次工具调用都有结果、序号无跳断

检查清单

规则	级别	抓什么
log-invariant-broken	✗ error	工具调用没有配对结果——日志被截断，其他所有结论都因此失效
summary-hallucination	✗ error	摘要发明了历史里从未出现的路径/版本/端口/标识符（模型会信它）
constraint-lost	✗ error / ! warn	用户给的 standing 指令（不要X / 必须Y / 只准Z）摘要没带上；幸存率 <50% 报 error
prune-unaccounted	! warn	裁掉的 token 远超所替代的消息——通常是工具输出无声消失
token-accounting	! warn	摘要几乎和它声称释放的一样大（压缩-回填-再压缩的 thrashing）
ghost-reference	! warn	摘要说"如上所述"，而所指内容已不在上下文中
no-summary / no-history	· info	该次压缩没有摘要可审，不是问题
prune-only-session	· info	只有微裁剪、没有摘要压缩

它在真实数据上发现了什么

在一台真实机器的会话日志上（26,370 个事件、4 次摘要压缩）：

✗ constraint-lost: 41 of 60 session constraints did not survive the summary (31% kept)
     lost(negation): Do not approve again
     lost(negation): do not busy-poll status or keep a turn running just to wait
     lost(negation): 别急着上框架
✗ summary-hallucination: 7 specific claim(s) in the summary have no basis in the history it replaced
     item(rel-path): tools/edge_test.py
     item(env-var): PROGRESS

最后一次压缩只保住 31% 的约束，前三次在 13%–15%——和论文测出的 17% 吻合。摘要里还有历史中从不存在的 tools/edge_test.py、PROGRESS 这类具体标识符。

同一个会话里 291 次 compaction/start，287 次 compaction/end 带 provider 错误，只有 4 次真的产出摘要——报"291 次压缩"会让人以为压缩跑了 291 次，所以现在拆成 started / summarised / failed 三个数。

设计取舍

• 先读日志再写规则。 第一版假设"压缩会删除事件"，在真实日志上被推翻：DSH 的事件日志是只追加的，压缩是插入一段摘要而不是删除事件——26k 事件里 1306 次工具调用，1306 个结果一个没少。所以"约束幸存率"审的是摘要 vs 它替代的历史，不是"日志里少了什么"。据此删掉了整个孤儿检测规则，重写了 token 记账。
• "它替代的历史"要看 shadowedSeqs，不能取"startSeq 之前的一切"。 第二次以后的压缩，前面那段文本早被上一次摘要折叠掉了，拿全部前序文本去审等于拿它没见过的历史判它——实测第 4 次压缩会报 561 条约束，而它真正替代的只有 141 条。
• 工具输出也算"模型看过的东西"。 文件名、符号、常量大多是通过工具结果进场的，只拿消息文本当来源会把模型引用它读到的东西判成"编造"。
• 前一次摘要的正文也算来源。 摘要是在"已经含前序摘要的界面"上写的，不把前序摘要算进来，所有继承来的标识符都会被误判成编造。
• 注入的上下文不算丢失。 system-reminder、runtime snapshot、全局 AGENTS.md 每轮都重新注入，摘要不带它不是损失。不排除它们会让每次压缩看起来都灾难性（实测：488 条"丢失"里 219 条是这类噪音）。
• 误报是靠真实数据压下去的。 路径正则从中文斜杠（方案/数据/渠道）、C 关键字（/break/continue）、编号列表（/04/12/15/16/28）、寄存器（/U/UL/F）、汇编助记符（/addss/subss/mulss）、IP 前缀（127.0.0）里逐一收窄，每一项都是先在真实日志上看到误报再修。
• 确定性：没有 LLM 调用。"约束"按可识别的形式匹配（祈使否定、standing 要求、范围限定、硬标识符），保留判定允许合理的改写，但要求实体词共同出现。

开发

node --test          # 30 个测试（28 个单测 + 2 项集成）

测试的 fixture 来自真实会话日志（26,154 事件那次压缩就是断言对象）。

License

MIT