DeepSeek Harness 消耗 Token 太快怎么办？5 个官方开关把账单压下来

发布日期：2026-09-28

DeepSeek Harness（dsh）是 DeepSeek 于 2026 年 8 月开源的插件化 Agent 运行框架，在 GitHub 上已有 23.7 万 Star。它烧 Token 快，主要不是 bug，而是默认配置偏重。默认推理强度是 high，单次输出上限 256,000 Token，模型上下文窗口 100 万 Token。按官方公式，自动压缩要等上下文涨到约 67.8 万 Token 才会触发，在那之前每一轮请求都会把整段历史和之前的思维链重新发一遍。本文依据 dsh 仓库文档和 DeepSeek 官方价格页，先讲清 Token 花在哪，再给出 5 个原生配置开关：降推理强度、提前压缩、让便宜模型写摘要、收紧工具输出、护住缓存命中率。最后附一份可以直接粘贴的 cordis.patch.yml。

先看账：Token 到底花在哪

一句话：长会话里真正花钱的是「每一轮都重发的输入」，不是模型这一轮写出的回答。

dsh 的 Agent 循环每走一步，都会把系统提示词、工具 schema、完整对话历史和工具结果重新组装成一次请求。官方 llm-deepseek 文档还特别写明，此前每个推理轮次的思维链会原样回传到后续请求里。也就是说，推理强度开得越高，后面每一轮的输入就越重。

再看价格。DeepSeek 官方价格页（2026 年 9 月）的单位都是元/百万 Token：

deepseek-flash（V4.1-Flash）高峰时段：缓存命中输入 0.04 元，未命中输入 2 元，输出 8 元；
deepseek-v4-pro 高峰时段：缓存命中输入 0.30 元，未命中输入 9 元，输出 27 元；
空闲时段是高峰价的一半。高峰时段为北京时间工作日 9:00–12:00 和 14:00–18:00，其余时间（含周末、法定节假日全天）都是空闲时段。

算一笔账：用 V4-Pro，会话已经涨到 50 万 Token，此时再发一轮请求。如果缓存命中率是 90%，这一轮的输入大约 0.59 元；如果缓存全部失效，就要 4.5 元，差了 7 倍多。所以省 Token 其实是两件事：让上下文别无限膨胀，让重复的前缀尽量命中缓存。

为什么默认配置偏「费」

dsh 的压缩插件 dsh-compaction-basic 默认开启。它的触发阈值公式是 floor(min(W × 0.8, W − O − 65536))，其中 W 是上下文窗口，O 是单次输出上限。

代入默认值：W = 1,000,000，O = 256,000，算出来的触发点约为 678,464 Token。换句话说，会话要膨胀到六十多万 Token 才会第一次自动压缩。对只想改几个文件的日常任务来说，这个阈值太宽松了。

另外两个默认值同样偏向「能力优先」：

reasoningEffort 默认是 high，可选 off、low、high、max；
工具结果修剪器只在压缩触发之后才运行，低于阈值的会话里，超长的命令输出会原封不动地一直留在上下文里。

5 个原生开关，按收益从高到低

1. 按任务调低推理强度

模型选择器里有「推理等级」菜单，可以随会话切换。简单改动、查资料、格式整理用 low 或 off，复杂重构再切回 high。DeepSeek 自有路由的 off 会发送 thinking.type: disabled，是真正关闭思考。

如果你是通过 OpenAI 兼容端点接入 DeepSeek V4 的，要注意一个坑：off 留空时什么参数都不发，模型会照常思考。官方文档要求给模型加上 compat.thinkingFormat: deepseek，off 才会真正生效。

2. 把压缩阈值提前

把 thresholdRatio 从 0.8 调到 0.3 左右，100 万窗口下大约在 30 万 Token 时就开始压缩。默认保留比例 retainRatio: 0.16 不变，近期的对话依然逐字保留。官方要求保留比例必须小于阈值比例，否则插件加载会失败。

