DSH plugin 会话引用的字节保留:哪些常见处理会悄悄改写被引用的内容,宿主怎么避免
引用内容和原文差一个空格,通常不是模型记错,而是链路里有人做了「顺手清理」:DSH plugin(DSH插件) 的字节保留约束只允许移除 mention token,其余内容按原样携带。 越是看起来无害的规范化,越容易在这里留下差异。
DSH plugin 引用内容为什么和原文差一个字符
差异往往出在看不见的空白上。(来源) 三个高频现场:
原文: 第一行\r\n第二行 引用:第一行\n第二行
原文: a = 1 引用:a = 1
原文: 你好,世界。 引用:你好,世界.
用户不会逐字节对比,但模型会。换行变化可能改变代码块解析,全半角变化可能改变检索命中。
这类差异的共同点是:原文「看起来一样」,字节上不一样。
DSH plugin 的字节保留约束
它是一条内容契约,不是性能优化。(来源) 含义有三层:
- 被引用内容按快照携带,不按展示需要重排;
- 唯一允许的修改是移除宿主 mention token;
- 压缩与截断是显式行为,必须记录事实。
第二层划出了责任边界:prepare 做减法,宿主不做「美化」。
第三层说明「省略」与「改写」不是一回事:前者有记录,后者没有。
DSH plugin 里四类会改写内容的处理
四类动作,覆盖大多数「悄悄改写」。(来源) 对照:
| 处理 | 看似目的 | 实际影响 |
|---|---|---|
| 合并连续空格 | 排版整洁 | 代码缩进、对齐被破坏 |
| 换行归一 | 跨平台一致 | 代码块、段落结构变化 |
| 全半角转换 | 标点统一 | 检索与原文匹配失效 |
| 自动补标点 | 句子完整 | 凭空增加内容 |
第三类最隐蔽:中文标点转英文后,用户搜索原文可能搜不到。
第四类性质更严重:它不是改写,而是生成。
DSH plugin 字节保留与截断、压缩的区别
三者都会让内容变少或不同,但只有一种算改写。(来源) 对照:
| 行为 | 是否改变原文 | 是否留痕 |
|---|---|---|
| 字节保留 | 否 | 不适用 |
| 截断 | 是,减少内容 | 记录 omitted 与 truncated |
| 源端压缩 | 是,重组内容 | 记录 compacted |
截断与压缩都是显式契约,调用方能看到事实;改写没有留痕,所以最难排查。
判断标准很简单:如果差异没有对应字段解释,就是改写。
DSH plugin 宿主侧的正确做法
三件事,把处理限制在输入形态上。(来源) 做法:
- 只把编辑器结构转成内容块,不改文本本身;
- 只保留必要的非法字符清理,并记录清理范围;
- 展示优化放在渲染层,不写回提交内容。
第三条是根本:一旦优化写回,后续所有环节都只能看到优化后的版本。
如果产品要求「统一标点」,那应该作为显式功能告知用户,而不是默认处理。
还有一条容易忽略:日志与遥测也不要顺手截断或脱敏到改变内容,否则排查时看到的已经不是真正传给模型的那份。
DSH plugin 字节比对的验证
三步定位差异来源。 步骤:
- 取一段含连续空格、CRLF、全角标点的内容;
- 绕过宿主预处理直接 prepare,记录结果;
- 走完整宿主链路 prepare,逐字节比较两次结果。
如果第 2 步就有差异,问题在服务侧(少见);如果第 3 步才有,问题在宿主。
比较时不要用编辑器「看起来一样」判断,用 diff 或哈希。
如果两次结果只差 mention token,说明宿主链路没有改写内容;其余任何差异都值得追到具体环节。
差异定位之后,下一步是归一化的边界。读 DSH plugin 引用前宿主该归一化什么;想看截断如何留痕,读 DSH plugin 引用被截断后的字段;想先看全貌,读 DSH plugin 怎么完整实现会话引用。
来源:DeepSeek Harness 官方参考 - 会话引用、session-reference/src/types.ts
常见问题
通常不是,DSH plugin 不会做格式化。DSH plugin 对内容有字节保留约束,只移除 mention token;如果你看到换行被统一,多半是宿主或中间层做了换行归一。
DSH plugin 的字节保留约束的是被引用内容的携带方式。DSH plugin 允许移除宿主 mention token,但不允许借展示之名改写正文,例如合并空格、全半角转换或自动补标点。
要看过滤范围,DSH plugin 的约束针对内容改写。DSH plugin 的约束针对内容改写;清理确实非法、会导致解析失败的控制字符属于输入合法性处理,但不能顺手把制表符、换行也清掉。
用同一段内容绕过宿主预处理直接调用 DSH plugin 的 prepare,再与经过宿主的版本逐字节比较。DSH plugin 的结果应只差 mention token,其他差异都来自上游处理。
相关术语
- 字节保留(byte preservation)
- 字节保留是会话引用约定对被引用内容的约束,要求除标记外不按展示需要改写原文。— DeepSeek Harness 官方参考 - 会话引用
- 内容改写(content rewrite)
- 内容改写是改变原文空格、换行、标点或编码的处理,即使看起来更整洁也属于越界。— DeepSeek Harness 官方参考 - 会话引用
- token 移除
- token 移除是 prepare 删除正文中宿主 mention 标记的唯一允许修改。— session-reference/src/types.ts
- 逐字节比对(byte diff)
- 逐字节比对是把处理前后的内容按字节比较,用来定位被改写的具体位置。— DeepSeek Harness 官方参考 - 会话引用
来源
- DeepSeek Harness 官方参考 - 会话引用· deepseek-ai
- session-reference/src/types.ts· deepseek-ai