引言
DeepSeek Harness，简称dsh，是DeepSeek在2026年8月开源的插件化Agent运行框架，项目在GitHub平台已积累23.7k Star。很多开发者在落地时会遇到Token消耗激增的问题，该现象并非框架Bug，而是默认配置偏向能力优先带来的结果。框架默认推理强度设置为high，单次输出上限256000 Token，上下文窗口最大支持100万Token。按照原生逻辑，自动压缩机制需要等待对话上下文膨胀至约67.8万Token才会触发，在此阈值之前，每一轮请求都会完整回传全部历史对话与过往思维链内容，持续拉高输入Token用量。本文基于dsh官方仓库文档与DeepSeek最新定价体系，拆解Token消耗的底层成因，介绍5个原生配置开关，从推理强度、压缩触发时机、摘要模型、工具输出裁剪、缓存命中率五个维度控制账单。文末附带一份可直接部署的cordis.patch.yml配置文件。
一、定位成本根源：长会话的开销来自输入侧，而非模型输出
在Agent多轮循环场景中，绝大多数成本产生于每一轮请求携带的输入内容，并非模型本轮生成的输出文本。dsh的Agent执行循环里，每一步都会将系统提示词、工具描述Schema、完整对话历史以及上一轮工具返回结果，重新组装成完整请求提交给大模型。在DeepSeek官方11m-deepseek文档中明确标注，每一轮推理产生的思维链内容，会原样带入后续请求上下文。推理强度reasoningEffort设置越高，附加的思维链内容体积越大，后续每一轮请求的输入Token体量会持续膨胀。
参考DeepSeek 2026年9月公开的官方计费标准，计费单位为元/百万Token，高峰时段定义为北京时间工作日9:00–12:00、14:00–18:00；其余时间（周末、法定节假日全天）属于空闲时段，计费单价仅为高峰时段一半：
- 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
我们可以做一组成本测算：使用V4-Pro模型，当对话上下文累积至50万Token，继续发起新一轮请求。如果缓存命中率维持90%，本轮输入成本约0.59元；一旦缓存全部失效，本轮输入成本将达到4.5元，二者差距超过7倍。
由此可见，Token成本优化包含两大核心方向：一是约束上下文无限膨胀，二是保证前置提示词尽可能命中KV缓存。在多模型业务架构中，统一管理不同模型的API请求、缓存策略与流量路由会增加运维复杂度，Treerouter作为API网关，能够简化多模型接入与流量管控流程。
二、默认配置为何容易产生高额账单
dsh内置压缩插件dsh-compaction-basic默认开启，触发阈值计算公式：floor(min(W × 0.8, W − O − 65536))，其中W代表上下文窗口上限，O是单次输出Token上限。
代入默认参数：W=1000000，O=256000，计算得到触发阈值约678464 Token。简单来说，对话上下文需要膨胀至接近68万Token，框架才会自动执行压缩操作。对于仅修改少量代码文件这类轻量化任务，该阈值设置过于宽松，会造成大量无效Token开销。
除此之外，另外两项默认参数同样优先保障模型能力，忽略成本控制：
reasoningEffort默认值为high，可选参数包含off、low、high、max；- 工具结果裁剪器仅在上下文压缩执行之后才会生效。对话长度未达到阈值时，超长命令返回内容会完整保留在上下文中持续累积。
三、5个原生优化开关，按投入收益排序
1. 按需调整推理强度
模型选择面板内置推理等级选项，支持会话内动态切换。查阅资料、文本整理、简单格式转换类任务，可将推理等级调整为low或off；遇到复杂代码重构、深度推理场景，再切回high模式。当设置为off时，DeepSeek会发送thinking.type: disabled，完全关闭推理思维链生成。
这里存在一个容易踩坑的适配细节：如果开发者通过OpenAI兼容接口接入DeepSeek V4系列模型，仅填写off参数并不会关闭推理。依据官方文档，必须额外增加参数compat.thinkingFormat: deepseek，off配置才能正常生效。
2. 提前下调压缩触发阈值
修改thresholdRatio参数，将默认0.8调整至0.3左右。在100万Token上下文窗口限制下，上下文达到30万Token即可触发自动压缩；retainRatio默认0.16保持不变，近期对话内容依旧完整保留。官方明确约束，保留比例必须小于阈值比例，否则配置加载失败。
若需要即时手动压缩，直接在对话输入框执行/compact指令，框架会立刻执行一次上下文压缩，并展示本次操作预估节省的Token数量。
3. 选用低成本模型承担摘要任务
