🎯 OpenCode插件系列: DCP（Dynamic Context Pruning）

类型: Token优化插件 代码库: https://github.com/Opencode-DCP/opencode-dynamic-context-pruning NPM包: @tarquinen/opencode-dcp 星标: 2.3k+ ⭐

1. 这是什么插件？

DCP (动态上下文剪枝) 是一个通过智能管理对话上下文来自动减少token消耗的插件。核心思想是在向LLM发送请求之前，从上下文中移除不再需要的旧工具输出。 ⚠️ 重要: 原始会话历史不会改变——DCP只是在发送请求前将剪枝的内容替换为占位符。

主要组件:

1. Compress Tool — 模型用来高质量地总结旧对话的技术工具（比OpenCode的标准压缩更智能）。
2. Deduplication — 删除重复的工具调用（相同工具、相同参数），只保留最新的。
3. Purge Errors — 在一定轮次后（默认: 4轮）删除出错工具的大规模输入。

2. 有什么用？

在以下场景中使用它：

• ✅ 节省30-50%的tokens在长会话中
• ✅ 防止幻觉由过时上下文引起
• ✅ 智能控制上下文窗口大小
• ✅ 通过glob模式保护重要工具输出不被剪枝
• ✅ 手动压缩通过 /dcp compress
• ✅ 监控token消耗通过 /dcp context和 /dcp stats

技术特性:

• 范围模式 (默认) — 将对话的连续区域压缩为摘要
• 消息模式 (实验性) — 单独压缩单个消息
• 分层压缩 — 当新压缩与旧压缩重叠时，旧摘要会被合并到新摘要中（信息通过多层保存）
• 受保护工具 — 保护特定工具输出不被压缩（默认：task, skill, todowrite, todoread, compress, batch, plan_enter, plan_exit, write, edit）

3. 怎么用？

简单安装

opencode plugin @tarquinen/opencode-dcp@latest --global

这会将插件自动安装到全局配置中。

或手动添加到 ~/.config/opencode/opencode.json:

{
  "plugin": ["@tarquinen/opencode-dcp@latest"]
}

配置

创建 ~/.config/opencode/dcp.jsonc文件:

{
  "$schema": "https://raw.githubusercontent.com/Opencode-DCP/opencode-dynamic-context-pruning/master/dcp.schema.json",
  "enabled": true,
  "debug": false,

  // 压缩设置
  "compress": {
    "mode": "range",           // 或 "message" (实验性)
    "permission": "allow",     // "allow" / "ask" / "deny"
    "maxContextLimit": 100000, // 触发压缩的上下文上限
    "minContextLimit": 50000,  // 提示用户的最小限制
    "nudgeFrequency": 5,
    "protectUserMessages": false,
    "protectedTools": []
  },

  // 自动策略
  "strategies": {
    "deduplication": {
      "enabled": true,
      "protectedTools": []
    },
    "purgeErrors": {
      "enabled": true,
      "turns": 4
    }
  }
}

可用的斜杠命令

对于小型模型：

如果使用GitHub Copilot模型或本地模型，请降低限制：

{
  "compress": {
    "maxContextLimit": "80%",  // 模型上下文窗口的百分比
    "minContextLimit": "25%",
    "modelMaxLimits": {
      "openai/gpt-5.3-codex": 120000,
      "anthropic/claude-sonnet-4.6": "80%"
    }
  }
}

4. 什么时候用？

在以下场景使用：

• ✅ 进行长会话（超过一小时的工作）
• ✅ 在同一会话中读取大量文件
• ✅ 处理大型代码库如base-layer
• ✅ 使用按token付费的API（Anthropic、OpenAI）
• ✅ 注意到模型在长对话中"失去焦点"
• ✅ 工具报错并希望删除大输入

不要使用的场景：

• ❌ 处理简单短任务
• ❌ 使用按请求统一收费的提供商（如GitHub Copilot per-request）
• ❌ 使用统一定价的提供商（如Cerebras）
• ❌ 短会话中开销差异不大

⚠️ 重要注意事项

缓存的权衡：

• 没有DCP: 缓存命中率约 90%
• 有DCP: 缓存命中率约 85% 这意味着会损失一些缓存读取，但在长会话中会获得更大的token节省。

手动模式：

如果想100%控制剪枝，启用 manualMode：

{
  "manualMode": {
    "enabled": true,
    "automaticStrategies": true  // 只让dedup和purgeErrors运行
  }
}

许可证: AGPL-3.0

🔗 有用链接

• README: https://github.com/Opencode-DCP/opencode-dynamic-context-pruning
• NPM: https://www.npmjs.com/package/@tarquinen/opencode-dcp
• Schema: https://raw.githubusercontent.com/Opencode-DCP/opencode-dynamic-context-pruning/master/dcp.schema.json