> 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：

```yaml
# 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：

1. 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。
2. 用 DeepSeek 账号登录、而不是用 API Key 的，摘要提供方要写成 `deepseek-account`。
3. 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。


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。

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

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 Toke

人工智能

云计算

后端

DeepSeek Harness烧Token快，根因在默认配置：推理强度high、单次输出上限25.6万Token、压缩阈值需等到上下文涨至67.8万才触发，导致每轮重发全部历史。5个原生开关可省成本：降推理强度、调低压缩阈值至0.3、用deepseek-flash写摘要、收紧工具输出、保缓存命中率。附可直接粘贴的cordis.patch.yml配置，空闲时段跑批量任务再省一半。

代码解释

DeepSeek

路由

GitHub

Cordis

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

DeepSeek Harness烧Token快，根因在默认配置：推理强度high、单次输出上限25.6万Token、压缩阈值需等到上下文涨至67.8万才触发，导致每轮重发全部历史。5个原生开关可省成本：降推理强度、调低压缩阈值至0.3、用deepseek-flash写摘要、收紧工具输出、保缓存命中率。附可直接粘贴的co...

DeepSeek Harness 消耗 Token 太快怎么办？5 个官方开关把账单压下来-腾讯云开发者社区-腾讯云

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

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

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