按兴趣浏览，循来源深入。
作者开源了 Tether，一个面向长时编码 Agent 的运行时，解决压缩后假完成问题：任务摘要和模型维护的计划放在永不裁剪的记忆层，每次压缩过 ROUGE-L 加关键词双校验，不达标就整条回滚。压缩率 22.5%，比不上 LLMLingua 类学习式压缩器的 10–20 倍；DeepSeek 端到端实测 20 任务 pass@1 80%，总 token 省 21%。还含三层记忆、三级文件漂移检测（stat → MD5 → AST）、10 种中断场景恢复、重复调用拦截、MCP 接入，150 个测试全离线可跑。作者明确列出局限：代码执行无沙箱，漂移测试集为自建，e2e 仅 20 任务样本差异在噪声内。
推荐理由：作者把每个设计取舍都配上了可复现的实验数字和明确局限，读者可以照着 benchmark 判断这套运行时是否值得试。
DevZjQx 发布 oh-my-clm，一个可加载到 Pi 的精简 live-context 扩展，参考 Facebook Research context-language-models 把当前上下文镜像到普通文件、由模型自行整理的思路。扩展在 Pi 构建 projection 时把可编辑上下文镜像到 /tmp/clm-${sessionId}/LIVE_CTX_MAIN.md，模型可通过 cleanup 工具按 block ID 删除冗余内容或同 call rewrite 缩短 block；所有编辑采用 shrink-only 策略，不能严格缩短上下文的编辑会被拒绝。
推荐理由：README 把镜像协议、编辑校验和 Pi 与 DSH 两侧持久化语义差异讲得很完整，适合想自己做上下文管理的开发者参考实现思路。
xingzoudefengye 在 GitHub 发布 dsh-compaction-local-handoff，为 DeepSeek Harness（DSH）提供零模型调用的压缩后端，在上下文达到阈值时用本地确定性、有界的交接文档替代额外一次 LLM 摘要调用。触发阈值、逐字尾部保留、工具结果剪枝与 /compact 等行为继承自 dsh-compaction-basic；交接文本硬上限 6,000 字符并 redact 凭据，验证显示 compaction/summary 记录为 provider=local、model=local-handoff 且 11 毫秒完成，27 项测试全部通过。
推荐理由：它把压缩摘要从一次模型调用换成有界的本地拼装交接，并给出日志级验证和已知取舍，方法对上下文管理有可参考性。
kolawong 发布 fast-compaction-dsh，为 DeepSeek Harness（DSH）提供判定式上下文压缩，替代有损的摘要式压缩，移植自 tamaratran/fast-jev-compaction（MIT）。该插件用 jev-latest 对每个工具调用做 keep/truncate/drop 判定，保留内容逐字不变、绝不改写，用户与助手文本永不删除；失败时回退到内置 compaction-basic 摘要器。
推荐理由：原文给出完整的判定式压缩机制、默认参数和约700ms的实测往返耗时，可了解如何在不改写原文的前提下压缩上下文。