想立刻瘦身的话，在对话框里输入 /compact，即使没到阈值也会压缩一次，并报告估算省下了多少 Token。

3. 让便宜的模型写摘要

每次压缩本身都要额外调用一次模型。summarizationProvider 和 summarizationModel 两项可以把写摘要这件事单独指定给 deepseek-flash。按高峰价算，它的未命中输入是 V4-Pro 的 2/9，输出不到 V4-Pro 的 1/3。

4. 收紧工具输出修剪

默认规则是：工具结果超过 8,192 个字符时，只保留开头 4,096 个字符和结尾 1,024 个字符。如果你经常跑会刷屏的测试或构建命令，可以把这三个数调小。

5. 护住缓存命中率

TUI 页脚会显示 cache N%，Web 界面的输入框旁边有上下文占用圆环，每一轮结束后还能展开查看这一轮的精确 Token 用量。要让缓存命中率保持在高位，记住三件事：

同一会话里不要来回切换模型或提供方，否则会换到另一个缓存域；
不要中途增删 MCP 工具或改写系统提示词，工具 schema 一变，从变化的位置开始往后的缓存都失效；
派子任务优先用 subagent_fork。官方基础配置特意让它沿用父会话的模型，这样继承下来的历史还能复用 KV Cache。

实操：一份可以直接粘贴的省 Token 配置

打开 $DSH_HOME/profiles/web/cordis.patch.yml（用 dsh web 启动时 profile 就是 web；也可以在设置页顶部点「打开配置文件」），追加下面几段：

# 默认推理强度降到 low，需要时在模型选择器里临时切回 high
- id: llm-deepseek
  config:
    reasoningEffort: low
    maxTokens: 32000

# 约 30 万 Token 触发压缩，摘要交给 flash 写
- id: compaction-basic
  config:
    thresholdRatio: 0.3
    summarizationProvider: deepseek-official
    summarizationModel: deepseek-flash

# 工具输出超过 4096 字符就只保留头尾
- id: tool-result-pruner
  config:
    thresholdChars: 4096
    headChars: 2048
    tailChars: 512

有三点要注意：

Cordis 的覆盖会整条替换该条目的配置。如果文件里已经有 llm-deepseek 段（比如模型页写入过 API 地址），请把字段合并进原有段落，不要重复写两段。
用 DeepSeek 账号登录、而不是用 API Key 的，摘要提供方要写成 deepseek-account。
适配器会在下一次请求时重新读取配置，不用重启。改完后发一句话，然后查看这一轮的 Token 明细，确认配置已经生效。

还有一个成本上零改动的技巧：长时间跑的批量任务尽量放在工作日 18:00 之后或周末启动。按官方价格，空闲时段的输入和输出都是半价。

常见问题

Q：dsh 会偷偷上传会话日志，多算我的 Token 吗？

dsh_session_log 和 dsh_plugin_packages 这两个扩展字段默认开启，确实会随请求发送。但官方协议文档写明，它们放在 messages、系统提示词和工具 schema 之外，不会增加模型输入 Token，也不会改变模型能看到的前缀。

Q：把 maxTokens 调小能直接省钱吗？

不能直接省。计费按实际生成的 Token 算，这个上限主要是防止模型失控地长篇输出。它的间接作用是：输出预留小了，压缩公式里的 W − O 就变大，历史能保留得更完整。

Q：flash 和 V4-Pro 怎么分工？

日常编码、摘要、检索类任务用 deepseek-flash，只把难题交给 deepseek-v4-pro。两款模型的上下文都是 100 万 Token，但切换模型会重建缓存，最好按会话切，不要在一个会话里来回换。

结语

DeepSeek Harness 的 Token 消耗，本质上是「100 万窗口加高推理强度加晚触发压缩」叠加的结果。解法不在外部，而在 dsh 自带的推理等级、compaction-basic、工具输出修剪器和缓存指标里。本文配置字段以 deepseek-ai/deepseek-harness 仓库 2026 年 9 月的文档为准（最新版本 dsh-v0.1.7-rc.2，仍处开发者预览阶段，字段可能调整），价格以 DeepSeek 官方价格页为准。