每一次上下文压缩都需要调用模型生成摘要。summarizationProvider与summarizationModel两个配置项，可以单独指定摘要任务使用deepseek-flash。在高峰时段，flash未命中输入单价仅为V4-Pro的2/9，输出单价不足V4-Pro的1/3。长会话压缩摘要属于轻量任务，无需动用高成本旗舰模型。
4. 收紧工具输出裁剪规则
默认策略为：当工具返回结果超过8192字符，仅保留前4096字符与末尾1024字符。如果业务场景频繁执行测试脚本、批量构建命令，可进一步缩小字符截断阈值，减少工具返回内容占用的上下文空间。
5. 维护高缓存命中率
TUI终端界面支持查看缓存命中率指标，Web页面输入框侧边展示上下文占用圆环，每一轮会话结束之后，能够查看本轮精确Token消耗明细。想要稳定维持缓存命中率，需要遵守三条工程规范：
- 同一个会话内，不要反复切换模型或服务商，切换会直接切换缓存域，原有缓存失效；
- 会话中途不要新增MCP工具，或者修改系统提示词；一旦工具Schema发生改动，变更位置之后全部缓存都会失效；
- 子任务优先使用
subagent_fork模式。官方基础配置下，该模式复用父会话的模型，继承的历史上下文能够继续复用KV缓存。
四、实操配置：可直接粘贴的省Token配置
打开$DSH_HOME/profiles/web/cordis.patch.yml，执行dsh web启动时，profile名称为web，也可以在设置页面点击打开配置文件，追加下面yaml配置内容：
# 默认推理强度调整为low，复杂任务临时切换high
- id: llm-deepseek
config:
reasoningEffort: low
maxTokens: 32000
# 设置约30万Token触发压缩，摘要交由flash执行
- id: compaction-basic
config:
thresholdRatio: 0.3
summarizationProvider: deepseek-official
summarizationModel: deepseek-flash
# 工具输出超过4096字符，仅保留首尾内容
- id: tool-result-pruner
config:
thresholdChars: 4096
headChars: 2048
tailChars: 512配置使用有三项关键注意事项：
- Cordis配置采用全条目替换逻辑。如果配置文件已经存在
llm-deepseek段落（比如预先填写过API地址），需要将新增字段合并进原有段落，不要重复创建两段相同id配置； - 如果使用DeepSeek账号登录，而非API Key鉴权，摘要提供方名称填写
deepseek-account； - 适配器会在下一次请求加载新配置，无需重启服务。修改完成发送一条测试消息，查看Token消耗明细，验证配置生效状态。
还有一项零成本优化技巧：长时间运行的批量任务，尽量安排在工作日18点之后或者周末时段启动。根据DeepSeek定价规则，空闲时段输入、输出Token单价直接减半。
五、常见问题解答
Q：dsh是否会偷偷上传完整会话日志，造成额外Token扣费？
dsh_session_log和dsh_plugin_packages两个扩展字段默认开启，会随请求发送。但官方协议文档说明，这部分信息放置在messages、系统提示词和工具Schema之外，不会计入模型输入Token，不会改变模型读取的前置上下文，不会产生额外计费。
Q：调低maxTokens参数，能直接节省费用吗？
不能直接降低账单，计费以模型实际生成Token数量为准。这个参数本质作用是限制模型最大输出长度，防止失控超长输出。它的间接价值在于缩小输出预留空间，压缩公式中W-O值变大，能够保留更多历史上下文，减少频繁重写历史带来的开销。
Q：flash和V4-Pro如何合理分工？
日常代码编写、文档摘要、信息检索类任务交给deepseek-flash；高难度复杂问题、长链路推理交给deepseek-v4-pro。两款模型上下文窗口均为100万Token，但切换模型会清空缓存，建议新开会话执行切换，不要在同一会话来回切换模型。
六、总结
DeepSeek Harness产生过高Token消耗，本质是100万Token上下文窗口、默认高推理强度、宽松的压缩触发阈值三者叠加带来的结果。成本优化方案无需修改框架底层代码，依托dsh原生自带的推理等级、compaction-basic压缩插件、工具输出裁剪器、缓存控制参数即可落地。本文配置字段参考deepseek-ai/deepseek-harness仓库2026年9月文档，当前最新版本dsh-v0.1.7-rc.2，框架仍处于开发者预览阶段，字段定义存在调整可能性，价格以DeepSeek官方定价页面为准。
在大规模Agent集群落地场景，多模型路由、鉴权与流量观测会带来额外运维压力，借助API网关可以统一管控各类大模型请求。
了解更多：https://treerouter.com
