自动探测本地模型上下文 · dsh-ctx-probe
> 中文为主 · English translation follows each section
> 自动探测本地 llama.cpp / Ollama 的真实上下文窗口并自动同步进 dsh 设置，双向跟随，零配置。
> Auto-detect the real context window of local llama.cpp / Ollama servers and keep llm-pi-ai in sync — both directions, zero config.
🛠 给 Agent 的安装指引（可直接整段复制）
> Agent install block — copy everything inside this box and hand it to a DSH coding agent.
> 把这整段复制给你的 agent，它就能自己完成安装。
请帮我安装 dsh 插件「dsh-ctx-probe / 自动探测本地模型上下文」，并在装好后验证：
1. 安装（GitHub 源，web profile）：
dsh plugin --profile web add https://github.com/IYIcode/dsh-ctx-probe
2. 验证安装成功：运行
dsh --profile web --dump-config
确认输出层栈末尾包含三行：
# == dsh-ctx-probe
- id: ctx-probe
name: dsh-ctx-probe
3. 如果步骤 1 报"declares no dsh.bundle"，说明安装方式不对，改用本地目录源或检查网络。
4. 装完后必须重启 DSH Web Host（Ctrl+C 后重新运行 dsh web）——bundle 是启动期加载，
刷新页面不够。
5. 重启后验证功能：
a. 在聊天里执行 /ctx-probe force，应看到目标 provider/model 的
configured / effective / probed 三个值；
b. 给本地模型发任意一条消息，插件会在请求前探测服务器真实 n_ctx 并自动同步设置
（模型设置里能看到 contextWindow 变成服务器实际值，服务器 -c 改了也会自动跟随）。
EN: This is the only block an agent needs — install from GitHub, verify the layer row in --dump-config, restart the DSH Web Host, then confirm with /ctx-probe force.
这个插件解决什么问题 / Problem
llm-pi-ai 对未声明 contextWindow 的模型默认使用 262144 tokens 兜底。若你的 llama.cpp 以 -c 65536 启动，内置的 80% 压力压缩永远达不到触发线——第一个超长请求直接 400 溢出。
> EN: llm-pi-ai defaults an undeclared contextWindow to 262144. Against a llama.cpp started with -c 65536 the built-in 80% compaction never triggers, so the first oversized request hard-fails with a 400 overflow.
本插件探测服务器的真实运行时窗口（/v1/models 的 meta.n_ctx，不是 n_ctx_train），并让配置始终保持等于探测值——改小→溢出前自动收紧；重启改大→自动放宽。全程无需手填任何数字。
> EN: The plugin probes the real runtime window (meta.n_ctx, not n_ctx_train) and keeps the configured window equal to it — tightening before overflow when the server shrinks, widening when it grows. No manual numbers.
工作方式 / How it works
- 何时探测 When：每次
agent/request（模型调用发出前），按(provider, model)进行。
本机服务器（localhost / 127.0.0.1 / 0.0.0.0）每个请求都重新探测——重启 llama.cpp 后下一条消息即自动同步；远端服务器走 ~10 分钟 TTL 缓存。单飞 + 指数退避（10s 起、5min 封顶）防探测风暴。
> EN: On everyagent/request. Loopback servers are re-probed on EVERY request (a server restart is applied on the very next model call); remote servers use a ~10 min TTL cache. Single-flight + exponential backoff (10 s base, 5 min cap). - 探测源 Probe sources（首个可用即胜，1.5s 超时，错误全部吞掉 / first usable wins, errors swallowed）：
1. llama.cppGET {baseURL}/models→meta.n_ctx（运行时窗口）；
2. llama.cppGET {root}/slots→slots[].n_ctx；否则GET {root}/props→n_ctx；
3. OllamaGET {root}/api/show→model_info["ollama.context.length"]；
4. 兜底：溢出报错文本中解析的上限（agent/request-error时学习，只能收紧）。 - 自动双向同步 Auto-sync：只要
探测值 ≠ 生效值，就通过 revision 校验的settings.update()合并补丁写回contextWindow（冲突重试 3 次）。扩张只允许来自 1–3 的可信运行时源；由于扩张值永不超过服务器实际执行的n_ctx，不会引发溢出。
> EN: Wheneverprobed ≠ effectivethe plugin writescontextWindowback via a revision-checkedsettings.update()merge patch (3× conflict retry) — tightening AND widening. Widening is only allowed from trusted runtime sources (1–3); because it never exceeds the server's enforcedn_ctx, it cannot cause overflow. - 收紧后即时压缩 Post-tighten compaction：若会话占用已 ≥ 新窗口 80%，空闲时立即压缩，繁忙时推迟到下个
agent/pre-step。 - 热重载 Hot reload：
llm-pi-ai设置文档变化即清空探测缓存；写入带 revision 校验，并发编辑不冲突。
命令 / Command
/ctx-probe [force] [provider model]
只读报告 configured / effective / probed 三个窗口值；force 忽略缓存强制重探。
> EN: Read-only report of configured vs effective vs probed windows; force bypasses the cache.
安装（人工操作版）/ Manual install
dsh plugin --profile web add https://github.com/IYIcode/dsh-ctx-probe
或本地目录 / or from a local copy：dsh plugin --profile web add C:\path\to\dsh-ctx-probe
（发布到 npm 后也可 add dsh-ctx-probe。）
装完重启 DSH Web Host（安装 bundle 是启动期变更，只有用户 patch 文件热重载）。
> EN: Install, then RESTART the DSH Web Host — adding a bundle is a boot-time change.
源码 / Source
· 话题/ topic dsh-plugin
设计约束 / Design constraints
- 不改
node_modules；不依赖任何@deepseek-ai/*包（完全自包含）。 - 只注入
settings与llm；其余服务按需防御性解析。 - 所有事件处理器透传、插件侧错误全吞——探测失败永远不会拖垮 agent 循环。
- 与同类插件的区别：本插件是请求时实时探测 + 双向自动同步（非手填目录、非定时拉取）。
> EN: No node_modules edits, no @deepseek-ai/* imports (self-contained); injects only settings/llm; handlers are pass-through and swallow errors so a probe failure can never break the agent loop. Unlike manual-catalog or scheduled-sync plugins, this one probes per-request and syncs both ways.
